Lavora con noi
Per:
» THOMAS H. DAVENPORT, Professore emerito di tecnologia e gestione dell'informazione presso il Babson College
» NITIN MITTAL, Partner senior di Deloitte Consulting LLP
Le aziende di tutto il mondo hanno assistito all'avvento e all'implementazione dell'intelligenza artificiale, ma non tutte hanno accolto il cambiamento nelle loro organizzazioni nella stessa misura. Nel loro libro All-in on AI: How smart companies win big with artificial intelligence, gli esperti Thomas H. Davenport e Nitin Mittal, professore al Babson College e senior partner della società di consulenza Deloitte, sostengono che l'IA offre un significativo vantaggio competitivo alle aziende che la incorporano nei loro processi produttivi. La tecnologia apporta un valore crescente nella gestione di catene di fornitura sempre più complesse.
In che modo le aziende guidate dall'intelligenza artificiale creano valore
I fattori di cambiamento che le aziende orientate all'IA impiegano per differenziarsi e creare più valore sono:
- Accelerando l'esecuzione. L'IA può accelerare la realizzazione di risultati operativi e commerciali, accorciando al minimo i tempi di attesa tra il processo decisionale e le azioni successive.
- Riducendo i costi. L'automazione di processi, attività e interazioni ribassando i costi, aumenta l'efficienza, incrementa la sostenibilità ambientale e garantisce una certa prevedibilità.
- Comprendendo la complessità. L'applicazione dell'IA facilita l'analisi di questioni complesse e migliora il processo decisionale grazie alla sua capacità di decifrare schemi, collegare punti e fare previsioni sulla base di fonti di dati sempre più ampie.
- Cambiando l'interazione. Questa tecnologia può modificare il modo in cui clienti e dipendenti interagiscono con i sistemi intelligenti, ampliando i mezzi di coinvolgimento attraverso la voce, la vista, il testo e il tatto.
- Promuovendo l'innovazione. Porre all'IA domande come "dove investire" o "come differenziarsi" può aprire le porte alla creazione di nuovi prodotti, opportunità di mercato e modelli di business.
- Rafforzando la fiducia. L'IA può essere adoperata per proteggere i marchi da rischi quali frodi, sprechi, abusi o attacchi informatici, rassicurando i partner e aumentando la fiducia dei clienti.
Inutile dire che le organizzazioni che puntano sull'IA spesso impiegano più risorse a volte nello stesso caso d'uso, per migliorare i propri profitti.
Le aziende che vogliono avere successo con l'IA devono sfruttare il maggior numero possibile di fattori di cambiamento
Ovviamente, più valore si ottiene, meglio è. Le aziende che vogliono avere successo con l'IA devono sfruttare il maggior numero possibile di fattori di cambiamento e cercare di ottenere più azioni. Alcuni cambiamenti, come la diminuzione dei costi, sono relativamente facili da misurare. Tuttavia, le aziende non dovrebbero limitarsi ai casi in cui l'impatto dell'intelligenza artificiale è facile da quantificare. Le aziende possono trarre maggiori benefici da un'intelligenza artificiale che trasforma i modelli di business, prende decisioni basate su grandi quantità di dati e vari livelli di complessità ed è in grado di creare fiducia.
A che punto sono le aziende nel loro percorso verso l'integrazione dell'IA?
Dopo aver elencato i fattori di cambiamento che guidano l'IA nelle aziende, probabilmente pensate che la vostra organizzazione ne abbia già incorporati alcuni, ma non tutti. O forse state acquisendo familiarità con questi modelli di utilizzo, ma non li avete ancora sviluppati completamente. I seguenti esempi possono aiutarvi a valutare a che punto è la vostra azienda:
- AI Fueled. Tutti o la maggior parte dei componenti descritti sopra sono implementati e pienamente operativi. L'impresa si affida alle capacità dell'IA e sta diventando una macchina per l'apprendimento.
