Con Enrico Bellinzona, CEO di Laser e General Manager Large Corporate di Dedagroup Business Solutions, discutiamo di intelligenza artificiale e business: sfide, vantaggi, talenti sono solo alcuni dei temi di cui abbiamo parlato.
La diffusione della business intelligence prima e delle analytics poi, hanno portato le aziende a raccogliere e conservare grandi quantità di dati, promettendo in cambio un salto di qualità nella gestione e nella produttività. Una promessa a volte solo in parte mantenuta, spesso a causa della mancanza di una Cultura del Dato, essenziale allo sviluppo di un modello di business più evoluto, capace di giustificare gli sforzi organizzativi ed economici necessari ad aggiornare e mantenere i relativi sistemi IT. Per le imprese pronte all’evoluzione, quindi, l’ostacolo non va identificato nella quantità di dati raccolti: «Oggi in genere nelle aziende ce ne sono veramente tanti, con una profondità storica anche importante – conferma Enrico Bellinzona, CEO di Laser e General Manager Large Corporate di Dedagroup Business Solutions -. Un bene prezioso per chi guarda a progetti di 01net.it/category/intelligenza-artificialee. Il problema semmai è la qualità. Cioè estrarre significato da un dato, renderlo coerente e fruibile».
La questione riguarda in generale qualsiasi azienda, e in particolare il mondo manifatturiero, soprattutto in Italia. Per rimanere competitive, le imprese devono continuare a investire in innovazione, e l’AI ci aiuta a sfruttare anche informazioni provenienti da fonti eterogenee. «Abbiamo istruito i nostri clienti a fare tesoro dei propri dati, promettendo loro che un giorno sarebbero tornati utili – ribadisce Enrico Bellinzona –. Ora entrano in gioco anche informazioni non strutturate, quelle legate ai social o ai rapporti sulle manutenzioni, spesso scritti a mano o le interazioni dell’assistenza. Qui si può innestare l’intelligenza artificiale, da due punti di accesso».
I portali per l’ingresso nell’AI secondo Dedagroup
Il primo, riguarda algoritmi di inferenza statistica, utili a estrarre dai dati quella conoscenza altrimenti difficile da individuare. Una sorta di evoluzione dell’analytics, per quanto riguarda previsioni e ottimizzazione, che ci permette di trovare la risposta più indicata nel momento in cui si manifesta uno scenario.
Il secondo, invece, si riferisce ad algoritmi e risorse di calcolo utili a simulare il mondo reale e a ottimizzare i processi industriali: reti neurali studiate da decenni, e diventate molto popolari di recente, che sono finalmente vicine a uno sbocco concreto. «Si tratta di strumenti IT in grado di imparare e replicare modelli simili ai nostri, per supportarci e potenziare le nostre capacità, integrandosi nei processi».
Rispetto alle soluzioni attuali, si tratta di un enorme passo in avanti, a vantaggio soprattutto del mondo B2B. Dove finora ci si è limitati a sviluppare modelli in grado di fornire una serie di risposte preconfezionate a fronte di un’interrogazione, ora si può costruire una vera e propria esperienza d’uso evoluta.
Per abilitare questi modelli, nell’Hub Finance & Data di Dedagroup si concentrano le competenze verticali delle aziende del Gruppo che operano nei diversi ambiti di business, dei dati e dell’AI, per offrire le migliori soluzioni del mercato sui temi finanziari e industriali.
Al suo interno, AI & Data è l’area di mercato strategica che pone la massima attenzione ai temi e agli impatti dei nuovi paradigmi computazionali per migliorare la competitività delle organizzazioni ed efficientare i processi. Dall’unione delle competenze acquisite dal Gruppo in ambito Process Optimization, Machine Learning, Visual Recognition, Natural Language Processing, Intelligent Robotic Process Automation e la piu recente AI Generativa, nasce un ecosistema tecnologico e di know how che permette la completa governance dei dati aziendali, siano essi strutturati o non strutturati, capace di integrarsi end-to-end, dai sistemi gestionali ai data lakehouse aziendali.
