I 3 punti chiave dell’articolo: Cosa significa Edge AI e cosa comporta per le imprese Il mercato Edge AI: quali driver di sviluppo I benefici di questo modello di intelligenza artificiale Cos’è l’Edge AI L’Edge AI, acronimo di Edge Artificial Intelligence, consiste nell’implementazione di applicazioni di intelligenza artificiale all'interno degli ambienti di edge computing. In tale contesto, l'elaborazione dei dati e l'esecuzione degli algoritmi non avvengono più centralmente sui server cloud, bensì sui dispositivi finali collegati alla rete. Il valore distintivo dell'Edge AI risiede principalmente nella capacità di ridurre drasticamente i tempi di elaborazione dei dati: operando, infatti, direttamente nei nodi periferici della rete in cui i dati stessi vengono generati, evita la necessità di connessione a internet o la dipendenza da risorse centralizzate nel cloud. Questo approccio consente una risposta quasi istantanea alle richieste di elaborazione, migliorando l'efficienza operativa e abilitando una maggiore tempestività nelle decisioni aziendali. Un elemento chiave del modello Edge AI è il modo in cui viene strutturato. Inizialmente, sul cloud vengono addestrati i modelli di intelligenza artificiale e le reti neurali: si tratta di un processo che richiede una potenza di calcolo considerevole e l'elaborazione di una vasta quantità di dati. Una volta addestrati, i modelli vengono distribuiti sui nodi periferici della rete, presenti negli ambienti di utilizzo. Un altro aspetto cruciale dell'Edge AI è la sua capacità di adattarsi dinamicamente alle variazioni dell'ambiente. Quando si verificano nuove variabili o condizioni, i dati possono essere inviati al cloud per un aggiornamento dei modelli. Questo processo di feedback continuo assicura che l'Edge AI implementata mantenga la sua precisione e rilevanza nel tempo, evitando così l'obsolescenza. I driver di crescita dell’Edge AI Questo comparto sta vivendo una crescita costante, seppur graduale, che riflette le complessità connesse al ciclo di produzione dei dispositivi periferici: come riporta Allied Market Research, il mercato dell'Edge AI raggiungerà i 60 milioni di dollari entro il 2030 mentre Gartner prevede che, entro il 2025, il 75% dei dati aziendali verrà processato dall’Edge AI superando, di fatto, i volumi generati dai modelli di intelligenza artificiale basati su cloud. Tra i principali fattori che hanno contribuito e continueranno a sostenere lo sviluppo dell'Edge AI, quattro si confermano di capitale importanza per il contesto di mercato attuale. La diffusione dei dispositivi di Edge Computing. La crescita di questi device, che incorporano capacità computazionali e operano in prossimità degli utenti, è ormai realtà: in questa categoria ricadono non solo gli smartphone, ma anche i dispositivi IoT, robot, droni, telecamere di videosorveglianza e automobili. L'Edge AI elimina infatti la necessità di trasmettere dati generati da tali dispositivi attraverso la rete, migliorando tempi di risposta e sicurezza delle applicazioni. Le conseguenze della pandemia. Il Covid-19 ha rappresentato un catalizzatore per la crescita dell'Edge AI. L'esigenza di accesso remoto alle risorse cloud e l'implementazione di soluzioni di Edge Computing sono diventate nuove priorità per le imprese: la trasformazione delle postazioni di lavoro per i nuovi workplace ha accelerato lo sviluppo di ambienti basati su reti Edge, aumentando la richiesta di accesso ai dati dai nodi periferici della rete stessa. Le reti 6G. L’avvento delle reti 6G e il continuo sviluppo di quelle wireless possono abilitare una miglior connettività fra i dispositivi: il 6G potrà trasferire terabits di dati al secondo e ridurre ulteriormente la latenza. Questo consente alle reti di Edge Computing di trasferire grandi quantità di dati fra i nodi della rete e di migliorare l’integrazione con il cloud. L’in-memory computing. Questa metodologia implica l'allocazione diretta dei dati nella memoria computazionale anziché negli hard disk o altri dispositivi di archiviazione: quando combinata con l'Edge AI, l'in-memory computing taglia i tempi di latenza grazie a un accesso istantaneo ai dati. Perché l’Edge AI conviene: i vantaggi L’Edge AI promette di far compiere passi in avanti alle applicazioni di intelligenza artificiale, consentendo di tagliarne i tempi di reazione e incrementarne la sicurezza. Vediamo di seguito quali sono i principali vantaggi. 1. Riduci i tempi di latenza Con l'implementazione dell'Edge AI, si assiste a una significativa riduzione dei tempi di latenza e di risposta delle applicazioni, grazie all'elaborazione dei dati direttamente nei nodi in cui sono stati generati. Questo approccio elimina la necessità di trasferire i dati verso i server centrali, comportando un risparmio di diversi millisecondi nei tempi di latenza, un elemento cruciale soprattutto in contesti in cui la tempestività delle risposte è critica. Un esempio concreto di questa efficacia è riportato in una ricerca accademica atta a definire l’utilizzo di un’architettura di Edge Computing per il rilevamento facciale: sono stati condotti esperimenti mirati a valutare i tempi di latenza nelle applicazioni di intelligenza artificiale, confrontando l'elaborazione dei dati tra il cloud e i nodi edge. I risultati hanno chiaramente evidenziato tempi di risposta notevolmente inferiori, nell'ordine dei millisecondi, quando l'elaborazione è avvenuta sui nodi edge. Questo vantaggio è stato particolarmente evidente con l'aumentare del carico di lavoro negli algoritmi di Edge AI, sottolineando la robustezza e l'efficienza di questo approccio in scenari operativi più complessi. 2. Presta maggior attenzione alla privacy Una caratteristica distintiva dell’Edge AI è la persistenza locale dei dati, per cui non hanno necessità di spostarsi attraverso il network o il cloud. Questa peculiarità comporta un significativo beneficio in termini di sicurezza e privacy: i dati sensibili impiegati dalle applicazioni di intelligenza artificiale, come immagini mediche, dati video o dati audio, non percorrono la rete perché vengono trasmessi al cloud solo i risultati elaborati dagli algoritmi. Questa pratica introduce un ulteriore elemento di sicurezza IT, riducendo i rischi associati alla potenziale esposizione di queste informazioni. 3. Limita i costi L’Edge AI consente alle imprese di ottimizzare i budget a disposizione riducendo sostanzialmente i costi associati all'utilizzo di risorse di cloud computing. La diminuzione della quantità di dati da trasmettere attraverso la rete implica infatti una riduzione proporzionale dei costi di banda, contribuendo a rendere più efficiente e sostenibile l'implementazione di soluzioni di intelligenza artificiale. In parallelo, trasferendo parte del carico di lavoro ai nodi periferici, le aziende possono distribuire in maniera più flessibile le risorse di calcolo, adattandole alle esigenze specifiche delle applicazioni e riducendo gli sprechi associati a risorse cloud sottoutilizzate. Fonti consultate: Kolhar Manjur et al., “A Three Layered Decentralized IoT Biometric Architecture for City Lockdown” Allied Market Research Gartner
