L'evoluzione dell'intelligenza artificiale nella pratica: cosa stanno sperimentando gli sviluppatori FileMaker oggi e in futuro

Quasi nessun altro argomento sta cambiando il mondo dell'IT come l'intelligenza artificiale. Solo pochi anni fa, i sistemi di intelligenza artificiale erano considerati una tecnologia del futuro per molte piccole e medie imprese. Oggi, strumenti come ChatGPT, modelli linguistici locali, generatori di immagini e agenti di IA fanno improvvisamente la loro comparsa nella vita lavorativa di tutti i giorni, spesso più rapidamente di quanto si possano adattare i processi esistenti.

Attualmente sta emergendo un'interessante miscela di entusiasmo, pressione e incertezza. Da un lato, molti imprenditori, sviluppatori e creativi vedono enormi opportunità. I testi possono essere preparati automaticamente, le immagini generate, i dati analizzati e i processi supportati in modo intelligente. Allo stesso tempo, però, cresce anche lo scetticismo. Più si approfondisce l'argomento, più diventa chiaro che spesso c'è una grande differenza tra una demo impressionante e un sistema di produzione stabile.

Soprattutto nel classico Software aziendale diventa molto chiaro. Questo perché i singoli risultati spettacolari da soli non bastano. I sistemi devono funzionare in modo affidabile, i dati devono rimanere coerenti e i processi devono essere mantenuti a lungo termine. È proprio qui che inizia la vera sfida dell'attuale sviluppo dell'IA.

Claris annuncia una nuova strategia di intelligenza artificiale per FileMaker

Claris ha un prospettive interessanti sullo sviluppo futuro della piattaforma. Nell'articolo, Ryan McCann, CEO di Claris, descrive come FileMaker sia destinato a evolversi maggiormente verso lo sviluppo supportato dall'intelligenza artificiale nei prossimi anni.

Particolarmente interessante è l'integrazione prevista dei cosiddetti "Strumenti di codifica agenziale". L'obiettivo è quello di rendere FileMaker un obiettivo di sviluppo diretto per i moderni agenti di intelligenza artificiale. In futuro, gli sviluppatori potranno selezionare i loro strumenti di sviluppo AI preferiti, formulare i requisiti in linguaggio naturale e quindi trasferire i risultati direttamente nelle soluzioni FileMaker esistenti. Secondo Claris, i sistemi di sicurezza e autorizzazione esistenti saranno mantenuti automaticamente.

Claris ha inoltre annunciato che in futuro i sistemi di intelligenza artificiale saranno in grado di comprendere la struttura dei file FileMaker e il linguaggio di scripting FileMaker. Ciò consentirà agli agenti di IA di generare autonomamente script pronti per la produzione ed estensioni dello schema direttamente all'interno delle soluzioni esistenti. In futuro dovrebbe essere possibile anche sviluppare moderne interfacce web con il supporto dell'IA.

I sistemi di IA sono spesso ancora sperimentali nella pratica

Molte discussioni sono attualmente incentrate sui risultati visibili: immagini impressionanti, testi fluidi o sistemi di agenti autonomi. Tuttavia, i problemi pratici che ne sono alla base sono discussi molto meno frequentemente. Le interfacce non funzionano in modo stabile, le versioni dei modelli cambiano improvvisamente, le dipendenze di Python si scontrano tra loro o interi ambienti di addestramento si rompono inaspettatamente dopo gli aggiornamenti. Chiunque osservi da vicino i sistemi di IA locali si rende subito conto che il settore è attualmente ancora in una fase molto sperimentale.

Tuttavia, questo non significa che l'IA sia sopravvalutata. Al contrario. È probabile che l'intelligenza artificiale cambi radicalmente molte aree dello sviluppo del software e dell'organizzazione aziendale, soprattutto a lungo termine. Tuttavia, è fondamentale saper distinguere tra l'hype a breve termine e lo sviluppo sostenibile.

"L'evoluzione dell'intelligenza artificiale" dal punto di vista di uno sviluppatore FileMaker

Marcel Moré ha scritto un articolo molto interessante su questo tema. Nel suo dettagliato Articolo sull'evoluzione dell'IA descrive in modo vivace come i sistemi di IA si stiano attualmente evolvendo da semplici strumenti a strutture più complesse e sempre più autonome. Non si tratta solo di singoli modelli linguistici o generatori di immagini, ma della combinazione di diversi sistemi che in futuro interagiranno sempre più tra loro.

L'aspetto particolarmente interessante è che Marcel Moré non si concentra solo sulle tendenze a breve termine, ma considera lo sviluppo come un cambiamento tecnologico a più lungo termine. Molte delle sue osservazioni ricordano le precedenti fasi evolutive del settore IT. Anche i sistemi ERP tradizionali, i database e le piattaforme web si sono sviluppati gradualmente nel corso di molti anni. Inizialmente, spesso consistevano in singoli strumenti o soluzioni isolate. Solo successivamente si sono trasformati in sistemi stabili e integrati, con processi chiari e strutture resistenti.

È proprio qui che l'argomento diventa interessante per gli sviluppatori FileMaker. Infatti, FileMaker è sempre stato particolarmente forte nel trasformare processi complessi in sistemi funzionanti in modo pragmatico e relativamente veloce. Molte aziende lavorano con successo da anni con soluzioni personalizzate e adattate ai propri processi. L'intelligenza artificiale apre ora possibilità completamente nuove, ma porta con sé anche nuove sfide.

La vera domanda non è più se l'IA giocherà un ruolo in futuro. Si tratta piuttosto di capire come integrare queste tecnologie nei processi esistenti in modo sensato, stabile ed economico. Ed è proprio qui che inizia l'entusiasmante fase di transizione che molti sviluppatori stanno vivendo. Sebbene il marketing e i media diano spesso l'impressione che i sistemi di intelligenza artificiale completamente automatizzati siano già sul punto di essere utilizzati su larga scala, la vita di tutti i giorni spesso dipinge un quadro molto più sfumato. Molti progetti funzionano già sorprendentemente bene in linea di principio, ma spesso solo a determinate condizioni, con notevoli competenze tecniche e talvolta alti costi di manutenzione.

Ad esempio, chi utilizza l'intelligenza artificiale localeServer o combinando tra loro diversi sistemi open source, ci si rende subito conto di quanto siano già diventati complessi questi ambienti. Le versioni di Torch, le dipendenze da CUDA, gli ambienti Python o le diverse WebUI possono tenere impegnati per giorni anche gli sviluppatori più esperti. Allo stesso tempo, però, è spesso durante queste fasi sperimentali che si acquisisce l'esperienza che poi porterà a soluzioni veramente stabili.

Forse è proprio questo che ricorda a molti sviluppatori esperti i tempi passati dell'informatica. Anche allora, molti sistemi duraturi non sono stati creati attraverso concetti perfetti e lucidi, ma attraverso anni di tentativi ed errori, personalizzazioni e miglioramenti graduali. È proprio per questo motivo che non vale la pena di essere né ciecamente euforici né prematuramente respinti dagli attuali sviluppi dell'IA. Chi prende sul serio le possibilità tecnologiche, ma allo stesso tempo ne comprende i limiti pratici, nei prossimi anni si troverà probabilmente in una posizione migliore rispetto a chi si limita a inseguire le tendenze a breve termine.

Il punto di vista dall'esterno: cosa osservano realmente gli sviluppatori in questo momento

Chiunque segua gli attuali sviluppi dell'intelligenza artificiale solo attraverso i titoli dei giornali o i social media ha subito l'impressione che l'intelligenza artificiale sia già sul punto di conquistare completamente interi settori di lavoro. In pratica, però, molti sviluppatori hanno una visione molto più sfumata della situazione. Infatti, non sono tanto le singole IA a cambiare, quanto piuttosto il modo in cui i diversi sistemi vengono combinati tra loro.

