Ammagamma: una realtà tutta italiana dedicata all'intelligenza artificiale con una visione originale su ChatGPT

Oggi l’intelligenza artificiale è sulla bocca di tutti. Da quando ChatGPT è arrivato sul mercato, nel novembre scorso, la stessa nozione di intelligenza artificiale da un lato è cambiata e dall’altro ha assunto maggiore rilevanza in un’ampia fascia della popolazione che fino a quel momento aveva un’idea molto vaga del concetto. Inoltre, qualsiasi cosa si dica o si scriva sull’intelligenza artificiale rischia di diventare subito obsoleta, perché le novità e le notizie in questo campo si susseguono a un ritmo forsennato. Mentre scriviamo ChatGPT è ancora bloccato in Italia, dopo che OpenAI ha deciso di rendere il servizio inaccessibile nel nostro Paese, a seguito della pronuncia del Garante della Privacy. Su questo tema torneremo più avanti perché in una chiacchierata con Giovanni Anceschi, Head of Innovation di Ammagamma, fatta nei giorni scorsi nella sede modenese dell’azienda, sono emersi degli spunti molto interessanti.

Una “gita” a Modena per conoscere meglio Ammagamma

In una soleggiata e fredda giornata di aprile abbiamo visitato la suggestiva sede di Ammagamma a Modena. Ci ha spinto la curiosità di capire meglio cosa c’è dietro l’azienda, nata come startup 10 anni fa e che oggi è una realtà affermata nel campo dell’intelligenza artificiale. Giovanni Anceschi ci ha raccontato che l’obiettivo iniziale di Ammagamma era portare innovazione basata sui dati nella nicchia del mondo dell’efficienza energetica. Le aziende energetiche avevano un patrimonio di informazioni, ma non ne sfruttavano il potenziale, ad esempio valutavano solo a consuntivo il valore di consumo di energia. Ammagamma ha visto un’opportunità di innovazione basata sull’uso intelligente dei dati, applicando tecniche di machine learning che dieci anni fa cominciavano a essere disponibili, anche se solo a livello accademico. Come early adopter su larga scala ha usato modelli costruiti su librerie open source, riuscendo a realizzare servizi innovativi, ad esempio sviluppando dei modelli per prevedere i consumi. Ammagamma è stata fra le prime realtà a portare fuori dai laboratori di ricerca delle tecniche di gestione dei dati basate sull’uso intensivo della matematica e di algoritmi di machine learning. Per le ESCO (Energy Services Company), in quel periodo, l’approccio era di mantenere l’infrastruttura creata dalle aziende a cui veniva affiancato un software “intelligente” che aiutava a prendere decisioni in modo più efficace. Questa fase iniziale per Giovanni Areschi “era tutta una continua scoperta con sfide sempre nuove e diverse e allo stesso tempo un modo per acquisire credibilità realizzando obiettivi sul campo”.

Ammagamma nasce dal sogno del suo fondatore, Fabio Ferrari, con un nucleo iniziale formato da ingegneri soprattutto energetici/ambientali, che sapevano leggere bene quel contesto nei primi anni della startup. In una fase immediatamente successiva sono stati aggiunti matematici e ingegneri informatici e oggi la proporzione è decisamente sbilanciata verso questi ultimi, con importanti competenze di coding. Complessivamente, dei 90 dipendenti, sono oltre 50 i data scientist e developer in Ammagamma, a cui si affianca anche un team di human science. L’obiettivo è portare i temi dell’intelligenza artificiale al di fuori del contesto business, anche per guidare una riflessione su cosa sia oggi l’IA e, in modo coerente con l’obiettivo del fondatore,  creare un gruppo multidisciplinare e variegato.

L’intelligenza artificiale non esiste

L’approccio di Ammagamma ha portato a lanciare una provocazione: l’intelligenza artificiale non esiste. Giovanni Anceschi, facendosi portavoce della visione dell’azienda, ci ha spiegato che per Ammagamma esiste la matematica applicata alle soluzioni che l’uomo richiede, con l’obiettivo di entrare nella quotidianità delle imprese. Ci si vuole un po’ distaccare dal fatto che IA è ormai diventata un’etichetta, non sempre usata in modo corretto. Gli algoritmi di machine learning e deep learning sviluppati da Ammagamma sono matematica e algebra rese iper veloci e iper ottimizzate anche grazie ad hardware che fino a vent’anni fa non era neanche ipotizzabile. Machine learning e deep learning permettono quindi di risolvere, in modo molto veloce e molto scalabile, una classe di problemi che la statistica presidia da decenni, con maggiore accuratezza e performance superiori.

Giovanni Anceschi ci ha spiegato che le soluzioni che Ammagamma porta sul mercato sono declinate con due approcci diversi, in funzione della dimensione dei clienti. Per le aziende di grandi dimensioni, come ENI, vengono definite delle partnership di lungo periodo, portando competenze di matematica applicata, che si intersecano con competenze di settore specifiche. La forza della proposta di Ammagamma legata all’intelligenza artificiale è in realtà la capacità di mescolare con efficacia competenze di matematica, algebra, machine learning e deep learning con le competenze ingegneristiche specifiche di alcuni domini, per esempio l'oil and gas. E quello che su questo tipo di offerta distingue Ammagamma spesso è la capacità di dialogare con soggetti diversi, andando in profondità sulle competenze di ciascuno, quindi capire in profondità che cosa sta facendo una rete neurale per risolvere un problema di logistica delle navi, per esempio. Per il mid market sono proposte soluzioni specifiche per diversi ambiti di business. In particolare, c’è una focalizzazione su soluzioni legate alla supply chain. Partendo dai dati presenti nei database aziendali sono offerte soluzioni di forecasting che fanno leva anche su dati esogeni come il meteo. Gli algoritmi di Ammagamma ricombinano in modo molto efficace i dati provenienti da fonti diverse per realizzare previsioni accurate su quel tipo di classe di problemi.

