L’ammontare di risorse prodotte dall’intelligenza artificiale supera la somma della produzione annuale di Giappone, Germania, India e Regno Unito messi insieme. Questo non sorprende considerando che secondo PwC, entro il 2030 l’intelligenza artificiale contribuirà in modo significativo all’economia globale. È noto che il costo dell’intelligenza artificiale è in costante diminuzione da diversi anni. Nel 2020, infatti, un terzo delle imprese ha riportato una riduzione dei costi dell’IA fino al 20% in quasi tutti i settori.
Nel 1965, Gordon Moore predisse che il numero di transistor su un chip sarebbe raddoppiato ogni due anni, portando a progressi proporzionali nella potenza di calcolo, nell’archiviazione dei dati e nell’efficienza algoritmica. Seguendo questa previsione, la crescita quasi esponenziale del cloud e del modello pay-as-you-go ha reso accessibile un’infrastruttura informatica altamente scalabile anche alle organizzazioni più piccole, a un costo relativamente basso. Ciò ha eliminato la necessità di ingenti investimenti iniziali nell’infrastruttura informatica, consentendo alle piccole imprese di competere su un piano di parità con quelle più grandi.
Inoltre, l’enorme quantità di dati disponibili grazie all’esplosione dell’accesso a Internet e alla diffusione dei sensori ha svolto un ruolo fondamentale nella riduzione dei costi dell’intelligenza artificiale. L’addestramento degli algoritmi di machine learning su grandi set di dati ha portato a un miglioramento dell’accuratezza e delle prestazioni. Inoltre, il movimento open source ha permesso agli sviluppatori di accedere e utilizzare gratuitamente ampi set di dati, abbassando le barriere all’ingresso nello sviluppo di sistemi intelligenti. Infine, i progressi nell’efficienza degli algoritmi hanno contribuito alla riduzione dei costi dell’IA. I ricercatori hanno sviluppato nuove tecniche per l’addestramento e l’ottimizzazione degli algoritmi di apprendimento automatico, ottenendo modelli più veloci e accurati. Ciò ha reso possibile lo sviluppo di sistemi intelligenti con minori risorse computazionali, riducendo i costi di sviluppo e implementazione.
In un’era in cui l’intelligenza artificiale e il machine learning sono ampiamente diffusi, ci aspettiamo cambiamenti significativi nel modo in cui le aziende operano e innovano in tutti i settori. Ad esempio, nel settore fintech, le startup agili utilizzano l’intelligenza artificiale per fornire servizi come l’automazione del flusso di lavoro per la conoscenza del cliente e l’onboarding, nonché per offrire approfondimenti finanziari e di bilancio. Nel settore sanitario, le piccole startup tecnologiche possono prevedere i sintomi dei pazienti attraverso i dati provenienti dai dispositivi indossabili e fornire servizi di emergenza tempestivi.
Le imprese che sono connessi in rete hanno un vantaggio significativo nel ridurre i costi dell’intelligenza artificiale rispetto alle aziende tradizionali. Parte del motivo è che queste imprese utilizzano la tecnologia digitale per connettersi in tempo reale con clienti, dipendenti, fornitori e partner. Inoltre, adottano un approccio “cloud-first” all’infrastruttura, il che significa che possono elaborare facilmente grandi quantità di dati provenienti da dispositivi mobili, social media e altre fonti per semplificare i processi e ottenere informazioni dettagliate sul comportamento dei clienti. La maggior parte di queste imprese si basa su tre principali pilastri.
Il primo pilastro è l’amplificazione del potenziale umano: queste imprese promuovono una cultura dell’innovazione, dell’agilità e della collaborazione. Grazie all’automazione e alla digitalizzazione end-to-end, i dipendenti sono liberati dalle attività manuali ripetitive e hanno più tempo per dedicarsi alla risoluzione creativa dei problemi e al lavoro di alto livello. È importante sottolineare che oltre a costruire una cultura dell’innovazione, è fondamentale fornire l’infrastruttura digitale per sostenerla.