Solo pochi anni fa, molte applicazioni di IA consistevano in singoli strumenti specializzati. Un sistema generava testi, un altro immagini, un altro ancora analizzava dati o trascriveva discorsi. Oggi, invece, sta emergendo una nuova generazione di ambienti di IA in cui diversi modelli lavorano in parallelo e si integrano a vicenda.

Marcel Moré descrive molto chiaramente questo sviluppo nel suo articolo. L'intelligenza artificiale si sta sviluppando passo dopo passo, passando da singole funzioni a sistemi in rete con processi propri. Questo non cambia solo l'architettura tecnica, ma anche il ruolo degli sviluppatori stessi.

Questo perché oggi gli sviluppatori non programmano più ogni singola funzione completamente a mano. Al contrario, orchestrano sistemi, modelli, interfacce e automazioni tra loro.

Agenti AI e processi automatizzati

Questo sviluppo è attualmente particolarmente visibile nei cosiddetti agenti AI. Si tratta di sistemi che non si limitano più a rispondere a singoli comandi, ma sono in grado di eseguire diverse operazioni in successione in modo indipendente. Un agente di intelligenza artificiale potrebbe, ad esempio:

• Informazioni sulla ricerca,
• Analizzare i dati,
• Riassumere i contenuti,
• Fate domande,
• Salva i risultati
• e quindi attivare automaticamente ulteriori processi.

Da un punto di vista tecnico, questo ricorda già in parte i classici sistemi di workflow o i processi ERP, solo molto più flessibili e dinamici.

Gli sviluppatori in particolare riconoscono subito le opportunità, ma anche i rischi. Naturalmente, a prima vista questi sistemi sembrano impressionanti. Allo stesso tempo, però, ci si chiede immediatamente quanto questi processi rimarranno stabili e controllabili a lungo termine. Un sistema ERP classico funziona normalmente sulla base di regole rigide. I sistemi di intelligenza artificiale, invece, reagiscono in modo probabilistico, cioè basandosi sulle probabilità. È proprio qui che sorgono nuove sfide.

Quando un classico Scrittura in FileMaker è difettoso, di solito l'errore può essere localizzato in modo relativamente chiaro. Questo è molto più difficile con i sistemi complessi di intelligenza artificiale. In questo caso, spesso gli errori non sono causati da un singolo errore di programmazione, ma da interazioni tra modelli, prompt, qualità dei dati o interfacce esterne.

La vera sfida: l'integrazione invece dell'IA

Molti sviluppatori si stanno rendendo conto che la difficoltà effettiva spesso non sta più nel modello di IA in sé. I modelli stanno diventando sempre più potenti e facili da usare. I veri problemi spesso sorgono solo quando li si integra nei sistemi esistenti. Le aziende, in particolare, hanno spesso strutture di dati evolute, soluzioni software datate, fonti di dati diverse, processi individuali e numerosi casi speciali.

Ed è proprio qui che diventa chiaro se una soluzione di IA è davvero adatta all'uso quotidiano. Perché una demo impressionante viene creata rapidamente. Un sistema stabile e duraturo, invece, richiede dati puliti, flussi di lavoro chiari, processi controllabili, risultati tracciabili e manutenibilità a lungo termine.

Molti sviluppatori esperti stanno quindi osservando un interessante cambiamento. Mentre il pubblico parla spesso di modelli sempre più grandi, le aziende si preoccupano sempre più di questioni completamente diverse:

• Come integrare l'IA in modo sensato?
• Quali processi sono adatti a tutti?
• Dove l'intelligenza artificiale fa davvero risparmiare tempo?
• Quali rischi si presentano?
• E come si mantiene il sistema?

Queste domande sembrano meno spettacolari, ma probabilmente sono molto più importanti.

Perché gli sviluppatori di FileMaker, in particolare, hanno vantaggi interessanti in questo caso

Questo sviluppo potrebbe essere particolarmente interessante nell'ambiente FileMaker. Infatti, molti sviluppatori FileMaker sono abituati da anni a sviluppare soluzioni pragmatiche per processi aziendali reali. Invece di architetture puramente teoriche, l'attenzione si concentra spesso su processi concreti:

• Ordini,
• Gestione dei clienti,
• Cuscinetto,
• Documenti,
• Flussi di lavoro,
• Interfacce
• o processi speciali personalizzati.

È proprio questa esperienza pratica che potrebbe rappresentare un grande vantaggio in futuro. Dopo tutto, l'IA da sola non risolve i problemi organizzativi. Se i dati sono strutturati in modo caotico o i processi non sono mai stati definiti chiaramente, anche la migliore IA non riuscirà a trasformarli in un sistema stabile.

Molti sviluppatori si stanno rendendo conto che i principi classici del software stanno improvvisamente tornando ad essere importanti:

• modelli di dati puliti,
• relazioni chiare,
• processi tracciabili,
• Interfacce stabili
• e la manutenzione dei dati strutturati.

È interessante notare che questo ricorda in parte le precedenti fasi di sviluppo del sistema. Digitalizzazione. Già allora, molte aziende credevano inizialmente che le nuove tecnologie avrebbero risolto i problemi esistenti in modo quasi automatico. In realtà, però, quasi sempre si è scoperto che i sistemi sostenibili venivano creati soprattutto grazie a buone strutture.

Tra una fase sperimentale e un cambiamento a lungo termine

Allo stesso tempo, però, molti sviluppatori si rendono conto che l'attuale ondata di AI non scomparirà. La tecnologia si sta sviluppando troppo rapidamente per poterlo fare. Solo due anni fa, molti sistemi di IA sembravano più che altro interessanti esperimenti. Oggi vengono già creati flussi di lavoro completi attorno a modelli linguistici, generatori di immagini o processi di automazione. Anche le aziende più piccole stanno iniziando a testare come l'IA possa essere utilizzata in modo significativo.

Tuttavia, questo rivela anche uno schema tipico degli sconvolgimenti tecnologici. Inizialmente, le persone spesso sopravvalutano ciò che è possibile fare nel breve termine. Allo stesso tempo, si sottovaluta la misura in cui le tecnologie cambieranno effettivamente nel lungo periodo. Proprio per questo motivo molti sviluppatori osservano la situazione attuale con un misto di entusiasmo e cautela.

Da un lato, stanno emergendo opportunità affascinanti. D'altro canto, resta da vedere quali piattaforme, modelli e metodi di lavoro si affermeranno a lungo termine. È probabile che molte delle soluzioni attuali siano scomparse o completamente sostituite nel giro di pochi anni.

Questo rende ancora più importante un approccio calmo e pragmatico. Non tutti i nuovi strumenti di intelligenza artificiale devono essere utilizzati subito in modo produttivo. Allo stesso tempo, però, sarebbe un errore ignorare del tutto lo sviluppo. Coloro che si avvicinano subito alle basi, acquisiscono esperienza pratica e classificano i sistemi in modo realistico saranno probabilmente molto più preparati a lungo termine.

Ed è proprio a questo punto che per molti sviluppatori inizia la fase davvero entusiasmante dell'evoluzione dell'IA.

