Alibaba ha riempito i titoli dei giornali di tutto il mondo con la grande IPO del settembre 2014. Oggi, la società è tra le prime 10 aziende a livello mondiale come capitalizzazione di mercato, ha superato Walmart in vendite globali, e si è sviluppata in tutti i principali mercati del mondo. Il suo fondatore Jack Ma è diventato un nome familiare a molte persone.
Dalla sua nascita nel 1999, Alibaba sì è sviluppata con la sua piattaforma di e-commerce. Tuttavia, non ha ancora l’aspetto di quel fuoriclasse che aveva nel 2007, quando il suo team, a cui mi ero unito a tempo pieno l’anno prima, si era riunito per pensare la strategia in un hotel sul mare grigio a Ningbo nella provincia di Zhejiang. Nel corso della riunione, le nostre osservazioni sconnesse e le idee sulle tendenze dell’e-commerce hanno cominciato a fondersi in una visione più ampia del futuro, arrivando così ad accordarci su una vision (progetto). Vorremmo “favorire lo sviluppo di un ecosistema aperto, coordinato e prospero di e-commerce.” Fu in quel momento che iniziò veramente l’avventura di Alibaba.
La speciale innovazione di Alibaba, ci eravamo resi conto, era nel costruire veramente un ecosistema, una comunità di organismi (imprese e consumatori di ogni tipo) che interagiscono tra loro e l’ambiente (la piattaforma online e il più grande off-line di elementi fisici). Il nostro imperativo strategico è stato quello di fare in modo che la piattaforma fornisse tutte le risorse, o l’accesso alle risorse, che un business online avesse bisogno per avere successo e quindi sostenesse l’evoluzione dell’ecosistema.
Inizialmente l’ecosistema che abbiamo costruito era molto semplice: abbiamo collegato gli acquirenti e i venditori di merci. Mano a mano la tecnologia avanzava, abbiamo aggiunto altre funzioni aziendali, a partire da quelli più consolidate, come la pubblicità, il marketing, la logistica e la finanza per arrivare a quelli emergenti come l’affiliate marketing, product recommenders, and social media influencers. E, ampliando come abbiamo ampliato il nostro ecosistema per accogliere queste innovazioni, abbiamo contribuito a creare nuovi tipi di aziende online, reinventando completamente il settore retail cinese.
Alibaba oggi non è solo una società di commercio on-line. E’ quello che si otterrebbe se si prendessero tutte le funzioni associate con la vendita al dettaglio on-line coordinandole in una rete basata sui dati di venditori, rivenditori, fornitori di servizi, imprese di logistica, e produttori. In altre parole, Alibaba fa da sola quello che insieme farebbero Amazon, eBay, PayPal, Google, FedEx, grossisti e una buona parte dei produttori negli Stati Uniti, il tutto guarnito con una sana porzione di servizi finanziari.
Delle 10 aziende più apprezzate al mondo oggi, sette sono società Internet con modelli di business simili ai nostri. Cinque di loro, Amazon, Google, e Facebook negli Stati Uniti, Alibaba e Tencent in Cina hanno a mala pena 20 anni. Come mai così tanto valore e tanto potere di mercato è emerso così in fretta? A causa delle nuove funzionalità per il coordinamento della rete e dei dati di intelligence che tutte queste aziende usano. Gli ecosistemi che offrono sono economicamente molto più efficienti e orientati al cliente di quelli delle industrie tradizionali. Queste aziende seguono un approccio che io chiamo Smart Business, che credo rappresenterà la logica di business dominante del futuro.
Che cosa è uno Smart Business?
Uno Smart Business emerge quando tutti gli attori coinvolti nel raggiungimento di un comune obiettivo di business, come ad esempio della vendita al dettaglio, sono coordinati in una rete on-line e utilizzano una tecnologia di apprendimento automatico per sfruttare in modo efficiente i dati in tempo reale. Questo modello tech-enabled (cioè reso possibile dalla tecnologia), in cui la maggior parte delle decisioni operative sono realizzate da macchine, consente alle aziende di adattarsi in modo dinamico e rapido alle mutevoli condizioni di mercato e alle preferenze dei clienti, acquisendo un vantaggio competitivo enorme su imprese tradizionali.
