Sergente Lorusso per Npo Sistemi
La principale sfida nella trasformazione digitale è quella di rendere disponibile l’enorme quantità di dati a disposizione, per soddisfare le principali esigenze di business delle aziende. Il contesto è molto ampio e spazia dalla capacità di ottenere informazioni mirate a prendere decisioni consapevoli, a conoscere meglio il profilo e le aspettative dei propri clienti, in modo da offrire un servizio sempre più soddisfacente, utile a fidelizzarli e renderli più coinvolti. Per raccontare i dati da un punto di vista umano-centrico, è nata una nuova disciplina tecnologica: il cognitive computing, capace di ritagliarsi progressivamente un livello di attenzione crescente nel novero di applicazioni basate sulle tecniche di intelligenza artificiale.
Cos’è e a cosa serve il cognitive computing
Per cognitive computing si intende l’utilizzo di modelli capaci di simulare il processo del pensiero umano in scenari di varia complessità e incertezza. Come vedremo nel dettaglio, utilizza le medesime tecniche dell’intelligenza artificiale con finalità differenti, in un contesto multidisciplinare che vede il cognitive computing agire in sinergia con la robotica ed altre tecnologie della simulazione.
La caratteristica peculiare del cognitive computing risiede nella sua capacità di comprensione, basata sull’analisi di grandi quantità di dati che derivano dalle interazioni con le persone. Ciò avviene grazie all’impiego di tecniche di data mining, pattern recognition e natural language processing (NLP), il cui utilizzo combinato consente alle applicazioni di imitare il cervello umano sia in fase di ascolto, che in fase di relazione.
Sulla base delle ricerche pubblicate dal Cognitive Computing Consortium, i sistemi di cognitive computing si distinguono sulla base di alcune qualità fondamentali, risultando al tempo stesso:
- Flessibili: sanno intuire la variazione degli scenari, continuando ad imparare anche se la tipologia di informazioni e gli obiettivi da soddisfare sono soggetti a cambiamenti. Si tratta dunque di sistemi capaci di adattarsi in tempo reale all’evolversi della situazione, espressa in termini di analisi dei dati che contraddistinguono lo scenario di riferimento.
- Interattivi: dispongono di interfacce relazionali (human-computer interface) per comunicare con le persone, comprendendo i loro messaggi, per elaborare risposte pertinenti. Dal punto di vista tecnologico questo comporta la capacità di sviluppare applicazioni che sfruttano la potenza elaborativa del cloud computing per conversare con gli utenti attraverso un’ampia tipologia di dispositivi informatici.
- Iterativi: sulla base del machine learning, i sistemi di cognitive computing migliorano la propria efficienza nel tempo, grazie a tentativi continui e ripetuti. In altri termini, imparano a fare domande sempre migliori per acquisire i dati più funzionali nel risolvere con successo il problema.
- Contestuali: sono capaci di acquisire ed analizzare una tipologia di dati molto ampia, disponibile in vari formati, per identificare al meglio il contesto: dai semplici file di testo, a file audio, video, riferimenti geo localizzati e cronolocalizzati, fino alle più tradizionali tabelle strutturate.
Tra i principali vantaggi che le aziende possono ottenere grazie all’implementazione del cognitive computing nei loro processi:
- Maggior comprensione dei propri clienti, con conseguenti benefici per la brand experience nel suo complesso;
- Miglioramento del livello di efficienza del decision making, in termini di rapidità e qualità delle informazioni disponibili;
- Maggior comprensione dei dati di scenario, acquisiti ed analizzati in tempo reale direttamente dal contesto di relazione;
- Spinta generale verso l’innovazione, con un sensibile incremento di affidabilità ed efficienza nelle operazioni, grazie alla riduzione di errori garantita dall’automatizzazione;
- Scalabilità dei carichi di lavoro in funzione delle effettive esigenze, grazie ai servizi disponibili in cloud computing.
Le principali applicazioni
Le attività che si basano sull’analisi dei dati sono in continuo aumento, di pari passo con l’incremento delle situazioni in cui qualsiasi realtà a livello enterprise è oggi in grado di acquisire informazioni entro gli scenari in cui opera. Tra i principali ambiti applicativi del cognitive computing, attualmente ritroviamo:
- Chatbot intelligenti: dimenticate il vecchio chatbot “scriptato”, che sapeva rispondere solo alle domande preimpostate. I chatbot di nuova generazione implementano funzionalità di cognitive computing per instaurare una relazione naturale con le persone. Per tale ragione, i chatbot intelligenti sono sempre più diffusi nei servizi di customer care, per automatizzare e rendere più efficienti operazioni come la gestione dei ticket o la semplice richiesta di informazioni su un prodotto / servizio.
- Valutazione dei rischi (Risk Assessment): l’analisi dei dati tradizionalmente svolta nell’ambito dei servizi finanziari prende in considerazione uno storico e cerca di instaurare delle correlazioni con i trend attuali. Grazie al cognitive computing è possibile fare un passo più, grazie ad una visione più dinamica, focalizzata sulla natura comportamentale dei dati che derivano dalle interazioni tra gli stakeholder. Gli insight ottenuti grazie all’analisi dei dati comportamentali consentono agli analisti quelle indicazioni relative al sentimento che sarebbero altrimenti molto complesse da ottenere soltanto sulla base dei rilevamenti storici. La valutazione dei rischi basata sul cognitive computing è sempre più diffusa nell’ambito dei servizi assicurativi, per quanto concerne la stipula delle polizze. Le funzioni predittive, che coinvolgono un’ampia varietà di dati, tra cui quelli comportamentali, consentono infatti di rendere più precisa la valutazione del rischio da assicurare, funzionalmente alla stima del premio.
