Scoperta degli orizzonti dell'IA

Tom Godden:
Hello. Benvenuti al podcast Executive Insights, creato da AWS. Mi chiamo Tom Godden. Sono direttore della strategia aziendale presso AWS e oggi sono in compagnia di Matt Fitzpatrick.

Matt, grazie per essere qui con noi oggi.

Matt Fitzpatrick:
Grazie a voi per avermi invitato.

Tom Godden:
Te ne siamo grati. Puoi darci una piccola introduzione? Offrici una panoramica del tuo ruolo in McKinsey e parlaci di Quantum Black Labs. Adoro il nome.

Matt Fitzpatrick:
Possiamo pensare a McKinsey Engineering in senso ampio: si tratta di un gruppo di alcune migliaia di ingegneri che lavorano direttamente presso i clienti, sviluppando modelli e soluzioni tecnologie. Quantum Black Labs rappresenta invece l’anima tecnologica che sostiene questo lavoro.

Quindi, che si tratti di un modello di fidelizzazione o di un motore di suggerimento, parliamo sempre di interfacce software guidate da modelli decisionali. Nell’ambito dell’IA generativa, un esempio potrebbe essere un chat-bot. E proprio questo è uno dei campi su cui si concentra il team di Quantum Black.

Quantum Black Labs, infine, sviluppa i prodotti e gli strumenti che permettono agli ingegneri sul campo di operare al meglio.

Tom Godden:
In questo periodo si parla moltissimo di IA in McKinsey. I nostri clienti traggono sempre grandi vantaggi dagli approfondimenti. Personalmente seguo spesso McKinsey per restare aggiornato. Tu cosa noti, in questo momento, come tendenza principale nel settore dell'IA?

Matt Fitzpatrick:
Sì, penso che gli ultimi due anni siano stati interessanti. Ovviamente l'IA è diventata più importante per molte persone. È in cima, è in prima pagina su tutti i giornali di questi tempi.

Tom Godden:
È sulla bocca di tutti ormai.

Matt Fitzpatrick:
Ma penso che la realtà sia stata molto più complessa di quanto ci si aspettasse. Penso che molte persone si aspettassero che fosse più simile a un software, dove basta installare un nuovo sistema ERP e tutto funziona. In realtà, penso che si tratti molto di più di un processo di sperimentazione e investigazione...

Tom Godden:
Formazione.

Matt Fitzpatrick:
Formazione. Quindi, questo processo attraverso cui molte organizzazioni non tecnologiche tradizionali, che fino a poco tempo si limitavano all’uso di software e magari a modellazione qua e là, hanno cercato di trasformarsi in gruppi orientati allo sviluppo tecnologico assume un significato ben diverso. Venticinque anni fa, ad esempio, sarebbe stato impensabile costruire software personalizzato utilizzando il proprio mainframe, sarebbe stato estremamente difficile. Ma oggi, nel contesto attuale, se pensiamo a come sfruttare tutte le diverse tecnologie disponibili, incluse quelle che si combinano per poi sfruttare, ad esempio, un modello di IA generativa, ci troviamo di fronte a un processo molto diverso rispetto alla maggior parte delle aziende Fortune 5000 che non hanno mai veramente sviluppato software. Dati alla mano, si stima che circa il 92% dei modelli oggigiorno non arrivi mai alla fase di produzione.

Tom Godden:
Davvero?

Matt Fitzpatrick:
Quindi solo l'8% circa di ciò che viene costruito oggi viene utilizzato. E penso che sia stato un processo di adattamento difficile per la maggior parte delle aziende tradizionali.

Tom Godden:
Fermiamoci un attimo su questo punto: quali sono le difficoltà principali? Cosa impedisce alle persone aumentare quella percentuale dall'8% all'80%?

Matt Fitzpatrick:
Sì, credo che dipenda da un paio di fattori diversi. Penso che quello più evidente sia rappresentato dalle allucinazioni nel contesto dell’IA generativa. Nel machine learning è un po' più semplice. Puoi dire: "Ecco la mia variabile dipendente, c'è un certo livello di precisione di cui ho bisogno" e riesci a lavorare tranquillamente con quello. In un contesto di IA generativa, se decidi di costruire un modello che non ha necessariamente una definizione chiara, ad esempio un chat-bot per discutere del tipo di caffè che qualcuno vorrebbe ordinare, definire cosa significa 'buon risultato' è, in realtà, piuttosto difficile.

