AI: Ma come è fatta?

1        Definizione di intelligenza artificiale

É molto complesso definire in maniera esauriente il concetto di intelligenza artificiale, perché si tratta di una disciplina soggetta a una rapida evoluzione caratterizzata da frequenti cambiamenti di natura tecnologica che seguono un ritmo piuttosto elevato. Proprio per questo motivo vi sono molteplici definizioni che cercano di spiegare questa tematica e che per alcuni aspetti differiscono tra di loro.

Per esempio, la Treccani definisce l’intelligenza artificiale come ”una disciplina che studia se e in che modo si possanoriprodurre i processi mentali più complessi mediante l’uso di un computer. Tale ricerca si sviluppa secondo due percorsicomplementari: da un lato l’intelligenza artificiale cerca di avvicinare il funzionamento dei computer alle capacitàdell’intelligenza umana, dall’altro usa le simulazioni informatiche per fare ipotesi sui meccanismi utilizzati dalla menteumana^[1]”.

Un’altra definizione è quella secondo cui l’intelligenza artificiale “comprende le tecniche utilizzate per insegnare aisistemi informatici ad apprendere, ragionare, percepire, dedurre, comunicare e prendere decisioni in modo simile omigliore rispetto agli esseri umani^[2]”.

Figura 1 – Daft R. L. [Fonte: Wikipedia.org].

Mentre la prima definizione si pone una domanda sul fatto che sia possibile o meno dotare i sistemi informatici dell’abilità di emulare il ragionamento e l’apprendimento umano, la seconda ritiene che ciò sia scontato, e che, talvolta, le macchine intelligenti siano in grado di andare oltre le capacità degli uomini. Da queste differenti descrizioni, si comprende come l’obiettivo principale di questa scienza sia quello di replicare nei dispositivi elettronici la logica che staalla base del ragionamento umano.

In particolare, l’intelligenza artificiale cerca di fare in modo che degli agenti computazionali agiscano in maniera intelligente e razionale^[3]. Per agente computazionale si intende un sistema capace di percepire l’ambiente nel quale è collocato e di interagire con  esso tramite sensori, fotocamere e tasti.

Per operare in modo intelligente è necessario    che queste macchine siano in grado di “interpretare i dati esterni correttamente, di apprendere da questi dati, e di usare queste conoscenze per conseguire specifici obiettivi tramite un adattamento flessibile^[4]”. Una volta acquisite queste abilità, un sistema di intelligenza artificiale può essere ritenuto razionale, perché capace di effettuare la scelta giusta al momento opportuno in base alle informazioni che ha a disposizione. In questo modo, l’intelligenza artificiale consegue il suo obiettivo, in quanto può arrivare alle stesseconclusioni e agli stessi risultati ai quali sopraggiunge la mente umana, seppur con alcune differenze che possono generare vantaggi o limiti.

Tra i vantaggi si può far rientrare il fatto che le macchine intelligenti hanno una capacità di elaborazione e di analisi più elevata rispetto a quella umana, che consente loro di processare grandi quantità di dati e di prendere decisioni in maniera più rapida.

Tra i limiti invece, si può considerare il fatto che l’intelligenza artificiale opera in base ai dati che le vengono forniti. Diconseguenza, se questi ultimi sono errati o imprecisi, lo saranno anche le scelte prese dalle macchine intelligenti. Nonostante ciò, secondo la maggior parte degli studiosi sul tema, i benefici derivanti dall’impiego di queste tecnologie sono superiori rispetto ai pericoli, perché a differenza delle decisioni umane, le quali talvolta possono essereinfluenzate dai sentimenti o dai pregiudizi, quelle prese dall’intelligenza artificiale dovrebbero permettere di ottenere l’esito migliore possibile da ciascuna situazione.

Secondo questa prospettiva, dunque, l’intelligenza artificiale riesce a emulare l’apprendimento e il ragionamentoumano, senza tuttavia essere condizionata da altri aspetti ingannevoli, che invece possono influenzare in maniera decisiva le deduzioni degli uomini. In questo senso, si potrebbe quindi ritenere che queste tecnologie siano migliori rispetto alle persone. Tuttavia, questa è una questione piuttosto complessa, che richiede l’analisi di molte variabili e che verrà fronteggiata più avanti nel corso dell’elaborato.

2        Classificazione dell’intelligenza artificiale

Dopo aver inquadrato a livello generale il tema oggetto di analisi, è opportuno effettuare una classificazione dell’intelligenza artificiale, distinguendo tra due sottocategorie principali, ossia tra quella “debole” e quella “forte”^[5] con l’aggiunta poi della “super”.

