Questo mese abbiamo fatto colazione con…
Marina Geymonat, Coordinatrice del centro di eccellenza sull’intelligenza artificiale, TIM

Per garantire uno sviluppo efficace dell’Artificial Intelligence in azienda è importante favorire la cooperazione fra tutte le divisioni aziendali e promuovere percorsi di change management, oltre che un vero e proprio cambio di forma mentis. Ce ne parla
Marina Geymonat, coordinatrice del centro di eccellenza sull’intelligenza artificiale in TIM.

Quali sono gli ambiti di applicazione dell’Intelligenza Artificiale all’interno di TIM? Quali i principali progetti sviluppati al riguardo?

Tra i principali ambiti di applicazione in TIM rientra sicuramente l’estrazione di informazione di valore dalla grande quantità di dati eterogenei prodotti in continuazione da apparati, reti, sistemi, sensori e che, in termini di estensione e complessità, può essere affrontata efficacemente solo con le moderne tecnologie di AI. L’obiettivo nel nostro caso è poter prendere decisioni rapide ed informate, talvolta addirittura anticipando gli eventi, per operare in modo efficiente, offrendo la massima qualità di servizio ai nostri Clienti.

In particolare, le enormi potenzialità del Machine Learning sono state impiegate in vari ambiti all’interno di TIM, tra cui citiamo in via esemplificativa le più recenti:

• Proactive Quality Ensurance:

Nelle reti di comunicazione, anche in presenza di un ottimo funzionamento dell’hardware (cioè quando le componenti fisiche non hanno motivo di inviare alcuna segnalazione di allarme ai centri di controllo), può accadere che il cliente percepisca un calo della qualità di servizio. Le cause sono spesso da ricercarsi in problemi di configurazione che se ne stanno ben nascosti fino a quando – magari nell’ora di punta – iniziano a causare disservizi massicci e lamentele, e solo a quel punto vengono rilevati ed affrontati.

In TIM abbiamo realizzato un sistema di rilevamento anticipato di situazioni anomale, che è in grado di rilevare i segnali deboli di un problema molto prima che esso si manifesti e i Clienti ne subiscano gli effetti. Questo permette di organizzare interventi mirati, avendo più tempo per studiare e affrontare il problema e risolvendolo senza che si percepisca variazioni nella Qualità del Servizio

Il sistema si basa su una rete neurale che cattura gli schemi “nascosti” nei dati, imparando a riconoscere, per esempio, quando finisce una partita di calcio in streaming e tutti si scollegano contemporaneamente – evento fisiologico che non deve destare nessun allarme – da un analogo calo improvviso del traffico causato, per esempio, dall’attivazione di una configurazione errata su qualche apparato, cioè di un guasto “nascosto” che va rilevato e risolto prima che abbia effetti sui Clienti.

I prossimi passi del progetto mirano a fornire dei suggerimenti riguardo la causa dell’anomalia rilevata, per facilitarne l’individuazione e la risoluzione.

• Smart Alarm Filtering:

per garantire una buona qualità del servizio su tutto il territorio, TIM deve tenere sotto controllo il corretto funzionamento di un’enorme quantità di apparati e sistemi (parliamo di milioni di oggetti fisici), ognuno dei quali, se si guasta, emette una segnalazione, definita in gergo “allarme”, che spesso viene moltiplicato per ogni singolo componente dell’apparato che subisce il guasto e inoltre avvisa anche gli apparati vicini che – nel dubbio = inviano a propria volta un allarme al centro di controllo avvisando che il loro vicino ha un problema.

In definitiva, ogni 5 minuti i centri di controllo di TIM sono letteralmente inondati da migliaia di allarmi tra cui solo il 15% – ad un esame più attento – richiede effettivamente un intervento.

Le segnalazioni ridondanti fanno perdere tempo ai supervisori e li distolgono dall’analisi e dalla risoluzione dei guasti veri, pertanto il corretto filtraggio degli allarmi è stato – da sempre – la chimera per gli operatori che fanno supervisione.

