AI, IoT e machine learning: ora si fa sul serio

Dalle promesse alla realtà: la digital transformation comincia ad avere effetti misurabili sul business delle imprese. Dal ROI dell’IOT all’automatizzazione abilitata da Machine Learning e AI. L’opinione di Devid Mapelli di Dimension Data

Pubblicato il 18 Mar 2019

digital-transformation

Dimension Data - Devid Mapelli

Nel 2019 la digital transformation finalmente diventa realtà e con essa sono previsti una serie di cambiamenti nel mercato a fronte dei risultati dei progetti a lungo termine intrapresi dalle aziende più innovative.  I progetti di trasformazione spesso menzionati dalle aziende inizieranno a prendere vita grazie alla maturità raggiunta dalle tecnologie rivoluzionarie come l’AI, machine il learning e l’automazione dei processi robotizzati. Ma quali gli ambiti di business di maggiore impatto?
Un contributo di 
Devid Mapelli, Solutions & Marketing Director per Dimension Data Italia

Le tendenze già in atto da qualche anno continuano ad avere forte impatto sulla modalità in cui le organizzazioni interagiscono con i clienti e sul modo di lavorare dei dipendenti e, di conseguenza, sulla modalità in cui le aziende si stanno focalizzando sul coinvolgimento e la responsabilizzazione del personale.
Non solo. La crescente diffusione di IoT, analytics, intelligenza artificiale e data science sta cambiando inesorabilmente le modalità con cui i clienti traggono valore dai propri dati, supportando i dipendenti a lavorare in modo più produttivo e consentendo alle aziende stesse di raggiungere una migliore profittabilità.

L’IoT sta iniziando a fornire ROI

La tipologia di progetti atti a un concreto miglioramento finanziario tende ad essere quella che considera il dato da una nuova angolazione e applica i concetti dell’IoT all’interno di molteplici elementi della catena a valore.
Stiamo assistendo a un passaggio da architetture tecnologiche ad architetture di servizio per standardizzare le modalità di utilizzo di molteplici servizi, in ambienti IT diversificati, in grado di offrire risultati di business tangibili e più immediati.
L’accessibilità ai dati, inoltre, sta diventando un fattore importante per le decisioni infrastrutturali in quanto il valore del dato stesso apre nuove opportunità di business e offre elementi di differenziazione nelle aziende digitali.

Focus sul fattore umano

Ma la trasformazione digitale non può prescindere dal fattore umano. La dinamicità imposta dalle nuove esigenze di mercato si deve tradurre in continui investimenti nelle risorse umane che costituiscono il vantaggio competitivo e strategico, vitale per il successo di un’azienda moderna.

Il 2019, vedrà dunque una maggiore proattività da parte delle organizzazioni nel creare e consolidare le relazioni con i propri dipendenti.

I team IT, in particolare, stanno compiendo uno sforzo coordinato per relazionarsi con i dipendenti di differenti aree geografiche e culture per comprendere come le tecnologie possano supportare al meglio le loro attività quotidiane, analizzando ciò che viene svolto da ogni singolo individuo, il tipo di collaborazione all’interno del gruppo di lavoro, le modalità con cui accedono alle informazioni di cui necessitano e le aree di conformità a cui dipendenti e manager devono attenersi.

Il ruolo del machine learning

E proprio l’intelligenza artificiale e il machine learning svolgeranno un ruolo fondamentale nel successo di tali attività.

Ottenendo una visione d’insieme, l’IT può segnalare a un dipendente lo strumento e le applicazioni disponibili necessarie per portare avanti il proprio operato. Inoltre, comprendendo in che modo le persone utilizzano applicazioni o dispositivi specifici, il machine learning può guidare verso un percorso di apprendimento personale per migliorarne l’adozione del servizio e, di conseguenza, aumentare efficienze e produttività.

Al fine di aumentare l’adozione delle piattaforme aziende da parte degli utenti, si sta modificando anche la relazione tra le organizzazioni e i propri partner tecnologici. Cambiano le aspettative e dunque anche i parametri di valutazione nella scelta del partner più adeguato, primo fra tutti il livello di adozione e di soddisfazione dei propri utenti.

Le interfacce conversazionali

E se rapportiamo queste tendenze agli aspetti più pratici nelle relazioni con i clienti, il trend generale dell’automazione sta crescendo e l’AI conversazionale costituisce l’area a cui le aziende stanno dando priorità. Le capacità tecniche sono migliorate notevolmente così come l’abilità di elaborare il linguaggio naturale è diventata più sofisticata e conformata.

La penetrazione dell’AI voice nella sfera consumer, con Alexa di Amazon e Google Home, sta iniziando a permeare le interazioni aziendali attraverso l’introduzione di Google Duplex e delle bot basate su Alexa.

Anche la messaggistica è più massiva con la proliferazione di WeChat e WhatsApp e l’introduzione della messaggistica aziendale di Apple. Questo fa sì che gli utenti interagiscano con le organizzazioni con le stesse modalità con cui interagiscono a livello sociale.

La tendenza a un più ampio utilizzo dell’AI conversazionale sta dando origine a una corrispondente crescita nella raccolta e gestione delle informazioni e quindi della conoscenza. Le organizzazioni stanno utilizzando i dati generati per comprendere il contesto e il contenuto delle interazioni dei clienti. Questo consente di sviluppare algoritmi e modelli sempre più accurati per guidare interazioni più efficaci. Gli analytics voce che danno origine a un vasto ammontare di dati possono alimentare lo sviluppo di decisioni e raccomandazioni proattive.

