Artificial intelligence e machine learning per aiutare le aziende a diventare più efficienti e competitive. L’importante è comprendere a fondo che cosa significa ricorrere a sistemi basati sui nuovi paradigmi e fare le scelte più adeguate per non replicare logiche di automazione elementari

Il mercato dell’artificial intelligence (AI) e del machine learning (ML), in Italia, ha grandi possibilità di crescita. Secondo l’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano, la spesa per lo sviluppo di algoritmi di intelligenza artificiale, nel 2018, è stata di 85 milioni di euro. A questa quota, si aggiungono le spese per progetti che coinvolgono assistenti vocali intelligenti, un mercato che ha avuto, nello stesso anno, un valore di 60 milioni di euro e che potrebbe evolvere grazie a nuovi servizi e applicazioni. Inoltre, il mercato dei robot collaborativi usati in ambito industriale, già nel 2017, si è attestato a oltre 145 milioni di euro. Tuttavia, in questo scenario, solo il 12% delle imprese italiane ha attivato, nel 2018, un progetto di intelligenza artificiale, ma quasi una su due pensa di valorizzare le opportunità offerte da artificial intelligence e machine learning. Tra i progetti più diffusi nelle aziende che hanno già iniziato il percorso, ci sono quelli di virtual assistant/chatbot. Molte imprese hanno ancora una visione confusa sulle opportunità offerte dall’artificial intelligence e solo il 14% ha compreso che l’AI può replicare specifiche capacità umane.

TI PIACE QUESTO ARTICOLO?

Iscriviti alla nostra newsletter per essere sempre aggiornato.

L’intelligenza artificiale è uno degli acceleratori tecnologici che caratterizzano la quarta rivoluzione industriale, ma la sua influenza – secondo Maria Chiara Carrozza, ordinario di Bioingegneria industriale alla Scuola Superiore Sant’Anna di Pisa – andrà ben oltre il mondo della produzione di beni e della offerta di servizi, perché avrà un impatto sociale e culturale dirompente. Tecnicamente non si può parlare veramente di intelligenza, ma della capacità adattiva di ottenere insights e risultati migliori con meno risorse. Non solo. Quando parliamo di intelligenza artificiale non dovremmo pensare tanto a un dispositivo – «quanto alla più grande riserva di capacità di problem solving (a costi accessibili) che l’umanità abbia mai conosciuto» − come dice Luciano Floridi, professore di Filosofia ed Etica dell’informazione all’Università di Oxford. La tecnologia oggi ci permette di disarticolare la capacità di essere “intelligenti” dalla capacità di svolgere un compito con successo. Ed è qui che sta la vera killer application.

UN BINOMIO VINCENTE

Artificial intelligence e machine learning sono correlate tra loro. Il machine learning è una via fondamentale per l’applicazione dell’artificial intelligence, una via che si dirama in tre segmenti. Il primo è costituito dal model prediction, che comprende tecniche per raccogliere informazioni e apprendere modelli da applicare ai nuovi dati. Analisi qualità, rilevamento frodi, gestione del magazzino e della logistica, marketing e analisi delle reti sociali sono alcuni ambiti in cui è applicato il model prediction. Il deep learning, invece, comprende tecniche che simulano i processi di apprendimento del cervello tramite reti neurali artificiali stratificate. Riconoscimento delle immagini, comprensione della lingua parlata, identificazione delle frodi sono aree in cui è applicato il deep learning. L’online learning, infine, studia tecniche per problemi in cui i dati diventano disponibili in sequenza, l’uno dopo l’altro, e le decisioni devono essere prese man mano che un dato diviene accessibile. Questa modalità di machine learning è applicata nell’ottimizzazione delle campagne pubblicitarie e delle pagine Web. L’applicazione di artificial intelligence e machine learning pone alcuni interrogativi alle imprese. Anche se l’introduzione di questi paradigmi è spesso vista come un’opportunità, alcune aziende pensano che sarà necessaria una riorganizzazione interna che può implicare l’introduzione di nuovo personale o la ricollocazione di quello esistente.

