Si intitola “Operationalizing machine learning in processes” il nuovo Report di McKinsey & Company in cui viene analizzato il potenziale che il machine learning riveste per le aziende e come queste possano implementarlo al meglio per generare un valore reale e duraturo.
A redigerlo ci hanno pensato Rohit Panikkar, Tamim Saleh, Maxime Szybowski e Rob Whiteman.
Secondo una recente ricerca di McKinsey, integrando il machine learning nei processi, le organizzazioni leader stanno aumentando la loro efficienza del 30%, a cui si accompagna un incremento dei ricavi dal 5% al 10 %.
In un’azienda sanitaria, ad esempio un modello predittivo che classifica le richieste di risarcimento in diverse classi di rischio è stato in grado di aumentare del 30% il numero di richieste pagate automaticamente, diminuendo lo sforzo manuale di un quarto.
Inoltre, grazie all’adozione del machine learning, le organizzazioni possono sviluppare processi scalabili e resilienti capaci di generare valore negli anni a venire.
4 step per trasformare il machine learning in vantaggio
La tecnologia di ML e i relativi casi d’uso si stanno evolvendo rapidamente, e i leader possono essere sopraffatti dal ritmo del cambiamento. Per ridurre la complessità, le organizzazioni più avanzate stanno applicando un approccio basato su quattro fasi:
- Creare economie di scala e di competenze, che permettano al team di implementazione di riutilizzare le conoscenze acquisite da un’iniziativa per perfezionarne un’altra, generando un vantaggio in termini di ritorno sull’investimento
- Valutare quali siano le competenze necessarie per il business e come sviluppare modelli di ML adeguati
- Fornire ai modelli di ML dati di qualità da analizzare e da cui imparare
- Standardizzare i progetti ML per favorire la loro implementazione e scalabilità all’interno dell’azienda
ML: serve anche la giusta mentalità
Il ML è, dunque, diventato uno strumento essenziale per le aziende che vogliono automatizzare i processi, eppure il “viaggio” da compiere resta difficile. Per realizzarlo al meglio serve anche che le aziende abbiano la giusta mentalità ricordando sempre che, più dati ci sono, meglio è.
Ciò detto, i ricercatori di McKinsey ricordano che, poiché il machine learning porta con sé notevoli sfide, è essenziale suddividerlo in passi gestibili. Il suggerimento, allora, è quello di sviluppare casi d’uso individuali e di immaginare da capo l’intero processo riprogettando il modo in cui le persone e le macchine oggi lavorano insieme.
La conclusione del report è chiara: utilizzare il machine learning per automatizzare i processi è senz’altro un’opportunità per le aziende ma occorre cambiare approccio e rendere operativo il ML su scala.
