L'Intelligenza Artificiale è una branca dell'informatica che studia modelli matematici, chiamati algoritmi, che, applicati all'analisi dati, permettono di risolvere problemi e fornire risposte a specifiche necessità senza che sia necessario l'intervento umano. Le tecnologie AI replicano di fatto nell'universo digitale caratteristiche e abilità tipiche dell'essere umano: capacità di analisi, razionalità, apprendimento e adattamento, interazione con l'ambiente circostante? In pratica quel che contraddistingue le tecnologie di AI è la loro capacità di apprendere in modo autonomo, generando conoscenza addizionale anziché limitarsi al rielaborare le informazioni ricevute in input. Questo ampio cappello di tecnologie comprende al proprio interno diversi approcci come l'auto apprendimento (Machine Learning), per cui un software è in grado di imparare dalle esperienze passate affinando progressivamente la precisione delle sue decisioni autonome. O come il Deep Learning, che permette di analizzare enormi quantità di record e dati alla ricerca di correlazioni significative. L'AI è in grado di gestire e rielaborare in modo più efficace le informazioni e, così facendo, permette di automatizzare l'esecuzione di compiti specifici e supportare al meglio i processi decisionali. I manager saranno in grado di prendere decisioni informate basandosi su proiezioni e insight affidabili elaborati a una velocità impensabile per qualsiasi essere umano. Ecco perché l'AI rappresenta oggi un differenziale competitivo strategico per le imprese, che saranno in grado di ridurre i fermi tecnici degli impianti industriali abbracciando gli approcci di manutenzione predittiva o ridurre il time to market dei prodotti sfruttando la miglior conoscenza del cliente. O, ancora, migliorare la qualità dell'offerta grazie all'analisi dei dati di feedback provenienti dai prodotti.

 

L'adozione dell'AI in Italia

In Italia, il mercato dell'Artificial Intelligence è ancora in fase embrionale. Secondo le evidenze dell'ultimo Osservatorio Artificial Intelligence della School of Management Politecnico di Milano, la spesa per lo sviluppo di algoritmi di AI vale al momento solo 85 milioni di euro, ma con forti prospettive di crescita. A questo valore vanno aggiunti i progetti legati agli assistenti vocali, che già cubano un volume d'affari di circa 60 milioni di euro e che in futuro rappresenteranno un elemento chiave delle strategie di omnicanalità delle aziende veicolando informazioni, applicazioni e servizi. Un mercato interessante anche quello dei robot collaborativi e autonomi utilizzati nell'industria, con un giro d'affari che alla fine dello scorso anno valeva già oltre 145 milioni di euro. Lo stesso studio stima che al momento solo il 12% delle aziende ha un progetto a regime, l'8% è in fase di implementazione, il 31% ha in corso un progetto pilota e il 21% ha già stanziato del budget per dare concretezza a un progetto di AI nei prossimi mesi.
Il comparto più attivo al momento è il Banking, con il 24% di applicazioni totali, seguito dalle Utility (13%), dall'Automotive (10%) e dal Retail (9%).
È lo stesso Osservatorio che, nei mesi scorsi, ha scattato una fotografia dei principali progetti AI avviati nel Belpaese. Eccoli.

Virtual Assistant e Chatbot

Utilizzati per fornire assistenza immediata e H24 ai clienti che si rivolgono a un customer care, quantomeno al primo stadio di interazione, questi sistemi evoluti sono in grado di comprendere, oltre al tipo di richiesta, anche tono e contesto del dialogo, memorizzando e riutilizzando le informazioni raccolte in passato, apprendendo progressivamente con l'esperienza.

 

Motori di raccomandazione

Queste soluzioni mirano a indirizzare le decisioni d'acquisto sfruttando le informazioni fornite da clienti e navigatori del web e facendo leva in modo diretto o indiretto sui loro interessi, abitudini e acquisti pregressi. Queste applicazioni sono usate con successo nell'eCommerce e nei servizi di streaming audio/video come Netflix e YouTube, collocate nei vari stadi del customer journey.


 

Image processing

Si tratta di sistemi che analizzano fotogrammi di immagini o filmati video con lo scopo ultimo di identificare persone, oggetti, animali oppure di isolare particolari problemi, per esempio la difformità qualitativa di un prodotto che transita lungo la catena di montaggio o un tentativo di effrazione. Le stesse applicazioni permettono snellire i processi di valutazione dei danni subiti da un veicolo nel corso di un incidente da parte del back office delle assicurazioni oppure monitorare costantemente i locali tecnici sparsi sul territorio da parte di un'utility.

