Da sempre, le grandi organizzazioni investono per migliorare le pratiche di gestione della conoscenza (Knowledge Management, KM), per catturare e codificare le conoscenze esistenti, per crearne di nuove, per memorizzarle, recuperarle e per distribuirle ai fini del loro impiego nei processi aziendali. Le pratiche di KM sono infatti fonte di vantaggio competitivo, e facilitano le decisioni strategiche, l’innovazione, l’eccellenza operativa e la qualità totale.
Large Language Model (LLM) come chatGPT, Claude e Gemini, per citarne alcuni, possono integrarsi nei workflow di lavoro, facilitare l’accesso alle informazioni e la collaborazione tra i membri delle varie comunità di pratica aziendali, rendendo le decisioni tecniche e strategiche più efficaci. Nel seguito discutiamo degli avatar digitali e del loro impiego in azienda. Proviamo in particolare a delineare degli scenari di impiego nelle PMI.
Avatar digitali: i possibili usi nelle PMI
Le PMI sono caratterizzate dalla mancanza di risorse e capacità da dedicare alla ricerca, sviluppo e innovazione tecnologica. Ciononostante, anche nelle organizzazioni più piccole è di grande interesse l’applicazione di tecnologie AI, quali RPA, Hyper-automation e LLM. La possibilità di digitalizzare processi e analizzare dati di ogni tipo, con sperimentazioni che avvengono a costi accessibili a tutte le organizzazioni, sta aprendo la strada per una vera e propria “rivoluzione tecnologica democratica”.
GenAI e knowledge management
Vi è in particolare grande interesse per le applicazioni della GenAI al KM. Numerose sono le piattaforme che permettono di creare spazi virtuali di collaborazione, per comunicare, apprendere, collaborare e scambiare contenuti tra pari, senza problemi per le diverse sincronie temporali e linguaggi. Di fatto, le tecniche di elaborazione del linguaggio naturale (NLP) rendono particolarmente adatte queste piattaforme per la creazione di Avatar Digitali. Si tratta di agenti software addestrati su un dato insieme di documenti e dati, con cui è possibile interagire naturalmente. Con il dovuto addestramento, questi avatar possono esplicitare anche le conoscenze tacite di figure senior quali imprenditori e direttori, possono impersonare i loro ruoli e simulare le interazioni che questi potrebbero avere con i propri collaboratori, con i clienti e con i fornitori.
Le piattaforme per realizzare un avatar digitale
Le piattaforme con cui è possibile realizzare questi avatar sono numerose, ad esempio:
• Salesforce, con l’agente Einstein AI che consente in particolare di automatizzare le interazioni con i clienti.
• Pigro, che offre un motore di ricerca per recuperare informazioni da documenti e database, ideale per customer support interno ed esterno.
• ServiceNow, con la tecnologia Now Assist AI, che è ideale per automatizzare flussi di lavoro e fornire helpdesk IT tramite agenti virtuali.
• Starmind, che usa la GenAI (StarGPT) per migliorare la collaborazione interna, collegare persone e creare hub di conoscenza.
• Confluence, che con Atlassian Intelligence abilita la gestione documentale in team collaborativi.
• Industrility, che mette a disposizione agenti digitali (TwinGPT) per abilitare il dialogo con macchinari e impianti.
• Edisconet, che mira a favorire le trasformazioni strategiche, mettendo a disposizione spazi e processi personalizzati per la condivisione, l‘allineamento e la formazione.
Il progetto Avatex nel progetto laniero di Prato
Il progetto AVATEX è stato il contesto ideale per investigare l’impatto potenziale di queste tecnologie, in particolare l’applicazione degli avatar digitali, all’interno di contesto prevalentemente popolato di PMI. Il progetto si proponeva lo sviluppa di un “Digital Entrepreneur” per il settore Tessile, Moda e Abbigliamento (TMA). Le applicazioni sono state fatte nel distretto laniero di Prato, un distretto costellato di PMI, che è stato fulcro dell’industria manifatturiera tessile europea e che da un paio di decenni sta affrontando crisi e sfide cruciali per la propria sopravvivenza.
Le ragioni della crisi del distretto
Tra queste, l’impatto e la difficile ripresa post-pandemica, il forte orientamento del mercato verso il modello di business del fast-fashion, la difficile predicibilità delle vendite, la scarsa innovazione, le difficoltà a digitalizzare i processi produttivi e le pratiche commerciali che hanno qualche secolo di tradizione, la crescente attenzione dei consumatori per le questioni ambientali e sociali connesse alle produzioni tessili, le forti pressioni competitive da parte di produzioni asiatiche, il cambio generazionale, e la scarsa attrattività per giovani talenti.
