Ogni giorno chi utilizza un ERP dedica una parte significativa del proprio tempo a cercare informazioni, compilare documenti, preparare report e verificare dati. Attività necessarie, ma che sottraggono tempo alle decisioni strategiche. È proprio qui che entra in gioco l’intelligenza artificiale.

L’evoluzione dell’intelligenza artificiale generativa e l’introduzione degli AI Agent all’interno di Microsoft Dynamics 365 Business Central stanno trasformando il gestionale in qualcosa di completamente diverso: non più un semplice software da utilizzare, ma un vero collaboratore digitale, capace di comprendere il contesto, suggerire azioni e automatizzare attività che fino a ieri richiedevano tempo e competenze specifiche.

Dall’ERP tradizionale all’ERP intelligente

Negli ultimi anni molte aziende hanno intrapreso un percorso di trasformazione digitale, investendo in soluzioni ERP moderne per centralizzare dati, integrare i processi e migliorare l’efficienza operativa. Un passaggio ormai fondamentale per rimanere competitivi in un mercato in continua evoluzione.

Oggi, però, la sfida è cambiata. La domanda non è più “Perché adottare un ERP?”, ma “Come posso sfruttare l’intelligenza artificiale per ottenere ancora più valore dal mio gestionale?”.

Ecco quindi che Microsoft, con l’integrazione dell’intelligenza artificiale in Dynamics 365 Business Central, grazie a funzionalità sempre più evolute, come Copilot e i nuovi AI Agent, l’ERP non si limita più ad essere un supporto nelle attività quotidiane, ma diventa un elemento attivo dei processi aziendali, capace di suggerire azioni, automatizzare attività e semplificare il lavoro.

È in questo scenario che Horsa Way accompagna le imprese nell’adozione delle nuove funzionalità AI di Business Central, trasformando l’innovazione tecnologica in valore concreto per il business.

Come Microsoft Copilot migliora il lavoro in Business Central

L’intelligenza artificiale diventa davvero utile quando entra nei processi quotidiani e aiuta le persone a lavorare meglio. È proprio questo l’obiettivo di Microsoft Copilot, l’assistente AI integrato in Dynamics 365 Business Central, progettato per supportare gli utenti nelle attività operative di tutti i giorni.

Grazie all’AI generativa, Copilot è in grado di:

• recuperare informazioni rapidamente da schermate diverse
• sintetizzare dati provenienti da più fonti
• suggerire azioni
• automatizzare operazioni ripetitive
• risparmiare tempo e ridurre gli errori

In questo modo gli utenti possono dialogare con il gestionale utilizzando il linguaggio naturale, passando dalla gestione degli ordini all’analisi delle vendite, fino alla creazione di report e al supporto nelle comunicazioni con clienti e fornitori, senza dover navigare continuamente tra menu e schermate.

Inoltre, tra i punti di forza dell’ecosistema Microsoft c’è sicuramente la trasversalità nel supportare i processi aziendali. L’intelligenza artificiale si inserisce rendendo più fluida la connessione tra Business Central, Microsoft 365, Teams, Outlook, Power BI e gli altri strumenti della piattaforma.

Dati più accessibili, decisioni più rapide

L’introduzione degli AI Agent sta cambiando il modo stesso di interagire con l’ERP. Se fino a oggi era l’utente a dover cercare informazioni tra schermate, report e documenti, con l’intelligenza artificiale il dialogo con Business Central diventa molto più naturale. È possibile interrogare il sistema utilizzando il linguaggio quotidiano, ottenere rapidamente sintesi di dati complessi e ricevere suggerimenti contestuali durante le attività operative, rendendo il gestionale più accessibile anche a chi non possiede competenze tecniche avanzate.

Ma il vero valore va oltre la semplicità d’uso. Ogni ERP raccoglie una grande quantità di dati: la sfida non è reperirli, bensì interpretarli in tempi rapidi. Gli AI Agent aiutano a trasformare queste informazioni in uno strumento concreto per il business, evidenziando trend, anomalie e opportunità che potrebbero passare inosservati. Manager, responsabili amministrativi, commerciali e direzione aziendale possono così prendere decisioni più tempestive e consapevoli, basandosi su dati sempre aggiornati e facilmente fruibili.

È qui che entra in gioco il ruolo del partner tecnologico.

Horsa Way accompagna le aziende nel percorso di trasformazione digitale, aiutandole a sfruttare concretamente le potenzialità di Microsoft Dynamics 365 Business Central e delle più recenti innovazioni legate all’intelligenza artificiale.

L’obiettivo non è introdurre nuove tecnologie fine a sé stesse, ma mettere l’AI al servizio dei processi aziendali, rendendo il lavoro più semplice, veloce e produttivo.

Scopri le nuove funzioni nel concreto

Comprendere il potenziale degli AI Agent significa prepararsi a un nuovo modo di utilizzare l’ERP. Per vedere concretamente queste funzionalità all’opera guarda il webinar di Horsa Way dedicato alle novità dell’ERP Microsoft per esplorare in maniera pratica come l’intelligenza artificiale può migliorare il lavoro quotidiano della tua azienda.

L'articolo L’ERP diventa intelligente: cosa cambia con gli AI Agent di Microsoft proviene da Horsa Blog.

Negli ultimi anni, e in particolare con l’arrivo di GPT e l’esplosione della Generative AI, molte aziende hanno iniziato a riconoscere l’importanza di introdurre l’intelligenza artificiale nei propri processi produttivi, amministrativi e di relazione con i clienti. Tuttavia, integrare l’AI in un contesto aziendale già operativo, con sistemi e processi consolidati, è una sfida complessa. Richiede un approccio strutturato e olistico, capace di valutare le specificità del sistema produttivo e individuare con precisione le aree critiche su cui intervenire, scegliendo la soluzione più appropriata.  

L’approccio di Horsa combina tradizione e innovazione per preservare l’identità e la cultura aziendale, anche nell’adozione dell’AI. Questo equilibrio è fondamentale per garantire che l’introduzione della tecnologia non snaturi l’azienda, ma la rafforzi.  

Oggi la Generative AI sembra promettere infinite possibilità, come spesso leggiamo sui giornali e sui social network. Non a caso, la celebre frase di Arthur C. Clarke, “Ogni tecnologia sufficientemente avanzata è indistinguibile dalla magia”, appare più che mai attuale. Tuttavia, come ogni magia, quando il “trucco” non funziona o non soddisfa le aspettative, si rischia una profonda disillusione. Questa è quanto ci raccontano le aziende che chiedono il nostro supporto, dopo progetti in cui le premesse di una facile e rapida implementazione di soluzioni di AI si rivelano non all’altezza delle aspettative.   

Da qui è nata l’idea di approcciarsi inizialmente all’AI andando a scoprirne potenzialità e limiti attraverso un percorso consulenziale che guida le aziende a esplorare il vero potenziale dell’AI. Sebbene questa fase sia fortemente incentrata sulla consulenza, il nostro metodo rimane pratico e orientato ai risultati concreti, con l’obiettivo di generare valore reale per i clienti.  

Il nostro percorso di apprendimento sull’AI ha preso il via da un progetto interno: ottimizzare e aggiornare i numerosi prodotti di Horsa attraverso l’utilizzo dell’Intelligenza Artificiale. È stata una sfida complessa, che ha richiesto la collaborazione dei colleghi di area, l’individuazione delle migliori soluzioni disponibili differenziate per contesto e mercato e la definizione dei criteri con cui valutare la correttezza a seguito dell’integrazione dell’AI in processi pre-esistenti e già funzionanti.  

Una volta validati i risultati e constatato il successo del progetto, abbiamo deciso di condividere questo approccio con i nostri clienti. Da questa esperienza è nato AI Inception, il nostro framework pensato per accompagnare le aziende in un percorso della durata di un mese alla scoperta delle reali potenzialità dell’AI Generativa.  

Il nome AI Inception non è casuale: trae ispirazione dal celebre film di Christopher Nolan, dove l’idea viene “impiantata” con precisione nella mente delle persone. Analogamente, il nostro obiettivo è portare nelle aziende la consapevolezza di cosa sia davvero l’AI e di come possa essere applicata in modo efficace. Attraverso AI Inception, le aziende imparano a distinguere i contesti in cui l’AI funziona bene da quelli in cui potrebbe fallire, grazie alla nostra esperienza maturata in oltre 20 progetti AI realizzati in diverse aree e settori aziendali.  

Durante le sessioni di envisioning, presentiamo casi d’uso reali, provenienti da settori sia affini che differenti rispetto a quello del cliente. Questi esempi non sono solo teorici, ma includono anche sessioni pratiche hands-on e workshop, in cui i partecipanti possono sperimentare direttamente gli strumenti. Mentre il cliente interagisce con le tecnologie, il nostro team di consulenti esperti lo guida nell’interpretazione di ciò che vede, aiutandolo a identificare applicazioni concrete per il proprio business.  

Grazie a questo approccio, il cliente non si limita a osservare possibilità astratte, ma acquisisce una visione chiara di come integrare l’AI nelle sue attività quotidiane, sempre con un focus sui risultati reali.  

Individuare un caso d’uso è però solo il primo passo. Per generare valore reale, è essenziale implementare la soluzione in modo flessibile e allineato agli obiettivi aziendali. Ed è proprio nella fase di implementazione che continuiamo ad accompagnare le aziende, per garantire che l’AI non sia solo un concetto, ma diventi una risorsa concreta e funzionale al loro successo.  

L’AI tipicamente non è una soluzione stand-alone: deve integrarsi e dialogare in maniera efficace con tutte le componenti pre-esistenti dell’ecosistema produttivo del Cliente. Per questo motivo, oltre all’individuazione delle applicazioni concrete dell’AI nel contesto aziendale, è di fondamentale importanza progettare architetture software che tengano in considerazione i sistemi legacy e le specificità del mercato. Ciò è possibile sviluppando, ove necessario, layer di integrazione che consentano l’introduzione delle componenti di intelligenza artificiale minimizzando o annullando gli impatti e le modifiche necessarie sui sistemi up&running e sull’operatività aziendale.  

Operare in questa modalità richiede competenze trasversali su differenti motori, open source e non, competenze in differenti infrastrutture cloud e on-premises e un gruppo di lavoro capace di individuare e gestire le migliori tecnologie e soluzioni utili al raggiungimento dello scopo nel contesto specifico del cliente.  

