L’intelligenza artificiale sta progressivamente entrando nella maggior parte dei processi di business. In questo contesto risulta decisiva la capacità della AI – Artificial Intelligence di analizzare i dati provenienti in tempo reale dalle varie applicazioni, per offrire immediatamente le risposte utili a supportare e automatizzare le scelte da effettuare.

L’intelligenza artificiale sta vivendo un momento di straordinaria fortuna critica e mediatica, ritrovandosi ad esercitare un ruolo da protagonista assoluta anche nelle applicazioni mainstream, dove miliardi di persone la utilizzano quotidianamente, spesso in maniera del tutto inconsapevole.

I sorprendenti risultati della AI generativa, basti pensare alle immagini di Dall-E e Midjourney, come ai testi del famigerato ChatGPT, hanno sicuramente catturato l’attenzione del grande pubblico, rendendo tangibili le potenzialità dell’intelligenza artificiale sia dal punto di vista creativo che per quanto riguarda l’analisi di grandi numeriche di dati.

Pur contraddistinta da varie velocità di implementazione, l’intelligenza artificiale sta progressivamente entrando nella maggior parte dei processi di business ed una delle capacità più “apprezzate” dalle aziende riguarda le cosiddette real time analytics, ossia analisi – mediante tecniche di intelligenza artificiale –  dei dati provenienti in tempo reale dalle varie applicazioni con differenti livelli di automazione delle azioni e decisioni possibili a seguito delle informazioni prodotte da tali analisi.

Se l’informazione è potere, rispondere immediatamente all’esigenza di un cliente o ad una necessità operativa è sempre più sinonimo di successo. Lo dimostrano, a livello mainstream, alcune applicazioni che diamo ormai per scontate nella nostra quotidianità. Si pensi, per esempio, ai suggeritori per gli acquisti di Amazon e di Google (i cosiddetti sistemi di raccomandazione), così come alla capacità di Netflix di consigliare in tempo reale il film giusto per trascorrere la serata. La maggioranza degli utenti probabilmente ignora che tali servizi si avvalgono della capacità dell’intelligenza artificiale di analizzare i loro dati di interazione in tempo reale, ma li utilizza con profitto ogni giorno.

Inizialmente erano una preziosa esclusiva delle grandi realtà enterprise. Oggi, soprattutto grazie ai servizi in cloud, gli AI powered tools iniziano a diventare una risorsa disponibile per molte realtà, abilitando nuove possibilità di business. Vediamo in cosa consistono le applicazioni basate sull’analisi dei dati in tempo reale da parte dell’intelligenza artificiale e quali sono, oggi, i principali casi d’uso nei vari settori di attività.

Takeaway

Real time analytics: AI e IoT per generare valore dai dati

Le applicazioni di real time analytics utilizzano algoritmi di machine learning per analizzare i dati acquisiti dai sistemi aziendali nei vari contesti applicativi. Le capacità di apprendimento automatico che caratterizzano questa sotto branca dell’intelligenza artificiale consentono di migliorare progressivamente la conoscenza del contesto di riferimento per formulare previsioni utili a supportare scelte operative e decisioni strategiche. Poter effettuare tale processo in tempo reale abilita enormi possibilità a livello di business.

Le fonti da cui è possibile acquisire in tempo reale i dati necessari sono estremamente varie e dipendono in gran parte dalla tipologia di business e ai sistemi che vengono impiegati nei rispettivi contesti applicativi. I più ricorrenti sono:

• Interazioni con i canali di comunicazione online

Il sito ufficiale, le app mobile, i social media e tutti i canali che le aziende utilizzano per implementare le loro strategie omnichannel. Gli utenti effettuano interazioni che vengono acquisite e collezionate in CRM ed altri sistemi aziendali, dove diventano disponibili per le applicazioni di real time analytics.

• Transazioni

I data point fisici, tra cui i sistemi di pagamento e altre interfacce con cui gli utenti si interfacciano nelle varie location in cui vengono erogati i servizi. L’analisi in tempo reale consente ad esempio di identificare e anticipare con successo i tentativi di frode.

• Sistemi IoT (Internet of Things)

Tipici delle applicazioni domotiche e dei sistemi industriali (Industrial Internet of Things), dove appositi sensori ed attuatori consentono di controllare una serie di dispositivi smart, la cui intelligenza risiede nella capacità di scambiare dati in maniera bidirezionale, ai fini di rispondere in tempo reale alle esigenze operative.

