Tecnologie Digitali e IA per il Management

Perché le nuove tecnologie richiedono Economia, Governance e Management

L'accelerazione tecnologica, in particolare quella legata all'Intelligenza Artificiale (IA), è alimentata da due fattori principali: la disponibilità di un'enorme quantità di dati accessibili a costi contenuti e l'aumento delle capacità di elaborazione e computazione (i cosiddetti fast data).

Queste nuove dinamiche rendono cruciale la necessità di governare e gestire l'IA.

1.) Necessità di Governance: La governance è essenziale per mitigare rischi come l'aumento della disuguaglianza (sperequazione), l'incremento di forme di capitalismo di controllo e sorveglianza, e la diffusione di discriminazioni artificiali che "scientificizzano" i pregiudizi.

• È cruciale affrontare i temi del Digital Divide (il divario tra chi ha e chi non ha accesso o competenze digitali) e della Digital Inequality (la distribuzione non uniforme dell'accesso, delle competenze e dei benefici).

• Tali discriminazioni si riscontrano in applicazioni reali come nel Credit Scoring discriminatorio (dove gli algoritmi hanno penalizzato persone di determinati quartieri o gruppi etnici) o nei Bias di genere (come nel caso documentato di carte di credito algoritmiche che assegnano limiti inferiori alle donne a parità di condizioni finanziarie).

2.) Necessità di Management: Il management deve adattarsi, diventando più magmatico, multidisciplinare, eclettico e dinamico.

Le grandi organizzazioni possono essere classificate in base alla loro maturità nell'adozione dell'IA:

• Avanguardista (piena maturità tecnologica e gestionale),

• Apprendista (usa l'IA con soluzioni standard) e

• In cammino (ha elementi abilitanti ma pochi progetti attivi).

Innovazione e Intelligenze artificiali e aumentate. Riflessioni evolutive

Che cos'è l'IA e i suoi tipi

L'Intelligenza Artificiale (IA) è la capacità di un sistema di eseguire compiti che richiederebbero l'intelligenza umana. Si basa su algoritmi di apprendimento che consentono di applicare capacità cognitive e svolgere compiti in modo autonomo.

Attualmente si distinguono tre tipi di IA:

1. Limitata (Narrow AI/AI Stretta): Opera in ambiti specifici, funzionando con algoritmi matematici. 
   Questa AI eccelle in un dominio ristretto ma non possiede coscienza e non è in grado di trasferire ciò che ha imparato a contesti diversi. Esempi come ChatGPT rientrano in questa categoria.

2. Generale (General AI): Emula l'intelligenza umana, permettendo al sistema di eseguire compiti che può fare l'uomo (es. problem solving, ragionamento).

3. Artificiale (Superintelligence): Sistemi che avranno abilità superiori a quelle umane.

Le Quattro Componenti Fondamentali di un Sistema AI

Un sistema IA si basa su quattro componenti chiave:

1. Dati: Le informazioni grezze, pertinenti e di alta qualità, necessarie per addestrare l'IA.

2. Algoritmo: Le istruzioni (regole matematiche e statistiche) che l'IA segue per imparare dai dati.

3. Modello: È la "conoscenza" creata dall'algoritmo dopo l'addestramento (es. il sistema che impara a distinguere un gatto da un cane).

4. Infrastruttura: La tecnologia fisica e software che permette al modello di funzionare.
   

Intelligenza Aumentata (IA)

L'Intelligenza Aumentata (Augmented Intelligence) è considerata il successivo sviluppo della ricerca sull'IA. Non sostituisce l'uomo, ma ne espande le capacità umane.

Il ciclo dell'Intelligenza Aumentata si articola in 5 fasi:

1. Understanding: I sistemi traggono significato dai dati forniti.

2. Interpretation: Il sistema interpreta nuovi dati riflettendo su quelli vecchi.

3. Reasoning: Il sistema crea output o risultati per il nuovo set di dati.

4. Learn (Miglioramento AI): Gli umani forniscono un feedback sull'output e il sistema si adatta e migliora l’accuratezza di conseguenza.

5. Assure (Garanzia e Sicurezza): La sicurezza e conformità sono garantite, includendo la registrazione della diagnosi finale e del registro delle modifiche su un sistema sicuro (es. blockchain) per assicurarne la tracciabilità e la sicurezza legale.

