Il 2023 sembra destinato a essere un anno di svolta per l'intelligenza artificiale (IA) e il machine learning (ML). Alcuni osservatori di settore prevedono che le recenti scoperte nel campo dell'IA potrebbero determinare una nuova rivoluzione nella società, alla stregua della rivoluzione industriale, dell'invenzione di Internet o dell'avvento dello smartphone. Tuttavia, il 2023 non rappresenta l’anno in cui l'IA è stata inventata, bensì quello in cui è diventata virale grazie alla tecnologia ChatGPT di OpenAI.
Molti settori fanno uso dell'IA da decenni, il che fa sorgere la domanda: quali sono alcuni casi d'uso comuni dell’IA/ML? Quali sono i casi d'uso che i leader aziendali e dell'IT dovrebbero tenere in considerazione per elaborare una strategia olistica di automazione dei processi?
Perché l’IA/ML è importante?
Before we go further, let’s define some of these terms. Artificial intelligence refers to computer systems that mimic human thought and decision making. Machine learning algorithms use mathematical formulas to learn from data sets and perform tasks better over time.
While generative AI tool ChatGPT has received much buzz this year, it’s far from the first widespread AI use case. For example, finance and investment trading organizations were early adopters of AI/ML capabilities, using AI/ML to decide when to buy or dump assets on the stock market and other exchanges (otherwise known as high-frequency trading). Other industries have also made widespread use of AI—from the healthcare sector to manufacturing to utilities—and we expect that adoption will only continue to grow.
L’implementazione dell'IA non compromette necessariamente la privacy dei dati. Scopri perché con l'eBook: Implementazione dell’IA privata: una guida pratica.
Prima di proseguire, definiamo alcuni di questi termini. L'intelligenza artificiale indica sistemi informatici che simulano il pensiero e il processo decisionale umano. Gli algoritmi del machine learning utilizzano formule matematiche per apprendere da set di dati e col tempo svolgere meglio delle attività.
Sebbene lo strumento di IA generativa ChatGPT abbia suscitato molto clamore quest'anno, è ben lungi dall'essere il primo caso d'uso generalizzato dell'IA. Ad esempio, le organizzazioni che si occupano di finanza e investimenti sono state tra le prime ad adottare le funzionalità dell'IA/ML per decidere quando acquistare o vendere asset sul mercato azionario e su altre borse (altrimenti noto come trading ad alta frequenza). Anche altri settori, da quello sanitario al manifatturiero, fino alle utility, hanno ampiamente adottato l'IA e ci aspettiamo che il suo utilizzo continui a crescere.
Sette casi d'uso dell’IA/ML da considerare
Esaminiamo alcuni interessanti casi d'uso in continua crescita.
1. Elaborazione dei documenti
La maggior parte delle organizzazioni sono sommerse da documenti. Le aziende trascorrono molto tempo ad elaborare documenti, come assegni cartacei, fatture elettroniche o scansioni di codici a barre. L’intelligent document processing (IDP), ovvero l’elaborazione intelligente dei documenti, consente alle aziende di estrarre dati da molti documenti senza troppo lavoro manuale. In questo modo, le organizzazioni realizzano notevoli risparmi in termini di tempo, lavoro e denaro. Inoltre, questo processo riduce il rischio di eventuali errori umani legati alla scrittura manuale dei documenti.
2. Monitoraggio delle frodi finanziarie
Uno dei temi più diffusi in merito all’AI/ML riguarda il rilevamento delle anomalie all'interno dei set di dati. Utilizzando un insieme di dati per l’addestramento dell'intelligenza artificiale, questa è in grado di sviluppare una base di comportamenti. Quando qualcosa esce dalla norma, ossia si verifica un'anomalia, il sistema può segnalarlo per un'ulteriore analisi. Gli istituti finanziari utilizzano il rilevamento delle anomalie durante la fase fondamentale della conoscenza del cliente, il processo Know Your Customer (KYC), per individuare così transazioni fraudolente o furti di identità. Ad esempio, se la carta di credito di una persona evidenzia un acquisto di entità rilevante in un Paese diverso da quello di residenza del titolare e contemporaneamente viene effettuato un acquisto nella sua città, l'azienda potrebbe bloccare la carta e verificare che l'acquisto sia stato eseguito dal titolare della carta.
3. Approvazione del rischio di credito e di prestito
Gli istituti del settore finanziario possono fare ampio uso delle funzionalità dell’IA/ML per comprendere meglio l’affidabilità creditizia e i rischi di un prestito di denaro. L'intelligenza artificiale è in grado di analizzare molteplici dati, come le informazioni creditizie, l'utilizzo del credito ed i rendiconti finanziari, per capire se è sicuro dare credito ad un potenziale beneficiario di una carta di credito, un mutuo o un prestito aziendale. Inoltre, nel tempo, l'IA è in grado di eseguire l’analisi di dati per individuare potenziali schemi di rischi di insolvenza che potrebbero passare inosservati agli analisti umani. Questo non solo riduce il rischio, ma consente anche ai funzionari dei prestiti e ai sottoscrittori di elaborare le richieste in modo molto più efficiente.
