5 Passaggi per Implementare l’Intelligenza Artificiale nella Tua Attività senza Sprecare Soldi

L’intelligenza artificiale continua a crescere e, se continuerà a permeare in ogni settore, trasformerà completamente il modo in cui viviamo.

Di conseguenza, integrare l’IA nelle loro aziende è diventata una priorità assoluta per molti fondatori. Anche gli individui stanno cercando modi per sfruttare l’IA per migliorare la loro vita personale.

L’entusiasmo è tale che il Collins Dictionary, un’autorità linguistica di riferimento, ha nominato l’IA come parola dell’anno, a causa della sua impennata di popolarità.

Detto questo, per la maggior parte delle organizzazioni, c’è un grande divario tra l’idea e la realtà quando si tenta di incorporare l’IA nei propri processi, perché il percorso non è così lineare come sembra, e può essere molto costoso, sia in termini di spese di capitale necessarie che in tempo sprecato, perché gli sviluppi non porteranno i risultati attesi. Ciò ha portato diverse aziende in difficoltà. Ad esempio, CNET ha sperimentato con articoli scritti dall’IA, e si sono rivelati pieni di errori. Altre aziende, come iTutor Group, hanno affrontato multe salate in aggiunta al ridicolo pubblico a causa delle loro scadenti implementazioni dell’IA.

Come mostrano questi casi, le aziende possono commettere molti errori con l’IA, e a meno che un’azienda non abbia il cuscino finanziario di Amazon, Google, Microsoft o Meta, questi esperimenti falliti possono effettivamente mandare in bancarotta un’azienda.

Se sei un fondatore o un proprietario di un’azienda, ecco una guida con cinque passaggi per aiutarti a implementare l’IA nella tua attività, utilizzando in modo prudente le tue risorse – denaro e tempo, che alla fine sono soldi – e riducendo la possibilità di errori fatali.

1. Sii chiaro sul problema che stai cercando di risolvere

Nessuna azienda è immune ai fallimenti dell’IA. E come Amazon ha dolorosamente scoperto – attraverso i suoi negozi senza cassiere Amazon Go – non ogni caso d’uso aziendale richiede l’IA.

Pertanto, è fondamentale che tu definisca il problema che stai cercando di risolvere con l’IA. Ciò deve essere delineato il più chiaramente possibile.

Ad esempio, un’applicazione comune dell’IA è il supporto clienti. Implementare l’IA in questo caso è possibile in modo da avere esiti specifici, ad esempio, riducendo i costi del call center di X importo di denaro al mese o accelerando il tempo medio necessario per risolvere le richieste dei clienti di X minuti. Con questo approccio, abbiamo un indicatore misurabile sotto forma di denaro o tempo, che cercheremo di raggiungere implementando l’IA e vedere se questo ha qualche impatto.

Ci sono vari modi in cui ciò potrebbe accadere. Ad esempio, invece di un chatbot, possiamo sviluppare o acquistare un servizio che determini se la richiesta di un cliente può essere risposta con una pagina delle FAQ. Funzionerà così. Quando un cliente scrive un messaggio, eseguiamo questo modello e ci dice se dobbiamo trasferire questa conversazione a un agente o mostrargli una pagina rilevante con una risposta alla sua domanda. Sviluppare questo modello è più veloce e meno costoso rispetto a costruire un chatbot complesso da zero. Se questa implementazione ha successo, raggiungeremo il nostro obiettivo di ridurre i costi mentre ottimizziamo le nostre spese di capitale relative all’IA, in confronto alla spesa per sviluppare un chatbot.

Un pioniere in questo approccio è stato Matten Law, uno studio legale della California che ha integrato un assistente alimentato dall’IA per automatizzare molti compiti, consentendo agli avvocati di trascorrere più tempo ad ascoltare i clienti e a studiare quegli aspetti di un caso che erano i più rilevanti. Ciò illustra che anche i settori più rigidi possono essere disruptati dall’IA in modo da rafforzare l’esperienza utente, amplificando il tocco umano dove è necessario di più.

Altri problemi comuni che potrebbero essere affrontati con l’aiuto dell’IA includono l’analisi dei dati e la creazione di offerte personalizzate. Spotify è un esempio straordinario di un’azienda che sfrutta con successo l’IA per sviluppare un sistema intelligente di raccomandazioni musicali, che arriva a tenere conto dell’orario del giorno in cui qualcuno ascolta un genere specifico.

In entrambi i casi sopra menzionati, l’IA aiuta a fornire una migliore esperienza per il cliente. Tuttavia, il motivo per cui queste aziende hanno utilizzato l’IA con successo è stato perché erano molto chiare sugli aspetti che dovevano essere delegati all’IA.