SINERGIE TECNOLOGICHE

Secondo IDC, in Italia l’interesse verso artificial intelligence e machine learning, nel segmento enterprise, è vivace. «Circa un’azienda su cinque ha piani di sviluppo a 12 mesi o sta facendo scouting sul tema degli advanced analytics e dell’intelligenza artificiale» – spiega a Data Manager Giancarlo Vercellino, associate research director di IDC Italy e leader della practice Algorithm Economy. «Se guardiamo allo stato di adozione attuale, forse c’è ancora strada da fare, ma non siamo così indietro rispetto all’Europa: una grande azienda su tre ha avviato progetti specifici nell’area e in alcuni settori ad alta intensità di informazione, come il banking, superiamo la “early majority” del mercato».

I timori delle aziende verso artificial intelligence e machine learning sono contenuti; spaventano, però, i costi. «Meno del 5% delle imprese italiane vede nella resistenza culturale dei dipendenti e nel cambiamento organizzativo temi che possono incidere sulla decisione di adottare l’intelligenza artificiale in azienda» – osserva l’associate research director di IDC. «Il timore di tanti imprenditori è legato al costo end-to-end delle soluzioni di AI, considerando non solo la componente software e hardware, ma anche quella relativa a servizi, formazione e riorganizzazione. Oltre la metà del mercato italiano teme che, introducendo soluzioni di questo tipo, in azienda i costi possano essere elevati».

Leggi anche:  L’experience sostenibile e su misura

Secondo Vercellino, dietro l’espressione artificial intelligence si nascondono declinazioni tecnologiche diverse, perché gli ambiti applicativi sono vasti e cambiano in modo radicale dalla piccola alla grande azienda, e da settore a settore. «Quando chiediamo alle imprese italiane in quali direzioni si stanno muovendo, o si muoveranno, solo una piccola percentuale ha idee chiare su come procedere e questo ristretto gruppo – meno del 10% delle aziende – indica applicazioni verticali legate al core business, alla produzione e alle operations, dalla produzione all’erogazione di servizi» – continua Vercellino. «I sistemi di recommendation e collaborative filtering hanno grande attrattiva nel retail, mentre nel banking le soluzioni per la previsione del rischio di default sono la principale espressione degli algoritmi di machine learning.

Nel comparto industriale, dove prevalgono architetture IoT più sofisticate, gli algoritmi sono usati per gestire direttamente le variabili fisiche dei processi di produzione. Osserviamo interessanti sinergie tecnologiche tra artificial intelligence, cloud e IoT. Il valore di alcune architetture complesse trova concretizzazione solo se gli algoritmi di machine learning guidano i processi e istruiscono le decisioni, altrimenti si rischia di tornare indietro rispetto a logiche di automazione elementari». Guardando agli sviluppi futuri, l’introduzione dell’intelligenza artificiale, dell’augmented intelligence e di forme di automazione più evoluta e flessibile impatterà su alcuni processi aziendali, semplificandoli.

«Si pensi alle funzioni di supporto – amministrative, di controllo contabile e finanziario – ma non solo: ci saranno impatti nella gestione del front-end come l’automazione dei primi livelli dei servizi di supporto, come nella produzione con un ridisegno per esempio dei processi produttivi dallo shop floor che si riverbererà sulla supply chain di interi settori» – conclude Vercellino. «Le trasformazioni saranno non lineari da comparto a comparto e il mondo dei servizi andrà incontro a una profonda industrializzazione dei processi».

UN MERCATO IN CRESCITA

Ma come le aziende vedono oggi il mercato italiano dell’artificial intelligence e del machine learning? Le imprese percepiscono questo mercato in crescita, una crescita a volte un po’ lenta, ma destinata a non fermarsi. «Il mercato alimentato da iniziative di “data driven digital trasformation” è una opportunità per quanti operano in questo settore» – afferma Marco Tesini, vice president South Europe & country manager Italy di Hitachi Vantara. «I settori a maggior tasso di investimento sono finanziario, industriale, energetico e, in prospettiva, quello dei servizi al cittadino (mobilità, smart city, salute). Ci sono però aspetti che frenano il decollo del mercato: la difficoltà nel valutare i ritorni degli investimenti, la necessità di revisione dei processi relativi al perimetro di adozione, la carenza di nuove professionalità». Anche per Francesco Stolfo, vice president business development di ToolsGroup c’è crescita. «L’Italia – spiega Stolfo – è stata tra le prime a sperimentare e sviluppare strumenti di prediction nei processi aziendali. Nel primo decennio del nuovo millennio, si sono però create competenze ancora troppo legate alla ricerca e il mercato non ha ancora compreso la portata di questa innovazione». Crescita lenta ma positiva è quella vista da Massimo Ruffolo, founder di Altilia e ricercatore di ICAR-CNR, per il mercato italiano.

