Per anni, l’accesso alle preziose informazioni contenute nei meandri dei database aziendali è rimasto appannaggio di pochi esperti in grado di scrivere query e interpretare dashboard complesse. Oggi, invece, la convergenza tra intelligenza artificiale generativa e Business Intelligence tradizionale sta contribuendo a riscrivere completamente lo scenario degli strumenti aziendali di supporto ai processi decisionali.
Molte aziende stanno adottando in modo diffuso l’AI, molte altre non hanno ancora neppure iniziato a valutarla e moltissime hanno sperimentato, non sempre con risultato, con Proof-of-Concept e progetti su scala ridotta o ambiti confinati.
La chiave per il successo, in linea di principio, è identificare dei quick win concreti partendo sempre dal distillare il valore che l’azienda ha già al proprio interno – in termini di patrimonio informativo – con un approccio che sia evolutivo e non rivoluzionario. Affiancando ad esempio l’AI alla propria Business intelligence laddove il layer semantico ha già un buon livello di evoluzione – la cosiddetta GenBI – oppure iniziando a sperimentare con l’AI agentica su perimetri limitati.
Indice degli argomenti
Il miraggio della democratizzazione dei dati diventa realtà
La GenBI, la Generative Business Intelligence o BI generativa, promette di portare il linguaggio naturale al centro dell’analisi dei dati garantendo un’automazione diffusa e un accesso ai record più rapido e facilitato.
Ma quali sono i principali casi d’uso di queste soluzioni evolute? E quali sono gli “accorgimenti” da adottare per migliorare l’efficacia del Decision Making? Ce lo spiegano in questo video Davide Donna, Co-founder, Co-CEO e Chief Operating Officer di The Information Lab Italy & Spain e Nimbus Intelligence, ed Emanuele Farotti, Co-founder, Co-CEO e Chief Information Officer di The Information Lab Italy & Spain e Managing Partner di Nimbus Intelligence.
Cos’è la GenBI (Generative Business Intelligence)
Il termine GenBI descrive l’incontro tra due mondi che fino a poco tempo fa procedevano su binari paralleli: la Business Intelligence, con le sue dashboard e i suoi modelli di dati strutturati, e la Generative AI, capace di comprendere richieste formulate in linguaggio naturale e generare rapidamente risposte a partire da record non strutturati.
Il risultato è una nuova modalità di interrogazione dei dati che non richiede più competenze tecniche specifiche da parte di chi pone le domande. Un insieme di soluzioni che, però, «non deve essere inteso come una sostituzione della Business Intelligence, ma piuttosto come un suo potenziamento, che permette di spingere ancor di più verso l’obiettivo della democratizzazione del dato», osserva Donna.
Il ruolo della Generative AI nell’analisi dei dati
Il vantaggio principale della GenBI è rappresentato dalla possibilità per l’utente di conversare con i dati usando lo stesso linguaggio che utilizzerebbe con un collega, senza dover passare attraverso query complesse o richieste puntuali rivolte a un team di analisti o a un pool di esperti.
Sbaglia, però, chi pensa che questo nuovo approccio si traduca semplicemente in un’interfaccia di accesso ai dati più intuitiva: la BI generativa interviene, infatti, anche sulla capacità di integrare al meglio fonti dati eterogenee e restituire insight immediatamente azionabili in tempo reale
I vantaggi della GenBI per le aziende
I vantaggi concreti per le organizzazioni si misurano, come illustra Farotti nel video, almeno su tre livelli: accesso facilitato ai dati, velocità decisionale accelerata e miglior soddisfazione degli utenti, che possono affrancarsi dai task ripetitivi, time consuming e a basso valore per dedicarsi ad attività più soddisfacenti e strategiche.
Automazione dei processi a basso valore
Alla componente conversazionale si affianca quella dell’automazione intelligente, che resta un pilastro spesso sottovalutato rispetto all’entusiasmo generato dall’AI generativa. Lo racconta con una punta di orgoglio Davide Donna riferendosi alla crescente attenzione mediatica sull’automazione favorita dall’hype AI che, in realtà, ha permesso a The Information Lab di rafforzare il valore storico del proprio posizionamento sul mercato. «Sono 10 anni – osserva il manager – che supportiamo le aziende che puntano a eliminare i processi manuali attraverso quei flussi no code e low code che, di fatto, rappresentano oggi le fondamenta di un progetto di automazione che oggi, grazie agli agenti AI, può essere potenziato e accelerato». Donna tiene a evidenziare, però, che l’AI non va implementata a tutti costi laddove l’automazione tradizionale si dimostra ancora efficace.
