L’Intelligenza Artificiale nelle Imprese: Sette Lezioni da Aziende Pioniere per Trasformare il Lavoro

Autori: OpenAI
Titolo originale: AI in the Enterprise: Lessons from seven frontier companies

L’intelligenza artificiale (IA) sta ridefinendo il modo in cui le aziende operano, offrendo strumenti potenti per migliorare l’efficienza, personalizzare le esperienze dei clienti e liberare il potenziale umano. OpenAI, attraverso la collaborazione con aziende leader a livello globale, ha identificato come i suoi modelli stiano apportando miglioramenti significativi e misurabili su tre fronti principali: l’incremento delle prestazioni della forza lavoro, permettendo di ottenere risultati di qualità superiore in tempi ridotti; l’automazione delle operazioni di routine, consentendo alle persone di concentrarsi su attività a maggior valore aggiunto; e il potenziamento dei prodotti, offrendo esperienze cliente più pertinenti e reattive.

Tuttavia, sfruttare l’IA non è come implementare un nuovo software o un’app cloud. Le aziende di maggior successo la trattano come un nuovo paradigma, adottando una mentalità sperimentale e un approccio iterativo. Questo permette di ottenere valore più rapidamente e con un maggiore consenso da parte di utenti e stakeholder. OpenAI stessa opera attraverso team specializzati (Ricerca, Applicazione e Distribuzione) per sviluppare, trasformare in prodotti e implementare l’IA presso le aziende, imparando rapidamente dai casi d’uso dei clienti per accelerare i miglioramenti.

Da queste esperienze emergono sette lezioni fondamentali per l’adozione dell’IA in ambito aziendale. Analizziamole nel dettaglio.

Lezione 1: Iniziare con le Valutazioni (Eval)

Come Morgan Stanley ha iterato per garantire qualità e sicurezza

Prima di implementare su larga scala, è cruciale misurare sistematicamente come i modelli di IA si comportano rispetto ai specifici casi d’uso aziendali. Questo processo, chiamato “eval”, consiste in una valutazione rigorosa e strutturata delle prestazioni del modello rispetto a benchmark definiti. È anche un modo per migliorare continuamente i processi abilitati dall’IA, grazie al feedback degli esperti.

Morgan Stanley, leader globale nei servizi finanziari, si è chiesta come l’IA potesse aggiungere valore in un settore così personale e sensibile. La risposta è stata condurre “eval” intensivi per ogni applicazione proposta. Inizialmente, l’obiettivo era rendere i consulenti finanziari più efficienti. Hanno iniziato con tre tipi di valutazione:

• Traduzione linguistica: Misurazione dell’accuratezza e della qualità delle traduzioni.
• Riassunto: Valutazione della capacità del modello di condensare informazioni secondo metriche di accuratezza, rilevanza e coerenza.
• Confronto con esperti umani: Comparazione dei risultati dell’IA con le risposte dei consulenti esperti, valutando accuratezza e pertinenza.

Queste valutazioni hanno dato a Morgan Stanley la fiducia necessaria per implementare i casi d’uso in produzione. Oggi, il 98% dei consulenti di Morgan Stanley utilizza OpenAI quotidianamente: l’accesso ai documenti è passato dal 20% all’80%, i tempi di ricerca si sono drasticamente ridotti e i consulenti dedicano più tempo alle relazioni con i clienti. Come afferma Kaitlin Elliott, Head of Firmwide Generative AI Solutions, “I follow-up che prima richiedevano giorni, ora avvengono in poche ore.”

Lezione 2: Integrare l’IA nei Propri Prodotti

Come Indeed umanizza l’incontro tra domanda e offerta di lavoro

Incorporare l’IA nei prodotti esistenti può creare esperienze cliente completamente nuove e interazioni più significative. Quando l’IA automatizza e accelera il lavoro tedioso e ripetitivo, i dipendenti possono concentrarsi su ciò che solo le persone sanno fare.

