AI – Intelligenza Artificiale

Che cos’è l’intelligenza artificiale: una definizione

L’Intelligenza Artificiale, in inglese Artificial Intelligence (AI), è il ramo della computer science che studia lo sviluppo di sistemi hardware e software dotati di capacità tipiche dell’essere umano ed in grado di perseguire autonomamente una finalità definita prendendo delle decisioni che, fino a quel momento, erano solitamente affidate agli esseri umani. Le capacità tipiche dell’essere umano riguardano, nello specifico, la comprensione ed elaborazione del linguaggio naturale (Nlp – Natural Language Processing) e delle immagini (Image Processing), l’apprendimento, il ragionamento e la capacità di pianificazione e l’interazione con persone, macchine e ambiente. A differenza dei software tradizionali, un sistema IA non si basa sulla programmazione (cioè sul lavoro di sviluppatori che scrivono il codice di funzionamento del sistema) ma su tecniche di apprendimento: vengono cioè definiti degli algoritmi che elaborano un’enorme quantità di dati dai quali è il sistema stesso che deve derivare le proprie capacità di comprensione e ragionamento.

NUOVE TECNOLOGIE, NUOVE INTELLIGENZE

L’intelligenza artificiale sta rivoluzionando il modo con cui l’uomo interagisce con la macchina e le macchine tra di loro.

L’AI fornisce ad un dispositivo quelle capacità di calcolo e analisi dei dati che gli permettono di compiere “ragionamenti” complessi analoghi a quelli che compirebbe un essere umano.

Tuttavia, questa intelligenza non si limita solo alle macchine, ma si applica anche ai sistemi software. Da questo concetto nasce la differenziazione del confine tra robotica e machine learning o AI in cui i componenti principali sono macchina, software e connettività (cloud e big data).

Le problematiche che stanno alla base dello sviluppo di sistemi di AI seguono tre parametri che rappresentano i punti di riferimento del comportamento umano: una conoscenza non sterile, una coscienza che permetta di prendere decisioni non solo secondo la logica e infine l’abilità di risolvere problemi in maniera differente a seconda dei contesti nei quali ci si trova.

COS’È IL MACHINE LEARNING

L’AI rende le macchine in grado di svolgere attività e funzioni che fino a poco fa erano esclusive dell’intelligenza umana. È infatti in grado di rendere un robot o un software “intelligente”, cioè capace di imparare e di migliorare, apprendendo. Questo grazie ad algoritmi di apprendimento o machine learning.

Il machine learning, in italiano apprendimento automatico, è una particolare branca dell’informatica che indica tutti quei meccanismi che permettono a una macchina “intelligente” di migliorare le proprie capacità e prestazioni nel tempo.

Il punto di forza del machine learning risiede negli input, nell’analisi basata sui big data e nell’acquisizione dei dati. Tecnicamente, l’argomento è strettamente correlato alle statistiche computazionali e alla probabilità. Pertanto, svolge un ruolo importante nell’analisi analitica per l’ottimizzazione delle soluzioni aziendali.

Intelligenza Artificiale e Machine Learning: esempi e applicazioni

I sistemi di Intelligenza Artificiale consentono di gestire e impiegare con profitto una grandissima quantità di dati, dati che  sono oggi fondamentali per le aziende.

Applicare l’AI all’analisi dei Big Data, consente di processare rapidamente grandi volumi di dati, sviluppando modelli per rintracciare tendenze, formulare predizioni e supportare processi decisionali secondo regole predefinite. 
Un vantaggio competitivo che consente di condurre scelte data driven sui mercati e sul marketing, fissare strategicamente i prezzi o condurre attività di pricing dinamico o sconto personalizzato, anticipando il comportamento dei clienti e l’evoluzione della domanda. 
Ecco, dunque, alcuni esempi e applicazioni di AI e Machine Learning. 

