LEARNING AS A SERVICE: TUTTI I VANTAGGI DI
UN’INFRASTRUTTURA
RED REPLY
AI E MACHINE LEARNING. Cosa sono e perché sono così importanti per il business? Si tratta di tecnologie che rendono macchinari e computer capaci di imparare ed evolvere sulla base dell’esperienza, alla stregua di quanto fanno gli uomini. Le due definizioni spesso sono utilizzate (impropriamente) come sinonimi. In realtà, si parla di intelligenza artificiale quando una macchina o un software simulano funzioni cognitive proprie dell’essere umano. L’auto apprendimento, invece, fa riferimento all’insieme di algoritmi e modelli di analisi che permette ai computer di imparare dai dati e migliorare la propria capacità di rispondere a bisogni o eseguire compiti attraverso l’esperienza. Una
distinzione ulteriore è, poi, quella del Deep Learning, in cui l’uso di algoritmi statistici all’interno di reti di computer permette di migliorare la capacità delle macchine di “comprendere” la lingua parlata o le immagini.
CLOUD AI E MACHINE LEARNING AS A SERVICE: TUTTI I VANTAGGI DI UN’INFRASTRUTTURA SCALABILE
CONTENUTI
Le principali applicazioni di AI, Machine e Deep Learning 4
AI e Machine Learning nella produzione 4
Bot e chatbot per migliorare il customer care 5
Autoapprendimento a sostegno delle attività di marketing 6
Un aiuto concreto per le HR 6
Anche supply chain è più efficiente 7
Deep learning e robot advisor, un aiuto concreto per banche e assicurazioni 7
RED REPLY
Intelligenza artificiale e auto
apprendimento sono destinati a impattare in modo deciso sul business nel prossimo quinquennio, come dimostra una ricerca recente (“Reshaping Business With Artificial Intelligence”) realizzata su un campione mondiale di 3mila business executive da The Boston Consulting Group e MITSloan Management Review.
Al momento, solo il 14% degli interpellati ritiene che queste tecnologie avranno un impatto più o meno significativo sul proprio business. Percentuale che sale in modo sensibile se si amplia l’orizzonte
temporale al prossimo quinquennio: per il 63% degli intervistati, infatti, AI e Machine Learning avranno un impatto grande o grandissimo sull’offerta di prodotti e servizi, in particolare nei comparti
tecnologia, TLC e media, servizi finanziari, servizi professionali, sanità, manifatturiero e utility. Le proiezioni di IDC, poi, ci dicono che già entro la fine del prossimo anno il 40% delle iniziative di trasformazione digitale impiegherà i servizi AI e che entro il 2021 il 75% delle App enterprise incorporerà l’intelligenza artificiale.
LE PRINCIPALI APPLICAZIONI DI AI, MACHINE E DEEP
LEARNING
AI E MACHINE LEARNING NELLA PRODUZIONE
L’apprendimento automatico è spesso integrato alle tecnologie IoT (Internet of
Things) nell’ambito delle strategie di Industria 4.0. Gli algoritmi di autoapprendimento permettono di far tesoro dei dati provenienti dai sensori posizionati lungo la linea di produzione per incrementare la resa dei processi industriali e ridurre gli scarti. Altro fronte di applicazione è quello che riguarda la manutenzione predittiva: l’integrazione dei database di Machine Learning con gli algoritmi di AI nelle piattaforme di Cloud Manufacturing sta diventando sempre più pervasiva. La possibilità di prevedere, sulla base dell’andamento della produzione, quando si dovrà intervenire per sostituire un pezzo soggetto a usura o cambiare un componente permette di ridurre al minimo i fermi non pianificati e aumentare l’efficienza complessiva degli impianti (OEE, Overall
Il cliente digitale, sempre connesso, richiede risposte in tempo reale. Nessun servizio di assistenza gestito attraverso metodi tradizionali – personale di contatto, e-mail – permette di soddisfare queste esigenze in modo puntuale. Oggi, però, è possibile attivare strategie di customer service automation che fanno perno sui bot. Queste applicazioni integrano algoritmi di intelligenza artificiale e autoapprendimento con tecnologie di elaborazione del linguaggio naturale (NPL) e, nel caso dei chatbot, con le applicazioni di instant messaging.
