Intelligenza artificiale in azienda: molti ne parlano ma in pochi hanno capito come ricavarne valore di business e come trovare il giusto equilibrio tra breve e lungo termine.

In questo approfondimento ti mostrerò 5 step per portare la tecnologia in azienda senza tradire le aspettative, farsi guidare dall’hype o confondere l’intelligenza artificiale con qualsiasi altro progetto di innovazione o, ancora peggio, di IT.

i 5 step sono i seguenti:

  1. Educazione di C-executive
  2. Iniziare con la strategia di di business
  3. Il ROI dell’intelligenza artificiale
  4. Selezionare gli use case
  5. Il primo progetto di AI

Prima di leggere questo approfondimento, ti consiglio di dare un’occhiata anche a quello sul consulente di intelligenza artificiale e sulle strategie di monetizzazione dei dati aziendali.

1) Educazione dei C-executive

formazione e intelligenza artificiale in azienda

La causa numero uno di fallimento di un progetto di AI (o di machine learning) sono le errate aspettative sul ROI o delle sue potenzialità.

Di solito, i c-executive sono convinti che l’intelligenza artificiale si tratti di un classico progetto di IT con un ritorno semplice da misurare.

Magari, questi c-executive hanno osservato le azioni e le strategie di altre aziende.

Tuttavia, se una compagnia dichiara di aver applicato l’AI in un certo periodo di tempo, e di aver registrato determinati risultati, gli stessi esiti potrebbero non verificarsi in altre aziende.

La realtà è questa: ogni compagnia è estremamente diversa da ogni altra per quanto riguardo la maturità dell’intelligenza artificiale.

Capire il proprio stato presente è il primo passo per una strategia vincente.

Il board dei dirigenti deve prima di tutto capire le reali potenzialità della tecnologia, cosa l’AI possa e non possa fare, e saper distinguere tra hype e realtà.

Per questo motivo la prima cosa che consiglio di fare a un’azienda che vuole investire in questa tecnologia è qualche ora di formazione con la dirigenza e i manager operativi.

2) Iniziare con la strategia di business

business strategy

Una volta aver comunicato le reali aspettative e potenzialità della tecnologia alla dirigenza, e aver trasmesso i concetti chiave dell’adozione dell’AI, è tempo di partire dalla strategia di business.

Un errore comune di ogni progetto di dati e intelligenza artificiale è partire dalla tecnologia, dai dati e dai propri asset per poi pensare a come ci possano tornare utili a livello di business.

A mio avviso la strategia da seguire è proprio il contrario.

Prima di tutto bisogna avere ben presenti:

Dopodiché, tenendo ben presente le tre aree sopra elencate, si iniziano a valutare i principali use cases e si collegano ai problemi di business a seconda della loro potenzialità di generare valore.

Lo scopo dell’adottare l’intelligenza artificiale è trasformare la propria azienda nel profondo tenendo conto dei propri obiettivi strategici; non applicare la tecnologia per il mero gusto di sentirsi innovativi e all’avanguardia.

Ricordiamo sempre che proprio come Internet ha trasformato la strategia di business di ogni azienda sul pianeta, distruggendo imperi e creandone altri, allo stesso modo l’AI metterà a dura prova le aziende che rinunceranno ad adottarla.

Potrebbe interessarti anche il mio articolo su come l’intelligenza artificiale cambia la strategia aziendale.

3) Il ROI dell’intelligenza artificiale

ROI intelligenza artificiale in azienda

Forse, questa è la domanda più frequente in assoluto quando si parla di AI: qual è il ROI dell’intelligenza artificiale?

Prima di tutto ci tengo a precisare che con l’attuale stato della tecnologia, puntare esclusivamente a un ROI misurabile (di breve termine) distrugge tutti gli sforzi di trasformazione di un’azienda.

Questo è il motivo per cui il primo punto di questa guida è proprio la formazione dei c-executive.

Un manager (o consulente) esperto di AI sa bene che, per vincere nei prossimi anni con l’intelligenza artificiale, deve guidare la propria azienda a trovare un equilibrio tra ROI misurabile e strategico.

Per ROI misurabile (a breve termine) intendo quattro tipi di ritorni:

  1. Aumentare il fatturato (migliorare i processi di vendita)
  2. Tagliare i costi operativi rendendo più efficienti i processi
  3. Tagliare i costi di personale automatizzando dei lavori
  4. Diminuire i rischi

Per ROI strategico, invece, intendo determinati progetti che portano l’azienda a ripensare i propri piani di business mettendo dati e intelligenza artificiale al centro, in linea con:

Capisco perfettamente che si tratta di concetti un po’ astratti che a prima vista possono far pensare di voler nascondere la poca efficacia della tecnologia.

Tuttavia, la realtà è ben diversa, e nel prossimo paragrafo mostrerò un esempio concreto.

Esempio di intelligenza artificiale in azienda: Nike App

Nike app case study

A mio avviso, Nike ha portato sul mercato uno degli use cases d’intelligenza artificiale che farà scuola alle prossime generazioni di manager di trasformazione digitale.

