Intelligenza Artificiale nei Call center e contact center

Scritto da gaetano on . Postato in Articoli, Auto risponditore - IVR, Callcenter, Centralini IP/PBX, News, Pillole di IA, Telefonia, Uncategorized

Un contact center dispone di una grande quantità di preziosi dati sui clienti, che i supervisori e i responsabili del controllo qualità possono utilizzare per comprendere facilmente il sentiment, le tendenze e i rischi di conformità delle conversazioni con i clienti.

Queste informazioni consentono alle aziende di formare efficacemente gli operatori telefonici, replicare interazioni di successo e identificare importanti feedback dei clienti.

Detto questo, molte aziende trovano difficile rilevare rapidamente i problemi relativi all’esperienza del cliente.
Fornire feedback agli agenti e ai supervisori del servizio clienti diventa difficile a causa della velocità e della precisione necessarie per analizzare le informazioni pertinenti da enormi quantitativi di dati.

Grazie alla nostra soluzione di Artificial Intelligence “Sentiment Analysis Customer Calls” si risolvono queste sfide fornendo un’esperienza di analisi pronta all’uso.

La nostra soluzione rileva inoltre i problemi dei clienti, le interruzioni e i tempi di inattività e classifica le conversazioni dei clienti in base ai criteri specificati.

Tutto questo e molto altro nelle nostre soluzioni customizzate ed integrate con Vicidial e GoAutodial.

Per maggiori informazioni non esitare a contattarci.

Puoi scriverci cliccando sul pulsante in basso a destra “Assistenza” oppure
compilando il form qui

Intelligenza Artificiale – Deep Blue

Scritto da gaetano on . Postato in Articoli, News, Pillole di IA

L’intelligenza Artificiale è senza dubbio uno dei settori legati all’informatico più in fermento e carichi di aspettative degli ultimi anni. Quello che si cerca di sviluppare è una replica delle principali funzioni cognitive associate alla mente umana, come ad esempio:

  1. Learning: raccolta di informazioni e messa a punti di parametri per usare queste informazioni
  2. Reasoning: uso di regole per raggiungere conclusioni più o meno definite
  3. Problem Solving: ovvero provare ad analizzare un problema per estrapolare da esso una soluzione

Uno degli esempi più noti di intelligenza artificiale è quella del 1997 ovvero Deep Blue dell’IBM che riuscì a battere Garry Kasparov. Il gioco in questione è quello degli scacchi inizialmente si disputo una partita l’anno precedente, nel 1996 in quell’anno però Kasparov riuscì a vincere contro l’intelligenza artificiale con un risultato di 4 a 2, un anno dopo l’intelligenza artificiale si aggiudico il match con il risultato di 3.5 a 2.5.

Il progetto originale si chiamava ChipTest realizzato nel 1985 che era semplicemente un computer ideato per giocare a scacchi, dopo di esso venne realizzato un secondo computer ovvero Deep Thought il nome è tratto da un film chiamato guida galattica per gli autostoppisti.

Hsu e Murray Campbell vennero assunti dall’IBM Research nel 1989, con l’incarico di portare avanti il progetto che porto di conseguenza alla nascita di Deep Blue.

La caratteristica che ha portato Deep Blue alla vittoria era proprio la sua straordinaria potenza computazionale ovvero:

  • Computer a parallelismo massivo a 30 nodi basato su RS/6000 (RISC System)
  • 480 processori specifici VLSI
  • Algoritmo per il gioco degli scacchi è scritto in un linguaggio C
  • Sistema Operativo AIX

Grazie a queste specifiche è in grado di calcolare 200 milioni di posizioni al secondo.

Inizialmente è stato scritto seguendo le caratteristiche del gioco ma successivamente sono state modificate utilizzando le specifiche ottimali definite dalle partite di differenti top player.

Le mosse però venivano sempre compiute da un essere umano di conseguenza Kasparov sospettava che alcune delle mosse definite venivano selezionate dall’uomo, una delle motivazioni era proprio quella che la macchina non si trovava nella stessa stanza nella quale si disputava la partita ma a chilometri di distanza, ma soprattutto il sospetto principale fu quello che non vennero mai forniti i tabulati sull’attività del computer che il giocatore Kasparov aveva richiesto in accordo alla sfida.