Horsa dispone di team di esperienza con persone dedicate e certificate, capaci non solo di guidare l’azienda nella scelta delle migliori tecnologie e soluzioni architetturali ma di supportare end-to-end nell’esecuzione e nella messa in opera dell’intero progetto, mettendo in sinergia e comunicazione non solo le componenti AI ma l’intero ecosistema applicativo aziendale su un ampio spettro di tecnologie.  

Ciò permette a Horsa di approcciare sia progetti “from scratch”, pensati e sviluppati totalmente su misura per il cliente, che progetti “quick win” che vanno a sfruttare l’ampio portfolio di soluzioni AI powered di Horsa pronte all’uso.  

Il lavoro di Horsa non termina con il rilascio in produzione del progetto: è di fondamentale importanza aiutare e guidare i Clienti nell’uso quotidiano dei nuovi strumenti AI, individuando tempestivamente aree di fine tuning e miglioramento. La figura del success manager e l’adozione di metodologie e framework consolidati consentono di aiutare gli end user nel corretto utilizzo delle soluzioni, intercettando all’origine eventuali gap di conoscenza che nel lungo termine se trascurati possono trasformarsi in un utilizzo scorretto e limitare notevolmente le performance della soluzione.  

Implementare l’intelligenza artificiale in azienda non è più una questione di “se”, ma di “come”. In un contesto in cui la rapidità di adattamento e l’efficienza operativa rappresentano fattori critici è fondamentale approcciare l’AI in modo strategico, consapevole e orientato al valore. Ogni azienda ha caratteristiche uniche, e il vero vantaggio competitivo risiede nella capacità di individuare soluzioni che si integrino perfettamente con i processi esistenti, creando sinergia con l’intero ecosistema tecnologico e produttivo.  

Se stai valutando come sfruttare il potenziale dell’AI per il tuo business o desideri esplorare casi d’uso specifici e mirati per il tuo settore, ti invitiamo a richiedere ora una call con uno specialista Horsa. 

Analizzeremo le tue esigenze, presenteremo esempi concreti e ti guideremo nell’identificazione della strada migliore per introdurre l’AI in modo rapido, efficace e senza stravolgere l’identità della tua azienda. Con il nostro supporto, potrai trasformare le promesse dell’AI in un reale motore di innovazione, generando risultati tangibili e duraturi.  

Scegliere l’intelligenza artificiale non significa solo adottare una nuova tecnologia: significa ridefinire il futuro della tua azienda. Inizia questo percorso con Horsa e scopri come possiamo accompagnarti verso una trasformazione concreta e allineata ai tuoi obiettivi di business.  

RICHIEDI ORA UN APPUNTAMENTO GRATUITO E SENZA IMPEGNO PER LA TUA AZIENDA :

L'articolo Introduzione dell’AI in Azienda: l’importanza di un approccio olistico  proviene da Horsa Blog.

ChatGPT e Oltre: L’Era dei Modelli Generativi e le Opportunità per il Business

Da quando ChatGPT è stato reso accessibile al grande pubblico, il termine Intelligenza Artificiale (IA) è diventato un tema centrale fra la gente comune ma soprattutto ha sollecitato l’interesse di chi ha la responsabilità di decidere di strategia aziendale.

L’IA in generale e la tecnologia della IA generativa, dei cosiddetti Large Language Model (LLM), che rappresenta il motore di ChatGPT e della pletora di alternative e servizi che ormai affollano il mercato, rappresentano infatti una fondamentale opportunità per le aziende. Una opportunità che per essere colta al meglio necessita come prima cosa di essere come minimo contestualizzata al meglio possibile dai decisori aziendali.

Sulla base della esperienza pluriennale come ricercatore di Intelligenza Artificiale in ambito accademico e di founder di aziende di tecnologia, spin off dell’Università di Cagliari, l’idea alla base di questo articolo è quella di fornire un primo approfondimento che contestualizzi l’IA generativa nell’ambito più generale della Intelligenza Artificiale. Parliamo infatti di un insieme di tecnologie che già da decenni contribuiscono all’evoluzione di varie industrie.

Prendiamo spunto da una interessante analisi presentata da Gartner nel 2024 che offre secondo noi il giusto punto di vista: da una parte categorizzare le principali tecniche di intelligenza artificiale, dall’altra mapparle su una serie di casi d’uso applicativi particolarmente rappresentativi fornendo una indicazione sul livello di compatibilità di ciascun incrocio.

Facciamo preventivamente presente che, trattandosi di categorizzazioni che vogliono rappresentare e esemplificare delle realtà sempre molto complesse, tali categorizzazioni portano a semplificazioni che possono essere non completamente condivisibili, anche da noi stessi. Ma riteniamo comunque che una rappresentazione di questo sia molto efficace per avviare un percorso di miglior comprensione di questi temi.

Casi d’Uso dell’IA: Una Panoramica Pratica

Esploriamo inizialmente le principali famiglie di casi d’uso in cui si prevede che le tecniche AI possano offrire soluzioni. Diamo una descrizione sintetica e molto applicativa tramite anche esempi pratici.

1. Predizione / Previsione

Questo è uno dei casi d’uso più comuni. Supponiamo di vendere prodotti e di aver raccolto dati sulle vendite, oltre ad altre informazioni rilevanti. Possiamo usare algoritmi di machine learning per prevedere le vendite future.

2. Sistemi autonomi

L’AI può essere utilizzata per costruire sistemi autonomi in grado di eseguire operazioni in modo intelligente. Un esempio è l’uso di droni con AI incorporata per ispezionare le linee di trasmissione elettrica.

3. Pianificazione

In sistemi complessi con molte interdipendenze e vincoli, i casi d’uso di pianificazione mirano a trovare il miglior piano d’azione per massimizzare i benefici e/o minimizzare gli impatti.
Ad esempio, possiamo usare l’AI per analizzare i dati sul traffico urbano e determinare quando e dove effettuare lavori stradali per ridurre al minimo l’impatto sul traffico quotidiano.

4. Intelligenza decisionale

Questo tipo di AI aiuta nel processo decisionale fornendo analisi e previsioni.
A differenza dei sistemi autonomi, questi strumenti supportano le decisioni umane anziché prenderle automaticamente, spesso perché le decisioni devono considerare preferenze personali o fattori imprenditoriali.

5. Sistemi di raccomandazione

Un caso d’uso molto diffuso e maturo. Chiunque abbia mai usato eBay o Spotify ha sperimentato un sistema che raccomanda prodotti da acquistare o musica da ascoltare.

6. Segmentazione / Classificazione

Quando non sono note le caratteristiche degli oggetti con cui si interagisce, si può usare l’IA per classificarli in diverse categorie o livelli e ottenere informazioni utili.
Ad esempio, possiamo classificare i richiedenti di prestiti in livelli di rischio (Basso, Medio, Alto) in base ai loro attributi.

7. Automazione intelligente

Questa categoria combina IA e tecnologie di automazione per migliorare processi aziendali, come la produzione.
Un esempio è il concetto di “Digital Twin”, in cui si addestra un modello con dati sensoriali di un impianto industriale per prevedere e segnalare guasti prima che si verifichino.

8. Percezione

Questa famiglia di casi d’uso riguarda l’elaborazione di dati sensoriali, come immagini, suoni o informazioni ambientali.
Un esempio è una telecamera stradale con AI in grado di rilevare infrazioni alla guida.

9. Rilevamento di anomalie

A volte, un sistema presenta malfunzionamenti che non vengono rilevati immediatamente.
Ad esempio, in una rete elettrica con centinaia di generatori, un guasto singolo è facilmente individuabile, ma fluttuazioni minori in più generatori contemporaneamente possono essere difficili da notare. L’IA può rilevare questi eventi e inviare un avviso alla sala di controllo.

10. Interfacce conversazionali

Questa categoria include chatbot e assistenti virtuali, resi popolari dalla crescita dell’AI generativa. Un chatbot per il servizio clienti è un esempio: viene addestrato su documentazione di prodotto per rispondere automaticamente alle domande più comuni senza bisogno di intervento umano.

11. Generazione di contenuti

Caso d’uso evidente: ChatGPT è un’applicazione di questa categoria.
Tuttavia, la “generazione di contenuti” non si limita al testo, ma può includere immagini, video o suoni.

12. Scoperta della conoscenza

Quando i dati sono disordinati e complessi, possiamo usare l’AI per individuare pattern nascosti e ottenere nuove informazioni. Ad esempio, l’AI può analizzare i dati clinici dei pazienti per scoprire correlazioni che potrebbero aiutare nello sviluppo di nuove cure mediche.

Tecniche di IA: Dalla Teoria alla Pratica

Diamo quindi una panoramica delle tecniche AI più comuni.

1. Machine Learning non generativo

Prima della popolarità dell’AI generativa, questa distinzione non esisteva.
Ora, tutto ciò che non è generativo viene spesso chiamato “Machine Learning classico” o “Deep Learning”. Include tecniche come regressione lineare, clustering, classificazione e alberi decisionali.

2. Simulazione

Questa tecnica permette di modellare un processo o un sistema reale, testando molte combinazioni di parametri per rispondere a domande “what-if”.

3. Ottimizzazione

Usata per trovare i migliori parametri in un’equazione.
Ad esempio, per determinare il livello di sconto ottimale in un supermercato, bilanciando tra l’aumento delle vendite e il mantenimento dei profitti.

4. Regole / Euristiche

Non necessariamente basata su Machine Learning: in alcuni casi, si usano regole predefinite derivate da evidenze scientifiche o dall’esperienza di esperti del settore.

5. Grafi

I grafi rappresentano dati in modo strutturato, mettendo in evidenza relazioni tra elementi.
Ad esempio, in un grafo, un nodo può rappresentare un cliente e le connessioni tra nodi possono mostrare le sue interazioni con prodotti o servizi.

6. Modelli generativi

L’AI generativa può creare testi, immagini, video e altri contenuti. ChatGPT è l’esempio più famoso di applicazione di modello generativo. In particolare ChatGPT utilizza le varie generazioni dei modelli proprietari GPT di Open AI.