2.1     Intelligenza artificiale ristretta

La prima categoria di AI, conosciuta anche come “ristretta”, si ritrova in sistemi che sono stati sviluppati in maniera tale da ottimizzare lo svolgimento di uno specifico compito. In questa categoria rientrano le tecnologie alla base di Siri, Alexa e Google, le quali sono in grado di fornire delle risposte a domande programmate. Tuttavia, queste macchine sono limitate, in quanto funzionano perché guidate e indirizzate dalle persone. Di conseguenza, in assenza di un input umano non sarebbero in grado di operare e dunque hanno delle capacità inferiori rispetto agli esseri umani.

2.2     Intelligenza artificiale generica

La seconda categoria di AI invece, definita anche come “generica”, è molto più complessa e cerca di plasmare delle macchine capaci di svolgere qualsiasi compito di natura intellettuale, al pari delle persone, e in grado di funzionare in maniera completamente autonoma, senza quindi necessitare di alcun sostegno di natura umana. L’obiettivo finale di questa seconda forma di intelligenza artificiale è quindi quello di generare delle macchine che abbiano una mente e una coscienza propria, al fine di eguagliare le abilità dell’uomo. Attualmente l’intelligenza artificiale “forte” non esiste ancora concretamente sul mercato, ma vi sono numerosi progetti di ricerca e sviluppo in tal senso.

2.3     Intelligenza artificiale… super!

Esiste poi anche un terzo tipo di intelligenza artificiale, conosciuta come “super-intelligenza artificiale”^[6]. Secondo leprevisioni dell’imprenditore Elon Musk e dello scienziato Stephen Hawking, essa sarà capace di eccedere e superare le abilità dell’uomo. Di conseguenza, sembrerebbe che sia destinata a causare un profondo cambiamento nella società.

Nonostante ciò, questa tipologia, al momento, pare ancora essere un’utopia piuttosto che qualcosa di concretamente raggiungibile, ma non è da escludere che i principali investimenti nei prossimi anni saranno indirizzati proprio versoquesta forma particolarmente innovativa.

Figura 2 – Elon Musk [Fonte: Wikipedia.org].

Tabella 1 – Tipologie di intelligenza artificiale [Fonte: Paschen, J., Kietzmann, J., & Kietzmann].

3          La struttura dell’intelligenza artificiale

Per spiegare la struttura e il funzionamento dei sistemi di intelligenza artificiale si possono individuare sei blocchi fondamentali^[7]:

• Dati strutturati: Si tratta dei dati standardizzati e organizzati secondo uno schema predefinito, semplici daanalizzare, come per esempio quelli relativi alle giacenze di magazzino e alle quantità vendute;
• Dati non strutturati: I dati non strutturati sono più complessi da esaminare rispetto ai precedenti, in quanto numerosi e provenienti da molteplici fonti, come i social network e i sensori dell’Internet of Things. L’intelligenza artificiale è l’unica tecnologia, ad oggi, in grado di gestire e sfruttare in modo efficace ed efficiente questatipologia di input;
• Pre-elaborazione: Nella fase di pre-elaborazione avviene la pulizia, la trasformazione e la selezione dei dati non strutturati. Attraverso questo processo, i dati vengono depurati da tutti quei contenuti informativi che non sonoritenuti utili per l’analisi da condurre. Per fare ciò, l’intelligenza artificiale si avvale di due principali strumenti di analisi, ovvero il natural language understanding e il computer vision. Il primo viene utilizzato per decodificare e interpretare il linguaggio umano, sia parlato che scritto. Il secondo consente di creare all’interno delle macchineintelligenti delle immagini che rispecchiano il mondo reale;
• Processi principali: I processi principali comprendono tre tipologie di comportamenti intelligenti: problem solving, reasoning e machine learning. Il primo permette di selezionare, tra le varie alternative, la soluzione migliore per conseguire un determinato obiettivo. Il reasoning replica la logica del ragionamento umano pergiungere alla conclusione più conveniente in base alle informazioni che si hanno a Il machine learning sfrutta queste due tecniche per acquisire nuova conoscenza, oppure per modificare quella già esistente, al fine di conseguire gli scopi desiderati con maggiore efficacia ed efficienza;
• Knowledge base: La knowledge base è la base di conoscenza utilizzata dall’intelligenza artificiale che raccoglie e memorizza i dati e le informazioni derivanti dalle esperienze precedenti;
• Informazioni: Le informazioni costituiscono l’output rilasciato dall’intelligenza artificiale nell’ambiente in cui Queste possono essere impiegate per redigere testi scritti, creare immagini e guidare i robot.

