Quando Kaeser Kompressoren ha iniziato un percorso di miglioramento della qualità dei suoi dati, non sapeva ancora che l’intelligenza artificiale sarebbe diventata un grande punto di svolta per il proprio business. Ma gli sforzi di digitalizzazione dell’azienda sono stati ostacolati dal crescente volume di dati che faticava a gestire. “La scarsa qualità dei dati ha quasi sempre frenato i nostri progetti”, afferma Falko Lameter, CIO di Kaeser.
Ecco perché l’azienda ha dato il via a un progetto triennale, nel 2020, per disegnare e implementare una nuova strategia per i dati. Insieme a SAP, Kaeser voleva migliorare la qualità dei dati e ottimizzare i suoi principali processi di business.
“L’AI era nel nostro radar all’epoca, ma non era il nostro punto di partenza”, ricorda Norbert Enge, Chief business consultant di SAP Business Transformation Services. “Il nostro obiettivo iniziale era quello di sviluppare una road map per la strategia dei dati”.
Indice degli argomenti:
Chi è Kaeser Kompressoren
Con una forza lavoro di circa 8.000 persone e un’organizzazione globale di vendita e servizi che opera in più di 140 paesi, Kaeser è uno dei principali produttori e fornitori mondiali di soluzioni e servizi per l’aria compressa.
Con sede a Coburgo, in Germania, Kaeser si considera un pioniere nel suo settore: l’azienda a conduzione familiare è stata una delle prime ad acquistare SAP R/3 quando ha cominciato a operare oltre 30 anni fa e attualmente ha diversi progetti aperti con SAP. Di recente ha raggiunto un altro importante traguardo di trasformazione quando ha migrato il gestionale a RISE with SAP S/4HANA Cloud.
Il progetto di AI messo a punto da Sap per Kaeser
Come prima cosa, il team di progetto ha cominciato a esaminare i dati anagrafici di Kaeser. “Solo per fare un esempio: il nostro sistema contiene un numero di fornitori a sei cifre, almeno due terzi dei quali erano inattivi”, dice Lameter. Mantenere tali dati manualmente comporta uno sforzo sproporzionato, motivo per cui molte aziende esitano ad affrontare progetti di dati di queste dimensioni.
Nello stesso periodo, la Business AI stava rapidamente guadagnando terreno, quindi il team SAP ha iniziato a integrare l’AI nella strategia dei dati di Kaeser.
Il risultato è stato lo sviluppo di uno use case custom, chiamato Predicting Inactive Suppliers. Lo use case è basato sul servizio Data Attribute Recommendation, uno dei servizi dell’AI di SAP, e su SAP Analytics Cloud. Questo use case ha consentito a Kaeser di automatizzare oltre l’80% delle attività di manutenzione dei dati, migliorarne l’accuratezza e ottenere significativi incrementi di produttività.
“Dato quello che so ora, direi che non puoi mantenere questa quantità di dati manualmente – puoi farlo solo con l’AI”, dice Lameter. “È arrivato il momento dell’AI e sono convinto che il futuro sarà guidato dai dati”.
La ricerca visiva dei pezzi di ricambio
L’obiettivo principale dei consulenti SAP era trovare casi di utilizzo dell’AI che generassero valore per i clienti di Kaeser. Uno di questi scenari riguarda la ricerca di pezzi di ricambio. A causa dell’elevato numero di varianti di elementi simili, questo era spesso un compito difficile e dispendioso in termini di tempo e creava un notevole lavoro extra.
Così è nato Visual Spare Parts Search, un caso di utilizzo AI personalizzato sviluppato in collaborazione con nyris, che consente ai tecnici dell’assistenza Kaeser di scattare semplicemente una foto del pezzo di ricambio necessario. Il servizio di AI integrato nella ricerca visiva utilizza il riconoscimento immagini per confrontare le immagini caricate con il database dei pezzi di ricambio e identificare il numero dell’asset corretto.
Ciò consente ai tecnici dell’assistenza di individuare i pezzi di ricambio molto più rapidamente e consente ai clienti di identificare autonomamente i pezzi di ricambio.
Utilizzare machine learning e AI generativa per consigliare i compressori
Il caso di utilizzo dell’AI più promettente è l’applicazione SAP Intelligent Product Recommendation, che aiuta i responsabili vendite ad analizzare i requisiti e i processi dei clienti e a tradurli in raccomandazioni di prodotti accurate. In base ai prompt del linguaggio naturale, la soluzione può analizzare le esigenze di un cliente utilizzando il machine learning e l’AI generativa e consigliare i compressori più adatti.
“Fare raccomandazioni sui prodotti è un’arte”, afferma Enge. “Se hai la tecnologia per fare raccomandazioni migliori, questa è una vera leva”.
Il progetto di Sap per Kaeser: oltre alla tecnologia, il coinvolgimento del team
L’implementazione di tecnologie di AI è una cosa, ma per un progetto di successo è altrettanto importante far salire tutti a bordo e creare l’ambiente giusto. Ciò include fornire ai dipendenti il software di cui hanno bisogno, formarli e discutere delle implicazioni etiche dell’AI.
Anche il coinvolgimento dei manager e l’allineamento con tutti i team, come ricerca e sviluppo, marketing, vendite e assistenza, si sono rivelati fondamentali per il successo delle iniziative di Kaeser. “In definitiva, si tratta anche dell’impatto sulle persone e sulla comunità in cui si vive e si lavora, e penso che sia molto importante tenerne conto”, dice Lameter.
È almeno un pentathlon, dice Enge: “Alcuni direbbero che si tratta solo di avere un buon team di data scientist. Questo è certamente un punto molto importante, ma è anche necessario comprendere i processi e i dati aziendali e, ultimo ma non meno importante, è necessario affrontare le preoccupazioni delle persone e spiegare come si raggiungono i risultati”.
Conclusioni
Come pioniere dell’IT, Kaeser era molto aperto al tema dell’utilizzo dell’AI. “Questo fa parte del DNA dell’azienda”, dice Enge. “Proprio all’inizio del progetto, abbiamo discusso in quale campionato volessimo giocare, ed era chiaro che l’AI doveva far parte del nostro team se volevamo giocare nella premier league”.
La percentuale di SAP Business AI nel progetto dati di Kaeser è passata da meno del 10% nel primo anno a oltre il 30% nel terzo. Oggi il team si concentra al 100% su SAP Business AI e ha sviluppato 12 casi di utilizzo specifici mirati per aggiungere valore per i clienti.