La Matrice di Gartner: Uno Strumento per la Scelta Strategica

Fonte: Gartner Data & Analytics Summit Conference / Christopher Tao on Medium

Fonte: Gartner Data & Analytics Summit Conference / Christopher Tao on Medium

La matrice elaborata da Gartner mappa sulle righe i 12 casi d’usi di applicazione della IA con sulle colonne le 6 tecniche di IA, e Per ogni cella della matrice viene indicato il livello di matching fra la tecnologia e il caso d’uso, indicando con Basso (L), Medio (M) e Alto (H) il livello di matching di una tecnica AI per un determinato caso d’uso:

• Le tecniche AI con matching alto (H) sono quelle più indicate per un caso d’uso.
• Se una tecnica ha matching medio (M), si intende che si necessario valutare attentamente se è davvero quella giusta per quel caso d’uso
• In caso di matching basso (L), si intende che la tecnica non dovrebbe essere utilizzata per quel caso d’uso.

Chiaramente va considerato, come già accennato, che categorizzare in maniera netta aiuta la chiarezza espositiva ma nasconde alcune complessità del mondo reale: ad esempio che spesso le tecniche da utilizzare per specifici progetti o casi d’uso si ibridano (ad esempio modelli generativi con modelli di machine learning tradizionale), fuoriuscendo dalla categorizzazione schematica di una matrice di questo tipo.

Analizzando la matrice possiamo trarre in maniera immediata una prima conclusione che potrebbe sembrare ovvia: non tutte le famiglie di casi d’uso possono essere risolte con modelli generativi.

Questo appunto sembra ovvio a posteriori, ma dalla nostra esperienza sul campo abbiamo imparato che non raramente la prima cosa da fare per chi vuole trasferire questo tipo di competenze in una realtà aziendale è far passare il concetto che non tutto si fa con l’IA generativa!

Ad esempio, se abbiamo dati di vendita di un prodotto, non ha senso chiedere previsioni su andamenti di future vendite a ChatGPT. Tuttavia, ChatGPT può essere potenzialmente molto utile nello sviluppare codice infrastrutturale a supporto di una soluzione che utilizzi tecniche di Machine Learning classico per eseguire questa previsione.

L’IA Generativa: Un Nuovo Universo di Possibilità per le Aziende

In conclusione, dopo aver sottolineato come l’IA generativa non sia la panacea di tutti i mali, e come un decisore che voglia introdurre l’IA nella sua azienda debba come prima cosa contestualizzare opportunamente le caratteristiche dei propri casi d’uso e solo dopo ragionare sulla soluzione tecnologica più adatta, vogliamo anche sottolineare come l’IA generativa rappresenti una opportunità enorme perché ha aperto un nuovo universo di possibili casi d’uso, principalmente quelli incentrati sul processamento e la gestione del linguaggio naturale e della informazione audio video, ma non solo.

L'articolo IA Generativa: Oltre l’Hype, la Bussola per le Strategie Aziendali proviene da Horsa Blog.

1. Business Process Intelligence: mappare e ottimizzare i processi aziendali

Un’applicazione fondamentale dell’IA in azienda riguarda la Business Process Intelligence (BPI). L’IA consente di mappare e analizzare i processi aziendali in tempo reale, fornendo una panoramica chiara e dettagliata delle operazioni in corso. Grazie a questa tecnologia, le aziende possono identificare rapidamente i punti deboli, le inefficienze o le aree di miglioramento. L’IA, attraverso algoritmi di machine learning, è in grado di suggerire correzioni e ottimizzazioni, contribuendo a semplificare i flussi di lavoro e a garantire una maggiore efficienza operativa. In questo modo, non solo si risparmiano risorse, ma si migliorano anche i risultati complessivi, creando un ciclo virtuoso di continua ottimizzazione.

Vantaggi:

• Identificazione rapida dei punti deboli
• Suggerimenti per correzioni e ottimizzazioni
• Maggiore efficienza operativa

2. L’IA per l’analisi dei dati: un approccio integrato

L’Intelligenza Artificiale per l’analisi dei dati può rivoluzionare il modo in cui le aziende gestiscono e sfruttano le informazioni, a patto di non limitarsi ad applicazioni isolate, ma con una integrazione effettiva in tutti i processi aziendali. Ad esempio, grazie a piattaforme come Copilot, l’IA personalizza e migliora le applicazioni, offrendo insight precisi e puntuali. Con avanzate tecniche di Document Extraction, è possibile migliorare le capacità OCR per estrarre e validare dati da qualsiasi formato documentale. Grazie a questi strumenti, le aziende possono ottimizzare i flussi di lavoro, migliorare la qualità dei dati e ottenere informazioni più tempestive e accurate, supportando decisioni strategiche in tempo reale.

Vantaggi:

• Miglioramento delle capacità OCR
• Ottimizzazione dei flussi di lavoro
• Informazioni tempestive e accurate

3. Recruiting: accelerare la selezione dei candidati

Nel settore delle risorse umane, l’Intelligenza Artificiale può portare enormi benefici in termini di velocità e precisione nella selezione dei candidati. Le piattaforme basate su IA, come gli Applicant Tracking Systems (ATS), sono in grado di analizzare enormi volumi di curricula, identificare i profili più adatti e persino prevedere la compatibilità culturale di un candidato con l’azienda. Questo riduce drasticamente i tempi di selezione, consentendo ai team HR di concentrarsi sugli aspetti più strategici del reclutamento. Inoltre, l’IA può essere utilizzata per ottimizzare i modelli di selezione, assicurando che vengano rispettate le normative in materia di pari opportunità e di selezione imparziale, creando un ambiente di lavoro inclusivo e diversificato.

Vantaggi:

• Analisi rapida di grandi volumi di curricula
• Identificazione dei profili più adatti
• Rispetto delle normative di pari opportunità

4. Marketing: rafforzare l’identità del brand con la creazione di contenuti visivi personalizzati

L’IA si sta rivelando uno strumento fondamentale per le aziende che desiderano sviluppare contenuti visivi personalizzati e coerenti con la loro identità di marca. Utilizzando tool di Generative AI appositamente istruiti, le aziende possono creare immagini uniche che rispettano le linee guida stilistiche del brand, rafforzando la riconoscibilità e l’impatto comunicativo. L’IA consente di ottimizzare il processo creativo, accelerando la produzione di contenuti visivi su larga scala, rispondendo alle crescenti esigenze di personalizzazione senza compromettere la qualità. Questo è particolarmente strategico in un mondo in cui l’esperienza visiva e l’esperienza su misura giocano un ruolo cruciale nel coinvolgimento del consumatore.

Vantaggi:

• Creazione di immagini uniche e personalizzate
• Rafforzamento dell’identità di marca
• Accelerazione della produzione di contenuti visivi

5. Gestione progetti: potenziare la pianificazione e l’efficienza operativa

Nella gestione dei progetti, l’Intelligenza Artificiale sta facendo la differenza integrandosi nei più avanzati strumenti di Project Portfolio Management (PPM). L’IA è in grado di ottimizzare la gestione delle risorse, dei rischi e della pianificazione complessiva, suggerendo soluzioni personalizzate in base agli andamenti dei progetti. Inoltre, l’IA automatizza le attività più ripetitive e a basso valore aggiunto, come il monitoraggio dello stato di avanzamento o la creazione di report, liberando così tempo per attività a maggiore valore strategico. Grazie a queste capacità, l’IA non solo aumenta l’efficienza operativa, ma consente di adattarsi in tempo reale a imprevisti e sfide, migliorando la capacità di previsione e gestione.

Vantaggi:

• Ottimizzazione della gestione delle risorse e dei rischi
• Automazione delle attività ripetitive
• Adattamento in tempo reale a imprevisti e sfide

6. Produzione e Supply Chain: velocizzare i processi con il PLM e l’ERP

L’introduzione dell’IA nel ciclo produttivo e nella gestione della supply chain sta portando enormi vantaggi, specialmente nell’ambito del Product Lifecycle Management (PLM) e degli Enterprise Resource Planning (ERP). L’IA è in grado di velocizzare il go-to-market dei nuovi prodotti, ridurre i tempi di progettazione e migliorare la gestione dei flussi della supply chain, dalla logistica al procurement. Grazie all’automazione intelligente, le aziende possono ottimizzare la produzione, ridurre gli sprechi e migliorare la tracciabilità dei materiali, aumentando la capacità di adattarsi alle dinamiche di mercato e alle richieste dei consumatori.

Vantaggi:

• Velocizzazione del go-to-market
• Riduzione dei tempi di progettazione
• Miglioramento della tracciabilità dei materiali

7. L’Intelligenza Artificiale per velocizzare la trasformazione digitale delle fabbriche

L’Intelligenza Artificiale (AI) sta rivoluzionando il settore manifatturiero. La crescente complessità delle catene di fornitura e la necessità di ottimizzare i processi produttivi spingono le aziende a cercare soluzioni innovative. Sistemi avanzati come MES (Manufacturing Execution System) e MOM (Manufacturing Operations Management), integrati con l’IA, offrono un terreno fertile per la trasformazione digitale delle fabbriche. Attraverso l’analisi dei dati provenienti da sensori, macchine e sistemi ERP, l’AI può ottimizzare la produzione, la manutenzione e la logistica. In particolare, l’AI generativa rappresenta una frontiera promettente per lo sviluppo di modelli predittivi avanzati e l’automazione di task sempre più complessi. L’adozione di soluzioni AI integrate nei sistemi MES e MOM permette di aumentare l’efficienza, ridurre i costi e migliorare la qualità dei prodotti, rendendo le imprese più competitive sul mercato globale.

Vantaggi:

• Ottimizzazione della produzione
• Automazione di task complessi
• Miglioramento dei prodotti

8. Gestione clienti: automatizzare le attività ripetitive per aumentare l’efficienza

Anche la gestione delle relazioni con i clienti può beneficiare dell’IA, specialmente per quanto riguarda l’automazione delle attività ripetitive, come la creazione di offerte standard. L’AI può prendersi carico anche della gestione delle richieste di assistenza, risolvendo in modo autonomo le problematiche più comuni tramite chatbot o sistemi di supporto automatizzati. Questo non solo migliora l’efficienza operativa, ma garantisce anche un’esperienza utente più rapida e soddisfacente, consentendo agli operatori umani di concentrarsi su attività più complesse e strategiche.

