Facendo seguito al bellissimo articolo di Salvatore Sorrentino sulla Data Visualization, mi piacerebbe tornare con voi sul tema dell’utilizzo dell’intelligenza artificiale a supporto alle decisioni di business, non solo in quelle che siamo chiamati a fare per le attività quotidiane, ma anche e soprattutto in quelle strategiche, nelle quali la percezione che abbiamo della realtà ci spinge spesso a fare scelte di pancia, seguendo il nostro istinto.
Penso non ci sia niente di male in questo, anzi, penso che sia fondamentale fare scelte andando oltre quelli che sono i soli dati numerici, che lo sappiamo, non mentono mai. Ma quanto è accurata la nostra percezione della realtà? Quanto davvero ci siamo fatti influenzare dai fatti e non dal rumore che circonda i dati? Spesso anche il nostro umore può influenzare la visione della realtà e, di conseguenza, le nostre scelte. Come possiamo fare in modo che la nostra decisione, anche in contraddizione con i dati che abbiamo, si riferisca ad una percezione corretta dello stato delle cose?
I dati giusti al momento giusto
Per poter fare scelte basate sui dati dobbiamo accedere ad essi nella forma e nei tempi utili alla decisione. Solitamente questo richiede l’estrazione delle informazioni necessarie, spesso residenti in fonti diverse, la loro manipolazione e la loro rappresentazione grafica, che ne evidenzi gli aspetti interessanti ai fini dell’analisi da fare.
Pensando a questa fase mi viene in mente una scena di una brillante commedia con Robert De Niro e Anne Hathaway, lo stagista inaspettato:
Direi che è proprio l’esempio classico, un po’ romanzato, di una scena che avrete vissuto o visto più volte. Ci vedete qualcosa di strano? Se la risposta è no, state leggendo l’articolo giusto: questa è una di quelle richieste che una buona data strategy aziendale, unita agli strumenti giusti, avrebbe del tutto evitato. E non solo! Dobbiamo anche chiederci quanto tempo è passato da quando i dati sono stati estratti a quando sono stati utilizzati. Si, perché ci sono scenari in cui i dati del giorno prima vanno benissimo, ma ci sono anche scenari in cui sono troppo vecchi per essere utilizzati.
Inoltre potremmo aver bisogno di monitorare alcune informazioni, per poter rettificare le scelte, oppure provare a predire dei valori futuri. Vi immaginate il seguito di questa scena del film, in cui Jules continua a chiedere variazioni sui dati oppure dei dati correlati a Ben, che va avanti e indietro con dei risultati, intermedi, stampanti? Va bene che si tratta di una commedia, in cui la situazione potrebbe anche essere esilarante, ma nella vita reale non penso possa essere così divertente.
L’importanza della rappresentazione dei dati
Un altro aspetto interessante dell’analisi dei dati ai fini decisionali è la rappresentazione visuale. Questo perché, come ha già spiegato Salvatore, la rappresentazione dei dati ci permette di evidenziare aspetti nascosti in un tabellone con tante righe e colonne. Spesso abbiamo anche bisogno di confrontare valori aggregati diversi, scenario nel quale una rappresentazione grafica può fare la differenza.
Volendo estremizzare questo aspetto, vi condivido un’altra scena tratta da uno dei miei film preferiti: una “conversazione” tra Jarvis e Tony Stark presa da Iron Man 3:
Adoro questa scena perché, pur trattandosi di fantascienza, mette in evidenza i due ingredienti necessari ad estrarre valore dai dati che abbiamo a disposizione: tecnologia e interazione umana. Non è l’intelligenza artificiale a trarre conclusioni o prendere decisioni, ma è l’essere umano, con la sua capacità di vedere quei dati con perspicacia e istinto, a usufruire dei modi in cui gli vengono messi a disposizione.
Al di là della tecnologia olografica immaginata nel film, che poi con un dispositivo di mixed reality come Hololens non è neanche più così fantascientifica, l’idea di potersi immergere nei dati per permettere ai processi cognitivi di trovare soluzioni a problemi non lineari è qualcosa di assolutamente realizzabile.
