Trustworthy AI @ Scale - Il governo dell'AI, dai prototipi alle soluzioni in produzione - ABI Lab

Pagina creata da Emma Sartori
 
CONTINUA A LEGGERE
Trustworthy AI @ Scale - Il governo dell'AI, dai prototipi alle soluzioni in produzione - ABI Lab
Trustworthy AI @ Scale
Il governo dell’AI, dai prototipi alle soluzioni in produzione
Filippo Finocchiaro, Regulatory & Risk Technology Solutions Leader, Partner Deloitte   22 Marzo 2022
Diego Piovan, Regulatory & Risk Technology Solutions, Partner Deloitte
Deloitte Risk Advisory 2021
Trustworthy AI @ Scale - Il governo dell'AI, dai prototipi alle soluzioni in produzione - ABI Lab
Intelligenza Artificiale: dalla fase di ‘hype’ ad ‘utilizzo enterprise’
Il mercato dell’Intelligenza Artificiale (AI) sta crescendo anno dopo anno, tuttavia solo poche aziende sono riuscite a
sfruttare appieno il potenziale della tecnologia, integrandola all’interno del proprio modello operativo.
                 Trend di mercato globale                                                                    Principali sfide sul mercato italiano (3)                 Il mercato italiano del banking (4)

  Le imprese di tutto il mondo credono                                                                   In Italia il 61% delle grandi imprese ha                L’Intelligenza Artificiale è una priorità ICT
  nell’intelligenza artificiale.                                                                         avviato almeno un progetto di AI.                       per il 55% delle banche, percentuale che
                                                                                                                                                                 sale all’83% se consideriamo le banche di
                                                                                                         Le principali sfide sono:                               maggiori dimensioni.
        30.6                Stima dei ricavi prodotti
                            dall’AI entro il 2024 (1)                                                                      La gestione del ciclo di vita delle
         B$                                                                                                                soluzioni di AI
                                                                                                                                                                 TOP 5 AREE DI LAVORO
                                                                                                                                                                  ▪ Assistenza (interna e al cliente)
                                                                                                                                                                  ▪ Antiriciclaggio
                                                                                                                                                                  ▪ Sviluppo commerciale
                            Leader del settore che                                                                         Le recenti proposte di                 ▪ Operations
                                                                                                                           regolamento dell’AI (es. AI Act)
        93%                 considerano l’AI la chiave                                                                                                            ▪ Credito
                            per essere competitivi (2)
                                                                                                                           La trasformazione culturale, in       PRINCIPALI ESIGENZE
                                                                                                                           termini di competenze e mindset        Monitorare il mercato per          Sperimentare per
                            Leader del settore che                                                                                                               identificare possibili aree di   comprendere come trarne
                            prevedono di aumentare i                                                                                                                     applicazione                 effettivo valore
        85%                 propri investimenti nell’IA                                                                    La quantificazione dei benefici         Presidiare l’evoluzione        Dotarsi di un metodo per
                            nel prossimo anno fiscale (2)                                                                  ottenibili dall’utilizzo dell’AI      normativa con impatto sulle      passare ad un approccio
                                                                                                                                                                         soluzioni AI                   “industriale”

  (1)   Forbes – Roundup of Machine Learning forecasts and market estimates, 2020
  (2)   Deloitte AI Institute – State of AI in the Enterprise 4th Edition, 2021
  (3)   Osservatorio Artificial Intelligence Politecnico di Milano - IL MERCATO 2020 DELL’ARTIFICIAL INTELLIGENCE IN ITALIA: APPLICAZIONI E TREND DI SVILUPPO
  (4)   Rilevazione sulle priorità ICT delle banche italiane, ABI Lab, 2021