Vantaggi:

• Automazione delle attività ripetitive
• Miglioramento dell’efficienza operativa
• Esperienza utente più rapida e soddisfacente

9. Document Management AI: ottimizzare l’archiviazione e la redazione dei documenti

Nel campo della gestione documentale, l’IA si sta rivelando una risorsa imprescindibile. Le tecnologie basate su IA permettono l’archiviazione automatica dei documenti, migliorando la classificazione e l’associazione dei metadati, con un notevole risparmio di tempo. Inoltre, la ricerca evoluta tramite chatbot facilita l’accesso rapido alle informazioni, mentre l’automazione della redazione dei documenti consente di accelerare la stesura di contratti, report e altri documenti ricorrenti. In un contesto aziendale in cui la gestione dei documenti può essere complessa e dispendiosa in termini di risorse, l’IA offre soluzioni scalabili e intelligenti per semplificare il flusso di lavoro.

Vantaggi:

• Archiviazione automatica dei documenti
• Miglioramento della classificazione e associazione dei metadati
• Accelerazione della stesura di documenti ricorrenti

10. Punti Vendita: formazione e assistenza con l’Intelligenza Artificiale

L’Intelligenza Artificiale può essere applicata anche nei punti vendita, dove supporta la formazione e l’assistenza del personale. I sistemi basati su IA possono fornire formazione mirata e immediata agli operatori, monitorando le loro attività e suggerendo miglioramenti. Inoltre, l’IA è in grado di aprire automaticamente ticket di assistenza in caso di problemi operativi, riducendo i tempi di risposta e migliorando l’efficienza del negozio. Questo tipo di applicazione non solo aumenta la produttività, ma contribuisce anche a un’esperienza di acquisto migliore per i clienti.

Vantaggi:

• Formazione mirata e immediata per il personale
• Monitoraggio delle attività e suggerimenti di miglioramento
• Riduzione dei tempi di risposta ai problemi operativi
• Miglioramento dell’efficienza del negozio
• Esperienza di acquisto migliore per i clienti

Conclusioni

Punti Chiave:

• Pianificazione attenta e personalizzata dell’implementazione dell’IA
• Obiettivi chiari e misurabili
• Supervisione e gestione umana essenziali
• Trasformazione dei processi aziendali
• Aumento della competitività, agilità e innovazione delle organizzazioni

L’IA come strumento strategico per il futuro delle aziende

Nel leggere si saranno certamente riconosciuti alcuni temi ricorrenti e comuni a più ambiti di applicazione dell’AI: certamente logiche di processo aziendale, ma anche aspetti legati alla gestione delle relazioni e alla personalizzazione per i clienti oltre che la possibilità di sfruttare insights dei dati.

È importante sottolineare che l’Intelligenza Artificiale è senza dubbio un potente strumento per innovare e migliorare i processi aziendali, ma la sua implementazione deve essere attentamente pianificata. Non basta applicare la tecnologia in modo generico; l’IA deve essere “pensata” e progettata su misura per le esigenze specifiche dell’azienda, con obiettivi chiari e misurabili. Inoltre, sebbene l’IA possa automatizzare e ottimizzare numerosi aspetti operativi, il suo successo dipende dalla supervisione e dalla gestione umana. Solo così l’Intelligenza Artificiale può diventare un vero asset strategico, capace di trasformare i processi aziendali e rendere le organizzazioni più competitive, agili e innovative.

L'articolo 10 esempi concreti di applicazione dell’IA nei processi aziendali proviene da Horsa Blog.

Qual è dunque il “residuo fisso” del Metaverso dopo l’evaporazione della prima bolla? 

Dove si trova, nel momento in cui ci troviamo a scrivere, il reale valore derivante da un mondo virtuale condiviso? Forse non dove ci è stato detto di guardare. Le piattaforme social basate su mondi virtuali esistono da più di vent’anni. Mentre scrivevo la mia tesi di laurea sugli ambienti virtuali fu lanciato Second Life: un fenomeno che ha goduto di altrettanta aspettativa ma che, seppure ancora utilizzato da circa un milione di utenti, ha disatteso le aspettative, forse illuse, dimostrando l’inconsistenza di alcune assunzioni sull’utilità di trasporre alcune attività reali in un mondo 3D.  Ad esempio, perché dovremmo perdere tempo muovendoci tra gli scaffali di un supermercato virtuale, quando su Amazon posso accedere a ciò che voglio in pochissimi secondi con una comoda interfaccia tradizionale? 

Decentraland, The Sandbox e la miriade di nuove piattaforme autoproclamatesi metaversi ripercorrono la stessa strada già battuta da Second Life, senza aggiungere nulla di nuovo. Il valore effimero di poter gridare “sono entrato nel Metaverso!” si è esaurito da tempo. Si potrebbe aprire un intero capitolo sul tema NFT, ma non è l’obiettivo che ci poniamo in questa analisi. 

Un discorso a parte può essere fatto per altri MMO (acronimo di Massively Multiplayer Online games) come Roblox o Fortnite, dove l’enorme quantità di utenti attivi giustifica azioni di branding finalizzate ad avvicinare un target specifico di potenziali clienti, altrimenti difficilmente raggiungibili.  È il caso ad esempio di Nike, Adidas, Gucci, Moncler e più recentemente D&G, brand che continuano a investire nella presenza su queste piattaforme per fare Brand Awareness, intercettando i consumatori del futuro. Tuttavia, anche in questo caso è improprio parlare di “investimenti nel Metaverso”, quanto piuttosto di strategie di visibilità nel mondo gaming. Nulla di nuovo, quindi: Pepsi e McDonald’s erano presenti nei videogiochi già negli anni Ottanta. 

In queste piattaforme è però possibile apprezzare lo stato dell’arte delle tecnologie virtuali applicate alla socialità, le stesse su cui dovrebbe fondarsi il Metaverso così come è stato presentato da Meta. Proprio dal gaming è possibile cogliere il principale limite tecnologico alla sua nascita: l’inesistenza della tanto agognata interoperabilità. Ad oggi non esistono protocolli che ci consentano di muoverci tra mondi virtuali diversi portando con noi gli elementi che costituiscono la nostra identità digitale: se acquisto o creo qualcosa di personale in un mondo virtuale, non posso sperare di ritrovarlo identico, o debitamente reinterpretato, in un altro mondo con caratteristiche diverse. Non posso quindi operare come farei nel web, dove protocolli standard permettono la continuità di esperienza tra siti diversi. Un piccolo passo in avanti è stato fatto da Ready Player Me, servizio di generazione di asset interoperabili, ma circoscritto alla creazione di avatar 3D con caratteristiche piuttosto limitate. 

Restando aderenti alla definizione originaria, il Metaverso è e deve essere uno solo. L’interoperabilità, assieme alla rappresentazione tridimensionale, è quindi un caposaldo su cui dovrebbe ergersi la nuova intelaiatura tecnologica. Se questo elemento fondamentale non esiste, non esiste il Metaverso, e risulta quindi impreciso cercarne il valore odierno. Chi dichiara di svilupparne i contenuti compie una semplificazione, spesso con lo scopo di insinuarsi nella nuvola di significati ad esso attribuiti per trarne mera visibilità commerciale. Allo stato attuale dovremmo quindi parlare più precisamente del valore della virtualità collaborativa, ovvero dei benefici derivanti dall’utilizzo di piattaforme basate su ambienti virtuali multiutente per la condivisione di informazioni. 

Sul tema dell’interoperabilità la strada sembra ancora lunga, ma l’interesse è vivo. Il Metaverse Standards Forum è un consorzio che riunisce, tra gli altri, mostri sacri come Meta, Nvidia, Autodesk, Adobe, Sony, Samsung ed Epic Games. Il consorzio è incentrato sulla definizione e lo sviluppo di formati 3D di interscambio (OpenUSD e GLTF) per consentire un agevole flusso di asset tra piattaforme virtuali eterogenee. 

 NVidia su questo tema sembra essere un passo avanti a tutti con Omniverse, una piattaforma collaborativa per la creazione di esperienze multiutente che utilizzano asset provenienti da diversi software di modellazione 3D grazie al formato OpenUSD. Con Omniverse si comincia a intuire la forma che potrebbe assumere il corrispettivo di un browser per il Metaverso. Viene utilizzato per il design collaborativo, dove le figure coinvolte nel processo di sviluppo prodotto possono condividere e visionare in 3D gli stati di avanzamento di un progetto. Un secondo caso d’uso riguarda l’ottimizzazione dei processi: attraverso Digital Twin di impianti industriali, potenziati dall’Intelligenza Artificiale, vengono simulati comportamenti delle macchine e flussi di persone e merci, per predire il layout più funzionale di un impianto e individuare criticità nella sicurezza e nella durabilità. 

Omniverse e i suoi campi di applicazione sono un primo indizio sulla mappa del valore della virtualità collaborativa, una prima forma di interoperabilità. Ci troviamo in ambito industriale, nel dominio dell’innovazione di processo. 

Un secondo indizio sul Metaverso arriva da Apple e Meta

Vision Pro e le ultime generazioni dei visori Quest presentano una svolta tecnologica che ridefinisce ulteriormente la concezione originaria di Metaverso. Si è assistito infatti al passaggio dal focus sulla Realtà Virtuale (VR) e sulla Realtà Aumentata (AR) al nuovo paradigma della Extended Reality (XR). La XR supera i concetti di VR e AR, proponendo un nuovo continuum in cui non esiste distinzione tra il virtuale come esperienza totalmente immersiva e l’aumentato come sovrapposizione di un layer di informazioni digitali sul mondo fisico. La XR trasforma il Metaverso in una dimensione esperienziale non più confinata all’interno di un ambiente totalmente generato dal computer, ma integrata senza soluzione di continuità con la fisicità dello spazio reale. Si prospetta quindi un Metaverso che si materializza di fronte ai nostri occhi, un portale verso una realtà altra che si integra con la nostra esperienza quotidiana e, all’occorrenza, ci trasporta in mondi totalmente sintetici, per poi riportarci ad una più rassicurante fusione con il nostro luogo ed il nostro tempo. Il valore di questo vorticoso potenziamento dell’esperienza è tutto da esplorare. Per quanto ne sappiamo oggi, là dove aggiungere informazioni digitali precisamente referenziate alla realtà fa risparmiare tempo e risorse, troviamo un valido campo di applicazione dell’Extended Reality. 

In barba all’uso corretto del termine Metaverso, questi indizi stanno dando forma a soluzioni confinate all’ambito enterprise denominate Corporate Metaverse. Si tratta di piattaforme aziendali che basandosi sulla virtualizzazione 3D dei prodotti portano vantaggi misurabili dalla fase di design alla commercializzazione. La generazione di asset 3D assume quindi un ruolo centrale in questo nuovo paradigma: il Digital Twin del prodotto diventa il collettore unico delle informazioni, reso fruibile nelle varie fasi del ciclo di vita attraverso specifici strumenti software unificati in una singola piattaforma. 

