Skip to main content

Da tempo si parla di Intelligenza Artificiale e di come questa tecnologia possa cambiare drasticamente il business di un’azienda.

L’AI non ha nulla di magico, ma è qualcosa di concreto con solide basi.

È lo strumento più potente che oggi abbiamo a disposizione per fare la differenza!

Ma come implementare un progetto di Data Science e Intelligenza Artificiale iniziando a trarne vantaggio, in modo coerente, su larga scala, e abbastanza velocemente?

Il problema è che la maggior parte delle imprese non ha ancora l’esperienza, il personale e lo stack tecnologico giusti per sbloccare tutto il suo potenziale.

Secondo il sondaggio di Deloitte, le aziende digitalmente mature vedono un ROI del 4,3% per i progetti di Intelligenza Artificiale in soli 1,2 anni dal lancio.

Nel frattempo, il ROI di chi non sfrutta l’AI supera raramente lo 0,2%, con un periodo di ammortamento medio di 1,6 anni.

Le aziende che vedono un ritorno tangibile e rapido sugli investimenti nell’Intelligenza Artificiale hanno gettato le basi giuste sin dal primo giorno.

I leader che adottano un approccio olistico allo sviluppo e all’implementazione dell’AI ottengono tre risultati importanti: trasformazione del business, modernizzazione dei sistemi, e processo decisionale migliorato.

Quindi, cosa devi fare per utilizzare l’Intelligenza Artificiale nella tua organizzazione e unirti ai leader che già stanno raccogliendo grandi risultati?

L’intelligenza artificiale non è una soluzione che aumenterà magicamente la produttività dei tuoi dipendenti e migliorerà i tuoi profitti, ma ha un solido potenziale per trasformare la tua attività.

In questo articolo ti voglio spiegare i 5 passaggi che devi affrontare per ottenere il massimo da un progetto di Intelligenza Artificiale.

Passaggio 1: scopri potenzialità e limiti dell’AI

Le aziende possono integrare l’Intelligenza Artificiale in varie attività, dal rilevamento delle anomalie nei processi aziendali finalizzati alla sviluppo di un servizio alla gestione delle inefficienze nelle loro catene di approvvigionamento.

Devi definire in maniera chiara gli aspetti su cui focalizzare il progetto, come:

  • Programmazione
  • Previsione (così come analisi “if-else”)
  • Miglioramento e automazione dei processi
  • Gestione e allocazione delle risorse
  • Segnalazione
  • Gestione della sicurezza informatica

Questo elenco non è esaustivo, poiché l’Intelligenza Artificiale è in continua evoluzione e alimentata da notevoli progressi che riguardano anche l’hardware e il cloud computing.

Gli algoritmi che facilitano o assumono il controllo di attività autonome e interi processi differiscono per il potere di acquisizione, elaborazione e interpretazione dei dati, e sono queste le caratteristiche che devi tenere a mente quando lavori alla tua strategia di adozione dell’Intelligenza Artificiale.

Prendiamo una tecnica di Machine Learning chiamata “apprendimento automatico supervisionato”

I Data Scientist, ad esempio, devono addestrare – tramite dataset etichettati – algoritmi per rilevare gatti nei post di Instagram, alimentandoli con foto dei nostri amici felini. 

Questo perché altrimenti tali algoritmi non riuscirebbero a identificare correttamente immagini prive di una classificazione precisa.

In caso di informazioni non classificate, si può in alternativa utilizzare il modello di Machine Learning con “apprendimento automatico non supervisionato”, che elabora grandi quantità di dati ottenendo intuizioni relativamente significative. 

Tuttavia, anche i modelli Machine Learning non supervisionati richiedono una formazione iniziale.

Ad esempio, potremmo dire agli algoritmi che un particolare database contiene solo immagini di cani e gatti e lasciare che sia l’Intelligenza Artificiale a fare il lavoro di distinzione tra i due animali.

Altra tecnica che abbiamo a disposizione è definita “apprendimento per rinforzo”, e consiste nel lasciare liberi gli algoritmi in modo che possano proporre soluzioni ai problemi aziendali e imparare dai propri errori

Questo tipo di Intelligenza Artificiale può aiutare a riassumere testi lunghi o prevedere le tendenze del mercato azionario.

