Anni e anni di acquisizione dati volatilizzati in appena cinque giorni. Così si può sintetizzare, secondo il pensiero di Rael Cline, CEO di Nozzle, quello che è accaduto se si ripensa allo scoppio dell’epidemia prima, poi pandemia derivante dall’infezione da Coronavirus. E non perché queste informazioni siano andate perse o cancellate, ma semplicemente perché non servivano più.
Nel giro di pochi giorni le richieste di beni completamente diversi da quelli di uso comune, ma necessari ad affrontare l’emergenza in corso, sono schizzate alle stelle, rendendo di fatto 8 dei 10 prodotti maggiormente richiesti su Amazon di totale pertinenza dell’ambito dei DPI e igienizzanti.
Uno stravolgimento totale dei gusti e delle preferenze degli utenti, che sono passati dall’interessarsi del nuovo paio di scarpe lanciato da qualche azienda di abbigliamento sportivo o del nuovo modello super tecnologico di smartphone, a richiedere beni del tutto differenti e connessi all’igiene e alla cura personale per fronteggiare il pericolo incombente.
Perché una simile circostanza è risultata “traumatica” per il modello di analisi su cui si basa l’AI? Semplicemente perché le nuove frontiere del machine learning si basano sull’analisi di una mole mastodontica di dati, acquisiti in un arco di tempo piuttosto lungo
per poterne confermare la validità e analizzare i trend.Un simile sconvolgimento nelle richieste del pubblico ha sfasato completamente gli algoritmi su cui l’Intelligenza Artificiale si basa per suggerirci nuovi prodotti nelle inserzioni o consigliarci merci attinenti ai nostri gusti.
Cambiamento repentino che ha messo in grande difficoltà non solo i siti di e-commerce come Amazon, ma anche tutte le piattaforme che provvedono a suggerire contenuti in base alle tendenze degli utenti, come ad esempio i siti e le app per lo streaming come Netflix. Venendo a mancare il flusso di dati costante e copioso che garantisce la prevedibilità dei mercati e dei gusti degli utenti, crolla di conseguenza tutto il sistema che su di essi si basa.
Come risolvere, dunque, un problema così importante? Purtroppo è difficile inserire modelli che permettano all’AI di razionalizzare dati anche riferibili ad eventi catastrofici – come una pandemia, ma anche una crisi finanziaria o il possibile crollo dei mercati. Ciò che si può sperare è che i dati acquisiti in questi mesi possano aiutare a gestire un’eventuale ritorno del problema, ma non si può pretendere che vi siano modelli specifici per ogni circostanza.