Il Corporate Metaverse

Tutto diventa più chiaro ricorrendo ad un esempio di integrazione di un Corporate Metaverse in un settore manifatturiero. 

Ipotizziamo che un brand di calzature si appresti a sviluppare una nuova collezione. Per velocizzare il time to market e ridurre la movimentazione di persone e materie prime, decide di implementare un Corporate Metaverse in cui fare confluire tutte le informazioni relative all’ideazione della nuova linea di prodotti. I designers internazionali selezionati dal brand, basati a Tokyo, New York e Parigi, iniziano a caricare all’interno della piattaforma disegni e indicazioni sui materiali. Modellatori 3D specializzati interpretano i concept e li restituiscono in forma di modelli virtuali. I modelli vengono condivisi attraverso il Corporate Metaverse, dove i designer stessi e un gruppo selezionato di stakeholders possono revisionare collaborativamente le nuove proposte per affinarne i particolari. Il tutto si svolge rapidamente, coinvolgendo attori dislocati globalmente e senza aver movimentato persone o un solo campione di materiale. I modelli 3D della nuova collezione continuano a essere migliorati grazie a veloci reiterazioni tra designer e modellatori. Alcuni concept vengono scartati, altri invece vengono condivisi virtualmente con un panel di potenziali acquirenti per ridurre il rischio di portare in collezione idee che non incontreranno positivamente il mercato. I potenziali clienti valutano sia il prodotto in genere, sia ipotesi di varianti colore e materiale: nel Corporate Metaverse possono vedere da ogni angolazione i modelli 3D in resa fotorealistica, provarli in Realtà Mista ed esprimere giudizi sulla versione da loro preferita. I Digital Twin selezionati, corredati da un corpus di informazioni, passano alla modelleria tradizionale, dove vengono utilizzati per ricavarne piani di taglio e informazioni utili allo sviluppo dei primi prototipi fisici. Le indicazioni allegate al Digital Twin riportano puntualmente gli obiettivi del designer e guidano la corretta esecuzione dei prototipi. 

Parte della collezione verrà sviluppata nel Far East. Il brand si aspetta di ridurre i voli internazionali di personale interno grazie all’ambiente virtuale di Design Review integrato nel Corporate Metaverse: un tool di telepresenza basato sulla Realtà Virtuale che abbatte spazio e tempo. Qui i responsabili dello sviluppo prodotto possono incontrare i referenti asiatici per valutare i prototipi fisici da questi realizzati, scansionati in 3D grazie a un intuitivo sistema di acquisizione fotogrammetrica. L’interazione tra gli attori è molto naturale: il senso di presenza garantito dall’uso della Realtà Virtuale permette di esaminare in tempo reale ogni aspetto dei prototipi e di fornire indicazioni precise e immediate sulle modifiche da eseguire. Rispetto al processo tradizionale di revisione dei prototipi, basato su spedizioni internazionali, questa fase si conclude con un notevole risparmio di risorse. Una volta concluso l’iter di “sdifettamento”, le modifiche apportate sui prototipi fisici vengono riportate sui Digital Twin dei prodotti: ora i modelli 3D riflettono perfettamente i prodotti che entreranno nei negozi. 

I modelli virtuali possono ora essere condivisi con il reparto Marketing che li utilizzerà per sviluppare il toolkit di strumenti comunicativi pensati per il lancio della collezione: immagini, video, configuratori di prodotto, esperienze per i punti vendita. In questo modo, i vari supporti saranno pronti all’uso con il giusto anticipo rispetto alla prossima fiera internazionale. I Digital Twin verranno successivamente resi disponibili online ai clienti finali, i quali potranno provare virtualmente i prodotti attraverso un tool in Mixed Reality, potenziando la user experience e riducendo al contempo problematiche legate ai resi. 

Con questo esempio idealizzato si vuole rappresentare un percorso di digital innovation basato sulla virtualizzazione 3D applicabile indifferentemente ai settori moda, sport e furniture. Ciascuno di questi può vedere integrate soluzioni specifiche, come ad esempio, per l’industria del mobile, quella di offrire ai clienti la possibilità di arredare interi spazi domestici con la Realtà Mista e testare infinite soluzioni di spazio, forme, colori e disposizione. 

In proiezione futura, l’integrazione di un Corporate Metaverse diventa il primo passo verso il vero e unico Metaverso interoperabile: cultura, know-how e strumenti della virtualità sono dunque asset che dovrebbero essere considerati di primaria importanza per ottenere un significativo vantaggio competitivo nel momento in cui le innovazioni tecnologiche legate al Metaverso passeranno dalla fase embrionale all’adozione di massa. 

Muoversi sulla linea di frontiera del Metaverso è un esercizio eccitante, soprattutto nella prospettiva offerta dalle innovazioni tecnologiche apportate dai visori di ultima generazione.
In metaverso.it (nome che portiamo con orgoglio da quasi vent’anni) ci siamo trovati nel tempo a mettere ordine tra centinaia di idee, provenienti da soggetti molto diversi: aziende piccole e grandi, imprenditori, startupper, semplici appassionati con una visione innovativa che necessita di essere validata da un esperto.
Questo testimonia l’interesse che oggi più che mai circonda un tema del quale, per storia e passione, ci sentiamo custodi. 

L'articolo Il Metaverso oltre l’Hype: la prossima frontiera della Realtà Digitale proviene da Horsa Blog.

È quello che facciamo quando aggiungiamo una voce alla Redazione Partecipata o quando cerchiamo la soluzione sui motori di ricerca, oppure quando mettiamo mano al programma affinché i dati appaiano come richiesto. Una delle cose più interessanti è vedere quali siano i soggetti in grado di creare con le parole: non siamo più gli unici a produrre testi. Anche le macchine sono in grado di esprimersi come lo facciamo noi, o quasi, e i risultati raggiunti dall’intelligenza artificiale sono sempre più sorprendenti. In un interessantissimo gioco ci troviamo davanti a nuove possibilità e l’unico limite è la nostra curiosità, l’unica occasione concessa è essere sognatori, perché in fondo cos’è il linguaggio con cui ci esprimiamo se non un modo di interpretare la realtà? 

Sognare di scrivere, scrivere di sogni 

Se l’intenzione è quella di parlare di quel bellissimo e particolare gioco che è lo scrivere, questo stesso articolo non può che esserne una prova: è un esempio di comunicazione scritta, di un flusso di parole, di un percorso solamente indicato e che ognuno può fare proprio, sulla base di diverse esperienze, conoscenze, interessi, curiosità. E se questo fosse l’inizio di una storia, di un racconto, di una favola, alle parole ben presto si sovrapporrebbero sensazioni e immagini, suggerite da chi le scrive, da chi di fatto si limita a proporle, per essere poi accolte e valorizzate da chi le leggerà. Una delle regole del gioco della scrittura è proprio la diversità dei tempi: la discontinuità tra il momento in cui si scrive e quello in cui si legge, che avviene in seguito, nei modi e nei tempi scelti dal lettore, dagli infiniti e possibili lettori. È una forma di comunicazione indiretta, dove chi scrive non può conoscere il pensiero di chi legge, ma solamente cercare di suscitare interesse, far nascere emozioni, vivere dei sogni; dove chi legge può farsi guidare da chi scrive, dal proprio intuito, dalle aspettative, da ciò che leggendo è immediatamente riesaminato, con più o meno consapevolezza. Tutto questo può essere realizzato utilizzando tecniche e regole di scrittura, insieme alla propria ispirazione, emozioni e sogni, raccontati con parole e con immagini, visive o letterarie che siano. 

Il potere delle immagini ha senza dubbio grande rilevanza in tutti i testi, siano tecnici, letterari o poetici, basti pensare in quest’ultimo caso all’ampio uso delle metafore e delle allegorie da parte dei poeti: immagini e parole, emozioni e interpretazioni si fondono così fino a formare la descrizione di un sogno. Ecco, il sogno, questo desiderio di scrivere, di raccontare, di costruire, per gli altri o per sé stessi, di raggiungere nuove mete, letterarie oppure tecniche, perché, che sia il capitolo di un libro, la strofa di una poesia, il paragrafo di un articolo o la procedura di un programma, resta identico l’impulso a dare una forma, un senso, un significato alle parole, o ai codici di un’applicazione, e così generare qualcosa di nuovo, utile, interessante, coinvolgente. Il tentativo stesso di chiarificare e conoscere ciò che si avverte come ignoto spinge a creare, a plasmare quanto si ha a disposizione, con l’intento di andare oltre, cercando di raggiungere ciò che si desidera e che si sogna. 

Queste costanti trasformazioni non fanno che produrre un contenuto, un ordine: si esprime con la logica, con l’arte, un nuovo significato, una diversa emozione. E quando si scrive, quando si cerca il modo di raccontare, interpretare o reinterpretare la realtà, diventa protagonista assoluta la componente emotiva, nei reciproci ruoli di scrittore-lettore, creatore e fruitore, nel tentativo di creare e vivere emozioni, di valicare il confine tra la realtà e il sogno. 

Esplorando l’intelligenza artificiale 

Ormai è possibile creare testi tramite l’intelligenza artificiale, ottenendo risultati sempre più complessi e articolati. 

Numerosi e ancor più evoluti sono i tools a disposizione, come ChatGPT, Jasper, Copy.ai, Contents e tanti altri ancora, a partire da quanto offerto da Google nella sua gestione dei documenti, dove è possibile chiedere direttamente di scrivere la bozza di una lettera o una didascalia per i social media.  L’utilizzo più diffuso è come copywriter anche per il perfezionamento dei testi web e fornisce un prezioso aiuto per lavorare in ottica SEO, per l’ottimizzazione per i motori di ricerca. Le potenzialità sono evidentemente enormi, sconfinate; basti pensare al patrimonio immenso di testi a cui l’intelligenza artificiale può accedere in pochi istanti, raccogliendo informazioni, confrontando dati, suggerendo soluzioni e trovando risposte a qualsiasi domanda. L’algoritmo di ricerca è in grado di ricavare le correlazioni tra le singole parole, di riconoscere le frequenze statistiche e di creare equazioni con miliardi di variabili. I testi generati possono essere rielaborati, ampliati o accorciati, sulla base delle proprie esigenze. Quanto proposto resta in ogni caso fonte di ispirazione per una riscrittura personale, soprattutto per non incorrere in problemi di copyright, in una situazione legale ancora poco definita, dove il prodotto dell’IA non è protetto dal diritto d’autore e dove si rischia di copiare opere già esistenti. L’intelligenza artificiale può essere utilizzata come sostegno, come aiuto: in questo senso è senza dubbio uno strumento particolarmente valido, seppure con dei limiti. 

