Carriere
Così il machine learning crea nuove professioni (e nuovi problemi...)
di Richard Waters
Img Description

Non accade spesso che, quasi dalla sera alla mattina, salti fuori una nuova professione. Altrettanto insolito è che molte delle persone che si fanno strada in questo nuovo campo riescano nel loro intento senza la consueta formazione formale garantita dalle istituzioni universitarie di più alto livello. Il «machine learning», così come il settore affine del «data science», si sta sviluppando con modalità che appaiono diverse rispetto alla maggior parte delle strade professionali dalle quali è stato preceduto. Rappresenta sia una delle opportunità di impiego più promettenti dei prossimi anni, sia un modello che spiega in che modo la gente che entra a far parte della forza lavoro odierna si stia adattando ai cambiamenti nelle richieste di occupazione legate al futuro.

Questa definizione è data al connubio di statistica e informatica che sta letteralmente rivoluzionando il campo dell’intelligenza artificiale. Dipende sia da una nuova classe di algoritmi di apprendimento che migliorano col passare del tempo, sia dalla disponibilità di grandi quantità di informazioni che istruiscono i sistemi. Molte organizzazioni hanno investito nell’infrastruttura IT necessaria ad accumulare i big data, spesso attingendo e saccheggiando gli archivi interni per inserirli poi in data base più centralizzati. L’esigenza di fare maggior uso di questo asset ha creato un’improvvisa richiesta di specialisti, che supera di gran lunga il numero di coloro che escono dai corsi tradizionali di informatica.

Questa non è una disciplina aperta soltanto agli informatici: poiché ha a che vedere con la raccolta, la collocazione e l’analisi dei dati, spazia in numerosi ambiti, e matematica, statistica, programmazione possono giocare tutte una parte molto importante. Parecchi dirigenti non specialisti, che credono di avere una certa familiarità con tutto ciò, si troveranno a dover approfondire maggiormente le loro conoscenze in materia dato che interagiscono con esperti di machine learning all’avanguardia in questa nuova branca del lavoro. Non esiste un’unica descrizione del lavoro in grado di includere tutti gli aspetti di questo settore in forte espansione. Di questi tempi molte persone che da sempre sono chiamate “analisti dei dati” aspirano al titolo di “data scientist”: lo afferma Anthony Goldbloom, fondatore e direttore esecutivo di Kaggle. La sua azienda, che è stata acquistata da Google, mantiene una rete informale di esperti in tutto il mondo. Secondo Goldbloom, a loro volta i data scientist aspirano a diventare esperti in machine learning.

L’esplodere della domanda di queste competenze si è verificato con molta più rapidità di quella occorrente ai tradizionali corsi universitari per dare una risposta adeguata. Secondo Stack Overflow, che gestiste una comunità online di softwaristi ed effettua uno dei sondaggi annuali più ampi nel settore, i data scientist, gli esperti in machine learning e i softwaristi con competenze in statistica e matematica sono tre delle quattro figure meglio retribuite nell’ambiente del software. La gente si sta facendo strada in questo campo percorrendo strade atipiche. Da un recente sondaggio sui 16mila utenti di Kaggle, si è appurato per esempio che soltanto il 30 per cento all’università ha studiato machine learning o data science tra le altre materie canoniche previste dal corso di studi. Al contrario, il 66 per cento si ritiene autodidatta, e poco più della metà dice di aver fatto ricorso a lezioni online per queste nuove discipline.

Ad essere attirati da questo settore sono persone provenienti da vari campi. Goldblom elenca fisica, informatica, statistica classica, bio-informatica e ingegneria chimica. Tutto questo fa sì che il machine learning sia la prima nuova disciplina a dimostrare l’importanza di un apprendimento costante lungo tutto l’arco della vita: molto semplicemente, infatti, non sarà possibile trascorrere un’intera vita lavorativa senza aggiornare le proprie competenze per adattarsi a nuove opportunità come queste. L’improvvisa domanda di specialisti in questo settore supera di gran lunga il numero di esperti che portano a conclusione i corsi tradizionali di informatica.

La specificità di questa disciplina si riflette anche nella velocità con la quale chi lavora in altri campi riesce a adattarsi al machine learning. Andrew Ng, uno dei pionieri di una tecnica nota come deep learning quando era professore alla Stanford University, dice che, a mano a mano che questo settore fa passi avanti, per i non specialisti diventa sempre più facile accedervi. «Mi ha molto sorpreso quanto sia facile entrare nel campo dell’IA. Con l’affermarsi del deep learning, gli algoritmi che abbiamo a disposizione diventano sempre più semplici perché facciamo affidamento su una mole maggiore di informazioni» dice. «Dopo poche settimane, si è già in grado di leggere documenti specialistici di grande interesse e avere intuizioni innovative in questo ambito specifico».

