Trasformare i processi aziendali con l'IA, l'analisi predittiva e la progettazione di interfacce IA

Dayle Hall:  

Salve, state ascoltando il nostro podcast "Automatizzare l'impresa". Sono il vostro ospite Dayle Hall, CMO di SnapLogic. Questo podcast è stato ideato per dare a tutte le organizzazioni là fuori alcuni spunti e best practice su come integrare, automatizzare e, si spera, trasformare la propria azienda. 

Raghu Banda è direttore senior della gestione dei prodotti AI presso i SAP Labs. Si unisce a noi oggi in trasmissione. È responsabile della guida all'adozione dei processi aziendali SAP S/4HANA infusi di AI per i clienti e i partner di cloud e on-prem. Si concentra sull'innovazione dei processi aziendali SAP 4HANA con tecnologie AI aggiuntive. E questa è la chiave per oggi, lo spazio delle tecnologie AI, per migliorare la customer experience di tutti i clienti. Oggi condividerà le sue intuizioni e la sua esperienza nel podcast. Siamo molto contenti. Siamo lieti che Raghu si unisca a noi oggi. Raghu, benvenuto alla trasmissione.

Raghu Banda:  

Grazie, Dayle. È un piacere partecipare al vostro podcast.

Dayle Hall: 

Sì. E so che hai un tuo podcast, quindi cercherò di mantenere il tuo livello di professionalità. So che hai un tuo podcast, quindi cercherò di mantenere il tuo livello di professionalità. Non sono sicuro di riuscirci perché penso che tu abbia più esperienza, ma ti ringraziamo per esserti unito alla trasmissione. 

Raghu Banda:

Grazie. 

Dayle Hall:

Bene, allora iniziamo. Mi piace fare un po' di background, in modo che la gente si faccia un'idea di chi sei, dove hai lavorato, come sei progredito nella tua carriera. Mi dia un po' di informazioni sulla sua carriera e poi le chiederò qualcosa di specifico su come si è avvicinato all'IA, ma mi dia le note essenziali della sua carriera.

Raghu Banda:

Forse inizierò la mia carriera ancora prima dei giorni SAP. In India, quando mi sono laureato in informatica e ingegneria, erano i tempi della metà degli anni Novanta. Credo che in quel periodo ci fosse tutto questo fermento per le tecnologie informatiche e tutto ciò che stava accadendo. E naturalmente in quei giorni c'erano tracce di IA e di robotica. Anche all'ultimo anno volevo fare un progetto sull'IA e la robotica. Ma il mio rettore, credo, mi disse: "No, non puoi farlo adesso, non abbiamo tutte le risorse". Così abbiamo finito per scrivere un libro bianco. 

Ma tornando alla carriera che a quei tempi si svolgeva nella Silicon Valley indiana e a Bangalore, ho iniziato a lavorare per una di queste aziende, che era una start-up formata da un gruppo di professori dell'Indian Institute of Science di Bangalore. Si occupavano di alcuni progetti, della modellazione a elementi finiti e di tutti questi software di base utilizzati nella progettazione assistita da computer. Questo software è stato utilizzato dalla NASA e da altre grandi aziende. 

È così che ho iniziato la mia carriera. In seguito, ho iniziato a lavorare su queste ultime tecnologie all'avanguardia e sono entrato in Wipro, una delle grandi società di consulenza tecnologica PHI in India. È stato allora che ho iniziato a conoscere tutte queste nuove tecnologie, come Internet alla fine degli anni '90, le tecnologie Internet, e come costruire questi diversi programmi software. E poi ho sentito parlare molto di imprese, di software aziendali. A quel punto ho iniziato a cercare di capire cosa mi avrebbe aiutato a dare impulso alla mia carriera. Ed è stato allora che ho avuto l'opportunità di lavorare con SAP. All'epoca SAP era nata con una start-up chiamata SAP markets. Si trattava di una joint venture con Commerce One, ai bei tempi dei primi millennial. In quel periodo stavamo costruendo un'applicazione legata agli acquisti, che poi si è rivelata essere la gestione delle relazioni con i fornitori nell'ambito degli acquisti. 

