L’Intelligenza Artificiale fa già parte della nostra vita quotidiana ed è ormai utilizzata in più della metà delle grandi aziende italiane. Tutti conoscono le auto senza guidatore o gli assistenti vocali come Siri di Apple, Cortana di Microsoft o Alexa di Google, ma gli esempi meno noti sono molteplici.
Gli algoritmi intelligenti, in grado cioè di auto-apprendere, ci suggeriscono i prodotti da acquistare, i film o i brani musicali in linea con i nostri gusti, sanno rispondere a domande dei clienti via chat, possono riconoscere il volto di una persona per abilitare un accesso, smistare documenti in base al contenuto, supportare i medici nella lettura delle immagini radiografiche e nelle diagnosi, filtrare i curriculum per selezionare il candidato ideale. E così via.
Esistono già numerosi esempi di come l’introduzione dell’Intelligenza Artificiale nei processi aziendali abbia portato impatti positivi, automatizzando parti ripetitive e a basso valore aggiunto dei processi stessi, in precedenza svolti dall’uomo, riducendo errori, permettendo lo sviluppo di nuovi prodotti e servizi. Siamo all’inizio, ma nei prossimi anni assisteremo a un salto quantico.
Le maggiori corporation a livello globale stanno compiendo i primi passi in tal senso: i primi ad arrivare a risultati concreti potranno beneficiare di un enorme vantaggio competitivo.
Ascolta “Intelligenza artificiale: gli aspetti etici e giuridici” su Spreaker.
La storia dell’Intelligenza Artificiale
Il primo vero progetto di ricerca riconducibile all’IA risale al 1943 quando Warren McCulloch e Walter Pitt progettarono una rete neurale cioè algoritmi matematici che cercano di riprodurre il funzionamento dei neuroni del nostro cervello per risolvere problemi. È però dalla fine dagli anni ’50 in poi che si crea il fermento maggiore, quando lo scienziato Alan Turing (nel 1950) inizia a teorizzare che un computer può comportarsi come un essere umano.
Il termine Artificial Intelligence viene coniato dal matematico statunitense John McCarthy (1956) autore dei primi linguaggi di programmazione (Lisp nel 1958 e Prolog nel 1973) specifici per l’IA attraverso i quali inizia a sviluppare programmi generali per la soluzione di problemi.
Dagli anni ’80 in poi si procede a fasi alterne, con grandi avanzate sul fronte dei modelli matematici, sempre più sofisticati ed in grado di imitare alcune funzionalità cerebrali come il riconoscimento di configurazioni, ma un interesse minore nei confronti delle reti neurali e, in generale dell’hardware.
Un interesse ravvivato poi negli anni ’90 con l’arrivo massivo delle Gpu (Graphics Processing Unit, chip di elaborazione molto più veloci delle Cpu in grado quindi di supportare workload complessi molto più rapidamente) dal mondo del gaming.
Che cos’è l’Intelligenza Artificiale: una definizione
Il Politecnico di Milano fornisce questa definizione di AI: “L’Intelligenza Artificiale, in inglese Artificial Intelligence (AI), è il ramo della computer science che studia lo sviluppo di sistemi hardware e software dotati di capacità tipiche dell’essere umano ed in grado di perseguire autonomamente una finalità definita prendendo delle decisioni che, fino a quel momento, erano solitamente affidate agli esseri umani“.
Le capacità tipiche dell’essere umano riguardano, nello specifico, la comprensione ed elaborazione del linguaggio naturale (NLP – Natural Language Processing) e delle immagini (Image Processing), l’apprendimento, il ragionamento e la capacità di pianificazione e l’interazione con persone, macchine e ambiente.
A differenza dei software tradizionali, un sistema IA non si basa sulla programmazione (cioè sul lavoro di sviluppatori che scrivono il codice di funzionamento del sistema) ma su tecniche di apprendimento. Vengono cioè definiti degli algoritmi che elaborano un’enorme quantità di dati dai quali è il sistema stesso che deve derivare le proprie capacità di comprensione e ragionamento.
IA debole e IA forte
In realtà, non esiste una definizione univoca di IA e le interpretazioni possono variare a seconda della focalizzazione: da un lato, ci si può concentrare sui processi interni di ragionamento, dall’altro sul comportamento esterno dei sistemi, in linea di massima sempre prendendo come sorta di “misura di efficacia” la somiglianza o la vicinanza al comportamento umano.
