a quando ChatGpt ha fatto irruzione nel nostro quotidiano (e qualcuno ci si cimenta per creare testi, immagini e persino video a basto costo) non si parla d’altro. Ma non c’è solo ChatGpt, anche se sono poche, pochissime, le imprese che hanno capito che utilizzando come base i propri dati aziendali, grazie all’intelligenza artificiale generativa è possibile estrarne il massimo valore per trasformare ogni insight in occasione di business. «Ciò che conta è che ci siano basi di dati perché sono quelle da cui si parte per allenare gli algoritmi; in caso contrario possono essere generati dei database  in relazione agli obiettivi preposti», spiega a Economy Paolo Brera, executive director – certificato Mit in Data Science e Machine Learning – di disruptiveS, agenzia nata un anno fa proprio per accelerare la maturazione delle piccole e medie aziende aiutandole ad approfondire e a sfruttare le dirompenti potenzialità offerte dai più avanzati strumenti di AI e machine learning. «ChatGpt ha democratizzato l’utilizzo dell’intelligenza artificiale con una capacità di calcolo che fino a ieri non era accessibile a nessuna impresa, mentre oggi è a disposizione di ogni azienda che vuole applicarla a aree aziendali e di business di svariata natura. L’intelligenza artificiale aiuta a non compiere più delle scelte “di pancia”: ho visto crollare diverse Pmi su previsioni sbagliate. Ma con una base dati strutturata, il machine learning aiuta a individuare i pattern in un lasso di tempo brevissimo e a compiere decisioni che possono migliorare a 360 gradi i processi aziendali. Quando i pattern li vede l’umano, è già troppo tardi».

un tool per ogni evenienza

Le aree in cui si possono migliorare i processi aziendali comprendono l’amministrazione, le risorse umane, la logistica, la gestione del catalogo, la previsione della domanda, le vendite, il marketing, l’e-commerce, il customer care e l’analisi interna di documenti per l’estrapolazione di informazioni. Ma se le grandi aziende possono rivolgersi alle multinazionali della consulenza, che sono in grado di identificare quali processi avviare per affrontare questo cambio di paradigma tecnologico, le piccole e medie imprese si trovano un po’ spaesate: secondo l’Istituto nazionale per l’analisi delle politiche pubbliche (Inapp) l’implementazione dell’IA è pari all’1,5% nelle piccole aziende con meno di 50 dipendenti e sale fino al 12% nelle aziende con oltre 250 dipendenti, e la percentuale varia dal 7%, se si guarda al comparto dei servizi ad alta tecnologia, al misero 1,2% nei servizi meno qualificati. Non solo: stando al rapporto di McKinsey di gennaio 2024, le aziende con alta maturità digitale e AI superano i concorrenti, massimizzando i profitti e ottenendo un aumento fino al 10-20% dell’Ebit in due o tre anni dalla digitalizzazione: le aziende con alto grado di maturità digitale e che sfruttano l’Intelligenza Artificiale non solo superano i concorrenti, ma riescono anche a creare nuove opportunità di business. Morale: se le aziende vogliono rimanere competitive nel mercato, devono investire nella digitalizzazione e nelle tecnologie IA.

