Quali vantaggi portano machine learning e data science?

Tabella dei Contenuti

Numeri e trend mondiali

Che vantaggi porterà l’Intelligenza artificiale alle aziende e ai loro clienti? Proviamo a capirlo con un salto nel passato.

Perché il machine learning è una scelta sostenibile

Nel 2017 cercare su Google la parola chiave Data is the new oil restituiva 200 milioni di risultati. In tre anni siamo quasi a quota 2 miliardi di risultati. Cosa è successo in questo periodo?

Mi sono soffermato sulla frase Data is the new oil, i dati sono il nuovo petrolio, perché il tema dei big data, di sicuro in Italia rispetto ad altri paesi Europei, ha preceduto i discorsi su machine learning e intelligenza artificiale a cui è strettamente collegato. 

I big data, di cui sentiamo parlare da tempo, hanno un livello di interesse, nel mondo, che rimane più o meno costante da 6 anni a questa parte. 

Il volume di ricerche sull’intelligenza artificiale era diminuito di circa due terzi tra il 2004 e il 2008, è rimasta stabile per altri 8 anni, e poi ha ripreso una lenta crescita, trainata da un’altra coppia di parole chiave che ha invece avuto una crescita esponenziale: l’apprendimento automatico (machine learning) e la scienza dei dati (data science) che supereranno per numero di ricerche l’intelligenza artificiale rispettivamente nel 2015 e nel 2019.

Nell’immagine di seguito possiamo vedere l’andamento dell’interesse per 4 parole chiave:

  • machine learning (blu), 
  • artificial intelligence (rosso) 
  • big data (giallo) 
  • data science (verde) 
Google trends 2004–2020: machine learning (blu), artificial intelligence (rosso), big data (giallo), data science (verde) . Google trends registra l’interesse su alcune parole chiave a partire dal numero di ricerche fatte in tutto il mondo dal 2004 ad oggi.

Notiamo che le ricerche sul machine learning avevano superato quelle relative all’intelligenza artificiale già ad agosto del 2015. Dal canto suo data science ha superato la buzzword big data solo a febbraio 2019.

Viviamo un periodo in cui il numero di persone che cerca informazioni su machine learning e data science continua a crescere. È una prima risposta alla domanda sui vantaggi portati da machine learning e data science. Proviamo a completare la risposta con alcuni dati sugli investimenti fatti dalle aziende in questo settore.

Come ci racconta IBM in un recente report, di cui ci parla Agi,  il 2020 sarà l’anno della svolta per l’intelligenza artificiale.

Circa 9 aziende su 10 inizieranno a usare soluzioni di automazione e analisi dei dati basate su algoritmi capaci auto-apprendere. Inoltre sappiamo da stime fatte da PricewaterhouseCoopers (PWC) che mancano poco meno di 10 anni al momento in cui il comparto machine learning e data science genererà 16 miliardi di dollari di PIL mondiale.

A queste informazioni si aggiungono ricerche come quelle condotte  International data corporation (IDC), leader mondiale nei servizi di market intelligence, consulenza ed eventi. in tutto il mondo le aziende porteranno la proprioa spesa  per i sistemi di intelligenza artificiale a quasi $ 98 miliardi entro 2023.

A guidare questi investimenti saranno banche e retail, ognuna delle quali avrà investito più di $ 5 miliardi già 2019. La metà di questo budget sarà destinata dai retailers per automatizzare i servizi di customer service, per adottare chatbot o personal-shopper evoluti,  e per perfezionare i sistemi di raccomandazione dei prodotti, capaci di suggerire al cliente prodotti e offerte speciali, basate sullo storico degli acquisti.
Il settore bancario concentrerà i suoi investimenti per diminuire il rischio su investimenti strategici e prevenire frodi. Altre industrie che effettueranno investimenti significativi nei sistemi di intelligenza artificiale sono l’industria, l’assistenza sanitaria e i servizi professionali. Un’ulteriore crescita arriverà dal settore dei media e dalla pubblica amministrazione.

I casi d’uso sull’intelligenza artificiale su cui le aziende hanno investito di più nel 2019 sono l’automazione del customer service (4,5 miliardi di dollari in tutto il mondo), i sistemi di raccomandazioni e automazione dei processi di vendita (2,7 miliardi di dollari) e sistemi automatizzati di prevenzione e protezione da minacce e frodi (2,7 miliardi di dollari). Altri casi d’uso hanno visto livelli di spesa superiori a 2 miliardi di dollari nel 2019: la manutenzione predittiva in ambito industriale, sistemi di diagnosi e trattamento nella sanità, automazione intelligente dei processi.

Stefano Stravato, CEO
Dal 2004 la sua passione è progettare e realizzare piattaforme che coinvolgano persone e brand, creando valore per entrambi. Dal 2019 è alla guida di Krystal Ball, un team interdisciplinare che aiuta le aziende ad integrare soluzioni di machine learning e data science nei propri processi o prodotti. Nel 2014 ha co-fondato Fifth Beat, per progettare prodotti, servizi e organizzazioni, con le persone e per le persone. Dal quando è papà è un po’ più appassionato alle sorti del genere umano.

Continua a leggere

altri approfondimenti

gradient_color_kristal-ball_logo_v1 1

Una checklist pratica per capire se il tuo business è pronto a cogliere le opportunità offerte da data science e machine learning.

Organizziamo una call

Metti in pratica il Machine learning, prenota una consulenza gratuita di 25 minuti