Sviluppo delle competenze necessarie per sfruttare l’intelligenza artificiale

1.  Introduzione

Per sostenere il ritmo dell’evoluzione tecnologica sospinta dall’intelligenza artificiale e per  sfruttare appieno tutti i suoi vantaggi, è opportuno che le organizzazioni intervengano sulle competenze del personale, al fine di adattarle alle nuove esigenze. Questa è probabilmente una delle sfide più complesse da affrontare attualmente a livelloorganizzativo.

A tale scopo, è necessario incentivare i leader, il personale, i team di analitica e gli utenti a pensare e lavorare in maniera innovativa, uscendo dagli schemi tradizionali.

2.  Alcune soluzioni adottabili dalle organizzazioni

Occorre sottolineare come non esistano delle best practices universalmente riconosciute per sviluppare questo tipo di competenze. Di conseguenza, si riportano alcune soluzioni adottabili dalle organizzazioni, descrivendone benefici elimiti[1].

2.1.  Assunzione dall’esterno di talenti già esperti e formazione interna per i dipendenti

Principali vantaggi:

• Possibilità di colmare tempestivamente il gap relativo alle competenze grazie all’assunzione dall’esterno
• Coinvolgimento dei dipendenti già presenti in azienda
• Maggiore motivazione per i dipendenti già presenti in azienda
• Continuità nella gestione aziendale

Principali svantaggi:

• Non si costruiscono competenze tecnologiche di base a tutti i livelli
• Può mancare una formazione personalizzata per le esigenze aziendali
• Difficoltà nel trovare talenti disponibili sul mercato

2.2.  Partnership con organizzazioni che forniscono servizi di intelligenza artificiale

Principali vantaggi:

• Sviluppo di collaborazioni con organizzazioni esperte nel settore

Principali svantaggi:

• Assenza di una formazione specifica in funzione delle necessità organizzative

2.3.  Sviluppo interno di un’academy

Principali vantaggi:

• Riqualificazione dei dipendenti
• Formazione interna personalizzata in funzione delle esigenze organizzative
• Learning by doing

Principali svantaggi:

• Necessità di un forte sostegno da parte del top management aziendale
• Soluzione particolarmente dispendiosa in termini di energie e tempistiche
• Necessità di possedere già alcune competenze sull’intelligenza artificiale

2.4.  Programmi di formazione rivolti a tutti i dipendenti

Principali vantaggi:

• Democratizzazione dell’intelligenza artificiale
• Possibilità di risolvere i problemi tecnologici nel luogo in cui si verificano

Principali svantaggi:

• Necessità di un forte sostegno da parte del top management aziendale
• Talvolta gli interventi sono fini a se stessi, perchè non illustrano le modalità tramite cui usare la tecnologia in azienda

Tabella 1 – Principali soluzioni a disposizione delle organizzazioni per sviluppare le competenze per l’intelligenza artificiale

3.  Approccio misto

Alcune aziende, per esempio, adottano un doppio approccio: da un lato, assumono lavoratori già in possesso di queste skills; dall’altro, si affidano a piattaforme di apprendimento online, a università o a programmi esecutivi per riqualificare i dipendenti già attivi in azienda.

Tuttavia, questa tattica può non essere pienamente efficace. Infatti, nonostante permetta di acquisire tempestivamente le conoscenze necessarie tramite l’assunzione di lavoratori già pronti, si evita uno step fondamentale, ossia la costruzione di competenze tecnologiche generiche a tutti i livelli.

In più, bisogna considerare altri due aspetti: il primo si riferisce al fatto che le offerte educative fornite da terze parti, talvolta, presentano dei limiti, in quanto non sono personalizzate per le specifiche esigenze aziendali^[2]; il secondo invece, riguarda la già citata difficoltà nel trovare talenti disponibili sul mercato.

4.  Collaborazioni e accordi inter aziendali

Una soluzione alternativa è quella di creare delle collaborazioni con organizzazioni che forniscono servizi relativi all’intelligenza artificiale, le quali hanno già sviluppato le competenze necessarie e si impegnano nel lorotrasferimento^[3].

Anche in questo caso però, vi è il rischio di non avere una formazione specifica in funzione delle necessità organizzative.