I 4 punti chiave dell’articolo: Cyber security in Italia, la panoramica di mercato Perché intelligenza artificiale e cyber security sono due alleati chiave Qual è il problema dello skill gap in cyber security e come risolverlo I 5 step per integrare AI e cyber security nella strategia IT Cyber security in Italia: agire qui e subito Esplorare come e perché integrare intelligenza artificiale e cyber security è diventato oggi cruciale per l’IT aziendale, che deve saper rispondere alle nuove minacce cyber che colpiscono, in numero e complessità, il tessuto imprenditoriale italiano. L'ultimo anno ha visto l'Italia diventare un bersaglio sempre più frequente per i criminali informatici, con l'11% degli attacchi gravi a livello mondiale andati a segno - un netto aumento rispetto al 7,6% del 2022. Questo si traduce in un totale di 310 attacchi, anche qui in crescita del 65% rispetto all'anno precedente. È particolarmente preoccupante che ben il 56% di questi attacchi abbia provocato danni di gravità critica o elevata alle imprese. Guardando poi agli ultimi cinque anni, emerge che quasi la metà delle minacce hacker (47%) rilevata in Italia nel 2019 si è poi verificata nel 2023: un altro dato che evidenzia la crescente vulnerabilità del contesto nazionale rispetto al quadro globale. Queste informazioni chiave provengono dall'edizione 2024 del rapporto Clusit, che fornisce un'analisi dettagliata sulla sicurezza informatica e sull'evoluzione della minaccia cyber sia a livello nazionale che internazionale. La situazione in Italia si mostra particolarmente critica, con un trend di crescita degli attacchi che non solo persiste ma si intensifica, sottolineando l'urgente necessità di rafforzare le misure di sicurezza e aumentare la consapevolezza rispetto alle minacce informatiche. Perché usare l’intelligenza artificiale in cyber security Pertanto, oggi i team incaricati della sicurezza si trovano a dover gestire una serie di sfide non da poco: dalla crescente sofisticazione degli attacchi informatici alla maggior estensione del perimetro IT aziendale specie in ottica di lavoro ibrido, dall’incremento del volume dei dati da proteggere fino alla complessità sempre maggiore delle infrastrutture IT che sorreggono l’operatività aziendale, sono diversi gli elementi che possono compromettere seriamente la messa in sicurezza dei dati, la gestione dell'accesso degli utenti e l’identificazione (e neutralizzazione) degli attacchi. In questo contesto, l'adozione di soluzioni che sfruttano l'intelligenza artificiale in cyber security diventa non solo vantaggiosa ma anche necessaria: oggi, ad esempio, è in grado di potenziare significativamente le difese interne riducendo i tempi per il rilevamento e la risposta alle minacce. Un vantaggio cruciale, dunque, dovuto alla capacità dell'AI di analizzare rapidamente grandi volumi di dati, individuando anomalie e pattern di attacco con un'efficienza che supera di gran lunga le capacità umane. Senza dimenticare, poi, che l'intelligenza artificiale in cyber security rafforza la protezione dell'identità degli utenti e dei set di dati, massimizzando l’adattabilità e la resilienza dei team IT. Tuttavia, tra i rischi dell’intelligenza artificiale non bisogna perdere di vista che gli stessi strumenti vengono utilizzati anche dagli aggressori per rendere i loro attacchi più efficaci. Ad esempio, gli hacker possono sfruttare l'intelligenza artificiale per identificare con maggiore precisione e velocità le vulnerabilità nei sistemi informatici, consentendo loro di elaborare strategie d'attacco che ampliano il raggio d'azione e prolungano il tempo di permanenza nei sistemi compromessi. Questo uso offensivo dell'AI ha cambiato oggi la posta in gioco sottolineando l'urgenza, per le imprese, di adottare e integrare l'intelligenza artificiale in cyber security. Le applicazioni dell’intelligenza artificiale in cyber security Assieme al machine learning (ML), l’intelligenza artificiale è oggi uno degli strumenti principe per rafforzare le strategie di cybersecurity. Queste tecnologie si stanno rivelando indispensabili per prevenire, rilevare e rispondere agli attacchi informatici con una precisione e una velocità senza precedenti. Ecco quali applicazioni sono possibili oggi. 1. Analisi dati avanzata Gli algoritmi di ML analizzano velocemente i file di registro creati dai dispositivi aziendali, estraendo al contempo informazioni preziose per identificare comportamenti sospetti o non autorizzati all'interno della rete. La correlazione di dati da più fonti, automatizzata attraverso l'AI, fornisce poi una visione olistica delle minacce potenziali, migliorando l'analisi della sicurezza. Il ML consente infatti di valutare in modo efficace le vulnerabilità nei sistemi informatici attraverso l'analisi di dati provenienti da più fonti, come scanner, log di sicurezza e sistemi di gestione delle patch, prioritizzando le attività di correzione. In questo senso i fuzzer basati su deep learning, ovvero sistemi di invio di dati distorti per mandare un’infrastruttura in crash, sono una delle strade più promettenti per la scoperta di singole vulnerabilità assieme al reinforcement learning, capace di individuare le vulnerabilità in una rete di computer più velocemente rispetto ai tradizionali strumenti di penetration test. 2. Prevenzione di phishing e data breach Intelligenza artificiale e machine learning sono ideali per gestire le identità degli utenti e l'accesso ai sistemi informatici e alle applicazioni. Gli algoritmi di ML possono essere impiegati per analizzare il comportamento online del personale e identificare attività sospette provenienti dall’esterno, come tentativi di acquisizione di account o tentativi di accesso non autorizzato, segnali che spesso fungono da preparativi per un attacco. 