Imprenditorialità e Intelligenza artificiale

L'IA può ridurre il livello di incertezza attraverso la capacità di prevedere nuovi trend.

Le Definizioni Storiche di Imprenditore

• Cantillon (XVIII sec.): Colui che decide razionalmente, consapevole del rischio non garantito.

• Knight (1921): Colui che calcola il rischio considerando l'incertezza dei mercati (bearer of uncertainty).

• Schumpter (1934): Colui che sfrutta le opportunità esterne facendo leva sulle sue capacità creative.

• Kirzner (2009): Possiede Creative Alertness, la spinta a scoprire nuove opportunità.
  

L'implementazione dell'IA in azienda è un elemento chiave per il vantaggio competitivo.

L'adozione dell'IA incontra scetticismo, pregiudizi e resistenze che possono essere ricondotti a 3 fenomeni:

• Speciesism: La resistenza a trattare robot e umani allo stesso modo quando i robot diventeranno indistinguibili.

• Algorithm Aversion: La preferenza degli umani nell'affidarsi ad altri umani esperti, anche quando una ricerca algoritmica è più precisa.

• Uncanny Valley: La caduta dell'empatia che genera un senso di inquietudine e disgusto quando la somiglianza di una rappresentazione umanoide aumenta oltre un certo livello.

Classificazione delle Idee Imprenditoriali (Neck et al., 2014)

1. Blue Sky: Idea che apporta una trasformazione in un settore e nel mercato, introducendo una novità unica nel suo genere che comporta un alto rischio imprenditoriale. Esempi attuali includono il Metaverso, con l'uso di avatar 3D per eventi, convegni e workshop.

2. Grounded: Idea che migliora in parte una tecnologia esistente, con un basso rischio imprenditoriale e facilmente imitabile.

3. Space Out: Idea fantastica ma non realizzabile, come inizialmente percepita la colonizzazione di Marte di Elon Musk, ma che a volte può evolvere.
   

L'IA Factory

L'AI Factory è una piattaforma che sviluppa e addestra soluzioni di IA su larga scala. Il suo scopo è rendere più facile e veloce l'uso dell'IA per le organizzazioni, automatizzando e supportando completamente le decisioni manageriali. Secondo Iansiti e Lakhani (2020), è lo scalable decision engine che alimenta il modello operativo digitale.

Gli elementi essenziali dell'AI Factory sono:

1. Data pipeline: Il processo di raccolta, integrazione ed elaborazione sistematica e sostenibile dei dati, con un severo controllo per correggere inesattezze dovute a pregiudizi o errori (es. anomalie di inserimento, cancellazione, aggiornamento).

2. Sviluppo dell'algoritmo: L'insieme di regole che la macchina segue per risolvere un problema e sviluppare previsioni accurate dai dati passati.

3. Piattaforme di sperimentazione: Dove si testano le ipotesi relative a nuovi algoritmi di decisione per garantirne l'effetto previsto.

4. Software infrastructure: Rendere disponibili i dati tramite interfacce per integrare rapidamente le applicazioni.

L’innovazione dei modelli di business con e per le tecnologie emergenti

Il modello di business è la rappresentazione di come un'azienda crea, acquisisce e distribuisce valore. L'IA, essendo una tecnologia pervasiva e dirompente, determina l'innovazione dei modelli di business esistenti.

Business Model Canvas

Il Business Model Canvas è uno strumento strategico visivo composto da 9 blocchi di aree chiave e 4 pilastri fondamentali.

	Pilastro	Blocchi del Canvas	Descrizione
Creazione di Valore		Proposizione di Valore (Valore unico offerto) , Risorse Chiave (materiali, umane, intellettuali) , Attività Chiave (principali attività svolte per creare valore) , Partnership Chiave (alleanze strategiche).	Descrive il valore unico che l'azienda offre ai suoi clienti, come risolve i loro problemi o soddisfa i loro bisogni.
Distribuzione del Valore		Segmenti di Clientela (gruppi di clienti a cui l'azienda si rivolge) , Canali di Distribuzione (come l'azienda raggiunge i clienti) , Relazione con i Clienti (tipo di relazione che l'azienda vuole instaurare).	Identifica i destinatari del valore e come vengono raggiunti.
Acquisizione del Valore		Struttura dei Costi (tutti i costi operativi) , Flusso di Ricavi (come l'azienda genera guadagni).	Indica la sostenibilità economica.

