L’intelligenza artificiale ha raggiunto lo status di mainstream. In tutti i settori, le aziende hanno implementato proof-of-concept di successo e sono riuscite a implementare l’IA nella produzione. Alcune organizzazioni hanno persino reso operative le loro strategie di intelligenza artificiale e machine learning, con progetti che proliferano in tutta l’azienda completi di best practice e pipeline.

Questa maturazione complessiva del modo in cui l’IA viene implementata nelle imprese sta cambiando il modo in cui le imprese stesse vedono il valore strategico dell’IA e dove sperano di vederne realizzati i vantaggi. Ecco allora 10 tendenze che, secondo esperti del settore, segneranno l’intelligenza artificiale in azienda nel corso di quest’anno.

L’IA si mette al lavoro

Agli albori dell’intelligenza artificiale, i progetti erano interamente guidati da data scientist, che avevano a disposizione dati e algoritmi e la libertà di cercare modi per applicare i loro nuovi strumenti ai problemi aziendali. A volte ci sono riusciti, altre volte no. Oggi quella dinamica si è capovolta. I leader aziendali hanno infatti imparato dagli esempi di progetti di successo e sono più consapevoli di ciò che l’IA può fare per loro. Di conseguenza, le aziende ora sono meno disposte a investire in proof-of-concept con un valore di business poco chiaro, una tendenza che vede le business unit sempre più al posto di guida nell’adozione dell’IA.

“Quando vedo aziende che riescono nei loro progetti di IA, questi sono orientati al business” afferma Alex Singla, leader globale di QantumBlack presso McKinsey & Co. “AI e IT sono lì per aiutare a risolvere il problema, ma non è la tecnologia a spingere la soluzione. Sono gli affari che prendono l’iniziativa”. 

Honeywell, ad esempio, utilizza l’IA in tutte le sue operazioni interne e la sta integrando in prodotti e servizi rivolti ai clienti, afferma Sheila Jordan, Chief Digital Technology Officer dell’azienda. “Siamo molto legati al business”, dice. “Siamo guidati dal valore. Sarà un valore rivolto al cliente. Un valore interno.”

L’IA pervade l’azienda

Quando Jordan è arrivata in Honeywell due anni fa, il suo primo grande progetto è stato quello di implementare una strategia di data warehouse per riunire tutti i dati delle transazioni provenienti da tutte le fonti. “Ogni funzione, ogni business unit ha un’agenda digitale”, afferma. Ad esempio, Honeywell ha digitalizzato tutti i suoi contratti. Si tratta di più di 100.000 contratti in totale e ciò offre all’azienda una vasta gamma di dati da utilizzare per aiutare a creare soluzioni di intelligenza artificiale per quasi tutte le aree funzionali.

Ad esempio, con l’IA tutti i contratti Honeywell possono ora essere rivisti automaticamente per gli aspetti in cui entrano in gioco elementi come inflazione o problemi di prezzo, afferma Jordan. “Non è possibile che un essere umano possa esaminare 100.000 contratti”. Allo stesso modo, con dati di inventario completi, Honeywell è ora in grado di capire quale inventario è da scartare e quale è invece riutilizzabile, potendo quindi prendere decisioni intelligenti sulla gestione delle materie prime in modo più efficiente. “Stiamo vedendo l’IA spuntare in ogni funzione: la vediamo nella finanza, a livello legale, nell’ingegneria, nelle supply chain e, naturalmente, nell’IT.”

Migliorare l’automazione

Questo è il terzo anno in cui Honeywell attua un programma di automazione aggressivo. Se c’è un’attività ripetitiva, l’azienda proverà ad automatizzarla. “Probabilmente abbiamo 100 progetti quest’anno”, dice Jordan. “Si tratta di attività che stiamo automatizzando in tutta l’azienda a livello globale”. Honeywell sta anche lavorando per rendere queste automazioni più intelligenti. “Inseriremo più IA in questi robot automatizzati e li renderemo più intelligenti”.

Un’altra azienda che ha iniziato con automazioni di base basate su regole è Booz Allen Hamilton, che ora sta procedendo all’integrazione dell’intelligenza artificiale e del machine learning in tali automazioni per renderle applicabili a una gamma più ampia di attività, afferma Justin Neroda, vicepresidente dello studio di intelligenza artificiale di Booz Allen.

