Gli assistenti virtuali sono entrati nell’uso quotidiano attraverso dispositivi intelligenti come Amazon Echo e Google Home. Chiamare Alexa per farsi dare le notizie del giorno o pronunciare “ok Google” per diffondere musica fra le mura domestiche sono azioni sempre più familiari e comuni, così come interagire con un chat-bot per contattare il servizio assistenza clienti di una banca o di un operatore telefonico.
I vantaggi che il Natural Language Processing (NLP) introduce sono evidenti: possiamo compiere un’azione a distanza, più velocemente e mentre siamo impegnati in altre operazioni, utilizzando uno strumento molto comodo, la voce, anziché manipolando oggetti alla ricerca di un obiettivo, sia esso un brano musicale, una notizia o l’orario della sveglia.
Come il business può beneficiare del Natural Language Processing
Siamo spinti da curiosità e, forse, da un effetto moda verso tale novità, ne facciamo ancora un uso molto essenziale rispetto alle potenzialità, ma sicuramente non si tratta di un fenomeno passeggero e, come altre tecnologie digitali, anche il Natural Language Processing (NLP) è destinato a cambiare irreversibilmente le nostre abitudini. Facile immaginare, infatti, che toccare pulsanti per sintonizzarsi su un canale radiofonico sarà presto un gesto desueto, così come digitare su una tastiera per cercare la propria musica o un contatto telefonico.
A differenza di quanto sta avvenendo nel privato, non si annovera ancora il NLP fra gli agenti della trasformazione digitale nelle imprese, eppure queste dovrebbero mostrare sensibilità verso soluzioni che consentono azioni a distanza, eseguite più velocemente e in sovrapposizione con altre attività; che eliminano, inoltre, la necessità di supporti materiali e digitali, moltiplicando di fatto le possibilità di effettuare operazioni “sempre e ovunque”.
Possiamo provare a identificare i fattori a cui imputare le ragioni di questo “ritardo”, primo fra tutti l’impatto psicologico di trattare la voce come uno strumento di collaborazione uomo-macchina a fini lavorativi.
A oggi, le principali tecnologie digitali adottate dalle imprese (AI-ML, RPA, blockchain, big data, IoT) restano al di fuori della sfera della persona, altre invece si limitano a dispositivi da indossare per ragioni di sicurezza (wearable technology) o per ricevere input esterni di maggiore qualità (augmented/virtual reality).
La parola, per contro, è un’espressione dell’essere umano e come tale si ritiene sia difficile da addomesticare per fini strumentali, anche a causa di connotati individuali come ad esempio la dizione e il gergo.
Il secondo motivo del “ritardo” sta nella scarsa consapevolezza, da parte delle imprese, dell’esistenza di tecnologie NLP disponibili per progetti aziendali, accessibili in termini di costo, affidabili in termini di qualità e rapidi da implementare.
Il terzo motivo del “ritardo” risiede nella difficoltà delle imprese nell’immaginare i campi di applicazione per il NLP e nell’identificarne i benefici, ponendo di fatto questa tecnologia sui gradini più bassi della scala delle priorità dell’agenda digitale.
Come migliorare la Business Intelligence
Tutte le aziende dispongono di tecniche e strumenti di Business Intelligence, che consistono, nei casi più avanzati, in una serie di dashboard grafici resi disponibili agli utenti aziendali anche su dispositivi tablet e smartphone. Inoltre, le aziende investono normalmente in ruoli professionali come data analyst e datawarehouse developer per supportare i colleghi impegnati nelle operazioni di business con analisi sofisticate, sintesi periodiche e strumenti di interrogazione sempre più efficaci e user-friendly.
E se la Business Intelligence fosse dotata di voce e di intelligenza conversazionale, cosa cambierebbe?
Ovvero, se in alcune situazioni potessimo disporre anche di un assistente virtuale come agente di comunicazione con il datawarehouse, allo stesso modo di query e dashboards, quali vantaggi otterremmo?
Per rispondere a questa domanda si pensi a tutte quelle situazioni in cui un manager desidera una informazione di business e per qualche motivo non può accedere ai sistemi aziendali, oppure le dashboard non forniscono informazioni al livello di dettaglio desiderato, oppure l’operazione richiederebbe tempi incompatibili con la situazione contingente, oppure non è sufficientemente addestrato per compiere la ricerca in autonomia.
Facile immaginare situazioni come un viaggio in auto, una attesa all’aeroporto, una visita presso la sede di un cliente, una ispezione a impianti di produzione e infrastrutture logistiche, una distanza con fuso orario che non consente un contatto telefonico per il reperimento di informazioni urgenti.
