00:00:03 IA nelle supply chain.
00:01:02 Il punto di vista di Joannes Vermorel sull’IA pratica.
00:02:40 Il potenziale dell’IA per una previsione più accurata.
00:04:07 L’IA in pratica: risolvere la compatibilità delle parti dell’auto.
00:06:33 Il ruolo dell’IA nella gestione dei casi limite della supply chain.
00:08:01 Il potenziale dell’IA per rilevare casi limite di sistema.
00:09:59 Applicazione dell’IA alla previsione della supply chain.
00:11:42 Necessità di supervisione umana nelle implementazioni di IA.
00:14:27 Resistenza all’adozione dell’IA a causa delle paure lavorative.
00:16:00 Il duplice ruolo dell’inventario nel settore del commercio al dettaglio.
00:17:33 L’IA nella determinazione delle esigenze precise di inventario.
00:18:39 L’impatto dell’IA sui ruoli della supply chain e del marketing.
00:19:32 Sfide dell’implementazione dell’IA.
Riassunto
La discussione si concentra sull’applicazione dell’IA nella gestione della supply chain. Vermorel, fondatore di Lokad, sottolinea il potenziale dell’IA nel affrontare sfide complesse che vanno oltre i semplici problemi statistici, come la compatibilità delle parti dell’auto, e gestire casi limite che vengono tradizionalmente gestiti manualmente. Nonostante la paura diffusa di perdere il lavoro, sostiene che l’IA spesso rimuove compiti noiosi, migliorando così la qualità del lavoro. Tuttavia, riconosce che la natura disruptiva dell’IA può suscitare conflitti interni, citando un esempio in cui l’ottimizzazione dell’inventario basata sull’IA sta influenzando le responsabilità di marketing e supply chain. Vermorel suggerisce che tali cambiamenti organizzativi, piuttosto che l’implementazione di software, potrebbero essere ciò che rallenta l’adozione dell’IA nelle aziende, segnalando un significativo cambiamento delle norme aziendali nel tempo.
Riassunto Esteso
La discussione si concentra sull’argomento dell’Intelligenza Artificiale (IA) nella gestione della supply chain, evidenziando i potenziali benefici e le implicazioni. Kieran Chandler, il conduttore, avvia la conversazione affermando che l’IA è una parola di moda recente nell’industria tecnologica. Ciò spinge l’ospite, Joannes Vermorel, a riflettere sul momento dell’integrazione dell’IA nelle operazioni della supply chain.
Vermorel concorda con l’osservazione di Chandler sullo status di parola di moda dell’IA e propone che i veri esperti del settore raramente utilizzino il termine “Intelligenza Artificiale”. Sottolinea che nonostante l’IA sia una parola di moda, ciò non esclude gli sviluppi significativi che avvengono sotto l’ombrello dell’IA. Indica tre componenti chiave: metodi matematici avanzati, una quantità crescente di dati accessibili e una potenza di elaborazione in aumento.
Vermorel sostiene che questi progressi possono portare a previsioni più accurate nella gestione della supply chain. Tuttavia, insiste sul fatto che la tempistica per un’integrazione totale è indistinta e probabilmente si estenderà per decenni a causa delle sfide uniche nell’industria della supply chain.
Quando Chandler chiede chiarimenti sui potenziali benefici che metodi statistici sofisticati o tecniche di deep learning possono apportare alla gestione della supply chain oltre alle previsioni migliorate, Vermorel sostiene che l’impatto dell’IA è multifacetato. Precisa che la rivoluzione dell’IA è come sperimentare il colore dopo aver conosciuto solo il bianco e nero; non si tratta solo di una maggiore risoluzione, ma anche di svelare nuove prospettive e dimensioni.
Inoltre, sottolinea che i benefici più significativi dell’IA per la gestione della supply chain potrebbero emergere da aree che inizialmente non sembrano problemi statistici. Queste opportunità nascoste per l’applicazione dell’IA, suggerisce Vermorel, sono dove il vero valore dell’IA si farà risplendere.
Per esemplificare il suo punto di vista, Vermorel offre un esempio di un’applicazione non ovvia dell’IA nella supply chain: la compatibilità dei pezzi di ricambio per auto. Descrive la difficoltà di mantenere un database delle compatibilità dei pezzi di ricambio per auto, un compito formidabile considerando i milioni di pezzi unici e le centinaia di migliaia di veicoli unici solo in Europa.
Vermorel rivela come il suo team presso Lokad abbia utilizzato il machine learning (una sotto-categoria dell’IA) per affrontare questo problema. Il loro algoritmo ha dimostrato un’accuratezza del 98% nell’individuare le dichiarazioni di compatibilità errate nel database, così come le compatibilità mancanti. Questo caso sottolinea il potenziale dell’IA nel risolvere problemi complessi all’interno della supply chain che vanno oltre i tipici problemi statistici.
Vermorel avvia una conversazione su come le complessità della supply chain vanno oltre i cataloghi standard o le soluzioni preconfezionate. Sottolinea che la maggior parte delle sfide della supply chain si trovano nei casi limite, situazioni che si discostano dalla norma. Questi casi limite, afferma, sono spesso affrontati da grandi team di persone che modificano e correggono manualmente anomalie attraverso un uso estensivo di strumenti come Excel. Questo processo laborioso, sebbene necessario, indica un’area in cui l’IA potrebbe fornire notevoli benefici.
La discussione si sposta poi sulle possibilità che l’IA offre nella rilevazione e gestione di questi casi limite. Vermorel illustra che l’IA potrebbe potenzialmente mitigare alcuni problemi affrontati nella gestione della supply chain, tra cui ritardi e stock-out accidentali. Tuttavia, questa soluzione di IA potrebbe non assomigliare a sistemi familiari operati vocalmente come Siri o Cortana. Piuttosto che un’unica IA multifunzionale, Vermorel immagina una serie di micro-casi d’uso altamente specializzati di IA progettati per gestire specifici aspetti della supply chain.
Vermorel commenta anche sulle capacità predictive dell’IA nella gestione della supply chain. Osserva che, oltre alla previsione della domanda, l’IA può offrire una previsione probabilistica sugli eventuali problemi dei fornitori, come ritardi o problemi di qualità. Menziona che l’IA può prevedere i resi dei clienti, un fattore particolarmente cruciale nel contesto dell’e-commerce di moda. Queste capacità predictive dell’IA potrebbero svolgere un ruolo vitale nell’ottimizzazione delle operazioni della supply chain, mitigando numerose incertezze intrinseche al processo.
Successivamente, Chandler e Vermorel dibattono il livello di competenza in materia di IA necessario per implementare un tale sistema. La domanda è se le aziende abbiano bisogno di esperti di IA per sfruttare i benefici dell’IA nella gestione della supply chain.
Vermorel ritiene che gli elementi di IA dell’operazione possano essere esternalizzati, eliminando così la necessità per le aziende di mantenere un team interno di specialisti di IA. Suggerisce che le organizzazioni possano delegare le loro esigenze di IA a un’azienda come Lokad, specializzata nell’ottimizzazione della supply chain.
Vermorel individua uno dei principali ostacoli nell’adozione dell’IA nelle aziende come potenziali conflitti interni dovuti alla disruzione dello status quo. Nella discussione emerge anche la paura della perdita di posti di lavoro con l’implementazione dell’IA. Tuttavia, Vermorel considera questa paura, sebbene valida, spesso fuorviante. Afferma che l’IA tende a sostituire compiti noiosi e ripetitivi come la gestione dei fogli di calcolo, che definisce “il peggior tipo di lavoro”. Invece di generare risentimento, questo tipo di automazione può liberare i dipendenti per concentrarsi su aspetti più significativi dei loro ruoli.
Tuttavia, Vermorel riconosce che l’adozione dell’IA può portare a conflitti all’interno di un’azienda, ma questo conflitto si manifesterebbe a livello aziendale piuttosto che tra i dipendenti di base. Illustra ciò con un esempio nel settore della vendita al dettaglio. L’inventario in un negozio al dettaglio serve a due scopi: soddisfare le richieste dei clienti e rendere il negozio appetibile per i clienti. Qui, l’IA potrebbe determinare l’inventario ottimale necessario per soddisfare entrambi gli scopi.
Il problema sorge quando si determina quale dipartimento all’interno dell’azienda dovrebbe sostenere i costi per ciascuna funzione dell’inventario. La supply chain coprirebbe naturalmente il costo dell’inventario per soddisfare le richieste dei clienti. Tuttavia, il costo dell’inventario finalizzato a rendere il negozio appetibile (che Vermorel equipara alle spese di marketing come gli spot televisivi) ricadrebbe logicamente sotto il marketing. Questa allocazione, guidata dalla precisione dell’IA, potrebbe portare a dispute significative, soprattutto se, ad esempio, i direttori del marketing si trovassero improvvisamente gravati da grandi spese impreviste.