“Le persone iniziano con le automazioni più semplici e poi scoprono di aver bisogno di IA e ML”, afferma Neroda. Le automazioni basate sull’intelligenza artificiale possono aiutare le aziende a far fronte alla carenza di personale o agli elevati volumi di lavoro. “Oppure metà dell’attività può essere automatizzata e quindi le persone possono svolgere la parte più difficile”.

Integrare l’IA per maggiori benefici

C’è un importante componente di gestione quando si vuole implementare l’IA su larga scala, afferma Singla di McKinsey. Bisogna capire come le persone la useranno e con persone non si intendono solo lavoratori in ambito tecnologico, ma anche chi si occupa del lato business dell’azienda e un mix dei due. Per farlo, l’IA deve essere integrata in modo naturale nel flusso di lavoro delle persone e bisogna cambiare il loro comportamento il meno possibile, in modo che accettino l’IA senza traumi e/o costrizioni.

Le strategie dell’IA prendono una svolta federata

Dopo che le aziende hanno avuto successo nei proof of concept legati all’IA, spesso creano centri di eccellenza di intelligenza artificiale per rendere operativa la tecnologia e creare talento, esperienza e best practice. Ma una volta che un’azienda raggiunge un livello di massa critica, allora ha senso dividere alcuni di questi centri di eccellenza e federare l’IA, spostando gli esperti direttamente nelle business unit dove sono più necessari.

“Per le aziende meno mature, è importante avere un centro di eccellenza che ospita i talenti e la formazione”, afferma Singla di McKinsey. “In caso contrario difficilmente le aziende di solito hanno la capacità di scalare. Le persone di talento vogliono stare con altre persone che la pensano allo stesso modo. E le persone meno esperte traggono vantaggio dall’essere in un centro di eccellenza perché possono crescere o imparare”.

Intelligenza artificiale legislazione antropocentrica

L’IA innesca la trasformazione dei processi aziendali

Quando le aziende iniziano a utilizzare l’IA, spesso cercano singoli passaggi nei processi aziendali in cui l’IA può fare la differenza. “Scomponiamo il processo in pezzi, digitalizziamo ogni pezzo e inseriamo l’IA per renderlo efficiente” afferma Sanjay Srivastava, chief digital officer di Genpact. “Ma alla fine, il processo rimane lo stesso. Ogni sua parte è migliore, più veloce, più economica, ma il processo stesso non cambia”.

L’IA però ha anche il potenziale per cambiare radicalmente i processi aziendali. Ad esempio, Genpact esegue una grande quantità di lavoro di elaborazione degli account per i clienti. “Quando applichiamo l’IA alle fatture, possiamo dire quali fatture verranno contestate e capire quale parte del portafoglio ha il rischio più alto”. Con i poteri predittivi offerti dall’IA, l’intero processo può essere ristrutturato. “Quando applichiamo l’IA, possiamo pensare alla catena del valore end-to-end e riprogettarla completamente”.

MLOps diventa reale

Secondo un rapporto McKinsey pubblicato alla fine del 2021, uno dei fattori che distingue le aziende che ottengono il maggiore aumento degli utili dall’IA è il loro uso di MLOps. Questa è la prossima grande tendenza nell’intelligenza artificiale, afferma Carmen Fontana, responsabile delle pratiche tecnologiche emergenti e cloud presso Augment Therapy, un’azienda di tecnologia specializzata in terapia fisica pediatrica. In precedenza Fontana era il responsabile della pratica per il cloud e la tecnologia emergente presso Centric Consulting.

L’obiettivo è portare il machine learning dalla teoria alla produzione, anche se in passato non si sono viste molte aziende che l’hanno fatto. Oggi, tuttavia, ci sono strumenti e metodologie consolidati che consentono alle organizzazioni di diventare più rigorose nel modo in cui addestrano, implementano e monitorano i modelli di intelligenza artificiale. “Tutto ciò fa molto per istituzionalizzare l’IA e il machine learning. Ecco perché il mercato è cambiato in modo significativo”.