Copyright © 2022 Deloitte Risk Advisory                                                                                                                                                                                      2
La roadmap di governo dell’Intelligenza Artificiale
Definire una strategia di AI allineata alla strategia di business, sperimentare use case e scalare in produzione in modo
rapido, efficace e affidabile.
  I LEADER DI MERCATO E LE FINTECH HANNO BEN COMPRESO I BENEFICI                                                    … SFRUTTANDO LA TECNOLOGIA COME ELEMENTO DISTINTIVO DELLA LORO
  OTTENIBILI DALL’ADOZIONE DELL’AI…                                                                                 VALUE PROPOSITION SUI CLIENTI
Come evidenziato dalle ricerche di mercato, i market leader e le FinTech stanno                                    Per sostenere la propria posizione all’interno di un contesto competitivo in
utilizzando e faranno sempre più uso dell’Intelligenza Artificiale per offrire ai                                  continua evoluzione, e puntare a migliorarla, risulta cruciale definire quanto
propri clienti prodotti e servizi iper-specializzati, in real-time e in modo                                       prima una strategia di adozione dell’AI in modo efficace e mirata alla creazione di
proattivo, anticipando i loro bisogni.                                                                             valore per la banca e per i propri clienti.

                Si consiglia quindi di adottare un approccio che consente di avviare sin da subito attività di sperimentazione dell’AI mirate alla generazione rapida del valore.

                                                        L’APPROCCIO TRUSTWORTHY AI @ SCALE                                                                        VANTAGGI PER LE BANCHE

                           THINK BIG                               START SMALL                           SCALE FAST                                    •   Generazione di valore sin da subito, grazie alla
                                                                                                                                                           definizione degli use case AI insieme alla
                                                                                                                                                           definizione della strategia
                                                                                                                                                       •   Identificazione e mappatura dei principali use
                                                                                                                                                           case AI nelle varie funzioni aziendali con relativo
        SVILUPPO                             DEFINIZIONE          SPERIMENTAZIONE      IMPLEMENTAZIONE                  ENTERPRISE                         valore aggiunto e macro-valutazione della
      STRATEGIA AI                           USE CASE AI             USE CASE AI          AFFIDABILE                   DEPLOYMENT                          complessità di realizzazione
   Definizione di una                       Definizione dei       Sperimentazione           Sviluppo                 Implementazione                   •   Definizione delle priorità di implementazione sul
   visione dell’AI e di                   principali use case,    rapida ed efficace     responsabile di            delle soluzioni AI su                  proprio Data Lake rispetto al valore generato
      una roadmap                            dei potenziali       degli use case ad        soluzioni AI               larga scala con                      dall’implementazione degli use case AI
    implementativa                          benefici e delle         alto valore e     attraverso l’utilizzo           metodologie e                   •   Definizione di una Strategia e una Governance
     allineata con la                         priorità di          misurazione dei     di un framework di             strumenti di AI                      dell’AI, allineata con l’Information Governance,
  strategia di business                    sperimentazione         benefici ottenuti    Trustworthy AITM                Governance                         per garantire uno sviluppo efficace, responsabile
                                                                                                                                                           e su larga scala
                                                                                                       FOCUS PROSSIME SLIDE

Copyright © 2022 Deloitte Risk Advisory                                                                                                                                                                          3
Trustworthy AI @ Scale: sfide e opportunità di crescita
Per crescere all’interno di un contesto competitivo in rapida evoluzione, è fondamentale affrontare tre sfide attraverso un
approccio strutturato all’AI Governance.

                                                 Per scalare in modo efficace ed offrire servizi sempre più innovativi ai propri clienti,
                                              le banche devono adottare metodologie, processi e strumenti evoluti per governare l’AI…
                                                                         … affrontando tre principali sfide…

                                Implementare l’AI su                                 Implementare un’AI                                 Misurare e monitorare i
                 01                grande scala                            02             affidabile                            03        risultati nel tempo

                Essendo l’AI parte integrante del                          Per rispondere ai futuri requisiti                  Per continuare ad avere successo,
                   core business dell’azienda, è                           normativi, minimizzare i rischi e                   è cruciale definire metodologie e
                  fondamentale che essa possa                              conquistare la fiducia dei clienti,                   processi di misurazione delle
                 essere progettata, sviluppata e                              è necessario adottare un                         performance durante tutto il ciclo
                   gestita con rapidità, agilità e                           framework per la gestione                         di vita dei prodotti che utilizzano
                            robustezza.                                           responsabile dell’AI.                              l’intelligenza artificiale.

