IGENIUS – Un data scientist virtuale per discutere di dati aziendali

Un collega virtuale in grado di guidare gli utenti tra i dati: è il progetto di Uljan Sharka, fondatore e CEO di iGenius.

L’intelligenza artificiale applicata ai sistemi conversazionali diventa sempre più sofisticata con iGenius, società di intelligenza artificiale. Crystal, il primo advisor d’IA ideato e sviluppato dalla società, permette di analizzare una grossa mole di dati che altrimenti avrebbe bisogno di una competenza precisa. L’obiettivo è di permettere anche a coloro che non hanno una formazione tecnica di usufruire del valore intrinseco dei dati nel modo più semplice possibile: consultandoli a voce, attraverso un’interfaccia intuitiva.

C’è un grande fervore attorno ai sistemi conversazionali: basta guardarsi intorno per vedere Alexa, Siri o chatbox simili. Da cosa nasce questa esigenza?
Più che un’esigenza direi che stiamo assistendo ad un’importante trasformazione tecnologica, e la voce è una componente sempre più presente nel modo in cui interagiamo con i nostri dispositivi. Il Future Today Institute prevede che entro la fine del 2020 la metà delle nostre interazioni con i computer saranno vocali: in pratica useremo sempre più la voce e sempre meno la tastiera. Ad iGenius applichiamo l’intelligenza artificiale, e in particolare il conversational AI, all’analisi dei dati aziendali. In questo contesto, le esigenze sono due: la prima è semplificare, automatizzandola, un’attività complessa come quella dell’analisi dei dati, che richiede competenze specifiche e difficili da reperire sul mercato del lavoro. La seconda è rendere l’analisi dei dati accessibile. La nostra missione è quella di permettere, anche a coloro che non hanno una formazione tecnica, di usufruire del valore intrinseco dei dati nel modo più semplice possibile: consultandoli a voce, attraverso un’interfaccia intuitiva.

Crystal è il vostro consulente virtuale. Quale valore aggiunto dà ad un’azienda?
Crystal è la nostra AI advisor per la data intelligence, e permette a coloro che non hanno una formazione tecnica di consultare i dati ed estrarne valore, quindi di prendere decisioni basate sui numeri, non sull’intuizione personale. In questo senso Crystal è come un collega o un esperto in grado di guidare gli utenti attraverso l’analisi e l’interpretazione dei dati. Parlando di valore aggiunto, i punti da sottolineare sono la mobilità, l’interfaccia vocale e l’arricchimento delle risposte. Lavorare in mobilità è ormai un requisito fondamentale a tutti i livelli e la possibilità di accedere alla nostra AI Advisor tramite un’app sullo smartphone, dovunque e in qualsiasi momento, è sicuramente un beneficio. Il fatto di poterla interrogare a voce tramite linguaggio naturale, e di ricevere risposte a voce, è un ulteriore valore aggiunto, in quanto indice di semplicità ed immediatezza della risposta. Infine, grazie al Machine Learning, Crystal è in grado di imparare progressivamente dai dati con cui lavora. Questo significa che da un lato può fornire agli utenti consigli proattivi, e dall’altro può arricchire le risposte alle loro domande con informazioni relative a cambiamenti significativi nella banca dati, o con stime e previsioni per il futuro. 

Quali sono gli ambiti di applicazione e come funziona: ci fa un esempio?
Gli ambiti di applicazione di Crystal sono potenzialmente illimitati: dal supporto agli agenti di vendita e il perfezionamento delle campagne di marketing alla manutenzione degli impianti geotermici. Gli esempi sono molteplici. Recentemente abbiamo implementato una versione di Crystal all’interno di un progetto con Allianz Italia che permette agli agenti di vendita della compagnia assicurativa di accedere ad informazioni quali l’andamento delle vendite, le schede clienti, o la performance dei prodotti, in maniera semplice ed immediata. Da un punto di vista più tecnico, il funzionamento di Crystal può essere diviso in tre fasi. Nella prima fase, grazie alla tecnologia di Fast Data Retrieval, Crystal è in grado di connettersi ai dati aziendali, che possono essere in vari formati (fogli Excel, database sofisticati, ecc.), e a dati che arrivano da macchine e dispositivi IoT, analizzandoli in tempo reale. Nella seconda fase, Crystal li ordina e trova connessioni tra loro. I dati vengono organizzati in un business knowledge graph, una sorta di archivio virtuale in continua evoluzione. Nella terza fase, grazie al conversational AI, Crystal fornisce consigli proattivi agli utenti, o ascolta le loro domande e risponde in linguaggio naturale.

