La crescita del mercato legato alle tecnologie di intelligenza artificiale si fa sentire anche in Italia e in linea con il resto del mondo. Con il termine si intende identificare le più avanzate soluzioni di interazione uomo-macchina, macchina-macchina e macchina-ambiente, basate su reti euristiche che, nel corso del tempo, apprendendo dal comportamento umano, sviluppano nuovi modelli decisionali e comportamentali fondati sull’esperienza concreta.
Nell’ultimo triennio fotografato da NetConsulting cube per Anitech-Assinform, il mercato delle soluzioni di artificial intelligence e cognitive computing – inteso come il prodotto delle teorie e dello sviluppo delle tecnologie AI – è cresciuto al tasso medio annuo del
61,4%, raggiungendo il valore di 79,8 milioni di euro nel 2017 e registrando un incremento del 58,7%. Le previsioni leggono una crescita percentuale anno su anno del 48% (2019 su 2018) e del 44,8% (2020 su 2019), per un valore complessivo di 267,3 milioni di euro nel 2020, e 184,6 milioni di euro già nel 2019.
Questo grazie al mondo enterprise, che sempre più spesso implementa soluzioni di machine e deep learning, comprensione ed elaborazione del linguaggio naturale, riconoscimento di voce e testo, e tecnologie di computer vision.
Intelligenza artificiale, dov’è?
Un ambito in cui l’intelligenza artificiale è già parte integrante di sistemi in produzione
è la customer care e in generale la gestione della relazione con il cliente sui canali digitali, dove tecnologie cognitive basate sul riconoscimento del linguaggio naturale (natural language processing) attraverso speech e text recognition consentono di ottimizzare la gestione dei contact center e di massimizzare l’esperienza utente. Strettamente legato all’esigenza di ridurre i costi di attività ripetitive e che richiedono dispendio di risorse umane, è l’utilizzo di soluzioni di robot process automation.
Si tratta di applicazioni di intelligenza artificiale che, imitando le azioni compiute da un essere umano, automatizzano compiti basati su regole definite e che non richiedono alcuna valutazione/decisione.
La declinazione delle tecnologie cognitive che ad oggi risulta più matura concerne
gli algoritmi di machine learning, che consentono ai sistemi di apprendere ed
eseguire un’azione senza essere preventivamente programmati, con un progressivo
miglioramento dei risultati.
Lo spettro delle applicazioni nei contesti aziendali è molto ampio. Nel mondo finance, il settore in cui si registrano le maggiori attività progettuali, il machine learning trova applicazione nelle aree del fraud e del risk management, della customer intelligence e dell’antiriciclaggio.
AI spinge Industria 4.0
Spinto dai provvedimenti Industria 4.0 comincia a diventare rilevante l’applicazione di robotica e intelligenza artificiale a processi a elevato utilizzo di capitale umano,
soprattutto per attività ripetitive o prevedibili, con significativi miglioramenti
nella qualità e nell’efficienza.
Dai processi di manutenzione e di supporto ai clienti, automazione e intelligenza si stanno progressivamente estendendo ai processi core e più strategici con dati e analisi in tempo reale generati da dispositivi e sensori localizzati e interconnessi per accompagnare, dal punto di vista industriale, tutte le fasi di produzione e distribuzione di beni o di servizi e, dal punto di vista personale, le nostre attività nel tempo libero/sportive.
Alcuni numeri: i percorsi di adozione degli abilitatori digitali seguono le traiettorie maestre e intensità a parte, gli investimenti in questa direzione mostrano per l’Italia traiettorie comuni ai trend mondiali: big data, con 0,8 miliardi di euro nel 2017 e un Tcma 2017-2020 del 15,9%, in progressione alla fase più matura di adozione in molte aziende che, dopo la realizzazione dei data lake, incominciano a strutturare e definire le strategie di big data analytics per ottenere valore dai dati. Contestualmente quindi si inizia a investire anche sul machine learning applicato ai big data per verificare correlazioni tra dati (spesso di natura interfunzionale e difficilmente codificabili ex-ante) e generare nuove informazioni.