Questa suddivisione in blocchi rispecchia le caratteristiche dell’intelligenza artificiale precedentemente individuate nelle definizioni fornite. Infatti, questi sistemi si attivano grazie al ricevimento di specifici input, costituiti dai dati strutturati e non strutturati. In seguito, elaborano tali dati tramite l’esecuzione di alcuni processi. Infine, sfruttando la base di conoscenza a disposizione, rilasciano degli output nella forma di informazioni.

Tramite questa descrizione, è già possibile percepire il potenziale vantaggio fornito dall’intelligenza artificiale all’uomo e alle organizzazioni. Infatti, gli output delle macchine intelligenti possono essere sfruttati per avere più nozioni disponibilie quindi per prendere decisioni migliori. É possibile anche effettuare una schematizzazione della struttura e delfunzionamento dei sistemi di intelligenza artificiale, suddividendo, come già sottolineato, tra input, processi e output.

Estranea a questa classificazione è la knowledge base, che per le caratteristiche precedentemente esposte non rientra direttamente in nessuna di questa categoria, ma usufruisce di tutti i dati e le informazioni che vengono generati duranteil funzionamento dei sistemi.

Figura 3 – Struttura e funzionamento dei sistemi di intelligenza artificiale [Fonte: Paschen, J., Kietzmann, J., & Kietzmann].

Viste le vantaggiose e innovative caratteristiche fin qui descritte, oggi l’intelligenza artificiale viene impiegata in numerosi ambiti della vita che in precedenza richiedevano quasi sempre l’intervento umano. Ciò vale sia per attività quotidiane come la ricerca di informazioni tramite Siri e l’automazione di fasi semplici e ripetitive del processoproduttivo, che per operazioni più complesse quali la selezione di nuovo personale, la profilazione della clientela, la diagnosi precoce di malattie, il fronteggiamento degli attacchi hacker e la guida autonoma.

Per questi motivi, Sundar Pichai, CEO di Google, ha affermato che l’intelligenza artificiale è “la cosa più importante sucui l’umanità abbia mai lavorato^[8]”. Di conseguenza, le più importanti organizzazioni a livello mondiale stannoinvestendo progressivamente in queste tecnologie per sopravvivere, mantenere la propria posizione sul mercato o sconfiggere la concorrenza. Questa tendenza può essere colta tramite alcuni dati, i quali predicono l’impatto che l’intelligenza artificiale sarà in grado di generare nei prossimi anni a livello economico.

Secondo una simulazione effettuata da McKinsey & Company, leader mondiale nel settore della consulenza strategica,l’intelligenza artificiale ha il potenziale per produrre un’attività economica globale aggiuntiva dal valore di circa 13 trilioni di dollari entro il 2030, cioè il 16% in più del PIL cumulato rispetto a quello del 2018. Ciò comporterebbe una crescita annua del PIL mondiale pari all’1,2%^[9]. Nessuna innovazione tecnologica nel corso della storia è riuscita a generare dei valori simili.

