4 opportunità di sviluppo e prospettive di crescita per le PMI

Advance: nasce il primo servizio di Data Science as a Service

Non tutte le aziende italiane hanno compreso la portata innovativa dell’Intelligenza Artificiale. L’avvento dell’AI viene ancora percepito come una possibilità di ulteriore sviluppo riservata solo alle grandi imprese. Le opportunità di sviluppo che esse offrono rappresentano un vantaggio competitivo importante ed anche le piccole e medie imprese di qualsiasi settore dovrebbero cominciare a sperimentarle e ad inserirle nei loro processi aziendali.

Per comprendere meglio quanti e quale siano gli ambiti di applicazione dove le AI avranno maggiore impatto nel 2020, Gianfranco Fedele e Carmine Pappagallo, founder di Mazer, startup campana che ha sviluppato Laila, chatbot di seconda generazione in grado di empatizzare con l’utente, hanno selezionato 4 principali applicazioni dove queste tecnologie a livello internazionale stanno già cambiando le regole del business.

Si tratta di applicazioni che possono rappresentare prospettive di crescita in grado di sposarsi perfettamente con la digitalizzazione che sta coinvolgendo anche le piccole e medie imprese, sempre più orientate a transitare verso le tecnologie dell’Industria 4.0.

  1. Customer Experience, Loyalty e Brand Reputation

    In un mercato online dove i livelli di attenzione degli utenti sono ai minimi e la concorrenza è ai massimi, le decisioni vengono prese in tempi rapidissimi ed è molto facile cambiare idea. Chi fa acquisti sul web, ad esempio, prende decisioni repentine, spesso impulsive, e per finalizzare l’acquisto ogni minimo ostacolo può essere un motivo valido per rinunciare o scegliere di acquistare altrove.

    Ciò rende i customer service strumenti unici per restituire ai clienti un’esperienza positiva che non si limiti a mantenere alta la reputazione del brand ma che punti alla fidelizzazione il cliente. Obiettivi che appaiono molto difficili da realizzare se si pensa agli investimenti esorbitanti che richiede un sistema di supporto tradizionale, basato su un customer care composto da operatori umani.

    Le AI oggi offrono un’alternativa tecnologica veramente efficace: i chatbot, operatori virtuali in grado di intavolare una conversazione e restituire all’utente un’esperienza di dialogo pari a quella con l’umano.

    “Nell’ambito del progetto Laila in particolare – affermano Carmine Pappagallo e Gianfranco Fedele, founder di Mazer – sono presenti sottosistemi in grado di sviluppare una relazione “empatica” col proprio interlocutore. Si tratta di tecnologie basate sulla sentiment analysis.”

    La sentiment analysis nasce e si sviluppa con l’obiettivo di analizzare grandi quantità di dati, generalmente provenienti dai social media, e stabilire l’umore diffuso di un pubblico. In altre parole, la sentiment analysis mette a disposizione delle intelligenze artificiali che, se opportunamente istruite a distinguere un’espressione di apprezzamento da una di rigetto, classificano rapidamente i commenti e ne tracciano una tendenza.

    “La Sentiment Analysis di Laila è in grado di classificare il contenuto della conversazione di una chat con l’obiettivo di determinare con grande precisione lo stato d’animo dell’interlocutore – proseguono Carmine e Gianfranco. L’obiettivo è quello di individuare mood negativi ai quali Laila restituisce elementi di conforto che aiutano l’utente a ritrovare fiducia nei confronti dell’interlocutore come dell’azienda”.

  2. Combattere la pirateria e protezione del copyright

    Per i titolari di marchi registrati come per i creatori di prodotti mediatici soggetti a copyright, combattere la pirateria e proteggere i diritti d’autore sono attività fondamentali per la difesa del proprio business.

    Eppure è difficile immaginare utenti in grado di scandagliare il Web nella sua enorme vastità e di individuare ogni pagina che diffonda contenuti in violazione dei diritti d’autore. È indispensabile che ad operare in un contesto come questo siano dei sistemi automatizzati.

    Le AI offrono oggi soluzioni di monitoraggio che in totale autonomia ricercano e identificano i contenuti piratati su Internet, e lo fanno molto rapidamente.

    Queste AI, infatti, sono dotate di un sistema di analisi visiva in grado di analizzare immagini e video online e di identificare elementi utili alla loro classificazione.

  3. Esplorazione e sorveglianza nelle zone ad alto rischio

    Nell’ambito delle esplorazioni spaziali da tempo sono in uso i rover, droni terrestri che hanno la capacità di esplorare i pianeti extraterrestri in maniera autonoma. L’esigenza di strumenti come questi è legata alla eccessiva distanza dalla Terra che non consente di teleguidare il robot in tempo reale: alcune ore di distanza tra l’invio di un comando mandato dalla Terra e la ricezione del comando da parte del rover rende impossibile qualsiasi ambizione di intervento in tempo reale.

    Alcuni ambiti della produzione industriale come della sorveglianza civile e militare sono anch’essi caratterizzati dall’esigenza di avere strumenti in grado di prendere decisioni in autonomia senza dover attendere uno specifico comando.

    Le AI rappresentano lo strumento fondamentale per realizzare sistema autonomi essendo in grado di esplorare l’area circostante e di prendere la decisione più adatta in base a come sono state istruite.

  4. Controlli normativi bancari e finanziari

    I rischi legati a possibili attività fraudolente sono in costante aumento e sempre più difficili da individuare. I controlli normativi esistono, ma gli strumenti per applicarli appaiono deboli se messi a confronto con la vastità dei mercati sia ordinari che speculativi.

    Le AI, istruite sulla base di modelli comportamentali fraudolenti, sono in grado di riconoscere attività di trasferimenti di denaro illeciti o riconducibili ad attività illecite.

    In ambito Fintech, ma più in generale in ambito AI, ciò che conta è la “storia”. Se si ha una “storia” fatta di comportamenti apparentemente normali ma che sono poi sfociati in comportamenti illeciti, si può utilizzare questa storia per istruire una AI.

    Ad esempio: tra il 2005 ed il 2020 tutti i crack finanziari delle aziende registrate alla Borsa di Milano sono stati anticipati da una lista di attività dei broker che ne detenevano le azioni. È lecito immaginare che in tutte le circostanze siano trapelate informazioni che i broker hanno sfruttato per limitare i danni, una cosa che prende il nome di insider trading, che è reato ma che è molto difficile da prevenire e da dimostrare. Ebbene, una AI può essere istruita in maniera tale da riuscire ad identificare questi comportamenti prima del crack finanziario ed inviare un alert ai controllori.

    Prendiamo un altro caso: una finanziaria che eroga prestiti alle aziende possiede la storia di tutte le attività finanziarie delle aziende clienti. Metà di esse a seguito di alcune operazioni è fallita, l’altra metà ha avuto successo. Ebbene, con questi dati la finanziaria può istruire una AI perché sia in grado di prevedere, sulla base del loro comportamento, se un’azienda andrà in default oppure no.

    Non importa che ci sia intenzionalità nei comportamenti, né che i comportamenti siano facilmente identificabili: le AI individuano analogie molto profonde e difficili da individuare a qualsiasi esperto di finanza.