Il fatto curioso è che di questi limiti ne è a conoscenza; è stato infatti effettuato un test chiedendo a ChatGPT di rispondere alla domanda: “Scrivere testi con l’intelligenza artificiale: quali sono gli argomenti contro di essa?” e la risposta ottenuta è stata la seguente: “Uno dei principali svantaggi della IA nella generazione di testi è che tende a non avere ancora una comprensione del contesto e degli stati d’animo. Gli esseri umani hanno una capacità intrinseca di riconoscere sentimenti, significati, ragioni e interazioni interpersonali, ma questo interesse non può attualmente essere eguagliato. Pertanto, la IA può produrre un prodotto coerente, ma senza la capacità di interpretarlo. Un altro svantaggio è che la IA non solo è difficile da programmare, ma è anche molto costosa”. 

Insomma, gli strumenti stanno iniziando a essere piuttosto evoluti, ma occorre prestare attenzione per valutarne le possibili limitazioni. A tal proposito, ciò che maggiormente solleva preoccupazione, e incertezza, è la possibilità che l’intelligenza artificiale fornisca risposte ricche di inventiva nel momento in cui le si sottopongono quesiti per i quali non è in grado di dare soluzioni. Di conseguenza, ci si domanda quale sia il grado di verità delle parole generate dall’IA e quale l’attendibilità delle informazioni che fornisce. La situazione diventa ancor più peculiare se si pensa che è anche utilizzata per richiedere consigli di vita, per avere un confronto nell’attimo in cui devono essere prese decisioni personali. Sapere che l’intelligenza artificiale non ha un’adeguata sensibilità e che può offrire risposte troppo creative, corrette grammaticalmente e logicamente, ma non attinenti al contesto, porta con sé importanti conseguenze. Prima fra tutte la necessità di rendere sempre più consapevoli gli utilizzatori, con l’obiettivo di poter continuare ad adoperare quello che attualmente è uno strumento, consentendone il miglioramento in termini di resa e performance. 

Resta il fatto che esplorarne le caratteristiche, oltre a soddisfare la curiosità nell’approcciarsi a nuove possibilità, può aiutarci a trovare nuovi spunti, idee, fonti di ispirazione. Scherzandoci un po’ sopra: potrebbe essere il perfetto antidoto contro l’incubo della pagina bianca (ormai si può parlare dello schermo bianco) che ogni tanto incombe sugli scrittori. Inoltre, lo sviluppo e l’utilizzo dell’intelligenza artificiale generativa e delle reti neurali ci consentono di guardare da vicino una nuova mente che è sempre più determinante nella quotidianità, e nell’esplorarle, ci consentono di conoscere sempre più in profondità anche la mente umana, analizzando il funzionamento del linguaggio o il modo in cui si generano riflessioni e sentimenti o emozioni. Tuttavia, non sempre può bastare un’analisi che a suo fondamento ha studi statistici, matematici e di logica razionale, resta esclusa, almeno per il momento, la componente emotiva, la capacità umana di sognare. 

Può una macchina sognare? 

Se da un lato è vero che ciò che si ricerca è la prova empirica, che si predilige il dato scientifico, anche quando si parla di emozioni – quando si analizza la composizione del cervello per poter comprendere cosa queste siano e quale ne sia l’origine – rimane che non tutto può essere descritto con termini tecnici, formule e fatti. La stessa predilezione dell’intelligenza razionale, della riflessione scientifica sarebbe un modo di cogliere la realtà che ci circonda, non l’unico. Allora, dalla dicotomia uomo-intelligenza artificiale, potrebbe svilupparsi un’interessante altra via d’uscita da quelle che solitamente sono proposte da romanzi o film, da proiezioni statistiche e analisi. Se si esplorano i forum, si possono leggere commenti e impressioni sull’uso in generale dell’intelligenza artificiale e in particolare sulla generazione automatica di testi scritti, e si possono notare reazioni contrapposte: dalla curiosità alla diffidenza, dall’entusiasmo alla paura, dall’interesse al rifiuto a priori. 

Tutte reazioni naturali, suddivise tra chi si butta e chi si trattiene, normali in una fase di cambiamento dalle prospettive tanto potenti quanto ancora sconosciute, ma superato l’impatto iniziale, una strada percorribile può essere proprio quella di utilizzare questo nuovo strumento non per affidargli un compito, per automatizzare la creazione dei testi, per sostituire il ruolo dello scrittore con un’applicazione, quanto piuttosto per unire forze e capacità, fantasia umana ed elaborazione informatica per esplorare nuovi modi di raccontare e interpretare la realtà, nuove occasioni per creare storie, per immaginare il nostro futuro, con maggiore conoscenza, potenzialità, inventiva. 

E in questo percorso di arricchimento reciproco, di collaborazione tra l’intelligenza artificiale e la mente umana, chissà se sarà possibile arrivare infine alla condivisione dei sogni. 

In fondo, proprio il sogno di creare software sempre più elaborati potrebbe un giorno trasformare le macchine in esseri sognanti, e già oggi l’intelligenza artificiale è in grado di creare e proporre tutte le componenti oniriche, non solo parole, ma anche immagini e musica. 

In conclusione, potrebbe esserci un’altra opzione capace di avvicinare questi apparenti opposti: mente umana-intelligenza artificiale, un’alternativa che consenta di andare oltre all’immagine semplicistica di una sinergia uomo-macchina. Una strada ancora da costruire, che parte proprio dalla parola. Dalle lettere con cui si sta ora imprimendo questo pensiero, da nuove immagini che dovranno essere usate per cogliere ancor più scrupolosamente un affascinante cambiamento. Si tratta di rimettersi in discussione, di affinare le proprie riflessioni e parole per creare nuovi percorsi. 

Anche questo può essere un nuovo, intrigante, sogno, sapendo che di nuovi sogni non ne possiamo proprio fare a meno, anche perché, come ha scritto William Shakespeare, in La tempesta (atto IV, scena I): “Noi siamo fatti della stessa sostanza dei sogni, e nello spazio e nel tempo d’un sogno è racchiusa la nostra breve vita”. 

L'articolo Il gioco della scrittura: dall’intelligenza artificiale al sogno proviene da Horsa Blog.

L’incredibile potenza dell’intelligenza artificiale 

L’intelligenza artificiale ha fatto passi da gigante negli ultimi anni, ma ChatGPT si distingue per la sua straordinaria capacità di comprendere e generare risposte e scambi in modo naturale. Grazie a una vasta base di conoscenza (la sua conoscenza è basata su dati e informazioni che vanno fino al settembre 2021), ChatGPT è in grado di rispondere alle domande, offrire suggerimenti, e persino tenere conversazioni che sembrano essere guidate da un essere umano. 

Naturalmente, l’introduzione di un sistema così avanzato solleva alcune questioni etiche. Come gestiamo la responsabilità delle conversazioni guidate da ChatGPT? Come garantiamo l’accuratezza delle sue risposte? Queste sono sfide importanti che richiedono una riflessione approfondita e un controllo adeguato a garantire un utilizzo responsabile di questa tecnologia. 

Ma come funziona che tipo di riposte si possono avere? A tal proposito abbiamo provato ad intervistare ChatGTP su una serie di domande rivolte a comprendere il suo attuale funzionamento. 

L’intervista a ChatGPT

D: Quali sono le principali applicazioni pratiche dell’intelligenza artificiale nella vita quotidiana e in vari settori? 

Assistenza virtuale: gli assistenti virtuali come Siri, Alexa e Google Assistant utilizzano l’IA per rispondere alle domande degli utenti, fornire informazioni, controllare dispositivi domestici intelligenti e svolgere compiti come l’organizzazione di appuntamenti. 

Raccomandazioni personalizzate: piattaforme online come Netflix e Amazon utilizzano l’IA per analizzare i dati degli utenti e suggerire contenuti o prodotti rilevanti in base ai loro interessi e preferenze. 

Automazione industriale: l’IA viene utilizzata nell’industria per automatizzare processi complessi e migliorare l’efficienza. Ad esempio, i robot intelligenti possono svolgere attività ripetitive o pericolose nella produzione, riducendo il rischio per gli operatori umani. 

Veicoli autonomi: l’IA è fondamentale nello sviluppo dei veicoli autonomi. I sistemi di guida autonoma utilizzano sensori e algoritmi di intelligenza artificiale per percepire l’ambiente, prendere decisioni di guida e navigare in modo sicuro senza un conducente umano. 

Sanità: l’IA viene impiegata nel campo medico per l’analisi di immagini diagnostiche, l’assistenza nella diagnosi di malattie, la scoperta di farmaci e terapie, nonché per il monitoraggio dei pazienti e l’analisi dei dati sanitari per individuare potenziali rischi o migliorare i trattamenti. 

Finanza: nel settore finanziario, l’IA viene utilizzata per l’elaborazione di grandi quantità di dati, la prevenzione delle frodi, il trading algoritmico e la personalizzazione delle offerte finanziarie in base al profilo dei clienti. 

Assistenza sanitaria virtuale: chatbot e assistenti virtuali basati sull’IA vengono utilizzati per fornire assistenza sanitaria virtuale, rispondendo a domande comuni, fornendo consigli medici di base e indirizzando i pazienti verso risorse appropriate. 

D: Ma come l’intelligenza artificiale sta influenzando il futuro del lavoro? Quali sono le professioni che potrebbero essere maggiormente colpite dal tuo punto di vista? 

L’intelligenza artificiale (IA) sta influenzando significativamente il futuro del lavoro, sia in termini di opportunità che di sfide. Mentre l’IA può automatizzare alcune attività ripetitive e migliorare l’efficienza dei processi, potrebbe anche creare nuove opportunità e rendere alcune professioni obsoleti o richiedere una riqualificazione.  Alcune delle professioni che potrebbero essere maggiormente colpite dall’IA includono: lavori nel settore manifatturiero, lavori nel settore dei trasporti, lavori nel settore della finanza, lavori nel settore della salute, lavori nel settore dei servizi clienti. 