Bibliografia

• Agrawal, A., Gans, J., & Goldfarb, A. (2017). The trade-off every AI company will face.
• Harvard Business Review Digital Articles.
• Aspan, M. (2020). Siri, Did I Ace the Interview? Fortune International (Europe), 181(2).
• Bhimani, A., & Willcocks, L. (2014). Digitisation, Big Data and the transformation of accounting information. Accounting and Business Research, Taylor & Francis, Vol. 44 No. 4.
• Brundage, M., Avin, S., Clark, J., Toner, H., Eckersley, P., Garfinkel, B., … & Amodei, D. (2018). The malicious use of artificial intelligence: Forecasting, prevention, and mitigation. arXiv preprint arXiv:1802.07228.
• CGMA (2016). Business Analytics And Decision Making. Baseline.
• Costa, G., & Gianecchini, M. (2019). Risorse umane: persone, relazioni e valore (Vol. 454). McGraw-Hill.
• Craigen, D., Diakun-Thibault, N., & Purse, R. (2014). Defining cybersecurity. Technology Innovation Management Review, 4(10).
• Daft, R. L. (2017). Organizzazione aziendale. Sesta edizione. Daft, R. L. (2021). Organizzazione aziendale. Maggioli, Milano.
• Davenport, T., Guha, A., & Grewal, D. (2021). How to Design an AI Marketing Strategy: What the Technology Can Do Today—and What’s Next. Harvard Business Review, 99, 42- 47.
• Davenport, T., Guha, A., Grewal, D., & Bressgott, T. (2020). How artificial intelligence will change the future of marketing. Journal of the Academy of Marketing Science, 48(1), 24- 42.
• Doke, D. (2021). Software AI. Recruiter.
• Forger, G. (2020). AI and IoT are ready for your warehouse. Logistics management (Highlands Ranch, Colo.: 2002).
• Fountaine, T., McCarthy, B., & Saleh, T. (2021). Getting AI to scale. Harvard Business Review.
• Galeotti, M., & Garzella, S. (Eds.). (2013). Governo strategico dell’azienda: Prefazione del Prof. Umberto Bertini. G Giappichelli Editore.
• Gambhir, B., & Bhattacharjee, A. (2021). Embracing the role of artificial intelligence in accounting and finance: contemplating the changing skillset expectations. Development and Learning in Organizations: An International Journal.
• Gregg, M. (2005). CISSP security-management practices. Upper Saddle River, NJ: Pearson Education.
• Haenlein, M., & Kaplan, A. (2019). A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California management review, 61(4), 5-14.
• Harrison, N., & O’Neill, D. (2017). If your company isn’t good at analytics, it’s not ready for AI. Harvard Business Review.
• Henke, N., Levine, J., & McInerney, P. (2018). You don’t have to be a data scientist to fill this must-have analytics role. Harvard Business Review.
• Huang, M. H., Rust, R., & Maksimovic, V. (2019). The feeling economy: Managing in the next generation of artificial intelligence (AI). California Management Review, 61(4), 43-65.
• Lichtenthaler, U. (2020). Mixing data analytics with intuition: Liverpool Football Club scores with integrated intelligence. Journal of Business Strategy.
• Luo, X., Qin, M. S., Fang, Z., & Qu, Z. (2021). Artificial intelligence coaches for sales agents: Caveats and solutions. Journal of Marketing, 85(2), 14-32.
• McAfee, A., & Brynjolfsson, E. (2012). Big data: the management revolution. Harvard business review, 90(10), 60-68.
• Miyashita, M., & Brady, M. (2019). The Health Care Benefits of Combining Wearables and AI. Harvard Business Review.
• Nair, K., & Gupta, R. (2021). Application of AI technology in modern digital marketing environment. World Journal of Entrepreneurship, Management and Sustainable Development.
• Niehueser, W., & Boak, G. (2020). Introducing artificial intelligence into a human resources function. Industrial and commercial training, 52(2), 121-130.
• Ore, O., & Sposato, M. (2021). Opportunities and risks of artificial intelligence in recruitment and selection. International Journal of Organizational Analysis.
• Paschen, J., Kietzmann, J., & Kietzmann, T. C. (2019). Artificial intelligence (AI) and its implications for market knowledge in B2B marketing. Journal of Business & Industrial Marketing.
• Paschen, U., Pitt, C., & Kietzmann, J. (2020). Artificial intelligence: Building blocks and an innovation typology. Business Horizons, 63(2), 147-155.
• Petkov, R. (2020). Artificial intelligence (AI) and the accounting function—A revisit and a new perspective for developing framework. Journal of emerging technologies in accounting, 17(1), 99-105.
• Pighin, M., & Marzona, A. (2018). Sistemi informativi aziendali: ERP e sistemi di data analysis.
• Poba-Nzaou, P., Galani, M., Uwizeyemungu, S., & Ceric, A. (2021). The impacts of artificial intelligence (AI) on jobs: an industry perspective. Strategic HR Review, 20(2), 60- 65.
• Ponnapalli, P. (2022). Keys to successful innovation through artificial intelligence. Harvard Business Review.
• Ransbotham, S., Candelon, F., Kiron, D., LaFountain, B., & Khodabandeh, S. (2021). The Cultural Benefits of Artificial Intelligence in the Enterprise. MIT Sloan Management Review and Boston Consulting Group.