• Dati ambientali

L’acquisizione di dati relativi a temperatura, umidità, inquinamento o, in un ambiente economico, ai prezzi di mercato consentono di analizzare gli impatti sul contesto di riferimento e di effettuare previsioni circa i futuri andamenti.

Alcune applicazioni di real time analytics

Le tecnologie in grado di acquisire (IoT) e analizare (AI) i dati sono ampliamente diffuse in vari contesti applicativi. Tra gli esempi più ricorrenti real time analytics ritroviamo:

• Applicazioni e-commerce per suggerire in tempo reale possibili soluzioni di acquisto ai clienti sulla base delle loro interazioni;
• Servizi di monitoraggio delle transazioni finanziarie, in grado di rilevare pattern anomali a cui potrebbero corrispondere tentativi di frode;
• Servizi di advertising online (es. Google e Facebook) che analizzano in tempo reale il comportamento degli utenti per inoltrare loro annunci commerciali pertinenti;
• Sistemi di guida autonoma, che utilizzano i dati ambientali per garantire il funzionamento e la sicurezza nella navigazione;
• Piattaforme per la cybersicurezza, in grado di analizzare in tempo reale in traffico in rete, per rilevare sia le possibili vulnerabilità del sistema che le anomalie che potrebbero corrispondere ad un attacco di sicurezza informatica.

Ibridazione e democratizzazione della AI

Nella maggior parte dei casi, quando si parla di real time analytics non ci si riferisce a tecnologie nuove. È invece frequente l’associazione e l’ibridazione di varie tecniche di intelligenza artificiale, scelte dai data scientist per fare fronte alla varietà e alla complessità del problema che vengono chiamati puntualmente ad affrontare.

Cosa sta effettivamente cambiando nell’analisi predittiva dei dati? Se fino a qualche tempo fa i sistemi di machine learning in grado di consentire questa attività erano una prerogativa di pochi giganti del tech, stiamo ora assistendo ad una vera e propria democratizzazione della tecnologia.

Anche le start-up, le piccole e le medie imprese oggi possono accedere ad applicazioni in cloud che consentono di implementare l’analisi dei dati in tempo reale basata sull’intelligenza artificiale, generando un enorme valore aggiunto ai loro business. Un discorso analogo vale ovviamente per i sistemi di gestione dei dati, oggi disponibili anche grazie ai modelli “as a service”, che consentono a qualsiasi dimensione di impresa di disporre di quanto necessario, senza affrontare investimenti iniziali altrimenti insostenibili e pagando soltanto in funzione delle effettive esigenze dei loro carichi di lavoro.

La democratizzazione della AI è un fenomeno che segue altre dinamiche simili, a cui abbiamo assistito nel corso della storia della tecnologia, basti pensare a quanto accaduto con i sistemi di automazione delle catene di montaggio, con la nascita dei primi personal computer e, in tempi più recenti, con la capillare diffusione di internet.

Ognuno di questi eventi si è rivelato in grado di generare un impatto enorme sul sistema socioeconomico, rivoluzionando il nostro modo di lavorare e di socializzare. Lo stesso percorso evolutivo è attualmente in atto per quanto riguarda la crescente influenza dell’intelligenza artificiale nelle varie applicazioni di utilizzo quotidiano.

Si tratta di una progressione naturale, a cui contribuisce la maturazione di varie tecniche e metodi di AI, dalla cui convergenza deriva la capacità di risolvere con successo problemi che fino a qualche tempo fa non venivano nemmeno affrontati, in quanto ritenuti eccessivamente complessi nella loro natura.

I sistemi di intelligenza artificiale generativa come Dall-E e ChatGPT, pur distanti dalla loro effettiva implementazione massiva, consentono sin d’ora di apprezzare le enormi potenzialità analitiche e creative della AI e cosa sia possibile fare grazie all’interazione in tempo reale con i dati messi a disposizione in ciascun contesto applicativo.

In attesa di ulteriori notizie sul fronte più visionario e suggestivo della AI, da attendersi nel medio e nel lungo termine, è opportuno rilevare come esistano sin d’ora molte applicazioni di real time analytics, concretamente implementabili nei processi aziendali, per risolvere le esigenze di vari ambiti di business.