Guardando ai successi dei colossi dell’industria tech e dei nuovi attori entrati come startup nel settore tecnologico, è facile pensare che per ottenere dei benefici attraverso l’intelligenza artificiale sia necessaria una trasformazione aziendale completa, che tocchi tutte le leve di generazione e cattura del valore.
Insomma, credere che per produrre risultati tangibili con questa tecnologia sia necessario impostare un percorso di trasformazione con un approccio «da zero a cento», nel tentativo di simulare o avvicinarsi alle aziende più all’avanguardia in quest’ambito. Ciò rischia di creare un’agitazione non produttiva, e non poco scoramento, in chi si trova ad agire in un contesto aziendale già pienamente funzionante e lontano dal mondo delle tech companies.
AI in azienda, vietato rincorrere: serve una visione
Eppure, rincorrere questo tipo di trasformazione complessiva a tutti i costi non è necessariamente l’unica strada per creare valore tramite l’AI.
Anche laddove, in coerenza con gli obiettivi aziendali, si persegua un fine di profonda trasformazione, è comunque necessario prevedere un percorso graduale che prioritizzi progressive azioni mirate all’interno di una visione trasformativa.
Ma facciamo un passo indietro. Qualche anno fa, un simile fraintendimento è stato protagonista delle fasi iniziali dei percorsi di trasformazione digitale. In un articolo del 2019 molto noto nel mondo del digital, Tom Davenport e Andrew Spanyi ricordano come intorno al 2010 fossero in molti a suggerire che le aziende che si affacciavano al digital dovessero impostare profondi programmi di trasformazione che includessero business model, processi operativi, e customer experience.
Il tutto nel tentativo di inseguire le innovazioni introdotte da nuovi player che minacciavano i consolidati meccanismi di funzionamento di vari settori. Ciò che è emerso in anni di esperienze, più e meno di successo, è che nella maggior parte dei casi un simile approccio non è verosimile a causa della mancanza di risorse e che, ancor più importante, spesso non ha nemmeno senso.
Una logica di creazione di iniziative “end-to-end”
Molte aziende hanno impostato percorsi di trasformazione fallendo nell’ottenere i risultati sperati, mentre molte altre hanno prodotto tangibili risultati con approcci apparentemente più modesti. Un importante punto di attenzione a questo proposito ci impone però di salvaguardare una logica di creazione di iniziative «end-to-end», in grado di produrre un effettivo impatto in una o più aree del business supportandone l’evoluzione o la trasformazione, scongiurando la tentazione di concepire l’AI come una tecnologia da innestare semplicemente in questa o quella componente di un processo senza una visione a tendere.
Un utile punto di partenza per valutare se e dove l’AI possa rappresentare un utile ingrediente per le leve di generazione del valore aziendale è considerare le logiche di applicazione attualmente utilizzate dalle realtà che usano sistemi AI in produzione.
In generale, possiamo identificare due principali logiche di utilizzo dell’AI attualmente riscontrabili in azienda.
La prima è incentrata su «prodotti e servizi», mentre la seconda sui «processi». Se nel primo caso l’AI viene utilizzata per aggiungere caratteristiche nuove a prodotti esistenti o per creare nuovi prodotti abilitati dalla tecnologia, nel secondo l’AI diventa uno strumento per l’evoluzione dei processi esistenti o per l’introduzione di nuovi processi prima non possibili. A questi due macro ambiti di utilizzo si unisce un’altra lente di lettura, che distingue tra ambiti di utilizzo orientati all’esterno, che includono dunque processi e prodotti a contatto coi clienti, e ambiti di utilizzo esclusivamente orientati all’interno, volti quindi a migliorare e supportare il funzionamento interno dell’azienda. Va da sé che queste strade non siano alternative ma possano essere percorse insieme in quanto complementari.
A ciò dobbiamo aggiungere un’ultima considerazione. Queste logiche di utilizzo assumono che il sistema AI venga costruito, integrato e usato in ottica di creazione di un vero «prodotto AI», ossia di un sistema pensato per essere messo in produzione e usato in maniera relativamente stabile e continuativa, come elemento più o meno chiave di un prodotto/servizio aziendale o di un processo. In maniera meno strutturata e formale, i modelli AI possono tuttavia trovare spazio di applicazione anche nell’ambito di analisi più estemporanee, effettuate per rispondere ad esigenze contingenti.
L’AI orientata a prodotti e servizi
L’AI rappresenta un abilitatore chiave per diversi prodotti e servizi disponibili attualmente sul mercato. Il suo contributo può rappresentare uno spunto per la creazione di una nuova offerta intorno alle possibilità offerte dall’AI o per l’arricchimento e l’aggiunta di funzionalità abilitate dalla tecnologia a supporto e completamento di prodotti e servizi già esistenti.
Il caso Amazon
Nel dicembre del 2015, Amazon apriva i battenti ai propri dipendenti del suo primo negozio Amazon Go a Seattle. Amazon Go è la catena di punti vendita fisici di Amazon caratterizzata da una peculiarità tecnologicamente strettamente connessa all’utilizzo dell’AI. All’interno di questi negozi, infatti, i clienti effettuano l’accesso tramite tornelli d’ingresso e l’account Amazon, prendono i prodotti di cui hanno bisogno ed escono semplicemente dal negozio, senza che avvenga la scansione e il pagamento degli articoli acquistati. Nel corso degli anni, Amazon ha affinato la propria tecnologia di check-out intelligente, detta «Just Walk Out Technology» e nel 2021 l’ha utilizzata per la prima volta all’interno di un punto vendita della linea Amazon Fresh, caratterizzato da dimensioni maggiori.
