Il ruolo dell’intelligenza artificiale per la competitività delle imprese italianeStefano da EmpoliPresidente Istituto per la Competitività (I-Com)

IOTHINGS WEEK, OPENING SESSIONLunedì 25 maggio 2020

LE TECNOLOGIE AI AL TEMPO DEL COVID-19

A set of different technologies instead of a single tecnology

AI examples and areas of application

Products and technologies Use and potentialities Relevant areas

Augmented realityCross-Channel Insights, Language Translation, 3-D Maps, Virtual Shopping

Tourism and Travel; Retail

Chatbots and intelligent agentsCustomer service and Customer Experience, Custom products, Knowledge Management

Consumer electronics; Travel; Retail; B2B sales; Legal services

Self-driving cars and drones Transport, Delivery, Quality Assurance, Safety

Transportation and logistics; oil and gas; Manufacturing; Safety

Artificial vision (Imaging) Virtual diagnostic, Trademark management, quality assurance

Medicine; Health management; Manufacturing; Architecture and Urban Planning; Retail; Food and drink; Safety

Machine Learning Predictive analysis, knowledge management, software development

City planning; Financial and legal services; Travel; Retail; Consumer Electronics; Health; Safety; Public transport

Speech recognition and processing of natural language

Translation of languages, reading and interpretation of texts, transcription of texts

Digital Marketing; Customer Experience; Healthcare; Tourism and travel; Risk Management; Legal services

Robotics Automation of manual processes Safety; Manufacturing; Smart Home; Transportation; Healthcare

Virtual reality Teleconference, gaming, entertainment, virtual experiences

Retail; Games; Media and Entertainment; Healthcare; Manufacturing

Humans & Robots: competition or collaboration?

AI is based on many enabling technologies/factors

Infrastructure - Connectivity

Logical layer/Internet Protocols

Open Internet/platforms

Apps/Services

Content/Data

Users

Internet of Things

Blockchain Protocols

Blockchain DApps

AI

LE OPPORTUNITÀ DERIVANTI DALL’AI PER L’ITALIA

In UE l’ecosistema IA appare ancora poco maturo, specie in alcuni settori chiave dell’economia europea

Fonte: Asgard e Roland Berger (2018)

19

22

26

26

27

28

35

39

42

45

55

82

106

109

113

131

245

362

383

1.393

Russia

ITALIA

Brasile

Paesi Bassi

Australia

Svizzera

Singapore

Spagna

Corea del Sud

Finlandia

Svezia

India

Germania

Francia

Giappone

Canada

Regno Unito

Israele

Cina

Stati Uniti

- 200 400 600 800 1.000 1.200 1.400 1.600

Distribuzione globale delle startup IA

L’Italia è tra i primi in Europa per l’automazione..

Fonte: Eurostat (2019)

02468

1012

Spag

naDa

nim

arca

Finl

andi

aIta

liaFr

anci

aPa

esi B

assi

Port

ogal

loU

E-28

Slov

enia

Svez

iaRe

p.Ce

caPo

loni

aG

erm

ania

Aust

riaSl

ovac

chia

Bulg

aria

Mal

taEs

toni

aG

reci

aLi

tuan

iaU

nghe

riaRo

man

iaCi

pro

in %

Utilizzo di robot industriali e di servizio nelle imprese europee

L’Italia quarta in Europa per l’utilizzo di robot industriali e di servizio

Le imprese manifatturiere prime nell’impiego della robotica

0

2

4

6

8

10

12

14

16

18

20

in %

Utilizzo di robot (industriali o di servizio) nelle imprese, per settore (2018)

UE-28 Italia

…..ma aziende italiane in ordine sparso sull’IA

Fonte: Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano (2019)

Una piccola minoranza ha già un progetto a regime ma solo il 9% non mostra alcun interesse

31%

21%19%

12%

9%

8%

L’adozione delle soluzioni IA nelle aziende italiane

Ha in corso dei progetti pilota

Ha stanziato un budget per concretizzare un'idea progettuale

Ha un interesse futuro ma non ancora concreto

Ha un progetto a regime

Non ha alcun interesse

Ha un progetto in fase di implementazione

TLC, computer e prodotti di elettronica e attività editoriali sul podio dei settori italiani più inclini all’adozione dell’IA

