<\/p>\n
Negli anni \u201890 andavano di moda i pantaloni sgargianti con colori al neon, i capelli crespi da rockstar toccavano i loro picchi, mentre il video di \u201cIce Ice Baby\u201d passava in rotazione su MTV. Inoltre, negli stessi anni, si poteva anche cercare il nome, l\u2019indirizzo e il numero di telefono di una data persona sull\u2019elenco telefonico locale. Potrebbe sembrare inquietante, ma chiunque poteva in sostanza cercare le informazioni riguardanti qualcuno partendo semplicemente da nome e cognome. Oggi, tuttavia, le pi\u00f9 avanzate applicazioni di intelligenza artificiale (AI)<\/a>\u00a0non hanno bisogno di questi dati di identificazione personale (in inglese personally identifiable information, PII) per produrre risultati di business concreti.<\/p>\n Tramite profilazione, si possono effettuare confronti diretti all\u2019interno di un modello di dati senza per questo dover per forza identificare nel dettaglio ogni singolo individuo. Il machine learning tratta tutti i dati come degli 1 e 0, ed \u00e8 in tale contesto che \u00e8 stato coniato il termine PII<\/em>\u00a0e sono state create regole come HIPAA, FedRAMP, e PCI-DSS. Non sto sostenendo che questi termini e regolamenti non siano significativi; sono necessari in una certa misura sia da un punto di vista legale che per la fiducia dei consumatori. Inoltre producono delle ripercussioni implicite qualora non siano gestite in modo corretto. Tuttavia non sono necessarie\u2014e non trovano posto\u2014nel mondo dell\u2019AI e del machine learning. Gli algoritmi predittivi di qualit\u00e0 elevata non pretendono infatti di identificare i tuoi clienti per produrre risultati accurati e capaci di rivoluzionare la situazione.<\/p>\n AI e routing ottengono i risultati pi\u00f9 elevati<\/strong><\/p>\n Prendiamo ad esempio il settore finanziario: Tim si \u00e8 recentemente diplomato e ha ottenuto il suo primo lavoro a tempo pieno. Ha quindi messo da parte una somma tale da poter versare un acconto sull\u2019acquisto di una casa. Quindi per prima cosa si reca su Internet, visita il sito web della sua banca e cerca le diverse opzioni di mutuo disponibili. In tale processo interagisce con una chatbot che gli fornisce alcune informazioni molto affidabili, comprese quelle su come richiedere un mutuo. Il bot propone inoltre a Tim la richiamata di uno specialista di mutui nel momento a lui pi\u00f9 congeniale. Pur reputando tale proposta molto conveniente, qualcosa lo distrae. Tre ore dopo si rifocalizza sull\u2019acquisto della casa e decide di chiamare il numero di telefono mostratogli dalla banca.<\/p>\n La banca si serve di una soluzione di AI basata su un modello elaborato <\/a>per una persona con le caratteristiche di Tim. Dopo che questi compone il numero di telefono indicato sulla pagina mutui del sito web, viene indirizzato all\u2019agente Anna. L\u2019algoritmo AI che ha connesso Tim ad Anna non ha idea di chi sia effettivamente Tim, ma sa che si trova in Lombardia, ha un\u2019et\u00e0 tra i 20 e i 25 anni, \u00e8 cliente della banca, ha conti correnti e di risparmio con valori specifici e ha visitato il sito web per cercare una serie di prodotti ipotecari che non ha per\u00f2 ancora richiesto.<\/p>\n L\u2019algoritmo possiede anche ulteriori elementi. E non solo questi dati sono presi in considerazione, ma l\u2019algoritmo conosce anche il valore predittivo di ciascuna delle precedenti caratteristiche \u2014e come tenerne conto in base ai dati storici e ai relativi risultati. Questa soluzione di AI sa anche che la banca ha al suo interno una specialista dei mutui chiamata Anna che \u00e8 pronta e disponibile; quindi le passa la chiamata.<\/p>\n Esiste per\u00f2 anche un\u2019altra ragione per cui il sistema ha scelto proprio Anna. I dati storici mostrano che \u00e8 lei il migliore agente per massimizzare il valore di una persona come Tim, in base al calcolo di tutti i dati sulle interazioni associati con la chiamata. Non solo sono state prese in considerazione le competenze e la disponibilit\u00e0 di Anna, ma \u00e8 anche stato tenuto conto della sua esperienza, del gruppo di appartenenza, del profilo formativo e di tutto quanto il reparto Customer Experience sa di lei. Anna ha un DNA, o profilo, specifico che massimizza il valore per combinazioni particolari di clienti e interazioni. Questa chiamata \u00e8 stata quindi instradata a lei perch\u00e9 il software di AI sa, a livello di interazione, che esiste una probabilit\u00e0 del 90% che la telefonata in carico ad Anna porti alla richiesta di un mutuo.<\/p>\n