Dott. Andrew Ng
La maggior parte delle organizzazioni ha avviato progetti pilota nell’ambito dell’intelligenza artificiale. Poche, però, sono andate oltre. Il divario non è di natura tecnologica, bensì organizzativa. Creare le strutture interne, i team e la capacità decisionale necessari per implementare l’intelligenza artificiale su larga scala è la sfida che la maggior parte dei team dirigenziali non ha ancora risolto. Senza un approccio sistematico, gli investimenti nell’intelligenza artificiale si accumulano senza produrre effetti moltiplicatori.
Portare l’intelligenza artificiale da progetti pilota isolati a una capacità a livello aziendale è la sfida che Andrew Ng – cofondatore di Google Brain, artefice della crescita di Coursera fino a raggiungere 150 milioni di studenti e autore del libro *AI Transformation Playbook* – ha dedicato la sua carriera ad aiutare le organizzazioni a risolvere.
Full Profile
Perché le organizzazioni collaborano con Andrew Ng
- Il suo "AI Transformation Playbook" – un framework articolato in cinque fasi, derivato direttamente dall’esperienza maturata nella creazione di team di IA presso Google e Baidu – offre alle organizzazioni un percorso di implementazione strutturato, non semplici principi. È la differenza tra una direzione e un piano.
- Ha operato su entrambi i fronti della sfida dell’adozione dell’IA: sia come responsabile della trasformazione di due delle più grandi aziende tecnologiche del mondo in organizzazioni incentrate sull’IA, sia come fondatore di piattaforme che hanno formato oltre 8 milioni di persone nelle competenze relative all’IA. Per lui, le modalità di fallimento su entrambi i fronti non sono solo teoriche.
- La sua tesi secondo cui «l’IA è la nuova elettricità» ridefinisce l’IA come infrastruttura di uso generale piuttosto che come una funzionalità o un prodotto – una distinzione che cambia il modo in cui i consigli di amministrazione allocano il capitale e come i team dirigenziali strutturano la responsabilità.
- È stato inserito nella prima edizione della lista Time100 AI di Time (2023) – che riconosce l’influenza attiva e attuale nel settore – ed è membro del consiglio di amministrazione di Amazon. Il primo riconoscimento segnala il prestigio tra i pari; il secondo, la credibilità nelle sale dei consigli di amministrazione.
- Attraverso AI Aspire, sviluppato in collaborazione con Bain & Company, fornisce consulenza alle imprese che stanno passando dalla fase di sperimentazione dell’IA a una trasformazione scalabile, offrendo alle organizzazioni l’accesso a una prospettiva collaudata in ambiti quali la creazione di startup, le operazioni su larga scala e l’istruzione di massa.
Punti salienti della biografia
- Co-fondatore di Google Brain, il team di ricerca a cui si attribuisce il merito di aver ridefinito l’approccio di Google all’intelligenza artificiale
- Vicepresidente e Chief Scientist di Baidu, alla guida di un team di 1.300 persone dedicato all’intelligenza artificiale e responsabile della strategia globale dell’azienda in questo ambito
- Co-fondatore e presidente di Coursera (NYSE: COUR), che oggi conta oltre 150 milioni di studenti registrati in tutto il mondo
- Fondatore di DeepLearning.AI: oltre 8 milioni di persone hanno completato corsi di IA grazie ai suoi programmi
- Inserito nella lista delle 100 persone più influenti del Time (2012), tra le persone più creative secondo Fast Company (2014) e nella lista Time100 AI (2023)
- Membro del consiglio di amministrazione di Amazon (nominato nell’aprile 2024)
- Autore di «AI Transformation Playbook» e «Machine Learning Yearning», entrambi di ampia diffusione
- Ha conseguito una laurea triennale presso la Carnegie Mellon, una laurea magistrale presso il MIT e un dottorato di ricerca presso l’Università della California, Berkeley; è coautore di oltre 200 articoli di ricerca
Biografia
La maggior parte dei progetti pilota di IA non si trasforma mai in aziende specializzate in IA. Andrew Ng ha dedicato anni a indagare il perché di questo fenomeno – dapprima come responsabile fondatore di Google Brain e poi come vicepresidente e capo ricercatore presso Baidu, dove ha creato un team di IA composto da 1.300 persone. Il divario tra la sperimentazione isolata nell’ambito dell’IA e la capacità a livello aziendale è il problema che ha studiato dall’interno.
Il suo “AI Transformation Playbook” – tratto direttamente da quell’esperienza – definisce un quadro in cinque fasi per portare l’adozione dell’IA dallo slancio iniziale a un’infrastruttura a livello aziendale. È ampiamente diffuso perché considera la trasformazione dell’IA come una sfida operativa, non come una questione tecnologica. La sua tesi secondo cui l’IA è un’infrastruttura proprio come lo era l’elettricità offre ai consigli di amministrazione un quadro strategico valido per tutti i settori e i modelli di business.
