Molti analisti parlano da tempo di un cambio di paradigma: da un approccio product-centric a uno customer-centric, che permette di "intercettare le esigenze del mercato e disegnare un prodotto ad-hoc".
Le aziende che adottano un approccio customer-centric fanno di tutto per capire in anticipo quello di cui i clienti hanno bisogno al fine di proporre prodotti e servizi che soddisfino pienamente le loro esigenze.
Un esempio eclatante in questo contesto è offerto da Netflix e della sua strategia, in termini di proposta commerciale e produzione "industriale".
Netflix vanta un mercato mondiale di circa 125 milioni di clienti.
I suoi algoritmi per raccomandare i contenuti - basati su Machine Learning - sono parte integrante del suo successo e il ROI di questi algoritmi è valutato circa 1 miliardo di dollari all'anno.
Perché Netflix ritiene che il suo motore di raccomandazione valga così tanto? Perché aiuta a fidelizzare gli abbonati e ad aumentarne l'engagement, evitando così che i clienti cerchino altrove le loro fonti di intrattenimento e finiscano per cancellare l'abbonamento.
Secondo una ricerca sulle abitudini di consumo condotta dalla stessa Netflix, un utente alla ricerca di un contenuto se non trova qualcosa di suo gradimento perde interesse in un periodo compreso fra 60 e 90 secondi.
Netflix non è solo distributore di contenuti, ma li produce anche e possiede la piattaforma su cui questi vengono consumati, quindi può accedere e utilizzare i dati sui consumi per migliorare le sue attività.
Grazie all'adozione di strumenti di Big Data Analytics, Netflix definisce a priori i contenuti sulla base dei gusti dei consumatori che ha analizzato.
Ad esempio, nella famosa serie televisiva House of Cards, la scelta della trama, gli attori e il regista sono il risultato di correlazioni di analisi di gradimento ottenute grazie ai Big Data.
Big Data Analytics e Intelligenza Artificiale sono quindi il vero collante tecnologico della convergenza fra Mobile e Cloud passando attraverso Social, Internet delle Cose e Robotica.
Che cosa dobbiamo aspettarci
Nel mio lavoro vengo spesso a conoscenza di casi di successo resi possibili dai Big Data in alcune delle più grandi aziende europee.
Più recentemente, ho inoltre avuto occasione di osservare interessanti realizzazioni anche nell'ambito dell'Intelligenza Artificiale.
Cito tra i tanti esempi un innovativo progetto realizzato nell'ambito delle telecomunicazioni, settore dove il contact center per l'assistenza clienti continua a rappresentare una delle maggiori voci di costo, ma può anche rappresentare una grande opportunità per generare nuove revenue e migliorare la soddisfazione del cliente.
Sfruttando l'intelligenza artificiale e le nuove tecnologie e tecniche di "design thinking", Telefónica ha immaginato il Contact Center cognitivo Catalyst che offrirà servizi personalizzati riducendo allo stesso tempo i costi.
Il progetto si è avvalso della profonda conoscenza del mercato di Telefónica, della soluzione di riconoscimento vocale Verbio e della piattaforma di API Management e Service Virtualization di CA, unita al Virtual Agent di Everis (eVA), per offrire un nuovo modo di lavorare.
L'obiettivo primario di Telefónica è quello di spostare progressivamente i casi d'uso verso l'agente virtuale fino alla totale copertura dell'offerta multicanale.
Quanto un cliente chiama il contact center, risponde Monica, assistente virtuale che è in grado di riconoscere frasi in linguaggio naturale e tradurle in richieste di assistenza che prevedono non solo la risoluzione della problematica segnalata dal cliente, ma anche l'offerta di nuovi pacchetti commerciali o l'attivazione di diverse opzioni tariffarie.
I vantaggi sono enormi: la disponibilità dell'assistente virtuale è 24h/24h, il cliente può interloquire con l'assistente virtuale e non è costretto a navigare attraverso i classici menu a selezione numerica, le code e i tempi di attesa sono ridotti a zero.
Ogni interazione è registrata e alimenta un motore di Machine Learning che "impara" e migliora le successive interazioni.
Le sfide da affrontare
I Big Data e l'Intelligenza Artificiale comportano chiaramente anche sfide consistenti, in particolare in termini di "Protezione dei dati personali" e "software etico".
La prima sfida è legata alla protezione dei dati personali.
Con le opportune cautele, la condivisione dei dati può portare a enormi benefici sia alle aziende sia alla società stessa.
Ad esempio, provate ad immaginare i benefici indotti dalla condivisione di dati in ambito medico fra team differenti di ricercatori, oppure la condivisione di dati per il rilevamento di frodi bancarie fra istituti differenti, oppure i modelli di rilevamento di intrusioni informatiche fra aziende diverse.
Sarà possibile creare modelli analitici che traggano vantaggio da dati condivisi da più organizzazioni pur preservando la privacy dei soggetti coinvolti? Un team di ricercatori del nostro programma di Strategic Research è al lavoro su un progetto denominato "Privacy-Preserving Multi-Party Analytics", che sfrutta tecniche statistiche che consentono di trarre informazioni utili relative a un intero gruppo di persone, pur preservando la privacy dei singoli.
Una seconda sfida complessa è quella dello sviluppo di software etico.
I big data sono diventati uno strumento predittivo potente al quale si affidano organizzazioni e aziende per prendere decisioni migliori in modo più efficiente ma, in alcuni casi, questo metodo lascia spazio all'emergere dei pregiudizi.
Qualche tempo la stampa ha rivelato che Amazon aveva escluso determinati quartieri di alcune città degli Stati Uniti dal suo servizio di consegna gratuito in giornata (PrimeNow).
Il motivo era che il sistema guidato dai dati e dall'algoritmo di Amazon aveva decretato l'esclusione di quei quartieri in quanto l'azienda non avrebbe potuto ottenere un profitto in queste aree.
Come è possibile stabilire l'imparzialità delle decisioni prese dalle macchine sulla base degli algoritmi di Intelligenza Artificiale e i BDA? È importante progettare strumenti e metodi che aiutino gli sviluppatori di AI a creare applicazioni in maniera etica, inclusiva e non discriminante.
Gli esperti sono all'opera per trovare nuove soluzioni.
Un sistema di sicurezza intelligente che raccoglie i dati dai dispositivi IoT, ad esempio, deve garantire che le decisioni basate sull'AI su tali dati non producano risultati distorti.
In questo contesto, un team di ricercatori e partner, tra i quali le Università di Cagliari e Sassari, è al lavoro su un progetto denominato ALOHA (Adaptive Learning on Heterogeneous Architectures) che ha la finalità di impedire la formazione di preconcetti e pregiudizi in contesti applicativi.
L'intelligenza artificiale combinata con la BDA è solo l'ultimo anello di una lunga catena di sviluppi straordinari che possono avere un impatto significativo sulla società.
Tuttavia, spetta a noi, industria e governo, assicurare che questi sviluppi vengano portati nel futuro con un approccio etico e responsabile.
Marco Comastri, President & General Manager, CA Technologies, EMEA
Se l'articolo ti è piaciuto, condividilo con gli amici e colleghi
