L’ambizioso sviluppo di nuovi prodotti basati sull’intelligenza artificiale di Startups sta guidando gli investimenti relativi all’intelligenza artificiale con $ 16,5 miliardi raccolti nel 2019, guidati da 695 accordi secondo il Rapporto MoneyTree di PwC / CB, primo trimestre 2020.
L’esperienza nell’intelligenza artificiale è un’abilità che i team di sviluppo prodotto stanno intensificando i loro sforzi di reclutamento per trovare, con oltre 7.800 posizioni aperte su Monster, oltre 3.400 su LinkedIn e oltre 4.200 su Indeed ad oggi.
Una società su dieci ora utilizza dieci o più applicazioni AI, espandendo il mercato totale disponibile per nuove app e prodotti correlati, inclusi chatbot, ottimizzazione dei processi e analisi delle frodi, secondo MMC Ventures.
Dalle startup alle imprese che gareggiano per lanciare nuovi prodotti, l’IA e il machine learning (ML) stanno dando solidi contributi all’accelerazione dello sviluppo di nuovi prodotti. Ci sono 15.400 posizioni di lavoro per DevOps e ingegneri di sviluppo prodotto con AI e machine learning oggi su Indeed, LinkedIn e Monster messi insieme. Capgemini prevede che le dimensioni del mercato dei prodotti connessi andranno tra i $ 519 miliardi a $ 685 miliardi quest’anno, con i modelli di entrate dei servizi abilitati per AI e ML che stanno diventando comuni.
I rapidi progressi nelle app, nei prodotti e nei servizi basati sull’intelligenza artificiale costringeranno anche il consolidamento del mercato della piattaforma IoT. I fornitori di piattaforme IoT che si concentrano sulle sfide di business nei mercati verticali hanno le migliori possibilità di sopravvivere all’imminente sconvolgimento della piattaforma IoT. Poiché AI e ML sono sempre più radicati nello sviluppo di nuovi prodotti, le piattaforme IoT e gli ecosistemi che supportano più intelligenti, i prodotti più connessi devono pianificare ora come faranno. Affidarsi alla sola tecnologia, come lo sono oggi molte piattaforme IoT, non sarà sufficiente per tenere il passo con il ritmo del cambiamento in arrivo. Di seguito sono 10 modi in cui l’IA sta migliorando lo sviluppo di nuovi prodotti oggi:
Il 14% delle aziende più avanzate che utilizzano AI e ML per lo sviluppo di nuovi prodotti guadagna oltre il 30% dei propri ricavi da prodotti o servizi completamente digitali e guida i propri colleghi utilizzando con successo nove tecnologie e strumenti chiave. PwC ha scoperto che i Digital Champions sono notevolmente in vantaggio nel generare entrate da nuovi prodotti e servizi e oltre un quinto dei campioni (29%) guadagna oltre il 30% delle entrate da nuovi prodotti entro due anni dalle informazioni. I Digital Champions hanno grandi aspettative anche per ottenere maggiori benefici dalla personalizzazione. Il seguente grafico dallo sviluppo del prodotto digitale 2025: Agile, collaborativo, guidato dall’intelligenza artificiale e incentrato sul cliente, PwC, 2020 (PDF, 45 pagg.) Confronta il successo di Digital Champions con strumenti di sviluppo di nuovi prodotti basati su AI e ML rispetto ai loro colleghi:
Più popolari in: Enterprise e cloud
Il 61% delle aziende più avanzate che utilizzano AI e ML (Digital Champions) utilizza sistemi PLM (Product Lifecycle Management) completamente integrati rispetto a solo il 12% delle organizzazioni che non usano oggi AI / ML (Digital Novices). I team di sviluppo prodotto i più avanzati nel loro uso di AL & ML raggiungono maggiori economie di scala, efficienza e guadagni di velocità nelle tre aree chiave di sviluppo mostrate di seguito. I Digital Champions si concentrano sull’ottenimento del time-to-market e accelerano i vantaggi nelle aree di Digital Prototyping, PLM, co-creazione di nuovi prodotti con i clienti, Product Portfolio Management e Data Analytics e adozione dell’IA:
L’intelligenza artificiale viene attivamente utilizzata nella pianificazione, nell’attuazione e nella messa a punto delle linee e dei sistemi di interconnessione delle attrezzature ferroviarie. Le strategie di prodotto da ingegnere su ordinazione introducono un numero esponenziale di opzioni di prodotto, servizio e rete. L’ottimizzazione delle configurazioni del prodotto richiede un risolutore logico basato sull’intelligenza artificiale che può tener conto di tutti i vincoli e creare un grafico della conoscenza per guidare la distribuzione. L’approccio di Siemens all’utilizzo dell’IA per trovare la configurazione ottimale su 10 90 combinazioni possibili fornisce approfondimenti su come l’IA può aiutare con lo sviluppo di nuovi prodotti su larga scala. Fonte: Siemens, Next Level AI – Powered by Knowledge Graphs and Data Thinking, Siemens China Innovation Day, Michael May , Chengdu, 15 maggio 2019.
