3 - Intelligent Object: tutti quelli oggetti, dagli occhiali alla valigia, in grado di eseguire azioni e prendere decisioni senza richiedere l'intervento umano, interagendo con l'ambiente circostante tramite sensori (termometri, videocamere?) e attuatori e apprendendo dalle azioni delle persone che interagiscono con essi.
4 - Virtual Assistant e Chatbot: i sistemi più evoluti sono capaci di comprendere tono e contesto del dialogo, memorizzare e riutilizzare le informazioni raccolte e dimostrare intraprendenza nel corso della conversazione.
Questi sistemi sono sempre più utilizzati come primo livello di contatto con il cliente tramite il Customer Care aziendale.
5 - Recommendation: si tratta di soluzioni orientate a indirizzare preferenze, interessi, decisioni dell'utente, basandosi su informazioni da esso fornite, in maniera indiretta o diretta.
Molto usate nell'eCommerce o nei servizi di video e musica (i suggerimenti di Amazon, Netflix e YouTube sono un esempio), possono collocarsi in punti differenti del customer journey o, più in generale, del processo decisionale.
6 - Image Processing: sistemi in grado di effettuare analisi di foto o video per il riconoscimento di persone, animali e cose presenti nell'immagine, il riconoscimento biometrico e, in generale, l'estrazione di informazioni dall'immagine/video.
7 - Language Processing: prevede capacità di elaborazione del linguaggio, per comprensione del contenuto, traduzione, fino alla produzione di testi in modo autonomo, a partire da dati o documenti forniti come input.
8 - Intelligent Data Processing: tutte le soluzioni che utilizzano algoritmi di intelligenza artificiale su dati strutturati e non per estrarre informazioni: ad esempio, sistemi per la rilevazione delle frodi finanziarie, ricerca di pattern, sistemi di monitoring e controllo, analisi predittiva (Predictive Analysis).
È facile comprendere come in ognuna di queste categorie i vantaggi rispetto a un qualsiasi processo manuale siano potenzialmente infiniti, in termini di capacità elaborativa, rapidità e accuratezza dei processi.
Solo l'Intelligenza Artificiale può di fatto raccogliere, catalogare e analizzare le grandi quantità di dati che arrivano dai sistemi e dalle applicazioni in uso, e restituire in tempi brevi risultati utilizzabili a scopi di business.
Nello specifico ambito aziendale, l'impiego di soluzioni di AI può essere ricondotto a tre macro aree fondamentali: il miglioramento dei processi decisionali, l'innovazione di prodotti e servizi, la riduzione dei costi.
La ricerca Pwc 2021 AI Predictions ha mostrato in modo evidente come le aziende che hanno iniziato a fare uso in modo più spinto dell'Intelligenza Artificiale riscontrano vantaggi evidenti a misurabili proprio in questi ambiti.
I migliori risultati delle aziende che hanno adottato l'Intelligenza Artificiale
Con i dati e i modelli giusti, l'AI consente di arrivare a prodotti migliori, maggiore produttività e un'esperienza cliente più gratificante, che può incrementare il numero di progetti e di clienti, con un conseguente aumento dei dati a disposizione, in un circolo virtuoso che dà luogo a prodotti ed esperienze ancora migliori.
Fra i casi d'uso più diffusi ci sono quelli relativi alla riduzione dei costi attraverso l'automazione e il miglioramento di processi a basso valore ma ad alto costo.
È il caso, per esempio, delle soluzioni di customer relation o quelle volte ad aumentare la produttività in aziende manufatturiere.
L'altra area di più concreto utilizzo attuale riguarda l'applicazione di strumenti basati su AI per migliorare la comprensione del cliente, ridurre il tasso di abbandono in aziende di servizi o capire come aumentare rapidamente le vendite in un particolare settore.
Saranno però i processi decisionali a trarre vantaggio dall'AI in modo ancora più importante: le organizzazioni faticano a prendere buone decisioni, soprattutto nei contesti in cui il processo specifico trae vantaggio da tempi di risposta pressoché immediati.
Grazie alle applicazioni di intelligent decision making, manager e collaboratori potranno invece prendere decisioni migliori, in tempi più brevi.
L'Intelligenza Artificiale però non è un elemento che vive per sé, ma si inserisce in una strategia del dato più ampia, che può portare i suoi benefici quanto più comprende tutte le applicazioni aziendali chiamate a gestire i vari aspetti del ciclo del dato stesso.
Ed è proprio questo ciclo che va considerato nel suo complesso, anche in ottica di AI.
Se ci si concentra sulla realizzazione di un singolo progetto si risolverà sicuramente il problema di business associato a quella specifica applicazione, ma si perderà l'opportunità di utilizzare i dati elaborati da quell'applicazione di AI anche per altri scopi.
Ed è questo il passaggio più delicato: passare da una realizzazione di progetti di AI verticali a un'industrializzazione dell'AI che non si basi più sul singolo silo di informazioni, ma che le raccolga da una Data Platform aziendale.
In questo modo, i dati utilizzati in tempo reale da un'applicazione di AI, opportunamente elaborati da strumenti di Data Engineering e spostati in maniera efficace in Data Warehouse, Data Lake o Data Base Operazionali evoluti, possono essere messi a disposizione di altri team di Data Scientist al fine di elaborare nuovi algoritmi di ML e AI che possono generare preziosi insight per il successo del business.
Fabio Pascali, Regional Director di Cloudera
Se l'articolo ti è piaciuto, condividilo con gli amici e colleghi