Partendo da queste considerazioni, la comunità scientifica si è trovata d’accordo nel definire due differenti tipi di intelligenza artificiale, quella debole e quella forte:
– Intelligenza Artificiale debole (Weak AI): racchiude al suo interno sistemi in grado di simulare alcune funzionalità cognitive dell’uomo senza tuttavia raggiungere le capacità intellettuali tipiche dell’uomo. Si tratta, a grandi linee, di programmi di problem-solving in grado di replicare alcuni ragionamenti logici umani per risolvere problemi, prendere decisioni, ecc. (come nel gioco degli scacchi);
– Intelligenza Artificiale forte (Strong AI): si fanno rientrare in questa categoria i sistemi in grado di diventare sapienti (o addirittura coscienti di sé). Ci sono teorie che spingono alcuni scienziati ed esperti a ritenere che un giorno le macchine avranno una intelligenza propria (non emuleranno quindi quella dell’uomo), autonoma e probabilmente superiore a quella degli esseri umani (quel momento è chiamato Singularity).
I sistemi attualmente in uso rientrano dell’ambito dell’intelligenza debole, ma il progresso è costante.
Tipologie di AI
Se si guarda ai sistemi di Intelligenza Artificiale più comuni, è possibile individuare sostanzialmente 5 tipologie:
- AI conversazionale: chatbot e agenti virtuali, di fatto software che simulano una conversazione in comune linguaggio parlato, utilizzando grandi volumi di dati per riconoscere input vocali o di testo, elaborare richieste, comprenderle e generare risposte efficace in tempo reale.
- AI predittiva: l’analisi dei dati attuali e delle tendenze passati con il supporto degli algoritmi di Intelligenza Artificiale e Machine Learning permette di anticipare quel che è probabile accadrà in futuro.
- AI generativa: a partire da semplici richieste (prompt) è possibile generare testi, immagini, video, ma anche codice sorgente, per creare contenuti e software con estrema facilità.
- AI autonoma: l’evoluzione dell’Intelligenza Artificiale forse più affascinante ma anche più temuta, quella in cui gli algoritmi agiscono senza alcun intervento o input umano, in modo indipendente e autonomo, senza necessità di supervisione.
- Artificial General Intelligence (AGI): detta anche AI forte, rappresenta la nuova frontiera degli studi scientifici che riguardano l’Intelligenza Artificiale. Sono molti a immaginare un futuro in cui un agente software è in grado di apprendere un compito, anche complesso, e di fatto assimilarsi a un essere umano senziente e dotato di una propria coscienza.
I modelli di apprendimento
Ciò che caratterizza l’Intelligenza Artificiale da un punto di vista tecnologico e metodologico è il metodo/modello di apprendimento con cui l’intelligenza diventa abile in un compito o azione. Questi modelli di apprendimento sono ciò che distinguono Machine Learning e Deep Learning.
Machine Learning
Si tratta di sistemi che servono ad “allenare” il software in modo che correggendo gli errori possa apprendere a svolgere autonomamente un compito/attività.
Ad esempio, il braccio meccanico supportato dall’AI, e quindi intelligente, è in grado di montare un pezzo anche se questo non si trova dove dovrebbe perché l’algoritmo di controllo anziché fornire le coordinate attiva un riconoscimento ottico che cerca il pezzo in tutta l’area che il braccio può raggiungere.
E se la macchina o l’uomo che porge i pezzi ripete più volte l’errore, il robot impara che quella è la nuova posizione e va subito a cercare il pezzo lì. Il Machine Learning si sta evolvendo lungo una linea di ricerca basata sull’uso di reti neurali organizzate in più livelli di profondità e per questo detta Deep Learning.
Deep Learning
Si tratta di modelli di apprendimento di recente sviluppo (dal 2012) ispirati alla struttura ed al funzionamento del nostro cervello, che emulano cioè la mente umana.
In questo caso, il modello matematico da solo non basta: il Deep Learning necessita di reti neurali artificiali progettate ad hoc (deep artificial neural networks) e di una capacità computazionale molto potente capace di “reggere” differenti strati di calcolo e analisi (che è quello che succede con le connessioni neurali del cervello umano).
