Un’applicazione riceve una fattura, controlla che l’importo non superi una soglia e la inoltra alla persona incaricata. Il compito è automatizzato, ma questo basta per parlare di intelligenza artificiale?
Dipende dal modo in cui il sistema produce il risultato. Se esegue una sequenza di istruzioni stabilite in anticipo, siamo davanti a un’automazione tradizionale. Se invece interpreta documenti con strutture variabili, riconosce elementi, stima una categoria o segnala un’anomalia attraverso un modello, può esserci una componente di IA. La differenza non sta nell’aspetto moderno dell’applicazione, ma nel meccanismo che collega gli input agli output.
La tecnologia è la categoria più ampia
La tecnologia comprende conoscenze, strumenti, macchine e sistemi sviluppati per raggiungere uno scopo. Può essere meccanica, elettronica, informatica o basata su nuovi materiali. Una stampante industriale, un sensore, un software gestionale e un impianto automatizzato sono tutte tecnologie, anche quando non incorporano alcuna forma di intelligenza artificiale. Le tecnologie di stampa 3D e i materiali che utilizzano mostrano, per esempio, quanto la categoria si estenda oltre il solo software.
L’intelligenza artificiale occupa un’area più circoscritta. Indica sia un campo di ricerca sia un insieme di metodi e sistemi informatici capaci di elaborare input e produrre risultati orientati a un obiettivo. Questi risultati possono assumere la forma di previsioni, classificazioni, raccomandazioni, decisioni o contenuti.
Il rapporto tra i due concetti è quindi gerarchico: ogni sistema di IA è una tecnologia, ma non ogni tecnologia è un sistema di IA. La stessa distinzione vale nel digitale. Un prodotto può usare software, connettersi a Internet e gestire grandi quantità di informazioni senza ricorrere a metodi di intelligenza artificiale.
Automazione, software tradizionale e IA a confronto
Per confrontare sistemi omogenei conviene osservare come viene determinato l’output. La presenza di uno schermo, di un’app o di un algoritmo non è un criterio sufficiente: anche l’IA usa algoritmi, mentre moltissimi algoritmi non appartengono all’IA.
Automazione basata su regole
Un’automazione tradizionale applica condizioni esplicite. Può inviare una notifica quando scade un termine, bloccare un ordine oltre un limite o trasferire un documento da una cartella all’altra. Le regole possono essere numerose e il flusso può risultare complesso, ma il comportamento rimane prescritto dal programma.
Questo approccio è adatto quando le situazioni da gestire sono definite e le conseguenze di ogni condizione possono essere stabilite in anticipo. La complessità del processo non lo trasforma automaticamente in IA: anche migliaia di istruzioni fisse restano istruzioni fisse.
Machine learning e modelli appresi dai dati
Nel machine learning il programmatore non descrive manualmente la risposta per ogni possibile caso. Un modello viene sviluppato per individuare relazioni nei dati o nell’esperienza disponibile e applicarle a nuovi input. È il caso, per esempio, di un sistema che assegna una categoria a documenti dalla struttura variabile o stima la probabilità che un messaggio sia indesiderato.
Il machine learning appartiene al campo dell’IA, ma non coincide con tutta l’intelligenza artificiale. Anche il deep learning, le reti neurali e il reinforcement learning identificano metodi o paradigmi specifici, non sinonimi dell’intera tecnologia. Nel campo rientrano inoltre approcci legati alla logica formale, al ragionamento, alla pianificazione, alla rappresentazione della conoscenza, al linguaggio e alla percezione.
Per questo la distinzione non può essere ridotta alla formula “regole contro apprendimento”. Un semplice blocco di condizioni non basta a qualificare un prodotto come IA, ma esistono anche approcci di IA che non dipendono esclusivamente dall’addestramento di una rete neurale.
IA generativa
L’IA generativa è un sottocampo dell’intelligenza artificiale. Comprende sistemi che producono testi, immagini, audio o video in risposta a una richiesta. Chatbot e generatori di immagini hanno reso l’IA più visibile, ma rappresentano soltanto una parte del settore.
Un sistema può essere IA senza generare contenuti: può prevedere una domanda futura, raccomandare un’azione, riconoscere un oggetto o classificare un evento. Identificare tutta l’intelligenza artificiale con gli strumenti generativi significa confondere la categoria generale con una delle sue applicazioni.