Permettono di interagire con il cliente
dandogli la sensazione di parlare con un operatore vero, non con un robot.
Questi moderni concierge scansionano e rielaborano tutto lo storico delle azioni compiute dall’interlocutore in passato – cosa ha acquistato, come ha pagato, quali servizi ha utilizzato – e gli offre risposte immediate e personalizzate.
Se correttamente integrato con il CRM, poi, il bot è in grado anche di suggerire l’acquisto di prodotti o la sottoscrizione di servizi aggiuntivi come assistenza post- vendita, e assicurazione.
BOT E CHATBOT PER
MIGLIORARE IL CUSTOMER
CARE
RED REPLY
Le tecnologie basate sull’AI sono già ampiamente utilizzate all’interno dei
sistemi di recommendation, i suggerimenti del tipo “chi ha acquistato questo ha acquistato anche…” forniti a chiunque ricerchi informazioni su un prodotto, un servizio, una meta turistica su Internet. Ma l’aspetto forse più promettente di queste tecnologie è quello legato alla cosiddetta
“vista unica” del cliente utile per migliorare
l’engagement e la fidelizzazione. Quello che si profila all’orizzonte è un nuovo CRM multistrutturato, che fa leva sulle analitiche avanzate e gli insight per rendere più efficaci le strategie di cross e upselling, migliorare la retention (abbattendo, quindi, il famigerato churn rate, il tasso di abbandono), gestire in modo più oculato la fedeltà al brand e ottimizzare le campagne di marketing.
AUTOAPPRENDIMENTO A
SOSTEGNO DELLE ATTIVITÀ DI MARKETING
Le funzionalità di “intelligenza” trovano applicazioni concrete e utili nelle attività di matchmaking e gestione dei talenti.
L’AI semplifica la vita dei selezionatori:
permette, infatti, di scansionare grosse quantità di curriculum e incrociare i dati in essi contenuti con le caratteristiche del candidato ideale. Compiti ripetitivi e time-consuming potranno, quindi, essere delegati a un software e il team delle risorse umane potrà dedicarsi ad
appositamente programmati. Nelle grandi aziende, poi, questi nuovi approcci
tecnologici permettono di attuare una gestione più efficiente dei talenti. Gli algoritmi di AI sapranno anticipare gli organigrammi ideali per gli anni a venire.
L’azienda sarà, così, in grado, di pianificare in modo più accurato i percorsi di carriera, quelli di formazione e acquisizione di nuovi talenti cautelandosi contro il rischio di skill shortage.
UN AIUTO CONCRETO PER LE
HR
L’applicazione degli algoritmi di
intelligenza artificiale ai dati provenienti dalla produzione, dalle vendite, dagli acquisti e dal magazzino e la loro
integrazione con quelli macroeconomici relativi per esempio all’andamento del costo delle materie prime sui mercati
internazionali permettono all’azienda di migliorare la gestione della catena della fornitura. Sarà possibile, quindi, prevedere sempre la quantità ottimale di giacenze, quella che permette di minimizzare il capitale investito nelle scorte di magazzino, utile a supportare
ANCHE SUPPLY CHAIN È PIÙ EFFICIENTE
DEEP LEARNING E ROBOT ADVISOR, UN AIUTO
CONCRETO PER BANCHE E ASSICURAZIONI
L’intelligenza analitica è utilizzata anche dalle istituzioni finanziarie per ridurre
assicurazioni a implementare strumenti di AI che permettono di personalizzare le
RED REPLY
INTELLIGENZA ARTIFICIALE
PER MIGLIORARE LA QUALITÀ
Le costrizioni e i vincoli infrastrutturali sono in cima alle preoccupazioni dei CIO che stanno valutando un progetto di AI. Lo dimostrano le evidenze della ricerca “State of Artificial Intelligence for Enterprises” condotta lo scorso anno da Vanson Bourne su un campione di 260 decisori IT di grandi e grandissime aziende globali. L’80% degli intervistati ha già implementato l’AI e il 30% intende aumentare gli investimenti in queste tecnologie nei prossimi 3 anni.