È così che sono entrato nel mondo SAP. Entrare in SAP è stato un grande traguardo all'epoca e c'è molto da imparare e da scoprire. È così che è iniziato il mio viaggio, sì.

Dayle Hall: 

Lei stesso fa parte dell'organizzazione di successo del cliente, quindi comprende l'impatto della tecnologia sui clienti. E credo che questa sia una delle aree in cui credo davvero che se oggi siete in un'organizzazione e state cercando di capire come essere più coinvolti, le aziende hanno i dati, come posso essere più coinvolto in alcune di queste nuove tecnologie intorno all'IA? Penso che se si è all'interno dell'organizzazione, se si pensa a ciò che si sta cercando di risolvere per i clienti e ai dati che si possiedono, si potrebbe essere nelle operazioni di vendita, di marketing, di successo del cliente, o nell'IT. Ma se riuscite a pensare a quali problemi state cercando di risolvere per i clienti, allora iniziate a guardare alla tecnologia disponibile e ai dati che avete. Penso che questo, in sostanza, vi renderà più coinvolti nell'IA senza dire: "Ok, ora voglio essere un ingegnere dell'IA". Sembra che le cose si stiano mettendo insieme con le persone, le competenze e le tecnologie disponibili. Abbiamo tutti questi dati. È il momento giusto per entrare potenzialmente in quest'area e meno per prendere una decisione: cambieremo carriera e vogliamo essere più coinvolti nell'IA. E credo che la sua carriera in SAP ne sia un buon esempio.

Raghu Banda: 

Sì, sono molto attento a ciò che hai menzionato. Vedete, il fatto è che quando sono arrivate tutte queste nuove tecnologie e sappiamo che ci sono molti processi aziendali realizzati e che ci sono molti dati, la prima domanda che ci poniamo è: per risolvere una particolare sfida o un problema aziendale, posso continuare a usare il normale meccanismo basato sulle regole e risolverlo, oppure ho bisogno di algoritmi o meccanismi aggiuntivi? E quando arrivano le nuove tecnologie, è ovvio che si vogliono provare cose nuove o diverse. E come tutti sappiamo, la forma esponenziale dell'aumento delle tecnologie, ogni due anni, si nota un aumento esponenziale e ora si ha molta più potenza per costruire modelli migliori. Ecco cos'è.

Dayle Hall: 

Quindi, passiamo a uno dei nostri primi argomenti, in particolare l'IA nell'impresa. Ovviamente, una delle grandi opportunità è quella di migliorare e rendere più efficienti i processi aziendali. Ha qualche esempio, basato sulla sua esperienza e sulla sua competenza, di come l'IA stia aiutando a trasformare i processi aziendali? Se ha parlato con i clienti o con ciò che sta vedendo all'interno di SAP, penso che sarebbe davvero interessante e darebbe alle persone che ascoltano l'opportunità di dire: hmm, forse dovrei guardare a questo tipo di cose, come potrei farlo nella mia organizzazione?

Raghu Banda:

Ci sono diversi esempi che posso citare. Posso scegliere una linea di attività di approvvigionamento o una linea di attività di vendita. Permettetemi di citare uno scenario molto comune. Molte persone o molte imprese, o anche aziende di software per i consumatori, possono contribuire o possono anche rendersi conto che avete molte richieste di vendita in arrivo. In qualità di rappresentante o di responsabile delle vendite, vorrei capire quali di queste richieste di vendita verranno convertite in un preventivo di vendita e quindi come posso creare un ordine di vendita. Una volta creato un particolare ordine di vendita, devo consegnare un articolo con quell'ordine di vendita. Potrebbe trattarsi di un servizio online o di un particolare articolo, e così via. Si tratta di un processo completo che parte dalla richiesta di informazioni sulle vendite, passa per il preventivo di vendita, l'ordine di vendita e la consegna di un particolare articolo, per poi monitorare quell'articolo e infine, ovviamente, essere pagati e monitorare tutto questo.

