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

Intelligenza artificiale e business: da sfida a opportunità

pittogramma Zerouno

Focus on

Intelligenza artificiale e business: da sfida a opportunità

Il binomio intelligenza artificiale e business può essere un’opportunità, ma deve basarsi su dati affidabili e su un’infrastruttura solida a supporto

07 Nov 2019

di Redazione Data Science & Machine Learning

La prossima rivoluzione, destinata a trasformare profondamente tutte le attività aziendali, vedrà intelligenza artificiale e business operare in modo collaborativo. Molti ne sono già convinti e pensano di adottare l’Intelligenza artificiale (AI) per la sua applicabilità in più ambiti, ma non sempre hanno chiaro come trarne concretamente vantaggio.

Va innanzi tutto sgombrato il campo da aspettative irrealizzabili o timori infondati. L’obiettivo di prendere decisioni guidate dai dati, ad esempio, non sta a significare che, grazie all’AI, si possano delegare alle macchine le scelte di business, ma che l’intera organizzazione parteciperà a prendere le decisioni migliori, potendo utilizzare i dati in modo rapido e intelligente.
È anche necessario, per comprendere i reali vantaggi di un connubio fra intelligenza artificiale e business, convincersi che se un professionista non è in grado di utilizzare i dati per risolvere un problema, difficilmente ci riuscirà un computer.

Sono molteplici i settori e le aree aziendali dove l’accoppiata intelligenza artificiale e business risulta vincente. Il settore finance può utilizzarla ad esempio per una migliore valutazione del rischio, per rilevare le frodi nell’uso delle carte di credito, per una più efficace segmentazione della clientela; il settore energia e le utility per prevedere l’uso dell’energia da parte dei clienti, ottimizzare la manutenzione, gestire le smart grid; le vendite per analizzare la disponibilità all’acquisto, coinvolgere i clienti ed evitarne la perdita; la supply chain per la manutenzione predittiva, per l’ottimizzazione dei processi e per la previsione della domanda.

Dai dati sfide e opportunità

Quasi tutte le organizzazioni, in qualunque settore e di ogni dimensione, stanno accumulando un numero crescente di dati, ma non sempre riescono a trarne valore per il business. Spesso passano settimane se non mesi affinché gli esperti possano estrarre dai big data informazioni utili ai responsabili delle LOB.
Gli ostacoli principali derivano spesso della carenza di competenze per estrarre le informazioni significative, dalla scarsa potenza elaborativa e da infrastrutture non sempre adeguate. È questo uno dei campi nei quali l’AI può fornire risposte soddisfacenti, accelerando i processi di business.
La disponibilità di grandi quantità di dati è al tempo stesso il fondamento per applicazioni AI efficaci: servono infatti per alimentare il machine learning (ML) e il deep learning (DL), indispensabili per creare sistemi intelligenti in grado di generare modelli di comportamento e individuare i pattern.
Il machine learning consiste in un insieme di metodi che, analizzando una grande quantità di dati, crea dei software basati su un modello previsionale, consentendo alle macchine di apprendere e poi svolgere i compiti richiesti senza essere preventivamente programmati per quella specifica attività. Il DL, un caso particolare del ML, utilizza modelli di apprendimento ispirati al funzionamento del cervello umano, grazie a reti neurali artificiali per elaborare le informazioni in modo non lineare. A monte del DL e del ML servono sistemi di analisi avanzati che a loro volta richiedono i dati giusti e una corretta governance.

Intelligenza artificiale e business, per creare valore

Per potersi fidare delle indicazioni dell’AI, anche le persone del business devono poter comprendere la logica utilizzata ed essere certi della correttezza dei dati. La premessa è, dunque, la disponibilità di dati affidabili e accessibili, fondamenta solide per l’analisi, e un’infrastruttura in grado di supportare il tutto.
L’accelerazione prodotta dall’AI e dal DL nell’analisi dei dati può tradursi in valore per il business, a condizione di superare molteplici sfide. La più complessa è la preparazione dei dati che alimentano l’AI, vista la loro provenienza da molteplici fonti e i tempi necessari per la loro trasformazione. Fondamentali anche le scelte
dell’infrastruttura per supportare il DL e del software più idoneo, che deve essere facile da implementare, da usare, integrato con l’hardware e supportato dal fornitore.

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

D

Redazione Data Science & Machine Learning

Argomenti trattati

Approfondimenti

I
Intelligenza Artificiale

Articolo 1 di 4