IA

Intelligenza Artificiale​

L’IA (“Intelligenza Artificiale” o “Artificial Intelligence”) è utilizzato per indicare l’insieme di tecnologie e sistemi informatici capaci di elaborare gli input ricevuti per produrre, con diversi livelli di autonomia, previsioni, contenuti, raccomandazioni o decisioni che possono influenzare un ambiente fisico o virtuale. Da questo assunto partono le due seguenti teorie:

• Intelligenza Artificiale Forte: studia sistemi in grado di replicare l’intelligenza umana in modo che le macchine siano in grado di sviluppare una coscienza di sé;
• Intelligenza Artificiale Debole: studia sistemi in grado di svolgere una o più funzioni umane complesse in modo che le macchine siano in grado di risolvere problemi specifici senza avere però coscienza delle attività svolte.

Una definizione oggi utilizzata a livello internazionale è quella dell’OCSE (Organizzazione Cooperazione Sviluppo Economico), secondo cui un sistema di IA, a partire da obiettivi espliciti o impliciti, ricava dagli input ricevuti come generare determinati output. I sistemi possono differire per livello di autonomia e capacità di adattamento dopo la loro messa in esercizio.

L’IA non costituisce quindi una singola tecnologia. Comprende approcci e sistemi differenti, dai modelli basati su regole e algoritmi di apprendimento automatico fino ai più recenti modelli generativi e sistemi agentici.

Principali termini dell'intelligenza artificiale​

• Narrow AI (o “IA specializzata”): è un sistema progettato per svolgere determinati compiti o operare in uno specifico ambito. È la forma di IA oggi concretamente utilizzata nella maggior parte delle applicazioni;
• General AI (o AGI - “Artificial General Intelligence”): indica un’ipotetica forma di intelligenza artificiale dotata di capacità generali comparabili a quelle umane e in grado di affrontare un’ampia varietà di compiti. Non identifica una categoria tecnologica oggi definita da uno standard condiviso né una tecnologia disponibile sul mercato;
• Machine Learning (ML): è un insieme di tecniche che permettono a un sistema di apprendere relazioni e schemi dai dati, utilizzandoli per effettuare previsioni, classificazioni o altre elaborazioni senza dover definire manualmente ogni singola regola;
• Deep learning: è un ramo del ML (Machine Learning) che utilizza “reti neurali artificiali” composte da più livelli per elaborare grandi quantità di dati e individuare rappresentazioni e schemi complessi;
• Generative AI (GenAI): è una categoria di sistemi di IA capaci di generare nuovi contenuti a partire dagli input ricevuti. I contenuti possono comprendere testo, immagini, audio, video e altro materiale digitale;
• Foundation Model: è un modello di IA addestrato su grandi quantità di dati e progettato per essere adattato a una pluralità di attività e applicazioni. Costituisce la base tecnologica di numerosi sistemi di IA generativa;
• LLM (Large Language Model): è un modello di IA addestrato su grandi quantità di dati linguistici e progettato per elaborare e generare testo e altri contenuti correlati al linguaggio. Gli LLM sono alla base di molti moderni assistenti conversazionali e applicazioni di IA generativa (GenAI);
• Multimodal AI: è un sistema di IA capace di elaborare o combinare differenti modalità di informazione, come testo, immagini, audio e video;
• AI Agent: è un sistema di IA progettato per perseguire un obiettivo attraverso una sequenza di operazioni, utilizzando eventualmente strumenti, dati e applicazioni esterne. Rispetto a un semplice sistema conversazionale, un agente può essere progettato per pianificare attività, utilizzare strumenti e adattare le proprie azioni al risultato ottenuto;
• RAG (Retrieval-Augmented Generation): è un’architettura che combina un modello generativo con un sistema di recupero delle informazioni. Prima di generare una risposta, il sistema ricerca informazioni pertinenti in una o più fonti definite e le utilizza come contesto. È particolarmente utile quando l’IA deve lavorare su documentazione aziendale, procedure, normative o basi di conoscenza aggiornate;
• NLP (Natural Language Processing): è un insieme di tecniche e tecnologie utilizzate per elaborare, comprendere e generare il linguaggio naturale;
• General-Purpose AI (GPAI): indica i modelli di IA sviluppati per finalità generali, progettati per svolgere un’ampia varietà di compiti e integrabili in differenti applicazioni e sistemi. La categoria è distinta dall’AGI perché un modello GPAI può, ad esempio, essere utilizzato per generare e comprendere testo, analizzare informazioni, tradurre, scrivere codice o supportare applicazioni basate sull’IA;
• Artificial General Intelligence (AGI): la GPAI è una categoria tecnologica e normativa già utilizzata, mentre l’AGI indica un’ipotetica forma di intelligenza artificiale dotata di capacità generali comparabili a quelle umane.

IA e attività d’impresa​

Per una partita IVA, l’IA può essere utilizzata in numerose attività come, ad esempio dall’elaborazione dei documenti alla ricerca di informazioni, dalla classificazione dei dati alla generazione di contenuti, all’automazione di procedure e all’assistenza nelle attività amministrative e gestionali.

Attenzione, l’utilizzo di un sistema di IA non significa però che il risultato prodotto sia automaticamente corretto, verificato o attendibile. L’output dipende dal modello utilizzato, dai dati e dagli input forniti, dal contesto disponibile e dall’eventuale accesso a fonti esterne ed interne. Per questo, nelle attività professionali e aziendali è importante distinguere tra generazione dell’output e verifica del risultato.

Nell’UE (Unione Europea), inoltre, l’impiego dell’IA è disciplinato dall'AI Act (Regolamento UE 2024/1689), che introduce obblighi differenti in funzione del sistema, del suo utilizzo e del livello di rischio. Il regolamento distingue, tra gli altri, i sistemi di IA e i modelli di IA per finalità generali (GPAI).

---