Intelligenza Artificiale in azienda

Capitolo 1 L’impatto economico dell’Intelligenza Artificiale  

1.1 L’Intelligenza Artificiale e la strategia aziendale  

1.2 Una definizione di business dell’Intelligenza Artificiale  

1.3 Breve storia dell’Intelligenza Artificiale  

1.5 La sfida globale per l’AI  

1.5.1 Gli Stati Uniti  

1.5.2 La Cina  

Capitolo 2 Machine Learning e Deep Learning  

2.1 Machine Learning  

2.1.1 Supervised Learning (Apprendimento supervisionato)  

Regressione lineare  

Regressione logistica  

Analisi Discriminante Lineare/Quadratica  

Decision Tree

Naïve Bayes  

Random Forest  

Reti Neurali artificiali  

Gradient Boosting  

SVM: Support Vector Machine  

2.1.3 Unsupervised Learning (apprendimento non supervisionato)  

K-Means Clustering  

Gaussian Mixture Model (GMMs)  

Hierarchical Clustering  

2.1.4. Reinforcement learning (apprendimento per rinforzo)  

2.2 Deep Learning (apprendimento profondo)

2.2.1 Convolutional Neural Networks (CNN) – Rete neurale convoluzionale   

2.2.2 Recurrent Neural Networks (RNN) – Reti neurali ricorrenti  

2.2.3 Generative Adversarial Networks (GAN) – Rete Antagonista Generativa  

Capitolo 3 Natural Language Processing (NLP)  