Può sembrare un livello tecnologico futuristico ma nella realtà questi sono sistemi già in uso nel riconoscimento di pattern, nel riconoscimento vocale o delle immagini e nei sistemi di NLP – Natural Language Processing.
Una classificazione delle soluzioni di Intelligenza Artificiale: 8 categorie
Secondo l’Osservatorio Artificial Intelligence della School of Management del Politecnico di Milano esistono attualmente otto classi di soluzioni di Intelligenza Artificiale.
Autonomous Vehicle
Si riferisce a qualunque mezzo a guida autonoma adibito a qualunque tipo di trasporto su strada, acqua o aria, come la self-driving car o il veicolo per le consegne dei pacchi a domicilio.
Autonomous Robot
Robot, più o meno antropomorfi, in grado di muoversi, manipolare oggetti ed eseguire azioni senza intervento umano, traendo informazioni dall’ambiente circostante e adattandosi a eventi non previsti o codificati. I robot di Boston Dynamics sono fra i più noti: la loro abilità di movimento oggi è tale da aver dato di recente una dimostrazione di parcour.
Intelligent Object
Tutti quelli oggetti, dagli occhiali alla valigia, in grado di eseguire azioni e prendere decisioni senza richiedere l’intervento umano, interagendo con l’ambiente circostante tramite sensori (termometri, videocamere…) e attuatori e apprendendo dalle azioni delle persone che interagiscono con essi.
Virtual Assistant e chatbot
I sistemi più evoluti sono capaci di comprendere tono e contesto del dialogo, memorizzare e riutilizzare le informazioni raccolte e dimostrare intraprendenza nel corso della conversazione. Questi sistemi sono sempre più utilizzati come primo livello di contatto con il cliente nel per l’assistenza tramite il Customer Care aziendale.
Recommendation
Si tratta di soluzioni orientate a indirizzare le preferenze, gli interessi, le decisioni dell’utente, basandosi su informazioni da esso fornite, in maniera indiretta o diretta. Molto usate nell’eCommerce o nei servizi di video e musica (i suggerimenti di Amazon, Netflix e YouTube sono un esempio), possono collocarsi in punti differenti del customer journey o, più in generale, del processo decisionale.
Image Processing
Sistemi in grado di effettuare analisi di immagini o video per il riconoscimento di persone, animali e cose presenti nell’immagine, il riconoscimento biometrico e, in generale, l’estrazione di informazioni dall’immagine/video. Ad esempio, sono in uso applicazioni per il monitoraggio dei locali tecnici da parte delle utility, o per la valutazione dei danni auto negli incidenti nelle assicurazioni.
Language Processing
Prevede capacità di elaborazione del linguaggio, per la comprensione del contenuto, la traduzione, fino alla produzione di testi in modo autonomo, a partire da dati o documenti forniti in input.
Intelligent Data Processing
In questa categoria ampia rientrano tutte quelle soluzioni che utilizzano algoritmi di Intelligenza Artificiale su dati strutturati e non per estrarre informazioni: ne sono esempio i sistemi per la rilevazione delle frodi finanziarie, la ricerca di pattern, i sistemi di monitoring e controllo, l’analisi predittiva (Predictive Analysis). Per la prevenzione dei rischi si effettuano analisi molto sofisticate che correlano dati, eventi, comportamenti ed abitudini per capire in anticipo eventuali attività fraudolente; questi sistemi possono trovare applicazione anche all’interno di altri contesti aziendali, per esempio per la protezione delle informazioni e dei dati nella lotta al cybercrime.
Fonte: Osservatorio Artificial Intelligence Politecnico di Milano (2023)
L’Intelligenza Artificiale nei processi di business
L’AI nasce negli anni 50, ma è solo oggi che i progressi tecnologici registrati nel campo della potenza di calcolo, della disponibilità dei dati e nella capacità della loro analisi per la risoluzione di problemi complessi hanno permesso alle applicazioni di nascere e diffondersi.
Le tecnologie di base sono mature, e attraverso le API e i servizi cloud sono disponibili a costi accessibili. Tuttavia, occorre un approccio progettuale per introdurre l’AI nei processi.