L’eliminazione dei blocchi stradali per il lancio di nuovi prodotti inizia con l’utilizzo dell’IA per migliorare l’accuratezza delle previsioni della domanda. Honeywell utilizza l’intelligenza artificiale per ridurre i costi energetici e la variazione negativa dei prezzi monitorando e analizzando anche l’elasticità e la sensibilità dei prezzi. Honeywell sta integrando gli algoritmi di intelligenza artificiale e machine learning in procurement, sourcing strategico e gestione dei costi ottenendo rendimenti solidi attraverso il nuovo processo di sviluppo del prodotto.
Affidarsi alle tecniche basate sull’intelligenza artificiale per creare e mettere a punto modelli di propensione che definiscono le estensioni della linea di prodotti e i prodotti aggiuntivi che offrono le opportunità più redditizie di cross-sell e up-sell per linea di prodotto, segmento di clientela e persona. È comune trovare team di sviluppo e gestione dei prodotti basati sui dati utilizzando modelli di propensione per definire i prodotti e i servizi con la più alta probabilità di essere acquistati. Troppo spesso, i modelli di propensione si basano su dati importati, incorporati in Microsoft Excel, rendendo il loro utilizzo continuo dispendioso in termini di tempo. L’intelligenza artificiale sta semplificando la creazione, l’ottimizzazione e i contributi alle entrate delle strategie di up-sell e cross-sell automatizzando l’intero progresso. La schermata seguente è un esempio di un modello di propensione creato in Microsoft Power BI.
L’intelligenza artificiale sta abilitando la prossima generazione di framework che riducono il time-to-market migliorando al contempo la qualità e la flessibilità del prodotto nel soddisfare requisiti di personalizzazione unici per ogni ordine del cliente . L’intelligenza artificiale sta rendendo possibile la sincronizzazione di migliori fornitori, ingegneria, DevOps, gestione dei prodotti, marketing, prezzi, vendite e servizi per garantire una maggiore probabilità che un nuovo prodotto abbia successo sul mercato. I leader in quest’area includono Autonomous Digital Enterprise di BMC(ADE). Il framework ADE di BMC mostra il potenziale per offrire modelli di business di prossima generazione per le organizzazioni orientate alla crescita che desiderano gestire e reinventare le proprie attività con funzionalità AI / ML e offrire valore con differenziazione competitiva abilitata da agilità, centralità del cliente e approfondimenti attuabili. Il framework ADE è in grado di flettere e rispondere più rapidamente alle esigenze dei clienti rispetto ai framework competitivi grazie ai seguenti cinque fattori: comprovata capacità di offrire un’esperienza cliente trascendente; interazioni automatizzate con i clienti e operazioni tra organizzazioni distribuite; vedere DevOps aziendali come naturale evoluzione del software DevOps; creare le basi per un’azienda basata sui dati che opera con una mentalità dei dati e capacità analitiche per consentire nuovi flussi di entrate; e una piattaforma adatta per la sicurezza informatica adattiva. Nel loro insieme, il framework ADE di BMC è quello che il futuro dei framework di business guidati digitalmente può scalare per supportare lo sviluppo di nuovi prodotti guidato dall’intelligenza artificiale. Il seguente grafico confronta il framework BMC ADE (a sinistra) e gli otto fattori che guidano lo sviluppo di prodotti digitali come definiti da PwC (a destra) attraverso la loro vasta ricerca. Per ulteriori informazioni suFramework ADE di BMC, consultare il sito Enterprise Digital Digital di BMC. Per ulteriori informazioni sulla ricerca di PwC, consultare il documento Sviluppo di prodotti digitali 2025: Agile, collaborativo, guidato dall’intelligenza artificiale e incentrato sui clienti, PwC, 2020 (PDF, 45 pagg.).