Paolo Brera

Gli strumenti non mancano «e non riguardano solo i chatbot basati su ChatGpt e simili», rimarca Brera, «ma comprendono anche IA specifiche per gestire flussi di lavoro, ottimizzare processi e attività legate al mondo delle vendite, oltre a strumenti di analisi predittiva utile a suggerire decisioni strategiche. Le Pmi potrebbero sfruttare l’intelligenza artificiale per esempio per la definizione dinamica dei prezzi, basata su tecniche di machine learning, cruciale per migliorare ricavi e rendimenti nel settore e-commerce». Amazon lo fa già da un pezzo, offrendo sconti ed offerte in tempo reale. «Anche la previsione della domanda e la gestione delle scorte sono cruciali per e-commerce e negozi retail per mantenere un equilibrio tra domanda e inventario», rimarca Brera: «Avere prodotti in eccesso può causare perdite, mentre la mancanza di scorte può danneggiare l’esperienza del cliente e la reputazione del brand». Quanto alle applicazioni, c’è solo l’imbarazzo della scelta. Tra quelle “a portata di Pmi” (anche sotto il profilo dei costi), l’executive director di disruptiveS segnala Google Cloud AI, che permette tra le varie soluzioni di riassumere documenti con l’IA generativa: «Questo vuol dire poter gestire automaticamente tutti i documenti Pdf della propria azienda: contratti, fatture, report, senza doverli leggere uno per uno. Caricando dei Pdf su un cloud storage online, il sistema non solo legge il testo, ma crea anche un riassunto di ciò che è importante. Questi riassunti vengono poi salvati in un database, dove possono essere cercati e visualizzati facilmente quando serve. È come avere un assistente virtuale che organizza e sintetizza tutti i propri documenti automaticamente». Brera segnala anche quello che fino a ieri si chiamava Google Analytics e oggi GA4: «al suo interno ha un modello di attribuzione data driven basato su algoritmi di machine learning, che permette di comprendere al meglio il peso di ogni singolo canale nel percorso di conversione ». A proposito di assistenti: c’è anche l’Ibm Watson Assistant, che permette di lanciare un assistente virtuale, come un chatbot, facile da integrare nei canali esistenti, senza dover modificare la propria infrastruttura tecnologica. «Questo assistente virtuale, potenziato dall’intelligenza artificiale, comprende richieste complesse e gestisce conversazioni naturali, migliorando l’esperienza dei clienti fornendo supporto in real time h/24 per qualsiasi tipologia di business».

Poi c’è Azure AI Search, una piattaforma avanzata di recupero informazioni: «progettata per scalare indipendentemente dalla dimensione dell’impresa, consente di indicizzare e cercare grandi volumi di dati, garantendo un’esperienza di ricerca ottimale. Grazie a questa tecnologia, le aziende possono facilmente navigare attraverso set di dati complessi, migliorando l’efficienza e l’accessibilità delle informazioni senza la necessità di gestire infrastrutture complicate. Ad esempio un’azienda di e-commerce può sfruttare l’IA per migliorare la ricerca dei prodotti nel catalogo e consigliare ai clienti prodotti cui potrebbero interessati in base alle preferenze individuali, mentre una di software può utilizzarla per automatizzare il processo di gestione delle richieste di assistenza». Ancora a proposito di e-commerce, «Amazon Forecast offre soluzioni per ottimizzare le previsioni di vendita e gestione dell’inventario nel settore retail, permettendo di ridurre gli sprechi e migliorare la rotazione delle scorte attraverso analisi predittive», spiega Brera. «Inoltre, facilita la pianificazione della forza lavoro, prevedendo le esigenze del personale con maggior precisione per adattarsi ai picchi di domanda».

Tra gli strumenti, Brera suggerisce anche Tableau, integrato con l’intelligenza artificiale di Einstein Discovery: «trasforma i dati in previsioni e consigli d’azione comprensibili, aiutando a prendere decisioni migliori basate su analisi predittive, direttamente da una dashboard intuitiva. È come avere un esperto di dati a disposizione che guida verso le scelte più informate per il proprio business. Banche e istituzioni finanziarie, per esempio, possono usare questi tool per segmentare e personalizzare la clientela, identificando preferenze, comportamenti ed esigenze unici, gestire i rischi, analizzando lo storico e i modelli di transazione per identificare comportamenti sospetti, transazioni insolite o potenziali indicatori di frode e prevedere la probabilità di abbandono dei clienti, che può essere contrastato con misure proattive ad hoc, come campagne di fidelizzazione mirate, offerte personalizzate, miglioramento del servizio o dei prodotti».

