Sviluppare un progetto di Intelligenza Artificiale significa capire da dove partire e questo richiede un importante lavoro di analisi, che va svolto prima di sviluppare qualunque progetto.
Le 4 matrici da seguire per sviluppare un progetto di AI
Strategia
“Se non sai dove stai andando, arriverai da nessuna parte molto in fretta”. Questa massima si applica bene al mondo dell’IA.
È fondamentale capire perchè si sente la necessità o il desiderio di integrare il proprio ecosistema d’impresa con un’intelligenza artificiale.
È per aumentare il fatturato? Per sollevare i dipendenti da alcuni lavori tediosi o per snellire il processo di comunicazione interna?
Qualunque sia la risposta è essenziale conoscerla prima di cominciare il lavoro di sviluppo, in modo da operare poi con consapevolezza.
Sviluppare un progetto di AI: competenze
Sviluppare un progetto di IA può essere estremamente complicato e richiede un grande sforzo di risorse umane.
È importante appoggiarsi a dei professionisti del campo, come informatici e data scientist perché le hard skill sono necessarie, ma non costituiscono l’unico elemento per il successo dell’IA.
Al contrario, le soft skill, rappresentano un momento importante sul quale soffermarsi durante il processo di sviluppo dell’IA.
Dare spazio alle competenze. Sviluppare un sistema di intelligenza artificiale richiede, come abbiamo visto, importanti risorse umane.
Ecco perché è fondamentale costruire un centro di competenze dedicato, che possa operare con una visione di medio termine e che sia in grado di sviluppare abilità decisionali allo svilupparsi dell’IA.
In una fase iniziale, nella quale può risultare difficile orientarsi nella maniera corretta, consigliamo di affidarsi a dei consulenti esterni di innovation Advisory, al fine di costruire un percorso condiviso di accesso, valutazione e implementazione delle possibili soluzioni tecnologiche.
Vuoi avere un confronto con gli Innovation Advisory per approfondire meglio l’argomento? Allora clicca qui sotto e
Soluzione tecnologica
In seguito, è il momento di mettersi all’opera per scegliere una soluzione tecnologica che possa avere senso all’interno della propria azienda.
Un esempio pratico può sicuramente essere d’aiuto. Immaginiamo di voler creare uno strumento che permetta di ottimizzare la gestione del cliente in un customer care. Valutare una serie di soluzioni tecnologiche sulla base della value proposition di una startup non aiuterebbe a stringere il focus in questo caso.
Costruire dei POC, e valutare l’impatto che questi possono avere a livello di potenziale innovativo (in relazione all’azienda) ed impatto (sempre in relazione all’azienda) che la soluzione tecnologica possiede, definisce un brief per passare poi al passo successivo.
Inoltre, ciò consente di capire su quale team affidarsi ed il relativo grado di personalizzazione che quella soluzione può raggiungere se combinata con le necessità aziendali.
Consapevolezza
Per poter integrare con efficacia un’IA in un sistema d’impresa è necessario possedere una certa apertura mentale, in grado di comprendere il potenziale ed i limiti dell’intelligenza artificiale. L’impatto dell’IA può essere trasversale, andando ad interessare campi inaspettati.
Ecco perché capire quali aree aziendali verranno toccate, permette di predisporre un piano di risposta valido.
Un piano che può prevedere della formazione per creare coscienza tra i dipendenti, un affiancamento per la messa a terra pratica del lavoro o anche una costante valutazione dei risultati economici che si stanno ottenendo.
Sviluppare questi punti in maniera personale, adattandoli alle proprie esigenze aziendali è un valido inizio per sviluppare un progetto di IA.
Quali sono gli step successivi?
Sviluppare un progetto di IA deve avere come obiettivo primario l’ottimizzazione del business. Vediamo i vari passaggi e la loro applicazione pratica.
Obiettivo e dati
Per prima cosa si definisce l’obiettivo da raggiungere, che deve essere chiaro, condivisibile, perseguibile.
Bisogna chiedersi se con i dati a disposizione si può rispondere alle domande che ci si è posti con l’obiettivo. In caso negativo bisogna riformularlo. I dati possono essere di svariati tipi: anagrafica, eventi retail, eventi e-commerce, feedback mail.
Esplorazione e pulizia dati
L’80% del progetto è dedicato ad esplorare e pulire i dati. In questa fase possiamo accorgerci di trend anomali e valori anomali negli acquisti che ci restituiscono una visione distorta della realtà causati da una mancata integrazione dei flussi informativi del cliente. Vanno puliti perché se si dà in pasto alla tecnologia dati distorti, gli output saranno anch’essi distorti.
