Dall’Osservatorio Artificial Intelligence del Politecnico di Milano emerge che le aziende, nonostante i problemi di budget, conseguenza dell’emergenza pandemia, hanno proseguito il percorso verso l’adozione dell’AI, in molti casi modificandone gli obiettivi. Questo andamento riguarda però le imprese più grandi che già nel corso del 2019 avevano avviato i progetti, mentre le PMI continuano ad evidenziare perplessità derivanti da tempi, costi e carenza di competenze.
La tavola rotonda che di seguito sintetizzeremo ha evidenziato le tendenze a partire dal punto di osservazione di alcuni fornitori di soluzioni e servizi in ambito AI e l’esperienza diretta di una grande impresa.
Quale strategia per un’AI a portata di piccole e medie imprese?
“È indubbio che le PMI abbiamo trovato ostacoli e obiezioni ricorrenti all’adozione dell’intelligenza artificiale – conferma Luca Camporese, Managing Partner @ Advanced & Cognitive Analytics di Var Group – Il primo è l’associazione dell’AI con elevati costi e tempi lunghi di implementazione. Un ulteriore freno è il ruolo assegnato alla figura mitologica del data scientist, considerata dagli imprenditori introvabile o troppo costosa”. Var Group punta rendere l’AI abbordabile anche per le piccole e medie imprese proponendo un condensato dell’esperienza in campo (12 applicazioni articolate per settore e per processo) capace di abbattere i costi licenza e riducendo i tempi di sviluppo e messa in produzione. Sul versante delle competenze propone un servizio Data science as a service che mette a disposizione dell’azienda l’intera catena del valore (dal data scientist, al data engineer, fino al translator) sia per le aziende che vogliono strutturare un team interno sia per quelle che preferiscono affidare all’esterno per l’implementazione dei progetti.
Come la pandemia ha spostato i campi di applicazione dell’AI
Sulla base dell’esperienza con le imprese clienti, Antonella Crea, Manager di Data Reply, segnala lo spostamento, in una prima fase, dei progetti AI dal forecasting verso soluzioni volte all’ottimizzazione dei costi o a migliorare la relazione con i propri clienti utilizzando nuovi touch point. “Le aziende non disponevano più di serie storiche capaci di fare previsioni delle vendite, a fronte di un lockdown nazionale e all’incertezza di quando sarebbero stati riaperti gli store”, spiega la manager. Più per questa ragione che per la riduzione del budget, l’attenzione si è volta allora a sviluppare soluzioni di chatbot, all’ottimizzazione della supply chain e delle campagne di marketing, alla selezione del canale giusto per ottenere una maggiore risposta dai clienti.
Nella seconda fase si è tornati al forecasting basato però su open data. “I touch point realizzati sono stati considerati come una fonte di dati per metter in piedi nuovi modelli di regressione, grazie anche all’introduzione all’interno del dataset di informazioni tratte dal web o interne all’azienda”, sottolinea Crea. Un caso è quello di un’azienda che ha identificato lo sconto da praticare identificando il margine desiderato, grazie a un modello basato sui dati sul lockdown (collegati alla geolocalizzazione) e ai commenti social sul prodotto.
Cosa chiedono all’AI i diversi settori industriali?
Alessandro Azzaroni, Head of Strategic Innovation, Injenia, elenca i principali ambiti in cui le aziende richiedono i progetti basati su AI, dopo aver ricordato: “Quanto le imprese saranno in grado di affrontare in questo momento determinerà il futuro dell’azienda nella nuova era”.
In ambito manufacturing le aziende puntano all’AI per l’ottimizzazione di produzione e qualità dei prodotti, per prevedere la manutenzione nel plant grazie a un modello ML, a ottimizzare i nodi strategici nella supply chain e gli inventari.
In area Marketing e Sales si sceglie di ricorrere all’AI per previsioni vendita e tendenze di mercato, per la personalizzazione spinta delle campagne marketing con segmentazione di livello inedito. “Nel finance ci chiedono di aiutarli a focalizzarsi sul decison making più avanzato per ottenere risultati eccellenti”, aggiunge Azzaroni, ricordando fra i temi caldi anche il NLP, con la richiesta di interfacciarsi con sistemi informatici per estrarre informazioni di valore da grandi quantità di testi. È elevata anche la richiesta di virtual assistant o chatbot, per offrire supporto continuo sia ai clienti privati sia al personale aziendale.
“L’AI, integrata nei sistemi aziendali, svolgerà un ruolo fondamentale per aiutare i manager e i decision maker ad affrontare il cambiamento nello stesso momento in cui posizionano le loro aziende per la crescita futura”, prevede Azzaroni.
ENI: l’AI come necessità all’interno della digitalizzazione del business
“Il quadro già complesso e in rapido cambiamento, ha visto un’accelerazione nel 2020. Per ENI l’ICT è una leva cruciale per la trasformazione digitale del business di oggi ma soprattutto per la creazione di nuovi modelli e traino per l’azienda, non solo fattore abilitante”, sottolinea Giuseppe Magurno, Head of AI Technology Solutions di ENI, ponendo al centro il dato inteso come asset strategico.
L’AI si colloca in questo contesto e concorre con altre tecnologie (come edge computing e 5G) allo sviluppo del programma hi-tech pensato per aumentare la consapevolezza, concentrare le competenze e le esperienze in una community con l’obiettivo di sperimentare e sviluppare prototipi e progetti pilota in alcuni laboratori di innovazione.
In questo contesto l’AI si presta a molteplici ambiti di applicazione potenziali, dall’esplorazione, all’estrazione, fino ai servizi rivolti agli utenti consumer. Un’interessante area di sviluppo è NLP, per estrarre la conoscenza dai documenti in associazione a workflow intelligenti che compiono azioni, in fase di sperimentazioni in aree disparate come i chatbot e gli assistenti virtuali per supportare i dipendenti. Più mature sono invece aree quali analytics e data processing con algoritmi per la manutenzione predittiva e la riduzione dei fermi impianti e il forecasting della produzione di energia elettrica da fonti rinnovabili (solare ed eolico) che dipendono da fattori esterni o della domanda.
“Siamo fiduciosi anche nelle opportunità offerte dalla computer vision, ad esempio per l’analisi automatica delle immagini sismiche nei giacimenti o in ambito sicurezza per lavoratori e asset”, conclude, ricordando le potenziali applicazioni per valutare il sentiment del cliente che entra nelle stazioni di servizio ENI.
