Con l’avvicinarsi della fine del 2024, le industrie hanno iniziato a spostare la propria attenzione dalle conversazioni sull’intelligenza artificiale generativa e sui LLM alla costruzione di framework di intelligenza artificiale per le loro aziende. Si discute addirittura se un singolo fondatore con un gruppo di agenti AI possa gestire un’azienda. Ciò ha anche sollevato la questione della rilevanza dei data scientist.
Mentre parli con SCOPOIndrajit Mitra, direttore della scienza dei dati presso Tredence, ha sottolineato il fatto che l’intelligenza artificiale degli agenti sconvolgerà drasticamente le industrie e creerà grande valore. Tuttavia, lungi dal rendere obsoleti i data scientist, ciò ne rimodellerà i ruoli, le competenze e le responsabilità.
L’intelligenza artificiale agente richiede un cambiamento di mentalità e competenze. Tradizionalmente, i data scientist si concentrano su problemi predefiniti, estraendo approfondimenti e costruendo modelli all’interno di chiari contesti problematici. Tuttavia, Indrajit ha osservato che l’intelligenza artificiale degli agenti richiederà ai data scientist di inquadrare in modo proattivo problemi complessi ed esplorare soluzioni innovative.
“Il cambiamento fondamentale è che i data scientist dovranno inquadrare i problemi, non solo risolverli. Devono considerarsi innanzitutto come agenti di business e comprendere le sfide critiche che le aziende devono affrontare”, ha affermato Indrajit.
Migliorare le competenze nell’era dell’intelligenza artificiale
Per eccellere in questa era, i data scientist devono sviluppare una comprensione più profonda delle sfumature aziendali e degli ambienti tecnici. Sebbene le conoscenze di base in statistica, machine learning e deep learning rimangano essenziali, l’attenzione si sposterà verso l’apprendimento per rinforzo, l’apprendimento non supervisionato e i framework di deep AI.
“I data scientist devono riorientare le proprie competenze tecniche e, di conseguenza, migliorare le competenze. Devono sviluppare competenze nei framework e nelle piattaforme di intelligenza artificiale degli agenti, padroneggiando allo stesso tempo i sistemi che integrano intuizioni aziendali e capacità tecniche”, ha aggiunto Indrajit.
Inoltre, i data scientist non opereranno più in silos. Una forte conoscenza di ecosistemi più ampi – cloud computing, pratiche DevOps e integrazioni API – diventerà fondamentale. La capacità di ottimizzare le prestazioni su più origini dati e domini sarà essenziale per fornire sistemi efficienti e autonomi.
Data scientist come orchestratori in un mondo di intelligenza artificiale agente
In un mondo in cui l’intelligenza artificiale promette un processo decisionale autonomo, molti si chiedono se questi sistemi possano funzionare senza data scientist. Indrajit crede fermamente che non sia possibile. Sebbene l’intelligenza artificiale possa funzionare in modo autonomo in contesti specifici, i data scientist rimangono centrali nella progettazione, implementazione e ottimizzazione di questi sistemi.
“L’IA agentica non può sopravvivere senza i data scientist. Sono necessari per progettare soluzioni, addestrare modelli, integrare sistemi e monitorare continuamente le prestazioni per allinearle alle aspettative aziendali”, ha spiegato Indrajit.
Ha utilizzato l'analogia del direttore d'orchestra per descrivere il ruolo in evoluzione dei data scientist. Come i direttori d’orchestra che comprendono il pubblico, gli strumenti e i musicisti, i data scientist orchestrano sistemi di intelligenza artificiale per allineare gli obiettivi aziendali con l’esecuzione tecnica.
“I data scientist svolgeranno il ruolo di coordinatore principale, interconnettendosi tra gli specialisti della piattaforma AI, i framework di AI agentici e le parti interessate aziendali. Il loro successo dipenderà dal bilanciamento di questi elementi garantendo al tempo stesso una perfetta integrazione ed efficienza”, ha spiegato Indrajit.
Etica, governance e ingegneria dell'intelligenza artificiale
Con l’avvento dell’IA agente, le considerazioni etiche, la governance e l’ingegneria responsabile dell’IA stanno diventando ancora più cruciali. Sebbene queste tendenze siano già iniziate in settori come quello sanitario, finanziario e dei veicoli autonomi, la loro importanza non potrà che aumentare nell’era dell’intelligenza artificiale.
Indrajit ha sottolineato come l’intelligenza artificiale stia trasformando settori, come quello sanitario, dove la diagnosi basata sull’intelligenza artificiale e la gestione dei pazienti sollevano preoccupazioni sulla privacy, sui pregiudizi e sulla trasparenza. Anche le istituzioni finanziarie stanno incorporando la governance dell’IA per aderire a standard etici e normativi, come l’EU AI Act e il Dodd-Frank Act.
“Le organizzazioni stanno assumendo data scientist con esperienza nell’etica dell’intelligenza artificiale per garantire lo sviluppo responsabile dei modelli di intelligenza artificiale. I data scientist dovranno collaborare con esperti di etica, regolatori ed esperti legali per garantire che i sistemi di intelligenza artificiale siano trasparenti, responsabili e allineati con i valori sociali”, ha sottolineato Indrajit.
Il ruolo dei data scientist nell’intelligenza artificiale multimodale
Mentre l’IA agente rappresenta un cambiamento, la crescente accettazione dell’IA multimodale pone un altro livello di sfida. L'intelligenza artificiale multimodale riceve diversi input di dati da un computer, come testo, immagini e audio, e genera approfondimenti in modo indipendente. Ciò ha innescato l’idea che i data scientist potrebbero perdere il controllo di questi sistemi.
Ripudiando questa nozione, Indrajit ha sottolineato che i data scientist sono nella posizione migliore per superare le sfide poste dall’intelligenza artificiale multimodale. La loro esperienza è essenziale per garantire la trasparenza, la provenienza e l’interpretabilità dei dati.
“I data scientist sono fondamentali per interpretare i risultati dell’intelligenza artificiale multimodale e salvaguardare le informazioni acquisite. Convalidano l'autenticità dei dati, riconducono gli input ai dati di origine e controllano continuamente i dati. Tecniche come i meccanismi di attenzione e le mappe di salienza richiedono la supervisione umana e i data scientist sono i più adatti per questi compiti”, ha inoltre affermato Indrajit.
Il data scientist nel loop
L’avvento dell’intelligenza artificiale e dei sistemi multimodali segna una fase di trasformazione per la scienza dei dati. Lungi dal sostituire i data scientist, questi progressi ne eleveranno i ruoli e li porranno all’intersezione tra strategia aziendale, innovazione tecnica e governance etica.
“I data scientist svolgeranno un ruolo fondamentale nel tradurre il potenziale dell’IA agente in valore aziendale reale. Agiranno come orchestratori, bilanciando i quadri tecnici, gli obiettivi aziendali e le considerazioni etiche”, ha concluso Indrajit.
In questo panorama in evoluzione, i data scientist devono abbracciare nuove competenze, approfondire le proprie competenze nel settore e posizionarsi come leader indispensabili in un futuro guidato dall’intelligenza artificiale. In questo modo, garantiranno che i sistemi di IA agentici non solo siano efficaci ma anche allineati alle esigenze aziendali e sociali.