«L’adozione di tecnologie AI e machine learning è limitata dalla difficoltà di coglierne i benefici immediati derivanti dall’applicazione ottimale e su vasta scala nei processi di business» – constata Ruffolo. «Molte aziende italiane concepiscono l’intelligenza artificiale solo nella forma di assistenti virtuali o chatbot. Ma nei prossimi 5-10 anni la crescita sarà centrata sull’intelligent process automation, che sta già provocando un cambiamento profondo nei processi aziendali e nel modo di lavorare dei singoli, soprattutto nei settori più pronti, per competenze manageriali e tecnologiche, ad accogliere la digital transformation, come mondo bancario ed e-commerce». Christian Turcati, senior system engineer manager di Nutanix, rileva che in Italia il mercato dell’intelligenza artificiale è partito timidamente, ma i contorni sono destinati ad ampliarsi: «Oggi, abbiamo a disposizione una grande quantità di dati che ci permette di istruire l’intelligenza artificiale tramite il machine learning. Su questo fronte, numerose aziende esplorano nuove potenzialità, come è confermato dallo studio di McKensey secondo cui, entro il 2030, l’impatto di queste tecnologie sull’attività economica globale sarà molto alto e con risvolti sui PIL nazionali».

INTERESSE E FIDUCIA

L’interesse da parte delle aziende verso artificial intelligence e machine learning è concreto, ma c’è ancora qualche paura da superare. Secondo Stolfo di ToolsGroup non è una questione di interesse ma di fiducia. «Come dice Yuval Noah Harari nel suo Homo Deus – gli algoritmi non si ribelleranno per renderci schiavi. Gli algoritmi saranno così capaci nel prendere decisioni per noi, che sarebbe una follia non seguire i loro consigli». Riguardo al percepire artificial intelligence e machine learning come un’opportunità o minaccia dipende dal contesto tecnologico. «Oggi – dichiara Stolfo – se ci dicono che una macchina sostituirà un essere umano nel prendere decisioni possiamo pensare al rischio di perdere un posto di lavoro e non alla possibilità di lavorare meglio. È una questione culturale». Per Marco Bubani, innovation director di VEM sistemi, il dibattito è aperto. Intelligenza artificiale e iperconnessione sono tra gli argomenti più caldi. In Europa, AI e machine learning sono viste come un’opportunità, ma l’uomo resta al centro.

Secondo Tesini di Hitachi Vantara, le aziende modernamente organizzate comprendono che l’adozione di una strategia data driven è cruciale per competere in un mercato sempre più digitalizzato: «Strumenti come il machine learning e l’artificial intelligence, che aumentano le capacità aziendali, rendono più efficienti i processi e aprono a nuovi modelli di business. Chi tarderà nell’adozione di queste tecnologie potrà perdere competitività». Per Paolo Aversa, managing director di Ally Consulting, quando parliamo di innovazione, la diffidenza è più volta al cambiamento che verso la soluzione. «In azienda – spiega Aversa – novità come artificial intelligence e machine learning sono spesso abbinate alla riduzione dell’organico, una visione lontana dalla realtà. Le opportunità stanno nella possibilità, per molte azioni time consuming, di essere eseguite da macchine controllate da un software le cui logiche e il controllo sono dettate dall’essere umano. Per questo, prima di adottare nuove tecnologie occorre intraprendere un percorso di knowledge transfer. Solo dopo un processo di analisi dettagliata, si può procedere con l’adozione delle soluzioni. Per esempio, l’operatore di una linea produttiva continua a cui è stato affidato il controllo del ciclo produttivo può intervenire, con un comando diretto all’assistente vocale dell’impianto, modificando i parametri di produzione per evitare il protrarsi di un difetto. Su questo il machine learning può far sì che nel tempo una macchina riceva vari input, per immagazzinarli e analizzarli fino ad autoregolarsi per operare con efficienza. Le due tecnologie possono collaborare, mantenendo centrale il ruolo dell’essere umano».