- Transformers. L'azienda non ha ancora sfruttato completamente l'IA, ma è a buon punto nel processo e ha implementato alcune delle sue caratteristiche. L'impiego dell'IA sta creando un valore sostanziale per l'organizzazione.
- Pathseekers. L'organizzazione ha già intrapreso il percorso e sta facendo progressi, ma è in una fase iniziale. Ha implementato alcuni sistemi e ha già ottenuto alcuni risultati positivi misurabili.
- Starters. La società sta sperimentando l'IA e ha un piano, ma deve fare di più per progredire. Non ha ancora effettuato alcuna o pochissime implementazioni in un ambiente di produzione.
- Underachievers. Ha iniziato a sperimentare l'IA, ma non l'ha integrata nelle operazioni quotidiane e ha ottenuto un ritorno economico minimo o nullo.
Diventare una macchina per l'apprendimento aziendale
Un modo per riassumere tutti questi attributi è pensare alle aziende guidate dall'IA come macchine per l'apprendimento aziendale. In queste organizzazioni, molti aspetti dell'apprendimento legato all'IA sono istituzionalizzati e ben radicati. Sono macchine per l'apprendimento aziendale in almeno due sensi: imparano continuamente dalla ricerca e dall'impiego dell'IA e adottano processi rapidi di prova ed errore per trarre lezioni da ciò che funziona e da ciò che non funziona. Hanno raggiunto, come hanno detto i nostri colleghi John Hagel e John Seely Brown, un "apprendimento scalabile". Combinare la sperimentazione con l'addestramento è la chiave per diventare un leader mondiale nell'IA.
Ad esempio, Ping An, con sede in Cina, ha iniziato nel settore assicurativo e ora si è spostata in una serie di aree di business associate ai servizi finanziari. L'azienda dispone di un ampio gruppo di ricerca composto da dottori di ricerca specializzati in informatica e campi correlati. Il fondatore Peter Ma Mingzhe, collezionista d'arte, ha suggerito allo scienziato capo Jing Xiao come un'intelligenza artificiale in grado di creare arte e musica potrebbe giovare alla vasta rete di clienti e partner dell'impresa. Xiao ha incaricato un piccolo team di provare a creare dipinti, composizioni musicali e poesie addestrando un sistema di apprendimento automatico a partire da opere esistenti e di qualità.
L'esperimento ha funzionato: i ricercatori sono riusciti a creare arte, musica e poesie sofisticate. L'esperimento è stato presentato al mondo in occasione della Conferenza mondiale sull'intelligenza artificiale del 2019 ed è stato ben accolto dalla stampa. Il programma di composizione musicale sviluppato ha persino vinto un premio internazionale. Xiao ci ha spiegato in un'intervista che Ping An sta lavorando a modelli di business che colleghino l'intelligenza artificiale artistica con diversi ecosistemi dell'azienda, come la prescrizione di musica creata dall'IA per scopi terapeutici o altri scopi legati alla salute. Come risultato di questo esperimento, il team di ricerca ha imparato a sviluppare l'IA per nuovi progetti che coinvolgono le emozioni o i sentimenti soggettivi dei partecipanti, come il trading in borsa.
L'altro modo in cui le aziende guidate dall'IA diventano macchine per l'apprendimento aziendale è direttamente collegato al machine learning (almeno nella sua forma supervisionata, che è di gran lunga la più comune). Questa tecnologia è in grado di fare previsioni sulla base di modelli addestrati su dati precedenti di cui si conoscono i risultati. A prima vista può sembrare complesso, ma le aziende che riescono a diventare macchine di apprendimento si basano costantemente sul machine learning. Le capacità odierne dell'IA hanno reso possibile ed economicamente conveniente produrre conoscenza su scala e maggiore velocità.
Le organizzazioni che utilizzano l'IA monitorano i loro modelli per verificare l'accuratezza delle loro previsioni (spesso attraverso una tecnologia chiamata machine learning operations). Quando si accorgono di non essere più in grado di fare previsioni accurate, queste aziende usano nuovi dati per riqualificare il sistema e migliorare le sue previsioni. In questo modo, la formazione continua promuove un apprendimento costante per affinare la capacità di previsione e adattarla ai nuovi dati. In altre parole, se il mondo cambia, i modelli predittivi cambiano con esso.