10 modi in cui AI sta migliorando lo sviluppo di nuovi prodotti
Utilizzo dell’IA per analizzare e fornire consigli su come l’usabilità del prodotto può essere migliorata continuamente. È comune per DevOps, ingegneria e gestione dei prodotti eseguire test A / B e test multivariati per identificare le caratteristiche di usabilità, i flussi di lavoro e le risposte alle app e ai servizi che i clienti preferiscono. Sulla base dell’esperienza personale, uno degli aspetti più impegnativi dello sviluppo di nuovi prodotti è la progettazione di un’esperienza utente efficace, coinvolgente e intuitiva che trasforma l’usabilità in un punto di forza per il prodotto. Quando le tecniche di intelligenza artificiale fanno parte del ciclo principale di sviluppo di nuovi prodotti, compresa l’usabilità, offrendo piacevoli esperienze ai clienti, diventa possibile. Invece di una nuova app, servizio o dispositivo è un lavoro ingrato da usare, AI può fornire approfondimenti per rendere l’esperienza intuitiva e persino divertente.
La previsione della domanda di nuovi prodotti, inclusi i fattori causali che guidano maggiormente le nuove vendite, è un’area in cui l’IA viene applicata oggi con risultati forti. Dagli approcci pragmatici di chiedere ai partner di canale, ai team di vendita indiretta e diretta, a quanti di un nuovo prodotto venderanno utilizzando modelli statistici avanzati, c’è una grande variazione nel modo in cui le aziende prevedono la domanda di un prodotto di prossima generazione. AI e ML stanno dimostrando di essere utili nel prendere in considerazione i fattori causali che influenzano la domanda, ma che non si conoscevano prima.
Progettare la prossima generazione di veicoli Nissan utilizzando l’intelligenza artificiale sta semplificando lo sviluppo di nuovi prodotti, tagliando settimane di programmi di sviluppo di nuovi veicoli. Il programma pilota di Nissan per l’utilizzo dell’IA per accelerare la progettazione di nuovi veicoli si chiama DriveSpark. È stato lanciato nel 2016 come programma sperimentale e da allora si è dimostrato prezioso per accelerare lo sviluppo di nuovi veicoli garantendo al contempo la conformità e i requisiti normativi. Hanno anche usato l’IA per estendere il ciclo di vita dei modelli esistenti. Per ulteriori informazioni, vedere l’articolo DriveSpark, “L’idea di Nissan: lascia che un’intelligenza artificiale progetta le nostre auto”, settembre 2016.
Utilizzo di algoritmi di progettazione generativa che si basano su tecniche di apprendimento automatico per tenere conto dei vincoli di progettazione e fornire una progettazione del prodotto ottimizzata. La logica di ottimizzazione dei vincoli in un ambiente di progettazione CAD aiuta GM a raggiungere l’obiettivo della prototipazione rapida. I progettisti forniscono definizioni di requisiti funzionali, materiali, metodi di produzione e altri vincoli. Nel maggio 2018, General Motors ha adottato il software di progettazione generativa Autodesk per ottimizzare il peso e altri criteri chiave del prodotto essenziali per le parti progettate per avere successo con la produzione additiva. La soluzione è stata recentemente testata con la prototipazione di una parte della staffa della cintura di sicurezza, che ha prodotto un design monopezzo più leggero del 40% e più resistente del 20% rispetto al design originale a otto componenti. Consultare l’analisi del caso della Harvard Business School, Project Dreamcatcher: il design generativo può accelerare la produzione additiva? per ulteriori informazioni .
