Archives For digital

Qualche anno fa – nel 2013 – assieme a Emanuele Quintarelli (http://www.socialenterprise.it/it/) abbiamo lanciato la prima Social Collaboration Survey in Italia, con l’obiettivo di indagare lo stato delle aziende Italiane rispetto al tema della collaborazione e del supporto che questa può fornire all’interno dei progetti di trasformazione digitale.

Si è trattato di un progetto ambizioso che ha visto il coinvolgimento di oltre 300 aziende che hanno partecipato alla prima mappatura del nostro mercato.
I dati – pubblicati e a disposizione di tutti – hanno messo in evidenza diverse dimensioni tra cui: l’ambizione, il valore che le tecnologie collaborative possono portare in azienda, le barriere che impediscono i processi di trasformazione digitale il cambiamento culturale, l’impatto sul business della componente collaborativa e molto altro. 
Se foste interessati, trovate i vecchi risultati e maggiori informazioni in un post di questo blog (https://sociallearning.it/2013/12/02/il-report-sulla-collaborazione-nelle-aziende-italiane-e-disponibile-social-collaboration-survey-2013-socialcollabsurvey/). 

Ma cosa è la Social Collaboration? La definiamo come: 

Un insieme di strategie, processi, comportamenti e piattaforme digitali che consentono a gruppi di persone all’interno dell’azienda di connettersi, interagire, condividere informazioni e lavorare ad un comune obiettivo di business

Si tratta quindi di una dimensione profondamente connessa al business a un nuovo modello di lavoro che ha una forte connessione al come possiamo ripensare e riconsiderare l’azienda all’interno del percorso di digitalizzazione, come sappiamo – oggi come ieri – non è possibile essere digitali a metà.
Risulta quindi cruciale e fondamentale guardare all’interno dei processi organizzativi e ai propri dipendenti. 

In collaborazione con EY e l’Università di Padova abbiamo deciso di lanciare la seconda edizione della Social Collaboration Survey, rivolgendoci – questa volta – a un pubblico internazionale ed europeo, allargando il focus e provando a esplorare dimensioni molto più ampie. 

Il link per la compilazione (che richiede una decina di minuti) è questo: https://it.surveymonkey.com/r/EUSocialCollab

Inutile dire che i risultati saranno resi pubblici e oggetto di numerosi articoli qui e altrove, il supporto da parte di tutti è fondamentale per la buona riuscita dell’esperimento e per avere un numero maggiore di risposte che ci aiutino, non solo a mappare al meglio il mercato, ma – soprattutto – a immaginare un migliore futuro per le organizzazioni di cui facciamo parte. Un futuro più a misura d’uomo e maggiormente piacevole nel quale lavorare, oltreché – inevitabilmente – in grado di generare maggiore valore.

Chi segue questo blog da qualche anno sa che uno degli interessi e dei temi di riflessione principale del quale mi sono occupato è quello che riguarda la Social Enterprise.

Si tratta di un tema a me molto caro sul quale lavoro da anni e che mi sembra importante riprendere anche alla luce di un recente report di Deloitte dedicato proprio a questo argomento (qui maggiori informazioni per chi fosse interessato all’approfondimento: https://www2.deloitte.com/insights/us/en/focus/human-capital-trends.html). In realtà il taglio del report è un po’ differente rispetto alla definizione e all’accezione di social enterprise che abbiamo utilizzato noi in questo contesto, ma ci sono elementi che possono essere sicuramente mutuati e presi in considerazione per l’evoluzione delle aziende nelle quali lavoriamo. Il taglio che viene restituito nel report è, infatti, molto più improntato alla socialità e a un contributo che più che al business si declina dell’assistenza e nel sociale.

Vediamo quali sono i messaggi principali che emergono da questa trattazione.

In primo luogo il report si concentra sul ruolo della C-Suite e delle modalità che contraddistinguono la testa del’azienda. Mentre le organizzazioni hanno radicalmente cominciato a cambiare, i livelli più alti dell’impresa sono ancora arroccati nei loro silos e hanno difficoltà nell’agire in modo collaborativo, spesso fuori anche dai confini dell’impresa. Guardiamo a quello che è stato fatto dal gruppo BMW / Mini / Rolls Royce e da Daimler quando hanno dichiarato e deciso di voler stabilire una partnership per rivoluzionare il futuro della mobilità e dei trasporti (qui maggiori informazioni sul comunicato stampa che hanno rilasciato durante la “fusione” di Car2Go e DriveNow e – più in generale – del loro ecosistema: https://www.car2go.com/media/data/na/press/releases/bmw_group_daimler_ag_combining_mobility_services.pdf). Pensateci: si tratta di una vera e propria rivoluzione epocale nel modo di considerare l’organizzazione.
In questo senso l’azienda collaborativa si estende ben oltre i confini dell’impresa e ben oltre la collaborazione tra interno ed esterno dell’azienda e riguarda i network di aziende e la società intera.
Nei prossimi anni – secondo il report – ci si aspetta una forte crescita di questo tipo: attorno a modalità di lavoro che siano molto lontane da quelle tradizionali e possano apparire anche contro-intuitive rispetto a quelle a cui siamo stati abituati. E’ in gioco il miglioramento – in senso ampio – dell’intera società e non solo del mondo lavorativo.

