Trustworthy AI @ Scale - Il governo dell'AI, dai prototipi alle soluzioni in produzione - ABI Lab
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
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
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