Gli ingredienti principali dell'intelligenza artificiale

Obiettivi di apprendimento

Al completamento di questa unità, sarai in grado di:

• Identificare le tecnologie che compongono le soluzioni di intelligenza artificiale.
• Descrivere il ruolo del flusso di lavoro e delle regole nell'utilizzo delle previsioni dell'IA.

Negli ultimi tempi probabilmente avrai sentito parlare molto dell'intelligenza artificiale: non passa settimana che non veniamo a conoscenza di qualche modo nuovo e sorprendente in cui l'IA ci viene in aiuto. Le persone come te, qualunque sia il tipo di azienda in cui lavorano, sono comprensibilmente molto incuriosite da questa tecnologia trasformativa. L'idea di cominciare a usare l'IA ti entusiasma, ma hai molte domande su cosa può fare e cosa non può fare. Trovare le risposte è reso ancor più difficile dall'incredibile rapidità con cui cambia la tecnologia alla base dell'IA.

Per capire che cosa può offrire l'intelligenza artificiale è importante comprendere i componenti base della sua tecnologia. In questo modulo scoprirai quali sono questi componenti base e cosa occorre per iniziare il tuo primo progetto di IA. Vedrai quindi come l'IA può aiutare per le aziende con il calcolo del punteggio dei lead, le previsioni di vendita, il marketing, l'assistenza e altro ancora.

Gli ingredienti principali

L'intelligenza artificiale può sembrare un po' misteriosa, quasi una magia, quando scopri per la prima volta che cosa riesce a fare. La verità è che l'IA alla base delle applicazioni aziendali, in realtà si riduce a pochi piccoli elementi che, se combinati in modo innovativo, producono valore reale per le aziende. Si potrebbe paragonare l'intelligenza artificiale a ingredienti che si combinano per creare la ricetta perfetta per la tua azienda. Se li combini seguendo una certa ricetta crei un piatto. Se li combini in modo diverso ottieni un piatto diverso. Pochi semplici ingredienti possono dare un'incredibile varietà di soluzioni per le esigenze della tua azienda.

Vediamo quali sono gli ingredienti principali che compongono qualsiasi robusta piattaforma IA: previsioni e risposte di tipo Sì/No, previsioni numeriche, classificazioni, consigli e creazione di riassunti. 

Previsioni e risposte di tipo Sì/No

Il primo ingrediente sono le previsioni di tipo Sì/No. Questo tipo di previsione consente di rispondere a domande del tipo "Questo lead va bene per il mio business?" oppure, "Questo cliente potenziale aprirà il mio messaggio email?" L'IA aiuta a rispondere a queste domande analizzando i dati storici archiviati nel sistema. 

Le previsioni di tipo Sì/No in genere hanno la forma di probabilità, (ad esempio, "Le probabilità che Mary Smith apra questo tipo di email sono pari al 67%"). A volte le probabilità sono convertite in punteggi. I punteggi non sono che un modo diverso per rappresentare la probabilità di una risposta "Sì": possono essere rappresentati su una scala numerica (ad esempio da 0 a 100) o anche come il numero di stelle su un sondaggio su una scala di 5 stelle. Ricorda che questi punteggi sono soltanto metodi alternativi per mostrare la stessa probabilità. Inoltre, con l'aiuto dell'IA generativa, puoi formulare una richiesta più complessa di una semplice domanda di tipo Sì/No: ad esempio, "scrivi un'email di benvenuto da inviare a un cliente potenziale" oppure "aiutami a creare un riassunto per mio post del blog". L'IA generativa può fornirti una risposta costruita sulla tua richiesta. Non solo può rispondere alla tua domanda, ma continuerà a migliorare le proprie risposte in base al tuo feedback. Più la tua richiesta è dettagliata e specifica, più la risposta risulterà utile. 

Previsioni numeriche

Poi, ci sono le previsioni numeriche. Le previsioni numeriche spesso sono alla base delle soluzioni di previsione predittiva (ad esempio, "Quanto fatturato porterà il nuovo cliente?") ma sono usate anche in altri contesti, come l'assistenza clienti (ad esempio, "Quanti giorni occorrono per risolvere il problema del cliente?"). Anche le previsioni numeriche usano i dati storici per arrivare ai risultati.