Dayle Hall: 

La parte che viene pagata è importante.

Raghu Banda:

È importante, giusto? È il nostro pane quotidiano. Quindi, in queste diverse fasi del processo, ci si rende conto che ci sono alcuni aspetti che si possono migliorare per rendere il processo migliore, per fornire migliori approfondimenti, per aumentare l'efficienza o anche per fornire esperienze migliori e come si fa a gestire questo scenario completo end to end. Molte aziende, che si tratti di SAP o di altre imprese, hanno integrato o sfruttato diverse tecnologie di intelligenza artificiale per migliorare i processi aziendali da un capo all'altro.

Dayle Hall:

Già. E penso che una delle cose che sentiamo di più quando parliamo con i clienti è che se si parte da ciò che stiamo cercando di risolvere, potrebbe essere il processo di vendita, il call to cash, l'esperienza del cliente, qualsiasi cosa, se si parte da questo e si pensa, ne abbiamo parlato prima, a cosa si sta cercando di risolvere per il cliente, e il cliente potrebbe essere voi se state facendo qualcosa di interno, ma cosa state cercando di risolvere e poi cercate di vedere dove l'AI può effettivamente aiutare, aiuterà il processo? E penso che una delle cose che ho sentito in questi podcast che abbiamo fatto di recente è che l'uomo è ancora coinvolto, l'IA è un assistente per l'uomo in modo che possa andare più veloce, può essere più efficiente, ma non è un sostituto per l'uomo. Penso che questo sia il vostro esempio di vendita. Sono sicuro che lo vedete anche con i vostri clienti che vogliono aumentare il lavoro degli umani. Non è un sostituto.

Raghu Banda:  

Sì, sono completamente d'accordo con te. Credo che sia molto, molto lontano il momento in cui i bot AI prenderanno completamente il posto degli esseri umani. Attualmente, penso che stiamo ancora - proprio come le calcolatrici sono state sostituite dai computer, penso che abbiamo fatto - ci sono altre cose che gli esseri umani potrebbero aumentare le loro prestazioni e il loro potenziale. Allo stesso modo, credo che farei una distinzione tra le imprese o le aziende di software consumer o i clienti che utilizzano strumenti o processi aziendali assistiti dall'intelligenza artificiale piuttosto che non utilizzarli. Ovviamente, se utilizzate questi processi e strumenti, sarete in grado di fornire ulteriori vantaggi ai vostri clienti. E venendo dal mondo delle imprese, non basta guardare solo al proprio cliente, ma bisogna anche guardare ai clienti dei propri clienti, ed è qui che si hanno due livelli di complessità,

Dayle Hall:  

Certamente. Ma parlatemi un po' della sfida di aiutare potenzialmente con i processi aziendali di AI o con i processi aziendali infusi di AI quando avete una soluzione cloud rispetto a una soluzione on-prem. In SnapLogic, ad esempio, abbiamo molti clienti. Le aziende più recenti sono probabilmente solo cloud. Molti clienti stanno ancora cercando di capire come spostare alcune delle soluzioni on-prem su cloud. E penso che ci sia un po' la percezione che si possa usare l'AI solo in cloud. Se si utilizza SAP o AWS o Snowflake, c'è un po' la sensazione che, beh, non posso farlo perché ho un sacco di on-prem. Come state affrontando questo problema con i vostri clienti attuali e se si tratta di un ostacolo?