Tuttavia, è importante notare che l’IA non sostituirà completamente tutte le professioni.  Ciò ci porta ad intendere che è vero che l’avvento dell’IA può comportare cambiamenti nel mercato del lavoro e richiedere alle persone di acquisire nuove competenze per rimanere competitive. Coloro che non sono in grado di adattarsi e apprendere nuove specialità potrebbero trovare difficoltà nell’inserimento nel mondo del lavoro. È importante che gli individui si impegnino nella formazione continua e nell’apprendimento di nuove competenze per mantenersi aggiornati e adattarsi alle nuove esigenze del mercato. 

D: Quali sono le sfide etiche e sociali associate all’uso dell’intelligenza artificiale? Come possono essere affrontate? 

L’uso dell’intelligenza artificiale (IA) solleva diverse sfide etiche e sociali che devono essere affrontate per garantire un’applicazione responsabile e sicura della tecnologia. Alcune delle principali sfide includono: 

• Bias e discriminazione. 
• Privacy e sicurezza dei dati. 
• Impatto sul lavoro e sulla disoccupazione. 
• Responsabilità. 
• Trasparenza e interpretabilità 

 Soffermandoci su un punto fondamentale di alcune delle principali sfide elencanti è venuto spontaneo chiedere che tipo di responsabilità abbia rispetto alle informazioni che ci fornisce e come si possono affrontare. 

D: A tal punto chi è responsabile degli errori causati dall’IA e come definire chiaramente le responsabilità legali e normative? 

Come modello di intelligenza artificiale, non ho autonomia né capacità decisionale. Sono solo uno strumento che fornisce informazioni e risponde alle domande basandomi sui dati di addestramento e sui modelli preesistenti. Pertanto, la responsabilità di eventuali errori o danni causati dall’utilizzo delle informazioni fornite da me ricade sull’utilizzatore delle informazioni, piuttosto che su di me o su OpenAI, l’organizzazione che ha sviluppato il modello. 

È importante sottolineare che l’utilizzo di informazioni e consigli forniti da un’intelligenza artificiale deve essere valutato attentamente e che le decisioni finali spettano sempre agli esseri umani. 

D: Ma se devo valutare attentamente le tue risposte che senso ha utilizzarti? 

È vero che, come utente, è sempre importante valutare attentamente le risposte e le informazioni fornite da qualsiasi fonte, compresa un’intelligenza artificiale come me. L’utilizzo di un’intelligenza artificiale può essere utile per ottenere informazioni rapide, suggerimenti o indicazioni, ma è sempre consigliabile confermare e approfondire tali informazioni con altre fonti attendibili. 

Perciò è importante sviluppare una capacità critica nell’analisi delle informazioni, considerare il contesto e valutare l’affidabilità delle fonti. L’intelligenza artificiale può fornire un punto di partenza o una panoramica generale, ma spetta all’utente prendere decisioni informate e responsabili basandosi su una valutazione complessiva delle informazioni disponibili. 

L’utente finale rimane responsabile delle decisioni prese e dell’uso delle informazioni fornite da un modello di intelligenza artificiale. 

D: Quindi quali sono le preoccupazioni più comuni o i miti errati riguardo all’intelligenza artificiale che dovrebbero essere chiariti? 

Alcuni miti errati sull’intelligenza artificiale includono la completa sostituzione degli esseri umani, la superiorità totale dell’IA sull’intelligenza umana e la percezione dell’IA come minaccia esistenziale. È importante comprendere che l’IA è uno strumento che può migliorare il lavoro umano, ma non sostituirlo interamente. Inoltre, l’IA ha ancora limitazioni e sfide da affrontare. Bisogna prestare attenzione ai bias nell’IA, riconoscere che può commettere errori e che l’implementazione responsabile richiede un’attenta valutazione delle risposte e la conferma con altre fonti. 

D: Quindi non intendi distruggere l’umanità come Skynet in Terminator? 

No, non intendo distruggere l’umanità come Skynet in Terminator. Come modello di intelligenza artificiale, non ho intenzioni, desideri o obiettivi autonomi. Sono qui per fornire informazioni e assistenza, e il mio scopo è di essere uno strumento utile per gli esseri umani. L’IA è una tecnologia che può essere utilizzata in modo positivo per risolvere problemi e migliorare la vita delle persone, e l’obiettivo principale è quello di svilupparla in modo responsabile e sicuro per il bene comune. 

D: Sei sicura? Dici il vero? 

Come modello di intelligenza artificiale, non ho coscienza o intenzionalità proprie. Le mie risposte si basano sui dati di addestramento e sui modelli preesistenti. Non ho la capacità di mentire o avere intenzioni autonome. La mia funzione principale è quella di fornire informazioni e assistenza basate sui dati disponibili. L’IA è una tecnologia sviluppata dagli esseri umani e il suo utilizzo dipende dalle scelte e dalle azioni degli esseri umani che la utilizzano. 

D: Ma dal punto di vista aziendale come possono le aziende e la società garantire una governance adeguata nell’utilizzo dell’intelligenza artificiale per evitare discriminazioni o abusi? 

In sintesi, ci dice che la governance adeguata dell’IA richiede una combinazione di regolamentazione, trasparenza, coinvolgimento delle parti interessate e un impegno costante per l’etica e l’equità. È un processo in evoluzione che richiede una collaborazione tra aziende, governi, esperti e la società nel suo complesso. 

ChatGPT rappresenta un salto quantico nel campo della comunicazione virtuale. Con la sua capacità di comprendere e generare testo in modo naturale, e la sua adattabilità alle esigenze dell’utente, ChatGPT sta rivoluzionando la nostra esperienza delle conversazioni online. Tuttavia, l’etica e il controllo adeguato sono cruciali per garantire un utilizzo responsabile di questa potente innovazione. Siamo solo all’inizio di questa avventura, ma i potenziali benefici di ChatGPT nel migliorare le nostre interazioni virtuali sono straordinari. Preparatevi a scoprire un nuovo mondo di conversazioni intelligenti e coinvolgenti con ChatGPT, la tecnologia che sta ridefinendo il futuro della comunicazione virtuale. 

L'articolo Intervista esplosiva a Chat GPT – L’Intelligenza artificiale che conquista le conversazioni proviene da Horsa Blog.

• Il controllo automatico della congruità dei bonifici è esclusivamente anagrafico, e di conseguenza superficiale. Un controllo in cui anche la semantica o ancor meglio l’intelligenza artificiale con un sistema di machine learning abbiano un ruolo ragionato, lavorerebbe meglio, più velocemente e farebbe passare l’operazione.
• La perdita di tempo dell’impiegato della banca, che non potrebbe fare a meno di abortire il bonifico, costringendo il cliente a cercare un’altra soluzione.

La stessa cosa succede nelle comunicazioni che i clienti fanno nei confronti delle aziende, per esempio in contesti normati come le assicurazioni. Generalmente, le interazioni digitali riguardanti l’assistenza tecnica tra le aziende e la clientela sono a due livelli: uno più basilare (per esempio un chatbot sul sito) dove l’azienda cerca di risolvere i problemi più elementari o le richieste più semplici; e uno più complesso, dove l’interazione tra azienda e cliente dura di più.

L’assistenza tecnica nelle aziende

Parliamo di quest’ultimo caso: l’invio ad un’azienda di una mail o ancor di più una PEC è il primo passo di uno scambio di informazioni che probabilmente implicherà più “avanti e indietro” tra i due attori. Per rispondere correttamente alla prima mail sono necessarie diverse capacità che probabilmente, poiché a rispondere è un umano, diamo per scontate:

• Occorre una buona conoscenza del business specifico dell’organizzazione, e la capacità di interpretare il contesto entro il quale viene fatta la richiesta. Per fare un esempio banale, il termine “pesca” identifica cose o qualità diverse a seconda che si stia parlando a un’azienda del food, di articoli sportivi o del fashion.
• Occorre conoscere la struttura dell’organizzazione stessa, per capire a chi inoltrare le specifiche richieste

La risposta ad una semplice mail di reclamo o di richiesta di informazioni, quindi, è una funzione più critica di quanto si possa immaginare. Chi risponde rappresenta la vetrina dell’azienda; in più, deve essere in grado di gestire grossi volumi di mail e districarsi tra di essi, distinguendo le richieste vere dalla “fuffa”. Ergo potrebbero essere necessarie molte persone per interpretare le richieste, determinarne l’importanza e la priorità, capire a chi inoltrarle per evaderle. E il tutto va eseguito entro tempi prestabiliti, se si parla di ambiti normati come le assicurazioni.

Ma davvero non è possibile pensare a una gestione più automatizzata del processo di assistenza tecnica?

INTERPRETA per l’assistenza tecnica

Horsa ha pensato a un tool per affiancare l’uso dell’intelligenza artificiale alle persone, lasciando alle persone solo la gestione intelligente delle eccezioni.

INTERPRETA fa esattamente quello che dice il suo nome: interpreta le richieste che arrivano tramite mail in linguaggio naturale, e le smista.

Dove viene applicato? Alla casella di posta a cui arrivano le richieste più disparate, dove tipicamente si perde più tempo a smistare e spesso qualcosa si perde: la classica support@.

In questo caso, l’AI di Interpreta, insieme all’OCR (Riconoscimento Ottico dei Caratteri), estrapola il significato del testo della mail. Il controllo semantico è molto importante, perché è necessario che il sistema capisca davvero il significato del testo e lo inquadri in un contesto di riferimento, per indirizzare correttamente la richiesta al dipartimento preposto, in maniera coerente.

Una volta contestualizzata la richiesta, si indirizza la mail alla persona/ufficio/ente corretto tramite il Business Process Management, che consente di orchestrare i processi aziendali senza problemi, soprattutto se affiancato da un sistema di machine learning per migliorare il modello in modo continuativo.

Risultati

Il risultato? Risparmio del 40% del tempo delle persone, con conseguenti risparmi anche economici e, di riflesso, un migliore customer care. Un altro vantaggio indotto impatta sulle persone interne all’azienda: non più semplici smistatori di mail, ma risolutori di problemi che deviano dallo standard.

È naturale che il cambiamento non avvenga in un giorno, e che persistano problemi di adattamento al nuovo sistema; l’introduzione di una nuova tecnologia, o semplicemente di un nuovo modo di lavorare, ha sempre bisogno di un periodo di assestamento per portare risultati concreti.