Infine, ci sono le reti neurali profonde che fanno previsioni intelligenti analizzando dati etichettati e non etichettati rispetto a diversi parametri. 

Il Deep Learning ha trovato la sua strada nelle moderne soluzioni di elaborazione del linguaggio naturale (NLP) e computer vision (CV), come assistenti vocali e software con capacità di riconoscimento facciale.

Non sempre le previsioni delle soluzioni di Intelligenza Artificiale sono accurate: in alcuni casi ci devono essere specialisti umani che supervisionano il processo di implementazione e stimolano gli algoritmi nella giusta direzione.

Esistono poi diverse aree in cui l’implementazione dell’AI ha poco senso senza un monitoraggio efficiente, tra cui:

  • Generazione di contenuti creativi (come articoli di opinione e testi ottimizzati per la conversione)
  • Codifica di sistemi software complessi
  • Autonomia di giudizi e decisioni etiche
  • Soluzioni innovative e pronte all’uso per problemi del mondo reale

Passaggio 2: definisci gli obiettivi 

Per iniziare a utilizzare l’analisi dei dati nel business devi individuare per prima cosa i problemi da risolvere nella tua azienda.

Per questo è bene condurre riunioni con le unità organizzative che potrebbero trarre vantaggio dall’implementazione dell’AI

La C-Suite della tua impresa dovrebbe essere parte e forza trainante di queste discussioni.

Inoltre, controlla i tuoi processi e i tuoi dati, nonché i fattori esterni e interni che influenzano la tua organizzazione

Ci sono molte tecniche e strutture per supportare il tuo processo decisionale

Questi includono l’analisi micro e macro-ambientale TEMPLES, il framework VRIO per valutare le tue risorse critiche, e SWOT, per riassumere i punti di forza e di debolezza della tua azienda. 

Un altro ottimo strumento per valutare i fattori trainanti e gli ostacoli all’adozione dell’AI è l’analisi del campo di forza di Kurt Lewin, che assegna un punteggio a ogni fattore.

Se il punteggio combinato è positivo, i vantaggi dell’adozione dell’AI superano le potenziali sfide.

Gli esperti ritengono che dovresti dare la priorità ai casi d’uso dell’AI in base alle attività a breve termine e al valore finanziario che potrebbero apportare alla tua azienda. 

Ecco perché hai bisogno di obiettivi specifici e di modi per misurarli.

Tornando alla questione del ritorno sugli investimenti, nell’Intelligenza Artificiale è fondamentale distinguere tra “ROI hard” e “ROI soft”.

Il “ROI hard” che la tua azienda potrebbe ottenere implementando l’Intelligenza Artificiale riguarda:

  • Risparmio di tempo guidato dall’automazione di attività laboriose
  • Aumenti di produttività derivanti dal processo decisionale assistite dall’AI
  • Riduzione dei costi di manodopera e operativi, grazie alla maggiore automazione e produttività dei dipendenti
  • Ricavi in aumento, grazie alla crescita della base clienti e al maggior valore dei servizi forniti

L’adozione dell’intelligenza artificiale “ROI soft” potrebbe fornire intervalli di:

  • Esperienza cliente personalizzata, che influisce positivamente sulla soddisfazione e fidelizzazione del cliente
  • Sviluppo delle competenze, che ruota attorno alla ricerca e alla convalida di nuovi concetti di implementazione dell’AI, e contribuisce allo sviluppo di competenze interne
  • Agilità organizzativa e digitale, che consente ai dipendenti di rinnovare i sistemi tecnologici e interi flussi di lavoro in risposta a nuove sfide e opportunità

Tutti gli obiettivi per l’implementazione del tuo progetto pilota di AI dovrebbero essere specifici, misurabili, realizzabili, pertinenti e con scadenze temporali (SMART)

Ad esempio, la tua azienda potrebbe voler ridurre il tempo di elaborazione dei sinistri assicurativi da 20 a 3 secondi, ottenendo una riduzione del 30% dei costi amministrativi dei sinistri entro il primo trimestre del 2023.