Leggi anche:  Un’assistenza IT human-centered migliora la soddisfazione e la produttività dei dipendenti

APPLICAZIONI EVOLUTE

Come abbiamo visto, il machine learning può essere declinato in varie modalità. «Senza perdersi in tassonomie, il machine learning è il cuore dell’analisi dei dati» – spiega Tesini di Hitachi Vantara. «I dati modellati rappresentano l’affinamento delle capacità di interpretazione e previsione dei fenomeni del business, dalla customer experience, all’operational excellence. L’uso pervasivo dell’analisi dei dati è da anni, con la statistica, il fattore abilitante di risultati di business di successo. Oggi, ci sono tecnologie che non lavorano solo su dati strutturati, ma sull’intera gamma dei big data. Basti pensare alle possibilità offerte dall’IoT in ambito industriale, energetico e in altri settori, e dal video computing/analytics applicato sia in contesti di public safety e sicurezza sia in ambito marketing e commerciale.

In Hitachi crediamo nel data blending, ossia nella capacità di costruire una rappresentazione olistica dei fenomeni orchestrando dati di diversa provenienza e formato che arricchiscono il patrimonio informativo necessario alla scoperta di informazioni sempre più affinate e granulari. L’AI è utile non solo in fase di predizione dei modelli ma anche nell’estrapolazione di informazioni dai dati». Alcune applicazioni IoT permettono di raccogliere informazioni ambientali dal campo da apparecchiature quali i LIDAR (radar di movimento) o sensoristica indossabile (weareable device) per trasformarli in modelli di interpretazione e arricchimento della realtà consentendo lo sviluppo di molte applicazioni: miglioramento della fruizione di servizi in un grande magazzino, controllo della sicurezza sul lavoro, miglioramento delle operazioni di manutenzione su impianti complessi, gestione degli spazi di un ufficio.

L’innovazione rappresenta il supporto decisionale: «La possibilità di far prendere decisioni complesse alla macchina» – spiega Stolfo di ToolsGroup. «In passato, i dati erano di supporto alle decisioni strategiche, al monitoraggio e all’analisi. Oggi, l’uso è rivolto all’automazione dei processi decisionali quotidiani. Occorre definire i processi, individuare i dati disponibili e nominare un data manager responsabile del corretto flusso».

BENEFICI PER OGNI SETTORE

Un po’ tutti i settori potranno ottenere benefici dall’applicazione di AI e machine learning. «L’adozione pervasiva – afferma Tesini di Hitachi Vantara – porta beneficio in tutte le industry. La timeline di adozione è solo condizionata alla capacità di investimento. In Hitachi, abbiamo una forte propensione verso l’industria 4.0 e le applicazioni di IoT. Le applicazioni finali in molti casi sono accomunate da un substrato tecnologico, come un virtual digital assistant che contribuisce a migliorare la customer experience in un’azienda commerciale e condivide parte dei fondamenti tecnologici di un sistema di remote support con augmented reality per il maintenance e repair di una installazione industriale».

Leggi anche:  Acqua e sostenibilità digitale, patto per il futuro

Artificial intelligence e machine learning consentiranno a molte aree tecnologiche di evolvere, portando a un guadagno in termini di efficienza operativa e ottimizzazione dei processi di produzione industriale. «Aumenteranno la capacità delle aziende di intercettare, prevedere e orientare la domanda del mercato, migliorando la qualità del lavoro dei dipendenti e dei prodotti e servizi» – afferma Tesini. «Soprattutto offriranno l’opportunità di elevare la qualità della vita in tanti ambiti, da quello della mobilità a quello sanitario, dalla sicurezza sul lavoro ai servizi al cittadino, dalla riduzione dell’inquinamento alla prevenzione dei disastri e cosi via».

Per Antonio Rizzi, senior manager, solution consulting di ServiceNow, l’intelligenza artificiale può ridurre le attività ripetitive, che portano all’alienazione e non favoriscono creatività e produttività. In un contesto lavorativo, artificial intelligence e machine learning porteranno benefici all’automazione dei processi, specialmente dove è necessario prendere decisioni basate su grandi quantità di dati. «ServiceNow – spiega Rizzi – fa ampio uso di artificial intelligence e machine learning nella piattaforma di monitoraggio e gestione degli incidenti per risolvere o prevenire automaticamente i problemi e dove è necessario guidare l’operatore nella risoluzione».