Si, perché spesso vale quello che chiamo l’algoritmo del gatto, che ad onor del vero non ho inventato io ma che ho sentito citare più volte da amici e conoscenti che si occupano di formazione. Questo simpatico algoritmo consiste nel raccontare a un gatto il proprio problema e nello stupirsi nel vedere la soluzione nello sguardo stranito o annoiato del vostro felino. Ovviamente è solo un modo per stimolare la nostra mente, imponendoci di dire a voce alta il problema che abbiamo, in modo che, dovendolo spiegare, ci concentriamo su aspetti che non valutiamo quando parliamo nella nostra testa. Per qualcuno funziona con lo scrivere, per altri parlando con gli altri nel processo che viene tipicamente definito brainstorming.
Ecco, avere un “gatto” con cui parlare, ma che in più potrebbe anche mostrarci i dati su cui stiamo ragionando, indicandoci possibili correlazioni e valori futuri, è una bella stimolazione per la nostra mente, che può portarci a valutare aspetti fino a quel momento nascosti.
Dov’è l’intelligenza artificiale?
L’intelligenza artificiale è un supporto incredibile in uno scenario di analisi dei dati in almeno tre punti:
- L’interazione in linguaggio naturale
- La correlazione dei dati
- Le previsioni
Come abbiamo più volte detto in questo Blog, il Natural Language Processing e il Natural Language Understanding, sono due evidenti applicazioni dell’intelligenza artificiale in questo campo. Ci permettono infatti di esprimere richieste in linguaggio naturale e mettere un Bot nella posizione di comprendere la nostra richiesta e risponderci. In casi complessi, anche tenere una conversazione per poter comprendere meglio la richiesta e aiutarci nel lavoro.
Immaginate di potervi rivolgere al vostro Bot con frasi del tipo “Ciao Elly, mi mostri I dati di fatturazione dell’ultimo anno?”, “puoi dividerli per trimestre?”, “Li raggruppi per cliente?”, “Elimini il cliente XXX?”.
Capita spesso di dover rispondere a domande complesse, dove non c’è una correlazione lineare tra le informazioni di input e la soluzione. In tutti questi casi estrapolare informazioni correlate alle nostre richieste e proporcele può essere un grande valore aggiunto nella fase di brainstorming, che potrebbe metterci sulla buona strada per risolvere il problema, mostrandoci relazioni che non avevamo preso in considerazione.
Tornando all’esempio precedente, alla domanda “Ciao Elly, mi mostri I dati di fatturazione dell’ultimo anno?”, il sistema potrebbe tirare fuori anche quelli dell’anno precedente o di quello in corso. Oppure proporre già lo stesso dato diviso per trimestre o per cliente.
Purtroppo la tecnologia non ci permette ancora di viaggiare nel tempo, ma possiamo usare l’intelligenza artificiale per fare previsioni sui dati che abbiamo, per aiutarci a valutare i rischi legati a una potenziale scelta.
Immaginate ad esempio di dover valutare l’impatto dell’acquisizione di una nuova risorsa nell’organico o la perdita di una risorsa già presente, e come questo potrebbe impattare sull’utile dell’anno in corso. Non si tratta solo di valutare il costo, ma anche l’impatto sulla produttività, tenendo magari conto dello storico di operazioni simili già fatte.
Conclusioni
Ovviamente non è un caso se vi ho parlato di come l’intelligenza artificiale possa supportarci nell’analisi dei dati per prendere decisioni di business. Stiamo lavorando proprio a un prodotto che vuole essere la chiave di accesso al patrimonio informativo aziendale, aiutandoci a estrarre i dati necessari a prendere decisioni, nella forma e nei tempi più adatti alle diverse situazioni che dobbiamo affrontare.
Stiamo lavorando incessantemente alla beta privata di Elly per raccogliere i primi feedback ed esplorare le potenzialità nei vostri domini, se siete interessati a partecipare iscrivetevi alla nostra newsletter, in modo da essere avvisati appena saranno aperte le iscrizioni.
Continuate a seguirci!
Scritto da
Michele Aponte