                                                                                                                                             Performance
                                          MLOps                                             AI Ethics
                                                                                                                                             Management

                                                                          … tramite un approccio integrato

Copyright © 2022 Deloitte Risk Advisory                                                                                                                              4
Il percorso di adozione del MLOps
Le aziende tipicamente iniziano a sperimentare l’AI in modo destrutturato, utilizzando diversi strumenti e svolgendo
diverse attività manuali. Per poter scalare con diverse soluzioni in produzione è necessario adottare best practice e
strumenti che consentono di automatizzare le attività di gestione del ciclo di vita dei sistemi di AI.

  Nei progetti di Machine Learning
  tipicamente ci sono diverse fasi che
  riguardano la progettazione, lo sviluppo, la
  messa in produzione e la gestione delle                                         Orchestrazione
  operations:                                                                     Esperimenti di                                                         Automated
                                                                                                                  Pipeline di ML
                                                                                       ML                                                                 Triggering
  • Data extraction                                                      Repo                        CT                                  CI/CD
  • Data analysis
  • Data preprocessing
  • Model training
  • Model evaluation
  • Model validation
  • Model serving                                        Processo di sviluppo manuale                               Pipeline di CT/CI/CD per il Machine Learning
  • Model monitoring
                                                 Questo approccio è sperimentale e iterativo, e le        Approccio robusto e automatizzato di CT/CI/CD che consente una
                                                 attività di addestramento e test del modello sono        distribuzione rapida ed affidabile delle soluzioni di ML in produzione.
  Queste fasi possono essere affrontate con
                                                 eseguite manualmente.                                    Aggiornamenti e nuove funzionalità del modello vengono costruiti,
  un processo manuale, tipicamente utilizzato
                                                                                                          testati, implementati e convalidati automaticamente.
  presso aziende che sono alle prese con le
  prime sperimentazioni, oppure con un
  approccio di MLOps.                                                                                     CI = Continuous Integration, CD = Continuous Delivery, CT = Continuous Training

Copyright © 2022 Deloitte Risk Advisory                                                                                                                                                     5
Il contesto etico-normativo di riferimento
In un contesto di rapido cambiamento senza precedenti…

… gli enti istituzionali                  Obblighi di Legge
                                          •   GDPR
di tutto il mondo                         •   AI Act
stanno definendo                          •   ePrivacy Regulation
                                          •   MiFID II
nuove normative,                          •   Solvency II
linee guida e
                                          Linee Guida e Pubblicazioni
pubblicazioni per
                                          •   G20: AI Principles
normare un utilizzo                       •   Empowering AI Leadership
efficace ed affidabile                    •   A Global AI in Financial Services Survey 2020
                                          •   AI HLEG: Ethics guidelines for Trustworthy AI
degli algoritmi e                         •   AI in the banking industry: EBF position paper
fornire potere e                          •   Council of Europe (CAHAI): A Legal Framework for AI
                                              Systems
consapevolezza ai                         •   OECD: TOOLS FOR TRUSTWORTHY AI                                  •   Model Artificial Intelligence Framework
cittadini.                                •   MISE - Proposte per una Strategia italiana per l'Intelligenza   •   Artificial intelligence - Australia's Ethics Framework
                                              Artificiale                                                     •   IEEE: Ethically Aligned Design “EAD”
                                          •   Rome Call for AI Ethics                                         •   US Leadership in AI: A Plan for Federal Engagement in Developing
                                          •   Rapporto ABI Lab 2021 e AI Governance Framework                     Technical Standards and Related Tools
                                          •   AI in Financial Services                                        •   Deloitte's Trustworthy AI Framework e Report Survey
                                          •   Harvard: Principled Artificial Intelligence: Mapping            •   Google: AI Principles
                                              Consensus in Ethical and Rights based Approaches to             •   IBM: Everyday Ethics for Artificial Intelligence
                                              Principles for AI                                               •   UNESCO - Draft text of the Recommendation on the ethics of Artificial
                                          •   Principles to Promote Fairness, Ethics, Accountability and          intelligence
                                              Transparency (FEAT) in the Use of Artificial Intelligence and   •   BCBS 239
                                              Data Analytics in Singapore’s Financial Sector                  •   Microsoft: Responsible AI
Copyright © 2022 Deloitte Risk Advisory                                                                                                                                               6
Il framework di Trustworthy AI
Il framework Deloitte Trustworthy AITM consente di valutare gli impatti etici dell’AI a 360°, gestendo aspetti come la
privacy dei dati, la trasparenza verso i clienti e il rispetto delle normative.