Naturalmente la grande potenza di calcolo e i dati digitali sono il carburante per l’apprendimento automatico. La qualità del risultato sarà direttamente proporzionale all’aumento della quantità dei dati e del numero delle iterazioni del motore algoritmico. I “data scientists” propongono modelli di previsione probabilistica per specifiche azioni e quindi l’algoritmo ad ogni iterazione, macinando una grande mole di dati, produce decisioni migliori in tempo reale. Questi modelli di previsione diventano la base per la maggior parte delle decisioni aziendali. Così l’apprendimento automatico è molto più di un’innovazione tecnologica: trasformerà il modo di condurre gli affari così come il processo decisionale umano è sempre più sostituito dagli outputs degli algoritmi.
Ant Microloans fornisce un esempio lampante di come potrà essere questo futuro. Quando Alibaba ha lanciato Ant nel 2012, il tipico finanziamento concesso dalla banca di grandi dimensioni in Cina era in milioni di dollari. L’ammontare del prestito minimo di 6 milioni di RMB o poco meno di 1 milione di dollari era ben al di sopra degli importi necessari dalla maggior parte delle imprese di piccole e medie dimensioni (PMI). Le banche erano riluttanti a servire società a cui mancava qualsiasi tipo di storia di credito o addirittura adeguata documentazione della loro attività economica. Di conseguenza, decine di milioni di imprese in Cina stavano avendo difficoltà reali ad assicurarsi il denaro necessario per far crescere le loro operazioni.
Ma ad Alibaba, ci siamo resi conto che avevamo gli ingredienti per la creazione di un
business di prestiti alle PMI scalabile e redditizio: l’enorme quantità di dati delle transazioni generati dalle molte piccole imprese che utilizzano la nostra piattaforma. Così nel 2010 abbiamo lanciato un pionieristico business di microcredito basato sui dati per offrire prestiti alle imprese in quantità non superiori a 1 milione di RMB (circa $ 160.000). In sette anni di attività, l’azienda ha prestato più di 87 miliardi di RMB ($ 13,4 miliardi) a quasi tre milioni di piccole e medie imprese. La dimensione media del prestito è di 8.000 RMB, o circa $ 1.200. Nel 2012, abbiamo impacchettato insieme a questo le operazioni di prestito Alipay, la nostra attività pagamenti di grande successo, per creare Ant Financial Services. Abbiamo dato alla nuova impresa un nome che catturasse l’idea che siamo stavamo rafforzando tutte le piccole ma operose aziende “antlike”.
Oggi, Ant può facilmente elaborare piccoli prestiti di diverse centinaia di RMB (circa $ 50) in qualche minuto. Come è possibile? Di fronte a potenziali mutuatari gli istituti di credito hanno bisogno solo di rispondere a tre domande fondamentali: sono solventi, quanto dovremmo prestare, e a quale tasso di interesse? Una volta che i venditori sulle nostre piattaforme ci hanno dato l’autorizzazione ad analizzare i loro dati, noi siamo perfettamente posizionati per rispondere a queste domande. I nostri algoritmi possono guardare i dati delle transazioni per valutare come un business sta andando, quanto è competitiva la sua offerta sul mercato, se i suoi partner hanno alti rating di credito, e così via.
Ant utilizza i dati per confrontare buoni mutuatari (coloro che rimborsano in tempo) con quelli cattivi (quelli che non lo fanno) per isolare i tratti comuni in entrambi i gruppi. Quei tratti vengono poi utilizzati per calcolare i punteggi di credito. Tutti gli istituti di credito naturalmente fanno lo stesso in qualche modo ma in Ant l’analisi viene fatta automaticamente su tutti i mutuatari e su tutti i loro dati comportamentali in tempo reale. Ogni transazione, ogni comunicazione tra il venditore e l’acquirente, ogni connessione con altri servizi disponibili a Alibaba, anzi ogni azione intrapresa sulla nostra piattaforma, influenza il punteggio di credito di un’azienda. Allo stesso tempo, gli algoritmi che calcolano i punteggi stessi sono in continua evoluzione in tempo reale, migliorando la qualità del processo decisionale con ogni iterazione.
