L’IA generativa ha il potenziale di cambiare l’anatomia del lavoro, aumentando le capacità dei singoli lavoratori e automatizzando le attività che impattano sul livello di produttività giornaliera.
E’ quanto emerge dalla ricerca McKinsey “The economic potential of generative AI: The next productivity frontier” basata sull’analisi di 63 use case su 16 funzioni di business in ambito customer care, marketing, sales, software development, R&D, che coprono il 75% del valore totale annuo derivato dalle applicazioni dell’AI generativa.
Già nel 2012, il McKinsey Global Institute (MGI) stimava che i “knowledge workers” spendono circa un quinto del loro tempo (equivalente a un intero giorno della settimana lavorativa) in attività di ricerca e raccolta informazioni.
Passare questi compiti all’IA generativa, aumenterebbe di gran lunga l’efficienza e la produttività sul lavoro.
L’AI generativa è in grado di portare valore attraverso l’intera organizzazione, rivoluzionando i sistemi interni di gestione delle informazioni.
E’ tuttavia consigliabile aver cura di integrare lo strumento in un ambiente supervisionato, in cui poter verificare che il contenuto generato dai LLM sia compliant con la posizione dell’azienda, ad esempio.
Come indicato da McKinsey i modelli matematici addestrati su dati pubblicamente disponibili non sono sufficienti a tutelarci contro potenziali casi di plagio, violazioni del copyright e dei diritti di proprietà intellettuale.
L’AI generativa è esposta a rischio bias e alla generazione di informazioni limitate o distorte.
Per questo l’attività di supervisione umana diventa parte integrante della strategia di adozione delle nuove tecnologie.
Come l’AI generativa porta valore all’interno dell’azienda: use case
Customer operations
In ambito Customer Operations, l’AI migliora l’esperienza utente e la produttività degli agenti favorendo un servizio in digital self-service e contribuendo ad aumentare le skill degli operatori.
La ricerca McKinsey rileva che in una società con 5.000 agenti operativi sul servizio di customer care l’applicazione dell’IA generativa ha aumentato la risoluzione dei problemi del 14% e ridotto del 9% il tempo dedicato alla gestione delle casistiche.
Alcuni esempi:
Customer Self Service
L’integrazione dei LLM nelle soluzioni chatbot consente di rispondere in maniera personalizzata a richieste anche complesse, aumentando la qualità e l’efficienza delle interazioni attraverso i canali automatizzati. Si stima che l’AI possa contribuire a ridurre del 50% le richieste di contatto verso gli agenti.
Tempi di risoluzione
I sistemi di automazione rispondono in tempo reale alle richieste dei clienti e consentono di recuperare istantaneamente i dati su un cliente specifico, riducendo il tempo di gestione delle richieste da parte degli operatori.
Interazioni personalizzate
La tecnologia identifica suggerimenti di prodotto e offerte personalizzate sul singolo cliente, attraverso la raccolta e l’analisi dei dati ricavati dalle conversazioni precedenti.
McKinsey stima che l’applicazione dell’IA generativa alle funzioni di assistenza clienti potrebbe aumentare la produttività tra il 30 e il 45 percento.
Marketing e vendite
L’intelligenza artificiale generativa ha preso piede rapidamente nelle funzioni di marketing e vendita, dove la generazione di contenuti e la personalizzazione delle comunicazioni sono forze trainanti. La tecnologia può contribuire alla creazione di messaggi personalizzati sulla base di specifici interessi, preferenze e comportamenti dei singoli clienti, oltre a svolgere attività come la produzione di articoli, presentazioni, post sui social media e descrizioni dei prodotti, etc.
Creazione di contenuti
L’AI generativa riduce significativamente il tempo necessario all’ideazione e alla creazione di nuovi contenuti in diversi stili di scrittura e formati. Contribuisce alla personalizzazione dei contenuti di marketing, velocizza le traduzioni in qualsiasi lingua, produce contenuti con obiettivi specifici (conversioni, attrazione, awareness, ingaggio, fidelizzazione etc.)
Uso potenziato dei dati
L’intelligenza artificiale generativa supporta le attività di analisi e interpretazione di dati non strutturati (ad ex. video e immagini), provenienti, ad esempio, da diversi database. Può aiutare nell’analisi del feedback e del comportamento dei clienti per generare dati a supporto di strategie di marketing mirate sul profilo dei singoli clienti.
Ottimizzazione SEO
L’AI generativa supporta le attività di generazione di contenuti ottimizzati in chiave SEO (ad esempio, strutturazione dei titoli di pagina, tags immagini e URL) aumentando le opportunità di conversione e ottimizzando i costi.
