01net

Intelligenza artificiale: cosa cambia nelle aziende

L’intelligenza artificiale si appresta a diventare una realtà per le aziende più avanzate. Ma per la maggior parte delle aziende, il modo migliore per sfruttare il machine learning rimane ancora terreno inesplorato.

Idc infatti stima che le entrate per i sistemi di intelligenza artificiale in tutto il mondo raddoppieranno quasi fino a 12,5 miliardi di dollari quest’anno e continueranno a crescere a un ritmo simile fino a raggiungere 46 miliardi di dollari nel 2020.

Alcuni di questi investimenti andranno all’hardware per far funzionare i sistemi di machine learning, ma anche se non si ha budget e i data scientist per costruire sistemi da zero, ci sono moltii strumenti e servizi che permettono di utilizzare questa tecnologia in modi pratici che aiutano l’azienda.

Esempi pratici di Intelligenza artificiale

Creare una chat per il servizio clienti. Se si dispone di un elenco di domande frequenti che i clienti devono cercare, è possibile trasformarle in un chatbot in grado di rispondere alle domande di supporto utilizzando il servizio Microsoft QnA Maker. Naturalmente, non è necessario che sia un servizio di assistenza clienti: è possibile creare un bot per rispondere alle domande dei nuovi dipendenti sui benefici delle risorse umane o su come contattare l’ help desk. Si inserisce l’ Url delle FAQ o si caricano fogli Excel e documenti che hanno domande e risposte e QnA Maker crea coppie di domance e risposte che è possibile rivedere. Se si desidera avere un’ interfaccia più interessante rispetto alle risposte testuali, è possibile utilizzare l’Sdk .NET e il Microsoft Bot Framework per creare un bot che mostri immagini e contenuti ricchi. Se si preferisce l’ approccio serverless, QnA Maker è uno dei modelli dell’Azure Bot Service. Quindi è possibile creare un bot che funziona su email, GroupMe, Facebook Messenger, Kik, Skype, Slack, Microsoft Team, Telegramma, text/Sms e Twilio. Microsoft ha appena aggiunto una soluzione di customer care a Dynamics 365, in cui un agente virtuale suggerisce soluzioni, passa il cliente al supporto umano, insieme ai dettagli della conversazione e ai suggerimenti.

Fare automazione e analisi marketing. Il marketing è spesso il primo dipartimento a sperimentare nuove tecnologie, motivo per cui i servizi di marketing come Adobe Marketing Cloud, Dynamics 365 e Salesforce stanno iniziando a offrire previsioni di machine learning per tutto, dalla raccomandazione di prodotti correlati per i clienti, alla visualizzazione di risultati di ricerca personalizzati, alla classificazione dei risultati di vendita, alla ricerca di contatti alternativi presso una potenziale azienda cliente, anche suggerendo come e quando raggiungerli.

Rilevamento delle frodi. Individuare transazioni fraudolente e anomale è un classico problema di analisi dei dati. Fraud.net per esempio usa Amazon Machine Learning per creare modelli multipli di apprendimento per individuare una serie di attività fraudolente invece che cercare di creare un unico modello per segnare ogni possibile tipo di frode.

Pianificare l’inventario. L’automazione della supply chain non è una novità, ma l’apprendimento delle macchine la rende molto più comune. Invece di semplici dati storici sulle vendite, il machine learning consente di utilizzare i dati sul modo in cui i clienti ricercano gli acquisti online, sull’impatto delle condizioni meteorologiche sulle abitudini di acquisto e su altri trend interni ed esterni per gestire l’ inventario attraverso la previsione della domanda. Amazon sostiene di poter prevedere esattamente quante camicie di un particolare colore e taglia venderà ogni giorno. Il rivenditore tedesco online Otto, per esempio, utilizza l’apprendimento automatico per prevedere cosa venderà nei prossimi 30 giorni con una precisione del 90%, riducendo di un quinto la quantità di scorte eccedentarie e abbassando i rendimenti di oltre due milioni di prodotti l’anno; il sistema di acquisto automatico ordina 200.000 articoli al mese da fornitori terzi, scegliendo i colori e gli stili che si prevede di vendere.

Pianificazione del percorso logistico. Il problema è un classico dell’ informatica: qual è il percorso più breve tra tutti i luoghi in cui il team di vendita deve fare un viaggio di andata e ritorno? È possibile utilizzare i servizi di traffico predittivi nelle Api di Bing e Google Maps per creare mappe che mostrano non solo la distanza, ma il tempo di viaggio, per confrontare quanti clienti un agente potrebbe raggiungere in 15 minuti di auto da vari punti di partenza o trovare il momento migliore della giornata per effettuare le consegne. Si possono aggiunbgere le funzioni di monitoraggio delle risorse e di localizzazione e creare una soluzione logistica personalizzata.

Machine learning per la sicurezza. Nel complesso mondo della sicurezza, l’ apprendimento delle macchine non è una killer application ma può aiutare a individuare gli attacchi che potrebbero altrimenti essere persi nei registri e gli avvisi scatenati dalle normali attività. Nonostante il nome, Windows Defender Advanced Threat Protection non è un software antivirus; è un servizio di apprendimento della macchina che analizza il comportamento dei pc sulla rete con Windows 10 Enterprise e comunica al team di sicurezza se un attacco è un processo dannoso, ingegneria sociale o un exploit di documenti.

Cambiare il reclutamento. C’è una crescente spinta per la diversità nelle imprese, ma il linguaggio con cui il team delle risorse umane scrive i job posting può scoraggiare molti candidati. Si può provare il servizio Textio che usa l’intelligenza artificiale per segnalare il gergo aziendale, i cliché, gli stereotipi e le altre frasi utilizzate nei messaggi di lavoro e nelle email di reclutamento per aiutarvi ad ottenere un maggior numero di candidati.

Riconoscimento dell’immagine per la sicurezza del manufacturing. Utilizzando telecamere e sensori è possibile utilizzare il riconoscimento dell’immagine e del viso per rilevare quando l’apparecchiatura viene utilizzata in modo insicuro o da qualcuno che non ha superato la formazione sulla sicurezza. Hitachi ha costruito un sistema di apprendimento profondo con il Centro di ricerca tedesco per l’Intelligenza artificiale, che utilizza wearable e occhiali eye-tracking. Microsoft ha presentato una soluzione simile utilizzando le funzioni Azure, i servizi cognitivi Microsoft e Azure Stack. Una soluzione di sicurezza completa sul posto di lavoro potrebbe essere difficile da costruire, ma è possibile iniziare con applicazioni per smartphone come The Safety Compass, che funziona con Risk Analyst per permettere ai lavoratori di contrassegnare i luoghi di lavoro pericolosi scattando una fotografia e indicando i dettagli.