Skip to Content
Contatta SAP Italia

Machine Learning

Il machine learning e più in generale il mondo dell'intelligenza artificiale (AI) non sono più materia da fantascienza. Fanno parte della nostra vita, e numerose aziende ne stanno già sperimentando i vantaggi. Aprendo la strada a una nuova generazione di soluzioni software capaci di apprendere senza una esplicita programmazione, il machine learning (così come il deep learning) permette di accedere, analizzare e individuare modelli all'interno dei Big Data in modi che vanno oltre le capacità umane. Abbiamo reso ancora più semplice liberare tutte le sue potenzialità, attraverso funzioni integrate di machine learning e servizi facilmente accessibili tramite il cloud.

Esplora SAP Leonardo Machine Learning

Introduzione al machine learning

Intelligenza artificiale, machine learning e deep learning sono espressioni spesso utilizzate in modo interscambiabile, ma che di fatto hanno significati diversi. In poche parole, l'AI è il concetto più ampio nel quale rientrano tutte le macchine in grado di agire in modo intelligente. Il machine learning e il deep learning sono nozioni derivate dall'intelligenza artificiale, in base all'idea per cui le macchine, potendo accedere a enormi volumi di dati, riescono ad apprendere autonomamente. Continua a leggere per saperne di più sulle differenze tra deep learning e machine learming e su altri importanti concetti.

Che cos'è il machine learning?

La definizione più semplice di "machine learning"? La pratica che consiste nell'insegnare a un computer a individuare modelli e a stabilire collegamenti sottoponendogli un volume consistente di dati. Pertanto, anziché programmare un software per l'esecuzione di un compito specifico, si lascia che la macchina utilizzi i Big Data e algoritmi sofisticati per eseguirlo autonomamente. Il machine learning permette alle applicazioni di “pensare” e giungere in modo indipendente a una determinazione o predizione, andando oltre ciò che permettono di fare l'analisi predittiva o l'analisi dei Big Data, e spesso al di là di ciò che può fare l'uomo. Un esempio di machine learning già noto nel settore dei beni di consumo è il motore di raccomandazioni per il mondo della vendita al dettaglio online.

Che cos'è il deep learning?

Il deep learning, anche noto come computing cognitivo, è una forma avanzata di machine learning che sfrutta le reti neurali multistrato (o "profonde") per simulare i processi del pensiero umano. Queste reti sono costituite da minuscoli nodi di calcolo che imitano il comportamento delle sinapsi nel cervello umano. Sfruttando i set di dati immessi e algoritmi sofisticati, le macchine riescono a risolvere problemi complessi, anche di tipo non lineare. È al deep learning che si devono innovazioni straordinarie come il riconoscimento vocale e delle immagini e l'elaborazione del linguaggio naturale. Tra gli esempi più noti di deep learning si possono citare:
  • Software di riconoscimento facciale
  • Vetture a guida autonoma
  • Dispositivi intelligenti di automazione domestica

Apprendimento supervisionato e non supervisionato

Sono sostanzialmente tre i modi in cui una macchina riesce ad “imparare”:
  • Apprendimento supervisionato: secondo questo approccio, l'uomo assegna etichette agli input e agli output, dopodiché il modello elabora le regole per collegare gli uni agli altri.
  • Apprendimento semi-supervisionato (o rinforzato): la macchina viene
    ricompensata o penalizzata in base all'esito delle operazioni che tenta di compiere, e l'algoritmo si adatta di conseguenza.
  • Apprendimento non supervisionato: si lascia che siano gli algoritmi di machine learning a rilevare autonomamente i modelli presenti nei dati (che a volte si presentano in cluster).
Indipendentemente dalla tipologia di "formazione" applicata, la macchina è in grado di apprendere autonomamente a partire dai dati, assimilando nel tempo nuovi comportamenti e nuove funzioni. Il risultato è un modello che può essere utilizzato per predire i risultati sulla base dei dati immessi, e che viene sottoposto a una costante reiterazione della formazione per ottenere esiti sempre più precisi.

Perché il machine learning si sta affermando così rapidamente?