Se fino a 10 anni fa le barriere all’introduzione delle imprese erano legate alla mancanza di strumentazione, o di capacità analitiche inadeguate, il tema oggi non è tecnologico, ma principalmente culturale e di competenze specifiche. Secondo gli esperti, oggi il 70% dell’effort relativo a un progetto AI è per il ridisegno dei processi, il 10% alla scrittura degli algoritmi e solo il 10% alla parte tecnologica.
Attualmente i settori più avanzati nell’adozione di progetti di intelligenza artificiale sono banche, finanza e assicurazioni, automotive, energia, logistica e telco.
In cosa viene applicata l’AI nel quotidiano
Anche senza esserne consapevole, ognuno di noi ha già incontrato l’intelligenza artificiale nel suo quotidiano. Gli esempio sono molteplici.
Pensiamo ad esempio, come accennato, a Netflix, Spotify, Amazon, o a qualunque sito di e-commerce. Tutti implementano sistemi di raccomandazione che ci consigliano film, libri, brani musicali, acquisti in linea con i nostri gusti e le nostre esigenze. Come fanno?
Il meccanismo dell’apprendimento automatico prende in considerazione una quantità enorme di casi, in pratica i comportamenti di tutti i propri utenti nel tempo, e ne estrae degli schemi, dei meccanismi comuni, che poi applica per fare previsioni su di noi. Ci piace l’horror? Probabilmente non ci suggerirà un film romantico, ma un fantasy. Abbiamo visto un film con Hugh Grant? La simpatia dell’attore britannico ci verrà riproposta. Le correlazioni, naturalmente, non sono così semplici.
Rilevamento frodi
Altra applicazione di uso quotidiano è nei sistemi di e-mail di Google e Microsoft. Ormai, appena scriviamo le prime lettere di una parola nel messaggio di posta, l’intelligenza artificiale di suggerisce come proseguire l’intera frase. Ed è anche in grado di suggerire come rispondere, interpretando il testo.
Vi è arrivata la segnalazione di un uso anomalo della vostra carta di credito perché l’avete usata a Londra, dove non eravate mai stati prima? A suggerire alla banca di contattarvi è, anche in questo caso, un algoritmo di Machine Learning addestrato per il rilevamento frodi. Molte assicurazioni e compagnie finanziare usano l’AI per ricercare comportamenti sospetti e intervenire tempestivamente a tutela dei propri clienti.
Videosorveglianza
Un altro impiego crescente è nella videosorveglianza. Le moderne telecamere sono associate a sistemi di analisi delle immagini, altra tecnologia che utilizza l’intelligenza artificiale. L’algoritmo è in grado di “guardare” i filmati e interpretarli, e questo trova impiego ad esempio nelle città, per individuare eventuali situazioni anomale o di pericolo, nelle aree pedonali ma anche nel traffico di auto.
Sta crescendo anche l’uso dei sistemi che, attraverso la voce o il testo, rispondono alle domande, i chatbot. Oltre ad aiutare gli utenti nella ricerca di informazioni ripetitive in modo più semplice e immediato (di solito le stesse che si trovano già nelle FAQ). Possono fornire ai clienti informazioni sui prodotti o servizi offerti dall’azienda, come gli orari, ma trovano spazio anche internamente alle aziende, ad esempio per fornire informazioni su ferie, permessi, contributi in ambito HR.
L’Intelligenza Artificiale in Italia
In Italia, secondo gli ultimi dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano, il mercato delle soluzioni e dei servizi AI nel 2023 ha raggiunto il valore di 760 milioni di euro, facendo registrare un tasso di crescita del 52% nell’ultimo anno, in deciso aumento rispetto al +32% registrato a fine 2022.
Ben 6 grandi aziende italiane su 10 (61%) hanno all’attivo, almeno a livello di sperimentazione, un progetto di AI.
«La maggior parte degli investimenti – evidenzia Alessandro Piva, Direttore dell’Osservatorio Artificial Intelligence – riguarda soluzioni di analisi e interpretazione testi per la ricerca semantica, la classificazione, la sintesi e la spiegazione di documenti, così come gli agenti conversazionali tradizionali. I progetti di Generative AI pesano, al momento, solo per il 5%, sebbene vi sia un grande interesse intorno a questa tecnologia. Due organizzazioni su tre hanno già discusso internamente delle applicazioni di GenAI e, tra queste, una su quattro, ovvero il 17% del totale, ha avviato una sperimentazione. L’avvento della Generative AI non sembra tuttavia essere una via per ridurre il gap nell’adozione dell’Intelligenza Artificiale tra le grandi organizzazioni, chi è indietro nel percorso di adozione, infatti, non riesce nel 77% dei casi a trarre beneficio delle opportunità della Generative AI».
