L’evoluzione dell’IA: 7 cose che abbiamo imparato per implementarla efficientemente

Robot teaching robot students

L’intelligenza artificiale è uno dei principali argomenti di interesse nel settore della tecnologia e nelle sale di consiglio aziendali in questo momento. È interessante per la sua capacità di offrire più benefici in parallelo -sia che si tratti di migliorare l’esperienza del cliente, di migliorare la produttività, una maggiore coerenza o di ridurre i tempi dei processi. Machine learning, deep learning, riconoscimento visivo, elaborazione del linguaggio naturale: queste sono tutte funzionalità nel dominio dell’IA che possono aiutare le organizzazioni a sfruttare l’esplosione di dati strutturati e non strutturati. Non sapere come iniziare può essere scoraggiante, ma questa tecnologia è fondamentale, poiché consente un aumento dell’intelligenza umana. Di seguito sono riportati alcuni dei nostri apprendimenti che otteniamo mentre forniamo progetti cognitivi ai nostri clienti:

7 lezioni che abbiamo imparato sull’implementazione delle capacità cognitive

1) Avere chiaro il valore: non perderti nella tecnologia soltanto perché è attraente. È necessario avere una visuale chiara del valore che questa deve fornire alla propria organizzazione. Ad esempio, in un contact center, inciderà sul tempo medio di gestione delle chiamate, sul punteggio del promotore, sulla fidelizzazione dei clienti o su una combinazione di alcuni o tutti i fattori precedenti? Inoltre, bisogna tenere conto che il valore dovrebbe essere compreso in termini quantitativi e qualitativi.

2) Ripensare i processi aziendali: non pensare solo che i miglioramenti incrementali siano la risposta quando una trasformazione potrebbe già essere in ordine. Mentre le capacità cognitive possono migliorare il modo in cui funziona un call center esistente, l’opportunità reale potrebbe essere l’abilitazione e l’aumento di una capacità “self-service” del cliente e successivamente l’eliminazione del processo di chiamata per determinati tipi di transazione.

3) Il “buy-in” organizzativo è la chiave del successo: l’IA arriva con una certa trepidazione -il mio lavoro sarà sostituito? Per far sì che tutti i livelli dell’organizzazione siano coinvolti in un percorso cognitivo, è meglio mostrare scenari a modo di esempio per spiegare come la capacità cognitiva possa sostituire, aumentare o migliorare i modelli di lavoro.

4) Definire anticipatamente un piano di azione: la visione di un nuovo modo di agire farà sì che le persone lavorino per un obiettivo comune, ma è anche importante fornire un valore incrementale lungo il percorso. I nostri progetti di maggior successo hanno posto l’esecuzione focalizzata nel contesto di una giornata più ampia.

5) Essere orientato verso l’utente con base nella tecnologia: l’era cognitiva si basa ancora di più sull’analisi del business per generare valore. I veri utenti aziendali dovrebbero far parte del team del progetto per comprendere il problema, valutare le potenziali soluzioni e verificare se il valore è stato consegnato. La maggior parte dei nostri migliori ragionamenti e innovazioni provengono da casi reali. Nei team più efficacemente bilanciati, l’utente è colui che guida, e il team tecnico lo assiste.

6) La formazione è continua: mentre passiamo da un’era programmatica e basata su regole a un’era probabilistica, l’allenamento diventa fondamentale e continuo. Ciò richiede la concentrazione da parte di un esperto in materia per effettuare revisioni periodiche e consolidare un modello, ma lo sforzo valdrà la pena perché fornirà maggiori livelli di fiducia e decisioni automatizzate.

7) Le capacità evolvono rapidamente: l’intelligenza artificiale è un’area in rapida evoluzione e vale la pena essere sempre aggiornato sulle ultime funzionalità per vedere come i casi d’uso esistenti o passati possono essere affrontati in modi nuovi ed avvincenti.

Nell’esperienza che abbiamo ottenuto grazie a diverse iniziative cognitive per i clienti, abbiamo incontrato spesso la stessa esigenza: “aiutami a trasformare il tempo in valore, e a mostrare un valore chiaro”. Comunque, molti dei passi iniziali nei processi di intelligenza artificiale implicano un o sforzo tra 4 e 8 settimane. Abbiamo ottenuto i migliori risultati quando le organizzazioni iniziano in piccolo, creano punti di prova e si espandono rapidamente. Questo è anche il motivo per cui è importante capire il percorso complessivo; in modo che i passaggi successivi al passo iniziale fluiscano rapidamente. Per aiutare a bilanciare il valore ed il tempo, oltre che la praticità, rispondiamo alle seguenti domande:

  • Qual è il problema aziendale che stiamo risolvendo? Un esempio potrebbe essere un call center nel quale si migliora la soddisfazione generale del cliente ottimizzando i costi.
  • Chi stiamo assistendo? L’agente o il cliente finale?
  • Cosa (o come) stiamo cercando di aiutarli? Stiamo migliorando l’accuratezza, la coerenza e la velocità delle risposte per il richiedente?
  • Da dove vengono i dati per risolvere il problema? Potrebbe essere una combinazione di dati strutturati provenienti da sistemi di amministrazione back-end, “policy” non strutturate e informazione sui prodotti e dati non strutturati disponibili esternamente che forniscono informazione approfondita sul settore.
  • Esiste un modello a seguire sufficiente per sostenere gli investimenti / le spese? È qui che entra in gioco la specificità: quanti agenti, quanto tempo riesci a ridurre le chiamate, in che momenti della telefonata si può ridurre il tempo impiegato, quante chiamate possono utilizzare il “self-service”?
  • Quali sono i Key Performance Indicator (KPI) che cambieranno grazie alla nuova soluzione? Aumenterà la soddisfazione del cliente, genererà nuove entrate, ridurrà il tempo di gestione delle chiamate, le transazioni numeriche, ecc.?

I progetti di IA sono in grado di fornire risultati unici che sono di natura trasformativa -quindi sono interessanti- ma hanno anche le loro trappole e devono essere affrontati in conseguenza. Inoltre, un progetto d’intelligenza artificiale è normalmente solo un passo all’interno della più ampia trasformazione digitale di un’azienda. Pertanto, è essenziale intraprendere il tuo viaggio con l’intelligenza artificiale con un team che non solo abbia le competenze necessarie, ma anche l’esperienza giusta per guidarti in modo sicuro attraverso il progetto ed oltre.

Buona fortuna con il tuo progetto di IA!


Evan Salop è attualmente Cognitive Practice Partner presso DXC.

Andrew Slapp è il Managing Partner di Emerging Solutions di DXC Technology ANZ.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out /  Change )

Google+ photo

You are commenting using your Google+ account. Log Out /  Change )

Twitter picture

You are commenting using your Twitter account. Log Out /  Change )

Facebook photo

You are commenting using your Facebook account. Log Out /  Change )

Connecting to %s

%d bloggers like this: