Ok Artificial Intelligence… ma in concreto?

Open_cover_1

Questa è la domanda che tutti noi ci siamo posti almeno una volta di fronte al tema dell’Intelligenza Artificiale un po’ diffidenti, un po’ condizionati da film e da serie TV dove droidi armati di tutto punto mettono a repentaglio il genere umano.

Intanto, senza badarci troppo, all’interno delle nostre case sono entrati a tutti gli effetti Assistenti Vocali a cui chiediamo di regolare la temperatura del forno o ai quali chiediamo di recitare poesie, metterci musica e tenerci compagnia. Dalla Cina, nei mesi scorsi ci sono arrivate immagini di robot per l’assistenza agli anziani in reparti COVID-Free dove erano ridotti al minimo i contatti fisici anche tra dottori e pazienti.

Open_2

Se guardiamo bene l’IA è presente attorno a noi da anni, soprattutto in ambito retail, tra i suggerimenti mirati di acquisto all’interno degli e-commerce e la posizione non casuale dei prodotti all’interno degli store. Modelli predittivi con elevate capacità di apprendimento guidano la proposizione di prodotti e servizi a seconda del cliente.
Più a monte, nel B2B in ambito IoT, si stanno diffondendo sempre più sistemi di Intelligenza Artificiale per la predizione dei guasti, la gestione ottimizzata delle parti di ricambio e la gestione efficace della manodopera specializzata. Per rilevare le anomalie e le potenziali cause di imminenti guasti sono utilizzati modelli predittivi basati su dati provenienti da sensori installati direttamente all’interno delle macchine stesse.

Open_3

 In generale tutte le aziende sono accomunate, nessuna esclusa, dall’archiviazione continua e incessante di enormi quantità di dati all’interno dei propri sistemi.
Di qui la classica domanda: Quante informazioni riesco a ricavare dai dati a mia disposizione?

Ne aggiungo un’altra meno classica: Quanto mi fido delle informazioni che ho a mia disposizione? Da uno studio di MicroStrategy emerge che il 97% delle decisioni Real-time delle aziende vengono ancora prese senza il supporto dei dati.
Le motivazioni possono essere ricondotte a diversi fattori tra cui:

  • Analisi Errate
  • Customer Experience trascurata

Analisi Errate

I modelli di analisi contengono molti dati, ma allo stesso tempo disordinati. Il risultato è il famoso concetto informatico del “Garbage In, Garbage Out”.

Customer Experience trascurata

Spesso le analisi e i modelli di Intelligenza Artificiale sviluppati hanno un focus di tipo analitico, risultano perfetti a livello “teorico”, ma sono carenti dal punto di vista degli elementi ad alto ROI per il business e per i clienti finali.

Il processo di introduzione di tecnologie di IA non può quindi prescindere dall’attenzione alla gestione della qualità, dell’analisi dei dati e dall’attenzione verso elementi di Customer Engagement e Customer Experience.

Nella pratica le aziende dovrebbero quindi orientare il percorso di Customer Experience proposto ai clienti rispetto alle reali esigenze dei consumatori rilevate tramite l’analisi dei relativi comportamenti – es. dati di acquisto, comportamento nei social, navigazione web.

Non black box magiche di Intelligenza Artificiale, ma processi e modelli studiati ingegneristicamente a regola d’arte con focus sul cliente finale e la sua CX.

Articolo a cura di OpenSymbol

COMMENTI