La realtà della vita quotidiana: perché i progetti di IA sono spesso molto più complicati del previsto

Chiunque osservi da vicino l'intelligenza artificiale si rende subito conto che c'è una notevole differenza tra una dimostrazione funzionante e un sistema quotidiano stabile. È proprio a questo punto che molte aziende e sviluppatori si disilludono. Certo, le possibilità dei moderni sistemi di intelligenza artificiale sono impressionanti. I modelli linguistici scrivono testi, analizzano dati o rispondono a domande complesse in pochi secondi. I generatori di immagini producono contenuti che solo pochi anni fa sarebbero stati tecnicamente inconcepibili. Allo stesso tempo, però, si ha spesso l'impressione che questi sistemi debbano solo "connettersi in qualche modo" per creare automaticamente soluzioni aziendali produttive.

Nella pratica, però, ci si accorge subito che quest'ultimo passo è spesso il più difficile. Questo perché i processi aziendali reali raramente consistono in semplici procedure standard. I dati provengono da fonti diverse, le strutture sono cresciute storicamente e molti casi speciali sono stati personalizzati nel corso degli anni. È qui che inizia il vero lavoro.

Il lato invisibile dei progetti di IA

Dall'esterno, molti progetti di IA appaiono spesso sorprendentemente fluidi e moderni. Vengono presentati risultati funzionanti, eleganti interfacce utente o brevi dimostrazioni di funzioni impressionanti. Tuttavia, le molte ore di risoluzione dei problemi e di manutenzione che stanno dietro a questi sistemi sono molto meno visibili. Gli sviluppatori, in particolare, si trovano a vivere situazioni simili più volte:

• Un modello smette improvvisamente di funzionare dopo un aggiornamento,
• Le dipendenze di Python si scontrano,
• Le versioni di CUDA non corrispondono,
• Le interfacce cambiano,
• Si verificano problemi di memoria,
• o singole estensioni rendono instabili interi ambienti.

Questa dinamica è particolarmente evidente nel settore dell'open source. Molti strumenti si sviluppano con estrema rapidità. A volte appaiono nuove funzioni ogni settimana. Allo stesso tempo, spesso mancano standard stabili a lungo termine. Di conseguenza, gli sviluppatori si trovano rapidamente in una sorta di modalità di manutenzione permanente. Non è raro che passino più tempo a rimettere in funzione i sistemi che a lavorare in modo produttivo con essi.

Perché la manutenibilità sta improvvisamente tornando a essere un fattore chiave

Soprattutto gli sviluppatori esperti stanno riconoscendo uno sviluppo interessante: molti principi classici dello sviluppo professionale del software stanno improvvisamente riacquistando un'enorme importanza. Dopo tutto, anche l'IA più moderna è di scarsa utilità se il sistema nel suo complesso diventa instabile. Le aziende non hanno bisogno di singole dimostrazioni spettacolari, ma..:

• processi tracciabili,
• risultati riproducibili,
• interfacce stabili,
• flussi di dati controllabili
• e la manutenibilità a lungo termine.

Tuttavia, questa è spesso la maggiore debolezza degli attuali progetti di IA. Molti sistemi sono attualmente sviluppati su base sperimentale. Si combinano diversi strumenti, si testano nuove estensioni e si utilizzano diversi modelli in parallelo. Questo spesso funziona sorprendentemente bene a breve termine, ma crea rapidamente dipendenze complesse a lungo termine.

Questo aspetto è particolarmente critico per le soluzioni aziendali produttive. Infatti, non è sufficiente che un sistema funzioni "per la maggior parte del tempo". I processi devono funzionare in modo affidabile, anche dopo aggiornamenti, cambiamenti di server o di personale. Molti sviluppatori stanno quindi ricordando i principi IT precedenti:

• preferiscono soluzioni stabili a espedienti a breve termine,
• Preferiamo processi comprensibili alla massima complessità,
• Preferisco sistemi manutenibili a singoli trucchi impressionanti.

È interessante notare che questo sviluppo sembra quasi un ritorno alle virtù classiche dello sviluppo del software.

Spesso il vero lavoro inizia solo dopo il primo successo.

Un altro problema di molti progetti di IA diventa evidente solo dopo i primi risultati positivi. Inizialmente, molte cose funzionano in modo sorprendentemente rapido:

• I primi generatori di immagini sono in funzione,
• I testi vengono generati,
• Vengono create le automazioni,
• modelli locali iniziano con successo.

Ma è proprio in questo momento che spesso inizia la fase difficile. Improvvisamente sorgono domande come:

• Come possiamo proteggere l'ambiente?
• Quale versione del modello utilizziamo in modo permanente?
• Come documentare i processi?
• Quanto è scalabile il sistema?
• Come evitare il caos dei dati?
• Chi aspetterà più tardi?

Le aziende più piccole, in particolare, spesso sottovalutano notevolmente questo sforzo. Mentre il software tradizionale può spesso essere utilizzato in modo relativamente stabile per anni, molti sistemi di intelligenza artificiale sono attualmente ancora in una fase di sviluppo molto dinamica. Modelli, librerie e framework cambiano a volte così rapidamente da rendere difficile una pianificazione a lungo termine. Proprio per questo motivo molti sviluppatori segnalano attualmente costi di manutenzione insolitamente elevati.

La nostra esperienza pratica

Ciò diventa particolarmente chiaro con i server di IA locali e i sistemi di addestramento. Chiunque si occupi dell'installazione di questi ambienti si rende subito conto di quanti piccoli dettagli tecnici debbano funzionare insieme:

• Driver della scheda grafica,
• Versioni con torcia,
• Supporto CUDA,
• Ambienti Python,
• Estensioni,
• WebUI,
• Gestione della memoria
• e la compatibilità dei modelli.

Spesso basta una sola versione incompatibile perché un sistema precedentemente funzionante si guasti completamente. Tuttavia, queste esperienze chiariscono anche perché molte discussioni attuali sull'IA sembrano talvolta poco realistiche. Dall'esterno si ha spesso l'impressione che i moderni sistemi di IA siano già ampiamente maturi. In pratica, però, ci si rende subito conto che molte aree sono ancora di natura altamente sperimentale.

Tuttavia, ciò non significa che questo sviluppo sia destinato a fallire. Al contrario. Probabilmente ci troviamo in una fase di transizione tipica delle nuove tecnologie. Anche i primi server web, i sistemi di database e le soluzioni ERP erano spesso complicati, instabili e richiedevano molta manutenzione. Solo col tempo si sono trasformati in piattaforme standardizzate e resistenti.

Proprio per questo motivo la fase attuale dovrebbe comunque essere estremamente importante a lungo termine. Dopo tutto, è proprio ora che gli sviluppatori stanno acquisendo l'esperienza pratica che in seguito darà vita a strutture stabili.

Perché il pragmatismo è attualmente più importante della perfezione

Molti sviluppatori esperti stanno quindi adottando un approccio molto più pragmatico. Non tutti i nuovi modelli devono essere integrati immediatamente. Non tutte le innovazioni tecniche portano automaticamente un reale valore aggiunto. Spesso è più sensato lavorare con soluzioni più piccole e stabili ed espanderle gradualmente. A lungo termine, in particolare, le aziende traggono maggiori vantaggi da processi chiari, sistemi gestibili, una struttura di dati pulita e un'automazione controllabile.

La vera forza dell'intelligenza artificiale potrebbe quindi risiedere meno nella spettacolarizzazione delle singole azioni e più nell'integrazione intelligente dei processi esistenti, rendendoli gradualmente più efficienti. Ed è probabilmente proprio qui che si deciderà il successo dei progetti di intelligenza artificiale nel lungo periodo: non con la dimostrazione più grande, ma con la soluzione pratica stabilmente stabile.