Raghu Banda:

So che la sua è una domanda tangenziale. Capisco il suo punto di vista, perché al giorno d'oggi si parla molto di cloud, dell'aumento di cloud e dei clienti di cloud e di come l'IA possa migliorare i processi. E poi, con cloud, ora stiamo entrando anche nell'edge computing, giusto? Ad esempio, ora stiamo dicendo che in cloud si finisce per utilizzare molti più dati, molto più spazio, e quindi si deve pagare di più. Quindi direi che abbiamo diverse soluzioni, sia che si tratti di cloud che di servizi on-premise o edge-based. Quando parliamo di soluzioni cloud , ovviamente la maggior parte di questi servizi di intelligenza artificiale può essere eseguita come servizio, si possono prelevare le funzionalità specifiche e mostrare i risultati nel contesto dei clienti on-premise o delle soluzioni on-premise. 

Naturalmente, l'intelligenza artificiale sarebbe ancora molto più vantaggiosa per i clienti on-promise. Il modo in cui si affronta la questione è che ci sono ancora due modi diversi: o si può avere un bot aziendale, che è implementato nella soluzione on-premise, o un servizio di apprendimento automatico, che è già implementato nella soluzione on-premise, o si può gestire come servizio cloud anche se si sta eseguendo su una soluzione on-premise. È qui che entrano in gioco i framework ibridi o le soluzioni ibride. E sì, lavoriamo su tutti questi tipi di soluzioni.

Dayle Hall:

Sì. È una delle aree in cui non ne parliamo molto pubblicamente. È una delle aree in cui non ne parliamo molto pubblicamente. Come hai detto tu, parliamo di IA nel sito cloud, principalmente. Molti dei clienti con cui parliamo, e sono sicuro che anche da parte vostra è così, stanno ancora cercando di gestirla. Quindi è bene sapere che si può ancora approfittare di questo per non essere così nervosi, molte di queste aziende sono già nervose per il passaggio a cloud, per non parlare di come possono sfruttare l'IA. 

Andiamo un po' avanti e parliamo di analisi predittiva, di apprendimento automatico, ma in particolare di analisi predittiva. Ho una reazione un po' stizzita perché credo che il termine analitica predittiva sia in circolazione da 10 anni e ci sono state diverse aziende che hanno cercato di creare lo spazio dell'analitica predittiva. Ciò che è successo è che sono cadute in disgrazia o hanno dovuto cambiare rotta per diventare qualcosa di diverso dall'analisi predittiva. 

Per prima cosa, mi piacerebbe sapere da lei se, quando pensa all'analisi predittiva nel contesto della sua esperienza, cosa vede come qualcosa che è un fornitore specifico che la fornisce, o come qualcosa che è inerente a tutto ciò che si fa ora che si hanno i dati? Se le chiedessi di definire l'analisi predittiva con il suo background, cosa direbbe?

Raghu Banda:

Direi che oggi l'augmented analytics o l'analisi predittiva di cui abbiamo parlato ha fatto molta strada. L'analitica predittiva di ieri era diversa. Direi che abbiamo avuto queste previsioni o analisi predittive anche negli ultimi due o tre decenni. Ma il modo in cui abbiamo fatto le cose in quel momento è stato quello di fornire semplici approfondimenti con i dati in nostro possesso. È così che facevamo negli ultimi 20 o 30 anni. Se tornate indietro nel tempo, sapete ancora che avete il vostro database e le vostre tabelle, avete un sacco di informazioni, e che stavate semplicemente facendo una query, interrogando il vostro database, per ottenere gli insight. E una volta ottenuti gli approfondimenti, li mostrate all'utente, inserendoli in bei cruscotti. 

