Il costo dell’intelligenza sta calando: come possono competere le imprese?

15.700 miliardi di dollari.

È più del prodotto annuo combinato del Giappone, della Germania, dell’India e del Regno Unito, combinati. Non sorprende che sia anche quanto PwC stima che l’AI contribuirà all’economia globale entro il 2030. Non è un segreto che il costo dell’intelligenza sia stato in costante diminuzione negli ultimi anni. In effetti, nel 2020, un terzo delle imprese ha riferito che il costo dell’AI è diminuito del 20% in quasi tutti i settori.

Nel 1965, Gordon Moore ha previsto che il numero di transistor su un chip si sarebbe raddoppiato ogni due anni, consentendo avanzamenti commisurati nella potenza di calcolo, nell’archiviazione dei dati e nell’efficienza algoritmica. Sulla scia di quella previsione, la crescita quasi esponenziale del cloud e il modello pay-as-you-go ora significano che anche le organizzazioni più piccole hanno accesso a un’infrastruttura di calcolo altamente scalabile a costi relativamente bassi. Ciò ha rimosso la necessità di grandi investimenti iniziali nell’infrastruttura di calcolo e ha reso possibile per le organizzazioni più piccole competere con quelle più grandi su un piede di parità.

Inoltre, l’esplosione dei dati ha svolto un ruolo cruciale nella riduzione del costo dell’intelligenza. Con la crescita di Internet e la proliferazione dei sensori, ora c’è un’abbondanza di dati disponibili per l’analisi. Ciò ha consentito agli algoritmi di apprendimento automatico di essere addestrati su grandi set di dati, portando a una maggiore accuratezza e prestazione. Inoltre, il movimento open-source ha reso possibile per gli sviluppatori accedere e utilizzare grandi set di dati gratuitamente, abbassando le barriere all’ingresso per lo sviluppo di sistemi intelligenti. Infine, i progressi nell’efficienza algoritmica hanno anche contribuito alla riduzione del costo dell’intelligenza. I ricercatori hanno sviluppato nuove tecniche per l’addestramento e l’ottimizzazione degli algoritmi di apprendimento automatico, risultando in modelli più veloci e più precisi. Ciò ha reso possibile sviluppare sistemi intelligenti con meno risorse computazionali, riducendo il costo di sviluppo e distribuzione.

In un’era in cui le tecnologie AI e ML sono onnipresenti, ci si può aspettare di vedere cambiamenti significativi nel modo in cui le imprese operano e innovano attraverso i settori. Nel settore finanziario, ad esempio, le startup agili stanno utilizzando l’AI per offrire tutto, dallo STP per il KYC e l’onboarding dei clienti alle informazioni finanziarie e di budget. E nel settore sanitario, sta abilitando le piccole startup tecnologiche a prevedere i sintomi dei pazienti tramite input da dispositivi indossabili e fornire servizi di emergenza tempestivi.

Costruire un’impresa connessa è fondamentale

Le imprese connesse sono molto meglio posizionate per trarre vantaggio dal calo del costo dell’intelligenza rispetto ai loro omologhi tradizionali. Parte del motivo è che le imprese connesse utilizzano la tecnologia digitale per connettersi con clienti, dipendenti, fornitori e partner in tempo reale. Utilizzano anche un approccio cloud-first per l’infrastruttura, aiutandoli a elaborare facilmente grandi volumi di dati da dispositivi mobili, social media e altri strumenti per semplificare i processi e ottenere informazioni sul comportamento dei clienti. La maggior parte delle imprese connesse, di fatto, si basa su tre pilastri fondamentali.

Potenziale umano amplificato: Spesso, le imprese connesse ospitano una cultura di innovazione, agilità e collaborazione. L’elevato grado di automazione e di digitalizzazione end-to-end significa che i dipendenti sono liberati dalla tirannia delle attività manuali ripetitive e hanno più tempo per la risoluzione creativa dei problemi e il lavoro di alto livello. In effetti, avere l’infrastruttura digitale per supportare la cultura dell’innovazione è altrettanto importante quanto costruire la cultura stessa.

