Creare e mantenere un’azienda AI-driven è un’attività complicata, intercorrelata e a lungo termine.
Anche le aziende che sono attualmente “data-driven“, poiché hanno unificato con successo i data warehouse, hanno una lunga strada da percorrere per riprogettare i loro processi prima di trattare i dati come la loro risorsa più importante piuttosto che come un sottoprodotto.
Eppure, l’intelligenza artificiale può essere considerata la nuova elettricità: una tecnologia di uso generale, destinata ad essere usata per creare altre tecnologie.
L’elettricità è stata spesso usata, nelle sue prime fasi, per implementare gli stessi processi utilizzati con le macchine a vapore: la gente sostituiva i motori a vapore nelle fabbriche con nuovi e più efficienti motori elettrici. Poi, a partire da Henry Ford e Frederick Taylor, ci si rese conto che si poteva trasformare completamente la fabbrica e i suoi processi grazie all’elettricità.
Questo stesso percorso sta spesso accadendo con l’IA oggi. Le persone e le organizzazioni iniziano a usare l’IA per automatizzare, per rendere le stesse attività più efficienti. Poi, iniziano a usare l’IA per il suo vero potenziale: per creare il futuro.
Azienda AI-Driven e revisione dei processi: i primi passi da compiere
È estremamente importante essere realistici sui benefici così come sui limiti dell’intelligenza artificiale mentre si definiscono i nuovi processi guidati dall’IA.
La maggior parte delle aziende dovrebbe considerare un percorso graduale, magari iniziando con l’automazione dei processi robotici e altre soluzioni AI “semplici”, prima di trasformare totalmente i processi con l’AI.
Nel fare questo, i processi dovrebbero sempre includere cicli di feedback per verificare la qualità dei risultati ottenuti, per sfruttare questo feedback di nuovo nel modello AI, nel continuo “ciclo virtuoso dell’AI”.
Per iniziare il viaggio, la prima questione che un’organizzazione dovrebbe affrontare è come cambiare i propri processi per migliorare la qualità e la quantità dei dati disponibili, piuttosto che come ottenere dati migliori dai processi esistenti.
Questo richiede un cambiamento totale di prospettiva, in quanto si dovrebbero avere processi che servono i dati e non il contrario.
DataOps è un valido approccio emergente che può essere utilizzato anche per adottare un approccio orientato ai processi, automatizzato e collaborativo per rivedere i processi e le operazioni con una prospettiva guidata dall’AI.
Con l’AI, si possono avere processi aziendali più intelligenti e si possono automatizzare i compiti ripetitivi, ma più importante di tutto, si possono estrarre intuizioni e intelligenza da qualsiasi compito eseguito nella vostra organizzazione.
Inoltre, con l’AI, è possibile semplificare significativamente i propri processi e – a volte ancora più importante – personalizzarli, adattandoli alle specificità di ogni singolo cliente, dipendente, partner o stakeholder.
Per questo motivo, è fondamentale costruire cicli di feedback dai servizi e dall’utilizzo dei prodotti, poiché la personalizzazione si basa su diverse preferenze e modi di operare e comunicare.
Azienda AI-driven: la revisione dei processi nel controllo qualità
Tornando al paragone tra elettricità e IA, vorrei condividere un esempio tratto da uno dei tanti progetti di IA che ho eseguito in passato.
Il mio team stava lavorando per un grande produttore: in precedenza, i test di qualità in quella azienda erano stati effettuati da persone attraverso l’osservazione diretta dei prodotti realizzati. Il cliente stava pensando quindi di supportare questi test con telecamere e AI.
L’intento era quello di lasciare i processi inalterati e semplicemente assistere l’ispezione della qualità umana con l’AI. In modo molto simile al primo utilizzo dell’elettricità, cioè, sostituire i motori a vapore con quelli elettrici.
Poi, come con Ford e Taylor molti decenni fa, ci siamo resi conto che con l’IA sarebbe stato possibile inserire ulteriori ispezioni di qualità in molti passaggi intermedi: usando semplici telecamere a basso costo, avremmo rilevato i difetti in una fase molto più precoce del processo, correggendoli quando possibile ed evitando di sprecare energia e materie prime (e costi) sui componenti senza possibilità di essere riparati.
Chiaramente, sarebbe stato impossibile inserire molte persone aggiuntive per il controllo qualità in ogni fase: l’AI può invece essere impiegata in modo molto più distribuito, trasformando totalmente i processi.
Anche se l’esempio qui sopra è tratto dal settore manifatturiero, si potrebbero trovare esempi simili praticamente in qualsiasi settore e funzione, compresi quelli relativi alle attività di CMO, CFO e HR.
Conclusioni
Nel progettare i processi guidati dall’AI, le organizzazioni devono considerare dove immagazzineranno i dati che i processi producono e prestare particolare attenzione alla pulizia dei dati, il processo di aggiornamento o rimozione dei dati che non sono accurati.
Questo può anche essere fatto utilizzando strumenti automatici di pulizia dei dati che sfruttano l’AI stessa. Se i dati sono imprecisi, anche l’output e qualsiasi decisione aziendale correlata saranno imprecisi.
L’AI può essere usata per ripensare il modo in cui raccogliamo le informazioni, analizziamo i dati e usiamo le intuizioni risultanti per migliorare i nostri processi e il nostro processo decisionale.
Il modo migliore per fare previsioni sul futuro è creare il futuro, che può iniziare costruendo processi guidati dall’AI.
Nel prossimo articolo di questa serie, ci immergeremo in profondità nell’infrastruttura tecnologica così come nelle competenze e nelle capacità necessarie per sostenere il business di prodotti e servizi guidati dall’AI. Il meglio deve ancora venire.
