La metà delle aziende europee utilizza già tecnologie di machine learning

E l’altra metà sta pianificando una loro adozione. I CIO utilizzano sempre di più il machine learning per risolvere le criticità quotidiane.

Pubblicato il 18 ottobre 2017

Il machine learning è finalmente arrivato nelle aziende e contribuisce attivamente al lavoro di ogni giorno. È quello che emerge dall’ultima ricerca ServiceNow, il system of action enterprise che permette alle aziende di lavorare alla velocità della luce. La ricerca, dal titolo The Global CIO Point of View, ha coinvolto 500 CIO in tutto il mondo di cui 318 in Europa e ha rivelato che i responsabili devono trovare personale capace e ridefinire la propria organizzazione per sfruttarne a pieno il valore.

L’obiettivo era identificare i vantaggi competitivi del machine learning e scoprire come i manager lo stavano sfruttando, per esempio creando nuovi posti di lavoro focalizzati sull’interazione con le macchine intelligenti. In questo contesto, IDC stima che gli investimenti nel machine learning raddoppieranno entro il 2020 [1] e analisi recenti mostrano come gli esperti di machine learning siano tra i ruoli più richiesti nel settore IT [2].

Gli esseri umani lavorano fianco a fianco con le macchine intelligenti per una migliore precisione, velocità e crescita del business

La ricerca ha scoperto una fiducia sempre maggiore tra i senior executive europei nei confronti del machine learning. Una maggiore automazione attraverso il machine learning permetterà un aumento dell’accuratezza e della velocità delle decisioni. I software di machine learning analizzano e migliorano le performance senza l’intervento diretto dell’uomo, fornendo capacità di prendere decisioni sempre più complesse grazie all’apprendimento.

– Il 48% dei CIO europei ha affermato di essere già oltre l’automazione delle attività di routine – come per esempio gli alert di sicurezza – e di puntare all’automazione di decisioni più complesse. Ad esempio, la risposta ai security incident.

– L’85% dei CIO europei ha ammesso di ottenere valore sostanziale o trasformativo che permette di prendere decisioni più accurate. Il 65%, infatti, dichiara che le decisioni prese attraverso il machine learning risultano più accurate di quelle prese dall’uomo.

– Il 55% dei CIO europei ha anche affermato che i processi decisionali nelle attività di routine richiedono un significativo impiego di risorse e tempo, per cui il valore dell’automazione è considerevole. Il 63% dei CIO in Europa si aspetta che l’automazione dei processi decisionali contribuisca alla crescita della propria azienda.

“Tre tipi di processi decisionali sono particolarmente adatti all’automazione: tutto ciò che ha bisogno di essere ripetuto, di essere classificato e di essere previsto”. Afferma Rodolfo Falcone, AVP Mediterranean ServiceNow. “Il lavoro di ogni giorno come ad esempio l’assegnazione dei ticket IT o il routing dei lead delle vendite stanno già portando dei risultati. Il machine learning è diventato realtà”.

Gli esperti di machine learning da soli non aiuteranno i CIO ad avere successo nella Digital Transformation

Il 68% dei CIO europei afferma di essere impegnato attivamente nella digitalizzazione della propria azienda e il 51% è d’accordo sul fatto che il machine learning abbia un ruolo importante. Quasi la metà dei CIO europei (il 48%) ha infatti rivelato che la propria azienda utilizza già strumenti di machine learning, mentre il 42% sta pianificando una loro adozione.

Ci sono però alcuni talenti chiave e aree di processo e organizzazione che devono essere indirizzati per permettere alle aziende di sfruttare a pieno la tecnologia del machine learning.

– Solo il 29% dei CIO europei ha assunto del personale con competenze nel lavoro con macchine intelligenti.

– Il 38% dei CIO europei ha ridefinito le job description per focalizzarsi sul lavoro con le macchine intelligenti. Il 43% dei CIO europei lamenta una mancanza di competenze nella gestione delle macchine intelligenti e il 46% una mancanza di budget in quest’area.