                  Fair / Impartial                                                                           Robust / Reliable
     Le applicazioni AI comprendono controlli                                                     I sistemi di AI hanno la capacità di imparare
   interni ed esterni per contribuire a garantire                                                      dagli esseri umani e da altri sistemi,
    un’applicazione equa tra tutti i partecipanti                   Fair / Impartial                 producendo output coerenti e affidabili

                                                    Transparent /                      Robust /
                                                     Explainable                       Reliable

           Transparent / Explainable                                                                               Privacy
    Tutti i partecipanti sono in grado di capire                     Trustworthy                  La vita privata dei consumatori è rispettata
    come vengono utilizzati i loro dati e come i                         AITM                      e i dati dei clienti non vengono utilizzati
    sistemi di AI prendono decisioni; algoritmi,                                                        oltre l’uso previsto e dichiarato; i
     attributi e correlazioni sono ispezionabili                                                       consumatori possono scegliere di
                                                                                                              condividere i loro dati
                                                    Responsible/
                                                                                        Privacy
                                                    Accountable

                                                                     Safe / Secure
           Responsible/Accountable                                                                              Safe / Secure
    Sono in atto delle policy per determinare                                                      I sistemi di AI possono essere protetti dai
   chi è ritenuto responsabile dell'output delle                                                  rischi (inclusi i Cyber) che possono causare
             decisioni del sistema di AI                                                                      danni fisici e/o digitali

Copyright © 2022 Deloitte Risk Advisory                                                                                                           7
Monitorare le performance del sistema a 360°
  Deloitte e ABI Lab hanno definito tre ambiti di misurazione delle performance delle soluzioni di AI
                          KPI di Business                                                       KPI di Modello                                     KPI di Etica e Governo

OBIETTIVO: misurare l’efficacia della soluzione di                              OBIETTIVO: identificare indicatori tecnici per la   OBIETTIVO: identificare indicatori utili a misurare
AI e a quantificare i benefici apportati.                                       misurazione delle performance dei modelli di AI     dal punto di vista etico e di governo l’efficacia
                                                                                                                                    della soluzione di AI.
METODO: condivisione di esperienze per                                          METODO: E’ stato realizzato un albero               METODO: Anche relativamente a questo tipo di
identificare una long-list di KPI di business                                   decisionale composto da 8 domande da porsi in       KPI, partendo dal confronto di esperienze, sono
(definizione di KPI con formule condivise), su 4                                sequenza le quali, tramite un sistema di filtri,    state sviluppate delle proposte sulle modalità di
ambiti di applicazione:                                                         guidano nella selezione del set di KPI coerente     rilevazione. La checklist comprende le seguenti
                                                                                alle specifiche caratteristiche dello use case.     classi di indicatori:

                                        Use case con focus sulla Customer
Gestione relazione cliente              Journey dei clienti a 360° (esclusi i
                                                                                                                                                                               Data
                                               chatbot e voicebot)                                                                   Cyber Security      Transparency
                                                                                                                                                                            Governance

                                       Focus sugli algoritmi conversazionali,
   Chatbot e voicebot                    con impatto sia sull’efficienza sia
                                                 sull’engagement
                                                                                                                                         Privacy            Fairness      Sustainability

                                      Comprende i KPI relativi all'efficienza
  Efficienza operativa                 e all'ottimizzazione dei sistemi, dei
                                       processi e degli applicativi aziendali
                                                                                                                                                         Trustworthy AI   Infrastruttura
                                                                                                                                      Explainability
                                                                                                                                                          Governance       tecnologica
                                        Comprende i KPI relativi al governo
   Controllo dei rischi
                                         delle diverse tipologie di rischio                 …            …                    …
  Copyright © 2022 Deloitte Risk Advisory                                                                                                                                           8
Il percorso di implementazione di una Trustworthy AI @ Scale
Dopo aver dimostrato il successo delle prime sperimentazioni, è necessario avviare un percorso aziendale mirato ad una
gestione affidabile ed enterprise dell’Intelligenza Artificiale.

