L'intelligenza artificiale incontra l'ingegneria analitica: la maturità dell'intelligenza artificiale per i processi

Aziende di ogni tipo di settore e specializzazione sentono l'esigenza di tuffarsi a capofitto nel mondo dell'intelligenza artificiale, e questo include l'ingegneria analitica. Le opportunità sono reali e stimolanti, ma le organizzazioni che desiderano sfruttarle al meglio dovrebbero implementare la struttura dei propri processi in modo ponderato e realistico, in base al loro livello di maturità in ambito di intelligenza artificiale. Scopriamo come.

Livelli di maturità dell'IA

Quando si descrive la complessità dell'IA che si sta utilizzando, i livelli di maturità dell'IA sono utili come quadro semplice e chiarificatore.

Livello 1: Intelligenza assistita (automazione): automazione di base di attività e flussi di lavoro ripetitivi. Esempi: chatbot con risposte fisse, crawler di siti web, strumenti di ricerca interna.

Livello 2: Intelligenza aumentata (analisi guidata): indichi all'IA il metodo/modello e cosa analizzare, e lei farà il resto. Esempi: algoritmi di offerta pubblicitaria, riepiloghi di contenuti.

Livello 3: Intelligenza autonoma (IA autoapprendente): l'IA individua metodi, individua schemi e fornisce raccomandazioni. Esempi: auto a guida autonoma, guida autonoma robot di trading azionario.

Pressione sull’“IA”

Certo, oggi c'è molta pressione per "essere al livello 3". Ma questo dipende in gran parte dalle risorse, dagli asset, dalle competenze chiave, dalle conoscenze e dalle persone della tua azienda. L'approccio migliore è iniziare da dove ha senso, anche se è al Livello 1.

Al momento, ci sono milioni di articoli online che ti bombardano di idee per l'intelligenza artificiale. Ma le idee non portano a casa la pagnotta. Secondo Adobe, solo 12% delle aziende dispone attualmente di soluzioni di intelligenza artificiale funzionanti che dimostrano un chiaro ROI. La maggior parte di queste è ancora in fase pilota, in fase di valutazione dell'efficacia o sta affrontando difficoltà nell'implementazione su larga scala delle iniziative di intelligenza artificiale. Molti team faticano a identificare dove l'intelligenza artificiale possa essere integrata in modo significativo nei loro flussi di lavoro e, anche quando viene identificato un caso d'uso, molte organizzazioni non dispongono delle capacità interne per sviluppare strumenti di intelligenza artificiale personalizzati o trovare soluzioni esterne affidabili.

Limitiamoci ad applicazioni realistiche. Esistono ottimi modi per integrare gradualmente l'uso dell'intelligenza artificiale in elementi di lavoro realistici per i leader pronti a crescere responsabilmente.

Cosa può essere automatizzato quando si creano analisi per un prodotto e-commerce/SaaS

A mio avviso, ci sono due processi comuni all'interno dei team di ingegneria analitica di successo che sono ottimi candidati per sviluppare la maturità dell'intelligenza artificiale:

1. Intelligenza artificiale per la gestione della conoscenza e l'onboarding
2. Intelligenza artificiale per l'automazione di QA e audit

1. Intelligenza artificiale per la gestione della conoscenza e l'onboarding”

La documentazione è uno strumento fondamentale per tenere traccia di sistemi complessi. Secondo il Process Framework, l'SDR (Solution Design Reference) deve documentare ognuno dei cinque passaggi. Potrebbe presentarsi in questo modo:

• Processo n. 1: Documentazione dei risultati attesi.
• Processo n. 2: tenere traccia delle principali storie di raccolta dati sottoposte a controllo regolare.
• Processo n. 3: annotazione della cronologia dei requisiti dei dati degli stakeholder tecnologici di terze parti.
• Processo n. 4: definizione dettagliata del livello dati su tutte le app e le superfici.
• Processo n. 5: descrizione e dettaglio dell'architettura ingegneristica con diagrammi, gerarchie e requisiti.

Ora aggiungiamo un po' di intelligenza artificiale a tutto questo.

Livello 1

Al livello 1, puoi iniziare a utilizzare chatbot AI interni per il recupero dei documenti.

Molte aziende dispongono ora di chatbot interni che possono essere addestrati sulla documentazione proprietaria. Se non si dispone di un chatbot interno, è possibile utilizzare la modalità di navigazione in incognito o oscurare la documentazione prima di inviarla al bot.

Fornisci al tuo bot i tuoi SDR, i manuali QA, le convenzioni di denominazione e gli standard di implementazione.

Dopo un rilascio riuscito, fornisci le note del progetto AI o i piani di implementazione, da aggiungere alla documentazione. Quindi, poni all'AI le seguenti domande:

• "Qual è il metodo migliore per implementare X se voglio usare la stessa logica di Y?"
• “Quali dati è necessario raccogliere per tracciare gli acquisti?”
• "Quali tag mancano in questa nuova pagina prodotto?"

