Gli step da seguire per potenziare la tua azienda con l’Intelligenza Artificiale

L’Intelligenza Artificiale (AI) rappresenta la grande rivoluzione dei prossimi anni e sta già cambiando la nostra vita nei suoi aspetti più quotidiani. Basti pensare a come prenotiamo le vacanze, facciamo acquisti online o investiamo i nostri risparmi. In molte di queste azioni entrano in gioco gli algoritmi di Intelligenza Artificiale che possono, ad esempio, suggerirci i migliori hotel e appartamenti, indicarci che biglietto aereo acquistare, quali prodotti aggiungere nel carrello o qual è il portafogli più adatto per i nostri obiettivi di investimento.

Molte grandi società stanno già investendo miliardi negli algoritmi di Machine Learning e nelle loro applicazioni[1], ma è nei prossimi anni che si assisterà ad una forte diffusione di queste tecnologie, che diventeranno presto il nuovo terreno su cui sarà giocata la concorrenza[2].

È quindi cruciale che le aziende inizino il prima possibile ad interfacciarsi a queste tecnologie se vogliono guadagnare un vantaggio competitivo che sarà determinante nei prossimi anni.

In tal senso, Gartner ha individuato 5 livelli di “maturity” dell’Intelligenza Artificiale all’interno dell’azienda[3], che possono essere pensati come i 5 step fondamentali da seguire per l’implementazione dell’AI nel proprio business.

Vediamo quali sono:

Step 1 – Consapevolezza (Awareness): In questa fase, in azienda si parla di Intelligenza Artificiale, sebbene non in modo strategico e non vi siano progetti o esperimenti in atto. Vi è quindi il rischio che non si comprendano adeguatamente le potenzialità e le insidie dell’Intelligenza Artificiale.

Step 2 – Attivazione (Active): Iniziano a delinearsi con chiarezza applicazioni pratiche e possibili progetti, i concetti sono appresi con maggior sicurezza e vi sono riunioni apposite in cui si discute ufficialmente dell’AI e del suo utilizzo futuro.

Step 3 – Operatività (Operational): Almeno un progetto è entrato in fase di produzione. L’azienda ha accesso alle tecnologie, agli esperti e alle best practises riguardanti l’Intelligenza Artificiale. Inoltre, vi è un budget dedicato e almeno un dirigente a supervisione delle attività.

Step 4 – Sistematicità (Systemic): Ogni nuovo progetto digitale dell’azienda considera di impiegare tecnologie di AI. La maggior parte dei nuovi prodotti e servizi utilizzano l’Intelligenza Artificiale al loro interno, così come la maggior parte dei dipendenti che si occupano della realizzazione dei prodotti o servizi in fase di progettazione conoscono e comprendono la tecnologia. Si impiegano queste tecnologie anche all’interno dell’organizzazione stessa.

 Step 5 – Trasformazione (Transformational): L’intelligenza Artificiale fa parte del DNA dell’azienda, ed entra in gioco in ogni fase del processo di business. Ogni dipendente conosce bene i punti di forza e di debolezza dell’AI.

 

Se la vostra azienda non rientra in nessuno di questi step è probabile che si trovi ancora al “livello zero”, ossia in una situazione dove non c’è consapevolezza né si discute dell’Intelligenza Artificiale e delle sue applicazioni pratiche. Sfortunatamente, questo scenario è di solito il più comune, specialmente nei settori dove l’innovazione è più lenta e trova più resistenze.

Come scalare quindi i vari step che conducono ad un pieno utilizzo dell’Intelligenza Artificiale?

Il primo passo

Il primo passo, quello che porta l’azienda al livello della consapevolezza, è relativamente facile da attuare. Normalmente è sufficiente organizzare un workshop che coinvolga almeno un’area aziendale, per introdurre tematiche di Machine Learning, Data Science, Analisi Predittiva, Big Data e Internet-of-Things (IoT), e le loro possibili applicazioni pratiche all’interno del settore in cui l’azienda opera. Tuttavia, è bene precisare che spesso e volentieri questi temi sono trattati in modo superficiale, rappresentando solo parole “di moda” (buzzwords) da utilizzare senza conoscerne realmente il significato. È necessario quindi assicurarsi che gli argomenti siano affrontati con la giusta accortezza, prestando attenzione anche all’autorevolezza di chi espone.