[Quale futuro devono aspettarsi gli istituti finanziari in materia di compliance normativa e che ruolo avrà l’IA/ML in questo contesto? Leggi anche: Il futuro della compliance normativa nel KYC: 4 tendenze da considerare. ]
4. Imaging medico e diagnostica
Un'area interessante in cui si osserverà un aumento dell’uso dell'AI/ML è il settore sanitario. Ad esempio, i professionisti dell'imaging medico, come i radiografi e gli ecografisti, ricorreranno maggiormente all'intelligenza artificiale per individuare eventuali problematiche nelle scansioni mediche dei pazienti. L'utilizzo di macchine per scovare potenziali problemi, unito all’interpretazione dei risultati da parte di un tecnico, può fornire risultati più precisi dell’impiego dell'occhio umano. Inoltre, con le informazioni sui sintomi fornite dai pazienti ai medici, l'intelligenza artificiale potrà diagnosticare malattie e persino potenzialmente consigliare trattamenti.
5. Servizio clienti
Uno dei casi d'uso più interessanti dell'IA/ML riguarda il servizio clienti. I chatbot possono utilizzare l'elaborazione del linguaggio naturale (NLP, Natural Language Processing) per rispondere alle richieste dei clienti e avviare altri flussi di lavoro sul backend per aiutare a risolvere i problemi dei clienti. Ad esempio, il chatbot potrebbe elaborare rimborsi di piccola entità o creare risposte via e-mail da sottoporre a controllo da parte degli operatori umani del servizio. Questo comporta un notevole risparmio di tempo nelle attività quotidiane degli operatori del servizio assistenza e determina un miglioramento della customer experience, il che, sul lungo termine, si traduce in una maggiore soddisfazione dei clienti per le aziende.
6. Previsione nel settore energetico
Le utility hanno lavorato per decenni alle reti elettriche intelligenti. Dispositivi come i contatori intelligenti aiutano le aziende ad elaborare piani in considerazione degli orari di picco di utilizzo. L'intelligenza artificiale e il machine learning possono analizzare dati storici come l'utilizzo dell'energia, i modelli meteorologici e altre variabili per prevedere meglio la domanda. Questo aiuta gli operatori delle utility a prevedere l'uso dell'energia e ad aumentarne l’erogazione al crescere della domanda senza sovraccaricare il sistema (o li aiuta a prepararsi a interruzioni).
Inoltre, questa nuova tecnologia svolge un ruolo importante nelle iniziative a favore della sostenibilità, in quanto l'intelligenza artificiale può contribuire a ottimizzare l'efficienza energetica, il suo utilizzo e i modelli di distribuzione, prevedendone anche gli sprechi. Ciò contribuisce a ridurre i costi sia per le utility che per i clienti industriali e residenziali.
7. Gestione della supply chain
Gli ultimi anni hanno messo in evidenza la fragilità delle supply chain globali. La pandemia da COVID-19 ha stravolto la tipica domanda/offerta, portando a picchi in alcune aree e a flessioni in altre. Prevedere la domanda solo sulla base dei dati storici è difficile: oggi, i responsabili devono utilizzare metodi di previsione più sofisticati per la gestione della supply chain.
Le funzionalità dell’IA/ML consentono ai professionisti della supply chain di prevedere meglio la domanda utilizzando dati in tempo reale su più punti dati ed evitare così carenze di scorte. L'intelligenza artificiale è utilizzabile in questo settore per svolgere compiti come la determinazione dei prezzi, la previsione di modelli meteorologici e delle rotte per le navi ed i trasporti e la creazione di reti di supply chain più reattive con i loro fornitori e partner.
Le funzionalità dell’IA/ML sono in continua evoluzione
Vuoi saperne di più su come puoi utilizzare l'IA/ML per la strategia di automazione complessiva e quale futuro si prospetta per queste tecnologie? Per scoprire di più sulle tendenze emergenti nel campo dei dati e dell'automazione, puoi consultare il rapporto di Gartner® sulle tendenze dell'iperautomazione nel 2022.
Deploying AI doesn't have to come at the cost of data privacy. Learn why with the eBook: Implementing Private AI: A Practical Guide.
AI/ML capabilities keep evolving.
Want to learn more about how AI/ML fits into your overall automation strategy and what’s on the horizon for these technologies? To delve into emerging data and automation trends, get the Gartner® Emerging Tech Impact Radar: Hyperautomation.