Machine Learning e azienda: gestire il tasso di abbandono dei clienti (Churn Analysis)

Comprendere le dinamiche e i motivi di abbandono dei clienti verso prodotti o servizi di è fondamentale poiché consente all’azienda di mettere in campo strategie preventive. La creazione di un modello per il calcolo del tasso di abbandono dei clienti (Churn Analysis) permette alle aziende di identificare i clienti che con maggior probabilità smetteranno di interagire con l’azienda e i motivi di questa scelta.
Grazie all’impiego di algoritmi di Machine Learning è possibile raggiungere una visione molto articolata delle dinamiche di abbandono dei clienti, ottenendo dati completi e approfonditi, come la percentuale di rischio di abbandono dei singoli clienti, le cause principali che porteranno a questa scelta e la loro incidenza. Risultati fondamentali per comprendere la situazione, stabilire scelte strategiche e attuare azioni di intervento mirate e realmente efficaci. 

Machine Learning e modelli di pricing dinamici

La determinazione dei prezzi dinamici consente alle aziende di restare aggiornate e rispondere alle dinamiche di un mercato in costante evoluzione, caratterizzato da clienti più consapevoli e dall’utilizzo di risorse e canali per la comparazione dei prezzi.
Attraverso le tecnologie di Machine Learning e l’utilizzo di una grande quantità di dati, oggi è possibile assegnare il prezzo di prodotti e servizi in modo flessibile e dinamico, sfruttando l’analisi in tempo reale di fattori come il livello di interazione, il coinvolgimento del cliente o la domanda al momento dell’acquisto. 

Machine learning: la raccomandazione di sconti

Un’altra interessante applicazione del Machine Learning in un contesto B2B è la raccomandazione di sconti da applicare al cliente nei diversi canali di contatto (e-commerce, call center, POS). Queste raccomandazioni vengono operate in funzione dell’analisi del contesto di acquisto, addestrando il sistema in base alle politiche di vendita applicate dai migliori commerciali dell’azienda. 
In questo modo, i benefici che si possono ottenere sono sia legati ad una migliore gestione della marginalità, ma anche ad una maggiore velocità nell’addestramento del personale di vendita che può mutuare più velocemente modelli di comportamento e processi decisionali in linea con le strategie aziendali. 

Machine Learning e Marketing: la segmentazione dei clienti

L’obiettivo di ogni marketer è quello di presentare il prodotto giusto alla persona giusta nel momento giusto. Il Machine Learning consente di segmentare i clienti in gruppi in base a caratteristiche specifiche, ad esempio dati demografici, comportamento di navigazione e affinità, collegando queste caratteristiche ai modelli di comportamento di acquisto. Un vantaggio competitivo enorme che consente di creare campagne di marketing mirate, puntuali ed estremamente efficaci, perché fortemente personalizzate e basate su tendenze reali. 

AI e Machine Learning: servizi di pre-vendita e post-vendita 

Grazie a sistemi AI è possibile automatizzare e ottimizzare i servizi di prevendita e post-vendita, generando valore aggiunto in termini di efficacia, risparmio sulle risorse impiegate, tempestività e personalizzazione del servizio.
Le applicazioni per le imprese sono molte: un esempio può essere quello dei chatbot all’interno di siti e-commerce o dei portali di servizio. In questi casi l’AI è in grado di innestarsi in diversi punti del customer journey, facilitando l’utente nella ricerca del prodotto, nel confronto dei prezzi e delle caratteristiche dei prodotti o nel rispondere a domande che riguardano i termini di consegna o pagamento. Allo stesso modo, questi assistenti digitali possono aiutare i clienti nella risoluzione di problematiche di post vendita, supportandoli nella ricerca di soluzioni a problemi più o meno complessi e passando poi il testimone al Customer Service, nel caso in cui la procedura automatica non sia stata in grado di soddisfare le esigenze del cliente. 
Un’altra applicazione significativa dell’AI riguarda servizi di Post Vendita: la Predictive Maintenance. Negli scenari di Manutenzione Predittiva, i dati vengono raccolti per monitorare lo stato delle apparecchiature, con l’obiettivo di trovare modelli che possano aiutare a prevedere e, in ultima analisi, a prevenire i guasti. 
È evidente che l’introduzione di queste soluzioni Industry 4.0 basate su Machine Learning può portare a notevoli risparmi sui costi, maggiore prevedibilità e maggiore disponibilità dei sistemi.