Un'azienda che sia una vera macchina per l'apprendimento applicherebbe questo approccio a un'ampia gamma di modelli, o almeno a quelli più rilevanti. Ciò implica che la società considera l'IA come un'importante risorsa aziendale che vale la pena monitorare e perfezionare. Riconosce inoltre che l'accuratezza può variare nel tempo ed è consapevole che la tecnologia facilita i processi operativi. Queste capacità sono esattamente ciò che un'organizzazione orientata all'IA si dedica a migliorare.
Naturalmente, le macchine di apprendimento aziendale possono anche imparare continuamente da altri tipi di IA. DBS Bank, ad esempio, ha implementato i chatbot (inizialmente nella sua banca digitale in India) per fornire un servizio clienti di alta qualità, senza attese e operativo 24 ore su 24. Durante la revisione di un guasto al servizio nel 2016, la direzione ha sfidato il team a monitorare più da vicino il comportamento online degli utenti e ad anticipare i problemi prima che si verificassero.
Le organizzazioni che utilizzano l'IA monitorano i loro modelli per verificare l'accuratezza delle loro previsioni
La sfida ha ispirato il team a ideare un nuovo programma per monitorare in tempo reale i percorsi digitali nella banca digitale. Dopo aver analizzato in modo proattivo i segnali di problemi nell'utilizzo dell'app mobile, l'azienda ha sviluppato la capacità di intervenire quando necessario e di fornire agli utenti opzioni su come proseguire le transazioni. Il progetto è stato un successo e le conoscenze acquisite con il chatbot sono state applicate sia in India che a Singapore.
Il termine "macchina per l'apprendimento aziendale" riflette le aziende che sono orientate agli obiettivi, affidabili e inarrestabili. Il loro impegno nell'IA per trasformare il business è incessante come quello di una macchina ad alte prestazioni. Investono in infrastrutture di IA come i feature store (depositi centralizzati di caratteristiche ben definite da impiegare nei modelli di apprendimento automatico) e librerie di algoritmi che possono essere riutilizzati ripetutamente in tutta l'organizzazione. Queste risorse garantiscono che numerosi dipendenti acquisiscano un apprendimento continuo in materia di IA. Non trattano l'intelligenza artificiale come una moda, ma come uno strumento molto potente per rendere l'impresa molto più efficiente ed efficace sul mercato.
Certamente, non è solo la tecnologia a creare macchine per l'apprendimento aziendale. È la combinazione di un insieme di caratteristiche: il DNA dell'organizzazione, una cultura aziendale che supporta l'intelligenza artificiale e le decisioni basate sui dati, un atteggiamento di continua sperimentazione e innovazione, nonché l'impegno di dipendenti, clienti e partner commerciali per raggiungere questi obiettivi. La chiave per consentire questa trasformazione sono le persone, non i dati, gli algoritmi o i server ad alte prestazioni.
Thomas H. Davenport eè professore emerito di Information Technology and Management al Babson College, professore ospite alla Saïd Business School di Oxford, Research Fellow alla MIT Initiative on the Digital Economy e consulente senior di Analisi presso Deloitte. Tra i suoi libri più venduti ricordiamo Competing on analytics e Big data at work.
Nitin Mittal è senior partner di Deloitte Consulting LLP. Attualmente è responsabile della consulenza strategica per la crescita dell'AI negli Stati Uniti ed è responsabile della strategia globale, dell'analitica e delle fusioni e acquisizioni.
Ristampato con il permesso della Harvard Business Review Press. Estratto da All in on AI: How smart companies win big with artificial intelligence, Thomas H. Davenport e Nitin Mittal. Copyright 2023 Deloitte Development LLC. Tutti i diritti sono riservati.