• Rudko, I., Bashirpour Bonab, A., & Bellini, F. (2021). Organizational structure and artificial intelligence. Modeling the intraorganizational response to the ai contingency. Journal of Theoretical and Applied Electronic Commerce Research, 16(6), 2341-2364.
• Samonas, S., & Coss, D. (2014). The CIA strikes back: Redefining confidentiality, integrity and availability in security. Journal of Information System Security, 10(3).
• Shrestha, Y. R., Ben-Menahem, S. M., & Von Krogh, G. (2019). Organizational decision- making structures in the age of artificial intelligence. California Management
• Review, 61(4), 66-83.
• Simonovich, L. (2021). Balancing AI advances with robust cybersecurity solutions. World Oil.
• Soni, V. D. (2020). Challenges and Solution for Artificial Intelligence in Cybersecurity of the USA. Available at SSRN 3624487.
• Strubell, E., Ganesh, A., & McCallum, A. (2019). Energy and policy considerations for deep learning in NLP. arXiv preprint arXiv:1906.02243.
• Tabesh, P. (2021). Who’s making the decisions? How managers can harness artificial intelligence and remain in charge. Journal of Business Strategy.
• S (2021). 3 areas where AI will boost your competitive advantage. Harvard Business Review Digital Articles.
• Truong, T. C., Zelinka, I., Plucar, J., Čandík, M., & Šulc, V. (2020). Artificial intelligence and cybersecurity: Past, presence, and future. In Artificial intelligence and evolutionary computations in engineering systems (pp. 351-363). Springer, Singapore.
• Tschang, F. T., & Almirall, E. (2021). Artificial intelligence as augmenting automation: Implications for employment. Academy of Management Perspectives, 35(4), 642-659.
• Tse, T., Esposito, M., Takaaki, M., & Goh, D. (2020). The dumb reason your AI project will fail. Harvard business review digital articles, 2-5.
• Vadari, S., & Desik, P. A. (2021). The Role of AI/ML in Enhancing Knowledge Management Systems. IUP Journal of Knowledge Management, 19(2), 7-31.
• Wamba-Taguimdje, S. L., Wamba, S. F., Kamdjoug, J. R. K., & Wanko, C. E. T. (2020). Influence of artificial intelligence (AI) on firm performance: the business value of AI-based transformation projects. Business Process Management Journal, 26(7), 1893-1924.
• Whitmore, A., Agarwal, A., & Da Xu, L. (2015). The Internet of Things—A survey of topics and trends. Information systems frontiers, 17(2), 261-274.
• Yampolskiy, R. V. (2017). AI Is the Future of Cybersecurity, for Better and for Worse. Harvard Business Review. May, 8.
• Zaki, M., McColl-Kennedy, R., & Neely, A. (2021). Using AI to Track How Customers Feel—In Real Time. Harvard Business Review.
• Zhang, H., Zhang, X., & Song, M. (2021). Deploying AI for New Product Development Success: By embracing and incorporating AI in all stages of NPD, companies can increase their success rate of NPD projects. Research-Technology Management, 64(5), 50-57.
• Zouave, E., Gustafsson, T., Bruce, M., Colde, K., Jaitner, M., & Rodhe, I. (2020). Artificially intelligent cyberattacks. Swedish Defence Research Agency, FOI, Tech. Rep. FOI.
• (2017). Lavazza a caccia di “coffe addicted” con l’intelligenza artificiale. Il Sole 24 Ore. Retrieved fromhttps://www.ilsole24ore.com/art/lavazza-caccia-coffee-addicted-l- intelligenza-artificiale–AEBRpxQD 2022/08/02
• Amar, J., Majumder, S., Surak, Z., & von Bismarck, N. (2021). How AI-driven nudges can transform an operation’s performance. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/operations/our-insights/how-ai-driven- nudges-can-transform-an-operations-performance 2022/07/27
• Balabio, B., Orlando, P., & Scolari, T. (2021). Cresce il mercato dell’intelligenza artificiale in Italia. Retrieved from https://www.osservatori.net/it/ricerche/comunicati- stampa/artificial-intelligence-italia-mercato-progetti-20202022/07/08
• Berruti, F., Nel, P., & Whiteman R. (2020). An executive primer on artificial general intelligence. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/operations/our-insights/an-executive- primer-on-artificial-general-intelligence 2022/07/06
• Boehm, J., Curcio, N., Merrath, P., Shenton, L., & Stahle T. (2019). The risk-based approach to cybersecurity. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/risk-and-resilience/our-insights/the-risk- based-approach-to-cybersecurity 2022/08/03
• Brooks, C. (2022). Alarming cyber statistics for mid-year 2022 that you need to know. Forbes. Retrieved from https://www.forbes.com/sites/chuckbrooks/2022/06/03/alarming- cyber-statistics-for-mid-year-2022-that-you-need-to-know/?sh=7043d0247864 2022/08/03
• Brown, S., Gandhi, D., Herring, L., & Puri, A. (2019). The analytics academy: bridging the gap between human and artificial intelligence. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/the- analytics-academy-bridging-the-gap-between-human-and-artificial-intelligence 2022/07/18
• Buehler, K., Dooley, R., Grennan, L., & Singla, A. (2021). Getting to know-and manage- your biggest AI risks. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/mckinsey-analytics/our-insights/getting-to- know-and-manage-your-biggest-ai-risks 2022/07/11
• Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2018). Notes from the AI frontier: Modeling the impact of AI on the world economy. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai- frontier-modeling-the-impact-of-ai-on-the-world-economy#part12022/07/15
• Chakraborty, A. (2021). A.I. can be a cornerstone of success – but only if leaders make the right choices. Fortune. Retrieved from https://fortune.com/2021/10/27/ai-artificial- intelligence-business-strategy-data-accenture/2022/07/29
• Chui, M., Hall, B., Singla, A., & Sukharevsky, A. (2021). The state of AI in 2021. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business- functions/quantumblack/our-insights/global-survey-the-state-of-ai-in-20212022/07/08
• Chui, M., Manyika, J., Miremadi, M., Henke, N., Chung, R., Nel, P., & Malhotra, S. (2018). Notes from the AI frontier: Applications and value of deep learning. McKinsey global institute discussion paper, April. Retrieved from https://www.mckinsey.com/featured- insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep- learning 2022/07/07
• Dandona, G. S., Sharma, J., & Wright, M. (2021). Our own digital journey: upskilling hundreds of McKinsey technologists in AI. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/about-us/new-at-mckinsey-blog/ai-upskilling-for-over-500- firm-technologists 2022/07/19
• Fowler, G. (2020). AI and its potential for cybersecurity. Forbes. Retrieved from https://www.forbes.com/sites/forbesbusinessdevelopmentcouncil/2020/12/18/ai-and-its- potential-for-cybersecurity/?sh=5d2f609e69d9 2022/08/03
• https://assets.siemens-energy.com/siemens/assets/api/uuid:cf20f2e1-ca9c-4589-9f88- 4e6592b4672d/brochure-deeparmour-industrial-200609.pdf 2022/08/05
• https://bids.berkeley.edu/news/berkeley-institute-data-science-and-accenture-applied- intelligence-announce-new-collaboration 2022/07/18
• https://info.algorithmia.com/hubfs/2020/Reports/2021-Trends-in- ML/Algorithmia_2021_enterprise_ML_trends.pdf?hsLang=en-us 2022/07/08
• https://wwd.com/business-news/technology/levis-ai-bootcamp-data-science-1234881378/ 22/09/04
• https://www.accenture.com/_acnmedia/PDF-63/Accenture-CoBE-Brochure-
• pdf#zoom=50 2022/08/23
• https://www.accenture.com/fr-fr/_acnmedia/36dc7f76eab444cab6a7f44017cc3997.pdf 2022/07/08
• https://www.bcg.com/publications/2020/is-your-company-embracing-full-potential-of- artificial-intelligence 2022/09/17
• https://www.capgemini.com/wp-content/uploads/2019/07/AI-in- pdf 2022/08/03
• https://www.careers.ox.ac.uk/article/the-pymetrics-games-overview-and-practice- guidelines 2022/07/26
• https://www.cnr.it/sites/default/files/public/media/attivita/editoria/VOLUME%20FULL%20 14%20digital%20LIGHT.pdf 2022/08/22
• https://www.levistrauss.com/2021/05/17/machine-learning-bootcamp/ 2022/07/19
• https://www.linkedin.com/pulse/how-coca-cola-using-ai-stay-top-soft-drinks-market- shivani-salunkhe 2022/08/23
• https://www.mckinsey.com/about-us/new-at-mckinsey-blog/mckinsey-receives-top- ranking-in-the-forrester-wave-ai-report 2022/07/19
• https://www.nist.gov/system/files/documents/cyberframework/cybersecurity-framework- pdf 2022/08/03
• https://www.statista.com/statistics/1083482/worldwide-ai-revenue-increase/ 2022/08/02 https://www.statista.com/statistics/1083516/worldwide-ai-cost-decrease/ 2022/08/02
• https://www.statista.com/statistics/1119824/global-business-and-hr-leaders-on-ai-impact- to-job-numbers/ 2022/07/20
• https://www.statista.com/statistics/1235395/worldwide-ai-enabled-cyberattacks- companies/ 2022/08/05
• https://www.statista.com/statistics/1293758/ai-marketing-revenue-worldwide/ 2022/07/25
• https://www.statista.com/statistics/472934/business-analytics-software-revenue- worldwide/ 2022/07/29
• https://www.statista.com/statistics/871513/worldwide-data-created/ 2022/07/29
• https://www.statista.com/statistics/941137/ai-investment-and-funding-worldwide/ 2022/07/08
• https://www.treccani.it/enciclopedia/intelligenza-artificiale 2022/07/04
• https://www.treccani.it/enciclopedia/sicurezza-informatica/#:~:text=sicur%C3%A9zza%20inform%C3%A0tica%20Ramo%20dell’informatica,dati%20riservati%20in%20essi%20contenuti. 2022/09/13
• https://www.tripwire.com/state-of-security/security-data-protection/43-billion-stolen- through-business-email-compromise-since-2016-reports-fbi/ 2022/09/13
• https://www.webfx.com/martech/pricing/ai/#:~:text=In%202020%2C%20companies%20can%20pay,house%20or%20freelance%20data%20scientists.&text=In%20comparison
• %2C%20custom%20AI%20solutions,from%20%246000%20to%20over%20%24300%2C 000. 2022/09/18
• Jeans, D. (2020). Companies will spend $50 billion on artificial intelligence this year with little to show for it. Forbes. Retrieved from https://www.forbes.com/sites/davidjeans/2020/10/20/bcg-mit-report-shows-companies- will-spend-50-billion-on-artificial-intelligence-with-few-results/?sh=7efe3fe57c87 2022/09/17
• Johar, P. (2020). How AI makes big data smarter. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2020/03/23/how-ai-makes-big-data- smarter/?sh=381f9b6a4684 2022/08/01