Tom Godden:
Esatto. Sembra facile.

Matt Fitzpatrick:
Penso che molte organizzazioni, quando hanno un centinaio di progetti pilota in corso, non sono davvero sicure di cosa significhi: "Ok, passiamo alla produzione, questo funziona". Quindi, credo che stabilire l'indicatore di performance (KPI) da misurare, come definirlo e testarlo, e assicurarsi che non ci siano rischi siano state le questioni principali. E si sono visti anche alcuni problemi pubblici molto evidenti in merito, dove le organizzazioni hanno rilasciato chatbot che hanno causato situazioni piuttosto imbarazzanti. Direi che questo sia stato, di gran lunga, il punto più critico.

Tom Godden:
Penso che questo stia giustamente destando preoccupazione, ma le persone stanno reagendo in modo un po' eccessivo. Perché, giustamente, non vogliono diventare quell'azienda di cui si parla sui social media o sulla prima pagina del Wall Street Journal.

Matt Fitzpatrick:
Sono completamente d'accordo. E a proposito, la cosa interessante è che ci sono modi per farlo con un alto livello di convinzione, assicurandosi di aver gestito il rischio. Significa mettere dei guardrail che impediscano la diffusione di bias o contenuti tossici. È possibile creare guardrail e definire chiaramente il risultato desiderato, ad esempio indicando un ambito preciso di suggerimenti.” Oppure, se è necessario fare un suggerimento come, ad esempio, suggerire l'acquisto di un prodotto o un prezzo, è possibile avere un modello di machine learning molto verificabile, chiaro e trasparente, con l'LLM che funge da interfaccia conversazionale.

E in quel tipo di paradigma, il rischio è molto basso. Sai quale sarà il tuo suggerimento e sai che è possibile mettere dei guardrail per evitare che venga detto qualcosa di particolarmente preoccupante. Ma ancora una volta, tutto ciò è valido nel contesto di organizzazioni che non hanno mai dovuto costruire nulla del genere prima d'ora. Quindi penso che la curva di apprendimento sia stata difficile.

Un altro aspetto complicato è che è necessario un cambiamento organizzativo per abituarsi al concetto di "test e apprendimento". Credo sia uno degli aspetti più difficili. La maggior parte delle organizzazioni che sviluppano tecnologia vogliono sapere con certezza come funzionerà un sistema entro sei mesi,

Tom Godden:
il che è singolare perché è una creatura vivente in continua evoluzione, che cambia continuamente man mano che cambiano i dati che la alimentano e con cui interagisce. E credo che questo tipo di mentalità, che penso tu abbia colto, sia qualcosa di così estraneo a così tante persone, e giustamente. Voglio dire, è comprensibile, ma poi credo che molte persone ne restino un po' spiazzate e non sappiano come orientarsi.

Matt Fitzpatrick:
Completamente. Penso che se hai operato in un paradigma dove il software funziona secondo modelli altamente prevedibili, come quelli statistici di base, e poi all'improvviso devi passare a un approccio di test e successivo apprendimento, non sia affatto semplice.

Tom Godden:
Da far rimanere a bocca aperta.

Matt Fitzpatrick:
Da considerare anche qualcosa che, ad esempio, possa dare maggiore autonomia a una persona in prima linea, un rappresentante di Salesforce o un rappresentante del call center, con l'idea che quella persona debba prendere una decisione su qualcosa che potrebbe non essere perfetto fin da subito. Ancora una volta, è difficile. Quello che trovo interessante è che, se ci abitua a questo tipo di processo e si fanno un buon addestramento e una giusta fase di test prima di mettere tutto in produzione, è possibile ottenere ottimi risultati. Tuttavia questo tipo di approccio non è un'abilità che la maggior parte delle organizzazioni possiede.

Tom Godden:
Facciamo un passo indietro un attimo. Abbiamo parlato di alcune delle sfide, e ci torneremo tra poco, ma parliamo un attimo delle opportunità. Che cosa stai notando? In che direzione si stanno muovendo le aziende? Quali sono alcune delle cose interessanti? E poi, Matt, qual è la mossa facile? Dammi l’assist vincente. Dove è possibile ottenere un risultato concreto?

Matt Fitzpatrick:
Credo che tra cinque o dieci anni ci guarderemo indietro e diremo che i primi due anni sono stati molto più difficili di quanto ci si aspettasse, ma i cambiamenti che vedremo tra dieci anni saranno, sotto molti aspetti, molto più profondi di quanto oggi possiamo immaginare. E se osserviamo vari ambiti, come la programmazione o lo sviluppo del software, penso...