Decision making più rapido e informato
Interrogare i dati in linguaggio naturale significa anche accorciare drasticamente i tempi che separano una domanda di business da una risposta utile. Un tema questo che, secondo Donna, dovrebbe essere però affrontato in azienda attraverso un approccio equilibrato che non metta in discussione tutto il passato: «Non parlerei di rivoluzione ma di evoluzione della BI, perché il punto di partenza è e rimane sempre il valore già presente in azienda».
I casi d’uso concreti
Le declinazioni pratiche dei progetti di data & AI variano sensibilmente a seconda del settore di riferimento e della funzione aziendale coinvolta.
The Information Lab ha maturato un’esperienza consolidata in particolare in ambiti quali i servizi finanziali, il manifatturiero, il farmaceutico e il Retail.
Financial Services e Insurance
Nel settore finanziario e assicurativo, «l’obiettivo principale è avvicinare il dato a chi gestisce la relazione con il cliente – spiega Farotti – per migliorare le attività di up e cross selling e, in generale, le performance di vendita».
Manufacturing
Nel manufacturing, «l’automazione agentica – sottolinea il manager – si affianca a progetti di automazione più tradizionale, con un focus particolare sulle attività del team Finance come la riconciliazione e sulla pianificazione della produzione».
Pharma
In questo ambito, la GenBI e l’automazione permettono di migliorare le attività di supporto agli informatori scientifici, che possono interrogare basi dati eterogenee e ottenere informazioni di contesto preziose prima degli incontri con i medici.
Fashion Retail
Nel Fashion & Retail «la velocità di accesso al dato e l’introduzione delle tecnologie conversazionali sono fattori competitivi rilevanti soprattutto per chi gestisce il canale di vendita, che necessita di visibilità immediata su stock e performance di prodotto».
Come implementare un progetto Data & AI in azienda
Al netto dell’entusiasmo diffuso in questo momento sul mercato, i due manager insistono su un punto: la tecnologia da sola non basta a garantire il successo di un progetto di Data & AI.
Serve un percorso strutturato, che parta da un ambito di test iniziale delimitato e si allarghi progressivamente ad altre funzioni e attività sulla base di un’analisi attenta dei benefici tangibili che questa tecnologia è in grado di assicurare.
Dal prototipo alla scalabilità
Il primo passo, secondo Davide Donna, è sempre la sperimentazione su un perimetro contenuto: «Il progetto è un punto di partenza e serve a creare un prototipo che consenta all’azienda di sperimentare, capirne il valore in concreto e poi immaginarsi come poterlo scalare con profitto».
Data Platform, Data Quality e modello semantico
Alla base di ogni iniziativa di Data & AI e GenBI di successo, avvertono i manager, c’è sempre un’infrastruttura dati solida.
Farotti individua tre elementi imprescindibili per un progetto che assicuri i ritorni sperati: «Fondamentale, anzitutto, implementare una Data Platform, che permetta di integrare i dati provenienti da tutte le funzioni aziendali garantendo la Data Quality. È, poi, altrettanto importante dotarsi di un modello semantico che consenta a tutti gli attori coinvolti di parlare il linguaggio specifico del settore, e all’AI di rispondere in maniera efficace alle richieste che gli vengono formulate dagli utenti».
Il peso del fattore umano
Secondo Donna, la scalabilità e il successo di queste iniziative «non possono però prescindere da un percorso strutturato di sviluppo delle competenze» e dal coinvolgimento diretto e “viscerale” delle persone, che deve estendersi ben oltre l’aspetto puramente tecnologico per abbracciare la condivisione degli obiettivi e la comprensione dei risultati attesi.
È su questo principio che The Information Lab ha fatto evolvere il proprio framework di adoption, il Data Innovation Program, nato negli anni per accompagnare le aziende nei percorsi di trasformazione attraverso i dati e oggi esteso alle nuove sfide poste dall’intelligenza artificiale.
«Anche in questo caso abbiamo scelto un approccio evolutivo: abbiamo integrato nei percorsi formativi competenze, approfondimenti e best practice legati all’utilizzo dell’AI e al Change Management e, nelle attività di engagement, percorsi di affiancamento e co-sviluppo pensati per coinvolgere direttamente gli utenti business».
L’obiettivo è accompagnare l’organizzazione verso un’adozione progressiva e governata, nella quale tecnologia, competenze e coinvolgimento delle persone procedano insieme. Perché, alla fine, il valore dell’AI non dipenderà soltanto da ciò che la tecnologia sarà in grado di fare, ma da quanto le persone saranno messe nelle condizioni di comprenderla, adottarla e utilizzarla per lavorare meglio.
Partecipa alla community