È così che è iniziato tutto. E ora, quando si hanno a disposizione molti più dati e si capisce che in base ai dati in possesso e agli schemi che si possono individuare, si può dire che, ehi, ho 10 anni di dati e questi 10 anni di dati hanno alcuni schemi. Non posso creare una sorta di algoritmo di regressione, un'analisi di regressione o un'analisi non lineare? Questo è il modo in cui definirei l'analisi predittiva o il modo in cui siamo progrediti in questo mondo. E poi facciamo ancora: sulla base delle informazioni in nostro possesso, facciamo una sorta di analisi, che possiamo chiamare analisi di regressione o analisi previsionale, e poi forniamo alcuni dettagli e previsioni rapide, che si avvicinano alla perfezione. Ma non si potrà mai avere una soluzione predittiva perfetta al 100%. Non si può mai dire che quando si vede la curva, credo che si dica sempre che al di sopra del 90% e vicino al 100%, che è dove diciamo che il potere predittivo e la fiducia predittiva danno i risultati migliori. Ad alto livello, è così che definirei quando parliamo di analisi predittiva.

Dayle Hall:

È interessante che lei dica che non è una soluzione perfetta. Quindi, quando parlate con i vostri clienti o con il personale interno, come li guidate nella misurazione dell'efficacia della soluzione? Perché in genere, quando diciamo che la nostra azienda fa così o che queste sono le cose che forniremo, non diciamo mai: "Ok, ma non è perfetta, ci saranno degli errori". Quindi, come si fa a misurare la vera efficacia dell'analisi predittiva se diciamo che non è perfetta?

Raghu Banda:

Quindi, quando dico che non è perfetta, qualsiasi soluzione analitica predittiva, penso - per esempio, torniamo indietro e prendiamo quello che abbiamo con ChatGPT. Si tratta di un modello linguistico enorme. Ci sono molti dati e si ottengono alcune risposte. Il 95% delle volte queste risposte sono vere, ma c'è un 5% di volte in cui le risposte potrebbero non essere vere, o il 5%, o in alcuni scenari, lo 0,5% delle volte, perché si tratta sempre di capire i modelli e fornire un risultato. 

Ma come essere umano nel loop e come utente finale che utilizza lo strumento o la macchina o qualsiasi altro servizio, un essere umano può sempre agire in modo diverso. E sarà la prima volta che accade, c'è sempre una prima volta in ogni cosa. È per questo che non crederei a chi dice: "Ehi, posso prevedere il 100% delle volte il 100% dei risultati". È così che spieghiamo. E l'efficacia viene sempre fornita. Forniamo la spiegabilità di come si ottiene un risultato. Quando si fornisce un risultato, si fornisce la spiegabilità fornendo quali sono i fattori che lo influenzano. Ed è così che si fornisce la spiegazione del risultato.

Dayle Hall: 

Avete qualche esempio all'interno della vostra organizzazione o esperienza di come le persone utilizzano l'analisi predittiva potenzialmente in altre parti dell'integrazione o dell'automazione? Non deve necessariamente trattarsi di una soluzione completa di tipo RPA, ma in che modo la modellazione predittiva va avanti e aiuta i clienti a essere più efficienti?

Raghu Banda:

Questa volta, vorrei fare un esempio dalla linea di business degli approvvigionamenti. Prima ho parlato della linea di business delle vendite. Nel settore degli approvvigionamenti, sappiamo che in officina c'è il responsabile degli acquisti. Sappiamo che un particolare pezzo di ricambio o un particolare articolo è in esaurimento. E si deve procedere a fare un'offerta o ad acquistare quell'articolo. Quindi sapete di avere un gruppo di fornitori già disponibili. Se avete già una sorta di trattativa contrattuale con un fornitore, automaticamente verrà effettuato un ordine. Se non si dispone di una trattativa contrattuale, è ovvio che si procede a una gara d'appalto. 

