In occasione di Aws Reinvent a Las Vegas incontriamo Joel Minnick, head of product marketing AI, ML e deep learning di Aws. E’ l’occasione per approfondire alcuni degli annunci relativi all’utilizzo e allo sviluppo di ML e AI nell’ambito delle applicazoni per la customer experience.
Spiega Minnick: “In questo ambito per noi è mandatorio lavorare e sviluppare sulla base del feedback dei clienti. Non ha senso indirizzare sforzi che non possano trovare un riscontro sul mercato e il confronto diretto con i clienti è significativo perché oltre il 90% delle soluzioni poi sono generate sulla scorta delle loro indicazioni”.
Nasce così anche Sagemaker, nel catalogo Aws da circa due anni, come servizio completamente gestito per rimuovere le difficoltà nei passaggi d sviluppo dei modelli di machine learning, e a Reinvent se ne sottolinea il potenziamento avvenuto in questo intervallo di tempo, con l’aggiunta di oltre 50 “moduli”, tra cui l’annuncio relativo ad Autopilot. Si tratta di uno strumento in grado di dare precise informazioni su come è stato generato un modello di ML per poterlo riprodurre ed effettivamente governare.
“Il machine learning – prosegue Minnick – è da considerare effettivamente un ‘heavy process’, un processo pesante per le risorse (per l’addestramento dei modelli) che richiede e difficile. Poter fare tesoro di come è stato generato un modello, avere la capacità di riprodurlo all’occorrenza sono passaggi fondamentali, anche per poter conquistare la fiducia dei clienti, perché alimenta la percezione di affidabilità e controllo ed eventualmente la possibilità di re-training”.
Non solo, i clienti hanno portato all’attenzione di Aws la necessità di rendere utilizzabili questi strumenti anche a chi non dispone di competenze verticali elevate. Prosegue Minnick che conferma: “La carenza di skill è un vero problema. Tanti degli strumenti Sagemaker servono proprio per facilitare task impegnativi”.
Non bisogna dimenticare che partiamo da un’idea diffusa di AI e ML come di blackbox delle quali poter capire il funzionamento – agli inizi – rappresentava una sfida insostenibile per tanti clienti. Democraticizzarne l’utilizzo era certo un problema da affrontare.
Autopilot in questo ambito mantiene ampia la visibilità sul modello e permette anche di individuarne l’evoluzione nel tempo. Se il modello si rivela mediocre lo sviluppatore può contribuire alla sua evoluzione.
E’ possibile farlo perché Autopilot ispeziona i dati raw, seleziona i migliori set di algoritmi, fa il training di modelli multipli, li “sintonizza” e quindi permette di “valutare” il modello sulla base delle sue performance effettive, per poi fare il deployment. Soddisfa quindi le esigenze sia di chi ha un basso livello di competenze, sia di chi invece vuole lavorare sulle ontologiche per migliorarle.
Minnick: “In Aws, che ovviamente conta tra i primi clienti la stessa Amazon, abbiamo compreso che tra gli ambiti più immediati da indirizzare quello della customer experience è strategico, con un riscontro nelle varie industry importante. Ecco, in questo scenario Contact Lens rappresenta una novità importante”.
L’importanza dell’analisi dei dati nella relazione con i clienti è evidente, serve non solo per conoscerli, ma anche per comprendere il loro atteggiamento verso un’esperienza d’acquisto come verso un brand. Contact Lens permette l’analisi in tempo reale, abilitata dalle capacità di ML e AI del servizio, delle conversazioni tra i clienti e i contact center, anche per individuare sentiment e compliance in vista del raggiungimento degli obiettivi di customer engagement del brand.
Minnick: “Possiamo definire anche Contact Lens come servizio di contact center cloud gestito. Chi è deputato alla supervisione grazie a Contact Lens può rilevare subito eventuali temi chiave nella conversazione, i trend della conversazione, così come fare ricerche full text anche sulla trascrizione della sessione di chat per rilevare eventuali criticità e intervenire con una tempestività altrimenti non indirizzabile”.
Si tratta di un servizio che arriverà a metà del 2020, in lingua inglese, poi seguirà quella spagnola e le altre. Anche in questo caso Minnick sottolinea che “si tratta di uno strumento che non richiede competenze tecniche particolari ed è attivabile con pochi clic da Amazon Connect”.
Sollecitato sulle possibilità di accesso a questo tipo di tecnologie anche da parte delle piccole e medie aziende Minnick rimarca: “La soluzione è molto semplice da capire, anche se le tecnologie di riconoscimento del linguaggio naturale restano un ambito di azione complesso. Le aziende piuttosto devono partire indagando quale modalità di approccio vogliano tenere”.
E’ il metodo insomma che conta e avere le idee chiare, infatti Minnick prosegue: “Queste aziende per esempio dovrebbero capire prima di quali tipi di dati dispongono, cosa farne, per poi studiare, per esempio con i partner e i system integrator, come partire, con uno sforzo prima ancora che di customer experience di customer engagement, da cui innescare la raccolta di altre informazioni”.
I dati potranno anche essere utilizzati per generare delle ipotesi predittive. Il vantaggio di una soluzione di questo tipo, come della sfera tutta della proposta Aws, è proprio che in un modello di go to market impostato sull’idea Everthing as a Service, sono possibili anche casi di studio agili, che non richiedono impegni finanziari importanti, tanto meno costi Capex.
Allo stesso tempo si impone la riflessione su una proposta Aws sempre più pervasiva ambiti in cui operano altri vendor, con soluzioni specifiche. Tra questi per esempio Salesforce (che è anche partner di Aws) e Oracle.
Per saperne di più leggi tutto il reportage Aws Reinvent 2019
© RIPRODUZIONE RISERVATA
