Tecnologia AI e professioni: «Più “business translator”»

Quattro dei 17 obiettivi Sdg (Obiettivi di sviluppo sostenibile) non vincolanti da raggiungere per il 2030 sono direttamente legati all’ambiente. Si parla di IA per creare fotosintesi artificiale, per uno sviluppo su larga scala delle tecnologie legate all’idrogeno, per la realizzazione di modelli di manifattura sostenibile, per incoraggiare comunità sostenibili attraverso un addestramento congiunto fra umani e algoritmi di IA. Tutto ciò apre la strada a nuove competenze, nuove professioni.

Ne parliamo con Nataliia Ròskadkla, ricercatrice dell’Osservatorio AI del Politecnico di Milano che nei suoi studi ha affrontato il tema dell’impatto ambientale dell’intelligenza artificiale generativa, sia in positivo sia in negativo.

Quali sono le nuove principali professioni che si aprono con lo sviluppo dell’intelligenza artificiale applicata in campo ambientale?

In generale, per quanto riguarda l’adozione dell’IA che accompagna le attività precedentemente svolte senza tale strumento viene richiesta una capacità di supervisione, con competenze matematiche e capacità di comprensione del funzionamento della tecnologia. Prendendo ad esempio il campo ambientale, si tratta di unire persone esperte in un campo applicativo con esperti che sanno sviluppare algoritmi di AI. Ciò per l’obiettivo di ottenere professionisti business translator, persone che sappiano spiegare le esigenze dell’area ai tecnici che sviluppano direttamente le soluzioni. Questa è una figura che ultimamente viene introdotta sempre più spesso.

Si aprono nuove strade legate all’IA anche per le professioni non strettamente tecnologiche?

Sì, è in forte crescita l’attenzione agli aspetti legali ed etici dell’intelligenza artificiale, quindi aumenta la presenza di legali specializzati sulla comprensione delle implicazioni dell’AI, così come per tutto ciò che riguarda i cosiddetti buyers dei modelli, affinché verifichino che i modelli funzionino correttamente e restituiscano risultati che non siano fuorvianti e interpretabili.

Nascono nuove professioni e molte altre verranno meno: come prepararsi fin d’ora agli squilibri attesi sul mercato del lavoro a causa dell’IA?

In proposito il messaggio che il nostro Osservatorio comunica attraverso un apposito studio già realizzato è quello che riguarda la formazione delle persone: serve consapevolezza sul fatto che l’intelligenza artificiale è in sviluppo ma è anche già fra noi per fare evolvere le nostre attività di lavoro e di vita personale quotidiana. Opporre resistenza, ignorare tale strumento e fingere che non ci sia è una strada che non porta lontana. Un approccio culturale e la formazione per usare strumenti comprendendo come possono potenziare e migliorare le nostre attività quotidiane rappresentano un’apertura, un cambio mentale ormai necessario.

L’intelligenza artificiale va dunque vista senza dubbio come fonte di opportunità?

Circa i diversi dibattiti in atto su opportunità e pericoli dell’AI noi abbiamo realizzato uno studio che conferma come, considerando la tendenza all’invecchiamento della popolazione e l’evoluzione anche tecnologica in merito a questo aspetto, possiamo dire che tendiamo alla simbiosi fra umano e tecnologico. Ci sono sempre più possibilità per integrare diverse soluzioni dell’AI per le attività quotidiane e soprattutto per quelle che riguardano il raggiungimento degli Sdg.

L’AI è uno strumento molto potente. In un certo senso più che di opportunità dobbiamo parlare di necessità dell’IA, perché i dati che vengono generati ogni giorno possono essere raccolti e utilizzati al fine di realizzare diverse analisi. Fra queste ci sono le simulazioni dell’andamento climatico, dell’utilizzo energetico per diversi scopi, del monitoraggio delle biodiversità: ambiti importanti in cui i dati sono una fonte necessaria per simulazioni e modellizzazioni di diversi andamenti e quindi per progettare le azioni da mettere in campo per il raggiungimento degli obiettivi Sdg.

Qual è il giusto compromesso fra opportunità e rischio?

In proposito il nostro Osservatorio ha realizzato un importante censimento delle applicazioni del ruolo dell’intelligenza artificiale per diversi Sdg. Abbiamo notate che quando si parla delle opportunità ci si riferisce a progetti reali che possono essere realizzati, perché esistono già aziende e startup in grado di offrire tecnologie che possono essere applicate in questi termini e che istituzioni della pubblica amministrazione stanno sperimentando. Ci sono dunque opportunità che hanno intrapreso una strada concreta. Per quanto riguarda il rischio, in termini di probabilità di impatto i nostri studi ci confermano che l’impatto sicuramente può essere impressionante ma la probabilità di raggiungerlo non è altissima. Guardando i numeri delle applicazioni che hanno già un impatto positivo come contributo per gli Sdg possiamo dire che sono molto maggiori rispetto al rischio.

Come si misura tutto ciò?

Un nostro studio ha preso come unità di misura non un obiettivo, cioè un Sdg, bensì quegli indicatori di performance definiti Kpi. Ne è risultato che l’80% di tali indicatori possono essere positivamente impattanti dalle tecnologie di IA: l’80% di applicazioni IA ha delle opportunità di essere implementata per un impatto positivo. Per quanto riguarda invece gli indicatori in cui l’IA può giovare un nuovo negativo siamo al 35%: rischi potenziali diversi che possono essere raggiunti con diversa probabilità.

L’IA si applica anche agli obiettivi ambientali ma consuma parecchia energia: ci saranno dunque anche ricadute negative per l’ambiente a causa dello sviluppo dell’IA?

Non neghiamo che i data center e le ultime soluzioni dell’IA soprattutto generativa hanno richieste di consumo energetico molto elevate. Una ricerca su ChatGpt richiede 10 volte più energia rispetto a una ricerca su Google. In tal caso sottolineo l’importanza di un utilizzo consapevole, con valutazione di cosa esattamente ci serve quando pensiamo ad utilizzare soluzioni di intelligenza artificiale e con quali obiettivi, visto che tutti i dati che vengono raccolti poi da qualche devono essere storicizzati, con notevole consumo energetico da parte dei data center. Un tema molto importante riguarda la modalità con cui costruire i modelli efficienti per gli algoritmi dell’IA per elaborare il dato e quindi per ottimizzare il consumo energetico. Tuttavia, certamente per ora osserviamo la tendenza per cui gli ultimi strumenti legati alla generative AI richiedono un consumo energetico molto importante.

© Riproduzione riservata