Tassonomia dei Modelli di Business IA

Weber (e altri) hanno identificato 4 modelli di business rappresentativi in base all'IA:

1. AI-charged Product/Service Provider: Offre prodotti/servizi altamente specializzati in ambiti delimitati, con modelli IA preconfezionati e non personalizzabili.

2. AI Development Facilitator: Offre servizi generici (es. programmi di sottoscrizione) per migliorare l'efficienza e l'interazione con gli stakeholder, con possibilità di personalizzazione.

3. Data Analytics Provider: Alto livello tecnologico, offre servizi avanzati di analisi dati con tecniche di machine learning per il monitoraggio di processi, spesso con pagamento a transazione o sottoscrizione.

4. Deep Tech Researcher: Sviluppo di soluzioni avanzate e d'avanguardia (es. guida autonoma, robotica, medicina), rivolte a clienti specifici e iper-specializzate, anche con offerta di componenti hardware dedicate.

Macro Tipologie di Business Model con IA

Dall'integrazione dell'IA nei pilastri aziendali, si individuano 4 macro-tipologie con progressiva maturità nell'uso dell'IA:

1. Modello di Business Facilitato dall'IA: L'IA è usata nei processi operativi per l'automazione, migliorando l'efficienza e riducendo i costi, ma non rivoluziona il modello di business.

2. Modello di Business Mediato dall'IA: L'IA crea e distribuisce valore nelle relazioni con gli stakeholder, offrendo un vantaggio competitivo sia nella riduzione dei costi che nella creazione di valore aggiunto e fidelizzazione.

3. Modello di Business Portatore di IA: Offre valore integrando l'IA direttamente in prodotti, servizi e soluzioni (es. Netflix), offrendo un valore unico per il cliente.

4. Modello di Business Pienamente AI: (Il testo si interrompe ma implica una totale pervasività dell'IA nel creare, distribuire e acquisire valore, rendendo l'IA il cuore pulsante dell'organizzazione).

Dal management dell’impresa al management dell’ecosistema: il ruolo delle tecnologie della rete

In un contesto che evolve verso una smart society, la combinazione tra tecnologie digitali ed economia della conoscenza porta a cambiamenti nella gestione.

Caratteristiche e attività della smart society includono:

• L'uso dell'IA per valutare i bisogni umani e applicare processi operativi automatizzati, imparando dalle abitudini in un contesto digitale.

• Il miglioramento dei processi automatici nell'impresa manifatturiera tramite l'osservazione di casi reali e la raccolta dati, senza interferenze umane.

• L'analisi dei big data con caratteristiche di scalabilità e trasferibilità tra organizzazioni.

• L'uso di infrastrutture smart per automatizzare il management fino al livello di design collaborativo nelle decisioni operative.

• La gestione autonoma dei processi da parte di sistemi autodidatti intelligenti.

L'implementazione dell'IA nei processi di innovazione risponde a esigenze di carattere esogeno (es. volatilità e mutevolezza del contesto competitivo, ampliamento del mercato globale, tecnologie disruptive, contesto geopolitico) e endogeno (es. trasformare la disponibilità di dati in nuova conoscenza, ridurre incertezze e ottimizzare il rapporto costi-benefici).

L'IA supporta il processo decisionale in 4 aree:

1. Sviluppo di idee superando i vincoli di elaborazione delle informazioni.

2. Idee generate in grado di evidenziare pattern ricorrenti in una grande mole di dati.

3. Apprendere la conoscenza esistente per identificare e sviluppare idee e opportunità (es. progettazione generativa).

4. Sistemi di IA che generano o riconoscono idee tramite apprendimento per rinforzo o meta rinforzo.

Dal Management lineare al management circolare: le tecnologie della rete che curvano la catena del valore

L'IA e le tecnologie digitali sono fondamentali per la transizione dal management lineare (orientato all'accumulo di capitale ) a un management circolare (incentrato su un ridimensionamento della produzione e dei consumi orientato al benessere collettivo ).

