tokenization

I titoli di giornale sull’automazione del lavoro, tipicamente, riguardano l’automazione cognitiva, che sostituisce gli esseri umani svolgendo compiti complessi e non routinari, ovvero automatizzando, in senso letterale, i processi cognitivi umani. L’automazione cognitiva usa strumenti come il riconoscimento di pattern e la comprensione del linguaggio. Amazon ha incluso tra i propri obiettivi strategici il miglioramento della qualità e la riduzione dei costi dell’assistenza ai clienti nei propri punti vendita reali. Questo ha portato alla creazione del negozio Amazon Go di Seattle, che non ha né casse né cassieri. I clienti acquistano ed escono, mentre sensori e algoritmi addebitano automaticamente gli importi sui loro account su Amazon. Obiettivi strategici e interventi di riprogettazione come questi si basano su una reinvenzione delle posizioni di lavoro.

L’automazione provvede ai compiti di scansione degli acquisti ed elaborazione dei pagamenti. Questo non significa che i venditori dei negozi siano destinati a scomparire, ma che il loro lavoro cambierà. Gli esseri umani continuano a occuparsi di compiti come offrire consulenza ai clienti sulle caratteristiche dei prodotti. Nella forma del machine learning, e mediante l’uso di risorse computazionali scalabili sul cloud, l’automazione cognitiva ha prodotto sistemi che possono riconoscere pattern e comprendere significati nei big data in modi simili agli esseri umani. Questa capacità di riconoscimento intelligente deriva da una combinazione di Intelligenza Artificiale, e specificamente di machine learning, e di sensori. Essa è alla base dell’automazione di compiti come il riconoscimento della voce o di immagini, la conversione del discorso orale in testo scritto e la comprensione del linguaggio naturale.

Queste applicazioni esemplificano un tipo di automazione in cui regole e procedure sono insegnate da esseri umani, ma nelle forme più recenti di deep learning le macchine apprendono in modo autonomo. Questo tipo di automazione viene applicato a compiti sempre più eterogenei, astratti e complessi. Il team DeepMind di Google ha creato un computer chiamato AlphaGo che, come è noto, ha battuto i migliori giocatori del complesso gioco del Go. Per addestrare AlphaGo, DeepMind lo ha alimentato con migliaia di partite giocate da giocatori di Go umani, dilettanti e professionisti. AlphaGo ha usato queste partite per sviluppare delle strategie vincenti e individuare le mosse buone e quelle cattive. Più di recente, lo stesso team DeepMind ha creato AlphaGo Zero, un computer che giocava esclusivamente da solo (milioni di volte), compiendo prima mosse casuali e poi cominciando a individuare delle strategie. AlphaGo Zero deriva il proprio nome dal fatto di avere ricevuto ‘zero aiuto’ dagli esseri umani, a parte il fatto di essere avviato. E AlphaGo Zero ha battuto non solo i giocatori umani, ma anche il suo predecessore, AlphaGo.

Tipicamente, l’automazione cognitiva viene usata in tre modi. In primo luogo, per trasformare i processi di business, come quando le compagnie assicurative usano una app con funzionalità di riconoscimento delle immagini e analisi cognitiva per elaborare le fotografie delle automobili danneggiate, stimare i danni, valutare la richiesta di risarcimento e mandare delle raccomandazioni a un agente umano in vista della sua decisione finale, in modo da creare un processo più semplice, rapido ed economico. Questo porta a una reinvenzione del lavoro degli ispettori che prima operavano sul campo, che ora diventa il lavoro di valutatori – decisori operativi a distanza e ad alto livello. Tecnologie come quelle descritte consentono di decostruire delle posizioni tradizionali e di potenziare o sostituire attività umane routinarie con l’automazione, cosicché il lavoro viene reinventato in modo da accrescerne l’efficienza, l’efficacia e l’impatto.

In secondo luogo, l’automazione cognitiva può sviluppare nuovi prodotti e servizi. La stessa automazione che ha reinventato i processi relativi alle richieste di risarcimento consente di offrire nuovi servizi ai clienti delle compagnie assicurative, con chatbot, per esempio, che forniscono ai sottoscrittori delle polizze una consulenza telefonica a richiesta su riparazioni e indennizzi. Le posizioni relative all’assistenza ai clienti, a questo punto, possono e devono essere reinventate.

In terzo luogo, l’automazione cognitiva può produrre nuove intuizioni usando i big data. Se restiamo all’esempio delle assicurazioni automobilistiche, l’automazione cognitiva può analizzare migliaia di richieste per individuare le aree dove gli incidenti sono più frequenti e calcolare polizze customizzate che tengano conto del rischio di guidare in zone ad alto o basso rischio. Le posizioni relative all’analisi dei dati, di conseguenza, possono e devono essere reinventate Come si vede, la convergenza crea opportunità di automazione in modo esponenziale. L’RPA è spesso un precursore all’uso dell’AI, in quanto l’RPA produce il grande volume di dati puliti che sono necessari per portare avanti un’efficace automazione cognitiva. Consideriamo di nuovo l’esempio di RPA proposto sopra, ma inserendo l’automazione cognitiva:

1. Accedi al sistema.

2. Apri la posta elettronica.

3. Leggi la posta elettronica (AI cognitiva con funzioni di trattamento

automatico del linguaggio).

4. Se il contenuto di un messaggio di posta elettronica richiede una lista di

date di nascita, trova il file xls rilevante.

5. Apri il file xls.

6. Copia i primi tre valori della colonna «Data di nascita».

7. Apri il documento Word.

8. Incolla i valori copiati a pagina 3, sotto il titolo «Data di nascita».

9. Chiudi il documento Word.

10. Apri la posta elettronica.

11. Allega il documento Word a un messaggio di posta elettronica.

La stessa convergenza si produce nella sfera del lavoro, dove, in modo analogo, le opportunità e la necessità di reinventare il lavoro e la sua organizzazione crescono in modo esponenziale. In conclusione, ottimizzare l’automazione del lavoro è anche un’occasione per riconsiderare un intero ecosistema di posizioni correlate, decostruirle, valutare il ROIP del lavoro, applicare l’RPA e l’automazione cognitiva e quindi reinventarle.

  • Brano tratto dal libro “Reinventare il lavoro”, scritto da Ravin Jesuthasan e John Boudreau, pubblicato da Franco Angeli Editore, Milano, anno 2019, (pagg. 66 – 68).