435

Tutorial GENNAIO-FEBBRAIO 2022 AUTOMAZIONE OGGI 435 | 91 produzione, per poi essere sottoposta a un iter amministrativo di approvazione a diversi livelli, e arrivare infine all’emissione di un or- dine, con conseguente ricezione della merce e pagamento della relativa fattura. In tale pro- cesso, il BPM si incarica di sequenzializzare opportunamente le fasi, coinvolgendo ogni soggetto al momento opportuno, assicu- rando la tracciabilità e ripetibilità del processo. D’altro canto, la RPA interviene a supporto dell’operatore umano nelle singole fasi, per esempio raccogliendo i dati della richiesta di acquisto mediante un chatbot, o riempiendo i moduli di ordini o pagamenti con i dati del for- nitore mediante un bot che recupera i dati da un database, li inserisce in un modulo online e stampa una copia cartacea dell’ordine. Introduzione dell’intelligenza artificiale e passaggio dalla pre-IA all’IA Se BPM e RPA costituiscono un forte aiuto nella gestione dei processi, lo scenario cambia radi- calmente con l’introduzione delle tecniche di intelligenza artificiale. Volendo usare un pa- ragone, si potrebbe dire che se l’introduzione di BPM e RPA è come il passaggio da penna e calamaio alla penna a sfera, cosa che senza dubbio facilita e rende meno onerosa l’ope- razione materiale di scrittura, l’introduzione dell’intelligenza artificiale è come il passaggio dalla penna a Word. È un cambio di paradigma, qualcosa che apre la porta a possibilità non pre- vedibili a partire dalla penna a sfera. Come già accennato, va considerato che l’in- telligenza artificiale (Artificial Intelligence - AI) può essere declinata in moltissimi modi estre- mamente rilevanti nel contesto considerato, e ognuno di tali modi fornisce interessanti oppor- tunità. Solo per dare un’idea delle infinite possi- bilità consideriamo qui due ambiti specifici, per analizzarne alcune possibili applicazioni. Un primo ambito consiste nell’uso di tecni- che di ML - Machine Learning, di tipo super- visionato, con l’obiettivo, per esempio, di fare previsioni sulla base di serie storiche di dati opportunamente etichettati, o non supervisio- nato, per esempio con l’obiettivo di classificare grandi quantità di dati non etichettati, al fine di scoprire schemi non noti a priori, o dati ano- mali. Tali tecniche possono essere implemen- tate usando reti neurali di tipo classico, con un singolo strato di neuroni nascosti fra lo strato di input e lo strato di output, o ‘deep’, con nu- merosi strati di neuroni nascosti. In particolare, le tecniche di deep learning, che fanno riferi- mento al secondo caso, destano al momento particolare interesse proprio per la loro effica- cia nell’ambito dell’apprendimento non super- visionato in presenza di Big Data. Un secondo ambito riguarda l’elaborazione del linguaggio naturale NLP - Natural Lan- guage Processing, che comprende la con- versione da parlato a testo (speech-to-text) e viceversa (text-to-speech), il riconoscimento delle entità, per esempio nomi di luoghi, per- sone, cose ecc., la disambiguazione dei termini e, in generale, tutti i processi che portano ad associare a un frammento di linguaggio na- La RPA, o ‘Software Robotics’, si focalizza sull’assolvimento di singoli compiti di natura ripetitiva che hanno luogo nel back-office mediante l’utilizzo di bot, o nel front-office mediante chatbot L’intelligenza artificiale (Artificial Intelligence - AI) può essere declinata in moltissimi modi, ognuno dei quali fornisce interessanti opportunità Fonte Shutterstock Fonte Shutterstock