In cosa si differenzia Crystal rispetto ad altri sistemi similari?
Una differenza che spesso teniamo a sottolineare è quella tra la nostra AI advisor e gli assistenti virtuali; una differenza che sta proprio nella definizione: Crystal è un advisor, un consulente, che informa e guida gli utenti sulla base dei dati con i quali lavora. Gli assistenti virtuali rispondono alle domande degli utenti, eseguendo specifiche richieste: mostrami le previsioni meteo, fissa un appuntamento, ricordami l’impegno x alle ore y, e così via. Se gli assistenti virtuali eseguono azioni dettate dagli utenti, Crystal prende iniziativa e consiglia agli utenti il corso d’azione migliore da adottare. L’altra dimensione che differenzia Crystal, oltre che un elemento determinante della nostra missione, è quello di rendere la tecnologia più umana, perché più accessibile.

Un Conversational System deve simulare molto bene la parte di sintassi e contenuti tipici dell’essere umano. Qual è e come funziona la tecnologia che sta alla base?
Il nostro framework tecnologico si compone di più elementi: il Natural Language Processing permette a Crystal di capire le domande poste dagli utenti e di rispondere adeguatamente. La tecnologia di Fast Data Retrieval rende possibile l’analisi di grandi quantità di dati in tempo reale, mentre grazie al Machine Learning Crystal è in grado di imparare progressivamente dai dati e dal contesto in cui lavora. La tecnologia, tuttavia, si muove velocemente, e da compagnia tecnologica lo sappiamo bene. Per questo motivo, nel 2017 abbiamo aperto un centro di ricerca e
sviluppo basato a Valais, in Svizzera, per essere certi di innovare continuamente la nostra tecnologia relativa al Natural Language Processing. In questo senso, stiamo lavorando anche in un contesto di Emotional Intelligence: la nostra visione è quella di rendere la tecnologia più umana attraverso l’intelligenza artificiale.

Quali sono le competenze che avete all’interno del vostro team produttivo oltre a quelle tecniche?
iGenius è una scaleup in piena crescita, con un team di oltre 100 persone e uffici in Italia, Gran Bretagna, Svizzera e California. La nostra azienda si compone di più di dieci team che operano in maniera individuale ed efficiente, quasi come se ognuno fosse una startup autonoma. Oltre alle competenze tecniche, come software engineering, data science, machine learning, investiamo sulle risorse creative per progettare la user experience e user interface del nostro prodotto. Ultimamente, ad esempio, abbiamo creato un team dedicato al design dell’interfaccia conversazionale di crystal: è importante, infatti, che la scelta del linguaggio della nostra AI advisor rifletta la sua competenza.

Secondo Forbes, oggi l’80% delle imprese ha già applicato una qualche forma di IA (Machine Learning, deep learning) e il 30% prevede di
espandere i propri investimenti in Intelligenza Artificiale nei prossimi 36 mesi. Lei come vede il futuro?
L’intelligenza artificiale non è cosa nuova: da tempo è presente nelle applicazioni di e-commerce, ad esempio. Basti pensare agli algoritmi di Amazon che ci consigliano acquisti simili a quelli che abbiamo fatto, ad esempio. Finora, però, l’intelligenza artificiale è rimasta legata al back end, cioè a quella parte di un programma con cui l’utente non interagisce direttamente. Per noi, il futuro dell’intelligenza artificiale è nel front end. Così come la GUI (Graphical User Interface) ha reso la tecnologia accessibile a milioni di persone attraverso l’uso di simboli grafici, l’intelligenza artificiale ha la potenzialità di rimuovere la complessità intrinseca nell’usare strumenti tecnici come quelli per l’analisi e l’interpretazione dei dati, che richiedono tempo e competenze specifiche per essere utilizzati appieno. L’intelligenza artificiale può rendere l’interfaccia di strumenti notoriamente tecnici più umana.