Entro il 2030, lo sviluppo dell’intelligenza artificiale (AI), genererà un impatto economico pari a 13mila miliardi di dollari, producendo una crescita del 1,2% del PIL mondiale, secondo le previsioni di McKinsey Global Institute. Al momento sembra però che la battaglia si giochi soprattutto fra USA e Cina, mentre Europa e Italia sono in affanno. Molto dipenderà dall’approccio sia delle imprese del vecchio continente sia dei governi, che potrebbero agire per incentivare lo sviluppo dell’intelligenza artificiale. Sul versante delle imprese può essere determinante la consapevolezza dell’importanza di investire nello sviluppo di intelligenza artificiale per favorire il proprio business, prendendo coscienza di quanto sta accadendo nel mondo.
IDC prevede un incremento entro la fine del 2019 del 44% rispetto al 2018, grazie anche a settori industriali che duplicheranno la spesa entro il 2022 con un incremento (CAGR) del 38% nel periodo 2018-2022, un andamento previsto anche per l’Italia. Al primo posto per gli investimenti a livello internazionale è il settore retail, seguito dalle banche, mentre in Europa le posizioni si invertono anche se nel 2022 potrebbe avvenire il sorpasso. Anche la manifattura discreta è in buona posizione con progetti di automazione della manutenzione preventiva e automazione intelligente dei processi.
Esempi di sviluppo intelligenza artificiale
Sono molti gli esempi di sviluppo dell’intelligenza artificiale nei diversi settori e aree aziendali anche in Italia.
L’AI può aiutare banche e assicurazioni a prendere decisioni più intelligenti per la gestione della soddisfazione del cliente, una rapida reazione al mercato, la previsione dei rischi, mentre la grande quantità di dati aiuta a rilevare anomalie in transazioni e frodi. Le istituzioni finanziarie possono utilizzate il machine learning (ML) per gestire il portafoglio, prevedendo ad esempio la volatilità del trading e gestire al meglio i patrimoni.
Nel settore del retail, algoritmi di ML sono già utilizzati dai negozi online per offrire promozioni personalizzate, esperienze basate sui precedenti acquisti o attività del cliente, per ottimizzare i tempi di risposta del servizio clienti e di consegna, monitorare le variazioni dei prezzi per ridefinirli in accordo con la domanda.
Anche i trasporti di persone e merci possono essere rivoluzionati grazie a nuove modalità di pianificazione e di ottimizzazione basate sull’AI, utilizzata anche nella sperimentazione per la guida autonoma in corso in alcune aree del Paese con il supporto pubblico.
Lo sviluppo di intelligenza artificiale sta investendo nella filiera agroalimentare dalla produzione al consumo finale, sia per l’elaborazione delle grandi quantità di dati che provengono dai sensori sul campo e sui macchinari, che vanno ad alimentare sistemi di supporto alle decisioni, sia nella tracciabilità dei prodotti.
La grande quantità di dati a disposizione della ricerca, provenienti dai medici di base, dalle cartelle cliniche ospedaliere e dagli esami di laboratorio alimentano lo sviluppo dell’intelligenza artificiale anche nelle applicazioni della sanità, con investimenti in Italia nello sviluppo nella medicina di precisione, la diagnostica e la ricerca su nuovi farmaci.
Per investire in AI, imparare dai pionieri
Da una survey su oltre 2.500 executive, realizzata da MIT Sloan Management Review, emerge che le principali aree di applicazione, trasversali ai settori, sono la riduzione dei costi, la generazione di maggiori entrate, lo sviluppo di nuovi prodotti. La maggior parte dei pionieri che sono riusciti a generare valore dallo sviluppo dell’intelligenza artificiale hanno applicato l’AI in tutte e tre le aree, giungendo alla conclusione che l’AI può essere utilizzata ovunque nelle organizzazioni ed è anzi difficile trovare un’area in cui non sia applicabile.
Questi risultati si ottengono intraprendendo la strada di una grande iniziativa di trasformazione aziendale che comporta un nuovo modo di lavorare attraverso la collaborazione cross-funzionale. Ma servono soprattutto investimenti significativi sia nelle persone sia nella data governance, nelle piattaforme dati e nelle infrastrutture che le supportano per garantire la qualità dei dati che alimentano lo sviluppo dell’intelligenza artificiale.