Il campione russo tempo dopo chiese la rivincita, ma l’IBM rifiutò e ritirò Deep Blue. Infatti Kasparov vide giusto, le regole permettevano ai creatori di modificare e aggiornare durante i vari match la conoscenza della macchina e che quindi veniva sempre di più allineato allo stile di gioco di Kasparov, permettendogli di evitare trappole o mosse che portavano l’intelligenza artificiale in errore. Da tutto l’accaduto venne realizzato un nuovo gioco chiamato Arimaa che rende impossibile realizzare un calcolatore che possa vincere a questo gioco.

Deep Blue è solo una delle intelligenze artificiali di cui abbiamo parlato ma ne esistono molte altre come ad esempio AlphaGo realizzata per vincere al gioco da tavolo go, considerato fino a pochi anni fa fuori dalla portata delle tecniche di apprendimento automoatico.

Attualmente infatti sono molto pochi i giochi in cui il campione mondiale non è una macchina.

Potremmo di conseguenza generalizzare il tutto definendo il concetto inventato da John Nash nel 1994 ovvero la teoria dei giochi la frase iconica:

il risultato migliore per un gruppo si ottiene non quando “ognuno agisce solo in base a ciò che è meglio per sé”, bensì quando “ogni membro del gruppo agisce in base a ciò che è meglio per se stesso e per il gruppo”. Una formula che si può applicare benissimo anche al mercato.

I “giochi” di cui stiamo parlando non sono ciò che comunemente intendiamo (per intenderci carte, dadi, giochi di ruolo etc.). Il “gioco” nella Game Theory è sinonimo di “interazione” fra soggetti (siano essi individui, aziende, Stati, etc.) in cui le decisioni di ogni “giocatore” influenzano le decisioni di tutti gli altri. L’obiettivo finale della Game Theory è quello di analizzare tali interazioni fra giocatori per trovare una “soluzione del gioco”, che va intesa come la combinazione di decisioni prese dai giocatori che portano a una situazione di equilibrio (detto “equilibrio di Nash”, come vedremo in seguito) in cui nessuno dei giocatori è incentivato a modificare la propria situazione.

Diciamo quindi di conseguenza che è possibile analizzare situazioni molto comuni nelle aziende, riuscendo non solo a comprendere dinamiche all’apparenza inspiegabili in diversi contesti, ma anche a trovare soluzioni “non convenzionali” a problemi all’apparenza insolubili.

Big Data ed intelligenza artificiale

Scritto da gaetano on . Postato in Articoli, Big Data Appliance, News, Pillole di IA


Che cos’è il BigData?
Il termine utilizzato per descrivere un grande volume di dati, strutturati e non strutturati, che inonda l’azienda ogni giorno.
Ma non è la quantità di dati ad essere importante: ciò che conta veramente è quello che l’azienda fa con i dati.
I big data, per contare qualcosa, devono essere analizzati alla ricerca di informazioni di valore che portino a decisioni aziendali migliori e a mosse strategiche di business.
Definiamo i big data sulla base di 3V ovvero:

  1. Volume: Equivale alla quantità dei big data, sia che essi siano stati generati dagli utenti sia che, in maniera automatica, da macchine. Big data come transazioni bancarie e movimenti sui mercati finanziari assumono naturalmente valori mastodontici che non possono in alcun modo essere gestiti con i tradizionali strumenti database. Possiamo ricondurre il volume dei dati generati da una azienda all’ordine di grandezza di terabyte o petabyte.
  2. Velocità: con la crescita dell’Internet delle Cose, i flussi di dati verso le imprese devono essere gestiti in modo tempestivo e a una velocità senza precedenti. Tag RFID, sensori e contatori intelligenti hanno portato la necessità di gestire questi fiumi di dati in tempo quasi reale.
  3. Varietà: E’ la seconda caratteristica dei big data, e riguarda la diversità dei formati e, spesso, l’assenza di una struttura rappresentabile attraverso una tabella in un database relazionale. La varietà dei big data è dovuta anche alla loro mancata strutturazione: tra essi sono infatti inclusi anche documenti di vario genere (txt, csv, PDF, Word, Excel, ecc.), blog post, commenti sui social network o sulle piattaforme di microblogging come Twitter.
    I big data sono vari anche nelle fonti: alcuni sono generati automaticamente da macchine, come i dati provenienti da sensori o i log di accesso a un sito web o quelli del traffico su un router, altri sono generati dagli utenti del web.