Sviluppo e creazione del modello
Una volta puliti i dati si va a costruire il modello. La domanda potrebbe essere capire quali sono i clienti a rischio di abbandono e quali acquisteranno sicuramente.
In questo caso potremmo applicare il modello di Customer Behaviour che fornisce in output per ogni cliente una probabilità di abbandono e il numero di transazioni attese in un periodo futuro.
Come input prende le transazioni dei clienti e tiene conto della loro storia, dal primo all’ultimo acquisto, frequenza, regolarità etc.
Allenato nel predire la finestra temporale di un anno con un’accuratezza del 74%., si è osservato che dopo 6 mesi riesce a predire correttamente l’83% dei reali acquirenti.
Questo modello è fondamentale per sviluppare il progetto di AI. Ci aiuta a comprendere meglio i clienti che hanno acquistato.
Sviluppare un progetto di AI: Insight
Grazie all’E-mail Engagement Index si riesce a scoprire che i clienti che hanno acquistato hanno una spiccata attività sul canale e-mail. Ad abbandonare il business sono soprattutto quelli inattivi. Questo set di dati può essere incluso all’interno del modello per aumentare la sua accuratezza.
Azioni successive per sviluppare un progetto di AI
Si possono creare a questo punto strategie mirate di Marketing sugli utenti a rischio di abbandono come:
– improve customer relationship
– upselling
– personalizzazione sconti/promo
In questa fase è molto importante il monitoraggio dei KPI.
Per quanto riguarda gli insights raccolti grazie all’E-mail Engagement Index, possiamo capire chi sono i futuri acquirenti e quindi ingaggiarli sul mezzo meno costoso evitando di sprecare budget media e quelli che invece abbandoneranno il business, concentrandoci sul loro recupero dove sono attivi (customer match/custom audience/DMP).
I passaggi successivi potrebbero essere la previsione del contenuto/prodotto ottimale per ogni cliente o del momento ottimale in cui contattarlo.
Detto questo andiamo ora a vedere quali possono essere le mosse strategiche per sviluppare un progetto di AI di successo.
Sviluppare un Progetto di AI in modo strategico
Ecco delle mosse strategiche per trasformare i progetti di intelligenza artificiale in valore aziendale raccontati da chi sta già traendo vantaggi reali dall’implementazione in azienda dell’IA.
Concentrarsi sulla trasformazione aziendale
Tre anni fa, quando General Electric era nelle prime fasi del suo viaggio verso l’integrazione dell’intelligenza artificiale, i progetti IA richiedevano un’attenzione particolare ai vantaggi aziendali specifici, iniziando con progetti minimi fattibili.
Oggi, l’utilizzo dell’intelligenza artificiale è una parte fondamentale della trasformazione dell’azienda stessa.
“Puoi guardare a un minuscolo silo, ottimizzare la quantità di inventario e risparmiare 2 o 3 milioni di dollari, ma ciò non si traduce in creazione di valore per tutta l’azienda” afferma Colin Parris, vicepresidente senior di GE, indicando un esempio in cui la sua azienda ha capito come gestire gli inventari in modo più efficiente con l’IA. Il passo successivo è stato quello di prendere ciò che GE ha imparato e offrire lo stesso servizio ai propri clienti.
Ma il passaggio dall’utilizzo dell’IA per ridurre i costi all’utilizzo dell’IA per aumentare il business aziendale richiede un cambiamento fondamentale nella strategia per concentrarsi sulla trasformazione del business.
In GE, ciò ha significato sfruttare i principi di produzione “snella” basati sull’intelligenza artificiale.
Conoscere i limiti dell’intelligenza artificiale
Man mano che i progetti di intelligenza artificiale si ampliano e diventano operazioni aziendali fondamentali aumentano anche i rischi associati a essi.
Se un sistema di intelligenza artificiale addestrato su un problema specifico venisse applicato a un problema leggermente diverso, i risultati potrebbero essere poco ottimali o addirittura pericolosi.
“Abbiamo questa cosa chiamata IA umile”, dice Parris, “che sa quando non dovrebbe intervenire. Un approccio che limita il rischio aziendale e aumenta le adozioni di IA nelle aziende”. Un altro aspetto dell’approccio “umile” di GE è garantire che l’IA spieghi il proprio ragionamento.
Ad esempio, quando i tecnici ottengono i dati dalle turbine eoliche, tradizionalmente cercano nel manuale tecnico come comportarsi.
Un sistema di intelligenza artificiale, tuttavia, può ottenere i dati, tracciare le curve e segnalare al tecnico che la turbina sta riscontrando un problema con il cuscinetto di inclinazione.