Fonte: Elaborazioni I-Com su dati Istat

1431

3336

3842

4446

4747

4951

5455

6062

6572

7676

8086

98100

0 10 20 30 40 50 60 70 80 90 100

RistorazioneCostruzioni

Servizi postaliNoleggio eservizi di supporto alle imprese

Tessile e abbigliamentoIndustria alimentare

TrasportoImmobiliare

Legno e cartaProduzione cinematografica, video e programmi televisivi

AlloggioAltre industrie manifatturiere

Commercio all'ingrosso e al dettaglioEnergia

Settore metallurgicoAttività professionali e R&S

Chimico-farmaceuticoFabbricazione di apparecchiature elettriche

Agenzie di viaggio e dei tour operatorFabbricazione di mezzi di trasporto

Informatica ed altri servizi d'informazioneAttività editoriali

Computer e prodotti di elettronicaTLC

Indice di adozione delle nuove tecnologie nei settori economici italiani

LE PMI ALLA PROVA DELL’AI

PMI: spina dorsale del tessuto produttivo italiano

Fonte: ISTAT

45%

20%

13%

22%

Occupati (2017)

MicroimpresePiccoleimpreseMedieimpreseGrandiimprese

29%

10%

29%

32%

Valore aggiunto (2016)

A fare le spese della crisi economica sono state principalmente le piccole e piccolissime imprese

Fonte: ISTAT

80

85

90

95

100

105

110

115

120

2008 2009 2010 2011 2012 2013 2014 2015 2016

La performance delle imprese italiane nel tempo (valore aggiunto)

Micro imprese Piccole imprese Medie imprese Grandi imprese Totale

L’impatto delle tecnologie digitali sulle PMI italiane: l’analisi I-Com

Fonte: I-Com

L’analisi mira ad indagare se e quanto l’impiego di alcune tecnologie digitali (cloud, ERP, CRM e BDA)

possa aumentare la probabilità di un’impresa di appartenere ad una classe di ricavi superiore

• Il modello impiegato è un modello logistico ordinale che consente di stimare l’effetto delle variabili di

adozione delle tecnologie sulla probabilità di fare ricavi maggiori

• Variabile dipendente: classe di ricavi (14 classi)

• Variabili di controllo:

macrosettore di appartenenza (manifatturiero, energia, costruzioni e servizi non finanziari)

area geografica di appartenenza (Sud, Centro, Nord Ovest e Nord Est)

dimensione d’impresa, per classe di addetti (piccole, medie e grandi imprese)

• Il valore stimato indica la maggiore o minore probabilità che un’impresa che adotta una specifica

tecnologica ha di appartenere ad una classe di ricavi superiore rispetto a chi non adotta quella

tecnologia

L’analisi I-Com mostra un impatto positivo delle tecnologie digitali sui ricavi delle PMI italiane

Fonte: I-Com

(1)VARIABLES ricavi

1.cc 1.191***(0.039)

1.erp 2.354***(0.077)

1.crm 1.200***(0.039)

1.bda 1.230***(0.055)

2.macrosettore 1.550***(0.096)

3.macrosettore 0.542***(0.026)

4.macrosettore 0,97(0.035)

2.cl_addetti 11.030***(0.523)

3.cl_addetti 39.722***(2.108)

2.area_geografica 1.450***(0.086)

3.area_geografica 1.452***(0.081)

4.area_geografica 1.480***(0.085)

Observations 16,205Standard errors in parentheses*** p<0.01, ** p<0.05, * p<0.1

Industria ServiziVARIABLES ricavi ricavi

1.cc 1.287*** 1.146***(0.093) (0.046)

1.erp 2.189*** 2.408***(0.155) (0.098)

1.crm 1.149** 1.292***(0.077) (0.052)

1.bda 1.251** 1.243***(0.123) (0.066)

2.cl_addetti 19.308*** 8.059***-1.959 (0.481)

3.cl_addetti 154.390*** 20.622***-18.569 (1.301)

2.area_geografica 1.330** 1.564***(0.185) (0.125)

3.area_geografica 1.583*** 1.416***(0.195) (0.106)

4.area_geografica 1.797*** 1.391***(0.228) (0.109)

Observations 3,648 10,102Standard errors in parentheses*** p<0.01, ** p<0.05, * p<0.1

• Cloud computing: +20%

• ERP: +135%

• CRM: +20%

• Big Data analysis (BDA): +23%

Cloud computing e BDAmostrano un impatto maggioretra le PMI attive nel settoreindustriale, mentre ERP e CRMappaiono più rilevanti nell’ambitodei servizi

Le imprese che adottano le tecnologie digitali considerate mostrano una maggiore probabilità di appartenere ad una classe di ricavi superiore

LA STRATEGIA UE E ITALIANA SULL’INTELLIGENZA ARTIFICIALE

Is Europe too late to enter the AI race?