Il filtraggio delle segnalazioni è stato fatto storicamente con regole deterministiche anche molto complesse, ma di recente TIM ha introdotto una soluzione di AI che, apprendendo dai milioni di dati del passato su quali segnalazioni è stato effettivamente necessario intervenire e quali invece sono risultate “falsi allarmi”, ha permesso di dimezzare il numero di segnalazioni presentate, permettendo ai supervisori di focalizzarsi prima e più rapidamente sui problemi veri velocizzandone la risoluzione.

• Predictive e prescriptive analytics:

Algoritmi predittivi, applicati alla grande quantità di dati raccolti dalla rete, permettono di prevedere in anticipo eventuali guasti e ottimizzare gli interventi di manutenzione, effettuandoli in anticipo, se necessario, o posticipandoli se si prevede che l’apparato non ne abbia bisogno.

Risulta evidente che l’efficacia dell’impiego di soluzioni di questo genere dipende fortemente dall’attuazione in parallelo di un importante cambiamento nei processi, nella formazione, negli indicatori utilizzati per valutare le prestazioni e spesso anche nei contratti con i fornitori.

Dall’esperienza abbiamo appreso la necessità di sviluppare sin dalle prime fasi i progetti di Intelligenza Artificiale in collaborazione multidisciplinari che annoverino esperti di AI, gruppi di IT, le persone che dovranno lavorare utilizzando le soluzioni create, e, fondamentale, i responsabili delle risorse umane e del design dei processi.

Quali attività sono state introdotte per migliorare la relazione con il cliente, lavorando su aspetti quali UX/CX?

L’esempio di realizzazione più recente è probabilmente la soluzione di Intelligent Caring, una piattaforma software che permette di creare, gestire e far migliorare nel tempo il nostro Virtual Assistant (VA), Angie.

E, per favore, non chiamiamolo Chatbot.

Angie è un vero e proprio Virtual Assistant, integrato con i sistemi e i canali aziendali, che semplifica le interazioni dei nostri Clienti con TIM attraverso un dialogo in linguaggio naturale, comprendendone le modalità espressive e standardizzando le risposte e la modalità di risoluzione dei problemi.

Nello sviluppo di soluzioni di AI il principio di Lean Startup (cioè iniziare da un piccolo prodotto e farlo crescere progressivamente in base ai feedback degli utilizzatori) è particolarmente importante.

Perché un Virtual Assistant apprenda e migliori, è necessaria la presenza di persone esperte del contesto che lo controllino e lo addestrino progressivamente.

Perché sia efficace e soddisfi le aspettative dei clienti, è necessario che realizzi procedure di risoluzione ottimali, attingendo quando opportuno ai dati presenti in azienda e interagendo con i sistemi necessari.

Quindi, ogni Virtual Assistant ha due anime: la componente cognitiva (che ha l’obiettivo di comprendere cosa desidera il cliente e che apprende grazie all’addestramento) e la componente di automazione (che una volta compreso l’intento del cliente sa esattamente cosa fare, e lo fa nel migliore dei modi).

Ciò vuol dire che, una volta compreso qual è l’intento del cliente, si dà il via ad un processo definito, modellato e certificato dagli esperti del dominio che viene ripetuto sempre nello stesso modo e garantisce che ogni problema sia trattato in modo uniforme per qualsiasi cliente e in qualsiasi momento. Ogni miglioramento apportato alla procedura di risoluzione, magari proprio grazie ai feedback ricevuti da Angie, sarà immediatamente disponibile a tutti i Clienti, secondo il principio di “continuous improvement” che caratterizza non solo le soluzioni di AI, ma più in generale la digital transformation delle aziende.

Che tipo di percorso è stato affrontato e quali strategie sono state adottate per realizzare tali soluzioni?

A livello organizzativo si è scelto di mantenere il Centro di Eccellenza trasversale alle varie aree di applicazione in modo che gli esperti del settore, molto richiesti dal mercato e quindi sempre più difficili da reperire, possano fare massa critica e impiegare le proprie competenze su più progetti, valorizzando le esperienze da un contesto all’altro, e garantendo un approccio coerente anche a livello di Digital Transformation Aziendale, processo che, insieme all’Automazione, deve accompagnare l’introduzione dell’AI in azienda perché se ne massimizzino i benefici.