Per quanto sorprendente nei risultati generati, fino a questo punto questa applicazione dell’AI potrebbe essere più correttamente riconducibile ad un ambito di miglioramento dei processi che non alla creazione di un nuovo prodotto. Tuttavia, a marzo 2020 Amazon ha annunciato che la soluzione «Just Walk Out» sviluppata e testata durante numerosi anni di attività, e tutt’oggi al centro di importanti iniziative di implementazione nella rete Amazon, sarebbe diventata un prodotto aperto al mercato e acquistabile da altri operatori interessati. Questa soluzione rappresenta dunque un esempio di come l’AI, sviluppata per fini interni e tutt’ora utilizzata per la gestione di processi interni ad Amazon, sia diventata il motore per offrire sul mercato un prodotto nuovo, in larga parte abilitato proprio da questa tecnologia.
Oltre che rappresentare un elemento integrato all’interno di prodotti e servizi, l’AI può anche costituire una tecnologia chiave per lo sviluppo stesso di alcuni prodotti. Un esempio in questo senso viene dal settore farmaceutico. Una società italiana leader nel settore sta da diversi anni approcciando l’utilizzo dell’AI a supporto delle proprie fasi precliniche nel design di nuove molecole candidate per la creazione di farmaci. Attraverso il progetto Chiesi Alicia, l’azienda sta collaborando con due società esterne, AINDO e Cyclica, per lo sviluppo delle soluzioni a supporto del design di nuove molecole.
L’AI orientata ai processi: gli esempi di utilizzo pratico
Vediamo come l’AI può invece diventare un abilitatore per una revisione dei processi e partiamo da quelli caratterizzati da un orientamento esterno, quelli che coinvolgono direttamente l’esperienza di clienti o utenti.
Gli assistenti virtuali
Una delle applicazioni senz’altro più diffuse in quest’ambito sono gli assistenti virtuali utilizzati per l’interazione con gli utenti anche se, malgrado il numero di assistenti virtuali sia aumentato drasticamente negli ultimi anni, il livello qualitativo e l’impatto di queste soluzioni varia considerevolmente. Un grande gruppo leader europeo nel settore telecomunicazioni e una digital bank italiana hanno ad esempio lanciato nel corso degli ultimi due anni iniziative di questo tipo rivolte alla clientela consumer. In entrambi i casi, gli assistenti virtuali hanno iniziato ad occuparsi di casi d’uso molto circoscritti e generici, prevedendo col passare del tempo affinamenti che hanno permesso di coprire anche casistiche complesse che richiedono l’integrazione diretta con altri sistemi aziendali, ad esempio per iniziare le fasi di apertura del conto bancario in maniera guidata tramite interazioni che avvengono con linguaggio naturale o per ottenere informazioni riguardo al credito residuo sulla propria SIM telefonica.
Un esempio in questo senso arriva da una società italiana operante in ambito gas tecnici e medicali. Il modello commerciale di Sapio si basa sull’utilizzo di rappresentanti commerciali, detentori del rapporto con i clienti. Tradizionalmente, la preparazione di un incontro prevedeva la raccolta di informazioni aggiornate riguardo al cliente tramite l’ufficio centrale o l’utilizzo di sistemi di business analytics aziendali poco intuitivi e di non sempre facile consultazione. Per questo, il team digital dell’azienda sta lavorando ad una piattaforma integrata con i sistemi aziendali di riferimento che permetta ai rappresentanti commerciali di interrogare il sistema con linguaggio naturale direttamente da app per ottenere informazioni aggiornate.
Un ulteriore caso di utilizzo dell’AI per l’ottimizzazione dei processi viene da una grande azienda del settore utilities italiana, il principale operatore europeo nel trasporto e nello stoccaggio di gas naturale. L’azienda utilizza infatti soluzioni basate sul processamento del linguaggio naturale per analizzare i prospetti di manutenzione compilati dagli operatori che effettuano la manutenzione sui macchinari. L’azienda necessita infatti di uno stretto monitoraggio delle cause dei malfunzionamenti dei propri macchinari per supportare i propri sforzi di ottimizzazione e di riduzione dei costi di manutenzione.
Conclusioni
Questi esempi forniscono solamente alcuni spunti su come l’AI viene attualmente utilizzata in azienda. Per produrre risultati tangibili, è tuttavia importante che il percorso di adozione non si basi semplicemente sulla scelta di una o più applicazioni da selezionare e portare in produzione. Questo approccio rischia solamente di produrre una proliferazione di casi d’uso scollegati tra loro, non coerentemente organizzati in una strategia di utilizzo della tecnologia.
Per scongiurare questo pericolo, l’approccio di adozione deve essere strutturato intorno a un processo sistematico di individuazione, valutazione e prioritizzazione delle iniziative in risposta a chiare esigenze e opportunità aziendali, evitando di trovarsi a lavorare su iniziative AI con l’unico scopo di «farlo perché tutti lo stanno facendo».
