L’esigenza delle imprese di impostare meccanismi per realizzare un efficace sistema di controllo di gestione, con il fine di monitorare i risultati delle scelte strategiche in coerenza con gli obiettivi prefissati, con l’organizzazione aziendale e con le risorse di cui si dispone per affrontare un contesto ambientale competitivo, è tanto più sentita quanto più spirano rilevanti i venti del cambiamento. La combinazione di tecnologia (Intelligenza Artificiale, Machine Learning e Business Intelligence), con processi (Organizzazione) e con competenze (Know How) consente anche ad aziende meno strutturate di prendere tempestive decisioni operative e strategiche, adattando rapidamente i modelli di business alla mutante realtà. Se ne parlerà al VI Forum Pianificazione e Controllo “Il ruolo del controller tra passato e futuro: dai rischi alle opportunità”, organizzato da Wolters Kluwer in collaborazione con ANDAF.

La trasformazione digitale si sta affermando come un potente motore di cambiamento per tutte le aziende, imponendo un ripensamento repentino del modo di stare sul mercato anche per le piccole e medie imprese attive nei settori tradizionali dell’economia. La disruption digitale trasformerà ogni aspetto di un prodotto o servizio, rivoluzionando i processi fondamentali che governano partnership, raccolta dati, fissazione dei prezzi, gestione delle risorse umane e dei capitali. La trasformazione digitale accelera ogni processo sfruttando strumenti digitali che sono a disposizione nel web di chiunque voglia usarli. Il fiorire di start-up in tutti i settori accresce la concorrenza, abbatte le barriere, mentre per le imprese già da tempo sul mercato non è facile la conversione verso i nuovi paradigmi. Occorre coinvolgere le persone nel cambiamento, ripensare l’organizzazione e i processi sin dalle fondamenta. Se poi consideriamo che l’attuale sistema sociale, economico e politico è caratterizzato da rilevanti cambiamenti che stanno provocando dubbi e paure, a cui aggiungere il continuo mutamento delle condizioni ambientali e dell’innovazione tecnologica, si intuisce più efficacemente la necessità dei responsabili d’azienda di gestire in tempo reale le informazioni con l’ausilio di strumenti di programmazione e controllo tecnologicamente avanzati. Tali informazioni hanno valenza sia di interpretazione consuntiva degli eventi sia di valutazione prospettica delle azioni che si vuole intraprendere. Le imprese, quindi, hanno assoluto bisogno di progettare il loro futuro prossimo e quello remoto, hanno urgenza di riorganizzare le proprie strutture operative e hanno l’obbligo di prendere decisioni competitive per la “sopravvivenza” propria e di tutto il mondo che le circonda. L’IA al servizio delle imprese La tecnologia certamente non garantisce la felicità, ma, fuor di dubbio, contribuisce notevolmente a facilitare il processo decisionale anche nell’ambito aziendale. Quel processo decisionale che deve stimolare le direzioni aziendali a definire i potenziali scenari futuri, considerando più opzioni, da quelle più ottimistiche a quelle più catastrofiche. E per realizzare al meglio quanto detto è necessario scrivere algoritmi, scriverli bene, portarli a un alto livello di astrazione e poi customizzarli il più possibile, al fine di adattare i differenti possibili scenari alle esigenze ed alle aspettative della direzione aziendale. In altri termini, l’Intelligenza Artificiale al servizio delle imprese! È quanto mai necessario che i responsabili amministrazione, finanza e controllo, i consulenti aziendali e i controller abbiano consapevolezza delle potenzialità dell’Intelligenza Artificiale (IA) e del Machine Learning (ML), e di come la loro utilità non debba essere relegata agli ambiti di ricerca universitaria o limitatamente alle grandi multinazionali ma di come questi possano essere messi al servizio anche delle piccole e medie imprese per governare al meglio i processi aziendali. Utilizzare l’Intelligenza Artificiale non comporta avere rilevanti competenze di ordine informatico o tecnico, ma è quanto mai necessario sapersi interfacciare con informatici ed “analizzatori” di dati (le cosiddette competenze STEM), ed è quindi essenziale avere un vocabolario comune, che possa mettere in contatto le necessità e la conoscenza aziendale di un controller con le conoscenze e le competenze dei tecnici. Cosa si intende per Intelligenza Artificiale? La definizione è molto semplice: una branca dell’informatica che si adopera per far sì che un computer imiti in qualche modo il comportamento umano. In altri termini, un software di Intelligenza Artificiale è un programma che, con una o più delle tecniche raffigurate nel grafico che segue, può - per un dato insieme di obiettivi definiti dall'uomo - generare output quali contenuti, previsioni, raccomandazioni o decisioni che influenzano gli ambienti con cui interagiscono. Nelle imprese più evolute digitalmente si è evidenziato che l’Intelligenza Artificiale è ormai uno strumento operativo per la gestione di molti processi aziendali. Tuttavia, è ancora scarso l’impatto della adozione della IA nei processi aziendali di base soprattutto