IA privata vs IA pubblica: 4 fatti chiave

L’intelligenza artificiale (IA) ha raggiunto un punto di svolta nell’opinione pubblica. Ciò è dovuto in gran parte agli sviluppi tecnologici nell’ambito dei modelli di linguaggio di grandi dimensioni (LLM, Large Language Model) e dal lancio di strumenti di IA generativa, tra cui ChatGPT di OpenAI. Tuttavia, per quelle aziende che stanno definendo una strategia sull’IA che sia proiettata al futuro, un punto cruciale da affrontare nel dibattito è la scelta tra l’IA privata e quella pubblica. Comprendere quali siano le implicazioni relative alla privacy e alle normative di ciascun approccio è fondamentale, soprattutto nel caso di organizzazioni pubbliche o aziende del settore privato che operano in ambiti fortemente regolamentati. Vediamo nel dettaglio ciascuno dei due approcci per capirne meglio l'eventuale impatto.

[ Scopri come rendere operativa l’IA senza compromettere la privacy dei dati: implementazione dell’IA privata: una guida pratica. ]

Prima di proseguire, definiamo le due espressioni. L'IA pubblica si riferisce a qualsiasi tipo di algoritmo di intelligenza artificiale disponibile pubblicamente, il cui addestramento si basa su un’ampia serie di dati, in genere provenienti da utenti o clienti. ChatGPT è un esempio di IA pubblica: è stata addestrata attraverso dati disponibili apertamente su Internet, quali articoli di testo, immagini e video.

L'IA pubblica può anche riferirsi a qualsiasi algoritmo che utilizza set di dati non privati appartenenti ad un utente o ad un'organizzazione specifica. Per migliorare i loro servizi, i fornitori dell’IA pubblica spesso addestrano i loro modelli utilizzando i dati dei clienti. Questo significa che, in quanto clienti, i vostri dati non sono completamente privati e che, di fatto, queste organizzazioni potrebbero utilizzarli per migliorare gli algoritmi di intelligenza artificiale dei vostri concorrenti. Ad esempio, se utilizzate l'IA per prevedere quando acquistare spazi pubblicitari digitali, il fornitore dell’IA potrebbe sfruttare le vostre informazioni sui prezzi di acquisto e sui guadagni o sulle perdite legate ad acquisti pubblicitari per aggiornare il proprio algoritmo. Ne consegue che tutti i vostri concorrenti che utilizzano lo stesso fornitore di IA possono beneficiare di un algoritmo addestrato sui vostri dati.

L'IA privata si riferisce alla prassi di addestrare gli algoritmi attraverso dati specifici di un utente o di un'organizzazione. In altre parole, se si utilizzano sistemi di machine learning per addestrare un modello sulla base di un insieme di dati, come ad esempio una serie di documenti quali fatture o moduli fiscali, tale modello sarà utilizzato solo per la vostra organizzazione e non verrà usato dal fornitore della piattaforma per addestrare i propri modelli. Quindi, il vantaggio consiste nel fatto che non contribuite a creare un'intelligenza collettiva che potrebbe favorire uno dei vostri concorrenti.

L'IA privata può essere creata attraverso due metodi: il primo prevede l'assunzione di esperti interni, come un team di data scientist, ingegneri e sviluppatori software, per generare e mantenere modelli di IA senza alcun coinvolgimento esterno. Il secondo metodo prevede l'utilizzo di una piattaforma per la costruzione di modelli di machine learning che rendono possibili le funzionalità dell’IA attingendo da dati privati del cliente e garantendo che tali dati non vengano mai utilizzati per addestrare un algoritmo ampiamente accessibile. Questo secondo approccio riduce la necessità di assumere un team numeroso che crei e curi i modelli e l'infrastruttura necessari per il funzionamento di modelli di IA privati e, allo stesso tempo, garantisce comunque la riservatezza dei dati dei clienti.

In realtà, entrambi i modelli offrono sia vantaggi che svantaggi. Quattro cose da sapere sull'IA privata e sull'IA pubblica:

L'intelligenza artificiale privata si piazza meglio per quanto riguarda la riservatezza digitale. Questo tipo di IA è anche in grado di offrire una sicurezza solida, a patto che l'azienda si attenga alle migliori prassi sulla sicurezza.