Examples of artificial intelligence and areas of application

EU AI main milestones (Juncker Commission)

16.02.17

Resolution of European

Parliament

10.04.18

Declaration of Cooperation on

Artificial Intelligence

25.04.2018

European approach to

artificial intelligence

07.12.18

Coordinated Plan on AI

12.02.19

Resolution on a comprehensive

European industrial policy on artificial

intelligence and robotics

09.04.19

Ethics Guidelines for Trustworthy AI

26.06.19

Policy and investment

recommendations for trustworthy

Artificial Intelligence

New Commission, new AI initiatives

AI white paper (19 February 2020) /1

The AI White Paper, published by the European Commission, aims at setting a framework for trustworthy Artificial Intelligence, based on excellence and trust.

In the so called “ecosystem of excellence”, among several planned actions, the Commission aims at proposing to the Member States a revision of the 2018Coordination Plan, facilitating the creation of excellence and testing centers that can combine European, national and private investments. This involvesworking with MSs to ensure that at least one digital innovation hub per MS has a high degree of specialization in AI, setting up a new public-privatepartnership in AI, data and robotics in the context of the Horizon Europe Programme.

For the other ecosystem (“ecosystem of trust”), the Commission assesses the main risks associated with AI in order to ensure a European regulatoryframework for a trustworthy AI.The risk-based approach allows for a proportionate regulatory intervention, heavier for high-risk AI applications than for other lower-risk applications.An AI application should be considered high-risk when it meets the following two cumulative criteria:1) it is employed in a sector where, given the characteristics of the activities typically undertaken, significant risks can be expected to occur (for instance,

healthcare, transport, energy and parts of the public sector);2) the AI application in the sensitive sector is used in such a manner that significant risks are likely to arise (based on the kind of impact on presumably

affected parties). Moreover, the use of AI applications for employment processes, biometric identification and other intrusive surveillance purposeswould always be considered as high-risk.

New Commission, new AI initiatives

AI white paper (19 February 2020) /2

Mandatory requirements for high-risk applications would cover the following areas:1) training data;2) data and record-keeping;3) information to be provided;4) robustness and accuracy;5) human oversight;6) specific requirements for certain specific applications, such as biometric identification.

These requirements would be at least in part verified under prior conformity assessments, in line with already existing mechanisms for alarge number of products being placed on the EU’s internal market.Of course, ex post controls could be still enforced by competent national authorities.

For non-high risk applications, the Commission envisages a voluntary labelling scheme, allowing the economic operators to signal thetrustworthiness of their products or services.

New Commission, new AI initiatives

EU Data Strategy (19 February 2020)

The European Data Strategy aims at Europe emerging as a leader in the data economy, providing for a single market for data and a larger role for European companies. The Commission starts from acknowledging that the EU has the potential to be successful in the data-agile economy, thanks to its technology, its know-how and its highly-skilled workforce. However, several issues are holding the EU back from realising its potential in the data economy, mainly due to the fragmentation between Member States (compared to the small number of US and China-based Big Tech firms).

Among the most important issues, the strategy lists: 1) availability of data; 2) imbalances of market power; 3) data interoperability and quality; 4) data governance; 5) data infrastructures and technologies; 6) empowering individuals to exercise their rights; 7) skills and data literacy; 8) cybersecurity.

Included in the actions envisaged by the strategy, the Commission aims at supporting business-to-business data sharing, investing in a High Impact Project on European data spaces and federated cloud infrastructures, by the establishment of EU-wide common, interoperable data spaces (in manufacturing, environment, mobility, health, finance, energy, agriculture, public administration and skills) and the setting up of a cloud service marketplace, empowering individuals regarding their data and investing in skills and general data literacy.

Le strategie AI nazionali, in attesa di quella italiana….

La strategia italiana sull’intelligenza artificiale: gli obiettivi

1. Incrementare gli investimenti, pubblici e privati, nell’IA e nelletecnologie correlate;

2. Potenziare l’ecosistema della ricerca e dell’innovazione nel campodell’IA;

3. Sostenere l’adozione delle tecnologie digitali basate sull’IA;4. Rafforzare l’offerta educativa a ogni livello per portare l’IA al servizio

della forza lavoro;5. Sfruttare il potenziale dell’economia dei dati, vero e proprio

carburante per l’IA;6. Consolidare il quadro normativo ed etico che regola lo sviluppo

dell’IA;7. Promuovere la consapevolezza e la fiducia nell’IA tra i cittadini;8. Rilanciare la pubblica amministrazione e rendere più efficienti le

politiche pubbliche;9. Favorire la cooperazione europea ed internazionale per un’IA

responsabile ed inclusiva.

L’ecosistema dell’AI: le direttrici sulle quali puntare

Due direttrici importanti di lavoro Ricerca & Produzione: collaborazioni pubblico-private a livello europeo

Produzione & Adozione: collaborazioni tra grandi imprese e PMI e tra aziende ICT e verticali

La strategia AI italiana: struttura e contenuti