Intelligenza Artificiale | Un supporto per gli operatori

Negli ultimi anni, le applicazioni dell’intelligenza artificiale sono aumentate in maniera esponenziale grazie a delle performance eccellenti, sia in termini di tempo che di accuratezza. Gli strumenti più conosciuti sono legati al mondo dell’AI generativa, come i servizi di Open AI Dall-E che genera immagini a partire da una descrizione testuale, oppure chatGPT, uno strumento che genera testo, rispondendo a domande, generando codice e altro.

Il mondo delle aziende però, vede ancora abbastanza lontane queste applicazioni: troppo giovani e acerbe per risultare affidabili. Le soluzioni di AI che attualmente trovano più spazio nel mondo industriale, sono quelle che vanno a supportare le attività degli operatori, principalmente, con l’obiettivo di automatizzare ed efficientare i processi e andando, quindi, a sostituire/supportare l’operatore in attività a basso valore aggiunto. Noi di Terranova investiamo ogni giorno in ricerca e formazione per raggiungere uno degli obiettivi che più ci sta a cuore: ottimizzare, attraverso l’automatizzazione, le attività operative in termini di tempo e qualità, e rendere i gestori del servizio idrico competitivi nel mercato delle utilities.

Perché l’intelligenza artificiale è uno strumento che abilita l’efficienza dei processi? Ci puoi fare qualche esempio?

Un esempio di come l’AI può intervenire sull’efficienza operativa, è la funzione di classificazione automatica dei ticket. Nel momento in cui un utente invia una richiesta, ad esempio attraverso un’e-mail, un operatore deve prenderla in carico, leggerne ed analizzarne oggetto e corpo individuando, quindi, il problema, registrando la richiesta ed assegnando il ticket all’ufficio competente. La trascrizione della richiesta e l’assegnazione del ticket sono attività onerose in termini di tempo, senza portare valore al processo. L’AI, in questo caso, può abilitare la classificazione automatica, andando a prendere l’e-mail direttamente dalla casella, analizzando il contenuto attraverso tecniche di Natural Language Processing (NLP) e, infine, registrando la richiesta associata al cliente ed assegnando il ticket all’ufficio competente. Non solo questo strumento libera l’operatore, che può quindi dedicarsi ad altre attività, ma le analisi necessarie alla classificazione avvengono in frazioni di secondo, riducendo quindi il tempo necessario per la sua risoluzione.

In quali altri ambiti l’automazione può essere supportata dall’AI? Come incide sui processi massivi?

Uno tra i processi massivi che ha importanti benefici dall’elevata automazione è il processo di fatturazione. Non mi aspetto che queste automazioni siano completamente gestite da AI, ma che vadano ad integrare strumenti di AI ad automazioni standard. Ad esempio, potrebbero essere implementati degli strumenti di AI che, attraverso l’utilizzo di alcune informazioni relative allo storico dell’utente, al comportamento di utenti simili e ad informazioni ambientali, riescano ad effettuare una previsione del cashflow.  In questo modo, se andassimo a stilare una lista delle spese da affrontare, ad esempio bollette elettriche, manutenzioni, mutui, potremmo utilizzare l’informazione sul cashflow previsto per ottimizzare la distribuzione di bollette nel tempo e, quindi, andare a garantire sufficiente margine per affrontare le spese elencate. Un altro aspetto del processo di fatturazione che potrebbe essere automatizzato con l’ausilio di strumenti basati su AI, è il controllo finale sul pdf della bolletta. Questo controllo viene generalmente effettuato da un operatore su un campione delle bollette generate. Il controllo sulla formattazione del layout, sulla presenza di certe componenti (come QR code o codici a barre) e il controllo sui valori effettivamente inseriti nella bolletta, ad esempio dati anagrafici o importi, possono essere delegati ad un motore di Intelligenza Artificiale. Essendo un motore di AI in grado di portare a termine questi controlli in millisecondi, il suo impiego permette non solo di liberare l’operatore da questa attività, ma al tempo stesso di rendere il processo efficiente e solido, consentendo il controllo di tutte le bollette e non solo di un campione.

Un altro processo che solitamente è già automatizzato, ma che il Machine Learning potrebbe migliorare, è il calcolo della plausibilità di un consumo. L’obiettivo, in questo caso, è analizzare quali consumi potrebbero essere anomali e andarli a segnalare per ulteriori controlli da parte dell’operatore. Normalmente, l’individuazione di un consumo anomalo avviene attraverso un confronto con lo storico dell’utente: se questo si discosta in maniera decisa dai consumi usuali dell’utente, viene flaggato come non plausibile. Questo processo potrebbe essere raffinato da calcoli statistici e basati su AI che vadano a confrontare il consumo dell’utente non solo con il suo storico, ma anche con i consumi degli utenti simili, con il consumo previsto per quell’utente, andando anche a considerare eventuali situazioni ambientali rilevanti, come le temperature. Tutto questo rende la gestione della risorsa più efficiente, potendo intervenire su eventuali anomalie di gestione in tempi molto più rapidi e con una capacità, in alcuni casi, anche predittiva.

Alessandro Mella, Innovation Specialist, Terranova