Strategia di intelligenza artificiale: Trovare l’approccio giusto

Artificial Intelligence

Strategia di intelligenza artificiale: Trovare l’approccio giusto

Manuel Torres | Lug 04, 2019

L’intelligenza artificiale, soprattutto nel caso di machine learning e deep learning, sta diventando un vantaggio competitivo in molteplici settori, poiché li rende più flessibili e ne consente lo sviluppo tramite l’applicazione dell’innovazione.

Affrontare l’applicazione dell’intelligenza artificiale da una prospettiva aziendale può essere un compito molto impegnativo, perché non tutti i problemi, le tecnologie e le soluzioni in questo campo sono uguali e la scelta dell’approccio giusto può rivelarsi un fattore decisivo nell’introduzione dell’IA.

Le soluzioni di intelligenza artificiale sono disponibili in qualunque forma e dimensione, dai chatbot ai sistemi di riconoscimento facciale, dalla previsione algoritmica nei mercati azionari alle soluzioni di grafica generativa, dai campioni mondiali di scacchi ai robot per lo smistamento automatico della frutta. Ognuna di queste soluzioni ha requisiti diversi in termini di risorse, livello di comprensione della tecnologia e strumenti utilizzati. Tuttavia, molte aziende continuano comunque a usare lo stesso approccio per tutte. La prima cosa da fare è scegliere il ruolo che vuoi che la tua impresa svolga in questo nuovo, intrigante mondo dell’intelligenza artificiale.

Come non hai bisogno di tecnici in grado di comprendere il funzionamento dei transistor impiegati nei computer su cui gira il tuo ERP, così non dovresti aver bisogno di esperti degli algoritmi su cui si basa l’IA. Eppure, spesso questa è una delle prime decisioni in materia di IA prese dalle aziende: assumiamo un esperto di intelligenza artificiale, prendiamo un data scientist di prim’ordine. Sarebbe come assumere una risorsa con un dottorato di ricerca in microelettronica per personalizzare il modulo di vendita e distribuzione dell’ERP: sebbene consenta di ottenere il risultato desiderato, potrebbe non essere la mossa più intelligente.

Webinar: How Chatbots Can Transform your Business

Una soluzione di IA è una soluzione aziendale 

Secondo noi, conviene adottare un approccio diverso: inizia dalla tua esperienza, individua i tuoi punti deboli e la tua posizione sul mercato e cerca di trovare un modo per integrare l’IA nella tua attività. Ogni percorso in tema di intelligenza artificiale dovrebbe partire dallo stesso punto: un problema aziendale. Solo così potrai trovare la persona giusta per guidare l’iniziativa in materia di IA: non il CIO ma il CEO, non gli esperti di tecnologia ma gli esperti di business.

Solo a questo punto potrai rivolgerti agli esperti di intelligenza artificiale per avviare una conversazione con i tuoi specialisti aziendali. Le loro comunicazioni dovrebbero sempre avere come tema principale il problema aziendale e concentrarsi sulle capacità dell’intelligenza artificiale in modo da definire le domande a cui l’IA deve poter rispondere per risolverlo. Dopodiché potrai iniziare a pensare alle tecnologie e alla strategia di implementazione.

Quando si tratta di strategia di intelligenza artificiale, il trucco è essere agili e veloci.

L’approccio in termini di implementazione dovrebbe essere il più agile e modulare possibile, in modo da tenere conto della velocità con cui evolvono le tecnologie di IA. Un distacco più lungo di 6 mesi tra la generazione dell'idea e la sua implementazione può essere fatale, tanta è la velocità a cui evolve la tecnologia. Si dovrebbe prendere in considerazione un approccio graduale, cercando di testare le tecnologie e prendere le relative decisioni il più velocemente possibile:

  1. Proof of concept: il MVM. "Minimum Viable Model" è un modello basato sull’intelligenza artificiale in grado di rispondere con successo alle tue esigenze. Dovrebbe essere il primo passo nell’implementazione e dovrebbe rispondere alle seguenti domande:
    • I tuoi dati sono abbastanza validi da utilizzare l’IA per risolvere il problema?
    • Esistono un modello di IA e un’architettura per risolvere il problema?
    • Esiste un algoritmo di IA per addestrare il modello in tempi accettabili?

  2. Proof of Concept: il MVP.  Una volta trovato l’MVM, si tenta di integrarlo nel Minimum Viable Product, per dimostrare che il modello può essere inserito nei sistemi senza causare interruzioni del servizio o almeno delineare le modifiche da apportare per adattarlo.
  3. Prototipo: dovrebbe essere un sistema di lavoro in grado di integrare i tuoi processi con il nuovo modello e indicare i principali problemi destinati a emergere durante la fase di messa in produzione.
  4. Produzione: il modello deve essere completamente integrato nella catena di produzione. Oltre alle classiche questioni che riguardano ogni nuova fase di un processo, dalla scalabilità, alla misurabilità, garanzia di qualità, ecc., ce ne sono alcune che sono specifiche per l’IA e non possono essere ignorate.
      • Pipeline di dati: i dati utilizzati nel modello dovrebbero arrivare nelle condizioni per cui il modello è stato addestrato: data cleansing, preparazione dei dati ed estrazione delle funzionalità dovrebbero essere parte integrante della produzione.
      • Rieducazione del modello: le condizioni del processo affrontato dal modello possono cambiare nel tempo, per cui è necessario che questo possa adattarsi alla nuova situazione. Bisogna monitorare le prestazioni del modello e rieducarlo non appena cambiano, soprattutto se l’introduzione del modello comporta modifiche del processo: immagina un sistema predittivo che ti permette di variare le condizioni di mercato. La sua sola introduzione è destinata a cambiare il processo che ha generato i dati utilizzati per addestrare il modello, che quindi potrebbe non riflettere più la realtà.

Strategia di intelligenza artificiale: da dove iniziare? 

Nonostante il tanto parlare di intelligenza artificiale, ne padroneggiamo solo funzionalità ancora molto limitate, come risolvere problemi specifici e ben definiti utilizzando architetture specializzate, con limitate capacità di generalizzazione. Oggi, le principali applicazioni dell’intelligenza artificiale a livello di business non eseguono processi aziendali completi, ma sono integrate nel processo: il machine learning automatizza compiti ripetitivi che prevedono l’intervento umano e non possono essere portati a termine tramite un insieme di regole rigide. L’intelligenza artificiale permette anche di aggiungere fasi dei processi che normalmente non vengono prese in considerazione a causa della loro complessità o dei costi eccessivi.

Con questo in mente, dovresti individuare le fasi dei processi in corso più adatte per una rapida introduzione dell’IA:

  • riconoscimento delle immagini;
  • sentiment Analysis;
  • elaborazione del linguaggio naturale: comprensione semantica di testi non strutturati;
  • ampliamento dell’esperienza utente tramite chatbot;
  • riconciliazione di fatture;
  • traduzione automatica di testi;
  • rilevamento di frodi;
  • rilevamento di tendenze;
  • valutazione dei rischi;
  • segmentazione della clientela;
  • rilevamento di anomalie;
  • ottimizzazione dei consumi energetici;
  • ottimizzazione della logistica.

Ognuna di queste voci può essere un ottimo punto di partenza nel percorso verso l’adozione dell’intelligenza artificiale, permettendoti di trovare la strategia più adatta per la tua azienda.

 

Scopri di più sull'Intelligenza Artificiale

Sei pronto a implementare l'Intelligenza Artificiale per migliorare i tuoi processi di business? Scopri i nostri servizi e le nostre soluzioni per l'Intelligenza Artificiale

Scopri di più 

Iscriviti!