L'IA supporta la Circular Economy (CE) in tre modi:

1. Miglioramento delle performance ambientali ed economiche di business esistenti (es. tracciamento materie prime, miglioramento supply chain, riduzione sprechi).

2. Nascita di nuovi business circolari (es. sviluppo più veloce di nuovi materiali e prodotti, rapida progettazione, maggiore razionalizzazione delle risorse).

3. Estensione di business legati all'eco-innovazione (produzione o sfruttamento di un nuovo prodotto, servizio, processo o modello di business che riduce le esternalità negative e l'utilizzo di risorse).

L'IA e le tecnologie digitali contribuiscono a modelli di business circolari attraverso diverse strategie (le cosiddette R-strategies, qui estese):

• Reuse/Repair/Refurbish/Remanufacture: Migliorare l’aspettativa di vita dei prodotti e studiare le inefficienze per eliminare il sovrautilizzo di materiali.

• Virtualise: Incentivare il consumo di beni in modo virtuale, adattandosi alle esigenze dei consumatori e generando nuovi modelli di consumo basati sulla personalizzazione dell'offerta (es. Spotify).

• Exchange (Sostituzione): Sostituire vecchi materiali non rinnovabili con materiali meno impattanti. L'IA ha contribuito allo sviluppo di stampanti 3D, che semplificano la produzione, velocizzano i processi e permettono l'uso di materiali sostenibili riducendo gli scarti.

Come cambia il marketing con le tecnologie emergenti

Il marketing con l'IA, detto Artificial Intelligence Marketing, sfrutta l'IA per analizzare dati, creare contenuti, prendere decisioni e automatizzare i processi di marketing.

Benefici dell'AI Marketing

L'IA supporta i metodi di marketing tradizionali, migliorando e velocizzando le attività. Grazie agli algoritmi di machine learning, le aziende possono sviluppare modelli predittivi sul comportamento dei consumatori e prendere decisioni più informate.

I benefici includono:

• Maggiore rendimento delle campagne e maggiore efficacia dell'advertising.

• Migliore gestione delle relazioni e aumento della fidelizzazione dei clienti.

• Miglioramento dell'esperienza utente e della soddisfazione.

• Comunicazioni e contenuti personalizzati in tempo reale, filtrati per ogni singolo utente.

• Precisione nella segmentazione del target.

• Analisi avanzata delle prestazioni e capacità di prevedere trend emergenti e bisogni.

• Decisioni più rapide e informate.

Le Tre Fasi dell'Artificial Intelligence Marketing

1. Fase Strategica: L'IA raccoglie dati per ottenere una visione dettagliata del comportamento dei consumatori, identificare tendenze e prevedere il comportamento futuro. Ciò permette di segmentare il mercato, definire il target più promettente e sviluppare strategie personalizzate.

2. Fase Decisionale: L'IA viene sfruttata per prendere decisioni, ad esempio automatizzando la creazione di campagne email basate sulle esigenze e il comportamento dell'utente.

3. (Fase Esecutiva/Tattica - Implicita dal Contesto): Questa fase include l'applicazione pratica dell'IA, come:

   • Visual Listening: Monitorare le immagini sui social che contengono riferimenti visivi ai brand per individuare pattern di comportamento e trend di mercato, e per prevenire rischi per la sicurezza e la reputazione.

   • Chatbot Personalizzati: Sviluppati con l'IA per comprendere il contesto, le sfumature e il sentiment del linguaggio, portando avanti conversazioni complesse e fornendo assistenza indispensabile.

   • Creazione di Contenuti: Usare algoritmi di Natural Language Processing (NLP) per scrivere testi ottimizzati per la SEO, creare claim efficaci e suggerire argomenti rilevanti.

   • Targeting Pubblicitario e Raccomandazione di Prodotti: Algoritmi di machine learning analizzano dati storici per prevedere quali prodotti un utente desidera vedere (es. product recommendation).

   • Sentiment Analysis: Analisi del testo digitale (email, chat, commenti, recensioni) per interpretare emozioni e determinare il tono del messaggio, fornendo informazioni oggettive su larga scala e in tempo reale.

