Le 4 mosse che rendono intelligenti i tuoi processi di business
“Le tipiche, tradizionali, classiche credenze su come giocare — Ho cominciato a metterle in discussione” — Lee Sedol (campione di Go)
Esattamente 2 anni fa, il 9 marzo 2016, il programma informatico Alphago ha battuto per la prima volta, e in maniera del tutto inaspettata, Lee Sedol, uno dei più forti giocatori nella storia millenaria del Go. La sorpresa è stata grande, perché il gioco del Go ha una complessità incredibile e non basta la forza bruta di calcolo di un computer per riuscire a vincere. Le possibili combinazioni sono superiori al numero degli atomi nell’universo (10 elevato per 170), e il tempo per calcolarle con le tecnologie attuali non è assolutamente alla nostra portata. Per vincere Alphago ha dovuto sviluppare un pensiero strategico, intuitivo, creativo: alla fine ha vinto 4 partite su 5. Durante la seconda di queste partite, alla mossa 37, è accaduto qualcosa di inaspettato: una mossa imprevedibile, incomprensibile, che nessun umano avrebbe mai giocato, ma che alla fine si è rivelata la chiave della vittoria di Alphago. Il sistema si è sganciato dalle logiche usuali, è diventato improvvisamente creativo, è riuscito a comprendere ad un livello impossibile per l’uomo le dinamiche profonde di questo gioco. Grazie a questa capacità, in soli due anni Alphago sta rivoluzionando la conoscenza realizzata da 2.500 anni di gioco umano, permettendo un approccio diverso e più efficace (vi consiglio il documentario Alphago, su Netflix, per approfondire questa storia).
Se una intelligenza artificiale è riuscita a diventare il più forte giocatore della storia del Go, possiamo solo immaginarci quali opportunità possa dare all’interno delle nostre aziende. Nonostante il Go sembri un gioco incredibilmente complesso, siamo però ancora lontani dalla complessità che affrontiamo ogni giorno nei nostri contesti lavorativi. Nel Go c’è una storia millenaria da cui imparare, regole molto chiare e stabili nel tempo, un contesto esterno ininfluente ed estrema chiarezza nelle risorse disponibili, negli input e negli output possibili. I nostri processi di business hanno una dose di variabilità, dipendenza dal contesto, casualità, che li rendono un campo di gioco completamente diverso e molto più difficile da affrontare per una intelligenza artificiale.
Se è quindi ancora lontano (anche se esistono pareri molto differenti) il momento in cui il giudizio e la discrezionalità umane saranno del tutto rimpiazzati da intelligenze artificiali con un livello superiore di capacità ed efficacia, già oggi possiamo sfruttare queste nuove potenzialità. In realtà lo facciamo da tempo, spesso senza accorgercene, perché l’intelligenza artificiale fa già parte dei motori che sono dietro a tantissime applicazioni che utilizziamo ogni giorno (pensiamo ai navigatori che sulla base del traffico ti indicano la via migliore, ai sistemi di traduzione linguistica, alle applicazioni che ti consigliano il prodotto o il contenuto più vicino ai tuoi gusti, agli assistenti vocali o ai sistemi che in automatico riconoscono chi è accanto a te nella foto appena postata su un social network). Non sorprende quindi che oggi l’intelligenza artificiale, proprio grazie a queste potenzialità, sia il tema più discusso e dibattuto fra chi si occupa di Digital Transformation. E’ un ingrediente concreto, realmente disponibile, che può migliorare in maniera decisiva le prestazioni dei nostri processi di business.
Da qui è nata una nuova disciplina, che si chiama IPA (Intelligent Process Automation). L’IPA sfrutta tecnologie di apprendimento per automatizzare una serie di task complessi che richiedono delle capacità cognitive tipicamente umane. È possibile analizzare immagini, testi, lingua parlata, creare associazioni intelligenti fra i dati ed effettuare predizioni. Grazie a tecnologie sempre più evolute e alla possibilità di migliorare le prestazioni con il processo di apprendimento, in alcuni campi è o sarà presto possibile superare le prestazioni dell’uomo. Già oggi, con le tecnologie attuali, la potenzialità di automazione è di circa il 45%, anche se molto differenziata da settore a settore (per dettagli vedi questa ricerca McKinsey).