Ricordate l’ultima volta che avete acquistato un paio di scarpe online?

Qual è stata la vostra preoccupazione maggiore?

L’unico vero motivo per cui molte persone comprano ancora le scarpe in negozio è, essenzialmente, uno solo:

L’impossibilità di provare le taglie online.

È maledettamente difficile capire il proprio numero, ed è frustrante mandare indietro le scarpe troppo strette appena ricevute (oltre che essere un costo per l’azienda).

Proprio in questa spiacevole situazione, Nike ha capito come l’AI possa rivoluzionare l’intero processo.

Grazie all’app di Nike, è possibile fare una serie di foto al proprio piede e l’algoritmo dell’applicazione, misurando qualche decina di variabili, riesce a capire quale sia la tua taglia più idonea.

Nike è partita con:

  1. Un problema latente dei propri clienti
  2. Focus sul creare un servizio migliore in linea con i propri obiettivi strategici (l’e-commerce è senza dubbio uno di questi, la user experience altrettanto)
  3. Nel medio e lungo termine, l’applicazione porterà sicuramente un ROI misurabile, aumentando la percentuale di vendita da una parte e tagliando i costi di restituzione dall’altra.
  4. E come se non bastasse, Nike in questo modo riesce a collezionare una serie di dati proprietari non da meno sui piedi e le taglie dei propri clienti, creando così un vantaggio competitivo rispetto a chi si approccia al mercato delle scarpe online.

4) Selezionare gli use cases

Abbiamo visto come comportarsi con la dirigenza, il problema del ROI a breve termine, e come allineare AI e strategia di business; ora non manca che capire come allineare use cases e problemi di business.

Dati e AI sono tecnologie estremamente orizzontali: in ogni area strategica è possibile avere decine di use cases senza capire a quale dare priorità.

Nel paragrafo successivo vedremo l’importanza vitale della priorità; per ora vediamo insieme come intuire i giusti use cases e come classificarli.

Prima di tutto ci tengo a dire che, molto spesso, la differenza tra un progetto vincente e uno fallimentare è proprio l’intuizione (e la definizione) del giusto business.

Capire il giusto business arriva ancora prima dei dati, della bravura dei data scientist o dei Phd in machine learning.

Quello che consiglio per generare idee di use cases è fare un brainstorming con almeno tre tipi di professionisti:

Dopo aver individuato una serie di use cases, è possibile ora classificarli per trovare quelli che hanno maggiori possibilità di creare valore, minimizzare le spese e il rischio di fallimento.

Quali fattori prendere in considerazione per definire il business case e comprendere le possibili difficoltà?

A mio avviso questi 5 sono i fattori principali da tenere a mente:

5) Il primo progetto di intelligenza artificiale

Ho accennato prima all’importanza dei primissimi progetti.

Il primo progetto è di fondamentale importanza, ed è tutta questione di aspettative e fiducia nella tecnologia.

Prima di tutto, ci tengo a ricordare che aver comunicato in maniera precisa e realistica le reali potenzialità e possibilità di creare valore con dati ed AI è vitale.

Dopodiché, è questione di generare feedback positivi nella tecnologia, e fare in modo che si espandono all’interno delle risorse aziendali come se fosse un eco in un canyon.

Ricordiamo sempre che l’AI è un tecnologia determinata da:

Ricordiamo il fenomeno dell’eco: un progetto (anche se stupido) ma di successo fa partire un grande eco positivo che porta le persone a credere nella tecnologia; un’eco negativo, d’altra parte, distrugge le possibilità di trasformazione tecnologica.

Per questo motivo, prima di partire con use cases veri e propri, consiglio di iniziare con uno o due “easy win“.

Per easy win intendo progetti plug-and-play semplici da usare, che non richiedono alcun addestramento dati, indagine scientifica o insidiosi cambi di processi operativi.

Le soluzioni plug-and-play classiche sono le SaaS delle grandi aziende tech (tipo Amazon Aws) che permettono l’applicazione di un algoritmo di AI pre-addestrato e molto spesso accessibile anche a semplici data analyst o esperti di IT.

come portare intelligenza artificiale in azienda

Pensieri finali

Non è la prima volta che lo dico: l’intelligenza artificiale è come un treno in corsa che sta prendendo sempre più velocità.

Ad oggi, le aziende hanno di fronte una scelta molto semplice: decidere se salire sul treno il prima possibile, o se rincorrerlo quando andrà troppo veloce.

Tuttavia, mi rendo conto che prendere questo treno non è un processo facile, né tantomeno scontato.

Basandomi sulle mie esperienze e conoscenze, in questo articolo ho voluto elencare i 5 principali step da affrontare quando si porta l’intelligenza artificiale in azienda.

Per approfondire ulteriormente le potenzialità di questa tecnologia, ho scritto numerosi articoli a riguardo: qui parlo delle principali applicazioni di machine learning nel business; mentre invece qui parlo dell’uso dell’AI nell’agricoltura.

Se sei interessato ad una consulenza con me, puoi contattarmi nella pagina dedicata.