Per fissare obiettivi realistici puoi sfruttare diverse tecniche, tra cui ricerche di mercato, benchmarking dei concorrenti, e consultazioni con esperti esterni di Data Science e Machine Learning.

Passaggio 3: valuta la disponibilità dell’AI

Il termine disponibilità dell’Intelligenza Artificiale si riferisce alla capacità di un’organizzazione di implementare e sfruttare la tecnologia per i risultati aziendali.

Dopo aver identificato gli aspetti della tua attività che potrebbero trarne vantaggio, è il momento di valutare gli strumenti necessari per eseguire il tuo piano di implementazione.

Secondo Vitali Likhadzed , CEO e co-fondatore di ITRex Group, la tua strategia di implementazione dell’AI si deve basare su cinque elementi fondamentali:

  1. Talento di sviluppo dell’AI
    Disponi di specialisti IT interni ed esperti in materia (PMI) che sanno come implementare l’AI, sia dal punto di vista tecnologico che aziendale, entro un lasso di tempo specificato nel passaggio precedente?
    In caso negativo, disponi di un budget per esternalizzare lo sviluppo dell’AI a una terza parte, o acquistare e distribuire una soluzione SaaS?

  2. Costi di sviluppo, approvvigionamento e manutenzione del software
    A seconda dei tuoi obiettivi aziendali, potresti optare per uno strumento di Intelligenza Artificiale basato su SaaS o intraprendere la strada dell’ingegneria del software personalizzata?
    Entrambi gli approcci presentano vantaggi e svantaggi, come il compromesso tra cicli di implementazione dell’AI più lunghi, e opzioni di personalizzazione limitate. 
    Il costo totale di proprietà (TCO) per i sistemi di intelligenza artificiale, su misura o basati su SaaS , include anche i costi del fornitore e di manutenzione, nonché il prezzo di configurazione e gestione di un’infrastruttura cloud.
    Il costo delle piattaforme di analisi dei dati basate su SaaS , ad esempio, potrebbe variare tra € 10.000 e € 25.000 all’anno, non soddisfando comunque tutte le esigenze aziendali in quanto sono strumenti standard.
  1. Dati
    Gli algoritmi di Intelligenza Artificiale sono validi solo quando i dati che fornisci sono pertinenti alla realtà e completi.
    Immagini, video, file audio, documenti PDF, letture dei sensori IoT e altri dati difficili da interpretare e modificare (ad esempio i dati non strutturati) comprendono fino al 90% di tutte le informazioni archiviate nell’infrastruttura IT dell’azienda.
    Individuarli, aggregarli e prepararli per l’addestramento degli algoritmi è un passaggio essenziale verso la creazione di soluzioni di Intelligenza Artificiale accurate e ad alte prestazioni.

  2. Risorse informatiche e di archiviazione
    Microsoft Azure, Amazon Web Services, Google Cloud e altri importanti fornitori di cloud computing forniscono le risorse per addestrare, distribuire ed eseguire modelli di Machine Learning nel cloud.
    I tuoi dati vivranno anche nel cloud, in un Data Warehouse ben organizzato, in Data Lake o soluzioni di storage di dati ibride.
    Attingere ai servizi di cloud computing è quindi fondamentale per l’implementazione dell’AI.
    Dovresti configurare correttamente la tua infrastruttura cloud, altrimenti il ​​costo dell’implementazione dell’AI potrebbe superare le tue potenziali entrate.

  3. La formazione dei dipendenti
    Anche se collabori con sviluppatori di Intelligenza Artificiale esperti, dovrai comunque istruire i dipendenti sulla nuova tecnologia, in modo che possano svolgere il proprio lavoro in modo efficace, sia ora che in futuro.

Le aziende che riescono a portare avanti il ​​piano di implementazione dell’AI hanno maggiori probabilità di successo se dispongono di solide strategie di governance dei dati e sicurezza informatica, e seguono le migliori pratiche di distribuzione DevOps e Agile.