Reti di valore: I leader all’interno delle imprese connesse capiscono che la catena di approvvigionamento lineare ha superato la sua utilità e stanno invece investendo in ecosistemi di fornitori di tecnologia, aggregatori, distributori e startup. Le connessioni a bassa latenza all’interno di questi ecosistemi, o reti di valore, significano che ogni stakeholder ha accesso a un flusso di informazioni in tempo reale per alimentare la presa di decisioni, ottimizzare i processi e accelerare la consegna dei prodotti. Un solido esempio si trova nel modo in cui le compagnie di assicurazione auto hanno collaborato con i produttori e le società di telematica per lanciare modelli pay-as-you-drive, in cui i titolari delle polizze vengono addebitati di una tariffa più bassa se esibiscono costantemente un comportamento di guida sicuro. Allo stesso tempo, le informazioni raccolte dalla telematica a bordo aiutano i soccorritori di emergenza a localizzare rapidamente la scena di un incidente, mentre alimentano dati critici ai produttori in modo che possano ottimizzare i componenti di sicurezza.

Operazioni cognitive: Nell’era attuale, una “cultura dell’innovazione” è solo buona quanto i dati che la alimentano. Le imprese connesse sono più decentrate e flessibili delle organizzazioni tradizionali, con team distribuiti e un focus sui risultati piuttosto che sul processo. Le metodologie agili, i processi guidati dall’AI che richiedono poco intervento umano e un alto grado di connettività interna sono i segni distintivi delle imprese connesse di successo. Ciò significa che i dati fluiscono senza problemi in tutto il sistema e gli stakeholder possono accedere istantaneamente alle informazioni critiche per il loro lavoro senza gli ostacoli che le operazioni in silos spesso creano.

Qual è l’impatto nel mondo reale?

Con una presenza in oltre 20 paesi in Asia, Medio Oriente e Africa, un’azienda di beni di consumo in rapida crescita stava cercando di consolidare la sua posizione in più geografie. Tuttavia, nonostante il suo successo, l’azienda ha lottato per sfruttare appieno il suo potenziale di vendita regionale a causa del paesaggio retail frammentato nei mercati emergenti. Nello specifico, l’azienda ha trovato difficile ottenere visibilità sulla domanda e aumentare la sua quota di mercato a causa di una forte dipendenza dai processi manuali. In termini di soluzione, utilizzare una piattaforma AI-powered per automatizzare le operazioni e mappare i dati operativi critici è stato il primo passo. Il passo successivo ha comportato la creazione di un cruscotto per i rappresentanti delle vendite e i manager di territorio che li aiutava a mappare la penetrazione geografica, identificare le lacune di territorio e costruire una strategia per una copertura di outlet efficace. In pochi mesi, hanno visto un aumento del 15% del valore per dimensione, un miglioramento del 15% della produttività dei rappresentanti delle vendite e un aumento del 50% dell’ECO.

Allo stesso modo, quando la pandemia era in pieno svolgimento, un’azienda di beni di consumo ha tracciato la diffusione del COVID in diversi quartieri e ha alimentato quelle informazioni in una piattaforma AI per prevedere quali posizioni di vendita al dettaglio sarebbero state colpite più duramente dalle carenze di scorte. Utilizzando queste informazioni, unite a una rete di distributori connessi digitalmente, sono stati in grado di rifornire i loro prodotti in pochi giorni, mentre gli scaffali erano vuoti dei marchi dei concorrenti.

L’etica e l’agilità dell’intelligenza

Queste storie illustrano come le piccole organizzazioni che abbracciano gli strumenti e i talenti AI disponibili per loro siano in grado di creare un impatto che le imprese più grandi e tradizionali faticano a replicare. Per rimanere resilienti in un mondo in cui ogni organizzazione ha accesso a strumenti di analisi e intelligenza all’avanguardia, trasformarsi in un’impresa connessa è chiaramente essenziale.

Ma oltre a creare più valore economico, un’opportunità chiara per le imprese di distinguersi tra i loro pari è impegnarsi nell’uso etico dell’AI. Non solo si traduce nell’utilizzare la tecnologia per promuovere gli obiettivi ambientali e sociali, ma significa anche assicurarsi che i modelli AI siano culturalmente sensibili, non distorti verso le prospettive delle minoranze e utilizzati in conformità con le norme sulla privacy. Man mano che l’AI si integra ulteriormente nelle operazioni aziendali, la sostituzione della forza lavoro è anche una preoccupazione chiave – una preoccupazione che i leader possono affrontare attraverso programmi di riqualificazione e una gestione efficace del cambiamento.