Diverse analisi indicano che in campo intelligenza artificiale si sta creando una sorta di stratificazione nelle esperienze delle aziende utenti. C'è chi ci crede fortemente e sta puntando su progetti anche innovativi. Chi ha adottato un approccio più conservativo. Chi sta del tutto (o quasi) trascurando il fenomeno. Ora uno studio di Gartner sottolinea che il divario tra queste classi di utenti potrebbe allargarsi. Perché quelli già più impegnati sul fronte AI intendono accelerare ulteriormente.

Gartner ha esaminato un campione di aziende che hanno già avviato progetti di intelligenza artificiale o Machine Learning o intendono farlo. Il 59 percento del campione ha già in essere soluzioni di AI/ML, con una media di quattro per ciascuna impresa. Questa media è destinata a salire rapidamente grazie alle iniziative delle aziende più innovative. Secondo il campione, la media salirà a 10 nel 2020, 20 l'anno seguente e 35 nel 2022.

I progetti di intelligenza artificiale al momento sono concentrati (40 percento di citazioni) nel comparto della Customer Experience. Sono quindi rivolti in parte verso l'esterno dell'impresa, sotto forma di chatbot e assistenti virtuali per i clienti. Ma prevalentemente (56 percento di citazioni) operano all'interno dell'azienda, come supporto per i dipendenti nelle attività di gestione della clientela.


L'automazione di cui si parla tanto è il secondo obiettivo (20 percento di citazioni) per i progetti di intelligenza artificiale. In questo campo rientrano tutte le soluzioni genericamente di RPA: dalla validazione delle fatture sino ai colloqui automatizzati.

Intelligenza artificiale: i problemi

Anche le aziende più convinte delle potenzialità della intelligenza artificiale e del machine learning hanno i loro ostacoli da affrontare. I più citati sono la mancanza di competenze (56 percento di citazioni), l'identificazione dei casi d'uso (42 percento) e la disponibilità di dati con una sufficiente qualità ed estensione (34 percento). In questo senso Gartner sottolinea che le competenze si possono anche reperire all'esterno. Ma che realizzare una politica adeguata di data management è un processo interno che non si può improvvisare.

Gli analisti suggeriscono alle imprese di realizzare un proprio Center of Excellence in ambito intelligenza artificiale. Questo dovrebbe preoccuparsi di recuperare e distribuire i fondi necessari ai vari progetti di AI, condividere fra loro le best practice, organizzare al meglio gli skill disponibili.

Centri di competenze di questo genere servono anche ad definire strategicamente come valutare il successo di un progetto di AI. Secondo Gartner misurare l'eventuale aumento di efficienza è una metrica valida e prevalente per i progetti di intelligenza artificiale. Ma le aziende che puntano con più decisione all'AI preferiscono misurare i miglioramenti nel coinvolgimento della clientela.