Riprendiamo questo esempio in cui automaticamente voi, il responsabile degli acquisti o il responsabile dell'inventario, sapreste che, ehi, sto esaurendo qualcosa. Voglio ordinare questo particolare articolo. Ora, ciò che accade è che l'informazione è già trasportata, e l'informazione è sempre trasmessa alla sede del fornitore o alla sede del venditore, e ora è spedita, direi, ma ora è necessario capire quando la si fa arrivare alla propria sede, alla sede di un particolare stabilimento. Potrebbe quindi volerci del tempo. Se poi si va a vedere i dati storici, si nota che in passato, quando ho ordinato questo tipo di pezzi di ricambio da questo tipo di sedi, da questo tipo di fornitori, c'è un ritardo tipico o una finestra temporale tipica che va dai 5 ai 15 giorni. Quindi, in base a ciò, si può fare una sorta di previsione dicendo: "Ehi, ora che ci sono questi parametri meteorologici aggiuntivi, c'è una bufera di neve in arrivo o una tempesta in arrivo, quindi il percorso del camion deve essere diverso". 

Oltre ai parametri già presenti nel sistema e a quelli aggiuntivi, si può costruire una soluzione personalizzata aggiuntiva per fornire ulteriori previsioni e dire che, questa volta, l'articolo potrebbe subire un ritardo di quattro giorni, oppure che non c'è nessuna tempesta e che stiamo già spedendo in un'altra località. Quindi, durante il tragitto, sarò in grado di consegnare anche questo. Quindi forse questa volta riuscirò a consegnare con uno o due giorni di anticipo. Questo tipo di previsioni potrebbe già avvenire sulla base dei dati storici e dell'analisi di regressione, aggiungendo anche altri dati stagionali.

Dayle Hall: 

È interessante. Fondamentalmente, se si è in quella linea di business, se si è nell'ambito dell'approvvigionamento, utilizzando questa modellazione, i dati che si ottengono aiutano effettivamente la produzione, l'evasione dei clienti e tutte quelle parti, dove si può essere più precisi, il che penso sia interessante. Sarebbe utile in caso di imprevisti come il COVID? Durante il COVID, abbiamo ovviamente una serie di problemi legati alla catena di approvvigionamento e così via. E so che questo influenzerà la modellazione, perché i dati inseriti nel sistema sono probabilmente diversi. Ma è qualcosa che... Non prevedo che avremo un'altra pandemia o qualcosa di così grave come un'interruzione. Ma mi chiedo se la modellazione di cui disponiamo ora grazie al COVID ci aiuti effettivamente a migliorare con questi dati o se si tratti di un'anomalia tale da mandare in tilt il sistema.

Raghu Banda:  

Di sicuro, aiuta in questo tipo di pandemie. Non ricordo esattamente, ma credo che durante la pandemia COVID, anche SAP, in particolare la rete di fornitori Ariba, le soluzioni basate su Ariba, abbia fatto alcune cose aggiuntive che hanno aiutato i fornitori e la rete durante la pandemia COVID. Non conosco i dettagli esatti, ma potete fare una ricerca. 

Ma per rispondere alla sua domanda, solo per esperienza personale e parlando con diverse persone e anche per il background che ho, sì, sarà sicuramente utile durante la pandemia COVID. E aggiungo anche un altro parametro, giusto? Con la tecnologia IoT, con i dati dei sensori IoT, anche questi vengono integrati. Ora che disponiamo di questi dati aggiuntivi, non solo i modelli di dati storici, i dati che avete nel vostro sistema sui fornitori, i venditori e le parti, anche i dati stagionali. 

Ma a questo si aggiungono anche i dati meteo, magari provenienti da IBM Watson. E ora si aggiungono i dati dei sensori IoT, che sono i diversi tipi di applicazioni IoT integrate che stanno nascendo, in cui si può dire che il camion è in arrivo, ma c'è un ritardo. E le informazioni dei sensori IoT continuano a fornire informazioni che dicono: "Ehi, in questo momento sono qui", questo tipo di cose potrebbe essere sfruttato per fornire migliori capacità di previsione. Quindi applicazioni reali, in tempo reale, sì.