L’IPA pone l’accento sull’automazione, ovvero sull’efficienza del processo, che grazie a queste tecnologie può essere reso più economico, più veloce e, di conseguenza, in grado di garantire volumi e livelli di servizio superiori. Questa visione dei processi di business è però statica, e penso limitante rispetto all’impatto trasformazionale che l’intelligenza artificiale può portare. Se pensiamo a tutte le potenzialità già oggi disponibili, quello che otterremo non sono solo processi “automatizzati”, ma tutta una nuova serie di possibilità che amplificano quello che l’azienda, e ogni suo lavoratore, può fare. Per questo preferisco parlare di Intelligent Process Augmentation, per sottolineare che l’intelligenza artificiale non serve solo a ridurre i costi, ma a rendere possibile quello che prima era solo immaginabile.
Un processo “aumentato” dall’intelligenza artificiale può essere quindi un processo più efficiente ed efficace, ma anche in grado di fare cose completamente diverse. Per arrivare qui occorre combinare 4 possibili mosse, che vedono l’intelligenza applicata ad obiettivi distinti: automatizzare le attività, supportare il lavoro umano, gestire i processi e amplificarne le potenzialità.
1. TASK AUTOMATION
E’ la prima, più evidente e temuta applicazione dell’intelligenza artificiale. Eliminare il lavoro umano utilizzando dei programmi intelligenti (bot) che eseguono da soli dei compiti. Una delle tecnologie possibili è la Robotic Process Automation (RPA): sistemi software in grado di eseguire autonomamente compiti prima svolti da operatori umani. Si tratta di attività ripetitive, che impiegano dati strutturati, e che è possibile codificare mediante regole. Per questa ragione sono le attività di back-office delle aziende quelle più esposte a questa innovazione. L’elemento chiave di un sistema RPA, che lo distingue dalla normale automazione dei processi, è la creazione di un layer applicativo che va a complementare, e non sostituire, i sistemi informativi esistenti. Un sistema RPA interagisce infatti con i programmi come fosse un operatore umano, creando un esercito di lavoratori virtuali che agiscono sui sistemi informativi allo stesso modo, ma più velocemente, senza errori e con costi ovviamente molto inferiori. Oltre a questo è in realtà oggi possibile fare un passo avanti, impiegando tecnologie con capacità cognitive in grado ad esempio di riconoscere immagini, interpretare il linguaggio naturale e interagire con gli utenti. Lo spettro di attività umane automatizzabili si è quindi ampliato, e nel corso del tempo si amplierà sempre di più. Un modo di affrontare questa opportunità è scomporre il nostro processo in attività elementari e cercare quelle maggiormente standardizzabili e ripetibili: è probabile che l’impiego di agenti autonomi possa eliminare completamente l’intervento umano. L’intelligenza artificiale funziona infatti bene per compiti molto specifici e standard, altamente ripetibili e con condizioni contestuali controllate. Ma la tecnologia avanza rapidamente, e occorre sapere fino a che punto è possibile realmente spingersi.
2. WORKFORCE SUPPORT
Mentre per alcune attività è possibile l’automazione, nella stragrande maggioranza delle casistiche la discrezionalità e la conoscenza umane sono le sole risorse possibili. Questo non vuol dire che sistemi evoluti di intelligenza artificiale non possano contribuire, aumentando la qualità e l’efficienza del lavoro umano. Sistemi di analisi avanzata, che permettano di trovare correlazioni fra i dati e di realizzare previsioni accurate, sono un valido aiuto per chi deve decidere. Così come tutti quei sistemi che consigliano l’utente, ad esempio individuando documenti che trattano degli stessi argomenti di cui sta scrivendo, o che lo mettono in contatto con chi può conoscere una particolare informazione, o che facilitano la ricerca di contenuti o lo aiutano a comporre una slide. Tutte queste funzionalità non elimineranno il lavoro umano, ma lo renderanno più facile e veloce: nei compiti più complessi l’intelligenza artificiale può essere un valido alleato. Questa nuova alleanza aumenta le capacità delle persone, non elimina l’apporto unico che ognuno può dare ma dà la possibilità di fare ancora meglio. Sia che debbano prendere decisioni o fare attività più operative, l’aiuto dell’intelligenza artificiale può fare la differenza per i knowledge worker, ma occorrono nuove competenze e nuove capacità per sfruttarla realmente.