Classificazioni

Abbiamo poi le classificazioni. Spesso le classificazioni usano capacità di "deep learning" per operare su dati non strutturati, come testo libero o immagini. L'obiettivo delle classificazioni è di estrarre informazioni utili da dati non strutturati, per rispondere a domande come: "Quante lattine di aranciata ci sono in questa immagine?". Possono anche partire da un'affermazione del tipo: "Voglio comprare un altro paio di scarpe come quelle che ho comprato l'ultima volta" e usarla per avviare un flusso di lavoro che ricerca l'ultimo ordine di scarpe e inserisce un paio di scarpe uguali nel carrello dello negozio online.

La classificazione che utilizza il deep learning è estremamente efficace, anche quando i dati non strutturati arrivano in forme diverse. Riprendiamo l'esempio delle scarpe. Potresti dire: "Voglio un altro paio di quelle scarpe" o "Dammene ancora uno". Comunque venga formulata la richiesta, il motore di deep learning sottostante, integrato in una piattaforma IA, in genere può comprenderla, in modo molto simile al cervello umano.

Un altro tipo di classificazione, che non utilizza necessariamente il deep learning, si chiama "clustering". Questo tipo di ingrediente dell'IA estrapola dai tuoi dati informazioni approfondite che altrimenti potresti non notare. Per esempio, se vendi abbigliamento, l'IA potrebbe scoprire che uomini di campagna anziani e ventenni di città acquistano uno stesso tipo di maglione. Là dove per intuizione tenderesti a considerare che questi due gruppi sono agli opposti, i dati mostrano che in realtà sono simili per quanto riguarda i prodotti che acquistano e che, quindi, potresti usare forme di marketing simili per entrambi i gruppi.

Consigli

Passiamo ai consigli. I consigli sono fondamentali quando hai un grande insieme di articoli che vorresti consigliare agli utenti. Molti siti web di e-commerce applicano strategie per i consigli ai prodotti; possono rilevare che le persone che hanno comprato uno specifico paio di scarpe spesso ordinano anche un certo tipo di calzini. Quando un utente inserisce quelle scarpe nel carrello, l'IA consiglia automaticamente gli stessi calzini.

I consigli non riguardano solo i prodotti. Gli esperti di marketing usano la stessa tecnica per consigliare contenuti, come i whitepaper, agli utenti aziendali. I datori di lavoro possono usare i consigli con il sistema di selezione del personale delle Risorse Umane per consigliare le offerte di lavoro ai candidati. In qualità di utente, puoi ricevere consigli se hai difficoltà a scrivere un'email o a rispondere al caso di un cliente. l'IA generativa può generare e fornirti risposte o modelli che ti aiutano a iniziare. Oppure puoi chiedere ad Einstein di assisterti nella scrittura, facendoti aiutare a completare il tuo lavoro.

Flusso di lavoro e regole

Il flusso di lavoro e le regole tecnicamente non fanno parte dell'IA, ma costituiscono una parte essenziale per il suo utilizzo.  Vediamo il seguente esempio. Poniamo che l'IA preveda che c'è un 25% di probabilità che un determinato cliente non rinnovi il contratto. Non è sufficiente saperlo, devi fare qualcosa in proposito. È qui che entrano in gioco il flusso di lavoro e le regole. Per questo esempio, quando l'IA prevede che un cliente probabilmente non rinnoverà il contratto, il flusso di lavoro potrebbe portare all'avvio di una campagna di fidelizzazione. 

Creazione di riassunti

Infine, diamo uno sguardo alla creazione di riassunti. La creazione di riassunti svolge un ruolo molto rilevante nel funzionamento dell'IA generativa. Immagina di avere diverse ore di registrazioni da ascoltare oppure di dover leggere un documento di 10 pagine sui valori di Salesforce. L'IA generativa può aiutarti a riassumere blocchi di informazioni in appunti rapidi e facili da assimilare. Non dovrai passare ore ad ascoltare registrazioni o a leggere appunti: Einstein può riassumere le informazioni più importanti conservandone il senso, così non ti perderai gli aggiornamenti e risparmierai ore di lavoro. 

Con questi ingredienti fondamentali dell'IA, è possibile realizzare applicazioni IA personalizzate in grado di rispondere a svariate esigenze aziendali. Nella prossima unità scoprirai come iniziare a creare le tue soluzioni di IA.