Quello dell'apprendimento automatico è un concetto non nuovo, che tuttavia ha recentemente goduto di un nuovo rilancio. Perché? La potenza di calcolo e i sistemi di archiviazione sono attualmente disponibili a costi accessibili, mentre l'esplosione dei Big Data provenienti da fonti diverse – quali testi, immagini e dispositivi IoT – sta facilitando l'opera di "formazione" e apprendimento da parte delle macchine.

Intelligenza artificiale e machine learning in azione

I vantaggi del machine learning

Previous

Processi decisionali più rapidi

Il machine learning è in grado di automatizzare i processi decisionali correnti e di stabilirne le priorità, permettendoti di ottenere più rapidamente i risultati ottimali. In combinazione con l'Internet of Things, ad esempio, può aiutarti a decidere quali riparazioni effettuare prima delle altre nel tuo impianto produttivo.

Adattabilità

Essendo basati su dati in costante aggiornamento, i tuoi modelli di machine learning sono in continua evoluzione, molto più rapidamente di quanto l'uomo sia in grado di svilupparli. Questo ti permette di far emergere rapidamente ed elaborare nuovi insight che puoi sfruttare per adattarti a contesti economici in rapido cambiamento.

Innovazione e crescita

L'“impresa algoritmica” sfrutta algoritmi avanzati per guidare l'automazione dei processi e migliorare i meccanismi decisionali. Compiere questo passo significa accelerare l'acquisizione generale delle conoscenze, aprendo la strada all'innovazione nei modelli di business, nei prodotti e nei servizi.
Next
Previous

Insight unici

Uno degli aspetti più interessanti legati al machine learning è che può essere utilizzato per capire i modelli che percorrono i Big Data, in modi che allo stato attuale esulano dalle capacità umane, per poi innescare azioni concrete. Ad esempio, può prevedere le potenziali opportunità di vendita e quindi raccomandare le azioni utili per chiudere le trattative.

Accelerazione del business

Grazie ai processi aziendali assistiti dalla macchina e a flussi di lavoro complessivamente più veloci, puoi ottimizzare le operazioni di business e la tua offerta di prodotti e servizi; in sostanza, puoi fare e vendere di più abbassando al contempo i costi di back-office e il TCO.

Migliori risultati

L'intelligenza artificiale e il machine learning concorrono all'eliminazione dell'errore umano, all'innalzamento della qualità degli output e al rafforzamento della sicurezza informatica, un'opzione irrinunciabile per le società di servizi finanziari e tutte quelle organizzazioni tenute a proteggere le informazioni sensibili e ad assicurare la conformità normativa.

Next

Casi di utilizzo del machine learning

Gli esempi più noti di applicazioni concrete del machine learning riguardano soluzioni per il settore consumer, come i motori di raccomandazioni e i dispositivi intelligenti. La tecnologia appare tuttavia estremamente promettente anche nell'ambito del business-to-business (B2B). Queste, ad esempio, sono due aree chiave in cui l'apprendimento automatico non potrà che avere fortuna: 
Previous

Processi aziendali intelligenti

Il machine learning segna il passaggio dai tradizionali processi basati sulle regole ai processi intelligenti, ossia capaci di ricavare nuovi modelli da enormi set di dati non strutturati, per poi formulare predizioni strategiche in totale autonomia. La stessa tecnologia può farsi peraltro carico di compiti ripetitivi, come la verifica della correttezza di fatture e note spese.

Assistenti digitali e "bot"

I progressi compiuti nella tecnologia AI lasciano intendere che gli algoritmi di apprendimento automatico potranno presto trarre le proprie conclusioni con alcuni parametri e sviluppare comportamenti sensibili al contesto. I dispositivi saranno in grado di programmare riunioni, tradurre documenti ed evadere altre attività aziendali correnti.
Next

Domande frequenti sul machine learning

Come è possibile garantire risultati accurati?