Tom Godden:
Un caso d'uso che vale davvero la pena esplorare.

Matt Fitzpatrick:
Sì, voglio dire, pensiamoci: cinque, otto anni fa, se volevi avviare un'azienda e creare un'app, dovevi trovare qualcuno che ti costruisse una pagina web, ed era un processo tutt'altro che semplice. L’idea di passare direttamente dal testo all’HTML, o dal testo a SQL, è qualcosa che democratizzerà drasticamente l'accesso allo sviluppo di nuove tecnologie.

E penso che sarà un cambiamento davvero positivo per la società, per chiunque voglia avviare un'azienda. Ma renderà anche gli ingegneri molto più efficaci. Già adesso vediamo molti dei nostri ingegneri utilizzare l’IA generativa durante lo sviluppo. È spesso più efficace rispetto al dover cercare codice in vecchi repository. Quindi, secondo me, siamo solo all’inizio, forse al terzo inning, di un’evoluzione profonda nello sviluppo software. E credo davvero che questo sarà uno degli ambiti con il maggiore impatto nei prossimi due anni.

Tom Godden:
Una delle cose che apprezzo di più è che non si tratta solo del valore immediato che ne ottieni, ma anche del fatto che stimola gli sviluppatori a pensare in modo nuovo. Quando iniziano a usare l'IA generativa come assistente durante la programmazione, si chiedono: "E se la usassimo anche nell’assistenza clienti, magari in questo modo?" Inoltre, dimostra chiaramente che non si tratta di sostituire le persone, ma di potenziarle. Insomma, tutto questo racchiude insieme il vantaggio concreto nello sviluppo nonché valore. Per quanto mi riguarda, mi viene da dire: "Forza, avanti tutta!"

Matt Fitzpatrick:
Sì, al cento per cento. Bene, pensa anche ai trilioni di software legacy ancora esistenti in tutto il mondo. Immagina cosa significhi per le organizzazioni dover gestire sistemi vecchi di vent’anni, basati su codici ormai superati: una vera fonte di complicazioni.

Tom Godden:
È possibile passare da questa versione di .NET a quella successiva?

Matt Fitzpatrick:
È un’esperienza pessima per i tuoi clienti. È un'esperienza altrettanto frustrante per i tuoi dipendenti. Ora prova a immaginare...

Tom Godden:
E non fa davvero la differenza, giusto? È solo qualcosa da sbrigare per poterti dedicare a ciò che conta davvero.

Matt Fitzpatrick:
Credo che uno dei principali ostacoli che ha impedito a molte aziende di abbracciare davvero la trasformazione digitale siano i loro enormi sistemi informatici ereditati. Codici vecchi, complicati da aggiornare.

Se però si riesce a modernizzare queste infrastrutture in modo più efficiente si apre la strada a un’organizzazione davvero orientata al digitale. Questo potrebbe trasformare radicalmente anche le imprese più tradizionali, facendole somigliare sempre di più a delle organizzazioni tecnologiche. Sarebbe un cambiamento positivo per il modo in cui le aziende operano. Chiunque abbia a che fare con un sistema vecchio di trent'anni sa bene quanto sia faticoso e complesso rifattorizzare.

L'altra area che ritengo importante è l'esperienza cliente. Quindi tutto ciò che riguarda la sensibilizzazione dei clienti, i call center, le e-mail in uscita, i messaggi in uscita. In questo momento, è un processo piuttosto macchinoso.

Basti pensare alle esperienze nei call center: i punteggi di soddisfazione (MPS) sono generalmente bassi. Nessuno ama restare in attesa al telefono per 25 minuti. Quindi immagina un mondo in cui, anziché un flusso direzionale indirizzato che dice che puoi parlare solo di fatturazione o servizio, puoi avere una conversazione e risolvere il tuo problema. Questo significa che, ancora una volta, ridurrai notevolmente il tempo che trascorri in attesa al call center.

E migliorerebbe enormemente la comunicazione tra aziende e clienti. E anche nelle comunicazioni in uscita, come le e-mail: oggi spesso si tratta di template e-mail su qualche evento. Ma se queste e-mail potessero adattarsi alle specifiche esigenze del destinatario, offrendo contenuti personalizzati basati sul suo profilo, l’impatto sarebbe decisamente più rilevante.