Determinare quanto concedere in prestito e quale sia il giusto tasso di interesse richiede l’analisi di molti tipi di dati generati all’interno della rete di Alibaba, come ad esempio i margini di profitto lordo e la rotazione delle scorte, insieme a informazioni meno matematicamente precise come i cicli di vita dei prodotti e la qualità delle relazioni sociali e di business di un venditore. Gli algoritmi potrebbero, ad esempio, analizzare la frequenza, la durata e il tipo di comunicazione (messaggistica istantanea, e-mail, o altri metodi comuni in Cina) per valutare la qualità della relazione.
I data scientists di Alibaba sono essenziali nell’identificare e testare i dati significativi a supportare le loro intuizioni e poi ingegnerizzare gli algoritmi per estrarre gli stessi. Questo lavoro richiede sia una profonda comprensione del business che una competenza negli algoritmi di apprendimento automatico. Torniamo un attimo a parlare del servizio finanziario Ant. Se un venditore ritenuto di avere scarso credito ripaga il suo prestito in tempo mentre un venditore con ottime impostazioni predefinite di credito fallisce catastroficamente è un indice inequivocabile che l’algoritmo ha bisogno di essere ribilanciato. Gli ingegneri possono controllare rapidamente e facilmente le loro ipotesi. Quali parametri dovrebbero essere aggiunti o rimossi? A quale tipo di comportamento degli utenti dovrebbe essere data più peso?
Mano a mano che gli algoritmi ricalibrati producono previsioni sempre più accurate, i rischi e i costi di Ant diminuiscono, i mutuatari riescono ad ottenere i soldi di cui hanno bisogno, quando ne hanno bisogno e ad un tasso di interesse che possono permettersi. Il risultato è un business di grande successo, l’operazione di microprestiti ha un tasso di default di circa l’1%, molto al di sotto del 4% medio a livello mondiale stimato della Banca Mondiale nel 2016.
Quindi, come si fa a creare questo tipo di attività?
Automatizzare tutte le decisioni operative
Per creare uno smart business, la vostra azienda deve consentire che il maggior numero possibile di decisioni operative sia effettuato da macchine alimentate da dati prodotti in tempo reale, piuttosto che da esseri umani supportati dalla loro analisi dei dati. Trasformare il processo decisionale in questo modo è un processo in quattro fasi.
Fase 1: Trasforma in dato (Datafy) ogni scambio con il cliente
Ant ha avuto la fortuna di avere accesso a un sacco di dati sui potenziali mutuatari per rispondere alle domande inerenti alla sua attività di prestito. Per molte aziende, il processo di acquisizione dei dati sarà più impegnativo. Ma avere i dati dal vivo è essenziale per creare i cicli di retroazione che sono alla base di apprendimento automatico.
Prendete in considerazione l’attività di noleggio di biciclette. Start-up in Cina possono far leva sulla telefonia mobile, l’Internet delle cose (in forma di serrature moto intelligenti), sui sistemi di pagamento e di credito di telefonia mobile esistenti per raccogliere dati sull’intero processo di noleggio.
Noleggiare una bicicletta tradizionalmente ci obbliga ad andare in un punto di noleggio, lasciare un deposito, avere qualcuno che ci darà una bicicletta, utilizzare la bicicletta, riportarla, e poi pagare il noleggio in contanti o con carta di credito. Diverse aziende cinesi rivali tra loro hanno messo tutto questo online, integrando diverse nuove tecnologie con quelle esistenti. Un’innovazione fondamentale è stata la combinazione dei codici QR con le serrature elettroniche che ha abilmente automatizzato il processo di verifica. Aprendo l’app di bike-sharing, un utente può vedere le biciclette e riservarne una disponibile nelle vicinanze. Una volta che l’utente arriva alla bicicletta, lui o lei usa l’app per eseguire la scansione del codice QR sulla stessa. Supponendo che la persona ha soldi nel suo account e soddisfa i criteri di noleggio, il codice QR aprirà la serratura elettronica della bici. L’app può anche verificare la storia del credito di una persona attraverso Sesame Credit, il nuovo prodotto finanziario di Ant Financial per il rating di credito al consumo, permettendo così all’utente di saltare il pagamento di un deposito, accelerando ulteriormente il processo. Quando viene restituito il mezzo, chiudendo la serratura si completa la transazione. Il processo è semplice, intuitivo, e di solito richiede solo alcuni secondi.
