Letture. Come cambia l’organizzazione, come impara una macchina, come si consumano algoritmi. Readings

Pensando i robot in arrivoTrasformazione organizzativa

Le aziende si stanno trasformando, o direttamente giocando con il digitale e la globalizzazione oppure indirettamente come conseguenza – in un modo o nell’altro – del digitale e della globalizzazione. Chi non capisca tutto questo non fa in tempo ad accorgersi di non aver studiato abbastanza. E va in crisi. Un vero e proprio equivoco è dato dall’idea che per mantenere elevati i profitti, o per ridurre le perdite, si debbano diminuire i costi. In realtà, si deve perseguire una strategia di crescita organica, oppure si va a finire male comunque. Cinquanta tra le cento più grandi aziende americane che trent’anni fa garantivano profitti elevati agli azionisti ma non avevano una crescita significativa sono scomparse oggi. McKinsey segnala che la crescita organica dipende dalla capacità di mantenersi focalizzati su: 1. investimenti, 2. creatività, 3. performance. Questo per perseguire una crescita organica esplorando ogni possibilità e senza chiudersi mai nell’abitudine. Casi e analisi in proposito di McKinsey.

Vedi anche i megatrend che stanno cambiando il contesto nel quale operano le aziende, sintetizzati da BCG.

Guida alla macchina che impara

Le macchine sanno imparare. Lo vediamo con iCab, il robot carino, bambino, dell’IIT che guarda il suo maestro, sente che nome dà agli oggetti, e dopo un po’ impara a riconoscerli anche lui. Un computer può imparare a riconoscere una mela da una arancia osservando una sufficiente quantità di foto di mele e arance che le persone hanno taggato coerentemente. Ma come fa? L’idea di base è quella di riprodurre il sistema con il quale funziona il cervello. In modo semplificato ovviamente. Una rete neurale – nel cervello – è composta di neuroni connessi con molti altri neuroni. Nel computer invece è una serie di strati di “neuroni digitali” che sono connessi con pochi “colleghi”. Ogni strato di neuroni digitali serve a uno scopo: osservare e cercare “regolarità”, fare un salto di astrazione e cercare di classificare le relazioni tra osservazioni e regolarità, confrontare quello che si è capito con i dati introdotti dagli umani, osservare fuori e cercare di riconoscere l’oggetto con il suo nome, sbagliare e tornare indietro, e così via. Queste macchine “imparano” e lo fanno oggi meglio di decenni fa perché possono contare su una quantità di dati “taggati” in rete enorme e in crescita continua. Un pezzo di Ophir Tanz su Techcrunch è molto utile per avere un’idea sintetica e chiara di che cosa sia il machine learning.

Vedi anche come si compete nell’epoca dell’intelligenza artificiale, sempre secondo BCG

Consumatori algoritmici

Di solito di pensa agli algoritmi che le aziende possono usare per guidare i consumatori attraverso il percorso che serve per arrivare a comprare uno dei loro prodotti. Ma possono esistere anche algoritmi pensati dal punto di vista dei consumatori. Per rendere loro la vita più facile, comoda e conveniente. Capiscono che cosa vogliono le persone, fanno ricerche e confronti, negoziano, possono anche cercare altri consumatori con le stesse preferenze e associarsi con loro per ottenere prezzi migliori e, infine, possono comprare al momento giusto.Studiano il fenomeno Michal Gal, dell’università di Haifa, e Niva Elkin-Koren, visting professor di legge a HLS

Una recensione da non perdere

Camille Paglia, Free Women, Free Men: Sex, Gender, Feminism (Pantheon, 2017). Recensione di Thomas Farrell:
Camille Paglia’s New Book Is Timely (REVIEW ESSAY)

Articoli Correlati

Add Comment Register



Lascia un Commento

L'indirizzo email non verrà pubblicato. I campi obbligatori sono contrassegnati *

È possibile utilizzare questi tag ed attributi XHTML: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>