Passaggio 4: integra l’AI nei processi selezionati, pianificandone la scalabilità

In Karon viviamo secondo la regola “inizia in piccolo, distribuisci velocemente, e impara dai tuoi errori”

Questa regola la suggeriamo anche ai nostri clienti, soprattutto quando implementano l’Intelligenza Artificiale per la prima volta nella propria organizzazione.

Gartner riferisce che solo il 53% dei progetti di intelligenza artificiale passa dai prototipi alla produzione

Uno dei motivi di fallimento è dato dall’incapacità delle aziende di replicare i risultati ottenuti con le prove di concetti isolati (POC) nella vita reale, in quanto intervengono dati da più fonti non considerate in fase di sviluppo.

Un approccio pragmatico all’adozione dell’AI consiste nell’avere un quadro più ampio del “back-end” invece di concentrarsi sui POC per i casi d’uso selezionati, anche se tale quadro potrebbe sembrare un frutto di bassa portata rispetto alle ambiziose iniziative che si hanno in mente.

Creando un progetto per la tua strategia a livello aziendale sin dall’inizio, eviterai il destino del 75% dei pionieri dell’AI che potrebbero cessare l’attività entro il 2025, non sapendo come implementarla su larga scala.

Inoltre, una tempistica ragionevole per un POC di Intelligenza Artificiale non dovrebbe superare i tre mesi

Se non si ottengono i risultati attesi all’interno di questo periodo, potrebbe avere senso interromperlo e passare ad altri scenari di utilizzo.

Passaggio 5: raggiungi l’eccellenza dell’AI

Dopo aver avviato il progetto pilota, monitorato le prestazioni dell’algoritmo, e raccolto il feedback iniziale, puoi sfruttare le conoscenze per integrare l’AI, strato dopo strato, nei processi e nell’infrastruttura IT dell’azienda.

Per questo, è necessario impostare:

  • Un solido framework di governance dei dati, che garantisce una gestione sicura ed efficiente
  • Un ecosistema integrato per la raccolta, l’archiviazione e l’organizzazione delle informazioni per l’addestramento degli algoritmi
  • Un centro di eccellenza dell’AI, in cui il tuo team interno lavorerà fianco a fianco con esperti di terze parti, acquisirà nuove competenze, migliorerà continuamente le prestazioni dell’AI, e testerà nuovi concetti
  • Una base che facilita il processo decisionale “agile” e la riprogettazione continua dei processi aziendali: poiché l’AI migliorerà o automatizzerà più processi all’interno della tua organizzazione, dovrai istruire i membri del tuo team al mondo dati, affinché il progetto sia complementare e non fine a se stesso

L’approccio incrementale all’implementazione dell’AI può aiutarti a raggiungere il ROI più velocemente, ottenere il buy-in della C-Suite, e incoraggiare altri dipartimenti a provare la nuova tecnologia.

Conclusioni

Comprendere l’Intelligenza Artificiale è il primo passo per sfruttare questa tecnologia per la crescita e la prosperità della tua azienda.

Se vuoi sapere come possiamo aiutarti ad avviare un progetto di Data Science serio e misurabile per mettere le basi ad un approccio sempre più Data Driven prenota una videochiamata di 45 minuti!

Ecco come si svolgerà:

  1. Analizzeremo la tua organizzazione

    Per comprendere meglio il mercato in cui ti trovi dobbiamo sapere di che cosa si occupa la tua azienda e com’è strutturata.
  1. Analizzeremo la digitalizzazione della tua azienda

    Per poter sfruttare al meglio le tecnologie che hai a disposizione dobbiamo conoscere quanto la tua azienda oggi è digitalizzata.
  1. Studieremo le basi del progetto

    Stabiliremo insieme le basi del primo progetto su cui è possibile applicare le tecniche di Intelligenza Artificiale.

    Tu non devi preoccuparti di avere già tutto chiaro, saremo noi a porti le domande giuste per mettere a fuoco l’obiettivo!

Prima si avvia un progetto di Intelligenza Artificiale, prima si ottengono risultati mai visti!

Non aspettare ancora