Fare business nel mondo dato: l’economia oracolare

Intervista a Cosimo Accoto, research affiliate @MIT

La Redazione
Content Intelligence Network

È un mondo nuovo quello che si sta delineando tra le righe del dato e delle sue infinite ricombinazioni abilitate dal digitale. Ma quali saranno gli impatti tecnologici e le ricadute strategiche per lo sviluppo di business sempre più innovativi? Ne parliamo con un esperto conoscitore delle frontiere più avanzate del pensiero e della filosofia digitale, il dott. Cosimo Accoto, filosofo di formazione e research affiliate al MIT, autore dei saggi “Il mondo ex machina” (Egea 2019) e “Il mondo dato” (Egea 2017.)

D: Cosa intendi quando parli di estensione del dominio del dato? E perché le tecnologie di raccolta e analisi dei dati potrebbero diventare veri e propri “oracoli” per il business aziendale? 

R: Intendo la rilevanza crescente del dato nel business per molte dimensioni e prospettive. Possiamo accennare al progressivo processo di «dataficazione» (riduzione a dato) che mercati, processi e imprese stanno sperimentando. Le forme di questa quantificazione si stanno moltiplicando al punto che oggi si può dire che ogni business è, in realtà, un “data business” quale che sia il prodotto, servizio, esperienza che le imprese intendono proporre al mercato.

Questa estensione del dominio del dato riguarda diverse strategie: la capacità di monitorare e quantificare sia le piattaforme nativamente digitali sia gli ambienti fisici sensorizzati (con i cosiddetti gemelli digitali o digital twin, per esempio e non solo per i business digitali), la capacità di supportare l’intelligence del business in senso lato (dal fare innovazione data-driven, come si dice, fino all’analisi della relazione con i consumatori), la capacità di processare il dato in maniera multidimensionale (non solo per finalità descrittive e diagnostiche, ma anche predittive e anticipatorie, prescrittive e decisionali).

Il dato quindi ha oggi una dominanza che è cresciuta nel tempo ed è oggi ineliminabile. Inoltre, la potenza dei dati ha tre dimensioni d’impatto: operazionale (si usano per ottimizzare i processi operativi), trasformazionale (sono centrali nell’innovare i modelli di business), istituzionale (in prospettiva scardinano e ridisegnano rapporti eco-sistemici, filiere, settori merceologici e mercati). Come ho scritto nel mio saggio “Il mondo dato” (Egea), la trasformazione più rilevante è, il passaggio, grazie ai dati, da economie “archivistiche” a economie “oracolari”.

Le nuove tecnologie dell’AI, infatti, stanno costruendo un’architettura tecnologico-informatica (e un’economia e un business) in cui l’informazione comincia a fluire, sistematicamente, dal futuro al presente e non più dal passato al presente come è stato finora. Usando, cioè, sensori, dati e algoritmi di intelligenza artificiale, le macchine sono in grado di intercettare l’informazione relativa a quello che sta per accadere e usare questa informazione probabilistica per disegnare e progettare servizi e prodotti in modalità anticipatoria (e non solo posticipata e responsiva).

Per esempio, siamo abituati – scrivono gli autori del recente saggio “Prediction Machines” – al modello shopping-then-shipping (prima compri, poi te lo porto casa). Ma potremo presto ridisegnare e invertire l’esperienza: e, quindi, shipping-then-shopping (te lo porto a casa sapendo che lo comprerai) perché le analisi predittive potranno anticipare con buona accuratezza che cosa i consumatori desidereranno acquistare in futuro. Quello varrà per molti settori dalla medicina preventiva alla manutenzione predittiva e così via.

 

D: Applicare l'Intelligenza Artificiale ai dati potrebbe contribuire a rendere più efficaci le iniziative di Marketing Automation? In che modo si riuscirebbe a dar vita a una maggiore personalizzazione con minore effort umano?

R: I dati erano già rilevanti, ma oggi con questa nuova primavera dell’intelligenza artificiale legata ai successi del machine e deep learning sono strategici. Per questo, come ha detto recentemente Andrew Ng, ogni strategia aziendale dell’intelligenza artificiale è primariamente una “strategia del dato”.

I dati oggi sono derivati dai sensori dell’internet delle cose (ad esempio, per manutenzione o connessione tra macchine), dai comportamenti umani nell’usare i social media (soprattutto foto, video, testi, click), dai movimenti logistici e dai dispositivi mobili (chiamate, percorsi urbani, tracking della salute o delle performance sportive con accessori indossabili) e così via.

