Ma questo è solo l'inizio. Rimarremo stupiti da ciò che queste tecnologie potranno fare per noi nei prossimi anni. La cosa più importante è che queste tecnologie passeranno dalla fase sperimentale all'uso quotidiano nelle nostre vite e aziende nel più breve tempo possibile. Queste tecnologie non sono qui per sostituirci, ma per aiutarci a svolgere compiti noiosi e ripetitivi. Compiti in cui l'uomo svolge attività cognitive che non richiedono alcuno sforzo da parte nostra, ma che sono presenti nella nostra vita quotidiana e nelle nostre aziende. Tutto ciò si traduce in una moltitudine di opportunità per la completa digitalizzazione delle aziende e può di conseguenza portare a grandi risparmi e all'ottimizzazione dei processi aziendali [18], [19]. Recenti studi dimostrano, ad esempio, che nei prossimi tre anni gli agenti di chiamata dotati di AI sostituiranno gli esseri umani nel 15% delle comunicazioni con i clienti, il che corrisponde a un risparmio stimato di 80 miliardi di dollari USA [20]. Molte delle tecnologie di intelligenza artificiale sopra menzionate vengono già utilizzate come servizi cognitivi nel cloud, tramite API REST o in altri modi. Stanno rapidamente diventando dei beni di consumo e possono essere utilizzate da persone e aziende comuni.
Ma come posso integrare queste tecnologie AI nella mia azienda? Come possono tutti questi servizi cognitivi e l'IA aiutarmi nella mia attività, con le nuove esigenze dei clienti e l'ottimizzazione dei processi? La risposta è che molte aziende dispongono già dei dati e dell'accesso alle tecnologie necessarie per utilizzare questi servizi cognitivi di IA a supporto della propria attività. Molte organizzazioni hanno iniziato a raccogliere dati e a utilizzare le tecnologie dei big data molto tempo fa. Molti di questi dati rimangono archiviati in data lake o in archivi digitali simili senza essere esplorati o utilizzati. Queste fonti hanno un grande potenziale se si utilizzano le tecnologie di big data analytics e AI cognitive services. Una singola fonte o una combinazione di più fonti è sufficiente per eseguire molti casi d'uso e ottimizzare i processi. Ad esempio, lo stesso video in streaming proveniente da telecamere in loco può servire a diversi scopi. Può essere riutilizzato per il rilevamento automatico delle intrusioni, per la sicurezza delle persone in ambienti pericolosi, per la segnalazione automatica delle attività industriali e dell'inventario, per il triage della produzione e per il rilevamento dei guasti. In questi casi, i servizi cognitivi della visione artificiale svolgerebbero la maggior parte dei compiti. Per fare un altro esempio, un'unica fonte di documenti, testi o comunicazioni scritte può essere utilizzata per la classificazione automatica dei documenti, la loro categorizzazione, il riassunto e l'estrazione di idee o parole chiave importanti. Può anche essere utilizzata come fonte di informazioni per ricerche intelligenti. In tutti questi casi, i servizi di IA cognitiva per il parlato saranno di grande aiuto nello sviluppo di soluzioni.
E quanto stanno facendo oggi le aziende in termini di tecnologie AI e servizi cognitivi? Le organizzazioni stanno utilizzando tutte queste tecnologie per migliorare davvero il loro business e le relazioni con i clienti? La realtà è che molte aziende non hanno una visione e una strategia coerente per quanto riguarda l'utilizzo di big data analytics, AI e servizi cognitivi. Molte aziende hanno semplicemente fallito o stanno lottando per sostenere l'uso di queste tecnologie nelle loro attività [21], [22], [23]. I motivi per cui molte aziende non riescono a utilizzare le tecnologie di IA e Big Data sono molteplici. Una delle spiegazioni è che molte aziende si concentrano sulla risoluzione di singoli casi o al massimo di diversi casi simili. Le aziende sviluppano pipeline di dati e modelli di IA da zero e nella maggior parte dei casi utilizzando tecnologie open source. Pertanto, lo sforzo per adattare il loro framework a nuove tecnologie di IA o a nuovi dati, aggiornare i modelli di IA e mantenere l'infrastruttura è talmente grande da non essere sostenibile nel lungo periodo. Altre ragioni hanno a che fare con il fatto che in molti casi né i dati né la loro pre-elaborazione erano adatti al caso aziendale. Studi recenti dimostrano inoltre che più della metà delle aziende (58%) si concentra sulla risoluzione dei cosiddetti casi "da fare" e solo il 46% delle aziende porta avanti i "must", che portano grandi benefici con poca complessità [24].