Fonte: Osservatorio Artificial Intelligence Politecnico di Milano (2024)
La penetrazione nelle piccole e medie imprese
Se si guarda alle PMI, invece, il tasso di adozione cala drasticamente: solo il 18% ha almeno un progetto AI avviato (era il 15% nel 2022).
«Quest’anno, l’Intelligenza Artificiale ha fatto passi da gigante anche in Italia – conferma Giovanni Miragliotta, Direttore dell’Osservatorio Artificial Intelligence -. Il mercato è in forte crescita, così come i progetti, e ormai quasi tutti gli italiani hanno sentito parlare di AI e guardano a questo ambito con interesse e qualche timore. Nel valutare il reale impatto sul lavoro, però, bisogna tenere in considerazione le previsioni demografiche che, a causa dell’invecchiamento della popolazione, prospettano un gap di 5,6 milioni di posti di lavoro equivalenti entro il 2033. In questa prospettiva, la possibile automazione di 3,8 milioni di posti di lavoro equivalenti appare quasi una necessità per ribilanciare un enorme problema che si sta creando, più che un rischio. Tuttavia, soltanto prestando attenzione alle nuove esigenze dei lavoratori, alla formazione e a un’equa redistribuzione dei benefici, la società riuscirà a trarre valore dallo sviluppo dell’AI».
Fonte: Osservatorio Artificial Intelligence Politecnico di Milano (2024)
La mappa dei progetti con Intelligenza Artificiale
Le iniziative avviate nel nostro Paese sono idealmente raggruppabili in 6 macro categorie.
Data Exploration & Prediction e Decision Support & Optimization System
La quota più significativa del mercato italiano delle applicazioni AI (29%) riguarda le soluzioni di Intelligent Data Processing, che permettono di analizzare ed estrarre informazioni dai dati.
Interpretazione del linguaggio naturale (NLP)
Rilevante anche tutta l’area di interpretazione del linguaggio parlato o scritto (27%), che comprende i chatbot e il NLP. A quest’area appartengono le applicazioni di AI generativa (generative AI) come DALL-E o ChatGPT. Queste permettono di estrarre ed elaborare in modo automatizzato informazioni da documenti scritti come contratti, polizze o atti giudiziari, come pure eMail, post e commenti social.
Motori di raccomandazione
Nel 22% dei casi le aziende lavorano nell’area degli algoritmi che suggeriscono ai clienti prodotti o contenuti in linea con le loro specifiche preferenze (Recommendation System).
Computer Vision
Il 10% delle iniziative realizzate è riconducibile all’area della visione artificiale, ovvero i sistemi che analizzano il contenuto di un’immagine in contesti come il monitoraggio delle linee di produzione o la videosorveglianza nei luoghi pubblici o privati.
Intelligent RPA (Robotic Process Automation)
Il 7% dei progetti fa riferimento alle soluzioni in cui gli algoritmi sono utilizzati per automatizzare attività ripetitive e flussi di lavoro nel back-office.
Generative AI
Il 5% delle applicazioni è in ambito Intelligenza Artificiale Generativa.
Cosa pensano gli utenti italiani dell’AI
Ma qual è la percezione degli italiani rispetto all’applicazione diffusa di algoritmi AI nel loro quotidiano?
- Il 98 (+5% rispetto al 2022) degli italiani ha già sentito parlare di Intelligenza Artificiale.
- Più di un italiano su quattro (29%) ne ha una conoscenza medio-alta.
- Tre italiani su quattro hanno sentito parlare di ChatGPT.
- Solo il 57% conosce il termine “Intelligenza Artificiale Generativa”.
- Il 37% la utilizza per il proprio lavoro.
Non mancano, però, dubbi e perplessità: il 77% (+4 punti rispetto all’anno precedente) degli intervistati nutre dei timori, in particolare per quel che riguarda i riflessi sul mondo del lavoro. Tuttavia, solo il 17% della popolazione si dice contraria all’uso dell’AI nella sfera professionale.