Il risultato di questo processo è che si perde meno tempo a scorrere i documenti o a contattare i colleghi, i nuovi membri del team possono trovare risposte in autonomia e la conoscenza tribale diventa scalabile.

Ci sono alcune avvertenze da tenere a mente. Questo metodo funziona davvero se si mantiene aggiornata la documentazione, e diventa scalabile solo se si forma il personale e si obbliga il personale a utilizzare lo strumento.

Livello 2

Se questa soluzione funziona per il tuo reparto, valuta di ampliare la tua rete e connettere il chatbot direttamente alla tua tecnologia. Puoi automatizzare l'automazione.

Livello 3

Sono sicuro che il cielo sia il limite. La direzione che seguirei sarebbe quella di sviluppare un'intelligenza artificiale proattiva che segnali le incongruenze e offra miglioramenti. La realtà è che poche aziende stanno raggiungendo questo livello, e sto scrivendo questo articolo per la maggior parte di noi, che sta ancora imparando.

2. Intelligenza artificiale per l'automazione di QA e audit

Controllare regolarmente i metodi di raccolta dati è una delle best practice del Framework di Processo. Molto spesso, il revisore sarà un team di controllo qualità oppure, in alternativa, potrà essere utilizzato uno strumento di auditing. Ad esempio, ObservePoint è uno strumento completo e altamente personalizzabile, che consente di creare flussi di audit estremamente complessi. Anche con un robot, si potrebbe sempre utilizzare un po' di intelligenza artificiale, giusto?

Livello 1

Iniziamo automatizzando gli aspetti tecnici. Creare percorsi di audit in strumenti di audit robotici come ObservePoint è spesso un'operazione tecnica. E richiede molto supporto. Per automatizzare alcune di queste attività tecniche ripetitive, durante la creazione di percorsi di audit, è possibile chiedere nuovamente l'aiuto di un chatbot con intelligenza artificiale. Poni all'intelligenza artificiale le seguenti domande:

"Dammi il selettore CSS per il pulsante "Passaggio successivo"."

"Scrivi un codice personalizzato che accetti automaticamente tutti i cookie."

Il risultato dovrebbe essere una maggiore facilità d'uso quando si lavora con strumenti altamente tecnici, una più rapida selezione e risoluzione dei problemi e una minore dipendenza dal supporto e dagli sviluppatori frontend.

Alcune avvertenze sono che se non si utilizza un robot crawler per gli audit dei dati, è possibile che si debba ricorrere a un team di controllo qualità. Il team di controllo qualità può valutare l'adozione di automazioni per le fasi più comuni. Iniziare in piccolo, aumentare gradualmente una volta pronti; i passaggi successivi diventeranno più chiari solo dopo aver compiuto il primo passo.

Livello 2

Per l'utilizzo dell'IA di livello 2, valuta l'integrazione del tuo Chatbot direttamente con lo strumento, evitando di inviare richieste manuali a un chatbot.

Livello 3

Infine, per l'utilizzo al Livello 3, il cielo è ancora una volta il limite. Scopri come rendere le tue automazioni più proattive nell'individuare miglioramenti e consigliare soluzioni. Scegli questa strada solo se ritieni di poter gestire agevolmente il Livello 2.

Cosa non automatizzare (ancora)

Consideriamo la Best Practice n. 3: Collaborare con gli stakeholder tecnologici di terze parti. Questa è una cosa che gli esseri umani sanno ancora fare meglio. È possibile utilizzare l'intelligenza artificiale per preparare le chiamate con i fornitori, riassumere i contratti o elaborare schemi di integrazione. Ma per ora, la costruzione di relazioni rimane umana.

Considerazioni finali

Anche se non hai un budget per lo sviluppo di un'intelligenza artificiale personalizzata, puoi iniziare con gli strumenti che già possiedi. Un buon processo e un buon chatbot possono fare la differenza.

Inizia in modo semplice, con il Livello 1 o 2, e lascia che il tuo team si senta a suo agio. Una volta capito dove l'IA fa risparmiare tempo e aumenta la coerenza, saprai dove investire in strumenti più avanzati. La parte più difficile dell'adozione dell'IA è spesso capire dove serve in primo luogo. Una volta stabilita questa base, prova a passare a un livello superiore con il tuo team e scopri quanto può essere più fluida l'ingegneria analitica basata sull'IA.

Vuoi saperne di più sull'intelligenza artificiale nell'ingegneria analitica e, più specificamente, sui migliori processi per una raccolta dati pulita? Dai un'occhiata al mio articolo sulla creazione di un Framework di dati per l'e-commerce pulito.