iulm ai lab

AIbility

AI.bility è un acronimo composto dalle parole: Artificial Intelligence + Ability.

È un indice sintetico composto da indicatori in grado di stimare il livello di maturità e competenza dell’azienda rispetto all’utilizzo dei Big data e all’implementazione di soluzioni di automazione e intelligenza artificiale nel marketing, in particolare nel customer care e nell’e-commerce.

I risultati del progetto di ricerca AI.bility costituiscono una prima ricognizione e valutazione dell’effettiva adozione di elementi di innovazione data-driven nei principali touch point dell’azienda offerti al cliente.

Per ognuna delle 230 aziende incluse nel campione è stata valutata l’abilità nel cogliere le potenzialità delle tecnologie algoritmiche di machine learning per il business, incorporando tecniche e strumenti di automazione e di AI nei processi aziendali.

I risultati emersi sono in grado di mettere a nudo lo stato dell’arte dell’adozione di sistemi automatizzati basati sull’AI da parte delle imprese italiane e le principali aree di sviluppo su cui diviene oggi fondamentale investire.

Indice AI.bility

LAI.bility è un indice sintetico (AI + ability) composto da alcuni indicatori che stimano il livello di maturitàcompetenza dell’azienda rispetto all’ implementazione di soluzioni di AI (automazione) nel marketing, in particolare nel customer care e nell’e-commerce.

È utile quindi valutare l’ abilità di un’ azienda nel cogliere le potenzialità delle tecnologie algoritmiche di machine learning per il business, incorporando quindi tecniche e strumenti di automazione e di AI nei processi aziendali. I risultati della ricerca AI.bility offrono quindi una ricognizione dell’effettiva adozione di elementi di innovazione data-driven, nei principali touch point dell’azienda offerti al cliente.

LE VARIABILI

Le variabili che compongono l’indagine sono state riorganizzate in un indice sintetico di AI.bility, formato da 3 macro-indicatori quali:

Orientamento all’ AI
Se sono poco presenti o assenti sistemi di automazione e di product raccomendation in caso di e-commerce.

Gestione
Se si ottengono feed-back di tipo umano/automatico, in quali modalità e con quali tempistiche, nonchè la pertinenza delle raccomandazioni proposte.

Efficacia
Il livello di experience e di customer satisfaction dell’assistenza.

IL CAMPIONE

Il campione incluso nella ricerca era composto da 230 aziende grandi. Le aziende sono state selezionate incorporando quelle di grandi dimensioni incluse nel campione utilizzato dall’ Osservatorio IULM sulla Social MediAbility.

Le aziende quindi appartengono a 6 settori diversi: Abbigliamento, Alimentare, Arredamento, Banche, Hospitality, a cui per questa ricerca è stato aggiunto il comparto della GDO.

IL METODO

La metodologia utilizzato per la ricerca è di tipo non intrusivo, basato sull’analisi quali-quantitativa dei contenuti e sulla valutazione esperienziale degli elementi oggetto di indagine. In altri termini, l’analisi prende in considerazione:

  • tutti i touch point di relazione delle aziende con il cliente: telefonata al numero verde o numero indicato, invio di email per richiesta informazioni/assistenza, contatto dell’ azienda sui social. Una volta individuati i possibili punti di relazione con l’azienda, un team di analisti formati ad-hoc è andato a verificare
  • l’esistenza o meno di livelli di automazione: dal risponditore automatico, al chatbot, assistenti virtuali vari, dalle email automatiche di risposta, ai sistemi di riconoscimento vocale, etc.
  • e nel caso in cui l’azienda offra anche un canale di e-commerce, è stata effettuata la valutazione dell’esistenza e del funzionamento dei sistemi di raccomandazione.

Oltre una fase di analisi quantitativa è stata anche operata una valutazione qualitativa, focalizzata sull’interazione con assistenti virtuali e/o chatbot, con l’obiettivo di valutarne l’experience lato utente. Sono quindi state applicate, adattandole, scale di atteggiamento consolidate utili a comprendere la percezione:

  • dell’efficacia dell’assistenza virtuale (se l’interazione mediata è utile alla risoluzione di problemi)
  • della fiducia che l’interazione conduca alla soluzione richiesta (quindi se ci si fida sul fatto che “chi sta dall’altra parte”, sia essere umano o robot, possa essere effettivamente di aiuto)
  • del gradimento dell’esperienza relazionale (se quindi l’interazione è piacevole o snervante).

    I risultati della ricerca sono stati presentati il 29 Ottobre durante l’evento “UMANia 2020 – Ma le aziende italiane, sanno usare la tecnologia per fare customer care?”. Nell’occasione, manager e professionisti si sono confrontati in un talkshow sullo stato dell’arte dell’automazione delle aziende italiane e sull’effettiva consapevolezza delle opportunità offerte dall’AI da parte delle imprese del nostro Paese.

     

    Scarica qui tutti i risultati della ricerca AI.bility!

    I RELATORI

    Guido Di Fraia

    Pro-rettore alla Comunicazione e all’Innovazione Libera Università di Lingue e Comunicazione IULM e CEO di IULMAILAB

    Formazione Maestr.ia

    Alessio Semoli

    CEO di PranaVentures docente a contratto Università IULM

    Riccardo Rodella

    CEO Equinox Marketing Automation per eCommerce

    Alessandro Rea

    Alessandro Rea
    Cloud & Cognitive Solutions IBM Watson Dev Squad Italy

    Angelo Ognissanti

    Presidente di e-where

    La formazione

    Creiamo cultura sull'AI per aumentare la competitività delle imprese e del sistema paese