I falsi positivi e le distorsioni (o "bias") sono elementi da tenere attentamente sotto controllo nel machine learning, per i quali esistono tuttavia soluzioni relativamente semplici. Per contribuire a rendere più accurato il machine learning:

  • Inizia con set di dati puliti e assicurati che i dati immessi siano etichettati e categorizzati correttamente, per ridurre al minimo i falsi positivi
  • Valuta le possibili distorsioni insite nei tuoi dati: un materiale scadente in entrata è destinato a rimanere tale in uscita. Per evitare questo fenomeno, poni domande e crea processi per la valutazione degli algoritmi
  • Adotta il metodo di formazione degli algoritmi adatto al tuo obiettivo (ad esempio, supervisionato per predire il prezzo di vendita di una casa sulla base di variabili note)
  • Approfondisci la tua conoscenza in materia di machine learning, per ottimizzare i risultati dell'apprendimento automatico

Per maggiori informazioni, leggi i blog Come porre fine alle distorsioni con l'AI e Smascherare le distorsioni inconsapevoli.

Collapse
Come fidarsi delle decisioni prese da una macchina?

L'idea delle macchine che prendono il sopravvento sulla vita dell'uomo, nel privato e sul lavoro, ha ispirato non pochi film di successo, ma la realtà è decisamente meno drammatica. D'altro canto, questo non significa che dovremmo riporre una cieca fiducia sui risultati emersi dal processo di machine learning. Ecco alcune regole per portare avanti un valido progetto di AI finalizzato a generare risultati attendibili: 

  • Realizza un progetto pilota che ti faccia sentire sicuro delle decisioni che vengono prese
  • Supervisiona i processi e i risultati e intervieni con gli opportuni aggiustamenti
  • Adegua i livelli di fiducia applicando regole aziendali negli algoritmi
  • Integra il tuo processo di formazione del machine learning con meccanismi di feedback
Collapse
Come preparare i dati?

L'accesso a grandi set di dati e il machine learning procedono di pari passo, motivo per cui un primo passaggio fondamentale è quello di ridurre al minimo la compartimentazione delle informazioni: 

  • Integra i dati di impresa riguardanti fornitori, partner, clienti e altro, fornendo così agli algoritmi un accesso aperto a tutti i dati pertinenti
  • Coinvolgi il Chief Data Officer nel processo di machine learning
  • Valuta l'utilizzo di una piattaforma cloud che possa elaborare elevati volumi di dati integrati da fonti diverse
Collapse
Come si inserisce il machine learning nell'ambiente di lavoro?
Il machine learning è già presente in molti uffici di tutto il mondo. Il suo ruolo? Assistere l'uomo nelle mansioni correnti. I progressi registrati nelle tecnologie di apprendimento automatico spalancano le porte a innumerevoli nuovi scenari, opportunità e modelli di business che:
 
  • Daranno origine a occupazioni più remunerative, che esaltino la creatività, le capacità di problem solving e il lavoro qualificato
  • Automatizzeranno le mansioni più noiose e ripetitive, rendendo il lavoro di tutti giorni più interessante (e divertente!)
  • Permetteranno all'uomo di mantenere sempre il controllo sulle attività più strategiche e prioritarie 
Collapse
Mi saranno richieste competenze specialistiche per utilizzare il machine learning?

In passato era necessario disporre di personale specializzato per rendere funzionale un sistema di machine learning: i "quants", esperti in analisi quantitativa, che conoscevano bene linguaggio e metodi, e i "traduttori", che stabilivano un nesso tra i dati, il machine learning e il processo decisionale, per re-inquadrare risultati complessi in insight eseguibili.

Ora non più. Oggi, le moderne applicazioni aziendali rivestono il ruolo dei data scientist. Si propongono con interfacce intuitive e una tecnologia AI integrata che permette agli utenti aziendali di sfruttare i vantaggi del machine learning senza bisogno di una particolare formazione, limitandosi spesso a premere qualche pulsante.