5.  Costituzione di un’accademia interna di analytics

Un altro metodo prevede la costituzione interna di un’accademia di analytics^[4]. Tale approccio, secondo alcuni esperti, permette di portare l’intelligenza artificiale alla scala ideale. L’obiettivo principale di queste accademie è la riqualificazione dei dipendenti, in quanto consente a questi ultimi di acquisire quelle competenze analitiche critiche nell’attuale contesto competitivo, tra cui quella di traduttore di analytics di cui si è parlato in precedenza.

Le accademie di analytics risultano particolarmente vantaggiose, in quanto sono caratterizzate da tre fattori cruciali per la formazione delle competenze sull’intelligenza artificiale:

• linguaggio, protocollo e visione comuni riguardo gli interventi di formazione, i quali assicurano che tutti gli interessati siano allineati sui principali elementi necessari per integrare l’intelligenza artificiale nel business. In questo modo si ragiona in maniera olistica e ognuno è consapevole delle proprie responsabilità e di quelle degli altri. Inoltre, si istituzionalizzano le conoscenze e gli apprendimenti dai precedenti casi d’uso di questa tecnologia;
• contenuti personalizzati in funzione degli obiettivi aziendali e del contesto organizzativo, che trasformano laformazione ai dipendenti in valore di A tale scopo, le accademie progettano programmi di apprendimento ad hoc, in maniera tale da superare le barriere di natura culturale e da colmare la carenza dicompetenze;
• apprendistato attivo, il quale permette di applicare nella vita reale le conoscenze teoriche Si basa sul“learning by doing” e presenta anche dei programmi di coaching. In questo modo, si facilita la crescita del dipendente che avviene secondo tre diversi passaggi: allievo, che acquisisce delle nozioni teoriche in classe; praticante, che inizia a usare le competenze assimilate nell’attività lavorativa; esperto, che si trova a capo di progetti più ampi. Tramite questo metodo, si producono effetti benefici sulla motivazione dei lavoratori, i qualisono incentivati a seguire i programmi di formazione per poi mettere in pratica quanto appreso nel lavoro quotidiano.

In genere, nelle accademie vengono coinvolti in prima battuta dirigenti e i leader aziendali. In questa maniera, infatti, è possibile creare una visione comune di ciò che si desidera realizzare nel futuro. In seguito, viene gestita la riqualificazione del resto del personale.

Nonostante non esista ancora un modello ideale di accademia, è possibile individuare le caratteristiche che contraddistinguono quelle che hanno avuto il maggiore successo. Tra di esse vi rientrano: correlazione agli obiettivi aziendali, formazione personalizzata in funzione delle esigenze delle diverse tipologie di dipendenti presenti, sviluppo di una strategia e di una cultura data-driven, fronteggiamento di tutti i gap di competenze, promozione del learning on-the-job, rafforzamento dell’engagement e orientamento verso una formazione di lungo periodo che prevede dei periodi di aggiornamento.

Un altro aspetto rilevante è dato dalla capacità di individuare quelle competenze da sviluppare internamente in base ai percorsi di crescita futuri previsti per l’organizzazione. Se ciò avviene in modo corretto, allora l’azienda trova a sua disposizione le conoscenze giuste al momento opportuno e conseguentemente può raggiungere i propri obiettivi con efficacia. Le accademie non si limitano a dotare il personale delle conoscenze tecnologiche richieste, ma si focalizzano anche sui cambiamenti organizzativi e culturali da realizzare per condurre l’intelligenza artificiale alla scala ideale.

L’ultima peculiarità che caratterizza le accademie di successo è la capacità di mettere a punto strutture che permettono di adattarsi rapidamente ai cambiamenti tecnologici dell’ambiente circostante. Per fare ciò si adottano alcune tecnichechiave:

• alimentare le capacità interne, per cui gli allievi e i praticanti più brillanti vengono coinvolti progressivamente nellaformazione del personale;
• creare un team di leadership nell’accademia, responsabile per la crescita della struttura stessa e per l’aggiornamento delle tecniche di apprendimento e dei programmi di formazione;
• garantire che i leader svolgano un’attività di supporto continuo, per esempio partecipando attivamente il giorno in cui viene lanciato un nuovo programma di formazione e premiando coloro che ottengono i risultati Inquesto modo si rafforza ancora di più l’importanza di questa attività e si ha anche un effetto motivazionale sul personale.