Dedagroup avverte: l’errore è dietro l’angolo
C’è un rischio ancora da non sottovalutare. «L’effetto collaterale sono le allucinazioni. Al momento, è sicuramente la degenerazione più pericolosa, e anche la ragione per la quale noi applichiamo l’AI generativa a un dominio di conoscenza controllato e chiuso. In questo modo, i rischi sono decisamente contenuti, mentre l’efficacia del modello è enormemente aumentata».
Per esempio, nel mondo manifatturiero, Dedagroup può fare molto per il PLM, sfruttando le potenzialità dell’AI. Raccogliendo, analizzando ed elaborando tutta la documentazione dalla progettazione all’utilizzo fino all’assistenza, in modo da renderla coerente, si può creare una base di conoscenza utile in tutte le fasi del ciclo di vita del prodotto per sviluppare soluzioni più in linea con le esigenze dei clienti, ma anche più affidabili, oppure semplicemente fornire risposte mirate in sede di formazione o customer care. Inoltre, invece di bot in grado di attingere a frasi predefinite, è possibile sviluppare vere e proprie conversazioni, utili a fornire agli utenti risposte più pertinenti, ma anche a sgravare un call center o i punti di assistenza dalle attività più banali.
Per garantire il passo in più, la risposta intelligente, in termini qualitativi di un sistema generativo o previsionale, c’è però un passaggio molto delicato da completare, e non dei più semplici. Come accennato all’inizio, buona parte dei dati potenzialmente utili sono infatti non strutturati, se non addirittura scansionati da documenti scritti a mano. Qui è possibile grazie all’AI ricavarne dei metadati utili ad arricchire la fase di Deep Learning. «Un lavoro importante e necessario per renderli fruibili in modo corretto e minimizzare gli impati futuri di recupero di informazioni “sepolte”», afferma Enrico Bellinzona.
Gli ostacoli da superare
In questo processo è necessario considerare anche almeno un paio di aspetti non necessariamente tecnici, ma altrettanto importanti nell’economia di un’azienda. Prima di tutto, la diffidenza verso uno strumento con cui non ancora tutte le imprese hanno preso confidenza. «Il nostro approccio è pensare a grandi progetti e presentare il relativo impatto all’interno di un’organizzazione, ma partire con piccoli passi, preferendo dei MVP (minimum valuable product) a dei classici POC, per valutarne la reale concretezza sul business e non in laboratorio, trasformandoli in primi tasselli di lavoro più ampio».
Quando si parla di intelligenza artificiale, inoltre, spesso entra in campo anche il tema della sostituzione delle professionalità con soluzioni automatizzate. «I dati dimostrano che è inefficiente ed alienante considerare le risorse umane “sacrificabili” o come organi di controllo di output generati dall’AI. I reali vantaggi dell’AI risiedono in una integrazione delle competenze, potendo contare su una sorta di assistente virtuale sempre disponibile e affidabile, per analizzare una mole maggiore di dati, in minor tempo».
La sfida dei talenti e lo sviluppo delle competenze.
Da un lato quindi l’evoluzione e la riqualificazione delle competenze, dall’altro la capacità di restare competitivi sviluppando, installando e mantenendo le nuove tecnologie. Guardando all’AI, gli ambiti in cui c’è necessità di nuove risorse è molto esteso e limitato solo dalla visione stessa dell’azienda cliente.
«Nel prossimo futuro la visione del dato al centro dell’azienda dovrà fare leva su tre sistemi informativi gestionali». Occorrerà affiancare, infatti, a ERP e PLM aziendali, dei sistemi di controllo, governo del rischio e compliance (GRC) tra i quali il tema ESG risulta centrale. «L’ESG governa tutto quanto riguarda i temi ambientali, sociali e di governance – conclude Enrico Bellinzona, CEO di Laser e General Manager Large Corporate di Dedagroup Business Solutions. Noi mettiamo a disposizione le competenze necessarie per gestire con efficacia tutti questi ambiti, affiancando con l’AI i nostri clienti nell’evoluzione del loro business».