Paralleli con lo sviluppo classico del software

Se si guarda con maggiore sobrietà all'attuale sviluppo dell'intelligenza artificiale, si nota un interessante parallelismo: Molte sfide ricordano sorprendentemente le fasi precedenti dello sviluppo classico del software.

Perché anche lì molte cose sono iniziate con grande euforia. Le nuove tecnologie promettevano processi più veloci, costi inferiori e possibilità completamente nuove. Allo stesso tempo, però, nella pratica è quasi sempre emerso che i sistemi sostenibili non sono stati creati solo grazie all'innovazione tecnica, ma soprattutto grazie a strutture pulite, processi chiari e manutenibilità a lungo termine.

È proprio questo sviluppo che attualmente sembra ripetersi in forma simile nel campo dell'IA. Attualmente, molte discussioni si concentrano ancora sulle capacità visibili dei moderni sistemi di IA:

• migliori modelli linguistici,
• finestra contestuale più grande,
• generatori di immagini più veloci,
• sistemi di agenti autonomi
• o automazione complessa.

Tuttavia, più le aziende e gli sviluppatori si addentrano in progetti reali, più diventa chiaro che si pongono le stesse domande di base di prima:

• Quanto è stabile il sistema?
• Quanto è manutenibile la soluzione?
• Quanto sono puliti i dati?
• Quanto sono affidabili i processi?
• E quanto dipendete dalle singole piattaforme?

Anche i classici sistemi ERP non sono stati creati da un giorno all'altro

Gli sviluppatori con molti anni di esperienza in particolare riconosceranno molti schemi familiari. Anche i classici sistemi ERP o di database erano spesso molto più caotici e sperimentali all'inizio di quanto ci si possa aspettare oggi. Molte soluzioni venivano sviluppate passo dopo passo:

1. prima le singole funzioni,
2. poi le automazioni più piccole,
3. successivamente processi più complessi,
4. Infine, sistemi globali integrati.

Spesso le soluzioni stabili si sviluppano solo dopo molti anni di esperienza pratica. FileMaker, in particolare, è stato uno strumento interessante per molte aziende perché i processi potevano essere mappati in modo pragmatico e veloce. Invece di enormi concetti teorici, spesso venivano sviluppate soluzioni concrete per problemi reali:

• Gestione degli ordini,
• Gestione del magazzino,
• Documentare i processi,
• Gestione dei clienti
• o soluzioni industriali personalizzate.

È proprio questo modo di pensare pratico che potrebbe tornare a essere importante nel campo dell'IA. Dopo tutto, l'intelligenza artificiale non può sostituire processi mal organizzati. Se i dati sono strutturati in modo caotico o i processi non sono mai stati definiti con chiarezza, l'IA spesso crea ulteriori fonti di errore piuttosto che miglioramenti reali.

Perché le strutture dati stanno improvvisamente tornando a essere fondamentali

È interessante notare che l'attuale ondata di IA sta persino facendo tornare in primo piano molti principi classici dell'IT. Sebbene i moderni sistemi di IA siano spesso flessibili e intelligenti, rimangono fortemente dipendenti dalla qualità dei dati sottostanti. Questo vale per

• Dati anagrafici,
• Strutture del documento,
• Parola chiave,
• Relazioni,
• Definizioni del processo
• e la coerenza dei dati.

È qui che spesso emerge un problema che molte aziende hanno soppresso per anni: I sistemi nati storicamente spesso contengono incoerenze, casi speciali e strutture poco chiare.

Questi problemi non possono essere semplicemente "intelligentizzati" dall'IA. Al contrario. Spesso le strutture di dati difettose vengono addirittura rafforzate perché i sistemi di IA riconoscono gli schemi e li elaborano ulteriormente, indipendentemente dal fatto che questi schemi siano utili o problematici.

Molti sviluppatori si stanno quindi rendendo conto che una buona manutenzione dei dati sta improvvisamente riacquistando un'enorme importanza. Questo ricorda i progetti di database precedenti, in cui il successo a lungo termine spesso dipendeva meno da funzioni spettacolari e più da:

• modello di dati pulito,
• relazioni chiare,
• processi tracciabili
• e una strutturazione disciplinata.

Il pericolo dei nuovi "rimedi rapidi"

Un altro parallelo con lo sviluppo classico del software può essere visto nel tema delle soluzioni rapide. Anche nelle prime fasi dell'IT, sono stati creati ripetutamente strumenti che erano impressionanti a breve termine, ma che a lungo termine causavano notevoli problemi. Molti sviluppatori lo ricordano ancora bene:

• soluzioni di accesso sovraccariche,
• sistemi Excel non strutturati,
• script poco documentati,
• o applicazioni web assemblate frettolosamente.

Inizialmente, questi sistemi spesso funzionavano sorprendentemente bene. Solo in seguito sono sorti problemi di manutenzione, caos dei dati o dipendenze difficili da controllare. Rischi analoghi si ripresentano oggi nel settore dell'IA. Molti degli attuali flussi di lavoro dell'IA sono costituiti da un gran numero di strumenti combinati:

• diversi modelli,
• API esterne,
• Plugin,
• server locali,
• Automazioni,
• Catene di promemoria
• ed estensioni sperimentali.

A breve termine, questo produce risultati impressionanti. A lungo termine, tuttavia, ci si chiede quanto stabili e manutenibili rimangano tali costruzioni. Gli sviluppatori esperti, in particolare, stanno osservando con una certa cautela la rapidità con cui alcune aziende stanno tentando di utilizzare in modo produttivo i complessi processi di IA, nonostante le questioni organizzative fondamentali siano spesso ancora irrisolte.

Perché pensare a lungo termine è particolarmente importante oggi

Proprio per questo la fase attuale dovrebbe premiare gli sviluppatori e le aziende che pensano a lungo termine. Non tutte le nuove funzioni devono essere integrate immediatamente. Non tutti gli strumenti di tendenza rimarranno rilevanti nel lungo periodo. Molti dei sistemi attuali probabilmente scompariranno o saranno completamente sostituiti nel giro di pochi anni.

Tuttavia, la vera forza dello sviluppo professionale del software è sempre stata quella di creare basi stabili. Ed è proprio questa capacità che probabilmente rimarrà cruciale nell'era dell'intelligenza artificiale:

• Comprendere i processi,
• Strutturare i sistemi,
• Organizzare i dati in modo pulito,
• Processi di documentazione
• e complessità tecnica gestibile.

È indubbio che l'intelligenza artificiale stia cambiando il mondo del software. Allo stesso tempo, però, dimostra anche che molti principi fondamentali di un buon lavoro informatico sono rimasti senza tempo. Forse è proprio questa la consapevolezza più importante dell'attuale sviluppo dell'intelligenza artificiale: non tutto è completamente nuovo. Piuttosto, molte cose si stanno evolvendo come fase successiva dell'evoluzione di principi già noti.

Dove l'intelligenza artificiale ha davvero senso oggi - e dove potrebbe portarci il viaggio con FileMaker

Dopo le prime grandi ondate di AI, sta lentamente emergendo una visione molto più sobria dell'argomento. Molte aziende e sviluppatori si stanno rendendo conto che l'intelligenza artificiale non è né un trucco magico a breve termine né un semplice espediente. Allo stesso tempo, però, sta diventando chiaro che non tutti i compiti possono essere automatizzati in modo significativo.

Soprattutto nelle attività quotidiane, alla fine non è tanto la dimostrazione più spettacolare a essere decisiva, quanto piuttosto l'idoneità pratica all'uso quotidiano. Ed è proprio in questo ambito che si stanno delineando una serie di aree in cui l'IA può già fornire un reale valore aggiunto.