 Verso l’automatizzazione robotica

E in un’ottica di maggiore produttività e di importanza del valore delle informazioni che ne deriva dai dati raccolti, si rimodella così anche la customer experience, per quale la crescita esponenziale dell’automazione nei processi robotizzati, come il machine learning e l’AI offriranno alle aziende la capacità di combinare differenti scenari, aumentare la comprensione e prendere decisioni in tempo reale sulla base delle necessità e del comportamento dei propri clienti.

Il Tour de France è un esempio concreto e di successo dell’utilizzo del machine learning per rivoluzionare l’esperienza visiva degli spettatori, rendendola meno simile a un servizio di massa e più proattiva e personalizzata.

Ma sono notevoli anche i benefici in termini di produttività e di compliance. I sistemi di ML/AI possono infatti consentire il raggiungimento di più alti livelli di accuratezza e di aderenza alle compliancy globali indirizzandole in modo dinamico.

A propria volta questo sta impattando sulle capacità di gestione delle conoscenze delle organizzazioni in quanto le regole sulla governance e la conformità devono essere integrate nell’automazione per trarne vantaggio.
I potenziali benefici sono innumerevoli, sia che le organizzazioni stiano automatizzando l’intera attività sia che stiano utilizzando l’automazione in alcuni ambiti solo per aumentare la produttività. Prevediamo una crescita esponenziale dell’automazione nei processi robotizzati grazie al suo potere di ridurre i costi, accelerare la gestione dei clienti e rendere le interazioni più personalizzate. Sulla base della nostra ultima ricerca sull’evoluzione della CX, nei prossimi due anni il 71% delle aziende prevede l’aumento dei volumi di contatti completamente automatizzati, mentre il 56% prevede una riduzione delle transazioni via telefono.

Smart building per lo smart working

Il machine learning e gli analytics svolgono una funzione chiave anche per quel che riguarda l’ottimizzazione dell’utilizzo degli spazi di lavoro. A seguito dei cambiamenti nelle regolamentazioni contabili, il costo degli spazi affittati oggi incide notevolmente sul bilancio aziendale. Di conseguenza, le organizzazioni stanno cercando di ridurre questa voce, mantenendo, al contempo, un’elevata soddisfazione dei dipendenti.

Le organizzazioni evolute ricorrono all’utilizzo di dati raccolti dalla collaboration e dalle app di prenotazione delle sale, combinati con i dati dei wi-fi e dei sistemi di accesso per comprendere realmente dove sono le persone e come lavorano insieme. Alcune stanno creando hub fisici di collaborazione in alternativa alle sale di videoconferenza sotto utilizzate, con un incremento del coinvolgimento e una riduzione dei costi associati.

Nuove sfide per la sicurezza: l’identità degli oggetti

Un aspetto che non può prescindere da qualsiasi elemento tecnologico e umano coinvolto in questo processo di trasformazione digitale è indubbiamente la cybersecurity. L’accentuarsi dell’utilizzo dell’intelligenza artificiale (AI) e l’accelerazione nello sviluppo delle sue funzionalità contribuiscono ad arricchire i professionisti della sicurezza di nuovi potenziali strumenti. Tra questi, quello del machine learning nell’ambito dell’analisi comportamentale che identifica dei modelli sulla base delle modalità di interazione tra gli individui e la rete. Questi modelli possono svolgere un ruolo importante nel supportare la gestione delle identità e il rilevamento delle minacce.

Il machine learning consente le analisi comportamentali in quanto è in grado di monitorare e valutare costantemente milioni di interazioni, stabilendo uno standard di quelli che sono i comportamenti “abituali” e associarli ai singoli individui. In questo modo, il machine learning può dunque cercare e identificare attività inusuali e potenzialmente sospette che potrebbero nascondere intenti malevoli.

La gestione delle identità ha sempre rappresentato una sfida ma ha ruotato per lo più attorno alla gestione delle identità delle persone – dipendenti, visitatori, partner, fornitori e fornitori di servizi. Oggi, però, bisogna considerare una nuova serie di problematiche relative anche all’identità degli “oggetti” quali ad esempio database, applicazioni, widget, indirizzi IP, flussi di lavoro, cluster disponibili anche in cloud.

La gestione delle identità diventa quindi una delle sfide più preponderanti in azienda, che richiede un impegno continuo del personale IT per monitorare oggetti e individui, con un gran dispendio di risorse e, spesso, senza i risultati sperati.

Le analisi comportamentali

Concettualmente, gli analytics comportamentali offrono un valido supporto e una risposta a questa sfida. Con questa tecnica, infatti, il comportamento di un oggetto o di una persona viene identificato e riconosciuto dal sistema. Lo stesso vale anche per le applicazioni e altri oggetti. Il modo in cui l’applicazione si comporta fornisce indizi sulle sue intenzioni e sulla sua legittimità. Il comportamento diventa quindi un livello addizionale dell’analisi ottenuto attraverso il monitoring continuo degli utenti e degli oggetti che accedono ai dati, alle applicazioni e ad altri oggetti, da dove si interfacciano e cosa fanno.

L’implementazione degli analytics comportamentali consta di un approccio business oriented: si comincia mettendo in relazione il personale tecnico con gli utenti business con l’obiettivo di far emergere le necessità/problematiche aziendali. Da questo punto in poi è possibile definire regole e logiche adatte al business.

E sempre a supporto dei team IT, il machine learning può avere un impatto enorme anche sui centri operativi per la sicurezza, abilitandoli ad agire con maggiore rapidità e precisione, garantendo la continuità di business. Tuttavia, il raggiungimento di tale impatto dipende dalla corretta implementazione degli strumenti e dall’attenzione di personale qualificato in grado di comprendere i benefici di tali strumenti. Nessuno strumento agisce efficacemente in modo isolato.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 5