3. Incident detection e response potenziata Intelligenza artificiale e machine learning sono essenziali per rilevare attacchi zero-day e pattern di comportamento che possono indicare una minaccia alla sicurezza non ancora classificata, migliorando così la threat intelligence. Generando avvisi di sicurezza e definendo quali tipi di minacce ci sono, ambo i sistemi aiutano a intraprendere azioni appropriate in modo tempestivo. L'automazione della risposta agli incidenti consente, infine, di identificare e gestire gli incidenti in tempo reale, riducendo il numero di falsi positivi e ottimizzando le indagini forensi. Intelligenza artificiale e cyber security per superare lo skill gap L’utilizzo integrato di intelligenza artificiale e cyber security può contribuire in modo significativo a sollevare gli addetti della sicurezza dai compiti a basso valore aggiunto e alleviare lo skill gap, che rappresenta un freno per lo sviluppo della sicurezza in azienda. Difatti, secondo l’ultimo Cyber Workforce Study di ISC2, a livello mondiale servirebbero 3,9 milioni di figure esperte di sicurezza informatica per supportare la spinta alla digitalizzazione delle imprese. Una lacuna che sembra destinata ad aumentare ulteriormente a causa dei tagli al budget: lo studio rileva che il 47% dei lavoratori della sicurezza IT ha dovuto affrontare varie forme di riduzioni economiche, che includono licenziamenti e congelamenti delle assunzioni; all'interno di questo cluster, il 22% ha risentito direttamente o indirettamente dei licenziamenti nel settore della cyber security, mentre il 28% riporta licenziamenti in altri reparti della propria azienda: si tratta di una situazione che può avere un impatto notevole sul personale dedicato alla sicurezza informatica. Con l’automazione delle attività e la maggior efficienza nel rilevamento delle minacce, l’introduzione in azienda dell’AI in cyber security è ideale perché supporta e riduce il carico di lavoro del team di sicurezza, anche all’interno dell’infrastruttura IT. Gli step per integrare intelligenza artificiale e cyber security Per integrare efficacemente intelligenza artificiale e cyber security nella propria strategia IT, è cruciale adottare un approccio metodico e ben pianificato. Analisi delle necessità organizzative. Inizialmente, è fondamentale valutare le specifiche esigenze dell'organizzazione, identificando le aree in cui l'integrazione di AI e cyber security può offrire miglioramenti sostanziali. Questa fase preliminare aiuta a delineare gli obiettivi specifici della strategia di integrazione. Selezione. Successivamente, si procede con la scelta degli strumenti di sicurezza basati sull'AI: qui è cruciale optare per soluzioni che siano anche compatibili con l'infrastruttura IT esistente. Implementazione graduale. È consigliabile avviare con un progetto pilota per testare la validità degli strumenti selezionati. Questo permette di valutare l'efficacia delle soluzioni in un contesto controllato e di apportare le necessarie modifiche prima di un'implementazione su larga scala. Formazione. Comprendere a fondo le capacità e i limiti dell'AI è indispensabile per sfruttare appieno le potenzialità delle tecnologie selezionate e garantire il successo del progetto, nonché per capire quali falle e/o nuove vulnerabilità possono esserci proprio per l’utilizzo dell’intelligenza artificiale. Aggiornamento. Gli algoritmi e le regole che incidono sul lavoro svolto dall’AI devono essere costantemente aggiornati in risposta all'evoluzione delle minacce informatiche e alle esigenze aziendali. Questo assicura che la protezione rimanga efficace nel tempo. Appare chiaro, dunque, come fondere l'intelligenza artificiale e cyber security trasforma radicalmente il modo in cui le aziende si difendono dalle minacce informatiche. Questa integrazione non solo accelera la capacità di riconoscere e neutralizzare gli attacchi in meno tempo rispetto a quanto succedeva in passato, ma affina anche la precisione con cui si anticipano potenziali rischi. Grazie all'AI, i sistemi di sicurezza non si limitano più a reagire, ma imparano dai dati per prevedere e sventare le minacce future, offrendo così un livello di protezione dinamico e adattivo. In questo contesto, l'AI non è solo un aggiornamento tecnologico; è il fulcro su cui ruota una strategia IT aziendale efficace, assicurando che le difese digitali rimangano sempre un passo avanti agli attaccanti. Fonti consultate: Rapporto Clusit 2024 Cyber Workforce Study
I 3 punti chiave dell’articolo: Cos’è l’AIOps perché cambia il modo di usare l’intelligenza artificiale Cosa ricade sotto il termine AIOps Come funziona l’AIOps e i benefici per l’impresa AIOps, le basi L'AIOps, acronimo di Artificial Intelligence for IT Operations, è uno strumento avanzato progettato per assistere le aziende nella gestione efficiente dei propri sistemi IT, sfruttando le più moderne tecnologie di intelligenza artificiale. Questa soluzione si basa infatti sia su AI che machine learning per monitorare continuamente i sistemi IT aziendali, individuare eventuali anomalie di funzionamento e prevedere potenziali errori. L'obiettivo principale dell'AIOps è mettere l'AI al servizio delle operazioni IT, con l'intento di ottimizzare e automatizzare la gestione degli incidenti. Questo approccio non solo riduce i rischi associati al funzionamento dei sistemi, ma contribuisce anche a migliorare la soddisfazione dei clienti attraverso una maggiore affidabilità e tempestività nelle risposte. Le piattaforme di AIOps non si limitano, poi, solo al monitoraggio delle performance, ma svolgono un ruolo cruciale anche nella creazione di programmi di manutenzione predittiva. Questa funzionalità è di fondamentale importanza per supportare le imprese nel mantenere l'efficacia dei propri sistemi IT nel tempo, ottimizzandoli quando richiesto. Perché serve l’AIOps in azienda Un recente report di MarketsandMarkets prevede una crescita notevole del mercato delle piattaforme di AIOps, proiettandolo da 11,7 miliardi di dollari nel 2023 a 32,4 miliardi di dollari entro il 2028. Il governo di dati sempre più corposi ed eterogenei, unito all'adozione di architetture IT ibride, richiede però uno sforzo significativo nella distribuzione delle risorse per le operazioni IT: l'AIOps si rivela in questo cruciale, perché è uno strumento che non solo contribuisce a gestire le complessità operative, ma aiuta anche a ridurre i rischi e i costi associati. Guardando al futuro, le proiezioni di MarketsandMarkets suggeriscono poi che le piattaforme di AIOps si evolveranno ulteriormente entro il 2028, integrando nuove fonti di dati come dispositivi IoT e sistemi di edge computing. Questa trasformazione consentirà alle piattaforme di gestire dati in tempo reale con più velocità ed efficienza, incorporando moderne tecniche di AI come l’intelligenza artificiale causale. Il cuore dell’AIOps Dal punto di vista tecnico, l'AIOps è composto da tre componenti fondamentali, ognuna delle quali svolge un ruolo cruciale nell'efficacia complessiva del sistema: Big Data, Machine Learning e automazione. Big Data. Le piattaforme di AIOps si distinguono per la loro abilità di raccogliere e gestire un vasto quantitativo di dati provenienti dai sistemi IT che costituiscono l'infrastruttura aziendale. Questi dati possono essere diversi, inclusi file di