                                                                                                                                             Trustworthy AI Managed Services
    High                                                                                                                                     Esternalizzare il monitoraggio periodico
                                                                                                                                             e la robustezza dei sistemi e dei modelli
                                                                         AI Governance & Risk Model                                          di AI
                                                                         Definire il modello di ruoli e
                                                                         responsabilità, i rischi, i controlli e gli
                                                                         indicatori da utilizzare per garantire
                                                                         l’affidabilità dell’AI, nel rispetto delle
                                                                         normative vigenti e in uscita (es. AI Act)
     AI Ethics Maturity

                                                                                                                                   AI Ethics by Design
                                                                                                                                   Selezionare e adottare metodologie e tecnologie
                                                                                                                                   per lo sviluppo secondo un approccio di AI Ethics
                                                                                                                                   by Design and by Default, come ad esempio:
                                     AI Ethics Point of View                                                                       strumenti per la spiegabilità, crittografia
                                     Definizione dei principi di AI                                                                omomorfa, strumenti di equità e affidabilità
                                     Ethics allineati con la strategia
                                     aziendale
                                                                                    AI Ethics Maturity Assessment
                                                                                    Valutare lo stato di maturità dell’AI Ethics
                                                                                    rispetto a tutti i principi (es. robustezza,
                                                                                    privacy, sicurezza, equità, trasparenza,
                                                                                    responsabilità dell’AI)
     Low

                                                                                                 Timeline

Copyright © 2022 Deloitte Risk Advisory                                                                                                                                                  9
Important notice
This document has been prepared by Deloitte Risk Advisory S.r.l. for the sole purpose of enabling the parties to whom it is addressed to evaluate the capabilities of Deloitte Risk Advisory S.r.l. to supply the
proposed services.
The information contained in this document has been compiled by Deloitte Risk Advisory S.r.l. and may include material obtained from various sources which have not been verified or audited. This
document also contains material proprietary to Deloitte Risk Advisory S.r.l.. Except in the general context of evaluating the capabilities of Deloitte Risk Advisory S.r.l., no reliance may be placed for any
purposes whatsoever on the contents of this document. No representation or warranty , express or implied, is given and no responsibility or liability is or will be accepted by or on behalf of Deloitte Risk
Advisory S.r.l. or by any of its partners, members, employees, agents or any other person as to the accuracy, completeness or correctness of the information contained in this document.
Other than stated below, this document and its contents are confidential and prepared solely for your information, and may not be reproduced, redistributed or passed on to any other person in whole or in
part. If this document contains details of an arrangement that could result in a tax or insurance saving, no such conditions of confidentiality applies to the details of that arrangement (for example, for the
purpose of discussion with tax authorities). No other party is entitled to rely on this document for any purpose whatsoever and we accept no liability to any other party who is shown or obtains access to this
document.
This document is not an offer and is not intended to be contractually binding. Should this proposal be acceptable to you, and following the conclusion of our internal acceptance procedures, we would be
pleased to discuss terms and conditions with you prior to our appointment.
Deloitte Risk Advisory S.r.l., a company, registered in Italy with registered number 05059250158 and its registered office at Via Tortona no. 25, 20144, Milan, Italy, is an affiliate of Deloitte Central
Mediterranean S.r.l., a company limited by guarantee registered in Italy with registered number 09599600963 and its registered office at Via Tortona no. 25, 20144, Milan, Italy.
Deloitte Central Mediterranean S.r.l. is the affiliate for the territories of Italy, Greece and Malta of Deloitte NSE LLP, a UK limited liability partnership and a member firm of Deloitte Touche Tohmatsu Limited,
a UK private company limited by guarantee (“DTTL”). DTTL and each of its member firms are legally separate and independent entities. DTTL, Deloitte NSE LLP and Deloitte Central Mediterranean S.r.l. do not
provide services to clients. Please see www.deloitte.com/about to learn more about our global network of member firms.

Copyright © 2022 Deloitte Risk Advisory
Puoi anche leggere