Essi sono molto importanti grazie alle loro caratteristiche ed al loro possibile utilizzo.
Attraverso l’analisi di questo grande flusso dati ci consente di:

  1. Ridurre Costi
  2. Ridurre le tempistiche
  3. Di ottimizzare le offerte
  4. Prendere decisioni con tempi minori
  5. Ottimizzare le offerte

Prima che le aziende possano utilizzare i big data, bisogna effettuare 5 fasi

  1. Impostare una strategia basata sui big data
  2. Conoscere le fonti dei big data aziendali
  3. Gestire e memorizzare i big data
  4. Analizzare i big data
  5. Prendere decisioni migliori e Guidate dai dati

Avremo in modo preliminare una fase detta anche SAS Data Preparation ovvero preparare i big data all’analisi significa prima di tutto accedervi, profilarli, ripulirli e trasformarli.
Un compito non semplice data la loro natura in continua evoluzione. A causa della varietà delle fonti di big data, delle loro dimensioni e mutabilità, la preparazione dei dati può richiedere molto tempo.
La data preparazione di SAS semplifica il compito e permette di preparare i dati anche senza avere conoscenze di programmazione, competenze specialistiche o dover dipendere dall’IT.

Le nuove caratteristiche dei Dati forniscono una visione più completa dell’utente che utilizza i propri prodotti offerti e di conseguenza permette di generare delle personalizzazioni specifiche per l’utente che ha davanti e utilizza tali informazioni con funzionalità di marketing predittivo, fornendo agli operatori di marketing più informazioni in modo da creare una strategia d’azione al fine di incrementare il proprio business.

Se nella tua azienda si raccolgono grandi quantità di dati, contattaci per ricevere una consulenza gratuita su come questi possano divenire una risorsa proficua per il tuo business.

La rubrica del tuo telefono gestita dall'intelligenza artificiale

Pillole di IA – Intelligenza artificiale gestirà la tua rubrica

Scritto da Salvatore Guaglianone on . Postato in Articoli, Pillole di IA

A vedere dalle prime immagini rilasciate l’applicazione Sunshine Contacts può sembrare una banale applicazione per cellulare con attività di rubrica, ma la particolarità di quest’app è che sfrutta un sistema di intelligenza artificiale. La start-up è nata da un’idea Marissa Mayer, ex Ceo di Yahoo e cofondatrice di Sunshine, questa azienda si propone nel mercato delle applicazione con l’idea di riuscire a soddisfare un ampia popolazione di consumatori sia in ambito privato che professionale.

L’obiettivo di Sunshine Contacts è quello di unificare e semplificare i contatti attraverso l’app Contatti di Apple e Gmail, estraendo i dati da diverse fonti e combinandoli con informazioni disponibili pubblicamente.
Allo stesso tempo, l’applicazione permette di organizzare e ripulire i contatti, compilando le informazioni mancanti ed eliminando le voci duplicate.

L’applicazione consente l’incremento e l’aggiornamento costante dei dati sulle schede di contatto mediante informazioni acquisite sui social, necessarie a completare i campi mancanti, ad esempio l’aggiunta di un cognome, l’indirizzo mail o l’immagine del profilo. Con questa app non sarà necessario neanche inviare il messaggio della variazione del proprio numero telefonico in quanto viene aggiornato automaticamente, inoltre riesce a comprendere i contatti privati da quelli aziendali e riconosce le numerazioni fisse dai cellulari.

Ciò che rende questa applicazione così straordinaria è l’utilizzo dell’intelligenza artificiale che mediante un monitoraggio della posizioni, dei messaggi di testo (SMS, mail, WhatsApp), e i dati inseriti manualmente sulla propria rubrica, riesce a comprendere la natura del rapporto se amicale, familiare, professionale, saltuario ecc., così da creare delle categorie di contatto dove l’utente può abilitare o disabilitare la condivisione di alcune informazioni, garantendo la propria privacy e quella dei propri familiari; ad esempio se avessi solo il nome di un contatto ed il numero di cellulare, l’app non mi permetterebbe di reperire l’indirizzo di casa.

L’analisi derivata dall’intelligenza artificiale permette di aggiornare solo le schede contatto con gli indirizzi solo se è presente una relazione personale.

La privacy?

Marissa Mayer, ha garantito che la privacy sarà rispettata in quanto è possibile gestire e personalizzare la visione dei propri dati, inoltre la Sunshine ha adottato una policy per la gestione dei dati molto severa, dove viene esclusa la vendita dei dati dei propri utenti perché il concetto di fondo che ha assunto l’azienda è quella che i dati sono dei singoli utenti e solo loro possono decidere in merito alla vendita.
Questa politica spiega Mayer deriva dal fatto che Sunshine Contacts sarà solo la prima applicazione di una lunga serie fornita di IA che servirà a gestire e snellire la gestione di diverse problematiche nate con le nuove tecnologie in modo da garantire maggior tempo libero agli utenti.

