Archives For digitisation

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.

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.

McKinsey ha pubblicato di recente una ricerca molto interessante (la trovate qui, se siete interessanti al dettaglio: McKinsey research on Social Collaboration) che mette in luce lo stato dell’arte attuale relativo alla social e digital collaboration e il futuro del settore.

Chi segue questo blog sa che quello della collaboration è un tema a me caro ormai dal 2010 e che mi sono sempre occupato di progetti a supporto delle organizzazioni di medie e grandi dimensioni nell’introduzione di tecnologie collaborative all’interno del contesto aziendale. Tutto questo per sottolineare che di acqua sotto ai ponti, rispetto a qualche anno fa, ne è passata parecchia e che la collaboration è divenuta sempre di più un tema oggetto di sperimentazioni concrete e casi di successo che hanno portato numerose aziende a migliorare i propri processi lavorativi.

Sono queste le medesime riflessioni dalle quali muove McKinsey, cercando di analizzare meglio la situazione attuale e fornendo alcune utili indicazioni che possono aiutarci a intuire quale possa essere il (prossimo) futuro della trasformazione digitale.
Vediamo insieme alcuni dei punti chiave che sono messi in luce dall’analisi condotta.

  • Il primo dato rilevante che emerge è che – nonostante – tutto il tempo passato, lo spazio di miglioramento è ancora molto e le tecnologie collaborative potrebbero essere ancora largamente impiegate in modo più consistente all’interno delle organizzazioni

When asked about their own use of communication tools in their day-to-day work, most executives report that social technologies overall are largely supplemental. Nearly three-quarters of respondents say they rely primarily on older technologies, such as email, phone calls, and texting, to communicate with others at work.

Extent of Social Collaboration Technologies

  • Il dato positivo – come si vede molto bene dal grafico – è che la situazione è comunque fortemente in crescita e migliorata rispetto al 2012, in cui l’uso delle tecnologie collaborative è raddoppiato.
  • La questione maggiormente delicata riguarda – probabilmente – il fatto che ad essere impiegate per collaborare siano, molto spesso, ancora tecnologie abbastanza vecchie (email, messaggistica) che, solo in modo limitato, mettono a fattore comunque le reali potenzialità della collaboration
  • Sono ancora poche le aziende che stanno impiegando la collaboration come leva fondamentale di business e come strumento per la gestione delle community interne o per rivedere i propri processi interni in chiave di business. E’ qui che il vero contributo delle social technologies è molto più forte ed è qui lo spazio di manovra maggiore che ancora non è stato del tutto intuito e sperimentato

Social Messaging

  • La crescita resta comunque molto rappresentativa come si legge nel report:

The changes in employee-to-employee communication that more sophisticated technologies are already bringing about—and the potential they have to drive further change—is notable for a few reasons. First, the internal use of social technologies remains the most common reason companies adopt these tools. Eighty-five percent of all respondents say their companies use social technologies for internal purposes, up from 80 percent in 2015 and 69 percent in 2014. At the same time, a growing share of executives say they use social tools with partners: 59 percent in 2016, up from 49 percent the year before.

Per quanto riguarda i processi che sono toccati dal fenomeno, il maggiormente impattato risulta essere quello di supporto al cliente e di servizio after sales, a testimonianza del grande impatto che le tecnologie collaborative possono avere all’interno dell’impresa per migliorare anche la relazione e il servizio al cliente.

Services impacted by social technologies

L’analisi di McKinsey si conclude con una benefici, anche molto consistenti, che le tecnologie collaborative portano all’interno delle imprese. Si tratta comunque – a mio avviso – di benefici troppo connessi a una dimensione di engagement e poco a quella di business.

Nella mia esperienza progettuale le aziende hanno la necessità di collegare fortemente la collaborazione (come anche il digitale in senso più ampio) alla soluzione dei loro problemi di business. E’ fondamentale per le imprese capire come – e in che modo – le digital collaboration technologies possano impattare in modo significativo sul loro modo di fare impresa e di relazionarsi con clienti e dipendenti interni.

Che efficienza creano? In che modo mi permettono di servire meglio il cliente? Di quanto posso abbattere il tasso di risoluzione dei problemi? In che modo posso facilitare l’onboarding dei nuovi assunti? Come posso ridurre il tempo speso nelle riunioni? Come riduco il traffico di email scambiate? Come mi libero e risolvo i problemi legati all’overflow informativo? Come migliore la mia capacità di innovare attraverso servizi partecipati? Come creo un’organizzazione in grado di imparare e di conoscere? Come miglioro la motivazione e l’engagement dei miei dipendenti? In che modo posso diminuire i costi IT della mia azienda?

E’ a tutte queste domande – e molte altre – che un serio progetto di collaboration dovrebbe essere in grado di rispondere. La strada è tracciata e il mercato è ormai maturo, il futuro sarà di coloro che saranno in grado di connettere la trasformazione digitale a seri indicatori di business e fare davvero la differenza.