log, messaggi di rete, dati operazionali in tempo reale e informazioni sulla performance dei sistemi. L'importanza di questa componente risiede nella capacità di fornire una panoramica completa e dettagliata delle attività e delle condizioni dei sistemi, fornendo il materiale grezzo necessario per l'analisi avanzata. Machine Learning. Gli algoritmi basati su tecniche di apprendimento supervisionato e non supervisionato sono fondamentali per estrarre informazioni significative e identificare pattern ricorrenti. Automazione. Una volta che i modelli di machine learning sono stati adeguatamente addestrati, entrano in gioco gli algoritmi di automazione, in grado di identificare rapidamente errori e anomalie di funzionamento, innescando automaticamente i processi di risposta. Ad esempio, l'AIOps può automatizzare l'invio di avvisi in caso di errori critici e generare indicazioni dettagliate sulle azioni correttive da intraprendere. Tutti i benefici dell’AIOps per l’infrastruttura IT Dopo aver completato l'implementazione, quali vantaggi le organizzazioni ottengono dalle nuove soluzioni AIOps? Per la maggior parte dei soggetti intervistati da OpsRamp sul tema, il beneficio principale è una riduzione dei ticket aperti, segnalata dal 63% delle aziende e dal 66,9% degli MSP (Managed Service Provider). Questo risultato non sorprende, considerando che l'alerting intelligente è il caso d'uso principale per entrambi i gruppi. L'AIOps sta poi supportando il reparto IT ad alleviare la pressione sull'help desk, consolidando gli avvisi attraverso l'alerting intelligente e riducendo il numero di ticket archiviati, molti dei quali deriverebbero dagli stessi incidenti. Un vantaggio secondario derivante dalla riduzione dei ticket è la diminuzione del tempo medio di rilevamento e di risoluzione, indicato rispettivamente dal 55,8% delle aziende e dal 56,7% degli MSP. Riducendo le segnalazioni di problemi, il team IT può dedicare più tempo a questioni che coinvolgono gli utenti finali, risolvendole in modo tempestivo. L'automazione svolge poi un ruolo chiave in questo contesto, con oltre la metà dei partecipanti che riconosce l’eliminazione di attività a basso valore aggiunto come uno dei principali vantaggi operativi derivanti dall'implementazione di queste tecnologie. Inoltre, lo studio riporta che quasi il 90% delle aziende coinvolte ha registrato un incremento nella velocità di risoluzione dei problemi superiore al 25% grazie all’AIOps: questo dato sottolinea in modo tangibile l'impatto positivo che questo approccio può avere sulle operazioni aziendali, accelerando la diagnosi e la risoluzione delle problematiche. L'AIOps emerge dunque come un pilastro fondamentale nella gestione dell'infrastruttura IT aziendale, trasformando la complessità operativa in un terreno fertile per l'innovazione e l'efficienza. La capacità di rilevare in modo proattivo le anomalie, automatizzare le operazioni ripetitive, ottimizzare le risorse e migliorare la sicurezza fornisce un valore tangibile che va oltre l’implementazione di tecnologie avanzate. L'analisi avanzata dei dati apre infatti la strada a decisioni informate e consapevoli, permettendo alle aziende di adattarsi rapidamente alle dinamiche mutevoli del panorama IT. Fonti consultate: MarketsandMarkets OpsRamp
I 3 punti chiave dell’articolo: Il ruolo dell’AI Act per l’intelligenza artificiale Quali sono i 3 grandi rischi dell’intelligenza artificiale in azienda Come tutelarsi: best practice da considerare Intelligenza artificiale in azienda, il ruolo dell’AI Act Per evitare i possibili rischi legati all’introduzione dell’intelligenza artificiale in azienda, le imprese dovrebbero prendere come bussola l’AI Act, il regolamento europeo per l’integrazione dei sistemi AI nel tessuto sociale, economico e produttivo, che classifica e regolamenta i tipi di intelligenza artificiale sulla base dei potenziali rischi derivanti dal suo utilizzo. L’approccio risk-based adottato attribuisce una responsabilità, per chi sviluppa e usa il sistema AI, tanto maggiore quanto più è alto il rischio insito nell’utilizzo del sistema, fino a vietare l'utilizzo delle applicazioni e delle tecnologie il cui livello di rischio è considerato inaccettabile. Il regolamento ha avuto il via libera per essere recepito dai Paesi UE e sembra destinato a diventare il riferimento comune per un uso etico e responsabile di questo strumento anche al di fuori dei paesi dell’Unione, come già accaduto per il GDPR. I 3 rischi principali dell’intelligenza artificiale in azienda L’impiego dell’Intelligenza Artificiale in azienda può offrire molteplici benefici che vanno dall’automazione delle attività ripetitive a previsioni accurate basate sull’analisi di grandi quantità di dati, fino a una gestione più efficiente e innovativa delle risorse interne. Tuttavia, per poter trarre vantaggio da queste opportunità è necessario valutare accuratamente i potenziali rischi, specialmente a livello di infrastruttura IT. Di seguito indichiamo i 3 rischi principali, derivanti dall’integrazione dell’intelligenza artificiale in azienda, e suggeriamo alcune azioni da intraprendere per poterli mitigare. 1. Rischio bias L’intelligenza artificiale in azienda può riflettere i pregiudizi presenti nei dati di addestramento (bias), generando risultati sistematicamente distorti e portando, di conseguenza, a decisioni basate su prospettive e informazioni parziali. Un addestramento basato su dati storici che non tengano conto dei cambiamenti del mercato o delle preferenze dei consumatori potrebbe portare, ad esempio, a previsioni errate nel campo delle vendite. Un addestramento su un gruppo demografico troppo ristretto, pur in assenza di pregiudizi, potrebbe invece portare a escludere sistematicamente alcune categorie di candidati in un sistema impiegato per la selezione dei curriculum, propedeutica alle assunzioni, o portare a valutazioni poco mirate sulle performance. Vanno dunque previsti controlli umani, evitando di lasciare le decisioni totalmente in mano ai sistemi AI. 2. Rischio violazioni Gli algoritmi di intelligenza artificiale in azienda possono produrre risposte errate o imprecise, soprattutto quando si basano su dati di addestramento non sufficientemente rappresentativi o su modelli molto complessi. È per questo necessario adottare misure preventive nell’uso degli output, introducendo come prassi la verifica delle fonti. In questo modo, è possibile evitare il rischio di violare il copyright. I modelli di intelligenza artificiale sono infatti addestrati su una grande quantità di dati disponibili su Internet che spesso includono materiale protetto da diritto d’autore. Oltre a controllare le fonti, l’azienda dovrebbe monitorare eventuali variazioni della legislazione sul copyright. L’intelligenza artificiale in azienda può anche comportare un rischio per la privacy dei dati e la sicurezza delle informazioni. Alla luce dell’AI Act, è fondamentale andare oltre la semplice compliance formale al GDPR: con l’uso dell'intelligenza artificiale in azienda, vanno comunque rispettate le norme sulla sicurezza delle reti e dei sistemi informativi, adottando misure tecniche e organizzative per prevenire la perdita dei dati sensibili. A titolo esemplificativo possiamo ricorrere alla cifratura dei dati, soprattutto per quelli riservati, la limitazione dell'accesso solo al personale autorizzato, la formazione mirata alla sensibilizzazione sulle pratiche di sicurezza, l’impiego di firewall e antivirus. 