Dati, modelli e autonomia come elementi distintivi
I dati, da soli, non dimostrano la presenza di IA. Anche un foglio di calcolo, un archivio digitale e un programma contabile ricevono ed elaborano dati. Il punto decisivo è come tali input vengono trasformati in risultati.
In un sistema tradizionale la trasformazione può essere completamente descritta da operazioni predisposte: a una determinata condizione corrisponde una risposta stabilita. In un sistema di IA entra in gioco un modello o un metodo inferenziale che ricava dagli input una previsione, una classificazione, una raccomandazione, un contenuto o una decisione orientata a un obiettivo.
Anche l’autonomia va interpretata in senso operativo. Indica il margine con cui il sistema può produrre risultati senza che una persona stabilisca ogni singolo passaggio. Può presentarsi a livelli diversi e non implica coscienza, intenzioni umane o capacità generali. L’eventuale adattamento dopo la messa in uso è un’ulteriore caratteristica possibile, non una prova da considerare isolatamente.
Nel contesto specifico del Regolamento (UE) 2024/1689, gli orientamenti della Commissione europea sulla definizione di sistema di IA individuano sette elementi: base meccanica, autonomia, possibile adattamento dopo l’impiego, obiettivi espliciti o impliciti, deduzione a partire dagli input, produzione di output e capacità di influenzare un ambiente fisico o virtuale. È un riferimento utile per capire il confine operativo, purché lo si mantenga nel suo ambito giuridico.
Come valutare un prodotto che dichiara di usare l’IA
Un prodotto digitale può combinare più livelli: interfaccia, database, automazioni fisse e uno o più modelli di IA. La presenza di una componente intelligente non rende necessariamente “intelligente” ogni funzione. Per valutare la dichiarazione bisogna isolare il compito attribuito all’IA e seguirne il funzionamento dall’input all’output.
- Individuare l’input: testo, immagine, misurazione, comportamento dell’utente o altra informazione ricevuta dal sistema.
- Capire il metodo: verificare se il risultato deriva soltanto da regole esplicite oppure da un modello che effettua inferenze.
- Identificare l’output: una previsione, una classificazione, una raccomandazione, una decisione o un contenuto sono segnali più informativi della semplice etichetta “smart”.
- Valutare l’autonomia: distinguere tra l’esecuzione di un comando e la produzione di un risultato non prescritto passaggio per passaggio.
I due approcci rispondono a esigenze differenti. Quando le regole sono stabili e completamente definibili, l’automazione tradizionale può essere la soluzione più diretta. Quando gli input variano e non è pratico enumerare ogni caso, un modello di IA può offrire un metodo diverso per produrre il risultato. Non esiste un vincitore universale: conta la corrispondenza tra metodo, compito e livello di controllo richiesto.
Domande e risposte
Qual è la differenza tra tecnologia e informatica?
La tecnologia è la categoria più ampia e comprende strumenti, processi, macchine e sistemi applicati a uno scopo. L’informatica riguarda in modo più specifico l’elaborazione delle informazioni attraverso sistemi di calcolo e software. Una tecnologia può quindi essere meccanica o legata ai materiali senza appartenere all’informatica; l’intelligenza artificiale, invece, si sviluppa principalmente nell’ambito informatico, pur potendo essere integrata in macchine e dispositivi fisici.
Qual è la differenza tra tecnologia e digitale?
“Tecnologia” indica l’insieme generale degli strumenti e dei sistemi tecnici. “Digitale” descrive invece sistemi che rappresentano ed elaborano informazioni in forma numerica. Un dispositivo digitale è una tecnologia, ma esistono anche tecnologie meccaniche, analogiche o materiali. Inoltre, essere digitale non significa usare l’IA: un documento elettronico, un modulo online o un software con funzioni fisse possono essere interamente digitali senza includere modelli intelligenti.
Il criterio che resiste alle etichette commerciali
Per riconoscere l’intelligenza artificiale non basta trovare un prodotto digitale, automatizzato o particolarmente complesso. Occorre verificare quale componente riceve gli input, con quale modello o metodo li elabora, quale tipo di output produce e con quale grado di autonomia.
Se il risultato è interamente prescritto da una sequenza di istruzioni, si tratta in genere di software o automazione tradizionale. Se il sistema deduce dagli input come produrre previsioni, raccomandazioni, decisioni o contenuti orientati a un obiettivo, ci sono elementi più solidi per parlare di IA. È il funzionamento verificabile, non l’etichetta applicata al prodotto, a segnare la differenza.