Ad una prima fase della rivoluzione del dato ne sta ora seguendo una seconda fondata sull’uso di questi dati per alimentare l’intelligenza artificiale. Di fatto, oggi, questa nuova primavera dell’AI che stiamo conoscendo è fortemente spinta dalla capacità delle macchine di imparare dall’esperienza e dai dati. I successi dei veicoli a guida autonoma, per fare un esempio, sono figli delle tecniche di machine learning e deep learning che si nutrono di dati.

Attraverso l’addestramento delle reti neurali artificiali (convolutive e ricorsive), infatti, le auto “intelligenti” fanno esperienza e percepiscono il mondo, estrapolano modelli e conoscenza, interagiscono con l’ambiente in maniera sempre più sofisticata e autonoma. Stesse logiche e tecniche vengono sempre più applicate nell’automazione di marketing sfruttando e valorizzando dati personali, sensori fisiologici, algoritmi di personalizzazione e piattaforme sociali. Riuscendo, in maniera automatizzata, in near-time (non solo in real-time), in maniera pervasiva e granulare a produrre contenuti ed esperienze ad hoc.

Lo spiega molto bene un libro appena uscito “The Invisible Brand. Marketing in the Age of Automation, Big Data & Machine Learning”. C’è, indubbiamente, unottimizzazione in termini di intervento umano (molte di queste operazioni sono machine-based), ma credo sia più interessante la capacità di innovazione legata a questa nuova automazione “intelligente” che sta emergendo. Dovremo affrontare, naturalmente, le criticità legate a privacy (i dati del passato/presente) e destiny (i dati del presente/futuro), ma la capacità delle macchine e dei brand di conoscere i consumatori consentirà di ultra-personalizzare le esperienze, i contenuti, i servizi.

In questo senso, nel mio ultimo saggio, “Il mondo ex machina” (Egea), ho proposto di passare dal concetto di “touch point” a quello di “data switch”: ogni occasione di interazione tra brand e consumatori, non è un passivo punto di contatto (come si dice oggi), ma è un momento di scambio di dati che permette una personalizzazione dinamica e anticipata.

 

D: Secondo te quali sono i principali step da affrontare per poter diventare una data-driven enterprise?

R: Le aziende digitali sono facilitate in questo. Infatti, hanno una cultura del dato nativa perché innestata direttamente nelle operazioni del loro business. E ancora, nelle aziende digitali, si organizzano ad esempio dei “data camp” continuativi per tutti i dipendenti (non solo per i dipartimenti analitici) per sostenere e rendere palpabile l’importanza di un approccio dato-centrico o comunque fortemente connesso ai dati.

Questo è più difficile, invece, per le aziende tradizionali, per così dire, per le quali il dato non è considerato un asset chiave, ma separato dalle operation e in genere relegato, quando va bene, al dipartimento di analytics e business intelligence. Qui, spesso, il dato serve a monitorare periodicamente l’andamento o per qualche ricerca di mercato e marketing saltuaria, ma non è ancora considerato la linfa vitale e immancabile dell’intera organizzazione e produzione. Credo ci sia primariamente, quindi, un problema di mancanza di cultura del dato e della sua rilevanza. Molto viene deciso solo in base alla sensazione o all’esperienza passata, oppure su pochi dati spesso non aggiornati o non condivisi all’interno dei dipartimenti.

Poi, come anticipavo, c’è da progettare e implementare una “strategia del dato” con un approccio agile e adattivo privilegiando la capacità di imparare più che il rispetto del piano/performance. Inoltre, definire primariamente i bisogni e gli obiettivi di business chiave e soltanto in relazione a questi selezionare piattaforme, processi, risorse e competenze. Può significare, magari (se si possiedono e vendono prodotti fisici o infrastrutture materiali) di immaginare un digital twin o gemello digitale sensorizzato di questi che sia in grado di raccogliere informazioni sull’uso del prodotto o sulle performance della struttura.

Qui deve essere chiaro un punto. Non si tratta semplicemente di “avere” in azienda una data platform (pur comprando hardware e software adeguati). Si tratta di essere una data platform, si tratta per le imprese di diventare delle organizzazioni che primariamente “sentono” i propri mercati e consumatori, collezionano e processano l’informazione, scalano la capacità di apprendere e costruiscono di conseguenza esperienze, applicazioni, servizi e prodotti.

Il tutto nel rispetto, ovviamente, della privacy del consumatore e dei principi etici. E in futuro, probabilmente avremo anche forme di gestione dei dati in cui i consumatori e gli utenti diventeranno protagonisti e non, come accade oggi, soprattutto passivi o inconsapevoli e, talvolta, abusati oggetti di misurazione.