3.1 Natural Language Processing (NLP)  

3.2 Speech Recognition  

3.2.1 Voice Recognition  

3.3 Sentiment Analysis  

3.3.1 Monitoraggio dei social media  

3.3.2 Monitoraggio del Brand  

3.3.3 Voce del cliente (VoC)  

3.3.4 Sentiment Analysis e Customer Care  

3.4 Estrazione di informazioni  

3.4.1 Named Entity Recognition (NER)  

3.5. Neural Machine Translation (NMT)  

3.5.1 Traduzione vocale in tempo reale  

3.6. Knowledge Graph  

3.7. Conversational AI  

3.8 Chatbot  

3.8.1 Chatbot rivolti ai clienti  

3.8.2 E-commerce Chatbot  

3.8.3 Chatbot interni  

Chatbot di reclutamento  

Chatbot di onboarding  

Chatbot delle risorse umane  

Chatbot coach  

Chatbot dell’Help Desk IT  

3.8.4 Chatbot sanitari  

3.8.5 Chatbot settore delle assicurazioni  

3.8.6 Chatbot settore bancario

3.9 Assistenti virtuali  

3.10 Smart Speaker  

3.11 Natural Language Generation  

3.12 AI Writers

Capitolo 4 Computer vision - Visione artificiale  

4.1 Le principali applicazioni di un sistema di visione artificiale  

4.1.1 Classificazione delle immagini (Image Classification)

4.1.2 Localizzazione degli oggetti (Object Localization)  

4.1.3 Rilevazione degli oggetti (Object Detection)  

4.1.4 Segmentazione dell’istanza (Instance Segmentation)  

4.1.5 Tracking

4.1.6 Le applicazioni aziendali della Computer Vision  

4.2 Image Analysis

4.2.1 Analisi immagini satellitari  

4.2.2 Intelligenza Artificiale e analisi delle immagini nel settore medico  

4.2.3 Analisi delle immagini e produzione di massa

4.2.4 Analisi delle immagini per l’agricoltura di precisione  

4.2.5 Analisi delle immagini nel settore assicurativo  

4.3 Visual Search – Ricerca visiva  

4.3.1 Quick, Draw!  

4.4 Riconoscimento facciale (Facial Recognition)  

4.5 Visual Object Tracking  

4.6 Le auto a guida autonoma  

Capitolo 5 Robotics e Intelligent Automation  

5.1 Robotics  

5.1.1 Le origini della robotica  

5.2 Tipi di robot  

5.3 I robot intelligenti  

5.4 Cobot  

5.5 La robotica in medicina e chirurgia  

5.5.1 Chirurgia robotica  

5.5.2 Micro e nano robotica  

5.5.3 Riabilitazione e altri esempi di robotica medica  

5.6 Robot a contatto con i clienti  

5.7 Robot domestici  

5.8 Soft robot  

Capitolo 6 La Strategia AI per il vantaggio competitivo  

6.1 La strategia AI  

6.2 La strategia AI di costo  

6.3 Automazione intelligente o cognitiva: applicazioni aziendali  

6.3.1 Chatbot e assistenti virtuali  

6.3.2 Soluzioni AI per il controllo qualità

6.3.3 Soluzioni AI per l’analisi delle immagini  

6.3.4 Soluzioni AI di riconoscimento facciale  

6.3.5 Soluzioni AI di comprensione e generazione automatizzata dei testi  

6.4 I robot intelligenti: applicazioni aziendali  

6.4.1 I robot di magazzino  

6.4.2 I robot industriali  

6.4.3 Veicoli autonomi  

6.4.4 Robot di servizio  

6.4.5 Delivery robot  

6.5 L’AI per la gestione del rischio e l’ottimizzazione: applicazioni aziendali  

6.5.1 Soluzioni AI per la gestione del churn dei clienti  

6.5.2 Soluzioni AI per la manutenzione predittiva  

6.5.3 Soluzioni AI per la sicurezza informatica  

6.5.4 Soluzioni AI per la prevenzione delle frodi online

6.5.5 Soluzioni AI per la prevenzione del rischio assicurativo

6.5.6 Soluzioni AI per l’ottimizzazione intelligente delle rotte

6.5.7 Soluzioni AI per l’ottimizzazione della gestione delle scorte

6.5.8 Soluzioni AI per la gestione del rischio di credito  

6.5.9 Soluzioni AI per l’ottimizzazione dei consumi  

6.5.10 Soluzioni AI per le Risorse Umane  

6.6 L’AI per la strategia di differenziazione  

6.6.1 La differenziazione basata sul miglioramento delle funzionalità esistenti

6.6.2 La differenziazione basata sull’integrazione di capacità AI nei prodotti esistenti

6.6.3 La differenziazione basata sulla creazione di prodotti completamente nuovi  

6.6.4 La differenziazione basata su nuovi modelli di business AI  

6.6.5 New Product Development con l’AI

6.6.6 La differenziazione basata sulla personalizzazione dell’esperienza utente con l’AI  

Capitolo 7 Il Business Canvas per la strategia AI  

7.1 I Canvas  

7.1.1 ML Canvas di Dorard  

7.1.2 AI Canvas di Agrawal, Gans e Goldfarb

7.1.3 Deep Learning Canvas di Perez  

7.1.4 AI Readiness Canvas di Ferguson  

7.2 L’AI Business Canvas (AIB Canvas)  

7.3 AI Business Canvas: struttura e sezioni  

7.3.1 Blocco 1: caso d’uso  

7.3.2 Blocco 2: le persone e l’AI centrata sull’uomo (Human Centered AI)  

7.3.3 Blocco 3: la soluzione AI e il Framework delle abilità dell’Intelligenza Artificiale  

Computer Vision  

Natural Language Processing (NLP)  

Predictive Analytics (Prediction)  

Prescriptive Analytics (Optimization)  

Robotics  

7.3.4 Blocco 4: I Dati e la Data Due Diligence  

Dati forniti (Provided Data)  

Dati osservati (Observed Data)  

Dati Derivati (Derived Data)  

Dati Inferiti (Inferred Data)  

7.3.5 Blocco 5: infrastruttura tecnologica – Make or Buy

7.3.6 Blocco 6: Fattibilità – Proof Of Concept (PoC)  

7.3.7 Blocco 7: i Processi  

7.3.8 Blocco 8: Rischi dell’AI  

Impatto dell’AI sull’occupazione

Intelligenza artificiale e bias  

La scatola nera dell’AI (AI Black Box)   

7.3.9 Blocco 9: Economics (sostenibilità economica)

7.4 AI Business Canvas Template  

Capitolo 8 L’AI Business Canvas in pratica: il progetto pilota  

8.1 L’importanza strategica del progetto pilota  

8.2 Il team AI e le competenze  

8.3 Governance dei dati e AI

8.4 Il livello di digitalizzazione aziendale  

8.5 Applicazione dell’AI Business Canvas a un caso aziendale  

Fase 1: Dal problema all’opportunità di utilizzo dell’AI  

Fase 2: Analisi dello scenario: Task Analysis e As-is Scenario Map  

Fase 3: La scelta della soluzione AI  

Fase 4: Raccolta e preparazione dei dati  

Fase 5: Infrastruttura Tecnologica – Make or Buy e scelta del fornitore e del team AI  

Fase 6: Proof of Concept – Valutazione e scelta del modello  

Fase 7: Soluzione AI e processi aziendali  

Fase 8: Valutazione dell’impatto organizzativo e dei rischi  

Fase 9: Valutazione della sostenibilità economica del progetto  

8.6 AI Roadmap

Capitolo 9 Le aziende AI-first: Amazon, Apple, Facebook, Google, Alibaba, Baidu, Tencent

9.1 La strategia AI-first  

9.2 La strategia AI di Google: diventare una AI-Centric Company

9.3 La strategia AI di Amazon: approccio bottom-up dal bisogno alla tecnologia  

9.4 La strategia AI di Facebook: l’AI al servizio del core business  

9.5 La strategia AI di Apple: Edge AI e dispositivi intelligenti  

9.6 Le Big tech companies cinesi Baidu, Alibaba e Tencent e l’AI  

9.6.1 La strategia AI di Baidu: approccio win-win e creazione di ecosistemi AI

9.6.2 La strategia AI di Alibaba: l’AI in ogni area aziendale dal back-end al customer care

9.6.3 La strategia AI di Tencent: Make AI Everywhere