Indeed, il principale sito di annunci di lavoro al mondo, utilizza GPT-4o mini per mettere in contatto chi cerca lavoro con le offerte in modi innovativi. Non si tratta solo di fornire ottime raccomandazioni, ma anche di spiegare al candidato perché una specifica offerta gli è stata suggerita. Indeed sfrutta l’analisi dei dati e le capacità di linguaggio naturale di GPT-4o mini per formulare queste spiegazioni nelle email e nei messaggi. La popolare funzione “Invita a candidarsi” spiega perché il background o l’esperienza pregressa di un candidato lo rendono adatto per quella posizione.
I risultati sono stati notevoli:

• Un aumento del 20% nelle candidature avviate.
• Un incremento del 13% nel successo successivo: non solo più candidati si sono proposti, ma i datori di lavoro sono stati più propensi ad assumerli.

Per gestire l’aumento di scala (oltre 20 milioni di messaggi al mese e 350 milioni di visitatori mensili) in modo efficiente, OpenAI e Indeed hanno collaborato per ottimizzare un modello GPT più piccolo, capace di fornire risultati simili con il 60% in meno di token. “Vediamo molte opportunità per continuare a investire in questa nuova infrastruttura in modi che ci aiuteranno a far crescere i ricavi,” commenta Chris Hyams, CEO di Indeed.

Lezione 3: Partire Subito e Investire Precocemente

Come Klarna beneficia dell’effetto cumulativo della conoscenza dell’IA

L’IA raramente è una soluzione “plug-and-play”. I casi d’uso crescono in sofisticazione e impatto attraverso l’iterazione. Prima si inizia, maggiori saranno i benefici che l’organizzazione otterrà dai miglioramenti cumulativi.

Klarna, rete globale di pagamenti e piattaforma di shopping, ha introdotto un nuovo assistente IA per ottimizzare il servizio clienti. In pochi mesi, l’assistente gestiva due terzi di tutte le chat di assistenza, svolgendo il lavoro di centinaia di agenti e riducendo i tempi medi di risoluzione da 11 minuti a soli 2. Si prevede che l’iniziativa genererà 40 milioni di dollari di miglioramento dei profitti, mantenendo punteggi di soddisfazione pari al supporto umano. Klarna ha raggiunto queste prestazioni testando e perfezionando continuamente l’assistente.
Altrettanto importante, il 90% dei dipendenti di Klarna ora utilizza l’IA nel proprio lavoro quotidiano. Questa familiarità diffusa ha permesso a Klarna di muoversi più velocemente e lanciare iniziative interne in modo più efficiente. “Questa svolta nell’interazione con i clienti significa esperienze superiori per i nostri clienti a prezzi migliori, sfide più interessanti per i nostri dipendenti e migliori ritorni per i nostri investitori,” sottolinea Sebastian Siemiatkowski, Co-Founder e CEO.

Lezione 4: Personalizzare e Ottimizzare i Modelli (Fine-Tuning)

Come Lowe’s migliora la ricerca dei prodotti

Le aziende che ottengono i maggiori successi dall’adozione dell’IA sono spesso quelle che investono tempo e risorse nella personalizzazione e nell’addestramento dei propri modelli. Immaginate un modello GPT standard come un abito comprato in negozio: il fine-tuning è l’opzione su misura, il modo per adattare il modello ai dati e alle esigenze specifiche della vostra organizzazione. Questo porta a una maggiore accuratezza, a una migliore comprensione della terminologia del settore e a risultati più rapidi e coerenti con il brand.