Creare nuove possibilità per il business

L’84% degli executive afferma che non riusciranno a raggiungere gli obiettivi di crescita senza scalare l’Artificial Intelligence. Hanno applicato l’AI nelle nicchie a tutti i livelli dell’azienda per liberare nuove efficienze e aumentare la produttività. Ma portare a scala l’AI rende possibili risultati completamente nuovi. La domanda fondamentale è: come fare?

Intelligenza artificiale predittiva per fare una scelta aziendale

L’intelligenza artificiale viene adottata anche nell’ambito della manutenzione predittiva (predictive maintenance), un tipo di manutenzione preventiva che viene effettuata su macchinari o strumenti a seguito dell’individuazione di uno o più parametri che vengono misurati e controllati utilizzando appropriati modelli matematici. Lo scopo è di prevenire eventuali guasti prima che accadano, stimando la probabilità che un eventuale componente possa guastarsi sulla base del suo utilizzo e dell’esperienza distribuita.

L’intelligenza artificiale si è rivelata fondamentale per implementare questo genere di servizi. Un esempio concreto di manutenzione predittiva arriva da Greenbyte, una compagnia di energie rinnovabili che ha combinato modelli statistici, reti neurali artificiali e machine learning per identificare i guasti dei componenti delle turbine eoliche prima che si verifichino.

Fino al 30% del costo del ciclo di vita dei parchi eolici è infatti dovuto a guasti e manutenzione dei componenti delle turbine eoliche, che devono funzionare sette giorni alla settimana, tutto il giorno. Il sistema, chiamato basato sull’intelligenza artificiale consente agli operatori e ai proprietari di parchi eolici di evitare tempi di fermo non programmati e di ridurre le spese impreviste.

QUALI SONO I VANTAGGI PER UN’IMPRESA 4.0 NELL’ADOTTARE SISTEMI DI INTELLIGENZA ARTIFICIALE

L’uso dell’AI offre una miriade di vantaggi: non si può negarlo. Per le aziende, le tecnologie di intelligenza artificiale offrono il dono dell’automazione, che migliora la produttività e l’efficienza, portando ad aumentare i profitti e i posti di lavoro.  Allo stesso modo aiuta gli esseri umani a concentrarsi maggiormente su questioni importanti automatizzando processi ripetitivi. Questi e altri sono i motivi per cui le aziende utilizzano sempre più sistemi di intelligenza artificiale per potenziare i propri processi.

Analizziamo alcuni dati:

  • Il 75% delle aziende afferma che l’IA consentirà loro di programmare nuove iniziative e altre attività. (forbes.com)
  • Il 72% di chi è responsabile di decisioni afferma che l’IA sarà il vantaggio commerciale del futuro. (pwc.com)
  • Il 51% dei dirigenti afferma che il loro obiettivo di intelligenza artificiale è migliorare le funzioni, le caratteristiche e le prestazioni dei loro prodotti. (hbr.org)
  • Il 79% degli imprenditori afferma che l’intelligenza artificiale renderà il lavoro più semplice ed efficiente. (eiuperspectives.economist.com)
  • Il 59%dei manager afferma che l’IA può migliorare l’uso dei big data nelle proprie organizzazioni. (pwc.com)

COME OTTENERE IL MASSIMO DALL’INTELLIGENZA ARTIFICIALE PER GLI IMPRENDITORI

Nonostante le sfide poste dall’implementazione dell’intelligenza artificiale, le aziende dovrebbero adottare modelli basati su tecnologie AI per migliorare notevolmente la loro posizione nei rispettivi mercati. Sfruttare questi strumenti può anche dare a un’impresa un vantaggio competitivo utilizzandolo per potenziare le funzioni aziendali fondamentali. Di seguito sono riportati suggerimenti su come massimizzare con successo i benefici dell’intelligenza artificiale.

