Intelligenza Artificiale e Knowledge Management
Expert System: R&D e partnership per rafforzare la leadership

Anche quest'anno, in occasione della "Settimana Nazionale della Relazione Esperienza Cliente 2019" abbiamo incontrato Alessandro Monico, Italy Sales Director - Corporate Division di Expert System.
Nel seguito si riporta la conversazione: Mario Massone (MM) e Alessandro Monico (AM).

MM: Cogito® è stata una delle prime piattaforme di analisi semantica in grado di comprendere il significato delle parole e delle frasi. Quali sono le linee di sviluppo della R&D in questo settore?

AM: Quando approcciamo il problema dell’analisi linguistica e semantica è sempre importante rendersi conto che la lingua è in costante cambiamento e che per questo motivo anche la tecnologia di base deve essere aggiornata per comprendere i nuovi modi di dire in relazione anche ai nuovi media di comunicazione. È impegno di Expert System perciò aggiornare il proprio knowledge graph costantemente in relazione alle diverse lingue che supportiamo (oggi ben 14 cioè le più diffuse al mondo) con l’impegno di riuscire ad inserire sempre più nuove lingue tra quelle già oggi disponibili.
Il secondo impegno è invece quello di rendere gli strumenti di sviluppo linguistico più al passo con i tempi in termini di usabilità e semplicità di implementazione grazie anche alle possibilità che il machine learning può oggi dare rispetto a diversi anni fa.
Il valore determinante di Cogito® (la piattaforma di Artificial Intelligence di Expert System) rimane e rimarrà sempre la capacità di comprendere approfonditamente la lingua nel suo significato ma non dobbiamo perdere di vista la capacità di innovazione che alcuni strumenti offrono e che sono utili in alcuni contesti in cui esistono le condizioni affinchè machine learning possa trovare una via di applicazione concreta: mi riferisco a problemi semplici e ben documentati in cui alla semantica può essere affiancata la statistica per ottenere buoni risultati con sforzi meno gravosi.

MM: Quali sono le vostre più recenti attività di partnership con system integrator e vendor di tecnolgie per i quali la componente di AI può dare un importante valore aggiunto?

AM: La crescita di ogni software vendor passa dalla capacità di rendere disponibili e appetibili le proprie piattaforme in modo che i partners possano diventarne padroni e ampliare le capacità di mercato sia in termini di soluzioni sia in termini di settori coperti.
In quest’ottica, da un lato stiamo portando avanti programmi di formazione sui partner per certificare le loro risorse sulle nostre piattaforme e permettere loro di sviluppare sempre più in autonomia senza ricorrere all’aiuto di specialisti mentre dall’altro stiamo sviluppando connettori e plugins verso altre piattaforme software che si stanno diffondendo velocemente soprattutto negli RPA quali BluePrism e UIPath, che ad oggi non hanno piattaforme per rendere intelligenti i processi che necessitano dell’interpretazione dei testi.

MM: In molti casi in cui si adottano soluzioni di AI si tratta di servizi rivolti a clienti o utenti per i quali è necessario verificare la qualità finale dei risultati che si ottengono. Quali sono i criteri di analisi che si usano? E quali lei suggerisce di usare?

AM: Nella realtà dei fatti uno dei più importanti indici di successo è verificare quanti utenti usano la piattaforma che viene messa a disposizione: se l’utilizzo è irrisorio rispetto all’utenza potenziale è già indice che qualcosa non va o nella usabilità o nella qualità delle risposte che vengono date dallo strumento. In secondo ordine ci possono essere meccanismi di survey in grado di tenere traccia dell’opinione degli utenti e adottare sistemi di misurazione come l’NPS, i cui risultati vanno però sempre interpretati in maniera contestualizzata allo strumento e non all’indice di gradimento verso l’azienda in generale.
Ad oggi lo strumento più solido, a patto che il tool sia utilizzato dall’utenza, è quello di eseguire analisi a campione per capire se lo strumento ha veramente soddisfatto le aspettative del cliente finale e non dell’azienda, cosa che talvolta sembra banale come affermazione ma che posso assicurare che così banale non è nella realtà: purtroppo molto spesso vengono settati obiettivi aziendali verso il management che poco hanno a che fare con la soddisfazione del cliente finale, perdendo di vista il fatto che la cosa più importante è trovare un obiettivo comune tra quelli aziendali e quelli dei clienti.

MM: La collaborazione delle aziende è importante: pensiamo a queste due fasi. Quella della prima costruzione della KB, dove bisogna studiare i processi e chiarire gli obiettivi che si intendono raggiungere. E quella successiva di gestione della conoscenza e dei processi cognitivi in cui serve comprendere bene e gestire le esigenze delle aree aziendali. Quale è l’attuale situazione? Ci sono settori di mercato più sensibili e che investono di più? Che creano team specializzati?

AM: Quello sollevato è un punto cruciale per il buon successo delle iniziative di Cognitive Computing e Artificial Intelligence e cioè l’analisi preliminare degli obiettivi di una iniziativa e soprattutto delle informazioni disponibili per raggiungerli. Di informazione le aziende abbondano ma la maggior parte è annegata nei processi quotidiani e nella conoscenza dei singoli perciò è necessario avere un forte commitment aziendale affinchè vengano messe a fattor comune queste informazioni per procedere ad una loro prima formalizzazione e successiva costruzione della knowledge-base aziendale. Quello però è solo l’inizio per avere successo ma sfruttando l’onda organizzativa della prima fase progettuale ho visto che è più facile mettere in piedi un processo strutturato nominando un responsabile globale del KM aziendale e i responsabili per i diversi dipartimenti coinvolti dalle iniziative. In questo momento all’interno di grandi realtà italiane iniziano a formarsi team specializzati sulla tematica dell’intelligenza artificiale e il knowledge management, in grado di collezionare e comprendere le diverse esigenze interne su processi migliorabili dall’AI e capitalizzare use cases ripetibili in diverse aree aziendali con aggiustamenti limitati.

Modena, 21 ottobre 2019