Come l’Intelligenza Artificiale trasformerà l’Industria dei Servizi nel 2024
Mentre l’Intelligenza Artificiale (AI) generativa e l’apprendimento automatico si integrano sempre più in varie operazioni e processi del settore dei servizi, Mark Brewer, Vicepresidente del settore dei servizi di IFS, delinea le sue cinque principali previsioni sui progressi del settore guidati dall’AI nel 2024. Inoltre, fornisce approfondimenti sulle potenziali intersezioni e opportunità derivanti da queste tendenze distinte.
Previsione #1: Rivoluzione AI nei Contact center
Entro il 2025, si prevede che la metà dei contact center implementerà un sistema di copilota AI, consentendo a ciascun agente di affidarsi a una controparte esperta. I contact center sono da tempo alle prese con le sfide del personale, con uno sconcertante tasso di abbandono del 42% riportato in una recente indagine globale di NICE WEM nel 2021. Quasi un terzo degli intervistati era alla ricerca attiva di un nuovo impiego e solo il 60% di questi desiderava un altro ruolo all’interno di un contact center. Si tratta di un numero significativo di agenti disillusi.
La transizione verso stack tecnologici basati sull’intelligenza artificiale nei call center ha il potenziale per risolvere questi problemi. È in grado di migliorare la soddisfazione dei clienti e di alleviare la tensione dovuta all’aumento del volume delle chiamate vocali, fornendo un supporto continuo agli agenti e mantenendoli interessati e impegnati. La gestione delle chiamate dei clienti relative a problemi come guasti ai veicoli o caldaie rotte richiede che gli agenti raccolgano informazioni complesse e ad alto livello di stress. Spesso i dettagli necessari e le variabili logistiche sono dispersi in più sistemi, il che richiede una considerazione globale per la risoluzione delle chiamate in tempo reale
Miglioramento delle prestazioni degli agenti
L’intelligenza artificiale (AI) offre un mezzo per assistere gli agenti in tempo reale introducendo un assistente virtuale, essenzialmente un copilota, durante le loro attività di elaborazione delle chiamate.
Ad esempio, un copilota AI può stabilire autonomamente le priorità ed evidenziare visivamente le chiamate più urgenti per gli agenti su un cruscotto, utilizzando il riconoscimento vocale per identificare le frasi chiave di una richiesta. Allo stesso modo, può fornire informazioni sensibili al contesto durante la chiamata, ad esempio suggerimenti per la diagnosi dei guasti o dettagli sulla vicinanza e sui tempi di viaggio del tecnico qualificato più vicino. In questo scenario, la tecnologia autonoma intelligente non sostituisce l’agente, ma ne potenzia le capacità, consentendogli di offrire un’esperienza migliore, più rassicurante ed efficiente al cliente.
Con il supporto di un copilota alimentato dall’intelligenza artificiale, ogni agente, anche quelli nuovi o relativamente inesperti, diventa competente.
Previsione #2 : Sostenibilità e Economia Circolare
Si stima che entro il 2026 il 70% delle organizzazioni adotterà un approccio “circolare per impostazione predefinita”, rispondendo alla crescente enfasi sulla sostenibilità a livello globale. Il paradigma della sostenibilità si sta notevolmente spostando dalla conformità obbligatoria alle normative al desiderio proattivo di abbracciare intrinsecamente la sostenibilità.
Riconoscendo le preferenze dei consumatori per le aziende attente all’ambiente, le organizzazioni sono sempre più motivate a incorporare i principi dell’economia circolare.
Contemporaneamente, il modello di servizio basato sui risultati sta guadagnando terreno, con i consumatori che mostrano interesse per le offerte in abbonamento come il riscaldamento come servizio. Questo modello consente ai fornitori di effettuare una manutenzione proattiva degli asset, prolungandone la durata e riducendo di conseguenza le emissioni, i rifiuti e la necessità di riciclaggio.
I progressi previsti includono anche l’integrazione di capacità di auto-riparazione in nuovi prodotti come elettrodomestici e veicoli. Questa innovazione mira a ridurre al minimo i costi, i tempi e l’impatto ambientale associati alle inutili visite di assistenza sul campo.
Previsione #3: L’Avvento della Computer Vision
Entro il 2027, si prevede che circa il 30% delle organizzazioni asset-centriche utilizzerà la computer vision per l’osservazione e l’analisi. Mentre l’intelligenza artificiale consente ai computer di pensare, la computer vision li abilita a vedere e comprendere le informazioni visive. In contesti come la produzione o la lavorazione, l’intelligenza artificiale può essere addestrata a esaminare le immagini video, identificando i difetti o i rischi per la sicurezza.
Settori come quello petrolifero, gas e marittimo stanno già utilizzando la computer vision per monitorare e rilevare problemi come la corrosione, facilitando ispezioni tempestive e manutenzione preventiva. Inoltre, robot autonomi dotati di più telecamere sorvegliano le operazioni in fabbriche e magazzini.
L’integrazione di telecamere nei veicoli commerciali e per passeggeri è diventata una prassi comune, che consente di catturare video durante il viaggio. Applicando gli opportuni algoritmi di riconoscimento delle immagini, questo flusso continuo di dati supporta le applicazioni di computer vision.
Ad esempio, può identificare i problemi di manutenzione delle infrastrutture, come i cartelli stradali oscurati, gli alberi che interferiscono con i cavi aerei e le linee telefoniche e i veicoli che rilevano e segnalano automaticamente la posizione delle buche.