3. Rischio cybercrime L’AI può diventare uno strumento potente in mano al cybercrime che può impiegarla nella creazione di algoritmi malevoli in grado di potenziare la capacità degli attaccanti di sfuggire ai sistemi di rilevazione tradizionale. Integrare intelligenza artificiale e cyber security può, d’altra parte, rafforzare la difesa contro i potenziali attacchi alla sicurezza: è il caso degli algoritmi di detection AI-Based indispensabili non solo per individuare anomalie all’interno dei dati raccolti ma anche per monitorare l’installazione di software scaricati da Internet, per riconoscere le criticità all’interno dei sistemi, per individuare tempestivamente gli attacchi e agire in modo proattivo. Fonti consultate: AI Act
I 3 punti chiave dell’articolo: Perché combinare AI e Digital Twin Quali sono i benefici di questa convergenza tecnologica Come AI e Digital Twin potenziano l’efficienza a 360°: gli esempi AI e Digital Twin, alleati ideali Combinata con l’AI (Intelligenza Artificiale), la tecnologia dei Digital Twin sta rivoluzionando i processi a favore di una maggiore efficienza operativa. Il vantaggio di queste tecnologie, in grado di costruire repliche virtuali e dinamiche di asset fisici, si applica a diversi aspetti dei processi. Dagli strumenti di progettazione e simulazione che accelerano il time-to-market di nuovi prodotti, alla gestione dell’inventario, fino al monitoraggio dei consumi energetici, l’adozione crescente di AI e Digital Twin in diversi comparti sta aiutando le aziende a ottimizzare i processi, a favore di una riduzione dei costi e dell’impatto ambientale delle operazioni. Se la scelta delle soluzioni più adatte al contesto e agli obiettivi aziendali è cruciale, altrettanto indispensabile è comprendere che non si tratta di tecnologie che possono essere ignorate. Conoscerle, comprenderle e saperle sfruttare è diventato indispensabile per restare competitivi in uno scenario in continuo cambiamento. AI e Digital Twin, perché serve combinarli Un Digital Twin o gemello digitale è la rappresentazione virtuale di un oggetto o sistema che è collegata allo stesso durante tutto il suo ciclo di vita: può essere un’auto o un macchinario industriale; un aereo o un’infrastruttura IT; un processo o un prodotto. Utilizzando programmi di simulazione, apprendimento automatico e ragionamento, il Digital Twin fornisce informazioni utili sull'oggetto e crea modelli predittivi sulle sue prestazioni future e sulle sue reazioni in determinate condizioni. La tecnologia del Digital Twin viene sempre più combinata con l'AI per creare sistemi e processi aziendali più sofisticati e intelligenti, automatizzando analisi, previsioni e raccomandazioni. Ad esempio, le aziende possono utilizzare queste tecnologie per simulare nell’ambiente virtuale le prestazioni di un prodotto (ancor prima di realizzarlo) o valutare diversi aggiornamenti in via preventiva. La possibilità di svolgere questi test nel mondo virtuale consente di accelerare il processo di innovazione e ridurne i costi. Inoltre, data la possibilità di ricreare repliche virtuali di interi impianti e magazzini, soluzioni di AI e Digital Twin consentono anche di rivedere il layout degli ambienti a favore di una maggiore efficienza, flessibilità e sicurezza. Altro importante beneficio del connubio AI e Digital Twin è quello di abilitare analisi sempre più precise sui bisogni futuri, cruciali per diverse aree del business tra cui: manutenzione predittiva, grazie al monitoraggio delle condizioni di un asset fisico e all’integrazione con lo storico delle sue prestazioni e malfunzionamenti. Ciò consente di organizzare gli interventi secondo i bisogni effettivi (tagliando le spese) e, al tempo stesso, di evitare di intervenire quando ormai si è verificato un guasto; analisi della domanda, che permette di gestire i processi di acquisto, di stock dell’inventario e di produzione in modo più flessibile. AI e Digital Twin al servizio della Customer Experience AI e Digital Twin risultano essenziali quando si punta a migliorare sia l’offerta ai clienti che l’esperienza di acquisto. Infatti, sono già diversi i settori che impiegano queste tecnologie per rispondere alla crescente richiesta di personalizzazione da parte dei consumatori. Dall’automotive al retail, fino alla medicina: grazie a queste tecnologie è infatti possibile progettare i prodotti in base alle richieste e alle necessità dei clienti. Attraverso la possibilità di far visionare una replica esatta ancor prima che venga realizzato il prodotto, e di valutare come questo si possa adattare al consumatore, le aziende possono essere sicure di offrire un prodotto che risponde alle specifiche del singolo utente. Grazie all’integrazione di queste soluzioni con altre tecnologie come il metaverso, realtà virtuale e aumentata, è inoltre possibile offrire esperienze sempre più immersive e coinvolgenti. Processi decisionali più efficienti grazie ad AI e Digital Twin Le aziende possono infine combinare AI e Digital Twin anche per efficientare i processi decisionali interni, creando sistemi autonomi capaci di reperire le informazioni pertinenti e dare al management la possibilità di prendere decisioni consapevoli. In questo caso è l'Intelligenza Artificiale il motore trainante, fornendo una capacità analitica avanzata in grado di elaborare grandi quantità di dati in tempo reale: attraverso algoritmi complessi di machine learning e deep learning, l'AI è capace di identificare pattern, correlazioni e anomalie nei dati, offrendo un quadro analitico più approfondito rispetto alle metodologie tradizionali. Appare chiaro, dunque, come l'analisi avanzata, la capacità predittiva e l'ottimizzazione continua offerte da questa convergenza tecnologica forniscano un vantaggio competitivo distintivo alle aziende che abbracciano questa visione innovativa. La trasformazione digitale è un percorso inevitabile, e l'integrazione sinergica di AI e Digital Twin è la chiave per guidare le aziende verso un futuro di decisioni tempestive, informate e sostenibili.