L'altra cosa che penso sia cruciale è quella che chiamerei gestione della conoscenza. Pensiamo a qualsiasi organizzazione che dispone di enormi quantità di dati, che si tratti, ad esempio, di una compagnia assicurativa o di un'azienda di riparazioni auto, ma che non riesca a organizzare queste informazioni in modo strutturato. Ogni volta si riparte da zero, come se mancasse una memoria storica dell’azienda. Questo è un tema che sta suscitando molto interesse e che può davvero cambiare il modo di lavorare.

Tom Godden:
Sul sito web di AWS c'è un ottimo esempio di un'azienda che si occupa di ascensori, scale mobili e prodotti affini. Hanno creato un'ottima soluzione di IA su AWS per tornare indietro nella cronologia di tutti i record di servizio che sono stati registrati. Così, quando ti trovi a riparare una scala mobile o un ascensore in un determinato posto, anziché ripartire da zero, perché non tornare indietro nella cronologia di tutte le chiamate di assistenza passate per capire qual è il modo migliore per gestire il problema? Questo è solo un esempio, e penso che ce ne siano tanti da sfruttare in questo senso.

Matt Fitzpatrick:
Penso che le chiamate di servizio siano uno degli esempi migliori. Intendo dire, se si pensa a come quasi tutte le organizzazioni nel mondo funzionano ora con le chiamate di servizio, a meno che non abbiano un sistema di call center davvero sofisticato, hanno un individuo che prende una decisione, fa una valutazione, che può essere giusta o meno, e poi non viene memorizzata o utilizzata in alcun modo. Così, come società, ci troviamo ad affrontare molto più problemi a causa di diagnosi errate in qualsiasi fase del servizio. E credo che questo rappresenterà un grande passo avanti.

Tom Godden:
Abbiamo vissuto nel 2023 e nel 2024 un po' di entusiasmo legato all'IA generativa, forse anche un po' di eccesso di aspettativa. Personalmente, penso che qui in AWS siamo molto convinti che col passare del tempo vedremo quasi tutte le applicazioni potenziate dall'IA e dall'IA generativa. Ma con questo scenario in mente, come possiamo aiutare i leader a razionalizzare la loro proposta di business case sull'IA generativa in modo che non la sopravvalutino? In modo da trovare il valore giusto. Come consiglieresti di procedere in questo senso?

Matt Fitzpatrick:
Questo spiega in parte perché solo l'8% ce la sta facendo in questo momento. Credo che l'incertezza riguardo al successo sia un aspetto complicato nel processo di sviluppo del caso aziendale. Quello che intendo dire è che, per esempio, se desideri installare un nuovo sistema software per gestire qualsiasi processo come le spese, adesso creeresti un caso aziendale sapendo esattamente quale flusso di lavoro bisognerà seguire, con una fiducia molto alta nel risultato. In questo caso, creare un caso aziendale è un processo relativamente semplice. Ma immagina che il tuo caso aziendale si basi su 12 fattori diversi che potresti utilizzare nella tua organizzazione...

Tom Godden:
Risolvilo per N, sì.

Matt Fitzpatrick:
Dove cinque di loro potrebbero avere successo e sette potrebbero non funzionare. Penso che in realtà sia necessario cambiare il modo in cui funziona lo sviluppo di business case, facendo sì che somiglino molto di più a un approccio tipico del capitale di rischio. Non penso che questo significhi che solo una su dieci vada a buon fine, ma piuttosto che bisogna essere pronti a sperimentare, provando 10, 12, 14 cose diverse. Con il tempo, nel primo ciclo otterrai cinque progetti che funzionano, e nel ciclo successivo dieci che vanno bene. Inoltre, non investirai enormi somme per sviluppare ciascuno di essi.

Per fare un esempio, prendiamo in considerazione la gestione della conoscenza: gli stessi dati che utilizzi per una chiamata di servizio potrebbero essere utili anche per i contact center, per la produzione di documenti sullo svolgimento della chiamata, e così via. Alla fine, ti ritroverai con 5, 6, 7 casi d'uso collegati a quello che hai sviluppato e che ha avuto successo.

Tom Godden:
Ed è bellissimo. E consiglio sempre alle persone di provare prima con quel caso d'uso riassuntivo del documento, ma poi applicarlo in altri ambiti come le risorse umane o la finanza. Sarà necessario fare qualche aggiustamento e addestrare un po' il modello, ma in ogni caso avrai già fatto l'80%-90% del lavoro.