La chiave di volta del modo di lavorare risiede in un approccio olistico, avendo intorno al tavolo da subito tutti gli stakeholder che possono concorrere ad analizzare un problema, se necessario trasversalmente a molteplici strutture aziendali, in modo da averne una vista a tutto tondo che permetta di sviluppare una soluzione completa che si inserisca agevolmente nei processi e nell’organizzazione aziendali.

Il gruppo collabora anche con le strutture di HR sui temi soft quali la formazione e la creazione di nuove figure professionali, questioni molto importanti per abilitare una Digital Transformation capillare e armonica.

Può farci degli esempi di queste nuove figure professionali e in generale del tipo di expertise richiesta per sviluppare la soluzione di Virtual Assistant?

Per quanto riguarda le soluzioni di tipo cognitivo, in cui si sviluppano sistemi che si comportano mutuando modalità conversazionali tipicamente umane, abbiamo identificato queste nuove figure professionali:

• chi crea e aggiorna i dialoghi, imparando ad utilizzare gli appositi strumenti software che deve essere un esperto del dominio su cui verte il dialogo e saper definire in modo chiaro e univoco la sequenza di interazioni per portare il cliente ad avere le risposte che cerca o a risolvere il problema per cui ci contatta. Per essere efficace, oltre ad un’attitudine ad utilizzare strumenti informatici per costruzione di dialoghi, deve avere competenze di Human Machine Interaction e la capacità di lavorare in team con linguisti, psicologi ed ergonomi.
• Chi addestra il Virtual Assistant, migliorandone la capacità di comprendere le modalità espressive dei Clienti, incluso il lessico specifico del contesto TIM. Anche questa attività fa uso di strumenti software specifici che devono essere appresi, e richiede una conoscenza seppure basilare, sia del contesto, sia del funzionamento dei sistemi di apprendimento per evitare che si effettuino addestramenti con i dati sbagliati. Infatti, così come è difficile togliere le cattive abitudine ad un essere umano, lo è altrettanto recuperare l’efficacia di una soluzione addestrata male. Questo è quindi un ruolo centrale.
• Chi si occupa della governance e del monitoraggio delle prestazioni del sistema, per garantire che si mantengano allineate alle aspettative, sia in termini di richieste smaltite, sia di domande comprese e dialoghi conclusi positivamente con la soddisfazione del Cliente. Anche in questo caso è necessario imparare l’utilizzo dei tool di reportistica e viene richiesta un’ottima capacità di interagire con i livelli manageriali a cui si riportano i dati, comunicando in modo sintetico, chiaro e comprensibile.
• Infine, una competenza del tutto nuova, che in molte aziende manca, sono i linguisti, molto importanti per la capacità di dare voce ai dialoghi dell’assistente virtuale in modo comprensibile, gradevole e rassicurante

E quali sono invece le figure necessarie per la realizzazione delle soluzioni specifiche per TIM, che richiedono anche sviluppi algoritmici?

È una buona domanda, perché in effetti è opportuno differenziare i due ambiti.

Per sviluppare soluzioni di Machine Learning ritagliate sul nostro contesto di dati e processi, sono necessarie figure leggermente diverse dalle precedenti, ma di fatto citate da qualunque report sul tema AI:

• alcuni Data Scientist, esperti di sviluppo degli algoritmi.
• Come ogni azienda ricca di dati, TIM necessita anche di molti Data Analyst che li sappiano leggere nel modo giusto e ne verifichino qualità e completezza.
• Infine, sono indispensabili i Data & Software Engineer per attivare la raccolta massiccia dei dati necessari, realizzare le elaborazioni con efficienza su scala globale, scalando dal prototipo in laboratorio al sistema in esercizio senza perdere né in precisione, né in performance, sviluppando software efficienti e riusabili, e definendo le architetture dei dati in modo che tutto funzioni in tempo reale anche con enormi moli di dati da elaborare.