I 3 punti chiave dell’articolo: Cosa sono le AI Workstation Quanto conta l’addestramento dati Come scegliere le AI Workstation più idonee AI Workstation, cosa sono In un mercato segnato da un incessante afflusso di dati e dall'impellente necessità di innovare, le AI Workstation si rivelano strumenti indispensabili per potenziare i processi di sviluppo e analisi, svolgendo un ruolo fondamentale nell'efficienza operativa delle imprese e nella definizione di strategie data-driven. In qualità di sistemi pensati per gestire con semplicità anche i progetti di intelligenza artificiale più complessi, le AI Workstation si distinguono per elevate capacità di elaborazione, ampia dotazione di memoria, soluzioni di archiviazione all'avanguardia e grafica di qualità superiore: caratteristiche che le rendono particolarmente idonee a gestire attività ad alta intensità computazionale come l'elaborazione di voluminosi dataset, il machine learning, la modellazione predittiva e lo sviluppo di applicazioni software – si pensi all’Edge AI. Accelerare questi processi oggi non è soltanto auspicabile, ma è un elemento chiave per mantenere un vantaggio competitivo sul mercato. AI e Workstation: la preparazione è tutto Oggi quando si parla di intelligenza artificiale molto spesso si fa riferimento soltanto ai Large Language Model o LLM, di cui Microsoft Copilot o ChatGPT sono gli esempi più noti. Tuttavia, le applicazioni note di questi strumenti si limitano a un contesto fortemente consumer in cui, di fatto, tutta l’elaborazione avviene as a service sul cloud, all’atto della richiesta da parte dell’utente. Questa percezione, tuttavia, tende a semplificare eccessivamente la varietà degli scenari di applicazione dell'AI, soprattutto nel contesto aziendale, dove le esigenze e le dinamiche di utilizzo divergono significativamente da quelle del mondo B2C, come nel caso dell’AIOps. In questo contesto le workstation, insieme ad altre risorse computazionali locali, assumono un ruolo chiave. La ragione di ciò risiede principalmente nella necessità di gestire, preparare e processare grandi volumi di dati aziendali, che rappresentano il nutrimento essenziale per i modelli di apprendimento automatico: prima che questi dati possano essere efficacemente utilizzati per addestrare i modelli di AI, devono essere sottoposti a un complesso processo di preparazione, che include pulizia, normalizzazione e trasformazione dei dati, oltre alla selezione delle caratteristiche rilevanti, al fine di garantire che il materiale informativo fornito ai modelli sia di alta qualità e pertinentemente strutturato. L'importanza di questa fase preparatoria viene sottolineata da un dato rivelatore: secondo l'Anaconda’s State of Data Science Report, l'85% del tempo dei data scientist è dedicato proprio a queste attività preliminari. Ciò mette in luce non solo la complessità e la laboriosità del lavoro di preparazione dei dati ma anche il valore critico che rappresenta per il successo di qualsiasi progetto di intelligenza artificiale. Senza dati accuratamente preparati, infatti, anche i modelli più avanzati e sofisticati non sarebbero in grado di generare risultati affidabili o di fornire insight utili per le decisioni aziendali. Per questo le AI Workstation si rivelano indispensabili, offrendo la potenza computazionale e la flessibilità necessarie per gestire volumi ingenti di dati e per eseguire algoritmi complessi di elaborazione e analisi. La capacità di svolgere queste operazioni in modo efficiente e sicuro all'interno dell'ambiente aziendale, senza dover dipendere esclusivamente dalle risorse cloud, conferisce alle imprese un maggiore controllo sui propri dati, una riduzione dei tempi di elaborazione e una maggiore protezione della privacy e della sicurezza delle informazioni sensibili. Perché preparare i dati usando le Workstation Portare a termine il processo di pulizia e preparazione dei dati per l'intelligenza artificiale utilizzando le AI Workstation offre vantaggi sostanziali, che possiamo raggruppare in due categorie principali. 1. Fruibilità e gestione del dato Raramente i modelli di intelligenza artificiale possono utilizzare dati nella loro forma originale. Più comunemente, questi vengono ottimizzati eliminando di elementi ridondanti o irrilevanti. Svolgere queste operazioni direttamente on premise consente di lavorare vicino alla fonte delle informazioni, riducendo quasi a zero i tempi di trasferimento e rendendo il processo più veloce e fluido. Questo approccio è particolarmente vantaggioso in contesti normativi che richiedono la protezione della privacy attraverso misure come l'anonimizzazione dei dati. 2. Gestione dei costi L'utilizzo di soluzioni cloud per lo sviluppo di applicazioni di intelligenza artificiale spesso comporta l’uso di modelli a consumo sia per lo storage che per la capacità di elaborazione. Anche se un'impresa sceglie di avvalersi di questi sistemi, preparare i dati in anticipo con le AI Workstation può portare a un risparmio significativo: questo perché si riducono i volumi di dati da elaborare e archiviare nel cloud, con conseguente diminuzione dei costi associati. Un risparmio, dunque, che può rendere l'investimento in workstation vantaggioso nel medio-lungo termine. AI Workstation: quali scegliere Le AI Workstation Lenovo ThinkStation e le versioni portatili ThinkPad con tecnologia NVIDIA RTX™ offrono diversi vantaggi per le aziende che vogliono implementare soluzioni basate sull'AI. Accelera il time-to-market. Le workstation Lenovo con tecnologia NVIDIA RTX™ riducono i tempi di formazione e inferenza dei modelli AI, grazie alla loro elevata potenza di calcolo e alla loro efficienza energetica. In questo modo, le aziende possono creare e lanciare sul mercato applicazioni innovative in tempi più brevi e con costi inferiori. Aumenta la produttività e la creatività. Le workstation Lenovo con tecnologia NVIDIA RTX™ consentono di lavorare localmente con modelli AI più piccoli o di aumentare le risorse di data center e cloud per lo sviluppo di modelli più ampi, a seconda delle esigenze. In questo modo, gli utenti possono sperimentare e iterare più rapidamente, testare diverse ipotesi e ottimizzare i risultati. Garantisci la sicurezza e la privacy. Le workstation Lenovo con tecnologia NVIDIA RTX™ permettono di mantenere i dati sensibili e i modelli AI sul desktop, evitando rischi di perdita o furti di informazioni. In questo modo, le aziende possono proteggere la loro proprietà intellettuale e il loro vantaggio competitivo. La potenza di calcolo necessaria viene garantita da una dotazione hardware importante, come le GPU NVIDIA RTX™ Ada Generation 6000 