Il secondo pilastro è la creazione di una rete del valore: le imprese connesse comprendono che il modello lineare della catena di fornitura è diventato obsoleto e stanno investendo in ecosistemi di fornitori di tecnologia, aggregatori, distributori e startup. Grazie a connessioni a bassa latenza all’interno di questi ecosistemi, chiamati reti del valore, ogni stakeholder ha accesso a flussi di informazioni in tempo reale per prendere decisioni, ottimizzare processi e accelerare la consegna dei prodotti. Un esempio concreto di questa tendenza è la collaborazione tra assicuratori automobilistici, produttori e aziende di telematica per lanciare modelli di assicurazione “pay-as-you-drive”, in cui ai conducenti viene offerta una riduzione del premio se dimostrano comportamenti di guida sicuri. Allo stesso tempo, i dati raccolti dalla telematica a bordo aiutano i soccorritori a monitorare rapidamente la scena di un incidente, fornendo informazioni critiche ai produttori per ottimizzare i componenti di sicurezza.
Il terzo pilastro è rappresentato dalle operazioni cognitive: nel contesto attuale, una “cultura dell’innovazione” è valida solo quanto i dati che la supportano. Le imprese connesse sono più decentralizzate e flessibili rispetto alle organizzazioni tradizionali, con team distribuiti e un focus sui risultati anziché sui processi. L’utilizzo di metodologie agili e di processi guidati dall’intelligenza artificiale, che richiedono un intervento umano minimo, insieme a un alto grado di connettività interna, sono caratteristiche distintive delle imprese connesse di successo. Ciò consente un flusso senza interruzioni dei dati in tutto il sistema e garantisce che le parti interessate possano accedere istantaneamente alle informazioni fondamentali per il loro lavoro, evitando i vincoli spesso creati dalle operazioni in silos.
Per esempio, un’azienda di beni di largo consumo in rapida crescita, presente in oltre 20 paesi in Asia, Medio Oriente e Africa, ha cercato di consolidare la propria posizione in diverse aree geografiche. Nonostante il successo, l’azienda ha incontrato difficoltà nel sfruttare appieno il proprio potenziale di vendita regionale a causa della frammentazione del mercato al dettaglio nei mercati emergenti. La soluzione è stata l’implementazione di una piattaforma basata sull’intelligenza artificiale per automatizzare le operazioni e mappare i dati operativi critici. Successivamente, è stata creata una dashboard per i rappresentanti di vendita e i gestori del territorio, che ha permesso loro di mappare la penetrazione geografica, identificare le lacune territoriali e sviluppare una strategia per una copertura efficace dei punti vendita. In pochi mesi, l’azienda ha registrato un aumento del 15% del valore per dimensione, un miglioramento del 15% della produttività dei rappresentanti di vendita e un aumento del 50% delle entrate.
Un altro esempio riguarda un’azienda di beni di largo consumo che, durante la pandemia, ha monitorato la diffusione del COVID-19 in diversi quartieri e ha inserito queste informazioni in una piattaforma di intelligenza artificiale. Questo ha permesso di prevedere quali punti vendita sarebbero stati colpiti più duramente dall’esaurimento delle scorte. Utilizzando queste intuizioni insieme a una rete di distributori connessi digitalmente, l’azienda è stata in grado di rifornire i propri prodotti nei punti vendita colpiti entro pochi giorni, mentre gli scaffali erano vuoti dei marchi concorrenti.
Questi esempi dimostrano come le piccole organizzazioni che abbracciano gli strumenti e i talenti dell’intelligenza artificiale possano creare un impatto che le aziende più grandi e tradizionali avrebbero difficoltà a replicare. Per rimanere resilienti in un mondo in cui ogni organizzazione ha accesso a strumenti di intelligenza e analisi all’avanguardia, diventare un’impresa connessa è essenziale.
Tuttavia, oltre a creare valore economico, c’è anche l’opportunità per le imprese di distinguersi attraverso l’uso etico dell’intelligenza artificiale. Questo implica non solo l’utilizzo della tecnologia per promuovere programmi ambientali e sociali, ma anche garantire che i modelli di intelligenza artificiale siano culturalmente sensibili, imparziali rispetto alle prospettive delle minoranze e utilizzati in conformità alle normative sulla privacy. Con l’ulteriore integrazione dell’intelligenza artificiale nelle operazioni aziendali, la gestione dei cambiamenti legati alla forza lavoro diventa anche una preoccupazione fondamentale, che i leader possono affrontare attraverso programmi di sviluppo delle competenze e una gestione del cambiamento efficace.