Tuttavia, per ben 4 aziende su 10
il principale ostacolo ai progetti di intelligenza artificiale. A seguire (34%), la difficoltà di reperire i giusti talenti (leggasi data scientist), l’immaturità delle tecnologie (33%) e le limitazioni di budget (30%). AI e machine learning non esisterebbero senza il Cloud. L’accesso a questi servizi unito alla disponibilità di risorse di calcolo e memorizzazione scalabili abilita modelli di business più intelligenti e innovativi. L’infrastruttura abilitante è una componente essenziale, uno dei pilastri fondamentali di una strategia inclusiva dell’AI. A tendere,
QUAL È L’INFRASTRUTTURA IDEALE PER L’AI?
Le attività di sviluppo potranno essere indirizzate nell’ottica di migliorare l’usabilità, l’intuitività, il design e le funzionalità tecniche di un prodotto o di un macchinario complesso grazie all’AI.
I cicli di go-to-market sono sempre più accelerati ed è fondamentale, quindi, abbandonare il tradizionale approccio
sequenziale per abbracciare un modello di sviluppo più fluido. Le funzionalità sviluppate potranno essere riviste in modo dinamico e istantaneo sulla base dei problemi di sicurezza o delle difficoltà d’uso ipotizzate dai modelli di AI, senza dover attendere l’esito di test o prove pratiche.
MAGNI DOLO EOPQUIS
Neque porro quisquam est, qui dolorem ipsum quia dolor sit amet, consectetur, adipisci velit, sed quia non numquam eius modi tempora incidunt ut labore et. Nemo enim ipsam voluptatem quia voluptas sit aspernatur aut odit aut fugit, sed quia consequuntur. Magni dolores eos qui ratione voluptatem. Sequi nesciunt.
LOREM IPSUM DOLOR SIT AMET
Nemo enim ipsam voluptatem quia voluptas sit aspernatur aut odit aut fugit, sed quia consequuntur.
Magni dolores eos qui ratione voluptatem. Sequi nesciunt.
Neque porro quisquam est, qui dolorem ipsum quia dolor sit amet, consectetur, adipisci velit, sed quia non numquam eius modi tempora incidunt ut labore et.
Piattaforme di Cloud machine learning (come Oracle Machine Learning) e servizi di Cloud AI (come Oracle AI Platform Cloud Services) mettono a disposizione dell’azienda, e in particolare dei suoi data scientist, potenti ambienti di simulazione, intelligenza artificiale e autoapprendimento nella nuvola utilizzabili a consumo, grazie a modelli di offerta pay-per-use. I data scientist hanno a disposizione strumenti pre-configurati e già testati di machine learning, oltre ai più comuni framework e librerie utili per sperimentare gli algoritmi di intelligenza artificiale da applicare alle fonti dati aziendali per creare applicazioni che poggiano sul PaaS di Oracle.
Fondamentale nello sviluppo di questi progetti, è la consulenza di un partner fidato, che permetta all’azienda di mettere a terra da subito i benefici di AI e machine learning. Red Reply è la società del
gruppo Reply specializzata in consulenza e servizi di design, implementazione e gestione di soluzioni basate su Oracle IaaS (Infrastructure as a Service) e PaaS (Platform as a Service). I clienti di Red Reply e Oracle Cloud possono contare sulla potenza di fuoco di centinaia o migliaia di CPU disponibili in pochi minuti per creare ambienti di simulazione
e auto apprendimento sostenuti da un’infrastruttura performante e sicura.
UN AIUTO CONCRETO PER I
DATA SCIENTIST
RED REPLY è la società del gruppo Reply specializzata in servizi di consulenza, progettazione e implementazione di soluzioni basate su tecnologia Oracle (IaaS e PaaS). Attraverso i continui percorsi di certificazione, partecipazione a Beta Program e a iniziative di co-development con Oracle Corporation, Red Reply persegue un processo di costante innovazione per garantire ai suoi clienti un supporto qualificato. Grazie alle competenze acquisite, Red Reply affianca i suoi clienti nelle fasi del processo di trasformazione dei sistemi informativi, dal disegno alla realizzazione di soluzioni innovative basate su tecnologia Oracle.