• Luchtenberg, D., & Migliorini, R. (2022). Coca-Cola: The people-first story of a digital transformation. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/business-functions/operations/our-insights/coca-cola-the-people-first-story-of-a-digital-transformation 2022/08/02
• Malins, A. (2022). Machine learning and artificial intelligence: implementation in practice. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2022/01/25/machine-learning-and- artificial-intelligence-implementation-in-practice/?sh=7692b2a35c89 2022/07/15
• Manyika J., & Sneader K. (2018). AI, automation, and the future of work: Ten things to solve for. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/featured- insights/future-of-work/ai-automation-and-the-future-of-work-ten-things-to-solve-for 2022/07/15
• Marr, B. (2017). The Amazing Ways Coca Cola Uses Artificial Intelligence And Big Data To Drive Success. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2017/09/18/the-amazing-ways-coca-cola- uses-artificial-intelligence-ai-and-big-data-to-drive-success/?sh=1448c01778d2 2022/08/02
• Marr, B. (2018). The amazing ways how Unilever uses artificial intelligence to recruit & train thousands of employees. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2018/12/14/the-amazing-ways-how-unilever-uses-artificial-intelligence-to-recruit-train-thousands-of-employees/?sh=485a1ca76274 2022/07/26
• Marr, B. (2022). The most in – demand technical skills – and how to develop them. Forbes. Retrieved from https://www.forbes.com/sites/bernardmarr/2022/08/03/the-most- in-demand-technical-skills–and-how-to-develop-them/?sh=7a1c4e1362e4 2022/08/22
• Mohan S. (2022). How to make it easier to implement AI in your business. Forbes. Retrieved from https://www.forbes.com/sites/forbestechcouncil/2022/05/27/how-to- make-it-easier-to-implement-ai-in-your-business/?sh=481bfbd65300 2022/07/12
• Rossitto, S. (2021). “Senza intelligenza artificiale e big data impossibile un vaccino contro il Covid in tempi brevi”. Il Sole 24 Ore. Retrieved from https://www.ilsole24ore.com/art/senza-intelligenza-artificiale-e-big-data-impossibile-vaccino-contro-covid-tempi-brevi-AD5lOYHB 2022/08/01
• Rusconi, G. (2022). L’intelligenza artificiale facilita il cambiamento organizzativo. Il Sole 24 Ore. Retrieved from https://www.ilsole24ore.com/art/l-intelligenza-artificiale-facilita- cambiamento-organizzativo-AEitC2OB 2022/07/14
• Sinur, J., & Peters, E. (2019). AI & big data; better together. Forbes. Retrieved from https://www.forbes.com/sites/cognitiveworld/2019/09/30/ai-big-data-better- together/?sh=61a9e9a360b3 2022/08/01
• Taulli, T. (2021). Artificial intelligence: should you teach it to your employees? Forbes. Retrieved from https://www.forbes.com/sites/tomtaulli/2021/09/10/ai-artificial- intelligence-should-you-teach-it-to-your-employees/?sh=2bab6b507b73 2022/07/18
• Tremolada, L. (2019). Machine learning, deep learning e reti neurali. Ecco di cosa parliamo. Il sole 24 ore. Retrieved from https://www.ilsole24ore.com/art/machine- learning-deep-learning-e-reti-neurali-ecco-cosa-parliamo–AEaToEBH2022/07/07
• ASIMOV, I. (1950), I, Robot. (Cited at page 5)
• BABBAGE, C. (1982), «On the Mathematical Powers of the Calculating Engine», The Origins of Digital Computers. Texts and Monographs in Computer Science.
• BODEN, M. A. (2018), Artificial Intelligence: A Very Short Introduction.
• CAMPBELL, M., HOANE, A. J. e HSIUNG HSU, F. (2002), «Deep Blue», Artificial Intelligence, vol. 134, p. 57–83.
• CLARKE, A. C. e KUBRICK, S. (1968), 2001: A Space Odyssey.
• DICK, P. K. (1968), Do Androids Dream of Electric Sheep?
• HASHEMIPOUR, S. e ALI, M. (2020), «Amazon Web Services (AWS) – An Overview of the On-Demand Cloud Computing Platform».
• KRIZHEVSKY, A., SUTSKEVER, I. e HINTON, G. E. (2012), «ImageNet classification with deep convolutional neural networks», Communications of the ACM, vol. 60, p. 84 – 90.
• LECUN, Y., BENGIO, Y. e HINTON, G. E. (2015), «Deep Learning», Nature, vol. 521, p. 436–444.
• MASLEJ, N., FATTORINI, L., BRYNJOLFSSON, E., ETCHEMENDY, J., LIGETT, K., LYONS, T., MANYIKA, J., NGO, H., NIEBLES, J. C., PARLI, V., SHOHAM, Y., WALD, R., CLARK, J., e PERRAULT, R. (2023), «The AI Index 2023 Annual Report», Rap. tecn., AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA.
• MCCARTHY, J. (1960), «Programs with common sense».
• MCCARTHY, J., MINSKY, M., ROCHESTER, N. e SHANNON, C. E. (2006), «A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955», AI Mag., vol. 27, p. 12–14.
• RAO, A. S. e VERWEIJ, G. (2017), «Sizing the prize: what’s the real value of AI for your business and how can you capitalise?».
• RUSSELL, B. e WHITEHEAD, A. N. (1956), «Principia Mathematica to *56».
• RUSSELL, S. e NORVIG, P. (1995), «Artificial intelligence – a modern approach: the intelligent agent book».
• TURING, A. (1937), «On computable numbers, with an application to the Entscheidungsproblem», Proc. London Math. Soc.
• VASWANI, A., SHAZEER, N. M., PARMAR, N., USZKOREIT, J., JONES, L., GOMEZ, A. N., KAISER, L. e POLOSUKHIN, I. (2017), «Attention is All you Need», in «NIPS».
• freepik.com