Affidarsi a nuovi talenti: per utilizzare con successo l’intelligenza artificiale, è necessario assumere nuovi talenti, sia tecnici che gestionali. Questo perché nuove tecnologie richiedono nuove figure con abilità e competenze verticali che aiutino ad integrare la tecnologia nel mix aziendale esistente.

Stabilire una solida base digitale: l’intelligenza artificiale funziona meglio quando hai accesso a informazioni di alto livello. La base digitale di un’azienda, tuttavia, non si limita soltanto ai dati ma include tutti gli strumenti e le risorse digitali, insieme ai loro rispettivi usi.

Concentrarsi sulla crescita, non sulla riduzione dei costi: alcune aziende considerano l’intelligenza artificiale come un mezzo per ridurre i costi, ma può fare molto di più. Molti rivenditori usano l’AI per espandere i loro mercati, il che si traduce in crescita. Se utilizzato in tutto lo stack tecnologico di un’azienda, l’intelligenza artificiale può davvero fare la differenza quando si tratta di vendite. Questo nuovo uso della tecnologia non poteva che comportare un’espansione della quota di mercato dell’intelligenza artificiale.

Essere disposti a cambiare gli obiettivi aziendali: nel momento in cui si pensa di voler implementare sistemi di intelligenza artificiale nella propria impresa si deve essere consapevoli e pronti ad apportare modifiche agli obiettivi a lungo termine. La migrazione a un modello di business alternativo può comportare nuove fonti di entrate, il che è sempre una buona cosa.

IL FUTURO DELL’INTELLIGENZA ARTIFICIALE

L’intelligenza artificiale ha già cambiato il mondo. Ha cambiato il modo in cui interagiamo con i nostri dispositivi, le persone e le organizzazioni.

È ancora presto, ma già un’ampia fascia della società, soprattutto i giovani e i ricchi, secondo i dati dei consumatori del Mercator Advisory Group, si aspettano interazioni guidate dall’intelligenza artificiale.

All’interno di domini più ristretti e di ambienti più controllati, l’intelligenza artificiale ha già avuto un impatto enorme e tale impatto continuerà ad espandersi man mano che le limitazioni verranno superate.

Si consideri, ad esempio, il dispiegamento di robot nei magazzini di Amazon. Questi magazzini sono organizzati intorno alla produttività che include un ambiente di magazzino strettamente controllato. Nonostante le limitazioni è chiaro che i robot in fabbrica stiano cambiando l’economia della produzione e che l’impatto continuerà a crescere man mano che l’IA progredisce.

Quando e se l’intelligenza artificiale si avvicinerà al livello di intelligenza umana sembra speculativo in questo momento, dato che siamo in una fase di sviluppo molto precoce, ma è chiaro che ci sono molti altri importanti progressi che si stanno verificando nell’IA che amplieranno ulteriormente il suo impatto nelle nostre vite.

L’Intelligenza Artificiale in Italia

Dopo un 2020 condizionato dalla pandemia, secondo i nuovi dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano, il mercato dell’Intelligenza Artificiale in Italia è cresciuto del +27% nel 2021, raggiungendo quota 380 milioni di euro, un valore raddoppiato in appena due anni, per il 76% commissionato da imprese italiane (290 milioni di euro), per il restante 24% come export di progetti (90 milioni di euro).

Un terzo del mercato italiano dell’Artificial Intelligence (35%) riguarda progetti di Intelligent Data Processing, seguiti da quelli di Natural Language Processing (17,5%) e di Recommendatiom System (16%). Rispetto all’anno precedente crescono i progetti relativi a Chatbot e Virtual Assistant (10,5%) e le iniziative di Computer Vision (11% degli investimenti, ma in crescita del 41%). Infine si rilevano investimenti su progetti di Intelligent Robotic Process Automation (10%).

