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.
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.
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