Matt Fitzpatrick:
La difficoltà con i casi aziendali è stata proprio questa. Non stai seguendo un paradigma in cui hai un progetto che richiederà due anni e alla fine sarà un caso unico e monolitico che, una volta completato, è finito. In realtà, stai adottando più di un paradigma del tipo: "Ho bisogno di raccogliere quattro diversi componenti di dati per questo caso d'uso. Ognuno di questi componenti è modulare, posso utilizzarli per altri quattro casi d'uso". Quindi in realtà lo sviluppo del caso aziendale diventa: "Ha senso investire qui, in modo da costruire funzionalità che possano giustificare l'avvio del progetto, perché saranno utili ripetutamente per altre applicazioni?" E col tempo, su una base di tre o cinque anni, il ritorno sull’investimento sarà moltiplicato. Potrebbe però non avvenire subito con il primo caso.

Tom Godden:
Quindi Matt, facciamo finta che io sia un CIO, essendo stato CIO in passato, quindi non è difficile immaginarselo. E supponiamo che mi trovi in una situazione in cui voglio qualcosa di veramente unico, personalizzato per le mie esigenze, ma voglio anche che sia poco costoso, giusto? Non è sempre questo il paradigma? Come si pone McKinsey, come ti comporti quando si tratta di consigliare alle persone di costruire internamente piuttosto che acquistare una soluzione? Quando la costruisci tu, ha la possibilità di personalizzarla. Ma costa molto di più. Quando acquisti, teoricamente spendi di meno, ma ottieni una personalizzazione minore. In qualità di CIO, mi trovo proprio bloccato nel mezzo. Ho bisogno di aiuto. Quale consiglio daresti?

Matt Fitzpatrick:
Sì, sai, sono dell'opinione che in realtà la definizione di "costruire versus acquistare" sia diventata molto distorta nel modo in cui la consideriamo nel settore tecnologico. Ti spiego cosa intendo. 10 anni fa, la definizione di "costruire versus acquistare" significava prendere un prodotto già pronto, che funzionava e che aveva un determinato costo. "Costruire" significava che avrei dovuto mettere in piedi un computer mainframe, sviluppare tutto il mio codice in gran parte da zero in un contesto di 15 anni fa.

Tom Godden:
Costruisci tutto allora.

Matt Fitzpatrick:
Stai costruendo qualcosa da zero e il tuo investimento sarà significativo.

Tom Godden:
Apprezziamo che tu lo dica perché è un po' la strategia di AWS. Aiuta a sostenere quel carico non differenziato.

Matt Fitzpatrick:
Se guardo alla situazione in modo più ampio, senza riferirmi a un singolo fornitore di tecnologia, oggi, "costruire" significa avviare un'istanza cloud. Uso vari componenti modulari. Estraggo il codice GitHub, repository di codice con informazioni. Scelgo sei o sette diversi componenti pronti all'uso che mi consentono di sostenere qualcosa di veramente utile e personalizzato per la mia organizzazione a un costo inferiore rispetto a 10 anni fa.

Tre anni fa, ad esempio, lavoravo con un player di asset che stava valutando se acquistare una piattaforma preconfezionata. Avevano bisogno di ricreare il loro sistema di gestione del credito e la discussione era: "Compro una piattaforma di credito già pronta o ne costruisco una da zero?" E no, non si trattava di una compagnia tecnologica. 10 anni fa l'idea di costruire una piattaforma di credito sarebbe sembrata assolutamente folle.

Tom Godden:
I campanelli d'allarme stanno suonando.

Matt Fitzpatrick:
Ma quando l’hanno esaminata, hanno capito che, per acquistarla, avrebbero dovuto fare un investimento significativo per personalizzare lo schema dei dati in modo che fosse compatibile alla piattaforma di credito standard. Inoltre, avrebbero avuto bisogno di schermate che sembrassero... Avevano un sistema interno che stavano cercando di sostituire con questo, ma ci sarebbe voluto un ingente investimento per adattare il sistema preconfezionato a ciò che desideravano. Avrebbero dovuto investire molto anche per mappare i dati su di esso. E così, quando hanno finito...

Tom Godden:
Cos’è successo?