La generazione di testi come prima grande area produttiva

I vantaggi sono probabilmente più visibili nell'elaborazione dei testi. I modelli linguistici possono ora:

• Preparare i documenti,
• Formulare le e-mail,
• Creare riassunti,
• Generare traduzioni,
• Preparare le aree FAQ
• o generare contenuti strutturati da dati grezzi.

È qui che si stanno già realizzando enormi risparmi di tempo. L'aspetto particolarmente interessante è che spesso l'IA non sostituisce completamente l'uomo, ma funziona piuttosto come un assistente intelligente. Molti sviluppatori, editori e imprenditori utilizzano l'IA in modo simile a un dipendente aggiuntivo per il lavoro di preparazione, strutturazione o raccolta di idee.

Tuttavia, ciò non significa che i risultati debbano essere accettati senza alcun controllo. Il controllo rimane fondamentale, soprattutto per le questioni tecniche o legali. Tuttavia, è probabile che questo settore rimanga una delle aree di applicazione pratica più importanti a lungo termine. Sarà particolarmente interessante quando si potranno utilizzare direttamente i dati aziendali esistenti, ad esempio:

• modelli di preventivo automatico,
• Risposte via e-mail,
• Documentari,
• Banche dati di conoscenza
• o sistemi di assistenza interni.
• L'intelligenza artificiale come supporto invece che come sostituzione completa

Un'altra area di applicazione realistica è quella delle funzioni di assistenza di supporto. Molte aziende si stanno rendendo conto che l'IA funziona particolarmente bene quando integra le persone piuttosto che sostituirle completamente. Questo include, ad esempio:

• funzioni di ricerca intelligente,
• categorizzazione automatica,
• Analisi dei dati,
• Classificazione delle immagini,
• Riconoscimento dei documenti
• o sistemi di proposta.

A lungo termine, ciò potrebbe essere particolarmente interessante nell'ambiente ERP e dei database. Infatti, ogni giorno vengono generate grandi quantità di informazioni strutturate:

• Fatture,
• Documenti,
• Richieste dei clienti,
• Dati di archiviazione,
• Informazioni sul prodotto
• o comunicazione via e-mail.

L'intelligenza artificiale può aiutare a valutare più rapidamente tali informazioni, a organizzarle in modo sensato o a preparare i processi. Tuttavia, il processo decisionale vero e proprio rimane spesso in mano all'uomo. È proprio questo approccio ibrido che probabilmente sarà molto più realistico per molte aziende rispetto all'idea di sistemi di IA completamente autonomi.

Perché l'automazione da sola non basta

È interessante notare, tuttavia, che attualmente si sta evidenziando un limite di molti progetti di IA. Dopo tutto, tecnicamente automatizzabile non significa automaticamente organizzativamente sensato. Le aziende, in particolare, hanno numerosi processi che contengono eccezioni, richiedono comunicazione umana, richiedono responsabilità o devono essere mantenuti deliberatamente flessibili.

Molti sviluppatori si rendono conto che l'intelligenza artificiale non sostituisce semplicemente il software tradizionale. Al contrario, sta emergendo un nuovo livello di supporto intelligente in aggiunta ai sistemi esistenti. Questo ricorda in qualche modo le precedenti fasi di digitalizzazione. Anche allora i processi non scomparivano del tutto. Al contrario, sono diventati gradualmente più efficienti, più strutturati e meglio supportati.

È proprio questa visione pragmatica che probabilmente sarà più importante, a lungo termine, dell'idea di un'IA aziendale completamente autonoma.

Particolarmente interessante: l'intelligenza artificiale direttamente all'interno di FileMaker.

Tuttavia, questo sviluppo potrebbe diventare particolarmente interessante nell'ambiente FileMaker nei prossimi anni. Claris FileMaker ha infatti già annunciato che in futuro si affiderà sempre più ai cosiddetti agenti AI. Non si tratta più solo di classiche query AI o di interfacce esterne, ma di sistemi in grado di lavorare attivamente direttamente all'interno di FileMaker.

E questo potrebbe cambiare significativamente il modo in cui molti sviluppatori lavorano a lungo termine. Finora il supporto dell'IA è stato relativamente indiretto in molti casi:

• Gli sviluppatori formulano i suggerimenti,
• ricevere suggerimenti di testo,
• copiare gli script,
• personalizzare manualmente il codice
• e integrare i risultati nella soluzione stessa.

Tuttavia, i sistemi ad agenti annunciati fanno un ulteriore passo avanti. In futuro, gli sviluppatori saranno sempre più in grado di formulare i compiti direttamente in linguaggio naturale:

• creare nuove tabelle,
• Generare script,
• Preparare i layout,
• Creare relazioni,
• Campi completi
• o automatizzare i processi.

L'intelligenza artificiale non si limiterebbe a fornire suggerimenti, ma lavorerebbe attivamente all'interno dell'ambiente FileMaker.

Perché questo potrebbe cambiare lo sviluppo del software

Se questo sviluppo diventasse stabile e controllabile, avrebbe un impatto significativo sul lavoro di sviluppo quotidiano. Perché improvvisamente il centro di gravità si sposta:

Lontano dalla pura implementazione tecnica, verso la descrizione dei processi e la logica del sistema.

È interessante notare che questo ricorda in qualche modo la forza originale di FileMaker stesso. FileMaker è sempre stato particolarmente attraente perché molti processi potevano essere implementati in modo relativamente rapido e visivo. Gli sviluppatori dovevano fare meno "programmazione di basso livello" rispetto agli ambienti di sviluppo classici.

Gli agenti di intelligenza artificiale potrebbero ora portare questo approccio a un nuovo livello. Invece di programmare manualmente i singoli script, in futuro gli sviluppatori potrebbero lavorare più come:

• Architetti di sistema,
• Progettista di processi,
• Modellatore di dati
• e controllori di qualità.

L'implementazione tecnica vera e propria sarebbe sempre più automatizzata.

Allo stesso tempo, stanno emergendo sfide completamente nuove

Tuttavia, è improbabile che questo sviluppo sia completamente privo di problemi. Non appena l'IA potrà apportare modifiche direttamente all'interno dei sistemi produttivi, si presenteranno problemi quali:

• Controllo,
• Tracciabilità,
• Versioning,
• Autorizzazioni
• e garanzia di qualità

ancora più importante. Gli sviluppatori esperti, in particolare, presteranno probabilmente molta attenzione all'affidabilità di tali agenti. Dopo tutto, uno script generato in modo errato o una modifica strutturale sbagliata possono avere conseguenze considerevoli nei sistemi di database produttivi.

Il controllo umano rimarrà quindi probabilmente centrale nel lungo periodo. La vera forza di questi sistemi potrebbe risiedere non tanto nella completa sostituzione degli sviluppatori, quanto piuttosto nell'accelerazione massiccia del lavoro ripetitivo e nella capacità di preparare più rapidamente processi complessi.

Probabilmente il modo più realistico di sviluppare l'IA

Questo potrebbe anche essere il futuro più realistico per l'intelligenza artificiale in generale. Non si tratta di sistemi completamente autonomi che sostituiscono completamente gli esseri umani. Ma piuttosto in strumenti intelligenti che accelerano i processi, strutturano le informazioni, riducono il lavoro ripetitivo e supportano le persone in compiti complessi.

FileMaker in particolare potrebbe rimanere una piattaforma interessante a lungo termine, in quanto consente di combinare i processi aziendali tradizionali con le nuove funzioni di IA in modo relativamente flessibile. E forse è proprio qui che la vera direzione dell'evoluzione dell'IA è già evidente oggi:

non la completa sostituzione dei sistemi esistenti, ma la loro graduale espansione intelligente.