 

Speech recognition

Le tecnologie di riconoscimento vocale si diffondono soprattutto nell'universo consumer, dove il voice command è ormai una dotazione indispensabile dello smartphone, e gli home assistant – speaker intelligenti che permettono di fare acquisti e navigare il web semplicemente parlando – invadono i salotti delle case italiane. Ma numerose sono le applicazioni business di questa tecnologia, come la trascrizione automatica delle conversazioni telefoniche intrattenute con i clienti da parte degli operatori di un call center o i voicebot, che erogano assistenza in tempo reale 24 ore su 24.

Natural Language Processing

I software NLP sono in grado di elaborare un output digitale a partire dall'analisi del linguaggio comune (il cosiddetto linguaggio naturale). Le applicazioni NLP sono in grado di comprendere il contenuto di un testo, per esempio un curriculum vitae, identificando le attitudini di chi lo ha scritto anche se non sono state indicate in modo puntuale, a partire dallo stile della scrittura. Tra le tecnologie NLP più usate, la sentiment analysis, che permette di analizzare la risposta a tweet e post aziendali da parte dell'audience comprendendo i sentimenti reali, l'attitudine, l'engagement e lo stato emotivo di chi ha scritto un messaggio sui social. Queste soluzioni vengono spesso indicate anche come opinion mining.

 

Data Processing intelligente

Questa categoria di software utilizza gli algoritmi di Artificial Intelligence applicati sia ai dati strutturati a record destrutturati per ricavare insight e possibili scenari futuri. Si tratta di soluzioni che supportano in modo molto efficace i processi decisionali contribuendo a indirizzare al meglio le strategie in azienda. Alcuni esempi sono i sistemi di rilevazione delle frodi in ambito finanziario, la ricerca di percorsi simili (pattern recognition) utile per classificare meglio i dati e identificare correlazioni non evidenti, i sistemi di monitoraggio e controllo, l'analisi predittiva.

 

Veicoli e droni a guida autonoma

Self driving car e mezzi industriali a guida autonoma sono utilizzati soprattutto nei magazzini di stoccaggio e nei centri logistici. Questi sistemi intelligenti sono in grado di ottimizzare i percorsi utili per recuperare singole referenze, cassette o pallet all'interno del magazzino e portarli all'ingresso per la spedizione. Alcune aziende d'Oltreoceano stanno sperimentando i droni a guida autonoma per le consegne di pacchi a domicilio.

 

Robot autonomi

Nella loro forma più semplice sono robot dotati di bracci meccanici snodabili in grado di manipolare gli oggetti. Nelle versioni più evolute, invece, simulano la fisionomia dell'uomo e alcune sue abilità – come la capacità di arrampicarsi. Questi robot integrano algoritmi e software di intelligenza artificiale e auto apprendimento e sono quindi in grado di eseguire azioni senza che si renda necessario un comando impartito dall'uomo, adattandosi anche a eventi e situazioni impreviste.

 

Smart Objects

Dai contatori intelligenti alle videocamere di sicurezza, dalle black box dei veicoli passando attraverso i droni che monitorano i campi e i macchinari industriali connessi, si moltiplicano gli oggetti smart utilizzati in ambito business. In grado di prendere decisioni in autonomia, senza richiedere l'intervento umano, interagiscono in modo automatizzato con l'ambiente circostante tramite sensori e attuatori apprendendo dalle azioni dell'uomo.

Il report del Polimi indica come soluzioni "emergenti" come quelle di elaborazione del linguaggio (Language Processing), previsione della domanda (Demand Forecast), manutenzione predittiva (Predictive Maintenance), processing delle immagini (Image Processing), i sistemi di raccomandazione (Recommendation Engine) e quelli di prevenzione delle frodi finanziarie (Fraud Detection). Sono già "mature", invece, le soluzioni di Intelligent Robot Process Automation, Pattern Discovery e Virtual Assistant/Chatbot. Rappresentano ancora delle "incognite" le tecnologie di Churn Prediction (previsione del tasso di abbandono del cliente), il pricing dinamico, i veicoli a guida autonoma e i robot autonomi.

 

15 maggio 2019