Di recente ho tenuto un corso sull'uso della scienza dei dati per la sicurezza informatica, concentrandomi sull'analisi dei dati di cattura dei pacchetti, un argomento piuttosto tecnico e tradizionalmente arido. L'approccio che ho condiviso traeva origine dalla mia esperienza in sicurezza informatica all'interno di istituzioni finanziarie, coprendo fasi fondamentali come l'analisi esplorativa dei dati, la pre-elaborazione e la trasformazione dei dati di registro e l'identificazione delle anomalie tramite una combinazione di clustering e analisi di rete di grafici. Un aspetto sorprendente è stato il tempo che ho dedicato alla preparazione di questa sessione, una frazione di quanto investirei di solito. L'intelligenza artificiale ha svolto un ruolo significativo nello snellimento del processo. Ho utilizzato Claude per assistere nella codifica, nello sviluppo dello schema e persino nella creazione delle slide. In totale, l'intero corso è stato pronto in 48 ore. La sessione si è rivelata coinvolgente. I partecipanti, principalmente CISO che in genere non programmano, hanno trovato gli esercizi, realizzati con l'assistenza dell'IA, intuitivi e pratici. Il mio obiettivo era immergerli nel lavoro diretto con dati e codice. Hanno particolarmente apprezzato la possibilità di esplorare manualmente ciò che le moderne piattaforme di sorveglianza delle minacce informatiche e SIEM in genere automatizzano, ottenendo informazioni sui processi che avvengono "sotto il cofano". La mia conclusione principale del corso è stata sorprendentemente controintuitiva: . Questa visione potrebbe sembrare prematura, o forse in anticipo sui tempi, ma è una prospettiva che merita una discussione. la scienza dei dati, così come la conosciamo, alla fine verrà sostituita dall'intelligenza artificiale Attenzione: alcune informazioni potrebbero infastidire qualcuno. La sensualità è un bagaglio Per oltre un decennio, la scienza dei dati è stata celebrata come il "lavoro più sexy del 21° secolo". Tuttavia, mentre l'intelligenza artificiale avanza rapidamente, sta diventando chiaro che le sfide sottostanti del settore sono più difficili da ignorare. L'avvento della potente intelligenza artificiale generativa potrebbe benissimo essere il punto di svolta per una disciplina che, a posteriori, potrebbe essere stata definita in modo più vago e sopravvalutata di quanto inizialmente riconosciuto. Nella sua essenza, la scienza dei dati combina informatica, statistica e acume aziendale, offrendo alle organizzazioni la promessa di approfondimenti fruibili da grandi quantità di dati. Questo set di competenze è innegabilmente prezioso nel mondo odierno basato sui dati. Tuttavia, sotto la sua immagine raffinata, il campo affronta problemi significativi. Ciò che è spesso etichettato come scienza dei dati si rivela spesso un patchwork di attività vagamente correlate che non sempre si allineano in modo ordinato e molti professionisti del settore lottano con l'intera ampiezza e complessità che la disciplina richiede. L'ascesa di strumenti basati sull'intelligenza artificiale in grado di gestire analisi dei dati, modellazione e generazione di insight potrebbe forzare un cambiamento nel modo in cui vediamo il ruolo e il futuro della scienza dei dati stessa. Mentre l'intelligenza artificiale continua a semplificare e automatizzare molte delle attività fondamentali all'interno della scienza dei dati, il settore potrebbe dover fare i conti con cosa significhi veramente essere uno scienziato dei dati nell'era dell'automazione intelligente. Le crepe Molti data scientist, nonostante dispongano di sofisticate competenze di codifica e strumenti digitali, svolgono un lavoro sorprendentemente . La preparazione, la pulizia e l'analisi dei dati comportano attività noiose e dispendiose in termini di tempo, ripetitive e meccaniche. Infatti, una notevole quantità di lavoro di data science è impiegata nella preparazione di set di dati, un compito che spesso sembra più una fatica che una scienza entusiasmante e guidata dalla scoperta che viene dipinta. Questo problema è aggravato dal fatto che molti di coloro che entrano nel campo sono, nella migliore delle ipotesi, dei dilettanti. Avendo seguito alcuni corsi online su Python o R, questi "data scientist" sono spesso . La data science non è solo codifica. Comporta analisi approfondite, comprensione contestuale e la capacità di presentare approfondimenti a un pubblico non tecnico. In verità, è più un lavoro di ricerca, che richiede un mix di creatività e pensiero analitico che molti nel settore semplicemente non possiedono. manuale e soggetto a errori impreparati ai rigori del ruolo Inoltre, molti data scientist hanno sviluppato un senso di diritto, solo in virtù del loro titolo. Questo atteggiamento sta allontanando le aziende, soprattutto nei settori in cui l'efficienza dei costi è fondamentale. Ho incontrato aziende che un tempo si sono affrettate ad assumere data scientist, ma ora