Anche le situazioni di routine si prestano ad essere ben interpretate da un assistente conversazionale: ogni mattina il manager chiede il riepilogo delle vendite del giorno precedente, riceve in risposta una lista prefissata di key-figures come la vendita giornaliera, il progressivo del mese, lo scostamento verso il forecast/budget, la crescita year-on-year. Il manager può ancora declinare la domanda riepilogativa su uno o più assi delle dimensioni di business, ad esempio: “… dammi il riepilogo delle vendite del prodotto X nella regione R”.
NLP è, dunque, il passaggio fondamentale per dare la capacità del “sempre e ovunque” alla Business Intelligence, moltiplicando le possibilità di portare dati numerici e conoscenza nel luogo e nell’istante in cui vengono prese decisioni, effettuate negoziazioni, eseguite verifiche e ispezioni. L’assistente conversazionale è inoltre un fattore di ottimizzazione e risparmio del tempo a disposizione per il personale manageriale.
Bisogna considerare, inoltre, che la rivoluzione digitale in atto porterà un incremento delle informazioni disponibili per il manager d’azienda, sia perché si controlleranno i processi in modo più capillare (IoT e big data), sia perché i processi saranno sempre più collaborativi e interconnessi con i partner esterni (blockchain), infine perché AI e Machine Learning saranno in grado di produrre nuove tipologie di informazioni.
A questo scenario si aggiunga che le sfide per i manager sono in costante aumento, in quanto le decisioni di breve periodo diventano ogni giorno più rilevanti e pressanti, il confronto con i partner sempre più istituzionali; in sintesi i margini di manovra si assottigliano in un quadro di competitività e incertezza crescenti.
Il “sempre e ovunque” connesso con l’universo dei business data, attraverso l’assistente conversazionale, è una delle condizioni vincenti che prefiguriamo per il manager di oggi, a cui sono richiesti rapidità, holistic thinking e capacità decisionale facts-based.
Componenti tecnologie di un servizio cloud di NLP
La scelta di un servizio cloud di Natural Language Processing, pay-per-use, dove sviluppare il progetto “assistente vocale per la BI” è stato il primo passo che abbiamo portato a termine, seguito dallo sviluppo prototipale che ci ha permesso di standardizzare un metodo conversazionale e mettere in pratica il dizionario di base dell’universo reporting. Come vedremo, il progetto consiste nel classificare le informazioni di BI e nel trasferirle all’agente sottoforma di frasi di training.
Il caricamento sull’engine conversazionale dei dati master (o filtri delle interrogazioni di BI) è un task specifico caratteristico di ciascuna impresa; queste sono altrimenti chiamate le “dimensioni” del reporting, come ad esempio la gerarchia prodotto, la gerarchia clienti, la struttura dei canali commerciali, l’organizzazione geografica del business, la struttura della rete logistica.
L’app su smartphone è indispensabile per il dialogo vocale fra utente e agente conversazionale.
L’app registrerà temporaneamente la conversazione nella sezione chat e fornirà servizi di utilità aggiuntivi.
Come per molte altre tipologie di progetti informatici, anche in questo caso vi sono molti elementi preconfigurati, già testati e standardizzati, il cui riutilizzo conferisce rapidità e qualità al processo implementativo, senza per questo dover porre in secondo piano le peculiarità di una impresa, che risultano di solito facilmente integrabili nel dominio di conoscenze dell’assistente conversazionale.
Come addestrare l’agente conversazionale
Addestrare un voice assistant virtuale richiede preparazione sia sui contenuti della BI sia sulla capacità di rendere la conversazione simile al linguaggio naturale fra umani, dove comunemente si omettono parti del discorso senza perdere il contesto iniziale o vengono richiesti approfondimenti in sequenza sempre nel quadro di una premessa generale, nel nostro caso composta da key-figures, cifre e dimensioni.
