Google Cloud Next 2018: Intelligent Extended Enterprise

Nella prima parte di questa serie di articoli ho parlato di Cloud. Nella seconda parte delle prospettive tecnologiche tra 10 anni.

Comincio subito questa terza parte con l’argomento che secondo me ha fatto da padrone per tutta la conferenza, permeando in un modo o nell’altro tutte le sessioni e gli argomenti trattati: l’intelligenza artificiale, soprattutto la sua branca più affascinante, il Machine Learning (ML).

Se ne sente parlare da molti anni (chi di voi non ha mai sentito “rete neurale”?), ma perchè è diventato solo oggi un argomento attuale? Semplice, l’intelligenza artificiale è molto costosa sotto tutti punti di vista: competenze necessarie, potenza elaborativa, quantità di dati, bontà dei dati. Oggi è diventata più economica o, come si dice in inglese, che rende meglio: affordable.

Google la utilizza da molti anni per i suoi servizi, dal motore di ricerca a Gmail, a Google Drive, ed ha inventato e reso open source una delle librerie più importanti nel panorama della ML, Tensor Flow ed ha quindi iniziato a rendere queste tecnologia disponibili ai poveri mortali. Come dicono loro, democratizzare.

La chiave è semplificarne l’accesso in due modi: diminuire le competenze necessarie e mettere a disposizione potenza elaborativa e spazio per i dati.

Appendice: [In particolare, quello di cui si parla non è intelligenza artificiale in senso lato, ma Machine Learning (ML): un insieme di tecniche per costruire programmi che eseguono dei compiti, tipicamente di classificazione e previsione, senza che sia scritto del codice che spieghi a questo programma come comportarsi, ma insegnandogli come ragionare fornendo degli esempi. Ti do 100.000 foto di arance dicendoti che sono arance, poi ti passo una foto che non ti ho mai dato, che contiene un’arancia, e tu la riconosci]

E ora la consueta domanda: sì, ma a noi?

Vediamo alcuni usi pratici.

Da digital transformation a intelligent enterprise: oggi, processi e i dati delle aziende sono sempre più digitalizzati e questo li rende finalmente utilizzabili per migliorare i processi stessi e per fare nuovo business. Questo ha avuto due effetti:

i dati sono tantissimi, i processi sono tantissimi, la complessità aumenta: se penso al tipico menu di azioni di un gestionale mi vengono le vertigini!
man mano le applicazioni si spostano su front-office: pensate agli e-commerce, ai portali per i fornitori, ai CRM per gli agenti, alle applicazioni B2B e B2C: i sistemi delle aziende sono sempre più utilizzati e proiettati verso l’esterno delle stesse. Questo le rende vulnerabili sia in termini di sicurezza, che, da non sottovalutare, di user experience.

L’intelligent enterprise (e l’intelligent information system) è quella che sfrutta l’intelligenza artificiale per guidare l’utente nella complessità che si è creata.

ottimizzazione delle ricerche: il sistema è in grado di aiutarti nel cercare il dato che ti serve, interpretando il linguaggio naturale;
“cerca i clienti siderurgici vicino a Pavia”;
e conoscendo il database sottostante;
suggerimento di percorsi all’interno del software: sulla base di cronologia, preferiti, argomenti correlati, percorsi fatti da altri;
aiuto nella compilazione;
previsioni: non visitare quel cliente perchè potrebbe non pagare;
esperienza conversazionale per gli operatori: sarà la nuova user experience. “Sospostati sull’ubicazione B03”, “Arrivato”, “Preleva l’articolo H55” , “Non lo trovo”, “Preleva l’articolo H38”, “Che quantità”, “3 scatole”;
image processing: invece di utilizzare sensori, alcuni parametri possono essere recepiti tramite immagini, ad esempio, il fatto che una persone è entrata in sede perchè ho la foto della persona, oppure il fatto che la siepe è da tagliare o che il mandrino si sta consumando. Ho deciso di dedicare un capitolo a parte all’elaborazione di immagini nell’era del machine learning.

E’ chiaro il ruolo della tecnologia: per competere, la velocità di cambiamento è chiave e solo la tecnologia può dare le accelerazioni necessarie. Bisogna buttarsi!