Ciò si deve al fatto che con l'IA privata, i dati aziendali rimangono di vostra proprietà. Utilizzando modelli addestrati o messi a punto sulla base di dati privati e limitandone l'uso alla vostra organizzazione, garantite la riservatezza dei vostri dati, sfruttando, inoltre, tutti i vantaggi di un’ottimizzazione del modello per il vostro caso d'uso. Con l'IA pubblica, invece, si condividono essenzialmente i propri dati privati con il fornitore dell’IA, che li memorizzerà online e li utilizzerà per un ulteriore apprendimento.

I fornitori di IA pubblica raramente consentono al cliente di controllare le modalità di funzionamento dell'algoritmo. Per ottimizzare l’algoritmo, l'intelligenza artificiale verrà addestrata su dati preesistenti, a volte su dati dei clienti. Ciò significa che l'IA non sarà necessariamente calibrata per la vostra organizzazione o il vostro caso d'uso e potrebbe richiedere un maggiore intervento umano rispetto all'IA privata.

L'IA privata offre un maggiore controllo, consentendo di personalizzare il modello di IA in base alla propria organizzazione specifica. Ciò garantisce una maggiore accuratezza del modello e, in caso di deriva dei dati, consente di aggiornare gli algoritmi nel corso del tempo.

I modelli di IA pubblica possono essere più economici rispetto all'IA privata in generale, soprattutto se non si dispone di un team con competenze in materia di intelligenza artificiale. Si paga per sfruttare modelli pre-addestrati e risorse cloud di fornitori di cloud pubblico.

I modelli in-house di IA privata richiedono in genere un investimento maggiore rispetto alle opzioni di cloud pubblico. Se non si utilizza una piattaforma, l'approccio in-house richiede un team di esperti (data scientist, ingegneri dati e ingegneri per i software) che creino l'infrastruttura ed i modelli di intelligenza artificiale. Ciò può rivelarsi velocemente oneroso. Inoltre, la realizzazione e la manutenzione dell'infrastruttura possono far lievitare il conto. Tuttavia, questi costi vengono compensati optando per un’IA privata con un approccio basato su una piattaforma, che non richiede un team di esperti.

L'IA pubblica consente in genere di utilizzare rapidamente i servizi di IA in quanto si basa su modelli pre-addestrati e su servizi facilmente accessibili. Con un modello di intelligenza artificiale privato e interno, occorre tempo per raccogliere i dati, sviluppare il modello, testarlo e convalidarlo prima di implementarlo. Inoltre, per rendere operativi questi modelli, è necessaria una quantità notevole di lavoro IT interno per l’implementazione.

Tuttavia, se si utilizza un approccio basato su una piattaforma per creare un modello privato, spesso è possibile implementare un modello di intelligenza artificiale completamente addestrato in pochi minuti.

Se si deve spiegare la differenza tra IA pubblica e privata, è bene ricordare questi tre punti essenziali:

• L'intelligenza artificiale privata viene addestrata sulla base dei vostri dati.

• Con l’IA privata, i dati non sono mai fuori dal vostro controllo.

• I modelli privati di IA sono destinati solo e unicamente alla vostra azienda e non vengono mai condivisi.

Non è certo indispensabile scegliere una delle due intelligenze artificiali escludendo l’altra: adottando un approccio basato su una piattaforma è possibile mantenere i vantaggi di entrambe le opzioni. Una piattaforma di automazione dei processi come Appian consente di realizzare più rapidamente i propri modelli di dati privati su una piattaforma solida e sicura. Infatti, utilizzare una piattaforma come Appian significa sfruttare l'IA nell’ambito di un contesto di hyperautomation più ampio. Avrete accesso a diversi strumenti di automazione (tra cui l’automazione robotica dei processi (RPA, Robotic Process Automation) e low-code) per automatizzare interi processi. L'intelligenza artificiale è una funzionalità potente, ma non è una bacchetta magica: è necessario un mix di tecnologie per stare al passo con il ritmo del mondo aziendale moderno.

Otto esperti si confrontano sul futuro dell’IA. Scaricate i loro approfondimenti nella previsione sull’IA per il 2024.