Suggerimento prodotti e ricerche personalizzate
Con l’AI generativa è possibile personalizzare il suggerimento e la ricerca di prodotti tramite input multimodali attraverso testi, immagini, parlato, oltre alla capacità di rilevazione del profilo utente.
Ad esempio, la tecnologia può utilizzare le preferenze, le modalità di comportamento e la cronologia degli acquisti del singolo consumatore per suggerire prodotti pertinenti e generare descrizioni di prodotti personalizzate.
Aumento delle opportunità di vendita
L’intelligenza artificiale generativa potrebbe identificare e dare priorità ai lead di vendita
sulla base del profilo utente e di dati strutturati e non strutturati, suggerendo azioni per migliorare il coinvolgimento del cliente in ogni punto di contatto, aumentando le opportunità di conversione.
Sviluppo dei lead
L’AI generativa supporta le attività di sviluppo dei lead sintetizzando per gli agenti di vendita le informazioni rilevanti su interessi e profilo dei consumatori, suggerendo i punti adatti ad azioni di up-selling e script su cui ingaggiare la conversazione di vendita.
L’AI può essere, inoltre, utilizzata per il follow-up delle vendite e per coltivare passivamente i lead in maniera automatica, fino a quando i clienti sono pronti per l’interazione diretta con un agente di vendita umano.
McKinsey stima che l’IA generativa potrebbe aumentare la produttività della funzione di marketing tra il 5 e il 15 percento e la produttività delle vendite tra il 3 e il 5%.
Software engineering
Nel Software Engineering, l’AI generativa può essere impiegata per la produzione di codice a partire da un prompt in linguaggio naturale.
La tecnologia può essere, inoltre, applicata nelle attività di analisi, pulizia e etichettatura di ampi volumi di dati, nel design dei sistemi e nelle attività di test e manutenzione (ad esempio, utilizzando gli insights sui log di sistema e i dati di performance per la diagnosi di problemi, il suggerimento di correzioni e la previsione di aree di miglioramento).
Secondo McKinsey l’impatto diretto dell’IA sulla produttività dell’ingegneria del software
potrebbe variare dal 20 al 45 %.
Product R&D
In ambito ricerca e sviluppo, l’AI generativa potrebbe aumentare la produttività tra il 10 e il 15 per cento.
Ad esempio, le bioscienze e le industrie chimiche hanno iniziato a utilizzare l’IA generativa applicata ai modelli di base nella loro ricerca e nelle attività di “generative design”.
Design aumentato
L’IA generativa può aiutare i progettisti di prodotto a ridurre i costi tramite la selezione dei materiali in modo più efficiente, contribuendo ad ottimizzare i costi di logistica e produzione.
Test e qualità del prodotto migliorati
L’utilizzo dell’IA generativa nella progettazione può supportare la produzione di un prodotto di qualità superiore, con conseguente aumento del potenziale attrattivo sul mercato.
L’IA generativa può accelerare, inoltre, le fasi di test attraverso la sua capacità di elaborare scenari e profili utente di prova.
Conclusioni
La tecnologia ha cambiato l’anatomia del lavoro per decenni. Nel corso degli anni, le macchine hanno contribuito a dotare i lavoratori di “superpoteri”: per esempio, nell’era industriale le macchine hanno consentito agli operai di svolgere compiti fisici al di là delle proprie capacità. Più di recente, i computer hanno consentito ai “knowledge worker” di eseguire calcoli che sarebbe stato impossibile fare manualmente.
La tecnologia aumenta la produttività del lavoro attraverso l’automazione delle attività a carico del singolo individuo.
Secondo McKinsey, l’IA generativa avrà maggiore impatto sul lavoro di tipo cognitivo e in particolare sulle attività che implicano la presa di decisioni e attività di realizzazione e collaborazione, che in precedenza avevano un più basso potenziale di automazione.
Di conseguenza, molte delle attività lavorative che comportano comunicazione, supervisione,
documentazione e interazione con le persone hanno il potenziale per essere automatizzate dall’IA generativa, accelerando la trasformazione del lavoro in professioni, nell’ambito dell’istruzione e della tecnologia, ad esempio.
Tuttavia, l’era della Generative AI è appena iniziata e ci vorrà ancora del tempo prima di poter cogliere appieno i vantaggi offerti da queste nuove tecnologie. Organizzazioni e società hanno di fronte alcune sfide da affrontare, relative alla gestione dei rischi, allo sviluppo di nuove competenze, all’adattamento organizzativo e culturale.
Fonte:
