Intelligenza artificiale: cosa devono considerare gli investitori

23 Settembre 2019, di Alessandra Caparello

L’intelligenza artificiale ha il potenziale di influire su ogni settore – non solo la logistica, la produzione manifatturiera o i trasporti – e inciderà sia sugli impiegati che sugli operai. Così gli analisti di Franklin Templeton Investments in un corposo report incentrato sull’IA, in cui si chiedono perché dovremmo interessarci ad essa, come ci influenzerà e come aiutare gli investitori a comprendere cosa cercare.

L’IA è l’applicazione della tecnologia per raggiungere obiettivi nella vita reale e sta attirando crescenti quantità di investimenti societari, e mano a mano che le tecnologie si sviluppano e cominciano ad avere un impatto più ampio, riteniamo che il potenziale valore che può scaturire sia destinato ad aumentare. L’IA è già in uso in molte applicazioni che utilizziamo su base giornaliera, come servizi di streaming e piattaforme di social media. Molti settori hanno capito che devono innovarsi dato che i guadagni in produttività sono divenuti più importanti, anche perché la ripresa del contesto economico globale è stata più lenta di quanto abbiamo visto in passato. Servizi al dettaglio, di media, e finanziari e trasporti sono tra i settori che avvertono l’impatto degli innovatori della piattaforma tech-centrica emergenti.

Cosa dovrebbero considerare gli investitori riguardo l’IA

L’intelligenza artificiale sta attirando volumi crescenti di investimenti societari. A mano a mano che le tecnologie si sviluppano e cominciano ad avere un impatto più ampio, il potenziale valore che può scaturire sia destinato ad aumentare.

PricewaterhouseCoopers stima che entro il 2035 l’IA rappresenterà una quota dell’economia globale pari sino a 15,7 trilioni di dollari statunitensi. Al contempo, secondo le stime di McKinsey & Company Consultants le tecniche IA dovrebbero essere in grado di creare un valore compreso tra 3,5 e 5,8 trilioni di dollari statunitensi all’anno in nove funzioni operative in 19 settori. Nel solo settore dei servizi finanziari, l’applicazione del machine learning potrebbe tradursi in una riduzione di costi per 1 trilione di dollari statunitensi entro il 2030.

Per valutare il potenziale d’investimento per le capacità, gli analisti sottolineano di concentrarsi su tre aree: creazione di valore, realizzazione di valore e difendibilità.

Creazione di valore. Qual è il problema specifico del cliente? Quanto valore genera la sua soluzione e quanti clienti simili esistono per creare un mercato disponibile totale, in altre parole, la domanda di mercato totale per il prodotto o servizio?

Realizzazione di valore. Cosa pensa la società del rendimento dell’investimento? Con quanta facilità la tecnologia può essere adottata a livello interno dai dipendenti e a livello esterno dai clienti? La società possiede i dati adeguati per risolvere il problema? La soluzione richiede infrastrutture aggiuntive (per esempio, l’aggiunta di sensori per raccogliere dati)? È necessario un cambiamento del flusso operativo?

Difendibilità. Qualcun altro può entrare in gioco e alterare una nicchia? I dati sono proprietari? Sono dati di dominio pubblico? Qualcun altro può entrare in gioco e creare gli stessi algoritmi? Qual è il grado di fungibilità di tali dati? Esistono effetti rete? I nuovi dati (per esempio relativi a un nuovo cliente) migliorano l’algoritmo?