La nostra esperienza pratica: tra la fase sperimentale e un futuro produttivo

Chiunque voglia seriamente integrare l'intelligenza artificiale nei sistemi esistenti oggi si rende subito conto che molte discussioni pubbliche mostrano solo una piccola parte della realtà effettiva. Infatti, mentre i risultati spettacolari sono spesso visibili all'esterno, la realtà quotidiana è spesso costituita da numerose piccole sfide tecniche, organizzative e strutturali.

È proprio questa l'esperienza che stanno vivendo molti sviluppatori che cercano non solo di utilizzare i sistemi di intelligenza artificiale a scopo di test, ma anche di integrarli in modo produttivo nei propri flussi di lavoro. Diventa subito chiaro che l'intelligenza artificiale non è tanto un prodotto finito al momento, quanto piuttosto un nuovo cantiere tecnologico con un enorme potenziale.

Creazione di un'infrastruttura AI propria invece di un utilizzo puro del cloud

L'argomento diventa particolarmente interessante quando gli sviluppatori iniziano a creare le proprie infrastrutture di IA. Infatti, mentre molti utenti utilizzano solo strumenti basati sul cloud, i sistemi locali vengono creati sempre più spesso in parallelo:

• proprio server Linux AI,
• modelli linguistici locali,
• Generatori di immagini,
• Ambienti di formazione
• o sistemi combinati di flusso di lavoro.

Questo apre possibilità completamente nuove, soprattutto negli ambienti creativi e tecnici. Tuttavia, diventa subito evidente quanto questi ambienti siano già diventati complessi. Chiunque crei un proprio server di immagini AI basato su Linux, lavori con modelli locali o combini sistemi diversi, ad esempio, opera spesso in un ambiente ancora molto sperimentale.

Driver, versioni di CUDA, dipendenze di Torch, gestione della memoria o estensioni incompatibili possono tenere impegnati per giorni anche gli sviluppatori più esperti. Molti problemi non derivano da singoli errori gravi, ma da innumerevoli piccole dipendenze tecniche. Tuttavia, è spesso in questa fase che si acquisisce la vera esperienza pratica.

Controllare l'AI direttamente da FileMaker

Tuttavia, l'argomento diventa particolarmente interessante quando il software aziendale tradizionale viene combinato con i moderni sistemi di intelligenza artificiale. È proprio qui che stanno emergendo nuovi approcci interessanti. In pratica, diversi sistemi di IA possono già essere controllati direttamente da FileMaker:

• Modelli di testo,
• Generatori di immagini,
• Amministrazioni modello,
• Sistemi di chiamata,
• Controlli del server
• o routine di trasferimento automatico.

Vengono create interfacce amministrative sempre più specializzate, attraverso le quali:

• Modelli organizzati,
• Server gestito,
• Modelli di prompt salvati,
• Strutture JSON preparate
• e vari processi di IA possono essere controllati centralmente.

È interessante notare che questo ricorda in parte il classico sviluppo ERP, solo che al posto dei dati di magazzino o delle fatture vengono improvvisamente gestiti modelli di IA, prompt e parametri di addestramento. La combinazione di logiche strutturate di database e sistemi di intelligenza artificiale flessibili, in particolare, avrà probabilmente un enorme potenziale a lungo termine.

Il limite attuale: l'IA capisce molto, ma non è ancora integrata in modo sufficientemente pulito

Nonostante i progressi compiuti, tuttavia, esiste ancora un limite importante. Questo perché i moderni modelli linguistici sono già incredibilmente validi:

• Generare script,
• Scrivere formule,
• Spiegare le strutture dei database
• o logica complessa.

Tuttavia, l'integrazione effettiva in soluzioni FileMaker produttive è spesso ancora relativamente manuale. In termini concreti, ciò significa

• Il codice deve essere adattato,
• Le sceneggiature vengono trasferite,
• Strutture controllate,
• Correzione della formattazione
• e i processi vengono controllati manualmente.

Questo pone un problema particolare nell'ambiente FileMaker. Infatti, gli script di FileMaker hanno una propria struttura interna e non possono essere trasferiti direttamente nell'editor di script come testo normale. Attualmente, ciò si traduce in varie soluzioni intermedie:

• trasferimento manuale,
• Conversioni XSLT,
• Convertitore di appunti,
• Strumenti speciali di copia e incolla
• o sistemi di conversione per i formati di script compatibili con FileMaker.

Questo funziona già sorprendentemente bene nella vita di tutti i giorni, ma allo stesso tempo sembra ancora una fase di transizione tra lo sviluppo classico e la futura integrazione dell'intelligenza artificiale.

È proprio qui che gli agenti di intelligenza artificiale potrebbero colmare il divario cruciale

Ed è proprio qui che la tecnologia ad agenti annunciata da Claris FileMaker diventa particolarmente interessante. Finora, tra l'IA e lo sviluppo produttivo c'è stato spesso una sorta di "strato di traduzione manuale". L'IA genera contenuti, suggerimenti o script, mentre lo sviluppatore si occupa dell'integrazione tecnica vera e propria.

In futuro, gli agenti di intelligenza artificiale potrebbero ridurre significativamente questo divario. Perché se i sistemi di IA possono lavorare direttamente all'interno di FileMaker, l'intero modo di lavorare cambierà:

• Gli script potrebbero essere generati direttamente,
• vengono create automaticamente,
• relazioni,
• Layout preparati
• o i processi possono essere ampliati dinamicamente.

Lo sviluppatore dovrebbe quindi eseguire in prima persona un numero minore di singole fasi tecniche, ma maggiore:

• Descrivere i processi,
• Definire la logica,
• Controllare i risultati
• e sistemi di strutture.

Questo potrebbe portare a un notevole salto di produttività nel lungo periodo.

Perché gli sviluppatori esperti, in particolare, potrebbero trarne vantaggio

È interessante notare come questo sviluppo possa avvantaggiare soprattutto gli sviluppatori esperti. Sebbene l'intelligenza artificiale sia sempre più in grado di svolgere compiti tecnici, non è in grado di comprendere automaticamente gli effettivi processi aziendali che ne sono alla base. Questo aspetto rimane fondamentale, soprattutto per le soluzioni più complesse:

• Comprensione del processo,
• Logica dei dati,
• Esperienza con casi speciali,
• pensiero organizzativo
• e la pianificazione strutturale a lungo termine.

Molte aziende sottovalutano ancora l'importanza che queste competenze potrebbero assumere in futuro. Dopotutto, se i compiti tecnici standard vengono sempre più automatizzati, il valore effettivo si sposterà maggiormente verso di loro:

• Architettura,
• Consulenza,
• Progettazione del processo
• e controllo di qualità.

Gli sviluppatori di FileMaker, in particolare, hanno spesso un vantaggio interessante, perché tradizionalmente lavorano a stretto contatto con i processi aziendali reali.

Tra la fase sperimentale odierna e il futuro ambiente produttivo

Naturalmente, questo sviluppo è ancora in una fase relativamente iniziale. Molti sistemi sembrano ancora sperimentali, a volte instabili o organizzativamente incompiuti. Allo stesso tempo, però, è già possibile riconoscere la direzione in cui si potrebbe andare. Solo pochi anni fa, i modelli linguistici locali, i server di immagini AI o i sistemi di sviluppo basati su agenti sembravano quasi sogni del futuro. Oggi esistono già i primi approcci produttivi, sorprendentemente efficienti nonostante le difficoltà.