– I CIO in Europa citano la qualità dei dati (50%) e i processi antiquati (46%) come le principali barriere all’adozione del machine learning.

– Il 44% dei CIO europei ha sviluppato un metodo per il monitoraggio degli errori commessi dalle macchine.

I vantaggi dei CIO “first-mover”

Pochi CIO a livello globale (meno del 10% di quelli intervistati) superano i propri colleghi nell’utilizzo del machine learning. Questi “first-mover” sono un esempio di come i CIO possono utilizzare meglio questa tecnologia.

– Quasi il 90% dei first-mover si aspetta che l’automazione delle decisioni supporti la crescita, contro il 67% degli altri.

– L’80% circa ha sviluppato metodi per monitorare gli errori delle macchine, contro il 41% degli altri.

– Più dei 3/4 ha ridefinito le job description per focalizzarsi sul lavoro con le macchine, rispetto al 35% degli altri.

– Più del 70% ha sviluppato una roadmap per i futuri cambiamenti nei processi di business, contro il 33% degli altri.

5 mosse per ottenere valore dal machine learning

  1. Costruire le fondamenta e migliorare la qualità dei dati. Una delle barriere maggiori all’adozione del machine learning è la qualità dei dati. Se le decisioni che la macchina prende sono basate su dati scarsi, il risultato non apporta valore e potrebbe far aumentare i rischi. I CIO devono utilizzare tecnologie che semplificano la gestione dei dati e la transizione al machine learning.
  2. Dare le priorità in base al valore. Nel momento in cui si costruisce una roadmap, ci si deve focalizzare su quei servizi utilizzati più comunemente, perché è automatizzando quei servizi che si apporteranno i benefici maggiori al business. A un livello generico, quali sono i modelli di lavoro maggiormente non strutturati che trarranno benefici dall’automazione? Bisogna impegnarsi nel re-ingegnerizzare i servizi e i processi come parte di questa trasformazione e non semplicemente spostarli in un nuovo modello
  3. Costruire un’esperienza cliente eccezionale. Un vantaggio chiave che si ottiene dal migliorare la velocità e la precisione dei processi decisionali è creare un’esperienza cliente eccezionale, sia interna che esterna. Quando si crea una roadmap per implementare capacità di machine learning si deve immaginare l’esperienza ideale per il cliente e dare la priorità agli investimenti che mirano a questo obiettivo
  4. Attirare nuove competenze e rendere i nuovi paradigmi pervasivi in azienda. I CIO devono identificare i ruoli del futuro e anticipare come i dipendenti si interfacceranno con le macchine – e cominciare da subito ad assumere e formare. I CIO devono costruire una cultura che abbracci un nuovo modello di lavoro e competenze. Questo significa stabilire delle linee guida per gli executive, gli ingegneri e i dipendenti su come debbano lavorare con le macchine e sul futuro della collaborazione uomo-macchina
  5. Misurare e rappresentare i benefici. I benefici del machine learning potrebbero essere chiari ai CIO, ma gli altri C-level executive e il consiglio di amministrazione hanno bisogno di essere informati sul suo valore. I CIO devono stabilire le aspettative, sviluppare modelli di successo prima dell’implementazione e costruire un business case per acquisire e mantenere i fondi richiesti. I CIO devono anche considerare di presentare dei benchmark nei confronti di altre aziende simili per grandezza o mercato

Metodologia e campione della ricerca

ServiceNow ha incaricato Oxford Economics di intervistare 500 CIO sul machine learning e l’automazione dei processi di decision-making. Il campione risiede in Australia, Austria Francia, Germania, Nuova Zelanda, Olanda, Singapore, Spagna, Svezia, UK e USA e rappresenta i settori B2B e B2C più disparati. La ricerca è stata condotta con il metodo CATI (Computer-Assisted Telephone Interviews). Fondata nel 1981 come una joint venture con il business college dell’Università di Oxford, Oxford Economics è specializzata in evidence-based thought leadership, previsioni e analisi degli impatti economici.