Collapse
E il ROI?
Sebbene il machine learning stia solo muovendo i primi passi nelle applicazioni B2B, le aziende lo stanno già utilizzando per automatizzare le transazioni, individuare le frodi, sviluppare la ricerca medica e risparmiare tempo e denaro. E quando l'intelligenza artificiale verrà integrata nelle applicazioni e piattaforme cloud, non sarà necessario ricorrere a un costoso build personalizzato per essere subito operativi.
Collapse

Esplora SAP Leonardo Machine Learning

Dai vita alla tua impresa intelligente con una piattaforma e un software di machine learning capaci di fondere le competenze umane con gli insight del computer. Scopri quanto può essere facile diventare un'azienda guidata dagli algoritmi in grado di automatizzare le mansioni ripetitive, di sostenere il processo decisionale e di trasformare i dati in azioni intelligenti.
Previous

Amplia il tuo raggio d'azione

La nostra tecnologia di machine learning si basa sul più grande pool di dati che esista al mondo e sfrutta i sistemi SAP applicabili a 25 settori e 12 aree aziendali. Affidandoti alla nostra leadership sul mercato puoi ottenere insight che resterebbero altrimenti inaccessibili.

Integrazione rapida

Integra soluzioni intelligenti nei tuoi sistemi con rapidità e semplicità e accelera il ROI con le nostre funzionalità di machine learning “pronte all'uso”, incorporate direttamente in SAP Cloud Platform e contenute in modo nativo in tutte le nostre applicazioni software.

L'impossibile che diventa possibile

Arriva prima di tutti gli altri sul mercato con innovazioni di prodotto basate sull'AI e modelli di business che soddisfano il cliente e incrementano i ricavi. Utilizza tecnologie capaci di ottimizzarsi autonomamente e di riapprendere per migliorare continuamente i risultati aziendali limitando costi e rischi.

Next

Applicazioni, piattaforma e servizi di machine learning

Dai uno sguardo al futuro con la nostra prima serie di applicazioni, strumenti e servizi aziendali abilitati al machine learning, sviluppati in collaborazione con i clienti in progetti di co-innovazione e ora disponibili attraverso un'unica piattaforma intelligente che li mette tutti in collegamento nel cloud.
Piattaforma AI: la costruzione delle tue fondamenta intelligenti

Crea, esegui, utilizza e gestisci app di auto-apprendimento con facilità, senza bisogno di competenze di data science. SAP Leonardo Machine Learning Foundation mette in collegamento sviluppatori, partner e clienti con la tecnologia del machine learning attraverso SAP Cloud Platform.    

  • Ottieni un accesso rapido ad applicazioni di automazione intelligenti
  • Sfrutta la versatilità di dati e servizi aziendali orizzontali e verticali
  • Crea rapidamente app intelligenti utilizzando API di servizi, intelligenza artificiale integrata e un mercato globale
  • Sviluppa una piattaforma aperta e scalabile caratterizzata da una user experience (UX) intuitiva e moderna

Guarda il video di presentazione
Scarica il solution brief
Scopri tutti i dettagli su SAP Cloud Platform

Collapse
Amministrazione, Finanza e Controllo: automazione della riconciliazione dei pagamenti

Affidati a SAP Cash Application per automatizzare i processi ad alta intensità di lavoro di riconciliazione delle fatture e offri all'area Finance più tempo per concentrarsi sulla strategia e sulla qualità dei servizi . Il nostro software intelligente di nuova generazione sfrutta il machine learning per mettere a confronto i criteri ricavati dai tuoi dati storici e liquidare automaticamente i pagamenti.

  • Riduci i giorni di dilazione dei crediti
  • Effettua l'integrazione con SAP S/4HANA per ridurre il TCO e i tempi di conseguimento del valore
  • Favorisci la scalabilità dei servizi condivisi per andare incontro alle crescenti esigenze aziendali
Collapse
Rilevamento di frodi: come migliorare la precisione delle allerte

Metti nel mirino i potenziali casi di frode e ottimizza l'affidabilità dei tuoi alert con SAP Business Integrity Screening, un software che utilizza gli algoritmi predittivi per analizzare i tuoi dati storici. 

