\u201cLa possibilit\u00e0 di disporre di queste tecnologie non determina solamente uno switch delle competenze richieste, ma un vero e proprio cambiamento nel modo di lavorare<\/strong><\/em>\u201d, ha spiegato a Wired<\/em> Carlo Torniai<\/strong>, Group Chief Data & Analytics Officer di Angelini Industries,<\/strong> gruppo industriale attivo nei settori della salute, della tecnologia industriale e del largo consumo. E se l’azienda stessa sta conducendo svariate iniziative innovative nel campo dell’intelligenza artificiale, mirate a migliorare la qualit\u00e0 dell’assistenza medica, ottimizzare la gestione delle risorse e estendere la comprensione scientifica delle malattie trattate, il trend \u00e8 evidente. \u201cSappiamo gi\u00e0 che l\u2019intelligenza artificiale diventer\u00e0 pervasiva, anche dal punto di vista organizzativo<\/strong>, from the gestione<\/strong>, from the pianificazione<\/strong> and ofautoregolamentazione<\/strong><\/em>\u201d, ha ribadito Torniai.<\/p>\n Per migliorare la produttivit\u00e0 aziendale e personale, cercando di massimizzare benefici apportati della ricerca in ambito medico-sanitario, le possibilit\u00e0 basate sull\u2019AI generativa sono molteplici. \u201cAnzitutto sono state automatizzate le azioni a basso impatto<\/strong>, riducendo al contempo la possibilit\u00e0 di errore umano e valorizzando il ruolo dei professionisti –<\/em> continua Torniai -. Anche i processi clinici e le varie funzioni aziendali vengono ottimizzate perch\u00e9, grazie al machine learning, \u00e8 possibile analizzare in pochi secondi enormi quantit\u00e0 di dati ed effettuare previsioni strategiche<\/em>\u201d.<\/p>\n Cambiando area medica, \u00e8 in fase di sperimentazione l’uso del machine learning per prevedere i picchi influenzali<\/strong>, utilizzando dati statistici e aggregati come dati storici e le informazioni ambientali tra cui temperatura, segnali visibili dai satelliti, umidit\u00e0 eccetera. Questo modello predittivo non solo supporta la pianificazione delle campagne di distribuzione dei farmaci, ma fornisce anche informazioni cruciali per ottimizzare la produzione e la gestione degli stock<\/strong>, garantendo una maggiore sicurezza degli approvvigionamenti rispetto alle necessit\u00e0 del mondo reale. Insomma, oltre a determinare una riduzione degli sprechi e a rendere pi\u00f9 efficiente l\u2019intero iter di distribuzione, consente alle persone di disporre dei farmaci nei momenti di maggiore richiesta.<\/p>\n L\u2019innovazione guidata dall\u2019intelligenza artificiale si concentra anche nel campo della ricerca e dello sviluppo, dove il machine learning pu\u00f2 essere utilizzato per migliorare la gestione multidisciplinare dei pazienti, identificando elementi predittivi, prevedendo l\u2019evoluzione delle malattie<\/strong> ed evitando la somministrazione di farmaci a pazienti su cui risulterebbero poco efficaci.<\/p>\n Non \u00e8 esagerato dire che l\u2019intelligenza artificiale promuove l\u2019efficienza e la produttivit\u00e0 dei lavoratori nella maggior parte delle funzioni aziendali. Un esempio in questo senso \u00e8 l’adozione di AskAI<\/strong>, una piattaforma basata sull’intelligenza artificiale generativa di ChatGPT 3.5<\/strong> che offre un accesso rapido e sicuro a risorse e supporto (attraverso una web application disponibile su desktop e dispositivi mobili). Con l’obiettivo di garantire un utilizzo etico e responsabile<\/strong> dell\u2019intelligenza generativa, ci ha raccontato Torniai, si stanno pianificando percorsi di formazione specifici per l’utilizzo di AskAI, che nel caso della Angelini Academy si combinano a video pillole e corsi.<\/p>\n Un\u2019altra applicazione emblematica \u00e8 TechMate<\/strong>, sviluppata da Angelini Technologies-Fameccanica (la divisione di Angelini Industries dedicata alle tecnologie industriali) e progettata con l\u2019obiettivo di risolvere dei problemi tecnici dei macchinari da remoto<\/strong>. Grazie a un’interfaccia conversazionale basata su ChatGPT e all’indicizzazione della documentazione tecnica, \u00e8 in grado di fornire risposte rapide e accurate, riducendo significativamente i tempi di fermo macchina e aumentando l’efficienza produttiva. Oltre a facilitare i lavoratori nei loro compiti quotidiani<\/strong>, l\u2019utilizzo di questo tipo di tecnologie permette anche di valorizzare la professionalit\u00e0, liberandoli da compiti ripetitivi e facilmente replicabili. Inoltre, l’intelligenza artificiale trova applicazione nella robot guidance<\/strong>, per ottimizzare i processi di prelievo e posizionamento degli imballi in ambito logistico. Attraverso tecniche di visione computerizzata e deep learning, l’intelligenza artificiale consente il rilevamento e la classificazione dei pacchi<\/strong>, migliorando la velocit\u00e0 e l’affidabilit\u00e0 delle operazioni di automazione e robotica.