In sintesi, la chiave del successo per noi risiede nel connubio fra conoscenza artificiale e intelligenza conversazionale. Di seguito i segmenti di training impartiti al nostro assistente conversazionale:
- Training sulla Business Intelligence
– Key figures, es.: ordinato, fatturato, resi, case fill-rate, inventory, forecast, forecast accuracy
– Dimensioni di analisi, es.: prodotto, cliente, canale, regione/area, organizzazione, magazzino/plant
– Dimensione temporale: anno, trimestre, mese, settimana, giorno; year-to-date (YTD), QTD, MTD
– Unità di misura: valuta, trade unit, consumer unit, handling unit, alternaive unit (peso, volume, spazio)
– Analisi comparative, es.: variazione di una key figure year-on-year; variazione key figure vs budget - “Intent” conversazionali
Gli intent sono le tipologie di richieste che l’utente può rivolgere all’assistente vocale e costituiscono i blocchi elementari del training. Come nel linguaggio fra umani, l’interlocutore virtuale deve comprendere da pochi input le intenzioni del richiedente e comporre la risposta in modo soddisfacente. - Un ampio spettro di intent conversazionali è senza dubbio un fattore chiave di successo.
- – Intent riepilogativo
– Intent selettivo
– Intent condizionale
– Intent drill down
– Intent speciali: top-down ranking, Pareto
- Natural Language nella conversazione di Business
– Verbal context
– Repeat in context
– Gestione semplificata delle risposte multiple
– Uso di sinonimi, acronimi e del dizionario aziendale
- Funzioni Speciali
– Alerts
– Frequently Asked Queries e alias
– Emailing e comunicazioni a terzi
– Richiesta estrazione dati in tabella e grafici
Il punto di partenza: i processi di vendita
L’occasione per sviluppare Buddy, questo è il nome che abbiamo dato al nostro assistente vocale inserito nei sistemi di Control Tower, ci è stata data da due aziende manifatturiere del settore largo consumo, con motivazioni diverse fra loro ma entrambi molto interessanti.
Nel primo caso si tratta di assistere vocalmente la forza vendita e i responsabili supply chain nel controllo di una grossa rete di distributori regionali in un ambito multinazionale, geograficamente molto vasto.
Il processo di gestione delle vendite col canale indiretto dei distributori è ispirato ai principi del Collaborative Planning Forecasting and Replenishment (CPFR), pertanto assumono particolare rilevanza le informazioni giornaliere sul sell-out (vendita dei distributori ai canali retail), sulle coperture di stock del distributore, sulla merce in transito dalle fabbriche, sulla shelf-life residua del prodotto a stock e nei punti vendita, sulle previsioni di fatturato.
L’agente conversazionale è in comunicazione con il sistema informativo gestionale CPFR, comune per tutti i paesi, con un addestramento multilingua e disponibilità di servizio h24 a copertura dei diversi fusi orari.
Nel secondo caso, la direzione dell’azienda desidera in primo luogo dotare la prima linea manageriale di un sistema immediato per la sintesi giornaliera dell’andamento del business, in un contesto multi-marca e multi-canale estremamente composito. In questo caso è rilevante il monitoraggio del portafoglio ordini per mezzo di indici di scostamento sia verso il target e sia verso il risultato dell’anno precedente.
Non è un caso se in entrambe le situazioni si pone l’accento sui processi di vendita e distribuzione, quelli che abbinano, infatti, un elevato volume di informazioni, e angolazioni di analisi, con una cadenza di controllo giornaliera e, inoltre, con un numero elevato di utenti con sede di lavoro mobile.
Sviluppi futuri del NLP
É senza dubbio arduo prevedere oggi gli sviluppi futuri del NLP spingendoci oltre le esperienze esposte in questo articolo. Oggi abbiamo a disposizione una soluzione conversazionale in grado di supportare la comunità manageriale nel far fronte, “sempre e ovunque”, alla necessità di informazioni, un asset strategico, queste, ampiamente sottoutilizzato nelle aziende, come diverse fonti autorevoli spesso sottolineano.
In molti auspicano, in modo convincente, una maggiore contaminazione ed elaborazione dei dati a disposizione, per essere in grado di prevedere e simulare scenari futuri, tema di estrema attualità se si considera il quadro internazionale che induce a valutare modelli operativi alternativi o di emergenza.
Tuttavia, a nostro avviso, la scarsa capacità predittiva non è l’unico problema che affligge oggi il rapporto fra manager d’azienda e Business Intelligence riguardo ai processi decisionali; seppur con minor rilevanza strategica, anche la fruizione delle informazioni è un fattore chiave di successo, oggi migliorabile con mezzi impensabili fino a pochi anni fa (NLP).
In futuro, grazie all’avvento di AI e ML nei processi aziendali, è probabile che il NLP diventi una risorsa anche per gli utenti operativi dei sistemi informativi aziendali; questi ultimi da semplici registratori di transazioni, e calcolatori algoritmici, diventeranno sistemi sempre più intelligenti e robotici al punto che si relazioneranno con gli utenti, che a loro volta saranno centri di decisione molto più che in passato.