3. WORKFLOW OPTIMIZATION
Il coordinamento dei flussi di lavoro è un elemento di chiaro valore per l’applicazione dell’intelligenza artificiale. Negli ultimi anni si è già sviluppato il concetto di process mining, che ha l’obiettivo di raccogliere dati sul funzionamento reale di ogni processo per capire come ottimizzarlo. L’intelligenza artificiale può fare ancora di più: costruire un modello del processo e identificare in tempo reale tutte le azioni che permettano di migliorarne le prestazioni critiche. In questo modo è possibile:
- rilevare le anomalie che possono presentarsi in alcune istanze del processo in termini di flusso delle attività e di indicatori di performance specifici;
- ridistribuire il carico di lavoro fra le diverse risorse sulla base delle competenze, dei carichi di lavoro, delle priorità e dei fattori contestuali.
L’utilizzo di dati relativi al funzionamento del processo (process data) consente innanzitutto di generare un modello reale del processo, che può poi essere analizzato per rimuovere colli di bottiglia, eliminare attività non a valore aggiunto e riconfigurare i flussi. Sulla base del modello di processo e degli obiettivi che gli vengono assegnati il sistema può poi agire in tempo reale, tramite un rerouting dinamico delle attività e l’attivazione di meccanismi di sollecito e monitoraggio. L’utilizzo di un sistema di questo tipo porta ad una diminuzione degli oneri di coordinamento e della necessità di supervisione delle attività. Eliminazione dei colli di bottiglia, individuazione tempestiva delle anomalie, analisi delle eccezioni, ottimizzazione complessiva delle attività, mappatura e valorizzazione delle competenze presenti, identificazione delle risorse maggiormente produttive: è un modo completamente diverso di pensare al coordinamento di un processo di business.
4. NEW CAPABILITIES
La vera sfida dell’intelligenza artificiale non è quella dell’automazione e dell’efficienza, ma la creazione di differenziali competitivi sfruttando le nuove possibilità offerte da queste tecnologie. Ripensare ad un processo con questo obiettivo in mente significa allargare la propria visione, adottando un approccio creativo. L’introduzione di un chatbot, ad esempio, non solo efficienta il processo, ma può portare ad un innalzamento del livello di servizio, dà la possibilità di creare in automatico una knowledge base e di effettuare proposte di upselling mirate sulla base del profilo del singolo utente. I sistemi di raccomandazione che sfruttano l’intelligenza artificiale guidano il cliente nella scelta dei prodotti e dei contenuti più in linea con i suoi gusti, l’utilizzo intelligente dei dati di funzionamento di una macchina permette di gestirne in anticipo la manutenzione, evitando fermi, ritardi e difettosità. In tutti questi casi l’apporto dell’intelligenza artificiale è trasformazionale: non solo il processo è più efficiente, non solo le persone sono più veloci ed efficaci, ma l’azienda può generare nuovi differenziali competitivi. Il punto di partenza è comprendere come l’utilizzo intelligente dei dati possa massimizzare il valore generato per il cliente, abilitando nuovi modelli di business che intercettano parte di quel valore creato in una logica win-win.
Queste sono le 4 mosse che occorre considerare quando oggi si vuole ripensare ad un processo di business. Avendo sempre lavorato sull'organizzazione e sui processi aziendali, e sul ruolo delle tecnologie per supportarli, penso che oggi l’intelligenza artificiale sia un ingrediente fondamentale e in grado di cambiare completamente le regole del gioco. Già oggi è largamente disponibile, le performance sono in incremento continuo e i costi discendenti.
Occorrono però competenze specifiche: nuove metodologie di analisi e progettazione dei processi, la comprensione delle caratteristiche dei dati disponibili e la conoscenza delle potenzialità reali di queste tecnologie. La sfida non è banale, la vedo nella quantità di effort che, insieme al mio team, stiamo investendo e nell’impegno che ci mettiamo nel comprendere fino in fondo questo nuovo fenomeno, con l’obiettivo di continuare a portare innovazione nelle aziende con cui collaboriamo.