2. Decidi sui dati che devi analizzare

Una volta che il problema principale è ben definito, dobbiamo prendere in considerazione i dati che dobbiamo fornire al sistema. È fondamentale ricordare che l’IA è un algoritmo, che analizza e si adatta ai dati che forniamo. Il scenario di base per la raccolta dei dati è il seguente:

1. Comprendi quali dati potremmo aver bisogno di implementare l’IA.

2. Verifica se la tua azienda ha quei dati.

   1. Se li ha — bene.

   2. Se non li ha, dobbiamo sederci e capire se possiamo avviare il processo di raccolta dei dati giusti in-house. Un’altra possibilità è che possiamo chiedere agli sviluppatori di salvare i dati di cui abbiamo bisogno se non lo stiamo già facendo.

Ecco un esempio. Possediamo un caffè e abbiamo bisogno di dati su quanti clienti lo visitano. Possiamo farlo implementando carte fedeltà personalizzate che gli utenti presenteranno quando effettueranno un acquisto. In questo modo, avremo i dati di cui abbiamo bisogno, come ad esempio quali clienti sono venuti, quando sono venuti, cosa hanno comprato e in che quantità. Una volta che abbiamo quei dati, possiamo utilizzare quei dati per implementare l’IA. Tuttavia, ci sono volte in cui la raccolta di questi dati può essere molto costosa. Ed è quando l’IA può venirci in aiuto. Ad esempio, se abbiamo una telecamera installata nel nostro caffè – che potremmo avere almeno per motivi di sicurezza – potremmo sfruttarla per raccogliere dati dai nostri clienti in visita. Devo dire che prima di implementare questo, è importante consultare le leggi sui dati personali, come il GDPR, poiché questo approccio potrebbe non funzionare in ogni paese. Ma in quelle giurisdizioni in cui è consentito, ciò può essere un modo senza soluzione di continuità per raccogliere le informazioni di cui hai bisogno e arruolare l’IA per aiutarti ad analizzarle e a elaborarle.

Se ti chiedi, questo programma di fedeltà personalizzato è quello che ha fatto Starbucks, con grande successo. Il piano di ricompense di Starbucks è arrivato a fornire incentivi personalizzati ogni volta che un cliente visitava la sua sede preferita o ordinava la sua bevanda preferita.

3. Definisci un’ipotesi

Potrebbero esserci situazioni in cui ti senti incerto su quali processi possano o debbano essere ottimizzati dall’IA.

Se questo è il tuo caso, allora puoi iniziare dividendo l’intero processo in fasi e identificando quelle fasi in cui ti senti che la tua azienda sta sottoperformando. Quali sono quelle aree in cui stai spendendo troppo denaro? Cosa sta richiedendo più tempo del solito? Rispondendo a queste domande, puoi individuare le aree critiche per il miglioramento e decidere se l’IA può essere di aiuto.

Come scoprirai, ci sono casi in cui le soluzioni convenzionali potrebbero essere più efficaci. Se stai lottando per capire quali offerte di prodotti evidenziare ai tuoi clienti, le raccomandazioni basate sui prodotti più popolari sono spesso molto più efficaci nei sistemi di raccomandazione del mercato che nei tentativi di prevedere il comportamento dell’utente. Pertanto, prova prima. Una volta che hai un risultato – sia positivo che negativo – allora puoi avere un’ipotesi per il test dell’IA. Altrimenti, il campo di azione sarà troppo vago e potresti finire per sprecare tempo e denaro.

4. Sfrutta le soluzioni che già esistono

Molte aziende cercano di progettare subito i propri algoritmi di apprendimento automatico. Tuttavia, se non pianifichi di addestrarli con set di dati di grandi dimensioni nel corso di un lungo periodo di tempo, non farlo. Sarà molto costoso e richiederà molto tempo.

Invece, ti consiglio di concentrarti sulle soluzioni già disponibili. Aziende come Amazon, Google, Microsoft e molte altre hanno strumenti alimentati dall’IA che possono aiutarti a raggiungere molti obiettivi. Poi, gradualmente, potresti firmare un contratto con una di loro e assumere uno sviluppatore interno per configurare abilmente le richieste API necessarie.