Modelli predittivi
In generale, le applicazioni si focalizzano sull’adozione di modelli predittivi, per esempio per le previsioni di vendita, la calibratura di campagne di marketing, la programmazione della manutenzione di impianti e macchinari, l’erogazione di offerte personalizzate e aderenti alle esigenze della customer base (motori di recommendation), la gestione di inventari e magazzini, le attività esplorative oil & gas.
Applicazioni già sul campo si sono fatte notare anche nella sanità per la diagnosi di patologie.
Intanto, per la vita delle persone si sta sviluppando la precision medicine, cioè di trattamenti disegnati sulle specifiche esigenze e caratteristiche di ogni paziente, dove la tecnologia digitale è l’abilitatore più rilevante.
Ulteriore impulso a questo sviluppo sarà dato dalla generazione di nuovi data
set che con il machine learning “alleneranno” le macchine a decidere su processi sempre più complessi.
Nell’ambito delle tecnologie cognitive rientrano le tecnologie di natural language
processing and understanding, come per esempio quelle degli assistenti virtuali e
dei chatbot, che trovano applicazione nelle funzioni di customer care e di supporto al cliente, e anche all’interno di strumenti di knowledge management aziendale,
di help desk a supporto delle funzioni interne o per attività di community
management e branding.
Rientrano nell’ampio perimetro dell’artificial intelligence, appunto, i sistemi di riconoscimento vocale, spesso utilizzati nei contesti dei contact center – banche, utility e operatori di telefonia – e le tecniche di computer vision, ovvero di riconoscimento immagini a supporto sia di attività diagnostiche in ambito healthcare, che di identificazione di persone e oggetti in materia di sorveglianza e di veicoli a guida autonoma. Nel mondo bancario, inoltre, è diffusa l’adozione di soluzioni di robotic process automation.
Si tratta di programmi in grado di eseguire task ripetitivi sulla base di regole e input specifici, liberando gli addetti da funzioni routinarie e dispendiose di tempo-uomo, a tutto vantaggio dell’efficientamento delle attività di back office.
Cresce l’interesse a questi i sistemi anche da parte del mondo enterprise in generale, per velocizzare e ottimizzare l’operatività di alcune funzioni basiche in ambito finanziario.
Gli algoritmi di intelligenza artificiale, abbinati alla realizzazione di architetture di
big data, sono anche adottati per attività di predictive analysis e di treath intelligence in ambito cybersecurity. In questi ambiti esse consentono di migliorare in misura significativa la prevenzione delle minacce, a partire dall’analisi degli incidenti avvenuti.
È il caso degli intelligent security system, basati su machine learning e intelligenza artificiale, che adattano dinamicamente i tool di difesa alle minacce, delle soluzioni di endpoint detection and response (Edr), dei tool di network traffic analysis (Nta), della threat intelligence e delle soluzioni di real-time change auditing.
AI e machine learning, le applicazioni trasversali
In ragione dell’amplificarsi dello spettro di applicazioni per machine e deep learning, natural language understanding e processing, text e voice recognition, e tecnologie di computer vision si amplificheranno i modelli applicativi trasversali. Vediamo come. Già oggi i servizi finanziari registrano fermento progettuale, con l’applicazione del machine learning a fraud e risk management, customer intelligence antiriciclaggio e con soluzioni di robotic process automation per le funzioni routinarie di backoffice.
Crescono anche campi di applicazione trasversali a tutti i settori: marketing personalizzato, manutenzione automatizzata e predittiva, modelli predittivi di vendita e di logistica o verticali (dall’esplorazione in campo energetico alle diagnosi di patologie) e
così via sino al natural language processing (Virtual Assistant e Chatbot) per
help desk e Community Management.
© RIPRODUZIONE RISERVATA
