L’impatto iniziale è già significativo, ma il grosso deve ancora arrivare
di David C. Edelman e Mark Abraham
L’IA generativa cambierà il modo in cui interagiamo con tutti i software e, dato che molti marchi hanno componenti software significative nel modo in cui interagiscono con i clienti, guiderà e caratterizzerà il modo in cui sempre più marchi competeranno.
In un articolo su HBR dell’aprile 2022, “La Customer Experience nell’era dell’IA”, abbiamo discusso di come l’uso delle informazioni sui clienti stia già differenziando le esperienze dei marchi. Ora, con l’IA generativa, la personalizzazione si spingerà ancora più in là, adattando tutti gli aspetti dell’interazione digitale al modo in cui il cliente desidera che si svolga, e non a quello in cui i progettisti di prodotti pensano di inserire più menu e funzioni. E poi, man mano che il software seguirà il cliente, si spingerà oltre gli stretti confini del prodotto di un brand: dovrà, infatti, offrire soluzioni alle cose che il cliente vuole fare. Dovrà risolvere l’intero pacchetto di ciò di cui una persona ha bisogno e aiutarla a percorrere l’intero viaggio per raggiungerlo, anche se ciò significa collegarsi a partner esterni, ripensare la definizione della propria offerta e sviluppare i dati sottostanti e l’architettura tecnologica per collegare tutto ciò che è coinvolto nella soluzione.
L’IA generativa è in grado di “generare” testo, parlato, immagini, musica, video e soprattutto codice. Quando questa capacità si unisce a un feed di informazioni personali, utilizzato per personalizzare il quando, il cosa e il come di un’interazione, allora la facilità con cui si possono fare le cose e la più ampia accessibilità del software aumentano drasticamente. La semplice casella di input che sta al centro di Google e ora della maggior parte dei sistemi di intelligenza artificiale generativa, come in ChatGPT e DALL-E 2, alimenterà molti più sistemi. Dite addio ai menu a tendina nei software e alle restrizioni intrinsecamente guidate che impongono il loro utilizzo. Al contrario, vedrete solo: “Cosa vuoi fare oggi?”. E quando risponderete alla domanda, probabilmente vi offrirà alcuni suggerimenti, basandosi sulla conoscenza di ciò che avete fatto l’ultima volta, sui fattori scatenanti che il sistema conosce del vostro contesto attuale e su ciò che avete già memorizzato nel sistema come obiettivi principali, come “risparmiare per un viaggio”, “ristrutturare la nostra cucina”, “gestire i piani dei pasti per la mia famiglia di cinque persone con esigenze dietetiche speciali”, ecc.
Senza i limiti di un’interfaccia software convenzionale, i consumatori vorranno solo ottenere ciò di cui hanno bisogno, senza preoccuparsi se il marchio dietro il software ha dei limiti. Il cambiamento nel modo in cui interagiamo e in ciò che ci aspettiamo dall’interazione sarà drammatico, e drammaticamente più democratizzante.
Gran parte del clamore suscitato dall’IA generativa si è concentrato sulla sua capacità di generare testo, immagini e suoni, ma è anche in grado di creare codici per automatizzare le azioni e facilitare l’inserimento di dati esterni e interni. Generando codici in risposta a un comando, facilita all’utente la scorciatoia che lo porta da un comando a un’azione che viene semplicemente eseguita: non è più necessario lavorare attraverso tutti i menu del software. Anche le domande e le analisi dei dati memorizzati in un’applicazione saranno facilmente portate a termine semplicemente chiedendo: “Chi sono i contatti che non ho chiamato negli ultimi 90 giorni?” o “Quando è prevista la prossima volta che sarò a New York per una cena?”. Per rispondere a queste domande ora dobbiamo entrare in un’applicazione e raccogliere dati (possibilmente manualmente) dall’esterno dell’applicazione stessa; adesso la domanda può essere riconosciuta, il codice creato, le possibilità classificate e la risposta migliore generata in pochi millisecondi.
Questo semplifica drasticamente il modo in cui interagiamo con quelle che consideriamo le applicazioni di oggi. Inoltre, consente a un maggior numero di marchi di creare applicazioni come parte della loro proposta di valore. “Date le condizioni meteo, il traffico e le persone con cui sono, dammi un itinerario turistico per il pomeriggio, con una guida continua e la possibilità di acquistare i biglietti in anticipo per saltare le code”. “Ecco il mio budget, ecco cinque foto del mio bagno attuale, ecco cosa voglio dal bagno, ora dammi un progetto di ristrutturazione, un piano completo per realizzarlo e la possibilità di fare un’offerta”. Chi creerà queste capacità? Potenti aziende tecnologiche? Marchi che hanno già relazioni nelle loro categorie di riferimento? Nuovi e mirati distruttori? Il gioco è appena iniziato, ma le capacità e le filosofie aziendali necessarie stanno già prendendo forma.
Un viaggio più ampio con confini più ampi
In un mondo in cui proliferano l’IA generativa e tutti gli altri sistemi di IA in evoluzione, per costruire la propria offerta è necessario concentrarsi su una visione più ampia possibile del proprio pool di dati, dei viaggi che è possibile attivare e dei rischi che essi comportano:
Raggruppare i dati. Per rispondere alle esigenze complete di un cliente è necessario attingere alle informazioni di tutta l’azienda, e probabilmente anche oltre i suoi confini. Una delle sfide più grandi per la maggior parte delle applicazioni, e in realtà per la maggior parte dei reparti IT, è quella di riunire i dati da sistemi diversi. Molti sistemi di intelligenza artificiale sono in grado di scrivere il codice necessario per comprendere gli schemi di due diversi database e integrarli in un unico repository, risparmiando così diversi passaggi nella standardizzazione dello schema dei dati. I team di IA devono comunque dedicare tempo alla pulizia e alla governance dei dati e alla governance (probabilmente ancora di più), ad esempio allineandosi sulle giuste definizioni delle caratteristiche chiave di questi. Tuttavia, con le capacità dell’IA in mano, le fasi successive del processo per riunire tutti i dati diventano più semplici.
Narrative AI, ad esempio, offre un marketplace per l’acquisto e la vendita di dati, insieme a un software per la collaborazione dei dati che consente alle aziende di importare dati da qualsiasi luogo nei propri archivi, allineati al proprio schema, con un semplice clic. I dati provenienti da tutta l’azienda, dai partner o dai venditori di dati possono essere integrati e utilizzati per la modellazione in un attimo.
La combinazione dei propri dati proprietari con dati pubblici, provenienti da altri strumenti di IA disponibili e da molte parti esterne può migliorare notevolmente la capacità dell’IA di comprendere il contesto, di prevedere ciò che viene chiesto e di disporre di un pool più ampio da cui eseguire un comando.
Tuttavia, la vecchia regola del “garbage in, garbage out” è ancora valida. Soprattutto quando si tratta di integrare dati di terze parti, è importante fare un controllo incrociato con i dati interni prima di integrarli nel set di dati sottostante. Ad esempio, un marchio di moda ha recentemente scoperto che i dati di genere acquistati da una fonte terza non corrispondevano ai dati interni nel 50% dei casi, quindi la fonte e l’affidabilità sono davvero importanti.
Il “livello delle regole” diventa ancora più critico. Senza le ovvie restrizioni su ciò che un cliente può chiedere in una casella di input, l’IA deve avere delle linee guida che assicurino che risponda in modo appropriato a cose che vanno oltre le sue possibilità o che sono inappropriate. Ciò amplifica la necessità di concentrarsi sul livello delle regole, dove i progettisti dell’esperienza, i responsabili del marketing e i decisori aziendali stabiliscono i parametri da ottimizzare per l’IA.
Ad esempio, per un marchio di compagnie aeree che ha sfruttato l’IA per decidere la “conversazione successiva migliore” da intraprendere con i clienti, abbiamo stabilito regole su quali prodotti potessero essere commercializzati a quali clienti, su quali copie potessero essere utilizzate in quali giurisdizioni e su regole anti-ripetizione per garantire che i clienti non venissero bombardati con messaggi irrilevanti.
Questi vincoli diventano ancora più critici nell’era dell’IA generativa. Come stanno scoprendo i pionieri di queste soluzioni, i clienti non tarderanno a far notare quando la macchina si “rompe” e produce soluzioni non sensate. I migliori approcci inizieranno quindi in piccolo, saranno adattati a soluzioni specifiche in cui le regole possono essere definite con precisione e i decisori umani saranno in grado di progettare regole per i casi limite.
Fornire il percorso end-to-end e gli specifici casi d’uso coinvolti. I clienti chiederanno solo ciò di cui hanno bisogno e cercheranno il modo più semplice e/o economico per ottenerlo. Qual è il vero obiettivo finale del cliente? Fino a che punto si può arrivare? Con la possibilità di spostare più facilmente le informazioni tra le parti, è possibile creare partnership per i dati e per l’esecuzione delle azioni volte ad aiutare il cliente nel suo percorso, per cui il vostro ecosistema di relazioni commerciali differenzierà il vostro marchio.
Nella sua impressionante dimostrazione di come Hubspot sta incorporando l’IA generativa in “ChatSpot”, Dharmesh Shah, CTO e fondatore di Hubspot, ha illustrato come stanno mescolando le capacità di HubSpot con OpenAI e con altri strumenti. Non solo mostra l’interfaccia di Hubspot ridotta a un solo prompt di inserimento del testo, ma mostra anche nuove funzionalità che si estendono ben oltre gli attuali confini dell’applicazione. Un venditore che voglia inviare un’e-mail a un business leader di un’azienda target può utilizzare ChatSpot per eseguire ricerche sull’azienda e sul business leader target e quindi redigere una bozza di e-mail che incorpori sia le informazioni della ricerca sia quelle che conosce del venditore stesso. La bozza di e-mail così ottenuta può essere modificata, inviata e monitorata dal sistema di HubSpot, mentre il business leader target viene automaticamente inserito in un database di contatti con tutte le informazioni associate.
La potenza delle informazioni connesse, della creazione automatica di codici e dei risultati generati sta portando molte altre aziende a estendere i propri confini, non come una convenzionale espansione “verticale” o “orizzontale”, ma come una “espansione di viaggio”. Quando potete offrire “servizi” basati su un semplice comando dell’utente, questi comandi rifletteranno il vero obiettivo del cliente e la soluzione totale che cerca, non solo una piccola componente di cui magari vi siete occupati in precedenza.
Differenziatevi attraverso il vostro ecosistema. Risolvere queste esigenze più ampie vi porterà inevitabilmente a stringere nuovi tipi di rapporti con i partner. Mentre costruite le vostre capacità di viaggio end-to-end, il modo in cui costruite queste relazioni commerciali sarà una nuova base critica per la strategia. Quanto sono affidabili, ben autorizzati, tempestivi, completi e parziali i loro dati. Come utilizzeranno i dati inviati dal vostro marchio? Qual è la base del vostro rapporto, del controllo di qualità e dell’integrazione dei dati? Partnership privilegiate prenegoziate? Un semplice rapporto di fornitura? In che modo farete pagare il servizio più ampio e in che modo le parti coinvolte otterranno la loro parte?
Analogamente a come i marchi di ricerca come Google, i marketplace di e-commerce come Amazon e i motori di raccomandazione come TripAdvisor diventano gateway per i venditori, altri marchi possono diventare navigatori front-end per il viaggio del cliente se sono in grado di offrire partner di qualità, personalizzazione dell’esperienza e semplicità. CVS potrebbe diventare un coordinatore di una rete sanitaria completa a cui si collegheranno fornitori di servizi sanitari, tecnologie sanitarie, servizi per il benessere, farmaci e altri servizi di supporto. Quando l’app vi permetterà di chiedere semplicemente: “Come puoi aiutarmi a perdere 10 chili” o “Come puoi aiutarmi a gestire la mia crescente artrite”, il programma end-to-end che possono generare e poi gestire completamente, attraverso le richieste all’utente e le informazioni passate attraverso la loro rete, sarà un elemento di differenziazione critico nel modo in cui, come marchio, costruiranno la fedeltà, cattureranno i vostri dati e li useranno per continuare ad aumentare la qualità del servizio.
Privilegiare la sicurezza, l’equità, la privacy, la protezione e la trasparenza. Il modo in cui gestite i dati diventa parte del vostro marchio e i risultati per i vostri clienti avranno casi limite e rischi di distorsione che dovrete cercare di mitigare. Leggiamo tutti storie di persone che spingono i sistemi di IA generativa, come ChatGPT, agli estremi e ricevono quelle che gli sviluppatori dell’applicazione chiamano “allucinazioni” o risposte bizzarre. Si assiste anche a risposte che si presentano come solide affermazioni di fatti errati, o altre che derivano da basi di dati distorte che possono portare a risultati pericolosi per alcune popolazioni. Le aziende vengono anche “smascherate” per aver condiviso informazioni private sui clienti con altre parti, senza l’autorizzazione dei clienti stessi e chiaramente non a loro beneficio.
I rischi – dai dati di base, alla gestione dei dati, alla natura dei risultati dell’IA generativa – continueranno a moltiplicarsi. Alcune aziende, come American Express, hanno creato nuove posizioni per i Chief Customer Protection Officer, il cui ruolo è quello di tenere d’occhio i potenziali scenari di rischio, ma soprattutto di inserire misure di salvaguardia nel modo in cui i product manager sviluppano e gestiscono i sistemi. I comitati per il rischio dei consigli di amministrazione delle aziende stanno già coinvolgendo nuovi esperti e ampliando le loro competenze, ma è necessario intervenire in modo preventivo. Verificare che i pool di dati non siano parziali, capire da dove provengono i dati e i rischi di copyright/accuratezza/privacy, gestire le autorizzazioni esplicite dei clienti, limitare la portata delle informazioni e testare costantemente l’applicazione per individuare i casi limite in cui i clienti potrebbero spingerla all’estremo, sono tutti processi critici da inserire nella propria disciplina di gestione dei prodotti e nelle domande che i vertici aziendali sono chiamati a porsi di routine. I consigli di amministrazione si aspetteranno di vedere i cruscotti di questo tipo di attività e anche altri organi di controllo esterni, compresi gli avvocati che rappresentano le sfide legali, li richiederanno.
NE VALE LA PENA? I rischi si moltiplicheranno costantemente e i costi di creazione delle strutture per gestire tali rischi saranno reali. Abbiamo appena iniziato a capire come gestire su scala i rischi di parzialità, accuratezza, copyright, privacy e manipolazione delle classifiche. L’opacità dei sistemi rende spesso impossibile spiegare come sia avvenuto un risultato e se è necessario un qualche tipo di verifica.
Tuttavia, le capacità dell’IA generativa non solo sono disponibili, ma rappresentano la classe di applicazioni in più rapida crescita. L’accuratezza migliorerà con l’aumentare del bacino di dati disponibili e con il lavoro dei sistemi di IA paralleli e degli “umani nel loop” per trovare e rimediare a quelle spiacevoli “allucinazioni”.
Il potenziale di semplicità, personalizzazione e democratizzazione dell’accesso alle applicazioni nuove ed esistenti attirerà non solo centinaia di start-up, ma anche molti marchi affermati a creare nuove offerte orientate all’IA. Se riusciranno a fare qualcosa di più di un semplice intrattenimento e ad accompagnare il cliente in un percorso più ampio di quanto sia mai stato fatto prima, e a farlo in modo da ispirare fiducia, i marchi potrebbero aprire nuove fonti di guadagno grazie ai servizi che possono attivare al di là dei loro confini attualmente ristretti. Per i casi d’uso giusti, la velocità e la personalizzazione potrebbero valere un sovrapprezzo. Ma più probabilmente, le capacità di automazione dell’IA elimineranno i costi dal sistema complessivo e metteranno sotto pressione tutti i partecipanti affinché gestiscano in modo efficiente e competano di conseguenza.
Stiamo aprendo letteralmente un nuovo dialogo tra i marchi e i loro clienti. Non siamo più alle descrizioni esoteriche di ciò che accadeva nei primi giorni di interazione digitale. Ora ci stiamo parlando per fare le cose insieme, in modo semplice e affidabile proprio come richiesto dal cliente. La corsa è aperta per vedere quali sono i marchi in grado di portare questo progetto a termine.
David C. Edelman è consulente esecutivo e docente senior presso la Harvard Business School.
Mark Abraham è amministratore delegato e senior partner del Boston Consulting Group.