Questa applicazione è ancora in formato β-test per le sole numerazioni americane ed è scaricabile solo mediante la compilazione di un form su internet dove alla fine  viene rilasciato un link mediante SMS che consente di scaricare l’applicazione. Il β-test consentirà al sistema di Machine Learning di rodare al meglio il sistema di IA, in modo da garantire all’uscita dell’app un livello di qualità molto elevato al fine di garantire il funzionamento ma ancor più i rispetto della privacy.

La startup dopo il lancio, ha raccolto a maggio di quest’anno 20 milioni di dollari da investitori interni ed esterni, confermando così il trend positivo per lo sviluppo di sistemi che utilizzano l’intelligenza artificiale.

intelligenza artificiale riconosce il covid-19

Pillole di IA – Quando l’intelligenza artificiale riconosce il Covid-19

Scritto da Salvatore Guaglianone on . Postato in Articoli, Pillole di IA

intelligenza artificiale riconosce il covid-19

Ad un anno quasi della sua esplosione, sono ben due le startup che si basano sull’ intelligenza artificiale per il riconoscimento delle persone affette da covid-19.

La prima è tutta italiana nasce all’Università Tor Vergata di Roma dove da circa 10 anni sta studiando il riconoscimento di alcune patologie cerebrali  in fase iniziale come l’Alzheimer ed il Parkinson mediante l’ascolto della voce, dove i riscontri positivi hanno portato l’università alla creazione di uno spin-off chiamato VoiceWise che oggi è protagonista  assieme al Parco Tecnologico Technoscience di Latina e al Policlinico San Matteo di Pavia e con la collaborazione di Huawei nel riconoscimento delle persone affette da covid-19 asintomatiche o in fase iniziale. 

Il sistema di intelligenza artificiale italiano è stato implementato grazie all’utilizzo del Machine Learning sia nella fase di studio originaria e sia nella fase di studio post covid-19 che ha visto 150 persone  positive al covid-19 che hanno fornito la propria voce per permettere al sistema di riconoscere le caratteristiche specifiche della voce per le persone affette da covid-19, naturalmente questa sperimentazione poi è stata ampliata ad un pubblico più vasto ed uniforme, questo è stato permesso anche grazie allo collaborazione di Huawei che ha fornito dei dispositivi all’avanguardia come smartphone e tablet che permettono di registrare la voce in alta qualità come ad esempio Mate30 Pro, P30 Pro e Mediapad M5 lite

Il Professore Giovanni Saggio, che è il responsabile del progetto ha affermato che potrebbe essere una risposta diagnostica tempestiva ed efficace del prossimo futuro in quanto la voce umana presenta circa 7000 parametri riscontrabili spesso non udibili dall’orecchio umano ma facilmente percepibili dall’algoritmo.

 Oggi VoiceWise permette anche il riconoscimento di altre patologie con un’accuratezza che varia dal 95% al 98% il futuro di questa tecnologia, afferma il professor Saggio, è che presto si potrà stimare anche il grado della malattia.

 L’altra Startup ha avuto luogo in quel del MIT, loro si sono ispirati alla classica richiesta del medico durante la visita “faccia un colpo di tosse”. Infatti l’algoritmo del MIT è stato elaborato sul riconoscimento della dell’infezione da covid-19 mediante un colpo di tosse. 

Anche il MIT ha utilizzato un sistema di Machine Learning per il riconoscimento del colpo di tosse, ed ha chiesto a milioni di utenti del web di andare su un sito specifico per permettergli di registrare il loro colpo di tosse, per permettere così all’algoritmo di lavorare su un numero relativamente grande di dati in modo da definire al meglio le caratteristiche di chi è affetto da covid-19.

Al termine della campagna di campionamento il sistema studiato dal MIT ha dato eccellenti risultati portando un riconoscimento nel 98,5% di persone affette da covid-19 sintomatiche, mentre per le asintomatiche si è raggiunto addirittura il 100% di riconoscimento.

Come affermiamo da diverso tempo l’intelligenza artificiale sarà il nostro futuro quindi sia le aziende che le pubbliche amministrazioni che le ODV non dovrebbero farsi cogliere impreparati e sfruttare al meglio questa nuova tecnologia che ben presto utilizzeremo giornalmente.

Google+