Intelligenza Artificiale in azienda
Scenario, tecnologie, strategia
di Francesco Tissoni, Claudio Gionti

Che cos’è esattamente l’Intelligenza Artificiale (AI)? Che cosa è in grado di fare già oggi per il business? Quali applicazioni AI possono creare valore per la mia attività? Con quali progetti e come posso iniziare a utilizzare l’AI in azienda?
Sono domande che oggi ogni leader aziendale si deve porre; fornire una guida che aiuti a rispondere è lo scopo che si propone questo libro.
Nella prima parte vengono presentate le principali tecnologie AI (Machine Learning, Deep Learning, Natural Language Processing, Computer Vision, Robotics) mettendone in evidenza, in particolare, le applicazioni in ambito aziendale in diversi settori.
La seconda parte si concentra sullo sviluppo di una strategia AI per il vantaggio competitivo, proponendo un modello di analisi, l’AI Business Canvas, originale e pronto per l’uso.
Claudio Gionti
Digital Innovation Manger con vent’anni di esperienza. Ha conseguito la certificazione in Artificial Intelligence Strategy presso la Sloan School of Management del MIT e opera come consulente e docente di Digital e AI strategy.
Francesco Tissoni
è docente presso l’Università degli Studi di Milano e la Business School del Sole24Ore. Di formazione multidisciplinare, la sua attività lavorativa spazia dall’insegnamento alle consulenze in progetti digitali sia in ambito culturale sia in ambito Business.
Con un modello AI Business Canvas originale e pronto per l’uso
Pagine | 346 |
Data pubblicazione | Giugno 2021 |
Data ristampa | |
Autori | Francesco Tissoni, Claudio Gionti |
ISBN | 8891649737 |
ean | 9788891649737 |
Tipologia prodotto | Cartaceo |
Sottotitolo | Scenario, tecnologie, strategia |
Editore | Maggioli Editore |
Dimensione | 17x24 |
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