- Rilevamento delle frodi (Fraud Detection): tali sistemi impiegano varie tecniche di AI per rilevare le possibili anomalie rispetto alle situazioni di routine, che possono essere ragione di sospetto per un atteggiamento di natura fraudolenta. Un contributo importante è dato dal cognitive computing, grazie alla sua capacità di comprendere la natura dell’anomalia e ridurre le situazioni di falso allarme.
- Assistenza sanitaria (Healthcare assistance): in ambito diagnostico la disponibilità di informazioni riveste da sempre uno degli aspetti decisivi per valutare l’insorgenza di nuove patologie. Il cognitive computing, grazie alle tecniche di data mining su cui si basa, consente molto spesso di ridurre il gap diagnostico. Questo ambito della medicina è oggetto di continua sperimentazione su moltissimi fronti di indagine, tra cui emerge la diagnosi del diabete e delle malattie rare. Il cognitive computing inizia a trovare una confortante diffusione anche per quanto riguarda le interfacce conversazionali con i pazienti e la capacità di compilare in maniera efficiente le cartelle cliniche digitali. Oltre ad automatizzare le funzioni di assistenza ed offrire un servizio più puntuale al cittadino, l’obiettivo è quello di digitalizzare il più possibile la filiera, evitando le inefficienze che derivano dall’errore umano nel riportare indicazioni manoscritte ed inserite in maniera imprecisa nei sistemi gestionali. Che si tratti di una prenotazione errata, piuttosto che di un dato diagnostico riportato in maniera non corretta, il cognitive computing consente di limitare gli episodi di malasanità.
Le principali differenze tra cognitive computing e intelligenza artificiale
Nella letteratura informatica, l’intelligenza artificiale è il cosiddetto termine ombrello, sotto di cui operano varie sotto branche tecnologiche, come il machine learning, il deep learning, il data mining e il natural language processing, con le relative tecniche specialistiche da cui derivano le applicazioni text to speech e voice to text indispensabili per implementare le funzionalità dei chatbot e degli assistenti virtuali.
Come anticipato, la ragione per cui è nata e si sta diffondendo con particolare successo la definizione di cognitive computing è quella di identificare al meglio un contesto applicativo che, pur basandosi di fatto sulle stesse tecniche dell’intelligenza artificiale genericamente intesa, si sofferma sull’obiettivo di simulare il comportamento della mente umana in uno specifico contesto, grazie ad un livello di comprensione ed empatia capace di progredire nel tempo, sulla base dell’esperienza accumulata. Anche se entrambe hanno quale finalità quello di suggerire all’uomo il miglior supporto decisionale possibile, potremmo quindi dire che tra i due approcci tecnologici varia il modo di pensare.
Mentre il cognitive computing si focalizza sul pensiero umano, l’azione dell’intelligenza artificiale è più genericamente rivolta ad identificare nei dati quelle correlazioni di variabili che ben difficilmente emergerebbero dalla semplice analisi dell’uomo, soprattutto quando le numeriche di dati acquisiscono un volume decisamente importante. Si tratta in buona sostanza di intelligenze diverse, che possono essere utilizzate simultaneamente per supportare il decision making sulla base dell’analisi dei dati.
I più scettici potrebbero accusare i fautori del cognitive computing di abusare delle etichette per crearsi una nicchia di mercato efficace. In realtà, la distinzione tra cognitive computing e intelligenza artificiale è più che mai fondata, soprattutto quando si tratta di valutare l’operato di un sistema intelligente attraverso una qualità fondamentale: la spiegabilità.
Dal momento che il cognitive computing simula il comportamento del pensiero umano, spesso e volentieri non c’è nemmeno il bisogno di dover motivare le sue conclusioni, dal momento che il processo che le determina, al di là dei tecnicismi, appare chiaro e logico nella sua dinamica. Lo stesso non si può dire, in termini generici, per l’operato dell’intelligenza artificiale, le cui conclusioni possono essere molto efficaci, quanto misteriose le modalità che hanno portato gli algoritmi a definirle.
La definizione di black box della AI non è affatto casuale e per svelare il modo di pensare dell’intelligenza artificiale è nata una disciplina specifica, l’Explainable Artificial Intelligence (XAI), che ha come obiettivo proprio quello di spiegare come l’intelligenza artificiale opera per formulare le proprie conclusioni.
Tale aspetto è fondamentale per la fiducia che l’uomo necessariamente ripone nella tecnologia quando si tratta di prendere decisioni in ambiti fondamentali. Se la dinamica di pensiero non è chiara, emerge un naturale scetticismo nei confronti della tecnologia e diventa complesso superare la barriera che la separa dall’implementazione su larga scala. Uno dei principali punti di forza del cognitive computing, grazie alla sua innata capacità di comprensione, è data appunto dall’essere spiegabile per natura nella sua relazione con le persone.
IBM Watson: il cognitive computing su misura per le aziende
Nell’ambito del cognitive computing, IBM Watson rappresenta da diversi anni la tecnologia leader sul mercato, grazie agli enormi investimenti che Big Blue ha effettuato per sviluppare le tecniche di NLP, machine learning, text analysis e assistenti virtuali che consentono di implementare con efficienza un’ampia gamma di interfacce conversazionali intelligenti in ambito enterprise. Le soluzioni di IBM Watson risultano perfettamente funzionali alla grande realtà, capace di sfruttarne le economie di scala, e alle PMI, che grazie ai servizi cognitivi possono abilitare applicazioni che sarebbe altrimenti molto complesso implementare con le risorse tradizionalmente a disposizione, sia in termini di budget che di competenze altrimenti richieste.
Vuoi saperne di più?
Leggi il secondo articolo DEL SERGENTE LORUSSO PER NPO SISTEMI dedicato