Matt Fitzpatrick:
Fondamentalmente stavano costruendo un nuovo sistema su una piattaforma preesistente. L’altra opzione che avevano era quella di utilizzare tutti gli strumenti moderni disponibili, come quelli per la gestione dei dati, l'infrastruttura cloud e simili, e creare un sistema. E, incredibilmente, questa soluzione è risultata non più costosa rispetto a quella iniziale.

E stiamo vedendo che questo accade sempre più spesso. Penso che l'IA generativa accelererà ulteriormente questo processo, perché una delle cose che mi entusiasma di più del suo ecosistema è l'interoperabilità di tutte le varie applicazioni. Nessuno sta costruendo soluzioni con l’intento di dire: "Puoi usare solo il nostro sistema". Tutti vogliono che si possa partecipare al meglio della categoria. E così ogni volta che esce una nuova tecnologia, potrai integrarla. La domanda che si pone, quindi, è: se oggi crei una nuova applicazione per la gestione del credito e acquisti una piattaforma, ma poi arriva un nuovo strumento interessante di IA generativa, non potrai più usarlo? In realtà, accumuleresti più debito tecnologico utilizzando la piattaforma di credito preconfezionata ma obsoleta di dieci anni, di quanto faresti se costruissi un moderno stack interoperabile e sempre aggiornato, che ti permetta di integrare tutti i componenti più avanzati.

Devo dire che il numero di aziende che sono a proprio agio nel costruire soluzioni è molto più alto rispetto a cinque anni fa. E tutto ciò è reso possibile dagli investimenti in cloud e infrastrutture, che consentono di farlo in modo molto più rapido.

Tom Godden:
Quindi Matt, hai fatto molte trasformazioni, hai guidato numerosi progetti e hai accumulato molta esperienza. McKinsey discute spesso di come ristrutturare le organizzazioni per renderle capaci di adattarsi. Quali modelli vedi come efficaci per gestire l'aspetto culturale e facilitare il successo mentre ci immergiamo nell'era dell’IA generativa?

Matt Fitzpatrick:
Penso che ci siano un paio di aspetti fondamentali in questo. Uno è essere molto chiari su quali casi d'uso sono effettivamente importanti e possono muovere l'ago della bilancia. Ripeto, se si considera una situazione di 10 anni fa, in cui la propria organizzazione tecnologica non dialogava nemmeno con quella aziendale, c'erano tutti i presupposti per un fallimento. È necessario avere una visione chiara: qual è il mio obiettivo? Quali sono i 10 casi d'uso che proverò a sperimentare? In che modo i miei team tecnici e aziendali lavoreranno insieme per testare e apprendere? Questo intero processo è una nuova abilità. Credo che le competenze che oggi suscitano maggior interesse in questi giorni siano quelle che potremmo definire competenze di "traduzione", ovvero persone che hanno una certa conoscenza digitale ma capiscono anche il business. Ho lavorato con diversi clienti immobiliari, ad esempio, e qualcuno che capisce sia la tecnologia che il settore immobiliare è molto più prezioso di qualcuno che capisce solo una delle due realtà.

Penso che sia necessario avere un legame forte tra l'organizzazione tecnologica e i team aziendali, affinché ciò che viene costruito sia funzionale e risponda alle esigenze degli utenti aziendali. Quindi penso che le competenze di traduzione diventino davvero importanti.

Inoltre, credo sia importante riflettere molto sulla necessità di riqualificazione, o almeno sull'aggiornamento delle competenze tecniche della propria organizzazione ingegneristica. Ad esempio, se hai un'organizzazione ingegneristica che non sa usare Python o anche strumenti più recenti come Rust, sarà più difficile per te sfruttare molti dei moderni strumenti di IA generativa. Quindi ciò potrebbe portare alla necessità di un riaddestramento e di una riqualificazione, a nuove assunzioni, ma sarà necessario potenziare l'organizzazione ingegneristica tradizionale.

Tom Godden:
Hai detto che tra dieci anni osserveremo questo periodo iniziale con una consapevolezza diversa. Come sarà il mondo tra un decennio? In che direzione ci stiamo muovendo?

Matt Fitzpatrick:
Ecco una visione ottimista: è vero, si è discusso molto su come potrebbe evolvere la situazione nei prossimi dieci anni, ma voglio offrirti un punto di vista positivo.

