Nel contesto della crescente digitalizzazione di impresa, il numero delle aziende che può integrare applicazioni di machine learning, ovvero l’Apprendimento Automatico all’interno dei propri processi è in continua crescita, grazie ai numerosi usi di questa tecnologia. I benefici che una PMI può ricevere dal machine learning sono trasversali e trovano spazio in numerosi ambiti aziendali. Ma vediamo prima di tutto cos’è il machine learning.
Che cos’è il machine learning
Il machine learning (o “Apprendimento automatico”) è una applicazione dell’Intelligenza Artificiale (AI) che fornisce a un sistema la capacità di imparare e migliorare dall’esperienza senza essere esplicitamente programmato.
Il processo di apprendimento inizia con l’osservazione dei dati e con il tentativo di individuare all’interno di essi dei pattern (o sequenze) su cui basare delle scelte future. I dati testuali analizzati non vengono considerati solo come delle sequenze di caratteri, ma vengono processati da algoritmi di intelligenza artificiale che producono un approccio basato sull’analisi semantica, in modo da imitare il modo con cui la mente umana ricostruisce il significato di un testo.
I dataset analizzabili dalle funzioni di machine learning non si limitano solo a stringhe di testo, ma è possibile processare anche audio e immagini. L’audio può essere interpretato come testo arricchito da emozioni. Alle immagini può essere applicato un algoritmo che le interpreta, ne riconosce i contenuti, e le cataloga associando degli appropriati tag.
Applicazioni di machine learning per e-commerce
Con le limitazioni causate dalla pandemia Covid 19, abbiamo visto crescere il numero delle aziende che hanno ampliato la propria offerta, implementando una piattaforma e-commerce per vendere i propri prodotti e servizi.
Un plus per valorizzare il proprio portale di commercio elettronico è proprio l’implementazione di algoritmi di machine learning, che possono contribuire al successo della propria impresa online in modo determinante.
Il primo contributo portato dal machine learning è l’aumento dei tassi di conversione, ossia quella metrica che permette di capire quanto un sito di e-commerce sia efficace nel centrare gli scopi per cui è stato progettato, il più tipico ad esempio quello di condurre l’utente a effettuare un acquisto.
Il machine learning è infatti in grado di analizzare le espressioni che l’utente digita nella barra di ricerca e di proporgli risultati sempre più vicini a ciò che effettivamente desidera. Con le applicazioni di machine learning questo diventa possibile anche se l’utente non digita il nome di un prodotto o una descrizione specifica: non è più l’utente che deve sforzarsi di capire come i programmatori hanno progettato il sito, ma è il software che va incontro all’utente, offrendogli un’esperienza di utilizzo spontanea e gratificante.
Il secondo plus con cui il machine learning arricchisce l’esperienza di uso è la gestione delle raccomandazioni di prodotto. Le raccomandazioni sono un veicolo chiave per fare upsell sul sito e per offrire una risposta completa e attenta ai bisogni dell’utente. Le raccomandazioni di prodotto hanno effetto sia durante il primo acquisto, mostrando all’utente articoli o servizi complementari con cui migliorare l’esperienza del suo acquisto, oppure quando l’utente ritorna nuovamente sul portale, arricchendo la sua navigazione con suggerimenti appaganti.
Gestione del magazzino
Molte aziende investono molto tempo per capire, per la loro realtà, quali siano i parametri più adatti con cui gestire gli inventari e la valorizzazione del magazzino.
Spesso, con il passare degli anni, ci si accorge che un criterio di costo non è più adatto all’evoluzione della propria organizzazione, e l’adeguamento implica un altro ingente dispendio di risorse.
In uno scenario del genere, un algoritmo di machine learning sarebbe in grado di analizzare la rotazione di magazzino e i consumi, elaborando la strategia più efficace per la valorizzazione.
Il machine learning trova applicazione anche nell’MRP, ossia in quella strategia impiegata da alcune aziende per avere un flusso di ordini di acquisito automatizzato. Anche in questo caso, l’analisi dei dati si potrebbe rivelare utile per una significativa ottimizzazione dei riordini e quindi dei costi di magazzino e di produzione. Per esempio, il machine learning, in base ai flussi di impiego in produzione di una certa materia prima, potrebbe suggerire al capo reparto una strategia di acquisto Just In Time, invece del mantenimento di un inventario costante.
Customer Care
Un centro di costo spesso significativo per un’azienda è rappresentato dall’aggregazione delle spese dedicate all’assistenza clienti. Una fetta di questi costi può essere rappresentata dal personale che gestisce le risposte di primo livello, sia via e-mail che telefonicamente. Questo primo livello di ingaggio, infatti, è spesso costituita da richieste che si ripetono frequentemente e che danno luogo a flussi simili di gestione del problema (per esempio: riordino di un pezzo di ricambio, oppure passaggio della pratica a un tecnico specializzato).
Questa assistenza di primo livello può essere demandata, nelle sue accezioni più basilari, a degli algoritmi di Intelligenza Artificiale che, per mezzo di una chat intelligente, possono gestire il triage della richiesta, facendo scattare il successivo livello appropriato.
Questa soluzione permetterebbe all’azienda di liberare del personale da attività di routine poco produttive e specializzarlo in altre mansioni, commerciali o tecniche, con un valore maggiore.
Questi sono solo alcuni esempi di come il machine learning possa essere applicato alla quotidianità dei processi di un’azienda. I software di machine learning hanno una curva di apprendimento morbida e la capacità computazionale richiesta è sempre più ottimizzata. All’interno di un processo di digitalizzazione di impresa, è perciò raccomandabile di valutare l’integrazione anche di logiche di machine learning, in modo da poter rendere il proprio ambiente lavorativo sempre più smart e resiliente.