per workstation, il software stack NVIDIA AI e le piattaforme Lenovo di ultima generazione. Queste workstation sono in grado di fornire fino a 5,8 petaflop di prestazioni di calcolo AI e 192 GB di memoria totale per le GPU del sistema, portando la potenza di calcolo AI dei data center sui desktop. Inoltre, le AI Workstation con tecnologia NVIDIA RTX™ consentono agli utenti di scalare senza problemi verso il data center o il cloud, se è necessaria una maggiore potenza di calcolo, grazie alla compatibilità con il software stack NVIDIA AI, che include i framework, le librerie e gli strumenti di sviluppo più diffusi nel settore. A titolo esemplificativo, consideriamo le ThinkStation P5 e P7 con tecnologia NVIDIA RTX™, che possono gestire set di dati fino al doppio delle dimensioni rispetto ai modelli precedenti specificamente progettati per la data science, e la nuova ThinkStation PX con tecnologia NVIDIA RTX™: quest’ultima è la AI Workstation più rapida, potente e sofisticata sul mercato, specificamente progettata per supportare i flussi di lavoro nell'ambito dell'intelligenza artificiale. Questa macchina è particolarmente adatta per quei professionisti che affrontano i compiti più esigenti in termini di machine learning, deep learning e analisi dei dati. AI e Workstation: alleati per la produttività Appare chiaro, dunque, come l'integrazione tra la filiera di sviluppo AI e workstation sia un'opportunità non solo per rivedere e ottimizzare i processi, ma anche per incrementare la produttività e la competitività sul mercato. Le workstation Lenovo con tecnologia NVIDIA RTX™ sono soluzioni all'avanguardia per lo sviluppo e il deployment di applicazioni basate sull'IA, che offrono prestazioni di computing desktop senza precedenti, scalabilità verso il data center o il cloud e sicurezza e privacy dei dati e dei modelli. La combinazione tra potenza di calcolo, efficienza nella preparazione dei dati e versatilità nell'addestramento di modelli AI fa delle workstation Lenovo un alleato chiave per tenere il passo con l'evoluzione tecnologica e per sfruttare al massimo le potenzialità dell'AI per migliorare processi e prodotti e, in ultima analisi, per trasformare i dati in una leva di vantaggio competitivo. Fonti consultate: Anaconda’s State of Data Science Report
I 3 punti chiave dell’articolo: Perché integrare AI e assistenza IT Qual è la soluzione che supporta al massimo i reparti IT Come funziona Lenovo Premier Support Plus AI e servizio clienti, la combinazione perfetta Nel corso dell’anno, l'intelligenza artificiale ha consolidato la sua posizione come leva strategica fondamentale nell'evoluzione del supporto IT. L'integrazione tra AI e servizio clienti ha assunto infatti una rilevanza maggiore, evidenziando il suo impatto significativo nel migliorare l'efficienza operativa e nell'ottimizzare la risoluzione delle sfide tecniche. In un panorama lavorativo sempre più caratterizzato dal work from anywhere, difatti, il dipartimento IT si confronta con due sfide significative: la dispersione degli utenti che usano i dispositivi aziendali e la conseguente distribuzione della forza lavoro. Il tradizionale modello in cui i dipendenti operavano esclusivamente in sede è ormai superato, dando spazio a un ambiente in cui il personale lavora in ufficio, da casa o da altre sedi, a partire da treni e coffee shop. Questa realtà implica per l'IT la gestione di una rete di team distribuiti a livello geografico, non solo a livello nazionale. In particolare, in Italia, sono numerose le multinazionali che ospitano reparti IT localizzati in specifiche aree geografiche ma con la necessità di servire mercati globali. Per rispondere a questa esigenza, è essenziale fornire ai reparti IT una soluzione erogata in modalità SaaS, in grado di monitorare le prestazioni dei dispositivi informatici sfruttando l'intelligenza artificiale come punto di forza: questo è Lenovo Premier Support Plus, il servizio di supporto IT di Lenovo. AI e servizio clienti, come funziona Lenovo Premier Support Plus In un contesto in cui il 91% dei lavoratori sostiene di diventare più produttivo quando i problemi informatici sul lavoro vengono risolti rapidamente e in cui il 74% sottolinea che una bassa assistenza IT riduce la loro motivazione secondo le analisi YouGov dello scorso anno, si rivela essenziale predisporre un adeguato sistema per supportare il lavoro da remoto. È qui, poi, che l’AI conferma tutto il suo potenziale: tra i benefici chiave, è capace di risolvere le anomalie con un basso numero di interruzioni alla continuità operativa, identificarle automaticamente e fornire l’assistenza necessaria in qualunque momento. Intelligenza artificiale alleato chiave, dunque, di Lenovo Premier Support Plus: il servizio offre al personale IT un'interfaccia web dedicata per monitorare lo stato generale di salute dei dispositivi grazie a un agent presente in ciascun device, il quale esegue una diagnosi di sistema, analizza i dati nel cloud, li confronta e trasmette le informazioni al cruscotto dedicato. Gli agent installati sui vari dispositivi forniscono così un quadro dinamico della condizione dei dispositivi in uso, permettendo di individuare eventuali problemi in tempo reale e attivare tempestivamente le operazioni di risoluzione. L'uso dell’AI in questo approccio avviene in maniera sia proattiva che predittiva. Nel primo caso, gli eventi problematici vengono individuati prima che possano causare disagi agli utenti, fornendo un valore aggiunto in termini di esperienza sia per i dipendenti che per i clienti. Nel secondo caso, il servizio Lenovo prevede guasti o problemi in arrivo e interviene di conseguenza: ad esempio, può rilevare l’alta probabilità di rottura dell'hard disk e avviare immediatamente il backup dei dati nel cloud, oltre all’invio di un tecnico per sostituire il disco danneggiato. Tra le altre funzionalità, poi, Lenovo Premier Support Plus comprende: l’Accidental Damage Protection, ovvero la copertura contro i danni accidentali che va oltre la tradizionale garanzia di sistema; il servizio Keep Your Drive, che consente agli utenti di mantenere i propri dischi rigidi e conservare la piena proprietà dei dati; il servizio Sealed Battery, per estendere l’assistenza per le batterie fino a tre anni; l'International Services Entitlement che garantisce alle multinazionali che i servizi sinora menzionati siano attivi in qualsiasi parte del mondo si trovino i dipendenti; il Services Engagement Manager, il ricorso a uno specialista che salvaguardia la qualità del servizio e gestisce le escalation del cliente. AI e servizio clienti, 5 buoni motivi per adottare Lenovo Premier