Oggi passiamo una quantità enorme di tempo sui nostri smartphone. Se ci pensi, tra il tempo che trascorriamo fissando lo schermo e la mole di documenti e report con cui dobbiamo avere a che fare ogni giorno, è davvero impressionante. È tutto un susseguirsi di report per clienti, fogli di calcolo, mille applicazioni così da trascorrere un'ora o due davanti allo schermo ogni giorno. E per tutto questo, restiamo incollati agli schermi, spesso a testa bassa, lontani dal mondo reale. Ora immagina uno scenario diverso, in cui tutto questo viene sostituito. Molto di ciò di cui parliamo ha a che fare con la quantità di app e strumenti che usiamo per gestire prenotazioni dei voli o altri aspetti della nostra vita. Ogni cosa ha la sua app.

Ma immagina un mondo in cui non hai bisogno di mille app né di fogli di calcolo o piattaforme diverse. Hai, ad esempio, un paio di occhiali intelligenti e mentre cammini nel mondo reale, inizi a ricevere notifiche direttamente lì, davanti agli occhi. A proposito, questi dispositivi esistono già, quindi non sto dicendo niente di così rivoluzionario. E accanto a questo, hai un assistente virtuale sempre con te, magari in un auricolare. Ora immagina di essere un CEO in questo scenario: invece di dover passare ogni giorno in rassegna 17 report diversi pieni di dati e grafici, ti basta chiedere al tuo assistente.

Tom Godden:
Vediamo di riassumere. Quali sono i punti chiave?

Matt Fitzpatrick:
Dici: "Mostrami le vendite in Europa suddivise per cliente e secondo questi cinque criteri". Lo vedi apparire davanti agli occhi, nei tuoi occhiali intelligenti. Poi passi accanto a una pubblicità e pensi: "Interessante... Chi l'ha creata?" Inizi effettivamente a interagire con ciò che ti circonda. La fantascienza, in fondo, è spesso il miglior anticipatore del futuro, e alcuni segnali lo confermano chiaramente.

Tom Godden:
Oppure nei Simpson, giusto?

Matt Fitzpatrick:
Esatto. Esatto. Ma nella fantascienza, spesso compaiono bibliotecari o personaggi con cui interagisci e che ti forniscono subito le informazioni di cui hai bisogno, proprio quando ti servono. È una visione ottimista delle cose: l’idea che queste tecnologie ci restituiscano tempo prezioso durante la giornata. Pensa a quanto tempo perdi oggi bloccato nel traffico: ora immagina di essere in un’auto a guida autonoma, in un mondo dove puoi chiedere qualsiasi informazione in qualsiasi momento. Questo apre la strada a un'infinità di possibilità per creare nuove imprese, sviluppare nuovi prodotti – ed è qualcosa che trovo davvero entusiasmante.

Tom Godden:
Quindi, per concludere, quale sarebbe il tuo consiglio per chi sta per intraprendere questo percorso? Hai accumulato molta esperienza in questo campo. Qual è l'insegnamento più importante che vorresti lasciare?

Matt Fitzpatrick:
Ho un consiglio davvero specifico. Di recente ho letto uno studio interessante secondo cui con l'avvento della IA generativa, si è registrato un calo di interesse verso l'informatica. Dal 2006 in poi, infatti, c’era stato un vero e proprio boom. Ma ora si è diffuso un certo pessimismo, come se l’IA generativa potesse fare tutto da sola e rendere inutile studiare informatica. A mio avviso, niente di più sbagliato. Credo, al contrario, che una mente ingegneristica troverà centinaia di modi per sfruttare al meglio questa tecnologia. Quindi il mio consiglio per chiunque...

Tom Godden:
Mia moglie ne sarà felice.

Matt Fitzpatrick:
Bene, il mio consiglio per chiunque stia pensando a questo ambito è di cercare modi per studiare e saperne di più.

Che siate professionisti con vent’anni di esperienza e stiate valutando di tornare a studiare, magari a un’età più avanzata, oppure studenti universitari, credo che le competenze ingegneristiche rappresentino un'abilità trasversale in qualsiasi contesto. Anche se non sarete sempre voi a scrivere codice o a lavorare direttamente sulla tastiera, la vostra capacità di creare cose si svilupperà enormemente con il tempo. Questo è il punto principale che vorrei sottolineare.

Tom Godden:
Adoro questi momenti perché mi insegnano sempre qualcosa di nuovo. Ho imparato tanto da te qui oggi. Grazie mille per essere stato qui con me oggi. Lo apprezziamo molto.

Matt Fitzpatrick:
Grazie, Tom, per avermi invitato.

Ascolta ora

Ascolta ora

Ascolta ora