Ng è cofondatore di Coursera, che oggi conta oltre 150 milioni di studenti registrati, e ha fondato DeepLearning.AI, grazie alla quale più di 8 milioni di persone hanno acquisito competenze nel campo dell’IA. Sviluppare l’alfabetizzazione all’IA su tale scala – e valutare cosa funziona – gli offre una prospettiva concreta e collaudata su ciò che la trasformazione della forza lavoro richiede effettivamente nella pratica. Pochi relatori possono vantare prove operative paragonabili.
Ha conseguito lauree presso la Carnegie Mellon, il MIT e l’Università della California a Berkeley, è coautore di oltre 200 articoli di ricerca e fa parte del consiglio di amministrazione di Amazon. Inserito nella prima edizione della lista Time100 AI della rivista Time nel 2023 – che riconosce l’influenza attuale piuttosto che il contributo storico – continua a co-fondare aziende nel campo dell’IA attraverso AI Fund e a fornire consulenza alle imprese sulla strategia di IA tramite AI Aspire, una società che ha creato in collaborazione con Bain & Company.
Argomenti principali delle conferenze
- Adozione e trasformazione dell’IA nelle imprese
- Strategia di IA per i consigli di amministrazione e i dirigenti di alto livello
- IA agentica e la prossima fase dei sistemi di IA
- Sviluppo della forza lavoro nel campo dell’IA e rafforzamento delle competenze
- Sviluppo responsabile dell’IA e regolamentazione
- Fondamenti di machine learning e IA applicata
- L'economia dell'IA come infrastruttura generica
Ideale per
- Dirigenti di alto livello e consigli di amministrazione che definiscono la strategia in materia di IA e l’allocazione del capitale
- Direttori tecnologici (CTO) e direttori digitali (CDO) a capo dei programmi aziendali di IA
- Direttori delle risorse umane (CHRO) e responsabili delle risorse umane incaricati dell’aggiornamento delle competenze in materia di IA e della trasformazione della forza lavoro
- Responsabili della trasformazione e team di innovazione impegnati nel passaggio dai progetti pilota di IA all’implementazione su larga scala
Risultati per il pubblico
- Un quadro strutturato per individuare i punti di stallo nell’adozione dell’IA aziendale e definire le prossime mosse
- Chiarezza su come sviluppare le competenze interne in materia di IA – team, flussi di lavoro e governance – anziché affidarsi ad approcci isolati, basati su singoli progetti
- Un quadro a livello di consiglio di amministrazione che consideri l’IA come infrastruttura, con implicazioni in termini di investimenti, talenti e posizionamento competitivo
- Comprensione pratica di ciò che richiede lo sviluppo su larga scala della forza lavoro nell’IA, tratta da programmi che hanno formato milioni di persone
- Una visione più concreta dello sviluppo responsabile dell’IA – che distingue i rischi reali dalle preoccupazioni speculative – da parte di un professionista che ha sostenuto queste posizioni sia in pubblico che nell’ambito delle politiche
Discorsi
Esamina come le macchine apprendano dai dati non strutturati per far progredire settori quali la visione artificiale e l’elaborazione del linguaggio naturale, e cosa ciò comporti per le organizzazioni che si basano sulle fondamenta dell’intelligenza artificiale.
Punti chiave:
- In che modo il deep learning estrae modelli significativi dai dati non strutturati e in quali ambiti questa capacità trova applicazione pratica
- La distinzione tra apprendimento supervisionato e non supervisionato, e quando ciascun approccio è appropriato per i casi d’uso aziendali
- Cosa comporta lo stato attuale della ricerca nel campo del machine learning per le organizzazioni che investono in infrastrutture di IA
Esplora come l’intelligenza artificiale stia ridefinendo l’apprendimento – consentendo esperienze personalizzate e adattive su larga scala – e cosa ciò comporti per le organizzazioni responsabili dello sviluppo delle competenze della forza lavoro.
Punti chiave:
- In che modo l’IA crea percorsi di apprendimento personalizzati che i modelli di formazione tradizionali non sono in grado di replicare su larga scala
- Cosa comporta l’ampliamento dell’accesso a un’istruzione di qualità per il bacino di talenti globali e il vantaggio competitivo
- Le implicazioni dell’apprendimento permanente come requisito strutturale, non come aspirazione culturale
Esamina gli sviluppi emergenti nel campo dell’intelligenza artificiale e della robotica nei settori manifatturiero, sanitario e dei trasporti, con particolare attenzione all’applicazione pratica e alle condizioni necessarie per un’implementazione responsabile e incentrata sull’uomo.
Punti chiave:
- In che modo la robotica e l’IA stanno trasformando le operazioni in settori chiave e dove si concentrano le opportunità a breve termine
- Come si presenta nella pratica una collaborazione efficace tra uomo e macchina, al di là del clamore mediatico
- Le considerazioni etiche e di governance che le organizzazioni devono integrare prima dell’implementazione, non dopo