Dayle Hall:

Mi piace il concetto di "anche quando accadono cose importanti". Ok, il COVID è un po' più importante di una tempesta di neve o di un grave incidente in autostrada o qualcosa del genere, ma mi piace l'idea che ci siano così tanti dati diversi che sono fuori, anche al di fuori di ciò che si fa nella propria attività. Ma se si può iniziare a inserire questi dati, tutto ciò che si fa in termini di gestione dell'attività, della catena di approvvigionamento, della soddisfazione delle esigenze dei clienti e così via, il tutto diventerà più stretto. Anche se c'è... anche se dovete dire al vostro cliente che c'è un ritardo maggiore, beh, indovinate un po'? Stiamo usando molte fonti diverse. Sarete precisi nel dire loro che c'è un ritardo ed ecco perché. E credo che chi è cliente di qualsiasi cosa voglia sapere a che punto sono le cose e non voglia essere tenuto all'oscuro. Quindi mi piace... credo che questo aiuterebbe molte grandi aziende nelle loro consegne. 

Mi parli un po' dell'utilizzo di questi strumenti oggi disponibili e del modo in cui un essere umano si interfaccia con essi. Intendo dire che è più che altro il design, il modo in cui utilizziamo questi strumenti di analisi predittiva e quanto sono importanti, secondo lei, l'interfaccia, l'esperienza e il modo in cui si interagisce con questi strumenti? È davvero importante o sono più importanti i dati? Cosa direbbe che è fondamentale?

Raghu Banda:

Permettetemi di riallacciarmi al mio precedente processo di pensiero, quando ho iniziato parlando di persone, processi e tecnologie, con i dati come elemento di base. Ora che siamo nel 2023, siamo in una fase in cui abbiamo una quantità enorme di dati. Qualunque sia l'azienda o la società, avete maturato un numero sufficiente di tecnologie. Ovviamente, le tecnologie continueranno a migliorare. Abbiamo realizzato i processi aziendali. 

Quindi le persone sono un fattore molto importante per capire come migliorare i processi aziendali, sfruttando i dati a disposizione e implementando gli strumenti a disposizione, in modo che tutto si colleghi a come aiutare l'utente finale. Quindi il punto che hai sollevato è ottimo. Anche quando sto progettando il sistema, se il sistema è adattabile all'utente finale, sia esso un utente alle prime armi o un utente esperto, perché ci saranno diversi tipi di persone che useranno il sistema, quando si progetta, dovrebbe essere semplicisticamente disponibile per le persone a capire come posso usare il sistema in modo che possa fornire i risultati. Quindi, ovviamente, la progettazione centrata sull'utente e la progettazione basata sulle persone giocano un ruolo molto importante quando parliamo di processi aziendali infusi nell'IA. Ecco perché il fattore persone è fondamentale. 

Dayle Hall:

Sì. E molte delle discussioni che abbiamo avuto in questa serie di podcast sull'IA in generale Molte delle discussioni che abbiamo avuto in questa serie di podcast sull'IA in generale non si sono concentrate su questo aspetto. Abbiamo parlato di IA responsabile, di etica dell'IA e di iniziare con un caso aziendale per assicurarsi che l'IA sia ciò di cui si ha bisogno. Ma sempre di più, inizio a pensare che l'interfaccia utente sia fondamentale. Pensa che sia meglio avere un'interfaccia separata quando si utilizzano alcuni di questi strumenti o che si debbano utilizzare gli strumenti esistenti e che l'IA sia sottostante? Fa qualche differenza?

Raghu Banda:

È qui che gli assistenti digitali giocheranno un ruolo molto importante. Ci sono situazioni in cui non si può riprogettare il sistema, non si può cambiare il design dell'utente in modo tale da rendere intuitivo per l'utente finale l'utilizzo dei processi incentrati sull'IA, ma si può sempre avere un livello di integrazione aggiuntivo utilizzando l'assistente digitale. È qui che l'assistente digitale o l'IA conversazionale, in alcuni aspetti, possono aiutarvi a velocizzare questo processo. Alla fine, si può migrare verso un sistema migliore o un migliore design incentrato sull'utente.