Vermorel suggerisce che sono proprio questi tipi di problemi che rallenteranno l’adozione dell’IA nelle aziende, piuttosto che la paura della perdita di posti di lavoro. Sebbene l’implementazione del software stesso potrebbe essere fatta relativamente rapidamente, i cambiamenti organizzativi che essa comporta potrebbero richiedere molto più tempo. Vermorel ritiene che questa rivalutazione delle norme operative e delle responsabilità, promossa dall’implementazione dell’IA, costituirà la principale sfida per le imprese nei prossimi anni.
Trascrizione completa
Kieran Chandler: Oggi parleremo di intelligenza artificiale, un argomento che è stato un termine di moda nel mondo della tecnologia negli ultimi anni. Oggi cercheremo di andare oltre tutto questo clamore e invece concentrarci sulle sue applicazioni e su ciò che può fare per il mondo delle supply chain. Oggi mi accompagna ancora una volta Joannes Vermorel, che mi aiuterà nella discussione di oggi. Quindi Joannes, grazie per essere qui di nuovo.
Joannes Vermorel: Ciao, Kieran.
Kieran Chandler: Quindi, se ascoltiamo alcuni esperti del settore, sostengono che l’intelligenza artificiale sostituirà la metà dei posti di lavoro nel mondo entro il 2050. Tuttavia, se guardiamo alle supply chain in generale, non siamo ancora a quel punto. Sono ancora gestite principalmente tramite fogli di calcolo Excel e in modo molto umano. Quindi, quando pensi che l’intelligenza artificiale arriverà nell’industria delle supply chain? Di che tipo di periodo stiamo parlando qui?
Joannes Vermorel: È una domanda molto interessante. Concordo con la tua affermazione che l’intelligenza artificiale è un termine di moda. E credo anche che un modo per capire se qualcuno sa di cosa sta parlando quando parla di intelligenza artificiale sia se usa il termine “intelligenza artificiale” o meno. Le persone più competenti spesso non lo fanno. Ma solo perché è un termine di moda non significa che non ci sia nulla dietro. Quindi cosa abbiamo dietro? Abbiamo circa tre cose: metodi matematici migliori, molti più dati e potenza di elaborazione. Hai bisogno di un metodo che possa convertire tutti questi dati con metodi matematici migliori in risultati migliori, che nella supply chain si traduce in previsioni più accurate. Per quanto riguarda i tempi, credo che ci siano molti aspetti specifici del mondo delle supply chain che devono essere affrontati e i tempi sono abbastanza incerti. Ci vorrà molto tempo, letteralmente decenni.
Kieran Chandler: Quindi, se mettiamo da parte le preoccupazioni legate alla terminologia e diciamo che l’intelligenza artificiale si riferisce fondamentalmente a tecniche di deep learning molto avanzate, cosa possono aspettarsi i professionisti della supply chain da questi metodi statistici avanzati? Probabilmente possono aspettarsi previsioni migliori, ma c’è qualcos’altro che possono aspettarsi?
Joannes Vermorel: Sì, c’è molto di più. Uno dei problemi con le previsioni prima di questa ondata di intelligenza artificiale è che non avevamo molti esempi concreti di come potrebbe apparire una previsione migliore. Per definizione, una previsione più accurata è una previsione migliore, ma è l’unico modo? L’intelligenza artificiale fornisce altri esempi che suggeriscono che non lo è. È un po’ come se stessimo guardando qualcosa in bianco e nero e ora otteniamo il colore. Non è solo una risoluzione migliore, è un’altra dimensione. Per le supply chain, credo che i maggiori benefici arriveranno da problemi che non sembrano affatto problemi statistici, ed è lì che l’intelligenza artificiale brillerà davvero.
Kieran Chandler: Quindi, quello che stai dicendo è che ci sono problemi che, superficialmente, non sembrano affatto problemi statistici, ma che possono effettivamente essere utilizzati come una sorta di previsione al fine di rendere possibile l’utilizzo della tecnologia dell’IA. Potresti approfondire un po’ di più?