  • Punta l'attenzione sui casi con la più alta probabilità di frodi e di incidenza sul ROI
  • Effettua l'integrazione con SAP HANA per ridurre il TCO e i tempi di conseguimento del valore
  • Affidati a modelli che si aggiornano parallelamente all'evoluzione delle dinamiche delle frodi
  • Sfrutta una combinazione di algoritmi personalizzati e di terze parti per il tuo business
Collapse
Selezione del personale: il job matching intelligente per la ricerca dei migliori talenti

Con la nostra applicazione di gestione intelligente dell'incontro tra domanda e offerta del lavoro, i giorni trascorsi a passare al vaglio migliaia di CV saranno un lontano ricordo. SAP Resume Matching si avvale del machine learning per automatizzare il processo di selezione preliminare e puntare dritto ai candidati e ai posti migliori senza distorsioni.

  • Scegli una corsia preferenziale per la selezione del personale e risparmia tempo e risorse
  • Trova rapidamente i migliori talenti e riduci i falsi positivi
  • Dedica più tempo alla leadership del marchio aziendale
Collapse
Marketing: riconoscimento del logo e del marchio

Ottimizza la valutazione delle tue campagne di pubblicità e sponsorizzazione con SAP Brand Impact. Utilizzando tecniche avanzate di visione computerizzata, l'applicazione riesce a riconoscere automaticamente i loghi contenuti in immagini e video, fornendo alla tua agenzia o società di produzione informazioni tempestive e precise sul ROI del marketing.

  • Sfrutta la velocità di un'analisi del marchio quasi in tempo reale attraverso un'interfaccia interattiva che ti permette di verificare tutti gli output
  • Affidati ad analisi accurate scalabili fino a milioni di ore di riprese filmate
  • Analizza i risultati al secondo, confronta e filtra i punti di forza del tuo brand e visualizza le statistiche aggregate
  • Combina i dati con il software CRM ed ERP e con le statistiche dei siti Web tramite un'API di indicatori di impatto con annotazione temporale
Collapse
Assistenza clienti: raccolta, analisi e risposta al feedback

Accelera il servizio di assistenza clienti nel tuo front-office omnicanale. SAP Service Ticket Intelligence ti permette di elaborare in modo efficiente i post dei social media, le e-mail e altre interazioni in entrata sui vari canali definendo automaticamente classificazioni, inoltro e risposte.

  • Migliora i tempi di risposta dell'assistenza grazie all'elaborazione automatizzata
  • Effettua l'integrazione con SAP Hybris Service Cloud per accelerare i tempi di conseguimento del valore
  • Elabora un maggior numero di interazioni digitali senza sacrificare la qualità
Collapse
Vendite e marketing: fidelizzazione e mantenimento dei clienti

Anticipa il comportamento dei clienti, ad esempio, i rinnovi o le cancellazioni di prodotti, grazie a insight istantanei ricavati da dati transazionali e punti di interazione digitale. SAP Customer Retention sfrutta un sistema avanzato di machine learning per estrarre, predire e catturare i principali indicatori di insoddisfazione – tutto automaticamente. In base ai risultati ottenuti e alle priorità della tua azienda, puoi definire ed eseguire in modo più efficiente le migliori contromisure.

  • Individua e classifica gli schemi di interazione
  • Rileva i clienti insoddisfatti, risali alle cause all'origine e agisci sulla base di predizioni tempestive
  • Sviluppa la fidelizzazione dei clienti attraverso strategie proattive di mantenimento
Collapse

Per iniziare con il machine learning


Previous

È la scelta giusta?

Il machine learning è ideale per scenari caratterizzati da regole complesse ed elementi sconosciuti, per formulare predizioni sulla base di dati nuovi e non più storici, e per automatizzare mansioni altamente ripetitive. In altri casi, è sufficiente la programmazione basata su regole.

Segui un corso intensivo

Sei ancora incerto su come applicare il machine learning in un contesto aziendale? Il nostro corso gratuito OpenSAP ti guiderà nelle prossime mosse: identificazione dei problemi da affrontare, preparazione dei dati in panorami complessi e scoperta dei casi d'uso e dei prototipi.

8 best practice

Usufruisci di un accesso esclusivo a otto best practice per accelerare il tuo percorso di machine learning. La nostra guida pratica consente di ridimensionare alcune delle aree complesse di modellazione e analisi predittiva e di esplorare le strategie e le soluzioni di automatizzazione e altro ancora.

Next
Back to top

Call me now