I profili delle aziende che in Italia hanno implementato l’IA
L’Osservatorio ha analizzato anche il livello di maturità delle grandi organizzazioni nel percorso di adozione dell’Artificial Intelligence, arrivando a individuare cinque diversi profili.
Il 34% delle grandi aziende si trova nell’Era dell’implementazione, dunque dispone delle competenze e delle tecnologie necessarie per sviluppare e portare in produzione in autonomia le iniziative di AI.
Tra questi, l’11% appartiene alla categoria degli Avanguardisti, ovvero le aziende che hanno raggiunto la piena maturità a livello tecnologico, organizzativo e gestionale nell’adozione di soluzioni di Intelligenza Artificiale.
A seguire, gli Apprendisti (23%) hanno diversi progetti avviati ma faticano a impiegare metodologie strutturate nel gestirli e tendono a far ricorso a soluzioni standard o pronte all’uso.
La quota rimanente comprende le organizzazioni In cammino (29%), dotate degli elementi abilitanti ma con pochi progetti o quelle che non percepiscono il tema dell’AI come rilevante, e quelle In ritardo (12%), che non dispongono di un’infrastruttura IT adeguata alla gestione di grandi quantità di dati.
Fonte: Osservatorio Artificial Intelligence Politecnico di Milano (2024)
L’automazione di processo: Robotic Process Automation e AI
Le soluzioni RPA (Robotic Process Automation) sono da diversi anni utilizzate per snellire processi onerosi, automatizzando semplici operazioni ripetitive, in particolare sui sistemi informativi legacy (ad esempio, per estrarre dati da un sistema ERP e inserirli in un altro software).
Il loro utilizzo è mirato all’efficienza: fanno risparmiare molto tempo e permettendo di dedicare le risorse ad attività a maggior valore aggiunto e alla risoluzione di scenari complessi che l’automazione non è in grado di gestire, valorizzando creatività e intraprendenza.
Integrando l’AI con la RPA, che sono di fatto complementari, è possibile fare un passo avanti: se prima venivano demandate all’uomo le parti più complesse del processo, ora è possibile automatizzarle, attraverso l’addestramento.
Il Business Process Management
Si può dire, per esemplificare, che l’RPA agisce come un robot (infatti le soluzioni si chiamano anche bot) seduto davanti al pc e in grado di svolgere un numero limitato di attività, che per gestire scenari più complessi viene sostituito da un robot con una migliore preparazione.
L’automazione di processo con l’RPA rientra nell’ambito del BPM Business Process Management e viene oggi attuata con metodologie Agile che permettono di ottenere risultati in modo rapido, procedendo per “sprint” di progetto con frequenze settimanali o comunque di breve periodo.
L’offerta di soluzioni RPA è ampia: fra i top vendor figurano Automation Anywhere, UI Path, Blue Prism e Nice, che sul mercato italiano sono presenti tramite una partnership con Avanade.
AI per l’HR: a caccia dei migliori talenti
La ricerca del candidato ideale è un’attività impegnativa e strategica, che prende molto tempo al team HR. Analizzare i CV è sempre più difficile e una rapida lettura dei dati non sempre garantisce effettiva corrispondenza alle competenze e capacità di cui l’azienda necessita. Occorre un’analisi approfondita, ad esempio confrontando le esperienze e background di un dipendente già presente in azienda, verificando l’effettivo livello di conoscenza di un software in base agli anni in cui è stato utilizzato.
L’Intelligenza Artificiale viene in aiuto. Sul mercato sono in arrivo soluzioni as-a-service in grado di supportare l’attività di recruiting, come quella sviluppata da Avanade e basata su Cortana, utilizzata al momento internamente dalla stessa azienda.
L’Intelligenza Artificiale supporta le Risorse Umane nella selezione di una rosa di candidati per le posizioni aperte in azienda, lasciando poi la decisione finale ai responsabili HR e ai manager di riferimento. È composto da un’interfaccia di dialogo integrata a RPA e database interni all’azienda che ricerca candidati in rete (in particolare su Linkedin) e ne abbina le skill a quelle presenti nel database aziendale dipendenti, restituendo una lista di profili con valori percentuali di compatibilità.