6.  Piani di formazione interni rivolti a tutti i dipendenti

Esistono poi alcune aziende che sviluppano dei piani di formazione interni rivolti a tutti i dipendenti, in modo tale da realizzare una sorta di democratizzazione dell’intelligenza artificiale^[5]. Lo scopo di questo metodo è quello disviluppare competenze a tutti i livelli, al fine di risolvere la maggiore quantità di problemi rapidamente.

Tuttavia, questa tecnica può presentare delle criticità nel caso in cui non vi sia un adeguato sostegno da parte deidirigenti e dei top manager. Inoltre, un altro limite è dato dal fatto che talvolta questi interventi sono fini a se stessi, in quanto forniscono una conoscenza generale dell’intelligenza artificiale, ma non spiegano come essa può essere concretamente sfruttata all’interno dell’organizzazione.

Occorre poi precisare che, data la complessità della tematica in oggetto, affinché tali programmi possano avere successo, è opportuno programmare degli interventi di formazione graduali, che partano da argomenti più semplici,come la statistica, per poi passare ai concetti più complessi.

7.  L’importanza di investire nella formazione sull’intelligenza artificiale

A questo punto si riporta una tabella che dimostra le differenze a livello di formazione  sull’intelligenza artificiale tra leorganizzazioni ad alte performance e le altre.

Tabella 2 – Confronto sul livello di formazione sull’intelligenza artificiale tra le organizzazioni ad alte performance e le altre per categoria di dipendente.

Da questi dati si comprende quanto sia importante per le organizzazioni investire nella formazione sull’intelligenza artificiale, in quanto questa può incidere anche sulle performance globali. In generale, si può affermare che le aziende ad alte performance hanno una conoscenza sul tema superiore in tutte le posizioni professionali rispetto alle altre. Dunque, l’educazione sull’intelligenza artificiale può costituire un fattore di differenziazione. Tale differenza risultaessere particolarmente significativa nei dirigenti, con un valore del 19%, e nei manager, dove scende al 15%. Ciò può essere dovuto al fatto che queste figure hanno un ruolo cruciale nella formulazione di vision e mission innovative basate su questa tecnologia. Il divario invece scende fino al 3% per quanto riguarda i dipendenti in prima linea, i quali invece tendono ad essere meno coinvolti in questa innovazione.

8.  Confronto sulle modalità per lo sviluppo di competenze

Infine, si presenta un’altra tabella che confronta le modalità di formazione per i traduttori   di analitica prescelte dalleorganizzazioni ad alte performance e le altre.

Tabella 3 – Confronto sulle modalità per lo sviluppo di competenze per traduttori di analitica tra organizzazioni ad alte performance e le altre.

I dati a disposizione evidenziano la tendenza generale a prediligere la formazione interna rispetto all’assunzione dall’esterno per questa figura professionale critica. Tuttavia, queste  caratteristiche sono maggiormente evidenti nelle organizzazioni che ottengono le migliori performance sul mercato. La preferenza per la preparazione interna può esserericondotta al fatto che, tramite essa, è possibile personalizzare l’intervento formativo in funzione delle necessità dellevarie categorie di dipendenti.

9.  Conclusioni

Non vi è ancora evidenza circa l’esistenza di una soluzione migliore rispetto alle altre in merito alle tecniche per lo sviluppo di competenze sull’intelligenza artificiale. Si può però ritenere che questa operazione sia una sfida cruciale per il futuro delle organizzazioni, da fronteggiare coinvolgendo ogni livello organizzativo, affinché si possano produrre effetti positivi anche sulla performance globale.

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#part1 2022/07/15
• 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».

Note

[1] Brown, S., Gandhi, D., Herring, L., & Puri, A. (2019), op. cit.; Chakraborty, A. (2021), op. cit.; Taulli, T. (2021).

[2] 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.

[3] Chakraborty, A. (2021), op. cit.

[4] Brown, S., Gandhi, D., Herring, L., & Puri, A. (2019), op. cit.

[5] Taulli, T. (2021). Artificial intelligence: should you teach it to your employees? Forbes. Retrieved fromhttps://www.forbes.com/sites/tomtaulli/2021/09/10/ai-artificial-intelligence-should-you-teach-it-to-your- employees/?sh=2bab6b507b732022/07/18.