Lowe’s, azienda Fortune 50 nel settore del bricolage, ha collaborato con OpenAI per migliorare l’accuratezza e la pertinenza della sua funzione di ricerca e-commerce. Con migliaia di fornitori, Lowe’s deve spesso lavorare con dati di prodotto incompleti o incoerenti. La chiave sta in descrizioni e tag accurati, ma anche nella comprensione di come gli acquirenti cercano, una dinamica che cambia tra le categorie di prodotto.
Grazie al fine-tuning dei modelli OpenAI (specificamente GPT 3.5 sui dati di prodotto), il team di Lowe’s è riuscito a migliorare l’accuratezza del tagging dei prodotti del 20% e il rilevamento degli errori del 60%. Nishant Gupta, Senior Director, Data, Analytics and Computational Intelligence, ricorda: “L’entusiasmo nel team era palpabile quando abbiamo visto i risultati del fine-tuning di GPT 3.5 sui nostri dati di prodotto. Sapevamo di avere un vincitore tra le mani!”

Lezione 5: Mettere l’IA nelle Mani degli Esperti

L’approccio di BBVA guidato dagli esperti

I vostri dipendenti sono i più vicini ai processi e ai problemi aziendali e spesso sono nella posizione migliore per trovare soluzioni basate sull’IA. Mettere l’IA nelle mani di questi esperti può essere molto più potente che cercare di costruire soluzioni generiche.

BBVA, leader bancario globale con oltre 125.000 dipendenti, ha deciso di mettere l’IA nelle mani dei propri collaboratori, lavorando a stretto contatto con i team Legale, Compliance e Sicurezza IT per garantirne un uso responsabile. Hanno implementato ChatGPT Enterprise a livello globale, lasciando che le persone scoprissero i propri casi d’uso. “Normalmente, in un’azienda come la nostra, costruire anche solo un prototipo richiede risorse tecniche e tempo,” spiega Elena Alfaro, Head of Global AI Adoption presso BBVA. “Con i GPT personalizzati, chiunque può creare app per risolvere problemi specifici: è molto facile iniziare.”
In cinque mesi, i dipendenti BBVA hanno creato oltre 2.900 GPT personalizzati, alcuni dei quali riducono i tempi di progetto e processo da settimane a ore. L’impatto si è fatto sentire in molte discipline e dipartimenti:

• Il team Rischio di Credito utilizza ChatGPT per determinare l’affidabilità creditizia più velocemente e con maggiore accuratezza.
• Il team Legale lo usa per rispondere a 40.000 domande all’anno su policy, compliance e altro.
• Il team Servizio Clienti automatizza l’analisi del sentiment dei sondaggi NPS.
  “Consideriamo il nostro investimento in ChatGPT un investimento nelle nostre persone. L’IA amplifica il nostro potenziale e ci aiuta a essere più efficienti e creativi,” aggiunge Alfaro.

Lezione 6: Sbloccare gli Sviluppatori

Mercado Libre costruisce programmi IA più velocemente e con maggiore coerenza

Le risorse degli sviluppatori rappresentano spesso il principale collo di bottiglia e un inibitore della crescita in molte organizzazioni. Quando i team di ingegneria sono sovraccarichi, l’innovazione rallenta e si crea un arretrato insormontabile di app e idee.

Mercado Libre, la più grande azienda di e-commerce e fintech dell’America Latina, ha collaborato con OpenAI per costruire uno strato di piattaforma di sviluppo chiamato Verdi, alimentato da GPT-4o e GPT-4o mini. Oggi, Verdi aiuta i suoi 17.000 sviluppatori a unificare e accelerare la creazione delle loro applicazioni IA. Verdi integra modelli linguistici, nodi Python e API per creare una piattaforma scalabile e coerente che utilizza il linguaggio naturale come interfaccia centrale. Gli sviluppatori ora costruiscono app di alta qualità in modo coerente e più rapido, senza dover entrare nel codice sorgente. Sicurezza, paletti (guardrail) e logica di routing sono tutti integrati.
Di conseguenza, lo sviluppo di app IA è accelerato drasticamente, aiutando i dipendenti di Mercado Libre a:

• Migliorare la capacità di inventario: GPT-4o mini Vision etichetta e completa le schede prodotto, permettendo a Mercado di catalogare 100 volte più prodotti.
• Rilevare frodi: Valutando dati su milioni di schede prodotto ogni giorno, migliorando l’accuratezza del rilevamento frodi a quasi il 99% per gli articoli segnalati.
• Personalizzare le descrizioni dei prodotti: Traducendo titoli e descrizioni per adattarli a dialetti spagnoli e portoghesi specifici.
• Aumentare gli ordini: Automatizzando i riassunti delle recensioni per aiutare gli utenti a cogliere rapidamente il feedback sui prodotti.
• Personalizzare le notifiche: Adattando le notifiche push per aumentare l’engagement e migliorare le raccomandazioni di prodotto.
  “Abbiamo progettato la nostra piattaforma IA ideale utilizzando GPT-4o mini, con un focus sulla riduzione del carico cognitivo e sull’abilitazione dell’intera organizzazione a iterare, sviluppare e implementare soluzioni nuove e innovative,” afferma Sebastian Barrios, SVP of Technology.

Lezione 7: Fissare Obiettivi di Automazione Audaci

Come OpenAI automatizza il proprio lavoro interno

La maggior parte dei processi aziendali comporta molto lavoro di routine, maturo per l’automazione. È fondamentale porsi obiettivi ambiziosi.

Presso OpenAI stessa, l’IA viene vissuta quotidianamente, portando spesso a identificare nuovi modi per automatizzare il lavoro interno. Ad esempio, i team di supporto erano oberati, spendendo tempo ad accedere a sistemi, cercare di capire il contesto, formulare risposte e intraprendere le azioni giuste per i clienti.
Così, OpenAI ha costruito una piattaforma di automazione interna che opera sopra i flussi di lavoro e i sistemi esistenti per automatizzare il lavoro ripetitivo e accelerare l’acquisizione di insight e l’azione. Il primo caso d’uso è stato lavorare su Gmail per creare risposte ai clienti e attivare azioni. Utilizzando questa piattaforma, i team possono accedere istantaneamente ai dati dei clienti e agli articoli di conoscenza pertinenti, quindi incorporare i risultati nelle email di risposta o in azioni specifiche, come l’aggiornamento degli account o l’apertura di ticket di supporto.
Integrando l’IA nei flussi di lavoro esistenti, i team sono più efficienti, reattivi e focalizzati sul cliente. Questa piattaforma gestisce centinaia di migliaia di attività ogni mese, liberando le persone per dedicarsi a lavori di maggior impatto. Non sorprende che il sistema si stia diffondendo in altri dipartimenti. Tutto ciò è accaduto perché sono stati fissati obiettivi di automazione audaci fin dall’inizio, invece di accettare processi inefficienti come un costo inevitabile.

Imparare gli Uni dagli Altri: Conclusioni

Come dimostrano gli esempi precedenti, ogni azienda è ricca di opportunità per sfruttare la potenza dell’IA per ottenere risultati migliori. I casi d’uso possono variare a seconda dell’azienda e del settore, ma le lezioni apprese si applicano a tutti i mercati.
Il tema comune è che l’implementazione dell’IA beneficia di una mentalità aperta e sperimentale, supportata da valutazioni rigorose e da solide misure di sicurezza. Le aziende di successo non si affrettano a iniettare modelli di IA in ogni flusso di lavoro; si allineano piuttosto su casi d’uso ad alto rendimento e basso sforzo, imparano mentre iterano e poi trasferiscono tale apprendimento in nuove aree.
I risultati sono chiari e misurabili: processi più rapidi e accurati, esperienze cliente più personalizzate e un lavoro più gratificante, poiché i dipendenti si concentrano sulle attività in cui eccellono. Stiamo assistendo a un numero crescente di aziende che integrano i flussi di lavoro dell’IA per automatizzare processi sempre più sofisticati, spesso utilizzando strumenti, risorse e altri agenti per portare a termine il lavoro. OpenAI continuerà a riferire dalle prime linee dell’IA per guidare la riflessione e l’adozione in questo campo entusiasmante.