Per comprendere l’impatto dell’intelligenza artificiale, un caso pratico vale più di mille discorsi astratti. Siamo nel campo della grande distribuzione. L’organizzazione protagonista del caso d’uso si trova ad affrontare una criticità importante: il sistema di forecasting delle vendite presenta previsioni insoddisfacenti. L’accuratezza delle previsioni è bassa e il sistema, fornito Out of the Box, non può essere oggetto di intervento né consente l’interpretazione dei risultati. La soluzione però è dietro la porta e prende il nome di una tecnologia che già sembra destinata a fare storia in questi campi: AI predittiva.
Un nuovo sistema di forecasting sviluppato tramite algoritmi di intelligenza artificiale mette infatti le carte al loro posto: l’azienda sperimenta non solo un netto miglioramento dell’accuratezza delle previsioni, ma anche un’estensione dell’intervallo temporale delle previsioni stesse. Inoltre, permette un ampliamento del forecasting a tutte le diverse tipologie di punto vendita, dai piccoli negozi ai grandi ipermercati, dagli store online ai punti vendita carburanti, attraverso un sistema di forecasting automatico che si aggiorna ad ogni chiusura mensile e apprende e migliora i risultati di mese in mese.
La storia – che porta la firma di Qintesi, player del mondo management consulting e system integration – è solo una delle tante già rese concrete dall’intelligenza artificiale che “guarda al futuro”. Ma infinite altre promettono di realizzarsi sulla stessa scia, spinte dalle potenzialità della nuova tecnologia: davanti alla cruciale domanda “Cosa succederà nel futuro?”, cui tutti gli addetti ai lavori vorrebbero poter dare risposta modellandovi le strategie del domani, solo l’AI predittiva sembra infatti offrire un riscontro reale e tangibile. Una consapevole messa a terra di questo potenziale tecnologico, così come dimostrato dai casi, come quello raccontato, può infatti dare una scossa radicale al business, estraendo tutto il valore che i dati nascondono.
Indice degli argomenti
Una nuova leva competitiva spinta dai big data
L’AI predittiva, ovvero il tipo di intelligenza artificiale che utilizza dati storici, algoritmi statistici e tecniche di machine learning per identificare modelli e tendenze dai dati passati e utilizzare poi questi per effettuare previsioni su eventi futuri, si sta rivelando una leva competitiva di primissimo piano.
A far scattare la scintilla verso questa nuova frontiera è stata la crescente necessità di mettere a frutto il patrimonio informativo in uno scenario che da tempo aveva preso coscienza delle potenzialità dei big data. Da qui, favorita proprio dalla disponibilità di grandi quantità di dati, l’intelligenza artificiale è stata generalizzata anche nell’ambito del forecasting.
Lavorare con un numero pressoché illimitato di dati
“Il valore aggiunto dell’AI predittiva nell’elaborazione dei dati aziendali risiede principalmente nella sua capacità di analizzare grandi quantità di dati in modo efficiente ed efficace, identificando pattern e relazioni complesse che potrebbero non essere immediatamente evidenti attraverso le tecniche più tradizionali”, fa notare Fabio Licini, senior consultant di Qintesi.
L’AI – spiega – permette infatti di lavorare con un’ingente quantità di dati, situazione che sarebbe invece difficilmente gestibile attraverso tecniche tradizionali o approcci manuali.
“È sufficiente pensare ad esempio ad un retailer che deve effettuare gli ordini di centinaia di prodotti che arrivano da centinaia fornitori – chiarisce Licini. “Non è possibile aspettarsi che la sua conoscenza di settore gli permetta di comprendere appieno la situazione di tutti i possibili prodotti. L’AI predittiva permette invece di comprendere in modo automatizzato i pattern che contraddistinguono l’andamento di ogni singolo prodotto, anche nel caso di migliaia di tipologie differenti”.
Mettere a valore la potenza nascosta del patrimonio informativo
Mettere a valore i dati aziendali è dunque il grande merito di questa nuova tecnologia. Ma di che tipo di valore stiamo parlando? “L’AI predittiva – spiega ancora Fabio Licini – può analizzare grandi quantità di dati storici con l’obiettivo di capire i pattern e le caratteristiche dei dati stessi, ad esempio le relazioni presenti tra due fenomeni, le stagionalità e così via. Questo può aiutare le aziende a prevedere comportamenti futuri dei consumatori o tendenze di mercato”.
L’AI predittiva può trasformare quindi i dati in informazioni e intuizioni preziose che possono guidare le strategie aziendali, migliorare l’efficienza operativa e fornire un vantaggio competitivo significativo. “E può essere utilizzata in una varietà di settori, tra cui il retail, il marketing, la sanità e molti altri” puntualizza Licini. “Può aiutare a prevedere fluttuazioni del mercato, evoluzione delle esigenze dei clienti o l’insorgenza di malattie. In ambito aziendale può essere sfruttata per diversi scopi, dalla previsione della domanda o delle vendite, alla previsione dei prezzi, alla churn prediction (ovvero la probabilità di abbandono dei clienti), all’ottimizzazione della manutenzione, fino alla segmentazione della clientela”.
Una strada ancora lunga: servono competenze
La crescente consapevolezza in merito alle potenzialità concrete dell’AI predittiva, tuttavia, non corre di pari passo con la sua diffusione. La strada sembra segnata, ma il grado di maturità delle imprese italiane su questo fronte è infatti in forte chiaroscuro. “Attualmente – conclude Licini – le realtà aziendali presentano due differenti situazioni: da una lato le grandi imprese registrano già una diffusione concreta di queste tecnologie innovative, dall’altro le piccole e medie imprese sono ancora prevalentemente arretrate in questo ambito”.
A conferma di questo arrivano i dati dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano, secondo cui la spesa delle aziende italiane in risorse infrastrutturali, software e servizi connessi alla gestione e analisi dei dati registra una variazione del +18% nel 2023 rispetto al 2022 per un valore di 2,85 mld di euro. Di questi, l’83% viene prodotto da grandi imprese e solo il 17% da PMI e microimprese.
In generale si registra un aumento continuo degli investimenti, con un tasso di crescita medio degli ultimi 3 anni del 17%. Ma la crescente presenza di questa nuova declinazione di BI trova tuttavia un ostacolo, ovvero la mancanza di risorse qualificate: il numero di Data Engineers, Data Analysts e Data Scientists è rimasto praticamente invariato tra il 2022 e 2023. Ed è qui, sul fronte delle competenze, che forse va ora giocata la partita più importante.
