L’Intelligence Machine per Deda

‘Alla prossima puntata’ era la conclusione del mio contributo sull’AI di circa 2 anni fa. La promessa era di riprendere il discorso e di rivedere insieme il percorso che il Cognitive Lab di Dedagroup avrebbe, nel frattempo, compiuto. Certo, in 2 anni, di novità ce ne sono state parecchie, sia organizzative che relative ai contenuti.  

La prima, la più importante riguarda gli aspetti organizzativi di Deda che ha avuto impatto anche sull’area di business alla quale il Cognitive Lab fa riferimento. Ed a sottolineare l’importanza che i concetti richiamati dall’AI hanno per il business, abbiamo battezzato la nostra area Intelligence Machine e dal punto di vista funzionale, ci siamo spostati in Dedagroup Business Solutions, che ha nel dna le applicazioni a servizio del business.  

Quindi i temi applicativi. Il nostro mandato rimane quello di mettere a frutto il tesoro dei dati che le aziende hanno accumulato negli anni. Per questo abbiamo portato a bordo competenze che ci permettano di scoprire quello che, a prima vista, i dati non ci fanno vedere. Si chiama Machine Learning o Intelligence Data Processing ed è una delle aree che l’Osservatorio del Politecnico di Milano sull’AI ha identificato tra le più promettenti per scaricare a terra il potenziale degli algoritmi di analisi, siano essi finalizzati alla classificazione dei clienti, alla stima del potenziale della domanda o alla previsione del rischio di credito per gli affidamenti ai clienti di una banca (e sono solo alcuni dei tanti esempi possibili).  

In realtà, quest’ultimo non è proprio solo un esempio. Abbiamo creato con Pegaso2000 e Paolo Talamo un gruppo di lavoro impegnato a sviluppare Deepaiy, una soluzione che utilizza algoritmi di Intelligenza Artificiale & Machine Learning applicata al credito e ai pagamenti in grado di stimare i giorni di ritardo nel pagamento delle somme dovute dal cliente, un’informazione puntuale che si aggiorna velocemente con ogni nuova alimentazione dei dati.

Il tutto per rispondere alla richiesta della BCE rivolta agli istituti di credito di adottare una strategia in grado di assicurare che i lievi ritardi di pagamento siano gestibili con tempestività.

Siamo sempre stati convinti che l’informatica debba servire a nobilitare e non ad annullare il lavoro umano.

Non prendiamo neppure in considerazione gli sviluppi che propongono l’obiettivo di tagliare il lavoro umano. Vogliamo pensare che il lavoro umano debba essere valorizzato e per questo la classe di applicazioni relative all’automazione dei processi con l’innesto di applicazioni e funzioni di intelligenza artificiale è quella che vedrà più applicazioni di business nel prossimo futuro. 

Immaginate di avere la necessità di selezionare, ogni giorno, le pubblicazioni più importanti, quelle che interessano al nostro business, tra le migliaia di annunci che vengono fatti sui canali web. Immaginate di dover fare questa attività ogni giorno, tutti i giorni per tutti gli anni.

Che liberazione, che nobilitazione, che ascesi sarebbe se potessi chiedere ad un bot (robot) di selezionare gli annunci più importanti al mio posto ed io dovessi approfondire la lettura di quelli più importanti per il mio business.

Questo è un tema di Natural Language Understanding (Intelligenza Artificiale) applicato all’automazione dei processi (RPA). L’attività di classificare il linguaggio naturale è quella che inizialmente svolge il bot, addestrato con la mia esperienza passata (con un dataset composto dalle pubblicazioni interessanti e quelle non interessanti).

Inizialmente, quindi, il bot effettua una prima selezione delle pubblicazioni, in modo da scartare quelle non interessanti per i miei scopi. Il passaggio successivo, sempre in carico al bot intelligente, è quello che ci consente di applicare la vera e propria comprensione del linguaggio naturale. Questo servizio, se addestrato correttamente, è in grado di riconoscere ed estrarre parole e relazioni tra di esse. più numerosi. Ancora una volta, alla prossima puntata. 

Nel nostro caso verrà usato per estrarre dai documenti pdf relativi alle pubblicazioni, le parti che contengono informazioni per me interessanti come ad esempio brand di software o hardware particolari, date di scadenza di gare, importi economici, relazioni tra entità. A me resterà il compito più nobile, quello di interagire con i dati estratti ed approfondire gli argomenti.

L’esempio che ho appena descritto è una applicazione che stiamo sviluppando per supportare l’ufficio gare di un cliente a selezionare e seguire le gare più interessanti tra quelle pubblicate giornalmente sulle decine di canali internet. Un lavoro poco edificante se svolto solo dall’uomo. Meno pesante e più efficiente se supportato dall’applicazione di Intelligenza Artificiale. 

Come concludere questa carrellata di esperienze svolte dall’Intelligence Machine di Deda? Con la certezza che il percorso continuerà con progetti e clienti sempre più numerosi. Ancora una volta, alla prossima puntata.