Emerge un significativo divario in termini di avvicinamento alla tecnologia per dimensione di impresa. Se da un lato, infatti, aumenta il numero di grandi aziende che ha avviato almeno una progettualità di AI (59%, + 6punti percentuali rispetto al 2020), dall’altro lato solo il 6% delle PMI ha fatto altrettanto: in particolare nel 4% si tratta di semplici sperimentazioni e solo nel 2% di progetti a regime.

Dal punto di vista dei consumatori, l’intelligenza artificiale è ormai nota a quasi tutti gli italiani con il 95% che ha già sentito parlare di AI, anche se solo il 60% ha realmente capacità di riconoscere funzioni di AI nei prodotti/servizi che utilizza. In generale, l’80% esprime un giudizio positivo sull’Intelligenza Artificiale, anche se emergono preoccupazioni legate a privacy, lavoro e etica. Emergono anche talune opinioni su progetti specifici di applicazione dell’AI: il 48% dei rispondenti è contrario all’ipotesi di un robot “badante” in grado di prendersi cura di persone anziane o fragili, così come il 47% è contrario anche per un consulente finanziario che gestisca autonomamente gli investimenti.

L’automazione di processo: Robotic Process Automation e AI

Le soluzioni RPA (Robotic Process Automation) sono da diversi anni utilizzate per snellire processi onerosi, automatizzando semplici operazioni ripetitive, in particolare sui sistemi informativi legacy (ad esempio, per estrarre dati da un sistema ERP e inserirli in un altro software). Il loro utilizzo è mirato all’efficienza: fanno risparmiare molto tempo e permettendo di dedicare le risorse ad attività a maggior valore aggiunto e alla risoluzione di scenari complessi che l’automazione non è in grado di gestire, valorizzando creatività e intraprendenza.

Integrando l’AI con la RPA, che sono di fatto complementari, è possibile fare un passo avanti: se prima venivano demandate all’uomo le parti più complesse del processo, ora è possibile automatizzarle, attraverso l’addestramento.

Si può dire, per esemplificare, che l’RPA agisce come un robot (infatti le soluzioni si chiamano anche bot) seduto davanti al pc e in grado di svolgere un numero limitato di attività, che per gestire scenari più complessi viene sostituito da un robot con una migliore preparazione.

Il mercato delle soluzioni RPA è in fermento: Forrester prevede che passerà da una spesa globale nel 2016 di 250 milioni di dollari a 2,9 miliardi nel 2021.

L’automazione di processo con l’RPA rientra nell’ambito del BPM (Business Process Management) e viene oggi attuata con metodologie Agile che permettono di ottenere risultati in modo rapido, procedendo per “sprint” di progetto con frequenze settimanali o comunque di breve periodo.

AI per l’HR: a caccia dei migliori talenti

La ricerca del candidato ideale è un’attività impegnativa e strategica, che prende molto tempo al team HR. Analizzare i CV è sempre più difficile e una rapida lettura dei dati non sempre garantisce effettiva corrispondenza alle  competenze e capacità  di cui l’azienda necessita. Occorre un’analisi approfondita, ad esempio confrontando le esperienze e background di un dipendente già presente in azienda, verificando l’effettivo livello di conoscenza di un software in base agli anni in cui è stato utilizzato. L’Intelligenza Artificiale viene in aiuto. Sul mercato sono in arrivo soluzioni as-a-service in grado di supportare l’attività di recruiting, come quella sviluppata da Avanade e basata su Cortana, utilizzata al momento internamente dalla stessa azienda.

Lo strumento supporta i responsabili Risorse Umane nella selezione di una rosa di candidati per le posizioni aperte in azienda, lasciando poi la decisione finale ai responsabili HR e ai manager di riferimento. È composto da un’interfaccia di dialogo integrata a RPA e database interni all’azienda che ricerca candidati in rete (in particolare su Linkedin) e ne abbina le skill a quelle presenti nel DB aziendale dipendenti, restituendo una lista di profili con valori percentuali di compatibilità.

