La metà delle aziende europee utilizza già tecnologie di machine learning

• 
• Tweet
• Pin It
• Condividi per email

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

• 
• Tweet
• Pin It
• Condividi per email