Joannes Vermorel: L’anno scorso ho avuto l’opportunità di lavorare su un problema molto intrigante, che è la compatibilità dei pezzi di ricambio nell’industria automobilistica.
Kieran Chandler: Fondamentalmente hai delle auto che devono essere riparate e per queste auto hai bisogno di pezzi di ricambio. Solo per darti un’idea del problema sul mercato europeo, ci sono diversi milioni di pezzi diversi. È un po’ folle pensare che ci siano solo 300 milioni di europei. Inoltre, ci sono oltre centomila veicoli distinti. C’è un’intera industria, seppur piccola, che compete su una cosa: stabilire un database di compatibilità tra auto e pezzi di ricambio. Tutto ciò che queste aziende fanno è creare un elenco di quali auto sono compatibili con quali pezzi.
Joannes Vermorel: Infatti, questi database sono composti da milioni di righe e sono interamente mantenuti a mano con letteralmente centinaia di persone che dedicano la loro vita a mantenere questo unico database. Il mio team presso Lokad, specializzato in machine learning, non in intelligenza artificiale in senso stretto, è riuscito a sviluppare un algoritmo. Abbiamo testato questo algoritmo su una configurazione reale e ha raggiunto un’accuratezza del 98% nel rilevare la compatibilità dichiarata dal database. L’algoritmo ha dimostrato anche un’accuratezza del 98% nel rilevare le compatibilità mancanti, quindi potrebbe esserci un pezzo che può effettivamente essere montato sulla tua auto, ma tu o chiunque altro non lo sa ancora perché è abbastanza difficile tenere traccia di così tante auto e pezzi.
Kieran Chandler: Utilizzare l’intelligenza artificiale per verificare se un pezzo di ricambio per auto è compatibile con il mio veicolo sembra un po’ eccessivo. Avrei pensato che potesse funzionare una semplice catalogazione o una soluzione di base pronta all’uso. Ma cosa può fare l’intelligenza artificiale per le supply chain in generale?
Joannes Vermorel: Il punto che voglio illustrare è che la maggior parte delle sfide nelle supply chain si trovano effettivamente nei casi limite. Si tratta di situazioni che di solito funzionano, ma poi ci sono eccezioni. Queste eccezioni non si risolvono da sole. Ci vogliono persone, e molte, per risolvere questi casi limite. Alla fine ti ritrovi con interi eserciti di persone che modificano fogli Excel perché il modo in cui ti accorgi che ci sono così tante persone che si occupano di questi casi limite nelle supply chain è il gran numero di persone che modificano fogli Excel. Non stanno sprecando il loro tempo. Si occupano di questi casi limite che non si adattano realmente al sistema principale di ERP. Devono ricorrere a Excel per gestirli. Quindi tecnicamente, ogni volta che vedi persone che devono occuparsi manualmente di una moltitudine di casi limite che di solito coinvolgono Microsoft Excel, questa è una situazione in cui molto probabilmente l’intelligenza artificiale può risolvere.
Kieran Chandler: Quindi avere l’IA che rileva questi casi limite sembra una grande idea. Sicuramente andrebbe molto lontano nel risolvere alcuni dei problemi che vediamo qui da Lokad, come ad esempio ritardi e mancanze accidentali di stock. Ma come sarebbe effettivamente in pratica? Sarebbe qualcosa come Siri o Cortana, come una voce nell’orecchio dell’operatore che gli dice cosa fare e quando farlo?
Joannes Vermorel: L’idea che il tuo telefono dica improvvisamente “guarda a sinistra, hai un problema” è pura fantascienza. Questi attuali sistemi di intelligenza artificiale, come Cortana e Siri, sono più una serie di casi d’uso microspecializzati. Ad esempio, le persone che hanno implementato Cortana e Siri hanno un caso d’uso speciale per ordinare una pizza. Costruiscono molto codice solo per renderlo sufficientemente flessibile da funzionare praticamente ovunque nel mondo, così puoi ordinare una pizza.
Kieran Chandler: Riuscire a consegnare una pizza con successo ovunque nel mondo è effettivamente una sfida. Si tratta di casi d’uso molto specifici. Quegli assistenti di intelligenza artificiale non sono altro che una collezione di casi d’uso ben integrati. Ora, per la supply chain, sarà più o meno la stessa cosa. Riceverai previsioni per tutte le aree in cui c’è incertezza. La domanda futura non è l’unica cosa incerta nella tua supply chain, ci sono molte altre cose come, ad esempio, i tempi di approvvigionamento. I tuoi fornitori non sono perfettamente affidabili. Non è chiaro quanto siano affidabili o meno.
