Il machine learning inizia davvero a “fare gola” alle aziende che non solo iniziano ad interessarsene più dettagliatamente e in modo più approfondito rispetto a qualche anno fa, ma vogliono anche iniziare a sperimentarne le potenzialità e, soprattutto, il valore che può generare su processi e business. Se poi si riescono ad avviare progetti che producono risultati veloci a basso costo, tanto meglio.
È questa la strategia di Revevol che sta puntando, ormai da tempo, su Google Cloud e Google Cloud AutoML per aiutare le imprese ad avvicinarsi, con risultati concreti, al machine learning, anche laddove non esistono competenze specialistiche e non si ha ancora una conoscenza reale dell’intelligenza artificiale.
Per comprendere come Revevol “porta” il machine learning nelle aziende abbiamo intervistato Francesca Stagnaro, Head of R&D della società, che esordisce confermando il periodo particolarmente “fertile”: «C’è tanta richiesta da parte delle aziende non solo perché è un “tema caldo” ma anche – e soprattutto – perché i cloud provider hanno rilasciato sistemi disponibili “as a service” ed accessibili a tutte le tipologie di aziende, anche di dimensioni medio-piccole».
«Google, per esempio, consente oggi alle aziende di utilizzare i suoi modelli matematici e algoritmi che l’azienda ha sviluppato, addestrato e ottimizzato negli anni passati e che oggi possono essere sfruttati dalle organizzazioni per i propri progetti interni», spiega Stagnaro. «Google mette a disposizione i modelli, le aziende li utilizzano affinando gli algoritmi con i propri dati per specifici progetti di business; noi aiutiamo queste ultime a sviluppare il progetto».
Revevol è una realtà che ha dimestichezza con le tecnologie più avanzate legate all’alveo dell’intelligenza artificiale che oggi applica a molti contesti, quelli da cui nasce la storia aziendale stessa dell’azienda che promuove il change management e la costruzione di digital workplace, attraverso il cloud come elemento abilitante, per aumentare la produttività aziendale [per approfondimenti suggeriamo la lettura dell’intervista a Massimo Cappato, Amministratore Delegato di Revevol Italia – ndr].
La divisione che si occupa di Ricerca e Sviluppo, che fa capo a Francesca Stagnaro, lavora a stretto contatto proprio con le più avanzate tecnologie sia per lo sviluppo di servizi per le aziende cliente sia in realtà per lo sviluppo di nuovi prodotti da immettere sul mercato, anche attraverso partner tecnologici.
È questa, per esempio, la bella storia legata ad AODocs, piattaforma nata proprio dall’unione delle esperienze sviluppate in ambito change management con i clienti e dalla conoscenza approfondita delle tecnologie Google.
«Qualche anno fa ci siamo resi conto che nella proposta applicativa di Google non esisteva una piattaforma per la gestione dei processi collaborativi, così l’abbiamo creata noi», racconta Stagnaro a titolo di esempio. «Oggi AODocs (questo il nome della piattaforma) è diventata uno spin-off dell’azienda con milioni di utenti in tutto il mondo, ed è utilizzata internamente dalla stessa Google».
Oggi l’area ricerca e sviluppo guidata dalla giovane manager si sta concentrando sui progetti di machine learning portando queste tecnologie anche all’interno di prodotti e processi aziendali già esistenti, come per esempio proprio AODocs per l’analisi dei testi, la catalogazione delle e-mail e dei documenti e abilitare processi di collaboration più snelli ed una condivisione delle informazioni più rapida ed efficace.
CitBot, il chatbot che risponde alle domande sul testamento biologico
Recentemente il nome Revevol ha avuto parecchia eco grazie ad un interessante progetto messo a punto dall’Associazione Luca Coscioni voluto per garantire il diritto alla conoscenza su un tema molto delicato: il testamento biologico.
«Revevol ha sviluppato un chatbot, che si chiama CitBot, che ha il compito di aiutare, indirizzare e informare le persone sul delicatissimo tema del testamento biologico», descrive Stagnaro. «CitBot per ora risponde alle domande standard relative all’applicazione della legge sul testamento biologico e sull’aborto (circa un migliaio quelle cui è già in grado di rispondere) ma l’Associazione ha deciso di renderlo disponibile da subito al pubblico affinché potesse migliorare la propria affidabilità nelle risposte imparando dall’esperienza, condizione indispensabile per estendere poi le funzionalità di CitBot verso servizi di supporto e assistenza più sofisticati. Anche la gestione delle domande e risposte all’interno di CitBot è basato sul machine learning e AutoML ci ha permesso di raggiungere ottimi risultati in tempi relativamente brevi».
Catalogazione di e-mail e documenti, processo tutt’altro che semplice per le aziende
Un altro segmento sul quale Revevol sta integrando il machine learning è quello relativo alla catalogazione delle e-mail, procedimento tutt’altro che banale se si pensa alle grandi realtà e alla mole di informazioni solitamente contenute in questi sistemi di messaggistica.
«Categorizzare le e-mail in funzione di alcuni parametri (non solo mittente, destinatario, oggetto ma anche e soprattutto contenuto del testo) consente una più facile distribuzione dei messaggi agli account corretti, soprattutto quando si tratta di account riferiti a team e gruppi di lavoro», spiega Stagnaro. «Il contenuto dell’e-mail viene processato automaticamente solo per la procedura di catalogazione, dopodiché il sistema cancella quei dati garantendo la privacy e anche la tutela dei dati personali e sensibili».
Il riconoscimento di testo e immagini è un’area dove il machine learning potrà fare molto anche per rendere ancora più efficace i processi collaborativi in azienda: «Stiamo iniziando ad applicare il machine learning ad AODocs perché la catalogazione dei documenti, il riconoscimento delle informazioni in essi contenute, delle immagini, ecc. possono essere inseriti anche in processi più estesi di governance, per esempio per la verifica della conformità alle policy aziendali».
Altra area dove Revevol sta portando con successo il machine learning riguarda la gestione del ciclo di vita dei documenti. «Oggi conservazione e cancellazione dei documenti sono procedure ancora per lo più eseguite a mano – spiega Stagnaro – con un rischio di errore troppo elevato quando la mole di documenti è impegnativa e soprattutto la classificazione deve rispettare norme e sistemi di catalogazione differenti. Oggi tutti questi processi possono essere semplificati ed automatizzati con il machine learning che riconosce il tipo di documento e lo categorizza automaticamente secondo le corrette norme di retention (conservazione a norma di legge)».
«Questi sono tutti esempi di machine learning applicabile in modo molto rapido, con risultati tangibili e investimenti contenuti e pianificabili con precisione», sottolinea Stagnaro in chiusura, «esattamente ciò che ci chiedono le aziende, soprattutto quelle che oggi vedono i team tecnologici alle prese con percorsi di trasformazione ed innovazione che devono però dimostrare al business l’applicabilità di nuove soluzioni e, soprattutto, il vantaggio che queste tecnologie posso davvero portare alla loro azienda».