Dalla consapevolezza all’attivazione

Si tratta del passaggio cruciale, che permette di passare dalla teoria alla pratica. Innanzitutto, prima di attivare il primo progetto di Intelligenza Artificiale è indispensabile assicurarsi di possedere i dati necessari per il training degli algoritmi di Machine Learning. È quasi impossibile che l’impresa possieda già i dati opportunamente puliti e ordinati da poter utilizzare per attivare i primi esperimenti con l’AI. Bisogna quindi chiedersi su quali progetti è meglio orientarsi e quali dati andrebbero utilizzati, andando a preparare il terreno per quello che sarà il primo progetto. È in questa fase che le competenze diventano fondamentali: per proseguire è quindi necessario formare un team di data scientist ed esperti in grado di lavorare con gli strumenti dell’AI oppure avvalersi di un team esterno con le giuste competenze.

Raggiungere l’operatività

In questa fase il team (esterno o interno che sia) inizia a lavorare concretamente sugli algoritmi di Machine Learning, adottando un approccio iterativo con una forte comunicazione con il comparto business su cui lavora l’architettura di AI. L’aspetto della comunicazione è molto importante ed è bene che le aree interessate partecipino attivamente allo sviluppo delle soluzioni di AI, proponendo le regole di business da implementare nei modelli di Machine Learning e verificando il funzionamento di quest’ultimi. È consigliabile partire da progetti minori, acquisire la giusta esperienza e iniziare a pensare come attuare progetti futuri più ambiziosi.

Utilizzare l’Intelligenza Artificiale ad ogni livello

L’ultimo passo, quello di permettere di raggiungere i livelli di Sistematicità e Trasformazione, prevede che si inizi ad utilizzare l’AI per i nuovi prodotti o servizi e in diversi processi all’interno dell’azienda. Questo passaggio richiede una forte consapevolezza ed un certo grado di esperienza. È auspicabile in questo caso possedere un team di data scientist interno in modo da realizzare l’automazione su vasta scala nelle diverse aree. Una sfida in questa fase può essere quella di riuscire a creare un ambiente adatto ad attrarre nuovi talenti nei campi dell’Intelligenza Artificiale e della Data Science, garantendo la formazione continua delle proprie risorse. Per realizzare quest’ultimo passo è determinante costruire una cultura aziendale orientata all’innovazione, in grado di fornire a ciascun dipendente un certo margine di autonomia per esplorare nuove possibili soluzioni e idee per la realizzazione di progetti innovativi, ammettendo l’incertezza dei risultati.

[1] Deloitte (2019). “AI leaders in financial service: Common traits of frontrunners in the

artificial intelligence race.”

[2] S. Ransbotham, S. Khodabandeh, R. Fehling, B. LaFountain, and D. Kiron (2019) “Winning With AI,”

MIT Sloan Management Review and Boston Consulting Group.

[3] Gartner (2019). “The CIO’s Guide to Artificial Intelligence.”

Andrea Bergonzi

Sono laureato in Economia, Finanza e Mercati Internazionali presso l’Università Cattolica di Milano. Prima di terminare gli studi, ho ricoperto il ruolo di analista dei mercati finanziari presso una società di consulenza e ho collaborato come Research Editor con una società di Singapore. Dal 2020 sono membro di Dataskills, dove mi occupo di Data Science e Business Intelligence.

Iscrivi alla newsletter







Dichiaro di aver letto ed accetto l’informativa sulla privacy

Andrea Bergonzi

Sono laureato in Economia, Finanza e Mercati Internazionali presso l’Università Cattolica di Milano. Prima di terminare gli studi, ho ricoperto il ruolo di analista dei mercati finanziari presso una società di consulenza e ho collaborato come Research Editor con una società di Singapore. Dal 2020 sono membro di Dataskills, dove mi occupo di Data Science e Business Intelligence.