 

[1] Worldwide Semiannual Cognitive/Artificial Intelligence Systems Spending Guide, IDC, October 2016. http://www.idc.com/getdoc.jsp?containerId=prUS41878616 Spending on artificial intelligence and machine learning is expected to grow rapidly from less than $8 billion in 2016 to $47 billion by 2020, according to IDC.[2] https://www.ibm.com/analytics/us/en/technology/data-science/quant-crunch.html

 



Contenuti correlati

  • Schneider Electric: nuove soluzioni per la trasformazione digitale nel settore food & beverage

    Schneider Electric ha presentato tre nuove soluzioni per il settore food & beverage, che testimoniano il costante impegno dell’azienda per aiutare i clienti ad ottenere eccellenza operativa, più efficienza e migliori performance, consentendo allo stesso tempo di rispettare...

  • L’industria italiana della sicurezza: innovazione e integrazione tecnologica guidano la crescita

    L’industria italiana fornitrice di tecnologie per la sicurezza e automazione edifici rappresentata in Anie Sicurezza – espressione a fine 2016 di un fatturato totale aggregato pari 2,3 miliardi di euro – costituisce un comparto di eccellenza all’interno del...

  • Come evolverà l’automazione?

    Una tavola rotonda per capire quali sono ‘I trend dell’automazione: dal tutto integrato a… pensiamo al futuro’ Leggi l’articolo

  • Il dispositivo si fa in due con B&R hypervisor

    B&R sta introducendo un hypervisor per i suoi sistemi di automazione. Questo software offre all’utente la possibilità di eseguire Windows o Linux a fianco del sistema operativo realtime proprietario di B&R, su una stessa CPU. Questo permette...

  • Automazione collaborativa per l’Industria 4.0

    Le aziende italiane hanno oggi una opportunità inedita: investire in tecnologie che migliorano l’efficienza produttiva, guadagnandosi un vantaggio competitivo sui propri mercati di riferimento. Come approcciare l’auspicato processo di automazione e digitalizzazione usufruendo delle agevolazioni fiscali messe...

  • L’evoluzione dell’industria della difesa

    I conflitti irrisolti, le nuove minacce alla sicurezza e le richieste di una maggiore spesa militare sembrano mettere sotto pressione la politica di difesa dell’Europa. Di fronte a tale turbolenza geopolitica, più del 90% dei fornitori del...

  • A corto raggio o lungo raggio: sensori fotoelettrici per la misurazione precisa della distanza

    Come dispositivi di misura senza contatto, i sensori di distanza fotoelettrici sono adatti per numerose aree di applicazione. Sono disponibili diversi principi di funzionamento, a seconda della distanza da misurare. I tecnici della Contrinex utilizzano un metodo...

  • Tech Boys and Girls

    La dottoressa Simona Boninelli, classe 1973, laureata in fisica all’Università degli Studi di Catania, è una ricercatrice del CNR. È strano, ma confrontandomi con i ricercatori che hanno deciso di lavorare qui in Italia, non mi aspettavo...

  • Il mondo Schneider Electric e Wonderware a Forum Telecontrollo 2017

    Schneider Electric, tra i leader nella trasformazione digitale della gestione dell’energia e dell’automazione, sarà presente in forze all’edizione 2017 di Forum Telecontrollo, che si terrà a Verona il 24 e 25 ottobre prossimi. L’azienda è “due volte”...

  • Iuvo sviluppa esoscheletri robotici in collaborazione con Comau e Össur

    Iuvo, società spin-off dell’Istituto di Bio Robotica (Scuola Superiore Sant’Anna) attiva nel campo delle tecnologie indossabili, ha recentemente ricevuto un investimento congiunto da Comau e Össur. L’obiettivo dell’azienda è quello di creare strumenti indossabili, intelligenti e attivi,...

Scopri le novità scelte per te x