L’IA spiegabile mostrerebbe quelle curve al tecnico e aprirà la pagina nel manuale che contiene le informazioni pertinenti.
L’intelligenza artificiale aiuta quindi il tecnico a raggiungere la soluzione più velocemente. “Si tratta di intelligenza aumentata, di intelligenza assistita “Non vi sostituisce… vi sta aiutando.” Ciò contribuisce all’adozione dell’IA su larga scala.
Sviluppare un progetto di AI grazie alla metodologia agile
Le aziende che sviluppano tecnologia sono chiamate sempre più a costruire innovazione stando al passo con le esigenze e con le evoluzioni del mercato.
Per concepire nuovi progetti, oggi, serve predisposizione al cambiamento in corsa e collaborazione con il cliente al fine di raggiungere la sua piena soddisfazione.
Per realizzare tutto questo nel mondo dello sviluppo di piattaforme e progetti digitali è stato necessario negli anni un cambio di mentalità e di metodologia: dai metodi di sviluppo tradizionale al cosiddetto modello agile.
Utilizzata per sviluppare progetti di AI predittiva, la metodologia agile comporta una maggiore rapidità nello sviluppo dei software e un miglioramento della loro capacità di analisi dei dati.
Alla base, infatti, ci sono ingenti volumi di informazioni interne (dati di produzione, gestionali, contabilità) e di variabili esterne (macroeconomiche, meteo, trend di ricerca) che devono essere analizzate da modelli di machine learning e trasformati in insight per calcolare l’impatto futuro di ogni cambiamento.
I software che utilizzano l’AI, rispetto agli strumenti di analisi tradizionali, sono in grado di offrire previsioni più accurate.
Questo perchè tengono conto non solo dei dati storici aziendali ma anche dei cambiamenti dinamici del mercato.
Di conseguenza l’applicazione della metodologia agile al processo di sviluppo risulta l’approccio ideale.
I risultati della metodologia agile applicata all’AI
Applicare la metodologia agile ai software previsionali che utilizzano Intelligenza Artificiale vuol dire implementare la loro capacità di analizzare dati (correnti e variabili), prevedere eventi che possono avere impatto su uno specifico settore e mostrare simulazioni di scenari futuri.
Lo dimostrano i risultati raccolti da Vedrai, società specializzata nello sviluppo di soluzioni basate su Intelligenza Artificiale per supportare le decisioni aziendali delle piccole e medie imprese di vari settori (dal manifatturiero al retail).
Ecco come il metodo agile ha contribuito sul processo di sviluppo, innovazione e crescita aziendale:
- i volumi di dati analizzati sono aumentati esponenzialmente in poco più di un anno, passando da 50 giga di dati nel primo trimestre 2021 a 5.000 giga nel settembre 2022.
- i modelli di machine learning elaborati sono cresciuti da 230 a 1.240, parallelamente alle ore di training passate da 200 a 9.300. Al contrario, le ore per sviluppare un modello sono nettamente diminuite: da 120 a 20 ore.
- monitorando la velocità di sviluppo del team tecnico attraverso i KPI, inoltre, si osserva che da gennaio 2021 a gennaio 2022 la velocità è aumentata da x9 a x16.
I software elaborati, inoltre, sono in grado di trasformare la complessità dei dati in informazioni strategiche facilmente leggibili dalle aziende e permettendo loro di ottenere un vantaggio competitivo, garantire continuità al business e rafforzarsi sul mercato.
Conclusioni
Al giorno d’oggi per essere innovativi e differenzianti, sviluppare un progetto di AI ti apre le porte del mercato nazionale e internazionale e ti permette di far decollare il tuo business.
È però fondamentale affidarsi a degli esperti per mettere in pratica gli step per sviluppare un progetto di successo.
Noi come Innovation Advisor parteciperemo all’evento Richmond Future Factory che si terrà a Rimini dal 7 al 9 maggio 2023. L’argomento da noi trattato sarà appunto l’Intelligenza Artificiale, come implementarla e ottimizzarla all’interno di un’azienda.
Parleremo inoltre del nostro progetto in corso il CFO ROBOT, nato con l’obiettivo di aiutare gli imprenditori ad analizzare e monitorare i dati della propria azienda tramite una serie di parametri e KPI al fine di individuare e prevenire possibili crisi e/o difficoltà finanziarie.
Hai un progetto da sviluppare legato all’Intelligenza Artificiale ma non sai da dove iniziare? Allora lascia i tuoi dati qui sotto e prenota la tua consulenza gratuita! Dopo una prima analisi del tuo progetto e degli obiettivi da raggiungere costruiremo un percorso su misura per sviluppare un progetto di AI di successo.