Il distretto è composto prevalentemente da piccole realtà, che coprono tutte le fasi di un processo produttivo grandemente frammentato, con significative difficoltà di coordinamento tra i vari attori. Verso i piccoli fornitori, i brand che commissionano filati e tessuti hanno un alto potere contrattuale, e questo causa pratiche ostili come: pianificazioni a capacità infinita, guerre sui prezzi, ingenti costi per le campionature che i clienti non riconoscono, l’ingresso di attori entranti che attuano comportamenti predatori e altro, che a cascata si ripercuotono su ogni attore compromettendo l’efficienza dell’intera filiera. In questo contesto, ci siamo concentrati sulle sinergie fra i lanifici committenti e i produttori terzisti, analizzando in particolare il modus operandi delle imprese di filatura e torcitura, il livello di incertezza che affligge ogni decisione imprenditoriale e l’influenza delle relazioni commerciali.
L’aiuto della GenAI
È tipico che a produzione già programmata e avviata, le filature si trovino a negoziare richieste per rush order, da parte di clienti attuali o di nuovi clienti. Gli imprenditori trovano difficile valutare quali ordini accettare e quale rifiutare. Da una parte, accettare e produrre il più possibile è cruciale per il business nel breve termine, dall’altra il sovraccarico di capacità produttiva impegnata può causare gravi ritardi nelle consegne e nella qualità del filato, cose che a lungo andare minano la reputazione dell’azienda.
In questo contesto abbiamo sperimentato le tecnologie GenAI, con l’obiettivo di esplicitare la conoscenza degli imprenditori artigiani, che di fatto è tra le risorse più preziose del distretto.
Abbiamo in particolare analizzato come la GenAI supporti processi decisionali basati su criteri aleatori e variabili poco chiare.
Fabricius, il digital entrepeneur
Il risultato è ciò che abbiamo chiamato Fabricius, un digital entrepeneur che è stato addestrato con le conoscenze tacite di alcuni imprenditori. Fabricius è stata sviluppato con la piattaforma Edisconet, su cui abbiamo caricato la letteratura che illustra il contesto e le trascrizioni di interviste condotte a manager e imprenditori. È stato creato un workspace con alcune sezioni, dove si rendono disponibili le funzionalità di interesse per le interazioni con clienti e dipendenti.
Nello spazio di lavoro sono presenti anche contenuti tecnici, come ad esempio le schede prodotto, le ricette per la configurazione delle macchine, il database degli ordini, etc.
Sono state simulate delle conversazioni tra l’imprenditore, i suoi clienti e i suoi collaboratori, in merito al processo di valutazione (accettare o meno una nuova commessa, a quale prezzo, con quali date di consegna e con quali azioni di riprogrammazione). Tutte le informazioni presenti sono state incorporate nell’agente digitale.
Il risultato è quindi un digital avatar, costruito con tecnologie GenAI, in grado di replicare ed espandere la conoscenza e l’intuito dell’imprenditore, capace di interagire con dipendenti e clienti in linguaggio naturale, e di cogliere gli elementi rilevanti del processo decisionale a partire da informazioni collezionate in modo destrutturato, integrando know-how di varie tipologie e reso disponibile da molteplici fonti. Il digital entrepeneur fornisce anche consigli e raccomandazioni in risposta a richieste di aiuto dell’utente, essendo stato empiricamente addestrato con numerosi casi d’uso dove si è conseguito il bilanciamento ottimale tra domanda e capacità produttiva, mira a garantire il minimo ritardo delle consegne.
I risultati di questo progetto sono incoraggianti, e mostrano come l’adozione delle tecnologie di AI per il KM possa migliorare l’efficienza e l’efficacia dei processi decisionali e commerciali delle PMI industriali ed artigiane.
Riconoscimenti
Desideriamo esprimere la nostra gratitudine ai ricercatori che, oltre a noi, hanno contribuito al compimento di AVATEX: Giacomo Russo, Mario Rapaccini, Filippo Visintin ed Elena Coli.
Ringraziamo Edisconet per la loro preziosa collaborazione, e per aver messo a disposizione la loro piattaforma per realizzare la soluzione di progetto. Un riconoscimento va inoltre ai finanziamenti PNRR del progetto PRISMA, che ha economicamente supportato lo svolgimento della nostra ricerca, e al PIN – Polo Universitario Città di Prato, relativo soggetto finanziatore.
Call to Action
Invitiamo i lettori a considerare l’implementazione dell’Intelligenza Artificiale Generativa nella loro organizzazione per migliorare la gestione e il trasferimento della conoscenza. Nei prossimi mesi in seno alle attività di ricerca del Centro Interuniversitario ASAP proseguiremo gli studi su queste applicazioni.
Per ulteriori informazioni:
Giacomo Russo – giacomo.russo@unifi.it
Mario Rapaccini – mario.rapaccini@unifi.it