E che dire di Custom Gpt, nello store ufficiale di di OpenAI? Sviluppa versioni specializzate di ChatGpt per soddisfare le esigenze specifiche di ogni business: «Questo approccio apre la porta alla creazione di modelli di intelligenza artificiale personalizzati, addestrati sui dati unici e sulle specificità di ciascuna azienda, capaci di fornire assistenza e risposte estremamente pertinenti a qualsiasi settore di operatività». Tra gli strumenti disponibili c’è anche Data Analyst, che consente di analizzare file in formati .csv o excel semplicemente interagendo con il chatbot attraverso domande specifiche (prompt): «questo tool rende possibile effettuare analisi complesse, individuando correlazioni e pattern nascosti nei dati, compiti che tradizionalmente richiederebbero le competenze di uno scienziato dei dati», conclude Brera. L’elenco potrebbe continuare a lungo: basta chiedere a ChatGpt.

Quanto si risparmia con l’IA

Tra analisi predittiva, riconoscimento visivo, riconoscimento sonoro e IA generativa, si tratta di tecnologie in grado di efficientare qualunque operazione, facendo risparmiare alle aziende una montagna di denaro. Quanto? Il conto l’ha fatto Politecnico di Milano proprio in relazione alle Pmi italiane, comparto per comparto. Così, per quanto riguarda l’agroalimentare, tra modelli predittivi  e image recognition, si riducono i costi operativi di un’impresa agricola anche del 5-8%. E ogni punto percentuale di risparmio a livello di comparto vale 1,8 miliardi di euro, il 30% dell’utile netto di settore. Nel settore dell’arredo, tra previsione della domanda, riconoscimento di immagini, comandi vocali, attività di progettazione e design con l’IA generativa, modelli predittivi per la manutenzione, controllo qualità, non è irrealistico ipotizzare che l’applicazione di soluzioni di riconoscimento visivo, ogni punto percentuale di costi risparmiabili vale circa 340 milioni di euro, il 20% degli utili netti attuali del settore. Nel metalmeccanico i sistemi di riconoscimento di immagine possono facilitare la gestione dell’inventario, mentre i modelli predittivi possono ottimizzare la previsione della domanda riducendo il capitale circolante. Le ricerche suggeriscono che l’uso di applicazioni di routing flessibile potrebbe portare a riduzioni del lead time e degli scarti, in alcuni casi fino al 10% e 8% rispettivamente. Inoltre, è stato stimato che, a seconda dei casi, adottare soluzioni di manutenzione predittiva può arrivare a ridurre del 10% i tempi di fermo macchina. A livello di sistema, ogni punto percentuale di efficientamento dei costi vale circa 2,4 miliardi di euro. Poi c’è il fashion: l’ottimizzazione dei processi di approvvigionamento, della logistica in ingresso e della gestione dei magazzini, il miglioramento del processo di controllo della conformità delle forniture e di registrazione dell’inventario e la lettura di dati di mercato, il targeting preciso, la personalizzazione dei contenuti anche a partire da dati non strutturati, come quelli provenienti dai social media, l’ottimizzazione delle consegne e delle scorte sono in grado di incidere per percentuali anche sensibili di fatturato e costi, in un settore in cui ogni punto percentuale di risparmio sui costi vale circa 700 milioni di euro, un settimo dell’intero utile netto complessivo di comparto. Anche la filiera turistica potrebbe guadagnare punti di utile: da un lato i sistemi predittivi possono aiutare a leggere i trend e i bisogni di mercato supportando le attività di marketing e orientando la promozione ai pubblici più recettivi per preferenze espresse, viaggi pregressi o comportamenti online. Dall’altro, l’IA può supportare la progettazione di itinerari altamente personalizzati, e i chatbot e l’IA generativa possono poi essere strumenti a supporto del servizio al cliente in fase di prenotazione e progettazione del viaggio. L’integrazione di riconoscimento sonoro, analisi predittiva e IA generativa sono alla base di servizi di traduzione automatica del linguaggio parlato. In soldoni? Ogni punto percentuale di efficientamento dei costi può liberare 420 milioni di euro di risorse.