Quello che di rado trovo nei report, sono altri profili che sono per noi risultati altrettanto importanti:

• designer, nell’accezione di chi sa progettare le soluzioni in modo sistemico, con una visione end to end, che non solo abbatte i silos tecnologici, ma tiene conto degli aspetti di accettabilità, gradevolezza, coerenza complessiva e allineamento con la strategia aziendale; il tutto arricchito da capacità comunicative così efficaci da fare da trait d’union tra i diversi settori aziendali coinvolti
• Esperti di Data Visualisation, necessari in ogni settore che abbia che fare con grandi moli di dati (includendo le tonnellate di file Excel che girano in ogni azienda), per assicurare che le decisioni siano prese sulla base di riscontri reali, ma non solo: che siano in grado di far emergere fenomeni nascosti, magari estemporanei, ma importanti, che solo l’intelligenza umana è in grado di rilevare.

In virtù di quanto esposto finora, secondo Lei quali potrebbero essere i cambiamenti da promuovere per sviluppare progetti di AI che siano veramente efficaci e integrati nell’operatività aziendale?

È necessario innanzitutto adottare una nuova forma mentis che si basi su tre punti chiave.

1. Diffondere una cultura di miglioramento continuo. Quando si comincia ad utilizzare un sistema di AI, bisogna accettare che non ci saranno da subito risultati mirabolanti, ma piuttosto aspettarsi che l’addestramento, beneficiando dei dati reali, ne migliorerà le prestazioni, all’inizio lentamente e poi con velocità sempre crescente. Questo shift delle aspettative è fondamentale, ed è necessario che le aziende lo accettino e lo metabolizzino, pena il rischio di fare tante Proof of Concept in ambiente protetto, che non arriveranno mai a dare i risultati potenzialmente raggiungibili e verranno spente, non innescando mai il circolo virtuoso del miglioramento.
2. Promuovere all’interno dell’azienda la consapevolezza che ogni singolo dato è utile e che la loro correttezza è una priorità. Se tutta l’Azienda vi si presta la dovuta attenzione, i sistemi automatici potranno beneficiare di dati completi e corretti, una ricchezza inestimabile che sta alla base di qualunque buon sistema di Machine Learning.

3. Comprendere la rilevanza di progettare, realizzare e far evolvere i processi in modalità trans-silos che includano punti di vista e competenze molto diversi, sviluppando percorsi di change management per promuovere modalità di lavoro collaborative che sono utili sempre, ma che risultano assolutamente necessarie quando si tratta di introdurre in una grande azienda delle soluzioni basate sull’Intelligenza Artificiale.

In definitiva e riassumendo, cosa vuole condividere di ciò che avete imparato da queste esperienze?

La prima lesson learned è che i vantaggi dell’Intelligenza Artificiale non si misurano solo in termini di risparmio, ma anche nel miglioramento della qualità dei servizi offerti, che continua indefinitamente anche nel lungo periodo, grazie alla maggiore efficienza e uniformità dei processi interni, alla possibilità per le persone di concentrarsi sulla risoluzione delle problematiche complesse. Inoltre, le capacità predittiva dei sistemi di AI permettono di anticipare i problemi, scongiurando i disservizi ai Clienti.

La seconda tematica è legata all’importanza della formazione e dell’evoluzione delle figure professionali che deve accompagnare in modo armonico l’introduzione progressiva di queste soluzioni.

Bisogna, infine, comprendere che l’Intelligenza Artificiale non si sostituisce in alcun modo all’uomo, ma lo aiuta o sgravandolo dei compiti più ripetitivi e soprattutto dandogli strumenti per facilitargli i compiti che richiedono capacità distanti dalle caratteristiche del nostro sistema cognitivo (come, ad esempio, analizzare e capire il significato di milioni di singole misure effettuate contemporaneamente su una rete di telecomunicazione).

Con questi sistemi l’obiettivo è quindi di avere un amplificatore dell’Intelligenza umana e non certo un suo sostituto.