Composite AI: l’approccio Lego applicato all’analisi dei dati

Paolo Costa composite AI analisi dei dati

Condividi questo post

Share on facebook
Share on linkedin
Share on twitter
Share on email

L’intelligenza artificiale a supporto dei processi decisionali rende più efficiente il decision making, elemento fondamentale di ogni impresa, in contesti complessi in cui è difficile prendere decisioni. Il paradosso dei manager è nella grande disponibilità di dati ma nella difficoltà di decodificazione della realtà, traducendo i dati in conoscenza utile. L’AI aiuta a colmare il gap, trasformando i dati in conoscenza utilizzabile.

La composite AI serve per il decision making in relazione a un contesto di business, creando modelli industry-related, molto specifici, come retail o trasporti.

L’ottimizzazione dei flussi logistici è importante in molti settori, per portare la quantità giusta di merce nel posto giusto al momento giusto. I moduli di revenue intelligence identificano le soluzioni migliori per l’ottimizzazione dei diversi processi in funzione di un certo obiettivo. I modelli di riassorbimento e di analisi sono cambiati, e ci siamo accorti che uno solo non è sufficiente. Quindi abbiamo iniziato ad applicare l’approccio della Composite Artificial intelligence: abbinare diverse tecniche di AI e analisi, ottenendo una rappresentazione più puntuale della realtà. I dati dicono più cose e aiutano a fare previsioni più accurate.

I clienti di oggi sono cambiati, e il mondo delle tecnologie lo è a sua volta. La tecnologia è sempre di più comprata dai responsabili del business, e meno da CEO e CTO, quindi con un focus maggiore sulla risoluzione dei problemi rispetto alla tecnologia. Si tratta di un problema di comunicazione: dobbiamo fare capire perché risolviamo i problemi.

Gli algoritmi prendono i problemi e li trasformano in modelli matematici, grazie ai dati. Quindi sì, è importante risolvere i problemi, ma anche avere una tecnologia e un expertise che conceda di produrre in tempo reale output di valore.

Osare con i processi innovativi in un nuovo mercato e in un nuovo business significa cambiare, e non rimanere mai uguali a se stessi. Dobbiamo essere flessibili, disimparare ciò che sapevamo e imparare sempre cose nuove in tempi brevissimi. Osare significa mettere in discussione le proprie convinzioni ed evolversi in un processo continuo.

Anche l’intelligenza artificiale cambia, i dati si accumulano e cambiano lo scenario, cambiando prospettiva.

Inoltre, nel concetto di evoluzione, è anche importante conoscere e riconoscere i limiti del machine learning e dell’AI, ma che si può risolvere integrando altre tecnologie come l’AI simbolica. Noi insegniamo all’intelligenza artificiale, ma poi accumula e rielabora i linguaggi che impara nel tempo, quasi come un bambino. Nel contesto industriale, l’errore nell’apprendimento dipende da una mancata cura nel sistema che tiene insieme l’essere umano e la macchina, in una comunicazione errata o in aspettative disattese.

Le previsioni, per definizione, saranno sempre sbagliate. Lo scopo dell’intelligenza artificiale è ridurre il margine di errore, rendendolo ragionevole, e rendendo così possibile prendere una decisione ponderata sui dati.

L’analisi predittiva è utile perché si basa su dati sempre nuovi che si accumulano, alterando le previsioni in base alle informazioni che arrivano costantemente. 

Il nostro ospite – Paolo Costa

Paolo Costa è Founding Partner and Chief Marketing & Communications Officer di Spindox.

I LiveTalk di Ghostwriter AI

I nostri LiveTalk sono un incontro settimanale in cui parliamo con un/a professionista di come sia possibile osare per innovare nei diversi ambiti del business, e di come l’Intelligenza Artificiale può aiutare i processi.

Altro da leggere

Time for Innovation

Where are you from?