Parlare di Intelligenza Artificiale in azienda significa occuparsi del più nitido trend tecnologico del momento. Lo scorso è stato un anno record per quanto concerne gli investimenti in AI, che hanno raggiunto i 500 milioni di euro in Italia crescendo del 32% rispetto all’anno precedente. Allo stato attuale, secondo l’Osservatorio del Politecnico di Milano, il 61% delle aziende ha avviato almeno un progetto di AI, una rilevazione peraltro in linea con quella degli analisti di McKinsey che parlano di un’adoption globale compresa tra il 50% e il 60%. Un tema ancora aperto riguarda la creazione di valore tangibile attraverso i progetti di AI, poiché attualmente solo una percentuale esigua di aziende riesce a raggiungere l’obiettivo; tuttavia, l'interesse, l'attenzione, la ricerca e gli investimenti nell'intelligenza artificiale in azienda sono in continua crescita.
Intelligenza Artificiale in azienda come supporto ai processi decisionali
In quanto parte integrante del macrocosmo della Data Science, qualsiasi tecnica di AI rappresenta una valorizzazione dei dati aziendali. Due i principali obiettivi:
- il supporto alle decisioni aziendali, tema che confluisce nella business intelligence e prevede l’impiego di analisi di tipo predittivo;
- l’automazione di processi in chiave di hyperautomation.
Il supporto ai processi decisionali è la principale applicazione di intelligenza artificiale in azienda ed è totalmente trasversale rispetto alle divisioni aziendali e al settore. Lo è la previsione delle vendite basata sul Machine Learning così come una potenziale diagnosi clinica effettuata da un sistema CDSS (Clinical Decision Support System).
In ogni caso, l’adozione di AI è un processo, non un evento: serve definire gli obiettivi aziendali, mappare le sorgenti dati all’interno di ecosistemi informativi complessi, acquisire i dati, normalizzarli e valorizzali con tecniche di analisi descrittive, predittive o prescrittive (le tre principali tipologie di Big Data Analysis). A seguito di questo processo, e attraverso una fase di visualizzazione, è possibile prendere decisioni data-driven a beneficio delle performance aziendali.
Intelligenza Artificiale come pilastro di hyperautomation
Un’altra opportunità, ancora in evoluzione ma di grande prospettiva, è l’adozione dell’intelligenza artificiale in azienda in chiave di hyperautomation.
Sotto questo profilo, hyperautomation si pone come una sorta di estensione del caso precedente. Qui, infatti, l’intelligenza artificiale non aiuta i manager aziendali a prendere decisioni, ma ha un certo grado di autonomia decisionale e la usa per automatizzare processi non necessariamente di routine. In tale accezione, l’applicazione di AI nei processi aziendali supera le limitazioni della Robotic Process Automation (RPA) e configura una Intelligent Process Automation (IPA), che trasformata in approccio sistemico diventa effettivamente hyperautomation. Il risultato immediato è un incremento di efficienza dei processi, cui si somma l’impatto tangibile dell’innovazione.
In termini concreti, l’Intelligenza Artificiale acquisisce il dato e lo valorizza sulla base di diverse tecniche di analisi; in funzione del risultato ottenuto, poi, opta per un certo tipo di azione diretta sul processo, ovviamente all’interno di vincoli ben definiti e senza sostituirsi ai professionisti. Così facendo, riduce i volumi di lavoro pendenti sulle persone perché si fa carico di tutti i processi ripetitivi e anche di attività e fasi di processo che richiedono una certa capacità decisionale, più o meno evoluta a seconda delle esigenze e delle capacità tecniche dell’azienda.
I campi di applicazione sono gli stessi di RPA, essendo di fatto la sua logica evoluzione: i processi amministrativi e finanziari rappresentano l’area d’elezione, ma non si sottraggono di certo la gestione della supply chain, le operations e neppure l’IT. Non da ultimo, va segnalato che tutti i settori verticali possano trarre beneficio dall’adozione dell’intelligenza artificiale in azienda, dal finance al healthcare, passando per la manifattura.