Secondo Bubani di VEM sistemi l’impatto è trasversale: «Dal manifatturiero alla finanza, dall’agroalimentare al retail, in tutti i settori l’AI ha e avrà un impatto sempre crescente. La predictive maintenance per ridurre i tempi di fermo della produzione, gestire un portafoglio di investimenti in modo automatizzato, prevedere il rendimento di un allevamento o selezionare il grado di maturità della frutta in modo automatico, sono applicazioni reali, che generano impatti sul mercato». Tra le aree tecnologiche che evolveranno di più grazie ad AI e machine learning – continua Bubani – ci sono quelle legate alla computer vision. Trarrà beneficio anche l’Internet of Things perché i molti dati raccolti devono essere analizzati in modo automatico ed efficiente.

Per Stolfo di ToolsGroup, l’elenco di settori influenzati potrebbe essere lungo: «In quanto precursori dell’uso del machine learning nell’ottimizzazione dei processi SCP, possiamo affermare che quella è un’area critica dove applicazioni di questo tipo possono portare vantaggi nei processi di demand, inventory e supply planning».

Tra i settori che trarranno beneficio da AI e machine learning, secondo Turcati di Nutanix c’è quello sanitario. Cartelle cliniche elettroniche di nuova generazione, prevenzione sanitaria, individuazione precoce e diagnosi sono aree in cui l’AI apporterà più efficienza. Anche il settore finanziario potrà abilitare nuovi servizi auto-gestiti, mentre nel manufacturing si potranno migliorare il controllo della qualità e la gestione delle scorte. Gli studi professionali potranno usare queste tecnologie per ridurre le mansioni di routine, smaltire le pratiche accatastate sulle scrivanie e interagire con i clienti tramite chatbot. In ambito smart city, con la videosorveglianza intelligente sarà possibile rendere più sicuri luoghi pubblici grazie a videocamere smart che riconoscono persone sospette prevenendo furti, atti vandalici o terroristici.

RIORGANIZZARE I RUOLI

La diffusione di artificial intelligence e machine learning porterà a una riorganizzazione del personale aziendale con una revisione dell’organizzazione e dei ruoli. «Questa revisione dovrà partire dalla riqualificazione professionale di molti lavoratori» – afferma Tesini di Hitachi Vantara. «L’AI apporterà un miglioramento della qualità del lavoro e genererà posti di lavoro che valorizzeranno le capacità tecniche, intellettuali e creative dell’uomo. È fondamentale – però – che i benefici di questa innovazione siano distribuiti e non creino diseguaglianze. In questo senso sarà importante l’indirizzo politico e la guida del legislatore per mitigare la logica del puro profitto, trasferendo i benefici in modo diffuso a tutta la società».

Per Rizzi di ServiceNow e Bubani di VEM sistemi saranno le mansioni a cambiare. «Molti ruoli muteranno, altri spariranno e nuove mansioni nasceranno» – afferma Rizzi. «L’outbound marketing potrebbe essere sostituito da algoritmi di intelligenza artificiale che alimentano l’advertising personalizzato, ma darà spazio al ruolo di data scientist nella definizione dei modelli». Secondo Bubani, sempre più le persone dovranno abituarsi a lavorare di fianco a sistemi intelligenti in modo collaborativo. Sarà necessario anche focalizzare ricerca e innovazione verso sistemi che affianchino l’uomo senza sostituirlo. Concludendo, AI e machine learning potranno evolvere ulteriormente, consentendo alle persone di impegnarsi in nuovi ruoli, di maggior valore.

«L’adozione pervasiva dell’intelligenza aumentata sarà in futuro la normalità nel supporto dei processi operativi, nelle relazioni tra individui e nella quotidianità del lavoro» – siega Tesini di Hitachi Vantara. Per Ruffolo di Altilia, l’intelligent automation, che vede persone e macchine collaborare per la realizzazione di processi complessi, indica che gli algoritmi saranno sempre più capaci di svolgere in maniera scalabile, accurata e affidabile, compiti cognitivi che richiedono l’interpretazione del contesto, abilità finora esclusivamente umana. Non si tratterà, però, di sostituire le persone, ma di liberarne e potenziarne le energie per attività di maggior valore strategico.