Un altro tema molto interessante che viene messo in luce nel report riguarda la gestione della forza lavoro. Considerando che le nostre aziende si stanno muovendo verso modelli sempre meno legati alle tradizionali forme di lavoro fisso diventa cruciale ingaggiare la popolazione aziendale fornendo nuovi modelli e nuovi meccanismi che possano premiare i comportamenti funzionali al benessere dell’azienda e – come abbiamo visto – della società in senso ampio. I meccanismi di reward e di compensation, oltreché di riconoscimento più esteso della performance aziendale devono essere presi in considerazione sganciandosi dall’approccio one-size-fits-all che è stato applicato nel recente immediato passato.

E’ bene sottolineare anche come le tecnologie siano cambiate negli ultimi anni e come la proliferazione di piattaforme collaborative metta i manager di fronte a una maggiore esigenza di chiarezza.

Collaborative Channels - Deloitte

Diventa fondamentale riflettere sulla dimensione di integrazione tra tecnologia, business, processi, cultura e persone in modo molto più consistente rispetto al passato.

Per chiudere con la definizione di Deloitte di Social Enteprise:

“A social enterprise is an organization whose mission combines revenue growth and profitmaking with the need to respect and support its environment and stakeholder network. This includes listening to, investing in, and actively managing the trends that are shaping today’s world. It is an organization that shoulders its responsibility to be a good citizen (both inside and outside the organization), serving as a role model for its peers and promoting a high degree of collaboration at every level of the organization.”

Questa definizione – a chiusura dell’articolo – sebbene leggermente differente rispetto a quella a cui siamo abituati sottolinea una dimensione fondamentale dell’impresa del futuro che è quella di generare valore, senso e significato per tutti gli stakeholder coinvolti, ma soprattutto per la società intera.

E’ questo il contributo fondamentale – in sintesi – che una organizzazione collaborativa dovrebbe essere in grado di fornire.

Di recente mi è capitato di seguire più da vicino il fenomeno dell’Intelligenza Artificiale. Un tema apparentemente nuovo che, in realtà, affonda le sue radici molto più indietro nel passato e si collega in modo molto forte alla filosofia della mente e alla storia del pensiero umano.

Ho studiato il fenomeno dal punto di vista più “umanistico” (posto che questo termine abbia ancora un senso al giorno d’oggi) occupandomi di cercare quei collegamenti tra la psicologia cognitiva, le neuroscienze, la filosofia e le interfacce di intelligenza artificiale che sono presenti sul mercato.
Tralasciando per un attimo questo aspetto – oggetto della mia tesi di laurea in Intelligenza Artificiale e, appunto,processi cognitivi – mi preme, in questa sede, analizzare il fenomeno da un punto di vista di applicazioni e ricadute sul mercato e – in senso esteso – sulla società nella quale viviamo.

Un recente discussion paper di McKinsey analizza il fenomeno proprio da questo punto di vista sottolineando prospettive interessanti che meritano di essere approfondite (per chi fosse interessato il report completo è disponibile a questo indirizzo: https://www.mckinsey.com/featured-insights/artificial-intelligence/notes-from-the-ai-frontier-applications-and-value-of-deep-learning).

Prima di tutto è opportuno definire i confini dell’Intelligenza Artificiale e mappare quelli che sono gli ambiti di applicazione entro i quali è possibile spendere questa tecnologia. Come si legge nell’articolo di McKinsey:

As artificial intelligence technologies advance, so does the definition of which techniques constitute AI. For the purposes of this briefing, we use AI as shorthand for deep learning techniques that use artificial neural networks. We also examined other machine learning techniques and traditional analytics techniques

A livello complessivo possiamo dire che se fino a qualche anno fa l’Intelligenza Artificiale si concretizzava in una “semplice” imitazione della mente umana e delle sue caratteristiche matematico-logiche e linguistiche specifiche, oggi è un costrutto che riguarda molto di più la capacità di apprendere dei sistemi. In sostanza abbiamo compreso che l‘apprendimento è forse la caratteristica più importante che ci rende umani e stiamo progettando i sistemi uomo-macchina e macchina-macchina di conseguenza.