Support Plus Ecco cinque ragioni per considerare Lenovo Premier Support Plus come il servizio ideale per le esigenze aziendali. Gestione dei team remoti. Il 55% dei CIO globali, secondo il Global CIO Study, ritiene impegnativo fornire assistenza a una forza lavoro che opera da remoto. Per questo, Lenovo Premier Supporto Plus risolve il problema della dispersione della forza lavoro con un’assistenza flessibile e puntuale. Maggior produttività. Il secondo buon motivo per adottare questo servizio è l’aumento della produttività, legata alla riduzione dei tempi di inattività e allo snellimento delle attività in capo al reparto IT. Employee & Customer Experience migliorati. Ciò si traduce in un terzo beneficio: una migliore esperienza per i dipendenti (Employee Experience), che a sua volta si riflette positivamente nel servizio erogato ai clienti (Customer Experience). Maggior spinta all’innovazione. Un quarto buon motivo per adottare Lenovo Premier Support Plus è la possibilità di liberare il team IT da un eccesso di carichi di lavoro legati a manutenzione e assistenza di routine per indirizzarli verso compiti più direttamente legati all'innovazione e alla Digital Transformation. Una risposta allo skill shortage. I CIO sono alle prese con la difficoltà di allargare i loro team e aggiungere nuove competenze IT: valorizzando al massimo le risorse presenti con il ricorso a Lenovo Premier Support Plus, riescono a far fronte alla carenza di talenti sul mercato. Fonti consultate: Studio YouGov commissionato da Lenovo Lenovo Global CIO Study
I 3 punti chiave dell’articolo: Perché le soluzioni AI-ready sono essenziali per le aziende Qual è la strategia AI di Lenovo Dal server con intelligenza artificiale al partner program: dove punta Lenovo Server con intelligenza artificiale? È solo l’inizio Nel corso dell’anno, l’intelligenza artificiale ha indubbiamente monopolizzato l’attenzione dei media, soprattutto grazie agli annunci riguardanti la generazione testuale che ha coinvolto diversi colossi dell’IT. Tuttavia, i potenziali benefici dell’intera famiglia dell’AI superano di gran lunga l’interesse contingente, influenzando profondamente il modo in cui le aziende gestiscono e utilizzano i loro dati digitali. Basti pensare che anche l’Italia è ormai entrata nell’era dell’implementazione, come testimoniamo i dati dell’Osservatorio Artificial Intelligence che stima un mercato da 500 milioni di euro con una crescita del 32% anno su anno, dove il 61% delle grandi imprese ha avviato almeno un progetto e il 41% ne ha più di uno operativo. Va da sé che l’intelligenza artificiale sta diventando parte attiva nei piani strategici e nelle attività operative di aziende pubbliche e private: si tratta di un’integrazione che sta influenzando non solo le prestazioni e la struttura dei costi, ma anche il ruolo stesso delle persone all’interno di tali contesti. Dal server con intelligenza artificiale ai software: il piano Lenovo Nel campo delle soluzioni infrastrutturali a supporto dell’AI, Lenovo è operativa da diversi anni e vanta in quest’area un fatturato superiore ai 2 miliardi di dollari e, con un investimento di 1 miliardo di dollari in tre anni, punta ad accelerare la sua presenza nel settore dell’AI per le imprese. La nuova fase prevede di ampliare il portafoglio di dispositivi, di soluzioni infrastrutturali e servizi intelligenti AI-ready, consentendo l’uso dell’AI generativa e nuove funzionalità per le decisioni cognitive. L’ambito applicativo sarà costituito soprattutto dai settori finanziario, manufatturiero, sanitario, retail e smart city mentra la strategia punta direttamente su tre pillar: l’hardware dedicato all’ottimizzazione dell’AI; il software dedicato all’AI, sviluppato internamente e un programma di partnership per aziende che sviluppano soluzioni AI. Nel campo dell’hardware la multinazionale oggi è in grado di offrire oltre 70 prodotti AI-ready e piattaforme server edge-to-cloud ottimizzate per l’intelligenza artificiale. Sta inoltre collaborando sul sistema NVIDIA OVX per la creazione e la gestione di mondi virtuali, con solide prestazioni per i carichi di lavoro Omniverse Enterprise all’interno del data center. La vera novità sta però nel campo del software che Lenovo ha sviluppato internamente, a differenza di altri vendor che si limitano ad acquisizioni di altre aziende. Il risultato è una vera e propria machine learning operation platform: in particolare, Lenovo Intelligent Computing Orchestration (LiCO) semplifica, l’uso delle infrastrutture di elaborazione in cluster per la gestione dei carichi di lavoro associati all’AI. Lenovo ha infine lanciato l’AI Innovator Program per realizzare partnership con aziende che progettano soluzioni di intelligenza artificiale e rispondere così alla forte richiesta da parte dei clienti di interagire con imprese che si occupano di sviluppo AI a livello locale. L’obiettivo alla base della strategia Lenovo è la creazione di un portafoglio di tecnologie estremamente diversificato in grado soddisfare una vasta gamma di esigenze, da quelle dei fornitori di servizi cloud e degli istituti di ricerca fino al settore enterprise, in modo da diventare un interlocutore unico per ogni richiesta applicativa hardware e software – a partire dai server con intelligenza artificiale. Server con intelligenza artificiale e non solo: i casi di successo Tenendo conto degli investimenti delle imprese, concentrati in gran parte nel mondo industriale, Lenovo punta alla realizzazione di casi concreti in questo settore. Da tempo la multinazionale lavora infatti con realtà di eccellenza come Ducati e Dallara, che già da anni impiegano soluzioni HPC tradizionali, e auspica una trasformazione dei processi interni di tali organizzazioni aziende attraverso l’impiego dell’intelligenza artificiale, ad esempio nell’ambito della simulazione, per ottenere più rapidamente risultati migliori. Un altro esempio di successo è rappresentato da Edge Company, impresa tutta italiana specializzata nello sviluppo di AI in ambito aeroportuale e spaziale, che ha creato una soluzione dedicata agli aeroporti di tutto il mondo in grado di proteggere lo spazio aereo in modo economicamente vantaggioso, con il supporto dei server Lenovo AI ThinkSystem SR650. Lenovo punta, infine, a realizzare partnership con ISV nazionali (Independent Software Vendor) in una logica win-win che, da un lato, aiuterebbe la multinazionale ad avvantaggiarsi delle loro competenze in campo AI e della conoscenza del mercato locale e, dall’altro, darebbe ai partner locali quel respiro internazionale di cui oggi sono carenti. Fonti consultate: Osservatorio Artificial Intelligence