Tutti a bordo del business digitale Prossime fermate IoT e intelligenza artificiale
L’intelligenza artificiale e l’Internet of Things stanno trasformando non solo la velocità del processo decisionale delle aziende, ma l’intero modello di organizzazione
Per chi pensava di essere già a bordo di un treno veloce dalla BI verso analytics e big data, c’è una notizia: a più di 300 km/h sta arrivando un “Frecciarossa” di algoritmi, Internet of Things (IoT) e decision making cognitivo. È il caso di salire a bordo. E in fretta. Ma la sfida, nella migliore tradizione di James Bond, è che bisogna saltare da un treno in corsa all’altro. Sono passati solo cinque anni da quando Apache Hadoop ha rilasciato la sua versione 1.0.0 e ha aperto le cataratte ai big data. I pionieri avevano tracciato il sentiero pochi anni prima, ma l’idea che forse – e sottolineo forse – i database relazionali non erano più l’unico modo per supportare le esigenze decisionali di business, avrebbe in realtà iniziato a dare i suoi frutti solo nel 2011. Da allora, la release 2.2.0 (ottobre 2013) ha iniziato a convertire Hadoop in un “sistema operativo dati”, mentre nel settembre 2016 ha visto l’uscita di 3.0.0 versione alpha.
Ma perché dovremmo occuparci di questa storia? Semplicemente perché sta diventando storia. Spinto dalle quantità allora inimmaginabili di dati dei social media e dell’e-commerce, l’ecosistema software Hadoop su hardware commodity ha offerto l’unica piattaforma conveniente per memorizzare ed esplorare questi dati.
Si potrebbe definire analytics in modalità tradizionale, solo un po’ più grande. In realtà, è stato solo nella versione 2.2 che l’elaborazione in batch ha potuto essere sostituita dall’elaborazione dei dati in linea o in tempo reale. Il Big Data Mining va bene in batch, ma applicare i modelli in produzione richiede un’elaborazione moderna con una latenza molto più bassa.
La tua azienda viaggia in business o in economy? – Nell’ultimo anno, i brontolii minacciosi di vari analisti sono riecheggiati. Spark, Storm, Kafka e altri sono stati indicati come i nuovi re. Gli algoritmi iterativi e gli analytics interattivi ed esplorativi regnano, mentre il mantello del potere si sposta dai dati a riposo a quelli in movimento. Sopraffatti dalla velocità e dalla dimensione dei dati dal fiorente IoT, non si riesce a trovare il momento per farli atterrare su disco o addirittura di spostarli dall’edge verso il centro, prima di deciderne il valore o esplorarne il significato. L’architettura tradizionale del data warehouse non basta più: c’è bisogno di una piattaforma multi-colonna, multi-tecnologia, completamente distribuita ma profondamente integrata, come descritto nel mio libro del 2013 “Business unIntelligence”. Tutto quanto appena visto accade però solo nella carrozza IT, classe economy del “Frecciarossa”. È nelle carrozze business che alberga il pensiero veramente rivoluzionario. Gartner lo ha battezzato business digitale nel lontano 2014, definendolo come “la creazione di nuovi modelli di business sfumando il mondo digitale e quello fisico”. La denominazione è fuorviante, dato che comprende solo la metà di questa idea, e pone l’enfasi sui bit invece che sui progetti di business. La base di fondazione è di nuovo nella carrozza IT: i big data analytics e l’IoT stanno rispettivamente al posto del mondo digitale e fisico. Ma il modo in cui le strategie e i comportamenti delle aziende devono cambiare è la vera novità delle carrozze business.
Il business, in un certo senso, è un processo molto semplice: capire le esigenze della gente, decidere come soddisfarle e agire di conseguenza. Questi tre passaggi – capire, decidere e agire – formano un ciclo strettamente interconnesso e chiuso nel business digitale. Le informazioni e i dati dal mondo fisico dei processi di business, dai social media e, sempre più, dall’IoT, costituiscono l’alimentazione base di questo processo. I suoi output sono i beni e servizi di business. E la sua base è l’intelligence, cioè la capacità di ragionare, intuire e identificarsi sul rapporto tra input e output.
Un passo da gigante per l’umanità – Il modo in cui il business naviga in questo ciclo (capire, decidere e agire) sta per cambiare radicalmente e irrevocabilmente. Stiamo attraversando la soglia tra il supporto decisionale e il software reale di processo decisionale/assunzione di azioni. L’intelligenza artificiale (AI), il machine learning (ML) e il cognitive computing stanno per fare “un passo da gigante per l’umanità” e spostare quel ciclo dall’umano al software. Algoritmi semplici e basati su regole gestiscono da molto tempo ormai il processo decisionale di base. Le applicazioni di BI operativa e di gestione delle decisioni vengono utilizzate da anni per automatizzare alcuni tipi di decisioni. Se i tempi della decisione sono più brevi di quanto sia umanamente fattibile, oppure il suo valore è inferiore a quello dell’attenzione umana, e se input e output sono legati da una logica semplice, vengono già ampiamente utilizzati gli algoritmi. Originariamente basati su regole o tavole, tali algoritmi sono stati più recentemente estesi o sostituiti da quelli basati su modelli più sofisticati, che emergono dal lavoro di statistica e di analisi correlata dei data scientist. Anche se è senza dubbio prezioso in molti casi, il vero senso e la vera destinazione di questo treno si vedranno con il prossimo avanzamento nella tecnologia AI: l’applicazione di tecniche avanzate di apprendimento automatico per problemi e decisioni di business più complessi. L’evoluzione di queste applicazioni è ancora in una fase iniziale, ma appena iniziano a trovare terreno, l’adozione potrebbe essere rapida e la diffusione ampia, in ragione dei loro benefici anche a livello economico. L’intelligenza artificiale è già applicata nella rilevazione delle frodi, nella gestione dei portafogli e nelle sottoscrizioni per il settore dei servizi finanziari. Grandi passi avanti si stanno verificando nel settore sanitario: nella diagnosi dalle tecnologie di imaging, così come nella diagnosi e nella prognosi delle malattie. Negli ambiti manufacturing e utility, la previsione e l’anticipazione dei problemi sono stati migliorati con il machine learning. Questi esempi dimostrano l’inizio di una tendenza dall’automazione delle decisioni deterministiche verso l’aumento dell’intelligenza umana in situazioni ambigue. L’intelligenza artificiale e il machine learning si stanno diffondendo nella BI operativa, si stanno espandendo in quella tattica, e stanno mostrando qualche promessa iniziale in quella strategica. Salendo lungo la piramide del processo decisionale, il ruolo dell’intelligenza artificiale diventa più ampio e più ambizioso. Anche le opportunità di business aumentano. L’automazione accelera la risposta e riduce i costi del lavoro. Tra un fantomatico sistema “OmegaS”, discendente di AlphaGo (quello che ha battuto Google DeepMind campione del mondo) e un CEO del 2020, chi sarà in grado di fare la scelta più giusta?
L’opzione del CEO è in fondo alla lista dei probabili successi. L’opzione generata dall’intelligenza artificiale è l’ovvio vincitore. Dopotutto, come avrebbe potuto perdere? Ma a questo punto, il CEO cosa deve fare? Sfidare OmegaS o semplicemente dimettersi?
Ma la domanda per noi più immediata è: come saltare dal treno in cui siamo, e che ora appare lento e poco attraente, al “Frecciarossa”? Di certo, il treno del cambiamento non ha intenzione di fermarsi ad aspettarci.