per l’evidente carenza di competenze. Certamente, l’introduzione della IA in azienda ha un impatto rilevante sulle risorse umane per le quali diventa vitale acquisire tecniche e capacità applicative. La conseguenza evidente è la crescente domanda di formazione cui si accompagna la ricerca di nuove risorse formate nel settore IA da inserire nelle aziende che siano in grado di sfruttare al meglio i flussi di dati che queste generano. L’adozione di tecnologie per l’apprendimento automatico delle macchine, software di analisi dei dati sui comportamenti e sui gusti mutanti della clientela, il supporto della robotica per ottimizzare i processi logistici, sono solo alcuni esempi di applicazioni dell’Intelligenza Artificiale la cui adozione può generare importanti incrementi di produttività. Con l’IA aumenta sensibilmente l’importanza e il valore dei dati che crescono a un ritmo esponenziale di giorno in giorno e, di conseguenza, si incrementa la capacità predittiva di fornire scenari e strategie sempre più precise. Ma per il medesimo motivo, è sempre più complesso differenziare i dati veramente importanti da quelli secondari per orientare correttamente le decisioni e le scelte strategiche delle imprese. Da cui, la necessità di avere competenze non solo di data scientist, ma anche profili interdisciplinari in grado di combinare conoscenze di business, funzionali e digitali. L’interconnessione mondiale delle differenti tecnologie digitali (software e hardware che le persone utilizzano per lavorare, sistemi industriali destinati a gestire milioni di macchinari ed impianti, l’internet delle cose) produce e produrrà sempre più una quantità di dati che gli esseri umani non sono in grado di organizzare e di gestire. L’Intelligenza Artificiale, quindi, è e sarà sempre più la tecnologia di supporto per le decisioni sia aziendali che di vita quotidiana; d’altronde, solo con codesti sistemi specializzati e addestrati a gestire enormi basi dati è possibile estrarre in tempo reale conoscenza e informazioni necessarie per giungere a corrette conclusioni. Tutto ciò non significa che L’IA sia una tecnologia infallibile: tutt’altro! Come in tutte le cose di questo mondo a un diritto corrisponde un rovescio; nel caso dell’IA un punto importante di debolezza di cui occuparsi è la sicurezza. In Cina, ad esempio, i sistemi di riconoscimento facciale ormai orientano l’offerta commerciale in base alle reazioni del viso del cliente e l’Intelligenza Artificiale è, di fatto, uno strumento di governo delle persone con un livello di quantità e qualità dei dati elevatissimo. Inoltre, anche piccole modifiche alle basi dati con cui vengono addestrati gli algoritmi possono provocare errori di valutazione macroscopici. Cosa si intende per Machine Learning? Potremmo definire il Machine Learning (ML) come un sottoinsieme dell'Intelligenza Artificiale ed è rappresentato dalle tecniche che consentono ai computer di ottenere informazioni dalla moltitudine di dati e si occupa di creare sistemi che apprendono o migliorano le performance in base ai dati che utilizzano. In altri termini, il ML cerca di replicare con un mirato processo di apprendimento l’esecuzione di un compito. Possiamo, perciò, definire il ML come un apprendimento automatico, inteso come l’abilità del computer di apprendere senza una vera e propria programmazione. Nel linguaggio comune, i termini Machine Learning ed Intelligenza Artificiale spesso vengono utilizzati indistintamente e in modo interscambiabile, ma di fatto non hanno lo stesso significato. Infatti, sebbene tutto ciò che riguarda il Machine Learning rientri nell'Intelligenza Artificiale, l'IA non include solo il ML. Gli algoritmi sono i motori che alimentano il Machine Learning. Un algoritmo può essere definito come una strategia che serve per risolvere un problema ed è costituito da una sequenza finita di operazioni. I dati raccolti possono essere utilizzati con strumenti di Machine Learning per ottimizzare i processi decisionali in azienda quali il Budgeting e il Forecasting (scenari “What If”), la gestione dei Magazzini, la gestione Clienti ed il tasso di abbandono (“Churn Rate”), etc.. Per esempio, le attività di Budgeting e di Forecasting, spesso bistrattate di questi tempi, trovano rilevanti vantaggi nell’utilizzo di strumenti di Machine Learning, poiché: - creano automatismi; - generano livelli di notevole profondità; - consentono tempi per l’inserimento dei dati pressoché nulli; - facilitano enormemente il Forecast Rolling (previsionale mensilmente revisionato); - garantiscono una maggior quantità di tempo da dedicare al raffinamento dei dati invece che all’inserimento; - permettono l’impostazione di report periodici automatici per agenti, controller, area manager, direzione, etc.; - rilevano trend ed andamenti “nascosti”; - sviluppano visioni e scenari diversi. Gli scenari sono prospetti previsionali, proprio come il forecast, che vengono creati manualmente ed affiancati al forecast per confrontare i risultati ottenuti dall’algoritmo con quelli ottenuti partendo da informazioni che lo strumento non è in grado di processare. Per esempio, eventuali cambi di