Le imprese stabiliscono pipeline di IA

Booz Allen Hamilton ha attualmente in atto circa 150 diversi progetti di intelligenza artificiale con i suoi clienti. Ma nell’ultimo anno, l’azienda ha iniziato ad allontanarsi da quel modello unico. “Nell’ultimo anno e mezzo abbiamo investito in capacità modulari e pipeline end-to-end”, afferma Neroda.

Un’intelligenza artificiale di successo richiede infatti più di un semplice modello funzionante. C’è un intero processo necessario per mantenere il modello nel tempo man mano che i dati cambiano e i modelli vengono continuamente perfezionati. “La sfida più grande è come collegare tra loro tutti gli strumenti“, afferma. “Abbiamo lavorato per standardizzare questo modello e per costruire pezzi riutilizzabili in tutti i progetti”.

Le organizzazioni cercano di creare fiducia nell’IA

Man mano che i dipendenti e i dirigenti acquisiscono maggiore familiarità con l’IA, stanno sempre più riponendo la loro fiducia in essa per prendere decisioni business-critical, anche quando tali decisioni vanno contro l’istinto umano. Michael Feindt, consulente strategico e fondatore di Blue Yonder, ha recentemente lavorato con un grande rivenditore di prodotti alimentari britannico alle prese con problemi di supply chain legati alla pandemia. Quando l’azienda ha utilizzato processi manuali per gestire la sua supply chain, c’erano molti scaffali vuoti. Inoltre, c’era una carenza di persone con la conoscenza, l’abilità e la volontà di fare il lavoro.

I sistemi automatizzati basati sull’intelligenza artificiale hanno offerto costi ridotti e prestazioni migliori. Quando è arrivata la pandemia, tuttavia, le persone hanno voluto spegnere i sistemi automatici. “Ma poi hanno visto che i sistemi automatici potevano adattarsi molto più velocemente di quanto avrebbero potuto fare gli umani”.

Quindi, invece di chiudere i sistemi, l’azienda si è espansa per includere non solo i punti vendita ma anche i centri di distribuzione. Il risultato è stato sia meno scaffali vuoti, sia meno rifiuti alimentari da buttare via. Inoltre, i gestori dei negozi hanno smesso di dedicare due ore al giorno alla messa a punto dei loro ordini e hanno iniziato a usare quel tempo per migliorare la soddisfazione dei clienti.

Esistono anche altri modi per creare fiducia nell’IA, afferma Feind. “Alcune persone sono critiche e non credono che l’IA possa prendere le decisioni migliori possibile. L’aggiunta di spiegazioni può aiutare ad alleviare alcune di queste preoccupazioni. L’IA spiegabile si attua quando il sistema spiega agli utenti umani quali fattori sono stati coinvolti nella decisione presa.

Nascono nuove possibilità di modello di business

In alcune aree, l’IA sta iniziando a creare opportunità mai esistite prima. I veicoli autonomi, ad esempio, hanno il potenziale per trasformare le società e creare tipi di attività completamente nuovi. Ma le trasformazioni aziendali basate sull’intelligenza artificiale possono avvenire anche su scala ridotta.

Ad esempio, una banca che richiede una revisione umana non può permettersi di offrire piccoli prestiti. Il costo della loro ricerca ed elaborazione sarebbe superiore a qualsiasi reddito da interessi che la banca potrebbe guadagnare. Ma se l’IA fosse utilizzata per valutare ed elaborare, i prestiti più piccoli permetterebbero alla banca di servire gruppi di clienti completamente nuovi senza dover applicare tassi esorbitanti.

“Questi casi d’uso non sono ancora così diffusi”, afferma Jai Das, presidente e partner di Sapphire Ventures. “Cambiano radicalmente il modo in cui operiamo e le aziende non cambiano così rapidamente”. La marea inizierà a cambiare una volta che l’IA e il ML diventeranno strumenti utilizzati da tutti i knowledge worker dell’azienda, afferma Das. “Non ci siamo ancora. Probabilmente ci vorranno altri cinque anni prima che tutti utilizzino l’IA e il ML per fare il loro lavoro”.