Ng ha fondato anche Coursera, la piattaforma per i Mooc (massive open online courses). Il suo corso in IA è stato il primo ad attirare su Internet un vasto pubblico, anche se poche delle persone che l’hanno iniziato sono arrivate a concluderlo. In ogni caso, i Mooc hanno riscosso successo tramite corsi online più strutturati e con obbiettivi più strettamente definiti. «La conoscenza si diffonde molto più rapidamente», dice. Il fenomeno di una nuova disciplina che prende forma così rapidamente induce le aziende a porsi domande precise su come sfruttare al meglio queste competenze. Come concepire posizioni lavorative in grado di far rendere al massimo questa nuova tipologia di esperti di dati? E come far fronte alle aspirazioni di questi nuovi lavoratori e mettere a punto percorsi di carriera tali da attirarli ai livelli più alti del management, dove la mancanza di competenze tecniche appare fin d’ora un problema?

La cattiva notizia è che, almeno per il momento, molte aziende sembrano non riuscirci. Secondo il sondaggio Kaggle, la maggior parte di chi lavora in questo settore afferma di trascorrere una-due ore alla settimana alla ricerca di un nuovo posto di lavoro, dice Goldbloom. Ciò è confermato da Stack Overflow data, che si basa su ricerche condotte su 64mila sviluppatori di software. Con una percentuale del 14,3, gli specialisti in machine learning occupano le posizioni più in alto tra gli sviluppatori che affermano di cercare un nuovo posto di lavoro. Al secondo posto seguono i data scientist con il 13,2 per cento.

Chi lavora in questo campo va incontro a molte delusioni, dice Goldbloom. Tra le principali vi sono i “bad data”: i loro datori di lavoro non riescono a fornire il materiale di partenza necessario a ottenere buoni risultati. Alcuni deplorano anche il fatto di aver ricevuto una serie di domande del tutto prive di chiarezza alle quali dare risposta. Nella maggior parte dei casi, le aziende possono fiutare questa opportunità, ma non ne sanno abbastanza per ricavare il massimo dall'insieme delle informazioni che posseggono. Tutto questo mette in luce anche la mancanza di conoscenze tecniche tra i manager non specializzati che lavorano accanto ai data scientist e agli esperti di machine learning. C’è poi la frustrazione che nasce dall’essere all’avanguardia, come in qualsiasi professione nuova: la gente si lamenta del fatto che manchino altri talenti disposti a collaborare, dice Goldbloom.

Le aziende che sono cresciute su Internet, raccogliendo enormi quantità di informazioni sul comportamento e sulle abitudini dei loro utenti e utilizzando tecniche come l’A/B test per migliorare di continuo i loro servizi, costituiscono la destinazione naturale per i lavoratori di questo tipo. Se sono indirizzate a competere per alcuni dei migliori talenti del futuro, altre aziende dovranno far sì che queste tecniche diventino il presupposto fondamentale della loro attività.

A questo punto la domanda è quali paesi si stanno affermando come i centri più importanti per il machine learning. Un quarto degli utenti di Kaggle, che opera un network online per data scientist ed esperti in machine learning, si trova negli Stati Uniti, mentre il secondo contingente più folto, rappresentativo del 16 per cento, vive in India. Il quadro globale, tuttavia, non è completo, perché per esempio non riflette quanto sta accadendo in Cina dove il Grande Firewall preclude ai suoi cittadini qualsiasi accesso. Ma con 165mila persone che accedono al sito ogni mese, stando alle cifre registrate nel settembre scorso, esso fornisce un’istantanea precisa dell’affermarsi di questa nuova disciplina. Il gruppo più consistente, il 27 per cento degli utenti, lavora per aziende tech e Internet, mentre il 15 per cento lavora in ambienti accademici e il 14 per cento in finanza e nelle assicurazioni.

Kaggle aiuta le aziende a entrare in contatto con il talento in questo campo emergente postando gare aperte nel settore data science, e conferisce premi ai migliori classificati. Una scoperta interessante è che soltanto il 2,5 per cento degli utenti di Kaggle si trova in Russia: tra di loro, però, vi sono ben nove dei suoi 94 “grandmaster” che sul sito hanno totalizzato il punteggio più alto.

Copyright The Financial Times Limited
(Traduzione di Anna Bissanti)

Hai raggiunto il limite di 10 articoli gratuiti disponibili questo mese.
Abbonati a Il Sole 24 Ore Mobile per avere accedere illimitatamente a tutti i contenuti del sito mobile
Inserisci il tuo numero di cellulare per attivare l'offerta o, se sei già abbonato, per continuare a leggere.
Altre informazioni