fornitori o modifiche di prodotti o di prezzi non possono essere predette utilizzando metodi di Machine Learning in quanto essi “imparano” dalla storia. È proprio in situazioni come queste che risulta fondamentale l’intervento dell’uomo con le sue conoscenze e competenze. L’immagine sottostante mostra proprio l'andamento del fatturato dell'azienda, dopo i primi 3 mesi di consuntivazione (verde acqua). Il confronto mostra la “proposta” dell’algoritmo (linea blu) a confronto con due scenari suggeriti dall’imprenditore, il best case (linea verde) e il worst case (linea rossa). È interessante osservare come l’algoritmo si posizioni tendenzialmente in mezzo, avvicinandosi di mese in mese più a un andamento che all’altro. In verde scuro il budget fatto a inizio anno, dove si vede già lo scostamento importante nei primi mesi con il consuntivo. Un altro esempio applicativo di indubbi vantaggi è l’applicazione del cosiddetto Churn Rate, che indica il tasso di abbandono cioè, in un determinato lasso di tempo (mesi, trimestri, anni), quanti e quali sono i clienti che hanno abbandonato/perso in rapporto al numero di clienti attivi in quel periodo. È un indicatore molto utilizzato per testare la solidità di un’azienda e la bontà del suo parco clienti. Non ci sono dei valori di riferimento in quanto questi dipendono strettamente dalle dinamiche aziendali. Ma tenere monitorato il Churn Rate aziendale può, in poco tempo, dare delle indicazioni molto importanti sia di natura commerciale che strategica. Nel grafico sottostante ogni punto rappresenta un cliente, in rosso quelli “persi” che non ordinano da oltre un anno. Invece che inutili dati consuntivi, sono informazioni che possono essere sfruttate, per addestrare un algoritmo che avvisi circa il rischio di comportamenti similari di altri clienti. Uno degli algoritmi che si può implementare in questo ambito è il “Decision Tree”. Si tratta di un algoritmo di classificazione, che per l’appunto permette di classificare un determinato target (nel nostro caso i clienti) secondo alcuni parametri proposti dall’azienda. Questi potrebbero essere, per esempio, il numero di ordini o il tempo di riordino, prezzi medi dei prodotti, diversificazione di prodotti, agenti, area geografica, fatturato medio, etc. insomma qualsiasi parametro che il controller/consulente in azienda decide essere rilevante per l’analisi. Il valore dell’analisi, perciò, non è solo il risultato, ma anche il percorso, in quanto richiede di ragionare sui propri clienti e sui parametri essenziali che li caratterizzano. Il risultato finale può essere un grafico come il seguente che, cliente per cliente (in questo caso resi anonimi) indichi la probabilità statistica che nel prossimo futuro un cliente attivo mi abbandoni. Ma la componente umana resta sempre centrale In conclusione, l’Intelligenza Artificiale rappresenta un valido aiuto per analizzare dati in tempo reale, ottimizzando le risorse utilizzate e “navigandoli” in profondità. Tuttavia, pur essendo in uno scenario ipertecnologico in cui la macchina è uno strumento essenziale, la componente umana resta centrale. Lo sviluppo dell’Intelligenza Artificiale con i suoi algoritmi per le applicazioni predittive e il Machine Learning quale strumento di apprendimento per il computer, non ruberanno il lavoro all’uomo, solo lo cambieranno radicalmente. Certamente in azienda la gestione dei dati con l’IA facilita la capacità di comprendere velocemente e profondamente la strategia utile ad arrivare alla soluzione di un problema, mettendosi nei panni dell’utente per capirne i pensieri, i comportamenti e il perché di determinate azioni. Punto di partenza per poi intuirne i bisogni e le necessità che l’hanno spinto a comportarsi in una determinata maniera. Il vero tema che le aziende devono affrontare in tempi rapidi non è tanto l’investimento tecnologico quanto la comprensione della sua utilità: comprendere più e meglio i benefici dell’Intelligenza Artificiale e non dubitare sul fatto che il Machine Learning non intende sostituire l’essere umano, bensì sfruttare al meglio le sue competenze. Il cervello umano è e rimarrà la più meravigliosa macchina che sia stata mai concepita nell’Universo; tuttavia, l’Intelligenza Artificiale accrescerà sempre più la nostra capacità di calcolo impiegando pochi millesimi di secondo, così come il Machine Learning con gli algoritmi predittivi permetterà alle macchine di apprendere e compiere azioni di conseguenza ed agevolerà sensibilmente il lavoro degli analisti, affinando sempre più i processi di analisi e di trasformazione dei dati in informazioni per le decisioni.

Partecipa gratuitamente al Forum Pianificazione e Controllo 2022In programma il 21 settembre, in live streaming, dalle 14.30 alle 19.30, la VI edizione del Forum Pianificazione e Controllo “Il ruolo del controller tra passato e futuro: dai rischi alle opportunità”, organizzato da Wolters Kluwer in collaborazione con ANDAF. Iscriviti subito al live streaming!

Copyright © - Riproduzione riservata

Fonte: https://www.ipsoa.it/documents/quotidiano/2022/09/12/intelligenza-artificiale-applicata-controllo-gestione-conviene-pmi