Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

Data scientist: quali saranno i prossimi passi verso l’AI?

pittogramma Zerouno

Focus on

Data scientist: quali saranno i prossimi passi verso l’AI?

L’intelligenza artificiale (AI) al servizio dei data scientist per migliorare i rapporti con i clienti, il data processing e creare nuovi business

19 Nov 2019

di Redazione Data Science & Machine Learning

Se c’è una cosa su cui gli analisti sono concordi è il fatto che l’intelligenza artificiale (AI) avrà un ruolo sempre più importante in futuro e sempre più spazio all’interno delle aziende in ogni settore di business. Questo per una serie di motivi che vanno dalle aspettative dei clienti di ottenere risposte sempre più personalizzate e immediate alle loro richieste, all’esigenza dei data scientist e delle altre figure decisionali aziendali di dare un senso e utilità alla mole crescente dei dati. Anche se alcune applicazioni dell’AI sono ancora in fase sperimentale o prototipale, data scientist e fruitori delle line of business (LOB) possono impiegare tecnologie come machine learning e AI per ricavare nuove informazioni dai data warehouse e data lake aziendali. Informazioni che sarebbero sfuggite ai sistemi analitici tradizionali. Come evolverà quindi la relazione tra data scientist e intelligenza artificiale?

Nuove possibilità per il data scientist: analisi dati in tempo reale e reazioni veloci

Capacità di riconoscimento, classificazione dati e identificazione di pattern (ossia individuazione delle correlazioni tra i dati, ciclicità ecc.), che sono proprie dei sistemi di AI, diventano oggi ancora più preziose e importanti quando in gioco non ci sono soltanto le registrazioni di dati storici ma flussi in tempo reale, come quelli che il data scientist può ottenere da siti di e-commerce, dai sistemi di produzione, dal CRM, oltre che da una molteplicità di sorgenti esterne, come le discussioni dei clienti sui social network.

Questo è possibile perché la potenza raggiunta dagli attuali sistemi multi CPU/GPU utilizzati sia in modalità on premise sia in cloud è tale da permettere analisi intelligenti in tempo reale e azioni conseguenti velocissime. Per esempio, per comprendere le richieste via chat o in voce dei clienti e dare risposte di primo livello in un call center, fare crosselling dando consigli personalizzati durante le sessioni di e-commerce, riconoscere dei sensori di monitoraggio degli impianti i segni premonitori dei guasti, mandando sul posto le squadre d’assistenza prima che si verifichino rotture e interruzioni dei servizi.

Il ruolo del data scientist

Con l’impiego dell’AI, il data scientist conserva il proprio ruolo di esperto dei dati, dei compiti essenziali che riguardano la selezione e la preparazione delle fonti, quindi della scelta e della creazione di algoritmi in grado di analizzare correttamente i dati in funzione delle esigenze aziendali di personalizzare l’esperienza dei consumatori, di migliorare la qualità delle produzioni, ottimizzare processi di logistica e procurement, o di attivare nuovi business a valore aggiunto, come la manutenzione predittiva.

Point of view: IBM L’infrastruttura aziendale nell’era dell’intelligenza artificiale: sfide e vantaggie Scarica il white paper

I primi passi delle aziende nell’adozione dell’AI

Secondo i dati dell’Osservatorio AI della School of Management del Politecnico di Milano, in Italia il 56% delle grandi imprese ha già avviato progetti di AI. Dei 470 casi di progetti analizzati, ben 104 riguardano le applicazioni nelle aree del marketing e vendite, seguite dall’area prodotti (97), servizi (80), ricerca e sviluppo IT (52) e finance & compliance (48).

Risulta chiaro, secondo gli analisti, come le aziende abbiano scelto di muovere i primi passi nel campo AI prediligendo gli ambiti applicativi più maturi, dove i benefici sono ben documentati e più rapidamente realizzabili. Nell’ambito dei progetti realizzati e in corso, il livello di maturità più elevato si registra nell’area delle raccomandazioni ai clienti (i progetti a regime sono il 62% a cui si aggiunge il 19% in fase d’implementazione) seguito dal riconoscimento del linguaggio naturale (50 e 28%), dall’intelligent data processing (42 e 26%), dai virtual assistant e chatbot (40 e 25%) e dagli oggetti intelligenti IoT (39% e 6%).

In attesa che l’AI cambi la vita delle persone con innovazioni attese e dirompenti, come la guida autonoma o l’abolizione del check out in cassa nei negozi, data scientist e aziende hanno pragmaticamente individuato il primo importante campo d’applicazione nei sistemi che, in diverso modo, possono migliorare le relazioni con i clienti, migliorandone la conoscenza e creando nuove opportunità di business.

D

Redazione Data Science & Machine Learning

Argomenti trattati

Approfondimenti

I
Intelligenza Artificiale

Articolo 1 di 4