Come cambia la comunicazione d'impresa con le tecnologie emergenti

L'introduzione dell'IA nella comunicazione d'impresa ha portato alla nascita dell'AI-Mediated Communication (AI-MC), una comunicazione interpersonale in cui un agente intelligente agisce per conto di un comunicatore, modificando, potenziando o generando messaggi per raggiungere obiettivi di comunicazione. L'IA si configura come un vero e proprio comunicatore con cui le persone creano significato.

L'IA opera con un duplice ruolo: assiste gli umani, e gli umani assistono l'IA.

Aspetti che Cambiano la Comunicazione

L'avvento dell'IA solleva nuove domande che coinvolgono tre dimensioni:

1. Dimensione Funzionale: Riguarda come le persone danno senso a questi dispositivi come comunicatori.

2. Dimensione Relazionale: Riguarda le associazioni e relazioni che le persone sviluppano con le tecnologie e tra loro.

3. Dimensione Metafisica: Evocata dall'offuscarsi dei confini ontologici tra ciò che è umano, macchina e comunicazione.

L'Uso dell'IA nella Comunicazione Aziendale

1. Comunicazione Aziendale Interna:

• Ridefinizione del lavoro e delle relazioni tra dipendenti.

• Le attività dei dipendenti si indirizzano verso compiti che richiedono maggiori competenze di problem solving e pensiero critico.

• Necessità di formazione specifica e continua e di definire ruoli generali e obiettivi specifici.

• Impiego di strumenti per: comunicazione e riunioni del team, scrittura aumentata, sintesi del testo, valutazione della comunicazione orale, assistenza automatizzata.

2. Comunicazione Aziendale Esterna:

• Comunicazione online personalizzata e servizi con interazione istantanea, aumentando l'efficienza nello scambio di informazioni.

• L'uso di Agenti Conversazionali (Chatbot) è diventato pervasivo, ma la loro evoluzione è data dai Large Language Models (LLM) come GPT, LLaMA e Gemini. Questi modelli sono addestrati su enormi quantità di testo per comprendere e generare linguaggio naturale e stanno evolvendo verso modelli Multimodali (che integrano testo, immagini, suoni e video).

• Un esempio notevole è la comparsa degli Influencer Virtuali (es. Lil Miquela, Shudu Gram), utilizzati dalle aziende in campagne pubblicitarie (come BMW), che offuscano il confine tra reale e artificiale nel branding.

• Migliore definizione dei contenuti di marketing (personalizzazione del testo).

• Maggiore coinvolgimento del consumatore.

• Dibattito sulla possibilità che l'IA possa sostituire la creatività umana e l'intelligenza emotiva.

Esempio in Ambito Giornalistico: L'IA viene usata per:

1. Raccolta di Notizie: Individua centinaia di migliaia di news in più lingue.

2. Produzione di Notizie: Aggrega in modo unsupervised le notizie per significato e crea un riassunto per ogni cluster, riducendo la possibilità di "allucinazioni" e proponendo 1000-2000 articoli al giorno con un'accuratezza oltre il 95%.

3. Distribuzione di Notizie.

Il knowledge management e l'AI

Il Knowledge Management (KM) è il processo sistematico, esplicito e deliberato di costruzione, rinnovamento e applicazione della conoscenza per massimizzare l'efficacia di un'azienda. Il suo obiettivo è rendere esplicita la conoscenza implicita (tacita) di ogni figura professionale per un vantaggio competitivo di lungo termine.

Il KM e le sue Componenti

Il KM è una pratica gestionale integrata che tiene conto di tre categorie di variabili:

1. Persone: Titolari della conoscenza tacita (esprimibile solo con le azioni e non immagazzinabile).

2. Processi: Rendere la conoscenza accessibile pur riconoscendo che il suo valore è contestuale, trovando un compromesso.

3. Tecnologie: Supporto essenziale solo se si propongono come elemento di condivisione e trasferimento delle informazioni.