Joannes Vermorel: Assolutamente, ed è qui che l’IA può aiutare. L’intelligenza artificiale può fornire una previsione probabilistica molto accurata dei problemi che i tuoi fornitori potrebbero generare. E non si tratta solo di ritardi. Forse il tuo fornitore consegnerà i beni che hai ordinato in tempo, ma quando arrivano nel tuo magazzino e li ispezioni, potresti trovare un problema di qualità.
Quindi, non si tratta solo di ritardo, ma anche della qualità di ciò che hai ricevuto. Se sei una piattaforma di e-commerce di moda, ad esempio, vendi prodotti ai tuoi clienti e a volte, perché è moda, semplicemente non piacciono. Quindi quello che fanno è restituirti quei prodotti. Sapere in anticipo chi e quante persone ti restituiranno gli articoli è molto utile per ottimizzare la tua supply chain.
Ci sono tonnellate di aree in cui si affronta l’incertezza, forse non così significative come prevedere la domanda futura, ma comunque cruciali da affrontare. Credo che queste future tecnologie basate sull’IA contribuiranno in modo significativo alla gestione della supply chain.
Kieran Chandler: Passando al lato della supervisione umana. Queste tecnologie di intelligenza artificiale non saranno in grado di funzionare da sole. Quanta competenza in materia di intelligenza artificiale sarà effettivamente necessaria per far funzionare un progetto del genere? Le grandi aziende, come Google, potrebbero avere le risorse per impiegare un gran numero di esperti di intelligenza artificiale, ma cosa succede al resto di noi? Ad esempio, le aziende di e-commerce di moda tendono ad essere piuttosto all’avanguardia quando si tratta di tecnologia, ma potrebbero non avere esperti di intelligenza artificiale nel loro organico. Come vedi che funziona effettivamente nel mondo reale?
Joannes Vermorel: In primo luogo, le migliori aziende di e-commerce di moda che conosco hanno esperti di intelligenza artificiale nel loro organico, anche se è un caso isolato. Per rispondere alla tua domanda, credo che le aziende di supply chain, o le aziende che hanno una supply chain da gestire, non abbiano necessariamente bisogno di esperti di intelligenza artificiale. Hanno bisogno di qualcos’altro, e tornerò su questo più avanti.
La componente di intelligenza artificiale può essere completamente esternalizzata a un’azienda come Lokad. Se hai preoccupazioni riguardo all’IA, puoi semplicemente diventare un cliente di Lokad e esternalizzare la tua componente di intelligenza artificiale a noi. È una strategia che può scalare abbastanza bene.
Tuttavia, affrontiamo gli elementi che non scalano, ed è qui che entra in gioco l’aspetto temporale. Credo che il problema con l’IA sia che costringe le aziende a diventare più razionali. Li costringe anche a rimuovere ambiguità e mettere in discussione lo status quo. È esattamente ciò di cui parlo nel mio libro sulla supply chain quantitativa. Se sperate di ottimizzare qualcosa, è necessario stabilire prima una misurazione. Questo è impegnativo perché mette direttamente in discussione lo status quo. Questa, credo, è la vera sfida con la tecnologia dell’IA nella supply chain.
Kieran Chandler: Le aziende affrontano la sfida di cambiare lo status quo per migliorare e sfruttare l’IA. Ciò può potenzialmente portare a dispute interne. È interessante esplorare come ciò si sviluppa. Sembra che ci siano aziende là fuori che potrebbero considerare l’IA come una prospettiva realistica. Tuttavia, c’è anche una simpatia per quei dipendenti che potrebbero vedere i loro lavori sostituiti da questi sistemi intelligenti. Quanto tempo passerà prima che abbiamo un presentatore AI qui in TV? Scherzi a parte, c’è la preoccupazione che questo possa bloccare o rallentare l’adozione della tecnologia? Qui a Lokad, abbiamo molti clienti. Se introduciamo un nuovo modello artificialmente intelligente, come pensi che funzionerà con i tuoi clienti?