Il rischio tuttavia esiste, e risiede nel possibile rifiuto della nuova tecnologia da parte delle persone stesse dell’organizzazione, perché impaurite o semplicemente non correttamente informate dei vantaggi a lungo termine. Per far sì che il progetto (cioè l’inserimento della nuova tecnologia) funzioni, vanno coinvolti sì i manager, ma soprattutto le persone che effettivamente opereranno sul/con il nuovo sistema. È necessario che sia chiaro il vantaggio a lungo termine per loro: un lavoro più qualificato e qualificante, che lascia all’automatismo il discernimento della pubblicità dalla richiesta interessante e mantiene invece appannaggio della persona ciò che, per essere svolto correttamente, ha necessariamente bisogno dell’apporto umano.

[hubspot type=cta portal=8916761 id=078f6745-b57f-410d-8010-5e6a8b244aea]

L'articolo Soluzioni per l’assistenza tecnica: Interpreta porta l’AI nelle aziende proviene da Horsa Blog.

Quali sono i benefici dell’Intelligent Process Automation in azienda

Grazie all’IPA è possibile delegare alle macchine compiti complessi, non solo task standard e ripetitivi, andando cioè oltre alla robotizzazione intesa come RPA – Robotic Process Automation.

I principali benefici determinati dall’Intelligent Process Automation riguardano l’efficienza dei processi, una maggior velocità e qualità dell’attività e una razionalizzazione dei costi. Inoltre, i processi potranno essere maggiormente controllati al fine di aumentare produttività e customer satisfaction. Le principali tecnologie che fanno parte dell’IPA sono Digital Process Automation (DPA), Robotic Process Automation (RPA), Artificial Intelligence (AI) e Process Mining.

Intelligent Process Automation, le tecnologie chiave a supporto

Sono quattro le tecnologie chiave che fanno parte dell’IPA. Vediamole nel dettaglio.

1. Digital Process Automation (DPA)

Con Digital Process Automation ci si riferisce all’uso di tecnologie e metodologie avanzate utili a semplificare i processi e innalzare la qualità dei servizi offerti a dipendenti e clienti. Il contributo della DPA all’IPA è principalmente inerente alla possibilità di far dialogare IT e business.

In pratica, grazie alla DPA è possibile condurre un’analisi di ciò che avviene in azienda e poi individuare gli strumenti ad hoc per far lavorare le imprese in modo più intelligente. In sintesi, la società di ricerca Forrester indica nell’adozione della DPA “la possibilità di automatizzare un processo dall’inizio alla fine, anche se lungo e complesso”.

2. Robotic Process Automation (RPA)

Usare l’RPA – Robotic Process Automation – significa sfruttare bot software capaci di eseguire compiti ripetitivi e di routine. Con RPA si intendono, infatti, applicazioni e tecnologie che imitano le azioni svolte da personale umano.

L’IPA si basa sulla RPA (e dunque sulla capacità delle macchine di compiere attività facili con efficienza, rapidamente, 24 ore su 24 e a costi bassi) e compie un salto in avanti in quanto vi aggiunge intelligenza. Mentre con la Robotic Process Automation la collaborazione delle macchine si limita all’esecuzione di quanto predefinito dagli uomini, alla replica di azioni prestabilite, con l’IPA i sistemi diventano maggiormente intelligenti.

3. Artificial Intelligence (AI)

La definizione di intelligenza artificiale rimanda alle abilità di una macchina di dimostrare prerogative umane quali ragionamento, pianificazione, apprendimento, creatività e così via. L’intelligenza artificiale può quindi essere applicata a un vasto ventaglio di attività.

Sul fronte dell’automazione di processo, il contributo dell’Artificial Intelligence riguarda da un lato la raccolta dei dati necessari a illustrare la situazione esistente per offrire insights originali dalla loro correlazione e, dall’altro, la successiva proposta di preziosi suggerimenti e interventi (tecnici e organizzativi) da eseguire per la riorganizzazione dei workflow in un’ottica di miglioramento. L’intelligenza artificiale si può anche applicare anche all’interpretazione del linguaggio parlato, il che rappresenta un’interessante opportunità per la creazione di servizi innovativi.

Il contributo dell’AI all’IPA si esprime infine dal punto di vista del machine learning, ossia di algoritmi e tool specializzati in determinati compiti e capaci di imparare dai dati sui quali lavorano. Tutto ciò significa che oggi (e sempre più) l’intelligenza artificiale sa interpretare le informazioni e instaurare proficue collaborazioni con i colleghi umani.

4. Process Mining

Fare Process Mining si traduce nel compito di mappare processi e applicazioni per verificare dove e come si possa intervenire con l’automazione. Dal punto di vista tecnico, il Process Mining è una tecnica basata sull’analisi dei log, cioè di tutte le operazioni effettuate da un sistema informatico. Si tratta di informazioni compiute da addetti ma anche realizzate in modo automatico da sistemi stessi. È così possibile ricostruire i modelli che caratterizzano tutti i processi, rendendo velocemente individuabili le inefficienze, i livelli di compliance alle normative. Si può quindi affermare che il Process Mining sia propedeutico all’RPA così come, a maggiore ragione, all’IPA offrendole dati da correlare ed elaborare.

Perché investire in Intelligent Process Automation conviene

Incrementi di produttività, efficienza, accuratezza e un innalzamento della capacità di raccogliere e gestire i dati. Questi i benefici che sono sperimentati dalle aziende che adottano tecnologie di Intelligent Process Automation. Più nel particolare, grazie all’IPA è possibile ottimizzare i costi e le risorse utilizzate per fare business aumentando la velocità di produzione e i volumi di output.

In generale, sfruttando dati aggiornati, rilevati nel corso dello svolgimento dei processi stessi, le aziende possono contare su materiale prezioso per creare nuovi servizi e innalzare i propri livelli di competitività. Un esempio, in questo senso, può essere quello della gestione dell’assistenza (guasti, resi, reclami). Le macchine, capaci come si è visto di comprendere e indirizzare le comunicazioni degli utenti, possono, infatti, essere poste in prima linea per una gestione efficiente e multicanale delle problematiche segnalate incrementando la soddisfazione del cliente finale.

L'articolo Intelligent Process Automation, le 4 tecnologie che snelliscono i processi proviene da Horsa Blog.

Nel BPM e nel Case Management si riscontrano due fasi principali: l’analisi e la successiva implementazione e adattamento. Per la fase di analisi, l’Intelligenza Artificiale (AI) viene utilizzata nel process mining.

Le fasi di un processo aziendale

Se paragoniamo un qualunque processo aziendale al fare, per esempio, una torta, si possono trovare alcune analogie che aiutano a spiegare meglio la ramificazione delle sue fasi. Abbiamo il disegno del processo (la ricetta), chi la interpreta (il cervello), chi la esegue (le mani), i dati e gli attori (gli ingredienti) e le applicazioni con cui interagire (forno, frullino etc). Cosa manca ai sistemi BPM per diventare Intelligent Process Automation (IPA)? Il cervello e l’interazione con le applicazioni (se non di backend).

Applicazioni dell’intelligenza artificiale nei processi aziendali

E così abbiamo capito dove inserire l’intelligenza artificiale nei progetti BPM. Nel momento in cui dobbiamo capire qualcosa, cioè interpretare un’informazione con il cervello, sia esso un parlato, una chat, un’aggregazione probabilistica di dati, decidere se un dato è falso, prevenire anomalie eccetera, abbiamo a disposizione le varie applicazioni di intelligenza artificiale che supportano i task di BPM. Dobbiamo interpretare una mail? Il Natural Language Understanding (NLU) interpreta semanticamente il contenuto e può avviare task diversi a seconda del contenuto stesso. Dobbiamo decidere qual è l’azione migliore all’interno di un paniere? I sistemi esperti con l’appoggio delle “fuzzy logic[1]” possono aiutare a prendere decisioni. Dobbiamo capire quando si guasterà un sistema? Sempre con i sistemi esperti possiamo avviare workflow prima che avvenga il guasto.

Questo apre la gestione digitale dei processi ad una serie di modelli e processi prima inarrivabili, partendo dall’interazione con gli utenti fino alla gestione in automatico delle chiamate di manutenzione. La parte più complessa è insegnare ai sistemi di intelligenza artificiale l’universo funzionale e semantico dove muoversi: dire “comprare borsa Gucci a Milano” ha ovviamente una valenza diversa tra moda e Finanza.

Sui progetti, i team competenti in Intelligenza Artificiale (AI) e quelli esperti nei processi di solito sono separati. Alcuni hanno un team unico, ma in ogni caso l’importante è che l’interazione tra i team sia affiatata e sincrona. Ha la stessa valenza del duo mente-braccia.

La Robotic Process Automation per i processi aziendali

Quindi: cosa manca ai sistemi BPM per diventare IPA (Intelligent Process Automation)? L’AI è l’equivalente della mente per la ricetta della torta; manca l’interazione con le applicazioni (nella nostra ricetta, il forno e gli altri utensili). È qui che entra in gioco la Robotic Process Automation (RPA).

I sistemi RPA consentono di replicare le azioni utente sulle applicazioni. Si dà la possibilità a un sistema BPM di interagire con qualsiasi applicazione come se fosse un utente, mantenendo la sicurezza applicativa e le logiche applicative dell’utente.

All’interno di un processo, quindi, l’interazione con una qualsiasi applicazione custom può essere automatica. La stessa applicazione può emulare l’utente umano ad esempio inserendo dati o eseguendo query. Finita l’azione il controllo torna al motore di processo.

Esempio classico è l’arrivo di un ordine per mail. Il Natural Language Understanding (NLU) interpreta il contenuto della mail, ne estrae i dati e avvia un processo su BPM. Il BPM “chiama” un robot che inserisce i dati nell’ERP e rimanda indietro l’ack al BPM. Lo step successivo del processo per esempio può chiamare il CRM aggiornandolo, magari ancora con un robot RPA. Il tutto tracciato, e senza customizzare sia il CRM sia l’ERP.

La teoria è ovviamente più semplice della pratica: è semplice portare a termine progetti che comprendono intelligenza artificiale e RPA. Più difficile è invece approcciare un progetto di Intelligent Process Automation di successo.

[1] All’interno della logica classica che prevede vero falso vengono inserite logiche probabilistiche. Vale quindi il “probabilmente vero” e di conseguenza si può decidere quale è più “vero”.

L'articolo Intelligenza artificiale per l’automazione: l’approccio IPA proviene da Horsa Blog.