È proprio per questo che la fase attuale si preannuncia particolarmente entusiasmante a lungo termine. Dopotutto, è probabile che le basi per una nuova generazione di strumenti di sviluppo vengano gettate proprio ora, come i primi sistemi di database grafici o le prime piattaforme ERP.

E tra qualche anno potremmo guardare indietro e renderci conto che questa attuale fase di transizione è stata proprio il momento in cui lo sviluppo classico del software si è lentamente orientato verso lo sviluppo di sistemi supportati dall'intelligenza artificiale.

L'evoluzione dell'intelligenza artificiale non significa la fine dello sviluppo tradizionale, ma la sua prossima tappa

Dopo i primi anni di grande euforia per l'intelligenza artificiale, sta lentamente emergendo un quadro più differenziato. Molte aziende, sviluppatori e menti creative stanno riconoscendo sempre più che l'intelligenza artificiale non è né una tendenza a breve termine né una soluzione immediata per tutti i problemi.

Allo stesso tempo, però, è sempre più chiaro che gli sviluppi tecnologici avranno probabilmente un impatto significativo sull'intero mondo del software nel lungo periodo. Attualmente sta emergendo un interessante doppio movimento: Da un lato, ogni giorno emergono nuovi strumenti, modelli e automazioni. Dall'altro, molti principi classici dello sviluppo professionale del software stanno improvvisamente riacquistando importanza:

• strutture di dati pulite,
• processi tracciabili,
• Manutenibilità,
• Stabilità
• e il pensiero organizzativo.

È proprio per questo che l'attuale fase dell'IA, per molti aspetti, non sembra tanto una rottura completa con il precedente mondo dell'IT, quanto piuttosto il suo prossimo stadio evolutivo.

La vera sfida non risiede nell'IA stessa

È interessante notare che in molti progetti è ormai evidente che la difficoltà effettiva spesso non è più il modello di intelligenza artificiale in sé. I moderni modelli linguistici, i generatori di immagini e i sistemi di assistenza funzionano già oggi sorprendentemente bene. Le vere sfide sorgono di solito solo quando questi sistemi devono essere integrati in modo significativo nei processi aziendali reali. È proprio qui che entrano in gioco le nuove tecnologie:

• strutture cresciute,
• banche dati storiche,
• Processi individuali
• e le esigenze pratiche della vita quotidiana.

Molti sviluppatori stanno quindi vivendo una fase di intensa sperimentazione. Si testano sistemi, si creano server locali, si integrano modelli e si automatizzano processi. Allo stesso tempo, però, sta diventando chiaro che la stabilità produttiva richiede molto di più di singole dimostrazioni impressionanti.

A lungo termine, quindi, le soluzioni che combinano le possibilità tecniche con l'idoneità pragmatica all'uso quotidiano avranno probabilmente il massimo successo.

Perché l'esperienza pratica sta diventando particolarmente preziosa

È proprio a questo punto che l'esperienza pratica diventa sempre più importante. Chiunque lavori oggi attivamente con i sistemi di IA locali, allestendo i propri ambienti o combinando l'IA direttamente con il software aziendale, riconoscerà in tempi relativamente brevi le reali opportunità e i limiti degli sviluppi attuali.

In questo modo si ottengono spesso valutazioni molto più realistiche rispetto a quanto avviene in molti dibattiti pubblici. L'intelligenza artificiale può fornire già oggi un enorme supporto:

• per l'elaborazione di testi,
• Organizzazione della conoscenza,
• Analisi dei dati,
• Automazione
• o processi creativi.

Allo stesso tempo, però, è chiaro che molti sistemi sono ancora altamente sperimentali. Proprio per questo motivo, la fase attuale si rivelerà particolarmente preziosa a lungo termine per coloro che acquisiranno presto esperienza pratica, pur mantenendo una prospettiva sobria.

Il punto di vista di Marcel Moré sull'evoluzione dell'IA

L'articolo di Marcel Moré sull'"Evoluzione dell'IA" è stato un interessante punto di partenza per queste considerazioni. L'aspetto particolarmente entusiasmante non è tanto la singola tecnologia, quanto piuttosto l'osservazione fondamentale: l'IA si sta sempre più trasformando da strumenti isolati in sistemi in rete con processi propri, automazione e strutture simili ad agenti.

È proprio questa evoluzione che probabilmente caratterizzerà fortemente i prossimi anni. A lungo termine, probabilmente non si tratterà più solo di singoli modelli linguistici o generatori di immagini, ma di paesaggi di sistemi completi in cui i diversi componenti dell'IA interagiscono tra loro.

Questo crea un enorme potenziale, soprattutto in ambito aziendale, ma anche nuove sfide organizzative e tecniche.

FileMaker e la prossima fase di sviluppo

Questo sviluppo potrebbe diventare particolarmente interessante in futuro nell'ambiente Claris FileMaker. Infatti, gli agenti AI annunciati indicano già la direzione che i moderni ambienti di sviluppo potrebbero prendere a lungo termine:

• dall'implementazione puramente manuale,
• verso lo sviluppo di sistemi supportati dall'intelligenza artificiale.

Se in futuro tali sistemi di agenti dovessero essere in grado di funzionare stabilmente all'interno di FileMaker, il ruolo di molti sviluppatori cambierebbe in modo significativo.

La forza effettiva risiederebbe quindi presumibilmente meno nella pura scrittura di singole sceneggiature, ma più in quella:

• Comprensione del processo,
• Architettura del sistema,
• Logica dei dati,
• Controllo qualità
• e il pensiero organizzativo.

È interessante notare che questo si sposa molto bene con i tradizionali punti di forza di molti sviluppatori FileMaker. FileMaker è sempre stato particolarmente forte nel mappare i processi aziendali reali in modo pragmatico e flessibile. L'intelligenza artificiale potrebbe ampliare notevolmente questo approccio in futuro.

Probabilmente la realizzazione più importante dell'attuale fase di AI

Forse è proprio questa la realizzazione più importante dell'attuale sviluppo. L'intelligenza artificiale non sostituisce automaticamente l'esperienza, la struttura o il pensiero organizzativo. Piuttosto, si stanno creando nuovi strumenti in grado di ampliare e accelerare in modo intelligente i metodi di lavoro esistenti.

La vera sfida non è quindi quella di adottare il più rapidamente possibile ogni nuova funzione di IA. Il fattore decisivo sarà piuttosto:

• quali sistemi rimangono stabili nel lungo periodo,
• Quali processi possono essere realmente automatizzati in modo significativo?
• e come le possibilità tecniche possano essere integrate in modo responsabile.

Gli sviluppatori con conoscenze pratiche di base sono destinati a svolgere un ruolo particolarmente importante in futuro. Perché alla fine, come spesso accade nella storia dell'IT, probabilmente non sarà la dimostrazione più rumorosa a vincere, ma la soluzione che funziona stabilmente nella vita di tutti i giorni.