Nello schema sotto si ritrovano moltissimi ambiti di applicazione dell’AI che riguardano proprio questo processo evolutivo.

AI Sectors for McKinsey

La prima evidenza che emerge dal report di McKinsey è che l’Intelligenza Artificiale e il machine learning in senso esteso possono essere applicati ad una infinità di ambiti lavorativi e a moltissime industry che regolano il nostro mercato. I risultati sono differenti a seconda dell’ambito applicativo, ma i vantaggi sono comuni alle differenti realtà.
Tra i principali che si possono ottenere:

  • Manutenzione predittiva, sfruttando il machine learning e i sistemi di intelligenza artificiale per comprendere e anticipare possibili anomalie nei sistemi.
  • Miglioramento della logistica anticipando flussi di traffico e prevedendo possibili soluzioni alternative in caso di problemi. Nell’ambito trasporti e logistica si ha – infatti – uno delle aree principali dell’AI con l’evoluzione dei sistemi classici in chiave intelligente, in modo da essere in grado di gestire in modo dinamico anche situazioni imprevedibili.
  • Personalizzazione del customer service e della capacità di servire al meglio il cliente. Una delle sfide principali imposte dalla digitalizzazione è quella che riguarda il mutato ruolo del social customer di cui abbiamo più volte dibattuto in questa e in altre sedi. La capacità aggiuntiva fornita dall’AI è quella di essere più efficienti ed efficaci nella capacità di rispondere – in tempo quasi reale o reale – alle molteplici sollecitazioni ed esigenze del cliente.

Inoltre, come si legge nel report:

In 69 percent of the use cases we studied, deep neural networks can be used to improve performance beyond that provided by other analytic techniques. Cases in which only neural networks can be used, which we refer to here as “greenfield” cases, constituted just 16 percent of the total

L’intelligenza artificiale è in grado di fornire un enorme supporto all’interno della definizione e della comprensione dell’analisi di dati. L’incremento rispetto alle classiche tecniche di gestione dell’informazione è notevole e merita una seria riflessione da parte delle aziende che ancora non hanno intrapreso questo percorso di evoluzione. Quantomeno è necessario – specie per le realtà più grosse – che ci sia un tavolo di riflessione su questi temi all’interno dell’impresa.

Analytics

Sono proprio i dati a giocare un ruolo fondamentale nei processi di digitalizzazione del futuro. Il modello deve essere il più articolato possibile in modo da permetterci di migliorare la nostra capacità di gestire, comprendere e maneggiare dati.

Il potenziale di mercato è davvero enorme. Come si legge nel report:

We estimate that the AI techniques we cite in this briefing together have the potential to create between $3.5 trillion and $5.8 trillion in value annually across nine business functions in 19 industries. This constitutes about 40 percent of the overall $9.5 trillion to $15.4 trillion annual impact that could potentially be enabled by all analytical techniques

Si tratta di cifre molto elevate che meritano di essere prese in seria considerazione specie per quelle industry nominate sopra dove questo potenziale è ancora più amplificato.

Non è tutto oro quello che luccica però. Sono presenti anche alcune barriere e alcune difficoltà che impediscono l’introduzione di queste tecnologie o ne limitano la massimizzazione dei risultati.

  • La difficoltà nel gestire l’etichettatura dei dati che spesso deve essere fatta manualmente
  • La difficoltà nell’ottenere set di dati che siano sufficientemente ampi e onnicomprensivi da poter essere utilizzati per il training degli algoritmi
  • La difficoltà nello spiegare i processi umani che stanno dietro alle decisioni importanti e alle scelte chiave. Come sappiamo dalla psicologia della decisione, siamo esseri che prendono decisioni non sempre su basi razionali e concrete.
  • La generalizzazione dell’apprendimento. L’essere umano è in grado di estendere quello che ha imparato in una situazione a determinate altre situazioni della sua vita. Si tratta di un processo fondamentale che i sistemi di intelligenza artificiale ancora faticano a fare
  • Un ulteriore rischio è rappresentato dai bias che si concretizzano quando si sceglie un campione non rappresentativo per il training e per la configurazione dell’algoritmo.

Infine abbiamo anche un tema di regolazione di un mercato e di una tecnologia completamente nuove, anche se – come si legge:

Therefore, some policy innovations will likely be needed to cope with these rapidly evolving technologies. But given the scale of the beneficial impact on business the economy and society, the goal should not be to constrain the adoption and application of AI, but rather to encourage its beneficial and safe use.