Joannes Vermorel: È un buon punto. La paura è valida, ma le aspettative delle persone su ciò che accadrà di solito sono sbagliate. Se leggi la stampa, penseresti che tutti questi lavori verranno sostituiti e le persone si opporranno. Tuttavia, nella supply chain, non è così. Perché? Perché i lavori che vengono sostituiti non sono, sinceramente, fantastici. Immagina di dedicare otto ore al giorno a modificare fogli di Excel. Non è un lavoro coinvolgente. Le persone di solito sono abbastanza felici quando quel compito può essere automatizzato. Possono quindi fare una versione più gratificante del loro lavoro che ha più senso e non comporta così tanto lavoro noioso con Excel. Ma questo non significa che non ci saranno dispute. Tuttavia, queste dispute si verificheranno a un livello completamente diverso, a livello aziendale.
Ad esempio, considera una rete di vendita al dettaglio con vari negozi. La domanda è: cosa succede con l’inventario in ogni negozio? Sulla superficie, si potrebbe pensare che tutti i prodotti nei negozi esistano solo per essere venduti ai clienti. Ma non è del tutto vero. L’inventario all’interno di un negozio serve a due scopi. Il primo è che un cliente entra nel negozio, trova ciò che vuole e fa un acquisto. Il secondo scopo è rendere il negozio abbastanza attraente affinché il cliente sia invogliato a comprare qualcosa. Quindi, l’inventario svolge un ruolo duplice.
Kieran Chandler: La questione che stiamo discutendo oggi è il motivo per cui i negozi sono così pieni di merci. Sembra che abbiano paura di sembrare semivuoti, come un negozio dell’URSS. Non è un’immagine desiderabile per i clienti.
Joannes Vermorel: Assolutamente, le persone nel settore del commercio al dettaglio ne sono consapevoli. Questo è essenzialmente ciò che riguarda il merchandising. Ora, consideriamo cosa l’intelligenza artificiale può portare sul tavolo. L’IA è così precisa che può fornire risposte che nemmeno sapevi di aver bisogno. Prima di tutto, può dirti esattamente quante unità di stock hai bisogno per servire i tuoi clienti. In secondo luogo, può calcolare quanto stock hai bisogno per rendere il tuo negozio visivamente attraente per i clienti.
Kieran Chandler: Quindi, se pensiamo a questo a livello aziendale, chi pagherà per questi due tipi di stock?
Joannes Vermorel: Beh, la supply chain paga naturalmente per lo stock necessario per i clienti. Ma per lo stock aggiuntivo che è lì solo per rendere il negozio attraente, è essenzialmente una spesa di marketing. È simile a pagare per una pubblicità televisiva: non vende direttamente prodotti ma genera interesse. Quindi, quando integri l’IA nella tua catena di vendita al dettaglio, inizia a confondere la linea tra supply chain e marketing. Alcune persone potrebbero trovare ciò sfidante, specialmente il direttore marketing, che potrebbe improvvisamente trovare una grande parte del budget allocata allo stock.
Kieran Chandler: Sembra che questo cambiamento possa causare alcuni conflitti interni all’interno dell’azienda.
Joannes Vermorel: Sì, potrebbe esserci resistenza, specialmente da parte di coloro che erano a loro agio con i loro accordi di bilancio precedenti. Potrebbero dire: “No, persone della supply chain, per favore tenetevi quello. Mi andava bene avere solo pubblicità televisive come parte del mio budget.” Ma ora, la percezione sta cambiando. Lo stock viene visto come parte del marketing. Questo è un cambiamento profondo e, sebbene l’implementazione del software di intelligenza artificiale possa essere fatta rapidamente, capire e adattarsi a questi cambiamenti potrebbe richiedere decenni.
Kieran Chandler: Capisco, è una prospettiva interessante. Beh, temo che sia tutto quello che abbiamo tempo per oggi. Grazie per questa interessante discussione, Joannes. È stata molto ampia: abbiamo iniziato con l’intelligenza artificiale e abbiamo finito parlando dei negozi nell’URSS. È così che vanno le cose. Grazie per il tuo tempo, Joannes.
Joannes Vermorel: Grazie, Kieran.
Kieran Chandler: Spero che la nostra discussione abbia contribuito a chiarire alcune delle comuni misconcezioni sull’intelligenza artificiale. Grazie per averci seguito e per i fantastici feedback che abbiamo ricevuto finora sui nostri video. Torneremo molto presto, ma fino ad allora, arrivederci.