Dayle Hall:

In futuro, se guardate all'IA al di fuori dell'impresa, cosa volete che faccia per voi e per la vostra vita? Qual è la cosa più eccitante per Raghu nella sua vita personale? Se l'IA potesse risolvere qualcosa per te, quale sarebbe?

Raghu Banda:

Questa è un'ottima domanda. Penso che una cosa che mi piace molto, a parte il lato aziendale, mi piace molto andare in bicicletta, viaggiare e leggere o ascoltare. Quando vado in bicicletta o quando viaggio, voglio ascoltare alcune di queste conversazioni. Prima leggevo, ma ora faccio metà e metà di questo. Ci sono molte conversazioni che si svolgono là fuori, ma posso solo ricevere raccomandazioni su questi grandi attori là fuori. Ma ci sono molte conversazioni più piccole che si stanno svolgendo e di cui non ci si rende conto. Quindi bisogna fare molte più ricerche in merito. 

Quindi, se l'AI può fornirmi un frammento di ciò che sta accadendo là fuori, forse questa è una di quelle conversazioni. Ci sono molte altre conversazioni di questo tipo. Ma io riesco a trovare solo le grandi conversazioni in corso, come quelle di Elon Musk o di Lex Fridman. Ma la mia sfida più grande è che ci sono così tante informazioni là fuori, ma non c'è visibilità. Se l'intelligenza artificiale può fornire visibilità a molte delle conversazioni in corso, sarà utile in un modo diverso. Non so nemmeno come verrà fuori, ma questa cosa...

Dayle Hall:

Mi piace. Con 10.000 strumenti martech, ricevo 300 e-mail al giorno da martech. E lo facciamo anche noi. Lo capisco. Sono un marketer. So come funzionano queste cose. Ma se ci fosse un modo in cui l'intelligenza artificiale potesse aiutarmi a capire cosa ho nella mia azienda, quali sono le nostre sfide e poi potesse effettivamente filtrare meglio o andare a cercare quegli strumenti, le cose su cui dovrei concentrarmi, che mi aiuteranno nella mia vita quotidiana. Il resto è che se potessi avere un'interfaccia di intelligenza artificiale che mi permetta di capire dove devono essere i miei figli a che ora del giorno e chi li accompagna e chi può accompagnarli e tutto il resto, per non essere io il genitore di Uber per i miei figli ogni sera, sarebbe una grande vittoria. 

Raghu Banda:

Certo, sicuramente, sì, il lato personale della cosa, non ci sono andato. Sì, ci sono un sacco di cose che vorrei sicuramente avere lì.

Dayle Hall:

Sì, vi ringrazio per il tempo che mi avete dedicato oggi. Abbiamo trattato molti argomenti diversi. Abbiamo approfondito alcuni argomenti relativi all'IA che non avevamo mai trattato prima. Mi piace il concetto di cui parla, ovvero che il processo umano e la tecnologia sono gli elementi chiave dell'IA, ma i dati sottostanti devono sempre essere presenti. Mi piace pensare ai clienti dei clienti. Quindi, quando abbiamo queste tecnologie che stiamo immettendo sul mercato, non pensiamo solo a come stiamo aiutando i clienti. Li sta aiutando davvero con i loro clienti? Penso che questo sia sicuramente un aspetto che le persone che ascoltano dovrebbero considerare: "Ho pensato a questo o mi sto concentrando solo su ciò che sto dando ai miei clienti? E credo che, se ci pensiamo in questo modo, si spera di promuovere ancora di più questa IA responsabile ed etica e il suo risultato. 

Allora Raghu, grazie mille per aver partecipato al podcast di oggi.

Raghu Banda:

Grazie, Dayle, per avermi fatto partecipare al tuo podcast. Mi è piaciuta molto la conversazione.

Dayle Hall:

Ottimo. Grazie a tutti per l'ascolto. La puntata si conclude qui e vi diamo appuntamento alla prossima puntata di Automatizzare l'impresa.