Processi di Gestione della Conoscenza

1. Cattura e Creazione: Ricerca, collaborazione tra team, e condivisione di esperienze per generare nuova conoscenza.

2. Immagazzinamento e Recupero: Archiviazione in database e recupero rapido con strumenti di ricerca avanzata.

3. Trasferimento e Distribuzione: Condivisione tra team e diffusione tramite piattaforme e strategie di comunicazione.

4. Uso e Applicazione: Utilizzo delle conoscenze acquisite per il raggiungimento degli obiettivi.

Benefici dell'IA nel KM (IA Generativa)

L'IA offre una nuova visione nel rapporto tra creatività e razionalità nei processi di KM. I benefici dell'IA generativa includono:

• Aumento dell'efficienza e dell'efficacia (automazione della creazione e distribuzione della conoscenza).

• Superamento del turnover (conservazione delle competenze e delle esperienze dei dipendenti).

• Estrapolazione della silent knowledge: L'IA generativa rende esplicita la conoscenza tacita.

• Riduzione delle barriere umane (superamento dei limiti cognitivi, culturali e comportamentali ).

• Collective Brain: Sintesi della conoscenza e supporto alla collaborazione.

• Digital Tutor: Informazioni accessibili tramite linguaggio naturale e personalizzazione dei contenuti.

L'IA è anche cruciale per superare la criticità legata all'impossibilità di individuare strumenti oggettivi di valutazione e misurazione delle performance applicabili alle risorse immateriali. L'IA permette di replicare su larga scala la definizione di percorsi oggettivi di misurazione e valutazione.

Progettare e gestire iniziative di Intelligenza Artificiale nelle Organizzazioni

Affinché la trasformazione con l'IA abbia successo, sono fondamentali due elementi nel rapporto tra umani e IA:

1. La ripartizione dei ruoli.

2. I meccanismi di reciproco apprendimento.

L'IA dovrebbe essere applicata a compiti considerati troppo difficili o monotoni, per migliorare e ottimizzare i processi esistenti, non necessariamente per rivoluzionare il modello di business.

Ambiti Prioritari per l'Adozione dell'IA

L'IA non integrata completamente nei processi interni e le difficoltà nell'innovazione dei modelli di business limitano il suo impatto sulle performance aziendali. I sei ambiti prioritari sono:

1. Strategia

2. Piano per i dati

3. Risorse umane

4. Infrastruttura tecnologica

5. Organizzazione e governance

6. Cultura

Esempi di Applicazione e Vantaggi dell'IA

L'IA ha applicazioni concrete in diversi settori, come la Gestione del Credito e Profilazione dei Debitori con 4 casi d'uso:

1. AI in Credit Scoring: Analizza dati finanziari e comportamentali per valutare l'affidabilità creditizia, migliorando la precisione e riducendo il rischio di errore.

2. AI in Loan Approval: Automatizza il processo di approvazione dei prestiti in base a criteri predefiniti e storico creditizio.

3. AI in Fraud Detection: Rileva schemi sospetti e comportamenti anomali nelle transazioni, prevenendo frodi in tempo reale.

4. AI in Collection Management: Ottimizza le strategie di recupero crediti, identificando i debitori a rischio per interventi personalizzati.

Nell'ambito del KM, l'IA può:

• Analizzare l'uso di documenti formativi da parte dei dipendenti per identificare i materiali più efficaci e ottimizzarli.

• Identificare rischi di perdita di conoscenza (es. per turnover) e suggerire percorsi di trasferimento della conoscenza (es. mentoring).

• Analizzare i flussi di comunicazione e proporre miglioramenti per la condivisione delle conoscenze.

• Creare percorsi di apprendimento e quiz personalizzati, misurando i progressi.

Questi percorsi di change management di tipo knowledge-driven portano benefici quali:

1. Innovazione AI-driven: Aumenta la gamma di soluzioni e promuove la knowledge spillover (diffusione della conoscenza) e la serendipity.

2. Maggior coinvolgimento e fidelizzazione dei dipendenti.

3. Produttività incrementata (riduzione dei tempi di inattività strategica).

Si possono gestire le iniziative di IA e la conoscenza istituzionalizzando lo scambio di conoscenza come principio fondamentale, modellando comportamenti "liquidi ma responsabili" (ammettendo errori e cambiando idea), e incorporando i valori del disaccordo produttivo (es. incentivare il dibattito nelle riunioni).