Se avete visto The Imitation Game saprete che la macchina di Turing, nella versione romanzata del film, non era altro che il desiderio del matematico di riavere con sè il suo amico Christofer, un cervello pensante di acciaio e cavi che amasse la crittografia. Le varie evoluzioni lo hanno portato a diventare ciò su cui stai leggendo queste parole, ma la sostanza non è cambiata di molto. I computer sono ancora dei cervelli, che ci aiutano a lavorare e pensare, scegliere e agire. Il passo verso una mente che impari dai propri errori e ragioni “quasi” autonomamente è breve. In quest’ottica SB Italia ha condotto uno studio secondo il quale il cognitive computing può fornire risposte concrete alle più importanti necessità odierne delle aziende. Un’impresa commerciale può avvalersi di un sistema cognitivo per standardizzare le modalità di comportamento della clientela, elaborare proposte e offerte personalizzate sulla base dei gusti dei consumatori, simulare l’andamento delle vendite per ottimizzare i flussi di magazzino, fare di un customer care a misura di singolo utente una leva commerciale. Allo stesso modo, un’azienda di produzione può fare manutenzione predittiva sui propri impianti, iniettare intelligenza nella supply chain prevenendo le inefficienze, concretizzare i propri desideri di time-to-market potendo prendere decisioni basate su maggiori elementi di certezza.
Per prendere decisioni però il nostro Christofer deve avere una “cultura”: bisogna creare conoscenza a partire da una grande quantità di dati oggi un po’ più facilmente elaborabili grazie alle tecnologie di gestione Big Data. Le aziende, infatti, stanno sempre più aggregando montagne di informazioni interne ed esterne, delle quali l’essere umano non è più in grado di fare un’efficace sintesi. Il cognitive computing si occupa di contestualizzare le informazioni e fornire degli “insight” anche estremamente dettagliati. Per riuscirci, come abbiamo già notato, si fa appello alle tecnologie di machine learning, all’analisi dei grafi e all’ elaborazione del linguaggio naturale.
In realtà, gli algoritmi utilizzati non sono di per sé nuovi, ma traggono beneficio dalla crescita esponenziale della potenza di calcolo oggi disponibile. Con l’informatica di tipo cognitivo, si esce dalla tipica modalità binaria del “sì o no”: ciò che viene predetto non è un risultato certo, ma un’indicazione basata su punteggi e correlazioni.
Customer care e supply chain gli scenari più inclini
Uno degli ambiti a potenziale più elevato è quello della gestione e del rafforzamento del rapporto con la clientela. Qui le tecnologie cognitive hanno già trovato applicazione pratica per esempio nel campo del cosiddetto “churn management”, ovvero il tasso di potenziale abbandono di un brand (di solito per passare a un concorrente), che può essere controllato e ridotto, rilevando segnali di debolezza a partire dai dati di un Crm o dalle interazioni con i call center.
In effetti, negli attuali ambienti di Business Intelligence e anche in quelli già strutturati per gestire i Big Data, è divenuta consuetudine accumulare ampie quantità di informazioni sui clienti, che però raramente si traducono in una conoscenza in grado di produrre una rapida reazione. Il cognitive computing consente di automatizzare alcune di queste azioni, grazie alla capacità di imparare dai dati, elaborarli e restituire indicazioni e raccomandazioni. Ricadute immediatamente percepibili si possono avere, per esempio, nella riduzione del tempo e delle risorse necessarie per risolvere problematiche specifiche dei clienti.
Inoltre, grazie a una sempre più precisa profilazione, il rapporto con il cliente può divenire così più diretto e coinvolgente, grazie alla possibilità di usare il linguaggio naturale nelle varie fasi di ingaggio, proporre idee ritagliate sui gusti reali e addirittura fornire consigli di spesa.
Un altro ambito di concreta applicazione open cognitive computing riguarda l’evoluzione della supply chain. La trasformazione digitale in corso sta già influenzando un settore nel quale un maggior livello di automazione, velocità ed efficienza può creare fin d’ora un significativo vantaggio competitivo.
Per i retailer, l’intelligenza artificiale apre un nuovo mondo di possibilità, consentendo di modellizzare differenti scenari distributivi allo scopo di minimizzare i costi di consegna dei prodotti e creare, allo stesso tempo, un’esperienza uniforme e appagante per i clienti. La possibilità di prevedere e programmare nei minimi dettagli la logistica, può consentire di trasformare i negozi in piccoli ed efficienti magazzini, comprimendo qualche anello della catena distributiva e preservando i margini.
La manutenzione predittiva è un altro possibile terreno di sviluppo, dove un sistema cognitivo può essere in grado di suggerire le aree di potenziale miglioramento o quelle nelle quali esistono maggiori probabilità che si verifichino anomalie.