L’idea di base è che questi strumenti possano essere integrati da sviluppatori aziendali (non specialisti di ML), il che ci permetterà di testare rapidamente l’ipotesi di whether l’IA porta l’effetto atteso o no. Se non lo fa, possiamo semplicemente disabilitare questi strumenti e il nostro costo di test dell’ipotesi sarebbe solo il tempo dello sviluppatore che abbiamo speso per integrare con quel servizio e l’importo che abbiamo pagato per utilizzare lo strumento. Se stessimo sviluppando un modello, spenderemmo lo stipendio dello specialista di ML moltiplicato per il tempo che lo specialista di ML trascorre sviluppando il modello, in aggiunta a qualsiasi costo di infrastruttura. E poi non è chiaro cosa fare con lo sviluppatore e il modello se, alla fine, l’effetto atteso non c’è.

Se la nostra ipotesi è dimostrata e lo strumento alimentato dall’IA porta l’effetto atteso, ci rallegriamo e creiamo una nuova ipotesi. In futuro, se prevediamo che i costi dello strumento aumentino notevolmente, possiamo pensare di sviluppare questo modello noi stessi e ridurre così i costi ancora di più. Ma dobbiamo prima valutare se il costo di sviluppo è in realtà inferiore a quanto pagheremmo per utilizzare uno strumento di un’altra azienda che si specializza nello sviluppo di questi strumenti.

Il mio consiglio è che tu consideri di sviluppare il tuo proprio prodotto di apprendimento automatico solo dopo aver ottenuto buoni risultati dall’uso dell’IA con gli strumenti menzionati sopra e una volta che sei sicuro che l’IA è il modo giusto per risolvere il tuo problema a lungo termine. Altrimenti, il tuo progetto di ML non porterà il valore che stai cercando e, come ha detto un recente articolo della Harvard Business Review, l’ipnosi dell’IA ti distoglierà dalla tua missione, che non ha bisogno dell’IA.

5. Consulta con gli specialisti di IA

Nello stesso senso, un altro errore molto comune che i fondatori e i proprietari di aziende fanno è che cercano di fare tutto in-house. Assumono un ingegnere capo di IA o un ricercatore e poi altre persone per formare un team che possa creare un prodotto all’avanguardia. Tuttavia, quella tecnologia sarà inutile per lo scopo della tua azienda se non hai una strategia di implementazione dell’IA ben definita. C’è anche il caso in cui assumono un junior ingegnere di ML per risparmiare denaro rispetto all’assunzione di uno specialista più esperto. Ciò è anche pericoloso, perché una persona senza esperienza potrebbe non conoscere le sottigliezze dello sviluppo e della progettazione del sistema di ML e commettere “errori da principiante”, per i quali l’azienda dovrà pagare un prezzo troppo alto, quasi sempre superiore al prezzo di assunzione di uno specialista di ML esperto.

Pertanto, la mia raccomandazione è che tu assuma prima uno specialista di IA, come un consulente, che ti guidi lungo la strada e valuti il tuo processo di adozione dell’IA. Sfrutta la sua esperienza per assicurarti che il problema su cui stai lavorando richieda l’IA e che la tecnologia possa essere scalata in modo efficace per dimostrare la tua ipotesi.

Se sei una startup in fase iniziale e ti preoccupi del finanziamento, un hack per questo è contattare gli ingegneri di IA su LinkedIn con domande specifiche. Credimi, molti esperti di ML e IA amano aiutare, sia perché sono veramente appassionati dell’argomento, sia perché se riescono ad aiutarti, possono utilizzarlo come caso di studio positivo per il loro portfolio di consulenza.

Considerazioni Finali

Con tutto l’entusiasmo che circonda l’IA, è normale che tu possa essere ansioso di incorporarla nella tua attività e sviluppare una soluzione alimentata dall’IA che ti porti al livello successivo. Tuttavia, devi tenere presente che il fatto che tutti parlino dell’IA non significa che la tua azienda abbia bisogno dell’IA. Molte aziende, purtroppo, si affrettano a integrare l’IA senza un obiettivo chiaro in mente e finiscono per sprecare enormi quantità di denaro e tempo. In alcuni casi, specialmente per le aziende in fase iniziale, ciò può significare la loro fine. Definendo chiaramente un problema, raccogliendo dati rilevanti, testando un’ipotesi e utilizzando gli strumenti già disponibili con l’aiuto di un esperto, puoi integrare l’IA senza prosciugare le risorse finanziarie della tua azienda. Poi, se la soluzione funziona, puoi gradualmente aumentare e incorporare l’IA in quelle aree in cui aumenta l’efficienza o la redditività della tua azienda, a ipotesi, e utilizzando gli strumenti già disponibili con l’aiuto di un esperto, puoi integrare l’IA senza prosciugare le risorse finanziarie della tua azienda. Poi, se la soluzione funziona, puoi gradualmente aumentare e incorporare l’IA in quelle aree in cui aumenta l’efficienza o la redditività della tua azienda.