Previsione #4: Veicoli Autonomi per la Massimizzazione della Produttività
Entro il 2028, si prevede che circa il 30% delle organizzazioni di assistenza sperimenterà veicoli autonomi per raggiungere la “produttività totale”.
Tradizionalmente, un parametro chiave dell’assistenza sul campo (Field Service Management) è la produttività o l’utilizzo, che rappresenta la percentuale di tempo che un tecnico sul campo dedica alle attività effettive. Questo “tempo di lavoro” varia in genere dal 50% al 95%, e la maggior parte delle organizzazioni punta a un utilizzo del 70-80%.
La guida consuma circa il 30% della giornata di un ingegnere, mentre le attività amministrative aggiungono un ulteriore 20-30%. L’introduzione dei veicoli autonomi trasforma il tempo di viaggio in tempo produttivo, consentendo agli ingegneri di prepararsi per le visite future mentre il veicolo si occupa della guida.
I viaggi autonomi, pianificati digitalmente e instradati in modo efficiente, tengono conto di fattori quali l’autonomia dei veicoli elettrici e i requisiti di ricarica. A differenza dei conducenti umani, che possono avere difficoltà con questa pianificazione, IFS Planning & Scheduling Optimization (PSO) guidato dall’intelligenza artificiale elimina le congetture. L’applicazione non solo pianifica gli orari e i percorsi ottimali, ma si adatta dinamicamente in base ai dati di telemetria del veicolo in tempo reale. Ad esempio, è possibile inserire strategicamente una sosta di ricarica di 10 minuti, consentendo a un ingegnere di completare due lavori aggiuntivi e aumentando così la produttività giornaliera del 50%.
Previsione #5: L’AI come Gestore di Flotte Definitivo
Entro il 2026, si prevede che l’intelligenza artificiale diventerà il gestore di flotte definitivo per il 40% dei fornitori di servizi incentrati sugli asset.
L’utilizzo dei dati video in streaming provenienti dagli asset e la loro interpretazione attraverso la computer vision miglioreranno significativamente la visibilità per i gestori di flotte.
Ad esempio, le turbine eoliche dotate di telerilevamento IoT forniscono ai produttori di turbine dati operativi e sulle prestazioni in tempo reale provenienti da numerosi asset nelle installazioni dei parchi eolici dei clienti. Grazie all’IA, l’intelligenza derivata da telecamere, sensori, registri di assistenza e modelli di gemelli digitali offre ai gestori di flotte una visibilità senza precedenti.
Le capacità dell’intelligenza artificiale includono la rapida identificazione dei parchi eolici che superano gli altri in termini di efficienza e produzione di energia. È in grado di confrontare le specifiche per individuare le ragioni alla base delle prestazioni superiori, come ad esempio una calibrazione più efficace degli ingranaggi. Riconoscendo un vantaggio competitivo, l’intelligenza artificiale genera automaticamente proposte per servizi di ricalibrazione, offrendo un’opportunità di vendita agli operatori di parchi eolici con prestazioni inferiori. L’intero processo, compresa la determinazione dei prezzi dei servizi, viene avviato dall’intelligenza artificiale con un intervento umano minimo e senza telefonate di vendita. Il passaggio da una vendita basata sulle transazioni a una partnership consultiva, basata sui fatti e a valore aggiunto è facilitato dall’intelligenza artificiale.
Dalla prevenzione dei tempi di inattività al miglioramento della gestione
Analogamente, in un contesto di produzione, l’analisi dell’intelligenza artificiale consente ai produttori di macchine di ottimizzare l’efficienza, la produttività e la resa dei clienti durante l’intero ciclo di vita.
In questo modo si supera l’approccio tradizionale alla manutenzione, che si concentra esclusivamente sulla prevenzione dei tempi di inattività, per estendersi alla guida attiva dei miglioramenti operativi.
Eliminando la soggettività umana e anticipando proattivamente i cambiamenti, l’IA consente a ogni azienda di essere potenzialmente leader nel proprio settore. Variabili come il meteo, l’andamento delle vendite, la domanda e i turni di utilizzo vengono automaticamente integrati in una panoramica delle prestazioni informata dall’intelligenza artificiale. Anche l’assistenza può essere personalizzata, poiché l’intelligenza artificiale genera documentazione e raccomandazioni specifiche per ogni caso, assicurando la parte di assistenza esatta, la procedura ottimale e l’intervallo di tempo in ogni occasione.
Ad esempio, il programma Rolls Royce Blue Data Thread utilizza l’intelligenza artificiale per analizzare i dati sulle prestazioni dei motori di diverse flotte di aerei dei clienti. Ciò consente di stabilire intervalli di manutenzione specifici per modelli di aerei simili, personalizzati in base all’utilizzo e all’usura del motore. Questo servizio a valore aggiunto non solo riduce l’inutile
AOG (Aircraft On Ground), ma aumenta anche la redditività operativa.
In sintesi, si prevedono cambiamenti significativi nel settore, resi possibili dall’intelligenza artificiale, che porteranno a una vera e propria rivoluzione del settore. I prossimi articoli approfondiranno questi sviluppi, con il servizio in prima linea. Le vostre opinioni su questi progressi sono benvenute.[CL1]
Per ulteriori informazioni su come IFS sfrutta l’IA per gestire e migliorare il servizio, visitate IFS.ai