La soluzione mantiene dunque un approccio human-centered ma è potenziata dalla capacità di automation e AI, ridisegnando così l’esperienza della ricerca di talenti, riducendo drasticamente il tempo necessario alla ricerca e aumentando la qualità dei risultati.
Artificial Intelligence Marketing (AIM): i chatbot e l’analisi del sentiment
Nel Marketing si vedono ormai da tempo sistemi di IA impiegati in differenti attività e con svariati obiettivi; il più importante riguarda indubbiamente la gestione della relazione con gli utenti, da sempre “croce e delizia” di qualsiasi brand, anche nel mondo BtoB.
Le tecnologie di IA impiegate vanno dagli assistenti vocali/virtuali (chatbot e sistemi come Siri di Apple o Cortana di Microsoft) che sfruttano algoritmi di intelligenza artificiale sia per il riconoscimento del linguaggio naturale sia per l’apprendimento e l’analisi delle abitudini e dei comportamenti degli utenti. Per arrivare fino ai più sofisticati meccanismi di ingaggio che contemplano l’analisi in real-time di grandi moli di dati (in particolare sui social) per la comprensione del “sentiment” e delle esigenze delle persone con attività che si spingono fino alla previsione dei comportamenti di acquisto da cui derivare strategie di comunicazione e/o proposta di servizi.
Il ruolo dei chatbot nel Customer Care
Chatbot ed altri sistemi basati sul NLP sono ormai diffusamente impiegati anche all’interno dei reparti che si occupano di assistenza, servizio e supporto alla clientela (contact center, customer service, manutenzione e supporto, ecc.).
Secondo Forrester, Marketing e Sales trainano gli investimenti in AI, seguiti dal Customer Care. Gli analisti suggeriscono di non sottovalutare il fattore umano e di affiancare sempre a questi sistemi un esperto in carne e ossa pronto a intervenire in caso di problemi con il cliente, per evitare spiacevoli situazioni che potrebbero essere controproducenti.
AI e Supply Chain Management
Il tema della gestione del rischio è di fondamentale importanza anche per l’ottimizzazione e la gestione della Supply Chain o catena di approvvigionamento e di distribuzione dove oltre ad analisi sofisticate servono anche “sistemi intelligenti” in grado di connettere e monitorare tutta la filiera e tutti gli attori coinvolti.
Uno dei casi più interessanti di utilizzo di IA, in quest’ambito, riguarda le attività di Order Management. In questo caso, le tecnologie che sfruttano l’Intelligenza Artificiale non solo mirano alla semplificazione dei processi ma anche alla loro totale integrazione – dagli acquisti all’inventario, dal magazzino alle vendite, fino ad arrivare addirittura all’integrazione con il Marketing per la gestione preventiva delle forniture in funzione delle attività promozionali o della campagne di comunicazione.
Le app di Intelligenza Artificiale
In rete proliferano gli strumenti che lavorano con testi, audio, video, immagini. Si va dalla generazione di foto a quella di presentazioni, passando attraverso i podcast e il Content Marketing.
Un elenco (non esaustivo) degli strumenti principali che le aziende hanno a disposizione è questo:
Questo sistema permette di creare chatbot specializzati nella conversazione con utenti umani, che autoapprendono e migliorano l’efficacia del loro intervento col tempo. Lo stesso strumento permette anche di realizzare podcast.
Il sistema basato su AI permette di creare immagini realistiche e composizioni artistiche da una descrizione impartita attraverso il linguaggio naturale.
Jasper
Si tratta di una piattaforma di AI generativa che permette di creare facilmente contenuti personalizzabili in pochi secondi a partire da una keyword.
Synthesia
Questa app permette di creare video professionali in pochi minuti senza dover investire in attrezzatura specifica, semplicemente digitando un testo (sono disponibili 120 lingue diverse).
GoCharlie
Uno strumento utile per i marketer, permette di creare blog post, immagini, contenuti per i social media, ricerche e contenuti ADV in pochi click.
Notion AI
Questa piattaforma favorisce il Project Management aziendale e la diffusione di best practice all’interno dei team geograficamente distribuiti.
Il sistema AI based offre una produzione e gestione automatizzata a 360° dello storytelling aziendale, con blog post e contenuti web interattivi.