<\/p>\n L’integrazione dell’AI nel settore sanitario, sebbene promettente, \u00e8 particolarmente delicata perch\u00e9 comporta Oltre a ci\u00f2, gli ostacoli finanziari – legati ai costi eccessivi di sviluppo e manutenzione dei modelli – possono limitare l’adozione diffusa dell’AI in sanit\u00e0<\/a>. La trasformazione guidata dall\u2019AI sta andando a una velocit\u00e0 molto elevate e, soprattutto nei settori adeguati normati, il progresso di sviluppo sembra essere ancora pi\u00f9 rapido. \u201cCon l\u2019AI Act<\/strong><\/a> sono state definite e approvate the guidelines<\/strong> per lo sviluppo e l\u2019adozione di queste tecnologie generative, ma questo non significa che si sia diffusa a tutti i livelli la cultura adatta per il loro utilizzo su larga scala, n\u00e9 che si sia creata una buona integrazione con gli strumenti tradizionali<\/em> – chiarisce Torniai -. Occorre un nuova cultura argomentativa e interrogativa per rendere i processi pi\u00f9 trasparenti e spiegabili sia internamente sia verso l\u2019esterno<\/strong>\u201d.<\/em> All’utilizzatore finale, allo stesso tempo, \u00e8 richiesto di essere proattivo nell\u2019utilizzo responsabile di queste tecnologie, gestendo nella migliore maniera possibile l\u2019output finale.<\/p>\n Per raggiungere questo obiettivo c\u2019\u00e8 ancora tanta strada da fare ed \u00e8 necessario uno sforzo generalizzato di tutti gli attori coinvolti. \u00c8 in questo senso che va interpretata l’iniziativa, di Angelini Industries, di creare un gruppo di lavoro dedicato a big data analitycs e AI, facilitando il progresso di sviluppo di nuove competenze direttamente dall\u2019interno. \u201c\u00c8 nata una community of practise<\/strong>, persone con interesse a progredire che si scambiano idee e best practise per favorire lo sviluppo tecnologico<\/em> – conclude Torniai -. Del resto, anche il mondo aziendale dev’essere parte attiva nel processo di trasformazione culturale<\/strong> e favorire la diffusione di utilizzi consapevoli dell\u2019IA generativa per la sanit\u00e0\u201d<\/em>.<\/p>\n Related news: Gli articoli tecnologici con l\u2019intelligenza artificiale sono (ancora)\u2009pieni di errori<\/a><\/p>\n Come l\u2019Intelligenza Artificiale pu\u00f2 creare un set di dati falsi ma credibili nella ricerca medica<\/a><\/p>\n![\"\"](\"https:\/\/www.fedaiisf.it\/wp-content\/uploads\/2024\/04\/AI-Angelini.jpeg\")
Anche nel comparto healthcare la training<\/strong> – e pi\u00f9 in generale la promozione di un cambiamento culturale – \u00e8 alla base del processo di trasformazione guidato dall\u2019artificial intelligence<\/strong><\/a>. Dalla valorizzazione delle professionalit\u00e0 lungo tutta la filiera sanitaria fino all\u2019efficientamento dei processi aziendali, passando per le scelte strategiche, il deep learning<\/strong> combinato ai big data<\/strong> permette di avere una quantit\u00e0 enorme di informazioni, utili a raggiungere i pi\u00f9 svariati obiettivi.<\/p>\nTecnologia generativa al servizio dell\u2019innovazione<\/h2>\n
![\"\"](\"https:\/\/www.fedaiisf.it\/wp-content\/uploads\/2024\/04\/Torniai-Angelini.png\")
Un esempio (targato Angelini) \u00e8 l\u2019assistente virtuale alimentato da intelligenza artificiale Angela<\/strong>, in grado di offrire consulenza e supporto ai medici, in particolare agli epilettologi per il trattamento dell’epilessia. Angela agisce come complemento al lavoro degli scientific informants<\/strong><\/span>, fornendo informazioni sulle patologie<\/strong> e sulle terapie<\/strong>, utilizzando un archivio di domande e risposte predefinite e materiali scientifici approvati. E se un’iniziativa di questo genere mira a garantire un supporto continuo e immediato<\/strong> ai professionisti della salute, di fatto ha il duplice obiettivo di efficientare la gestione delle emergenze e di migliorare la qualit\u00e0 complessiva dell’assistenza.<\/span><\/p>\nDall’influenza all’epilessia<\/h2>\n
Quando l’AI eleva le professionalit\u00e0<\/h2>\n
Tecnologia trasparente e pratiche condivise<\/h2>\n
![\"\"](\"https:\/\/www.fedaiisf.it\/wp-content\/uploads\/2024\/04\/errori-AI.png\")
la necessit\u00e0 di prestare attenzione a non commettere errori strutturali<\/strong>, sia dal punto di vista tecnico<\/strong> sia ethical<\/strong>. \u201cOggi non abbiamo ancora tutte le risposte di cui abbiamo bisogno per cogliere le opportunit\u00e0 che ci offre l’intelligenza generativa –<\/em> specifica Torniai -. Usando una metafora, \u00e8 come se dovessimo guidare l\u2019auto che ci porter\u00e0 a migliorare l\u2019intero settore sanitario mentre ancora la stiamo costruendo, cercando di evitare i principali pericoli\u201d<\/em>. Tra questi rischi c’\u00e8 anzitutto la possibilit\u00e0 di output distorti<\/strong>dovuti a valutazioni errate dei dati, e per questo \u00e8 richiesta una costante vigilanza da parte degli esperti. Inoltre l’emergere di falsi risultati<\/strong>, causati dall’evoluzione dei modelli, solleva preoccupazioni sulla necessit\u00e0 di transparency<\/strong><\/a> e di revisione umana approfondita. La questione della privacy dei pazienti<\/strong> \u00e8 altrettanto critica, poich\u00e9 i dati sensibili richiedono un’attenta gestione e affidabilit\u00e0 dei sistemi di sicurezza.<\/p>\n