L’Intelligenza Artificiale è adatta alle aziende?
Il 2018 è stato l’anno in cui ci siamo resi conto che l’Intelligenza Artificiale (AI) non doveva più essere accantonata nell’angolo del negozio di video come “2001: Odissea nello Spazio”, infatti molte aziende hanno raccolto dati di esempio da campagne di marketing, approfondimenti dei clienti e linee di produzione, assegnandoli ad un team di scienziati per comprendere come le cose potrebbero essere fatte in maniera più efficiente.
Ci sono stati diversi gradi di successo, ma una cosa è certa: le imprese sudafricane sono pronte a compiere il prossimo passo verso l’Intelligenza Artificiale (AI) e il Machine Learning (ML) nel 2019.
Ma l’intelligenza artificiale è adatta ad ogni azienda?
La risposta è : SI!
Gli esempi stanno proliferando in tutto il mondo. Possiamo usare strumenti come il Machine Learning per fare modelli di propensione per previsioni più accurate; utilizzare Vision AI sulle linee di produzione per classificare più velocemente la frutta; diagnosticare le scansioni cerebrali per anomalie mediche con un grado molto più alto di accuratezza; e utilizzare i “bot” per gestire le domande frequenti nei call center prima di effettuare il routing a un agente umano per scenari più complessi.
Ogni singola azienda può offrire un servizio migliore utilizzando l’intelligenza artificiale.
Ma come si fa?
Innanzitutto, è necessario essere chiari sul problema aziendale che si vuole affrontare. Questo non è un progetto IT tradizionale in cui si consegna una specifica poco dettagliata ai “tecnici” e si spera che lo facciano rapidamente ed economicamente. Per fare un uso corretto degli algoritmi ML, è essenziale che le funzioni aziendali e IT lavorino a stretto contatto. Il segreto è comprendere i vincoli dei sistemi legacy e le relative sfide aziendali.
Successivamente, il più grande ostacolo sono i dati. Tutti noi disponiamo di database contenenti informazioni significative sui nostri sistemi contabili e interni. Il problema è che questo rappresenta solo il 10% circa dei dati esistenti: il resto è costituito da dati a silos nei vecchi magazzini e da una discarica dei nostri dischi rigidi in formati non strutturati come i documenti Excel e Word.
Il 2019 è l’anno in cui utilizzare i moderni set di strumenti e servizi per rinnovare i nostri dati e integrare pienamente l’intelligenza artificiale nelle nostre operazioni quotidiane. Quando i dati sono pronti per l’intelligenza artificiale, bisogna prestare attenzione! Possiamo facilmente iniziare ad allenare macchine su insiemi di dati preparati in modo inadeguato ma,ciò che si inserisce è ciò che si ottiene.
C’è solo una cosa a cui mirare: conosci i tuoi dati prima di fare il passo successivo.
Se sei pronto per iniziare l’AI, ecco alcuni semplici suggerimenti per aumentare le tue possibilità di risolvere i problemi di business più rapidamente:
- Abbandona i server e i data center tradizionali: Pensa come Google,in particolare all’uso del cloud hyperscale. Tradizionalmente, le aziende dovevano eseguire lavori e rapporti in batch in periodi di silenzio, poiché i server non avevano sufficiente spazio di alimentazione o di memoria per essere eseguiti durante le ore di punta così come i rapporti. Con hyperscale, hai accesso illimitato all’archiviazione e al calcolo in qualsiasi momento; inoltre, paghi solo quello che usi, il che riduce i costi.
- Mai sentito parlare di Data Pipeline? I Data Pipeline sono importanti perché – come gli oleodotti – devono collegare e trasportare i tuoi sistemi dati esistenti al database del cloud. Il Cloud trasmette i dati come e quando è pronto, creando dati in tempo reale noti come flussi di dati reattivi. È essenziale mettere i dati in pipeline e tenerli in transito.
- Acquisisci familiarità con l’ ETC: Estrai, Trasforma e Carica: Questo processo fa parte del Data Pipeline e aiuta a tradurre più dataset in un’unica fonte centrale in un modello o struttura di dati comune. Immagina quanto sarebbe difficile lavorare con una dozzina di persone che parlavano lingue diverse: è lo stesso con i dati, quindi è fondamentale assicurarsi che tutto possa comprendere i tuoi dati.
- Pensa al tuo Database come ad un servizio: Non è necessario installare il database su un server perché provider di servizi iperspaziali come Google gestiscono i database. Tutto ciò che devi fare è inserire i dati utilizzando le tue pipeline di dati e interrogarli. Questi moderni database sono chiamati Data Lakes perché memorizzano i dati in modo non strutturato, consentendo di archiviare grandi quantità di dati e interrogarli rapidamente. SQL è fantastico, ma quando si tratta dei tuoi Big Data non lo taglierà. Tutto ciò viene definito come cloud computing.
- Infine, visualizza i tuoi dati: Esistono diversi strumenti che possono essere collegati al tuo database, come Tableau, QlikView, Google Data Studio, solo per citarne alcuni. Le aziende possono imparare tanto semplicemente comprendendo i loro dati; successivamente saranno pronte ad iniziare a capire quali problemi possono risolvere con l’Intelligenza Artificiale.