Le soluzioni di Ammagamma sono software as a service

Le soluzioni sviluppate da Ammagamma sono fornite in modalità software as a service, erogate tramite cloud pubblico, principalmente AWS, con piani per portare lo stack anche su Google Cloud e Azure. È stato realizzato un layer Kubernetes che semplifica l’orchestrazione e la gestione di diverse istanze cloud. Ammagamma ha anche a disposizione un insieme di server in hosting presso un data center a Imola con infrastruttura OpenStack che viene utilizzato per le fasi di ricerca e di costruzione dei modelli. In funzione del fatto che il costo per allenare i modelli è significativo, nel data center sono presenti anche server GPU per effettuare internamente il training dei modelli, ottenendo così un risparmio di costi. La delivery delle applicazioni avviene principalmente sul public cloud, con alcune eccezioni nel caso ci siano particolari vincoli legati al GDPR o a specifiche esigenze dei clienti. In ogni caso, Ammagamma si adatta alle scelte tecnologiche dei clienti: ad esempio, una soluzione è stata sviluppata interamente su Azure perché il cliente, una grande azienda, aveva su quel cloud la sua infrastruttura.

La visione di Ammagamma su ChatGPT

Dopo aver descritto l’evoluzione dei servizi offerti da Ammagamma, la nostra chiacchierata con Giovanni Anceschi si è spostata sul tema più caldo del momento, ChatGPT. Abbiamo chiesto a Giovanni qual è la sua visione sulle potenzialità di ChatGPT.

Giovanni Anceschi: ChatGPT ha sicuramente portato l’intelligenza artificiale su un nuovo livello di impatto sociale perché fino a sei mesi fa le soluzioni di IA erano alla portata di pochi o comunque raggiungevano l’utente in un modo molto diverso. Oggi la facilità di accesso [di ChatGPT] è allo stesso tempo democratizzazione e polarizzazione, e questo mi preoccupa. Democratizzazione perché è cambiata la fruizione che chiunque nel mondo può avere di un algoritmo di Intelligenza Artificiale, ma polarizzazione perché si riducono ulteriormente i poli che possono effettivamente mettere a disposizione tecnologie di questo tipo. Per allenare questo tipo di algoritmi su una mole di dati così immensa servono risorse che sono inevitabilmente nelle mani di pochi. Questo è l’elemento di cui si parla oggi troppo poco. Come azienda ci dobbiamo interrogare sul nostro ruolo, che si sposterà dall’essere degli “artigiani dell’algoritmo”, combinando codice sulla parte del linguaggio, a un soggetto che unisce i pezzi di un puzzle che sono costruiti e controllati altrove. Questo pone delle nuove sfide, anche interessanti, ma che vanno capite e comprese in profondità.

Vittorio Manti: Per quanto ritenga che la scelta del Garante sia discutibile e senza volerlo difendere, mi ha colpito la reazione di ChatGPT di chiudere immediatamente l’accesso dall’Italia.

GA: Sono modalità discutibili, a maggior ragione perché siamo sempre noi italiani a porre questo tipo di problemi. Questo episodio fa emergere in modo molto chiaro la sproporzione enorme tra un soggetto come OpenAI, lo sviluppatore di ChatGPT, e uno stato sovrano. Sono molto scettico sulle modalità dell’intervento del Garante della Privacy ed è evidente che non sarà il nostro Garante a fermare l’innovazione in questo settore. Non solo, ci sono diversi accademici italiani che stanno giustamente esprimendo preoccupazione sul fatto che questa vicenda può bloccare la ricerca in un settore in cui tutto il mondo sta correndo alla velocità della luce e noi rischiamo di essere esclusi per la scelta del Garante. Detto questo, però, l’elemento positivo di questa vicenda, se analizzata in profondità, è che fa emergere in modo molto chiaro la complessità dell’intero scenario: oggi OpenAI e forse domani alcuni, pochi, altri soggetti a livello mondiale avranno un sostanziale monopolio sugli strumenti [di IA generativa] che solo loro potranno gestire e governare.

VM: La risposta di OpenAI al dispositivo del Garante è sprezzante e configura un braccio di ferro, con modalità ricattatorie. È stato come dire: io non ti rispondo neanche e chiudo l’accesso a tutti i tuoi cittadini. Non è stata una risposta nel merito, ma solo un rimandare la palla nel campo dell’avversario.

GA: è così, però tornando a una visione più positiva di quello che questo tipo di innovazione sta portando, dal nostro punto di vista intravedo un cambio di paradigma nell’interazione fra i nostri clienti e le nostre soluzioni. Oggi le soluzioni di Ammagamma sono offerte sotto forma di web application, con il cliente che accede a una serie di dashboard dove vengono presentati previsioni e raccomandazioni generate dall’algoritmo. I dati vengono quindi consultati in forma tabellare o grafica, con modalità di interazione ormai consolidate. Domani questa interazione potrebbe cambiare radicalmente e potrebbe svolgersi quasi come in un dialogo con un soggetto intelligente che supporta le tue decisioni. Noi stiamo sperimentando con dei modelli dell’Università di Stanford, che però non possono poi essere utilizzati in produzione. Cominciamo a vedere come questi tipi di modelli possono orchestrare modelli di data science o di machine learning preesistenti e quindi sostanzialmente mettersi in mezzo tra l'interazione con l'utente finale e l'abilitazione di calcoli più o meno complessi. In sintesi, quello che oggi portiamo al cliente in forma di applicazione domani si potrebbe trasformare in un dialogo con un soggetto “intelligente”.