La soluzione mantiene dunque un approccio human-centered ma è potenziata dalla capacità di automation e AI, ridisegnando così l’esperienza della ricerca  di talenti, riducendo drasticamente il tempo necessario alla ricerca e aumentando la qualità dei risultati.

Dall’AI un supporto per lo sviluppo professionale dei dipendenti

Nell’ambito delle Risorse Umane, l’intelligenza artificiale non è vista solo dagli e-recruiter come una tecnologia all’avanguardia per supportarli nelle proprie attività, ma anche i lavoratori, dal canto loro, percepiscono le opportunità dell’AI nell’indirizzarli lungo un percorso di crescita professionale. Secondo lo studio globale condotto da Oracle e la società di ricerca e consulenza Workplace Intelligence non solo l’83% degli intervistati ritiene che queste tecnologie AI siano un miglior supporto, rispetto a un essere umano, per quanto riguarda le scelte di carriera, perché danno raccomandazioni non influenzate da bias/pregiudizi (37%), rispondono velocemente (33%) e aiutano a trovare nuove posizioni lavorative in linea con le competenze possedute (32%), ma l’85% degli interpellati nello studio vuole anche che la tecnologia AI li aiuti a definire il loro futuro: per identificare le competenze che hanno bisogno di sviluppare e proporre modi per acquisirle (36%) o per suggerire passi da compiere per perseguire gli obiettivi di carriera (32%).

Artificial Intelligence Marketing (AIM): i chatbot e l’analisi del sentiment

Nel Marketing si vedono ormai da tempo sistemi di IA impiegati in differenti attività e con svariati obiettivi; il più importante riguarda indubbiamente la gestione della relazione con gli utenti, da sempre “croce e delizia” di qualsiasi brand, anche nel mondo BtoB.

Le tecnologie di IA impiegate vanno dagli assistenti vocali/virtuali (chatbot e sistemi come Siri di Apple o Cortana di Microsoft) che sfruttano algoritmi di intelligenza artificiale sia per il riconoscimento del linguaggio naturale sia per l’apprendimento e l’analisi delle abitudini e dei comportamenti degli utenti, fino ai più sofisticati meccanismi di ingaggio che contemplano l’analisi in real-time di grandi moli di dati (in particolare sui social) per la comprensione del “sentiment” e delle esigenze delle persone con attività che si spingono fino alla previsione dei comportamenti di acquisto da cui derivare strategie di comunicazione e/o proposta di servizi.

Chatbot ed altri sistemi basati sul NLP sono ormai diffusamente impiegati anche all’interno dei reparti che si occupano di assistenza, servizio e supporto alla clientela (contact center, customer service, manutenzione e supporto, ecc.). Secondo Forrester, Marketing a Sales trainano gli investimenti in AI, seguiti dal Customer Care. Gli analisti nelle loro previsioni per il 2019, suggeriscono di non sottovalutare il fattore umano e di affiancare sempre a questi sistemi un esperto in carne e ossa pronto a intervenire in caso di problemi con il cliente, per evitare spiacevoli situazioni che potrebbero essere controproducenti.

AI e Supply Chain Management

Il tema della gestione del rischio è di fondamentale importanza anche per l’ottimizzazione e la gestione della catena di approvvigionamento e di distribuzione dove oltre ad analisi sofisticate servono anche “sistemi intelligenti” in grado di connettere e monitorare tutta la filiera e tutti gli attori coinvolti; uno dei più interessanti casi di utilizzo di IA, in quest’ambito, riguarda le attività di Order Management all’interno dei quali le tecnologie che sfruttano l’intelligenza artificiale non solo mirano alla semplificazione dei processi ma anche alla totale integrazione di essi, dagli acquisti fino all’inventario, dal magazzino alle vendite fino ad arrivare addirittura all’integrazione con il Marketing per la gestione preventiva delle forniture in funzione delle attività promozionali o della campagne di comunicazione.

Possiamo quindi affermare che l’AI è già realtà e sarà sempre più adottata dalle Imprese nelle varie declinazioni.

Translate »