Note

[1] https://www.treccani.it/enciclopedia/intelligenza-artificiale 2022/07/04.

[2] Daft R. L. (2021). Organizzazione aziendale. Maggioli, Milano, 361.

[3] Paschen, J., Kietzmann, J., & Kietzmann, T. C. (2019). Artificial intelligence (AI) and its implications for market knowledge in B2Bmarketing. Journal of Business & Industrial Marketing, 1411.

[4] Haenlein, M., & Kaplan, A. (2019). A brief history of artificial intelligence: On the past, present, and future of artificial intelligence.California management review, 61(4), 5.

[5] Paschen, J., Kietzmann, J., & Kietzmann, T. C. (2019), op. cit., 1411-1412.

[6] Paschen, U., Pitt, C., & Kietzmann, J. (2020). Artificial intelligence: Building blocks and an innovation typology. Business Horizons, 63(2), 153.

[7] Paschen, U., Pitt, C., & Kietzmann, J. (2020), op. cit., 148-151.

[8] Tabesh, P. (2021). Who’s making the decisions? How managers can harness artificial intelligence and remain in charge. Journal ofBusiness Strategy, 4.

[9] Bughin, J., Seong, J., Manyika, J., Chui, M., & Joshi, R. (2018). Notes from the AI frontier: Modeling the impact of AI on the world economy. McKinsey Global Institute. Retrieved from https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-modeling- the-impact-of-ai-on-the-world-economy#part1 2022/07/15.