---

Domande frequenti

1. Perché attualmente si ha l'impressione che l'intelligenza artificiale stia comparendo improvvisamente ovunque e nello stesso momento?
   Negli ultimi due anni lo sviluppo ha subito una forte accelerazione. In passato, i sistemi di IA erano spesso soluzioni specializzate per grandi aziende o istituti di ricerca. Oggi, modelli linguistici, generatori di immagini e strumenti di automazione sono improvvisamente disponibili per quasi tutti. Questo sta avendo un effetto simile all'avvento di Internet o, più tardi, degli smartphone: molte aziende si stanno rendendo conto allo stesso tempo che i processi di lavoro potrebbero cambiare radicalmente.
2. Perché le presentazioni pubbliche dell'IA spesso differiscono così tanto dalla pratica quotidiana?
   Le presentazioni di solito mostrano scenari controllati che funzionano in condizioni ideali. Nella realtà, tuttavia, i sistemi di IA devono fare i conti con dati errati, casi particolari, strutture software obsolete e interfacce instabili. È proprio qui che sorgono le vere sfide, spesso poco visibili al mondo esterno.
3. Perché la manutenzione dei sistemi di IA è attualmente così costosa?
   Molti ambienti di IA sono ancora in una fase di sviluppo molto dinamica. Modelli, estensioni, dipendenze da Python e interfacce cambiano a volte su base settimanale. Anche piccoli aggiornamenti possono rendere instabili i sistemi funzionanti. Per questo motivo gli sviluppatori impiegano spesso una quantità sorprendente di tempo per rimettere in funzione gli ambienti.
4. Che ruolo hanno i server AI locali nell'ambiente aziendale?
   I sistemi di intelligenza artificiale locali stanno diventando sempre più interessanti per molte aziende perché consentono un maggiore controllo su dati, modelli e processi. Un'infrastruttura locale può offrire vantaggi, soprattutto per le informazioni sensibili o i flussi di lavoro specializzati. Allo stesso tempo, però, questo aumenta notevolmente l'impegno tecnico.
5. Perché molti problemi attuali dell'IA ricordano le precedenti fasi di sviluppo dell'IT?
   Anche i primi server web, i sistemi ERP e le piattaforme di database apparivano spesso complicati e instabili all'inizio. Ci sono voluti molti anni prima che emergessero sistemi standardizzati e resistenti. Molti sviluppatori esperti riconoscono attualmente modelli simili nel settore dell'IA e quindi considerano la fase attuale più come un processo di sviluppo a lungo termine.
6. Perché la qualità dei dati sta improvvisamente tornando ad essere così importante grazie all'intelligenza artificiale?
   I sistemi di intelligenza artificiale lavorano sulla base delle informazioni esistenti. Se i dati sono strutturati in modo caotico, non corretto o incompleto, l'IA riconosce comunque dei modelli e li elabora ulteriormente. Dati scadenti portano quindi spesso a risultati scadenti. Proprio per questo motivo, strutture di dati pulite e processi chiari stanno tornando a essere importanti.
7. Perché FileMaker potrebbe armonizzarsi particolarmente bene con l'AI a lungo termine?
   FileMaker è sempre stato progettato per mappare i processi aziendali reali in modo pragmatico. È proprio questa flessibilità che si adatta molto bene ai moderni sistemi di intelligenza artificiale. Mentre gli ambienti di sviluppo tradizionali sono spesso molto tecnici, FileMaker è particolarmente adatto ad adattare rapidamente i processi e a combinarli con le nuove tecnologie.
8. Cosa sono esattamente gli agenti di IA?
   Gli agenti AI vanno ben oltre i tradizionali chatbot. Non si limitano a rispondere alle domande, ma eseguono autonomamente diverse fasi di lavoro in successione. Si tratta di analisi, controllo dei processi, elaborazione dei dati o decisioni automatizzate nell'ambito di processi definiti.
9. Perché gli agenti AI annunciati da Claris sono così interessanti per gli sviluppatori FileMaker?
   Perché questo potrebbe cambiare il modo in cui viene sviluppato il software. In futuro, gli sviluppatori potrebbero non dover più programmare da soli ogni singola fase tecnica. Al contrario, i processi potrebbero essere sempre più spesso descritti in linguaggio naturale, mentre l'intelligenza artificiale prepara l'implementazione tecnica o si occupa direttamente di alcune di esse.
10. Come funziona oggi lo sviluppo supportato dall'intelligenza artificiale in FileMaker?
    Attualmente, molte cose funzionano ancora in modo semi-manuale. Gli sviluppatori creano script, formule o strutture con l'aiuto di sistemi di intelligenza artificiale e poi li trasferiscono a FileMaker. A questo scopo esistono diverse soluzioni ausiliarie, come i convertitori di appunti o strumenti di conversione speciali.
11. Perché il trasferimento diretto del codice generato dall'AI a FileMaker è ancora complicato?
    FileMaker dispone di strutture interne di script che non possono essere semplicemente inserite come un normale testo. Per questo motivo, gli output AI devono spesso essere personalizzati o convertiti con speciali soluzioni intermedie prima di poter essere utilizzati in modo produttivo.
12. Quali sono le aree pratiche di applicazione dell'IA che già oggi funzionano particolarmente bene?
    L'IA sta già fornendo risultati molto utili, in particolare nella generazione di testi, nel riconoscimento di documenti, nelle traduzioni, nell'organizzazione della conoscenza, nell'analisi dei dati e nell'automazione di supporto. L'IA è particolarmente forte quando è possibile preparare o accelerare compiti ripetitivi.
13. Perché è improbabile che l'intelligenza artificiale sostituisca completamente gli sviluppatori tradizionali?
    Perché l'implementazione tecnica è solo una parte dello sviluppo professionale del software. La comprensione dei processi, della logica dei dati, dei flussi di lavoro organizzativi e della pianificazione strutturale a lungo termine rimane fondamentale. L'intelligenza artificiale può velocizzare molti compiti, ma non è in grado di comprendere automaticamente l'intera complessità delle aziende reali.
14. Perché il ruolo degli sviluppatori potrebbe comunque cambiare in modo significativo?
    È probabile che l'attenzione si sposti sempre più dalla semplice scrittura di routine tecniche all'architettura del sistema, alla progettazione dei processi, al controllo della qualità e alla pianificazione strategica. Di conseguenza, è probabile che gli sviluppatori diventino più pianificatori organizzativi e tecnici in generale.
15. Perché molte aziende stanno attualmente sopravvalutando la velocità di sviluppo dell'IA?
    Perché i progressi visibili spesso avvengono più rapidamente di quanto non avvenga per la creazione di sistemi di produzione stabili. Spesso ci sono molti mesi o addirittura anni di lavoro di sviluppo pratico tra una demo impressionante e un sistema quotidiano resistente.
16. Qual è il pericolo di progetti di IA affrettati?
    Molte aziende corrono il rischio di confondere esperimenti a breve termine con soluzioni stabili a lungo termine. Senza strutture di dati chiare, processi comprensibili e concetti di manutenzione, emergono rapidamente sistemi instabili che in seguito causano elevati costi di follow-up.
17. Perché gli sviluppatori stanno facendo così tanta esperienza pratica con i server Linux AI?
    Perché i sistemi locali consentono maggiore controllo e flessibilità. Gli sviluppatori possono utilizzare i propri modelli, effettuare una formazione specializzata e combinare diversi strumenti. Allo stesso tempo, però, questo crea anche molte sfide tecniche che attualmente richiedono ancora molta esperienza e pazienza.
18. Perché l'attuale fase di sviluppo dell'IA potrebbe essere particolarmente importante a posteriori?
    Probabilmente le basi per i futuri sistemi standard vengono gettate proprio ora. Molti degli esperimenti di oggi possono sembrare ancora incompiuti o complicati, ma forniscono una preziosa esperienza pratica. I precedenti sconvolgimenti tecnologici nella storia dell'IT sono stati simili.
19. Cosa determinerà probabilmente il successo dei progetti di IA nel lungo periodo?
    Probabilmente non si tratta della tecnologia più spettacolare, ma della capacità di costruire sistemi stabili e manutenibili, adatti all'uso quotidiano. A lungo termine, probabilmente prevarranno le soluzioni che supportano i processi aziendali reali in modo significativo e che funzionano in modo affidabile nel lungo periodo.