ci stanno riconsiderando. Perché pagare stipendi elevati a qualcuno che passa la maggior parte del suo tempo a lottare con la pulizia dei dati, quando l'intelligenza artificiale può farlo più velocemente, meglio e a una frazione del costo? aspettandosi stipendi elevati e pacchetti lucrativi AI Chi? Come ho sperimentato personalmente scrivendo il corso, l'intelligenza artificiale generativa si è evoluta in una forza potente proprio nelle aree in cui la scienza dei dati è più debole. Attività come la preparazione dei dati, la pulizia e persino l'analisi qualitativa di base, attività che consumano gran parte del tempo di uno scienziato dei dati, sono ora facilmente . Ciò che è peggio (o meglio, a seconda di dove ci si trova) è che l'intelligenza artificiale è più veloce, più accurata e meno soggetta a errori umani o affaticamento. automatizzate dai sistemi di intelligenza artificiale Per molti data scientist, questo può essere terrificante. Dopotutto, queste attività rappresentano la maggior parte del loro lavoro quotidiano. La pulizia dei dati, ad esempio, è notoriamente dispendiosa in termini di tempo e soggetta a errori, ma l'intelligenza artificiale ora può realizzarla con pochi clic e una precisione quasi perfetta. Gli scienziati dei dati si lamentano spesso di queste attività noiose, eppure sono fondamentali per il loro ruolo. Man mano che i sistemi di intelligenza artificiale migliorano, la necessità degli esseri umani di svolgere questi lavori diminuisce. Non sorprende che gran parte delle critiche vocali contro l'intelligenza artificiale . Vedono la scrittura sul muro e temono per il loro lavoro. provengano dagli stessi scienziati dei dati La meschinità Per peggiorare le cose per gli scienziati dei dati, il campo non ha fatto progressi significativi negli ultimi anni. Nonostante la sua ascesa vertiginosa in termini di popolarità, la scienza dei dati è ancora afflitta da inefficienze, errori e . Un tempo si credeva che strumenti più sofisticati e una migliore formazione avrebbero fatto evolvere il campo, ma ciò non si è materializzato nella misura prevista. Al contrario, l'intelligenza artificiale è costantemente migliorata. Gli algoritmi di apprendimento automatico, l'elaborazione del linguaggio naturale e i modelli generativi si stanno evolvendo rapidamente, lasciando la scienza dei dati tradizionale nella polvere. mancanza di chiarezza su cosa dovrebbe comportare esattamente Ancora una volta, le elevate aspettative salariali degli scienziati dei dati . Le aziende che un tempo avrebbero potuto tollerare le inefficienze stanno ora realizzando che l'intelligenza artificiale può sostituire molto del lavoro pesante senza il pesante prezzo associato al lavoro umano. Con l'intelligenza artificiale che sta diventando più abile nell'eseguire come analisi, previsioni e persino presentazioni, la natura manuale della scienza dei dati sta diventando sempre più ridondante. Molte aziende si renderanno conto che ciò che un tempo richiedeva un team di scienziati dei dati può ora essere gestito in modo più efficiente da strumenti basati sull'intelligenza artificiale. complicano il problema attività chiave Il cambiamento La realtà è che la scienza dei dati, come tradizionalmente definita, è sull'orlo dell'obsolescenza. Con l'intelligenza artificiale generativa che avanza a un ritmo sorprendente, la domanda di . Ciò non implica che gli umani non abbiano alcun ruolo nel processo decisionale basato sui dati, ma il classico ruolo di "data scientist" potrebbe presto essere un concetto del passato. Ciò di cui c'è bisogno ora sono professionisti esperti nella collaborazione con l'intelligenza artificiale, che ne sfruttino le capacità e si concentrino sul pensiero strategico e sulla risoluzione di problemi complessi a un livello superiore. data scientist umani nella loro forma attuale probabilmente diminuirà . L'attuale campo della scienza dei dati rischia di diventare obsoleto se non si evolve al passo con i tempi. L'intelligenza artificiale sta già rivoluzionando i settori e la scienza dei dati deve adattarsi o rischia di essere superata da questa ondata. In definitiva, la domanda potrebbe non essere se l'intelligenza artificiale eliminerà la scienza dei dati, ma se la scienza dei dati abbia mai mantenuto pienamente le sue promesse. L'intelligenza artificiale non è la fine dell'analisi, delle intuizioni o del processo decisionale: rappresenta la loro evoluzione O forse la distinzione non ha nemmeno importanza se finalmente andiamo oltre il clamore della "scienza dei dati" e abbracciamo l'intelligenza artificiale come la prossima progressione logica. Informazioni su di me: veterano IT con oltre 25 anni di esperienza che combina dati, IA, gestione del rischio, strategia e formazione. Vincitore di 4 hackathon e impatto sociale da parte di Data Advocate. Attualmente lavoro per dare una scossa alla forza lavoro IA nelle Filippine. Scopri di più su di me qui: https://docligot.com