Trasformando in dato (Datafying) il processo di noleggio si migliora notevolmente l’esperienza del consumatore. Sulla base dei dati in tempo reale, i gestori spediscono i camion per spostare biciclette dove gli utenti vogliono. Essi possono anche avvisare gli utenti che usano il servizio regolarmente della disponibilità di bici nelle vicinanze. Grazie in gran parte a queste innovazioni, il costo di noleggio biciclette in Cina è sceso a pochi centesimi l’ora.
La maggior parte delle aziende che cercano di impostare un modello di business guidato dai dati in genere raccolgono e analizzano le informazioni, con lo scopo di creare un modello efficiente. Il modello seleziona dunque a priori i dati critici dalla massa di informazioni disponibili. Questo non è come gli smart business utilizzano i dati. Invece, catturano tutte le informazioni generate durante gli scambi e le comunicazioni con i clienti e gli altri membri della rete dove opera l’azienda per poi lasciare che siano gli algoritmi a capire quali sono i dati rilevanti.
Fase 2: Trasforma in software ogni attività
In uno smart business, tutte le attività, non solo di gestione della conoscenza e di relazioni con la clientela, sono interfacciate con del software, in modo che le decisioni che le riguardano possano essere automatizzate. Questo non significa che una società ha bisogno di comprare o costruire un software ERP o il suo equivalente per gestire la propria attività, tutto il contrario. Il software tradizionale rende i processi e i flussi decisionali più rigidi e spesso diventa una camicia di forza. Al contrario, la logica dominante per Smart Business è la reattività in tempo reale. Il primo passo è quello di costruire un modello di come gli esseri umani attualmente prendono le decisioni e trovare il modo per replicare in modo più semplice gli elementi di quel processo utilizzando il software; questo non è sempre facile, dato che molte decisioni umane sono costruite sul buon senso o addirittura sull’inconscia attività neurologica.
La crescita di Taobao, il sito di vendita al dettaglio di Alibaba Group, è guidato da un softwaring continuo del processo di vendita al dettaglio. Uno dei primi strumenti software più importanti costruite per Taobao è stato uno strumento di messaggistica istantanea chiamato Wangwang, attraverso il quale, acquirenti e venditori possono parlare tra di loro facilmente. Utilizzando lo strumento, i venditori possono salutare gli acquirenti, introdurre nuovi prodotti, negoziare i prezzi, e così via, proprio come si fa in un negozio di vendita al dettaglio tradizionale.
Alibaba ha inoltre sviluppato una serie di strumenti software che aiutano i venditori a progettare e lanciare una serie di sofisticate vetrine on-line. Una volta che i negozi on-line sono in funzione, i venditori possono accedere ad altri prodotti software per emettere buoni per offrire sconti, lanciare programmi di fidelizzazione e svolgere altre attività di customer relationship, coordinandoli tutti tra loro.
Poiché la maggior parte del software di oggi è gestito on-line come un servizio, un importante vantaggio di softwaring un’attività imprenditoriale è che i dati in tempo reale possono essere raccolti, naturalmente, come parte del processo di business, costruendo le basi per l’applicazione di tecnologie di apprendimento automatico.
Fase 3: Fai scorrere i dati
Negli ecosistemi con molti giocatori interconnessi, le decisioni di business richiedono un coordinamento complesso. I motori di planning di Taobao, per esempio, hanno bisogno di lavorare con i sistemi di gestione delle scorte dei venditori e con i sistemi consumer-profiling di varie piattaforme di social media. I suoi sistemi di transazione hanno bisogno di lavorare sia con le offerte di sconto, i programmi di fidelizzazione, che alimentare la nostra rete logistica.
Standard di comunicazione, come ad esempio il protocollo TCP / IP, e le interfacce di programmazione delle applicazioni (API) sono fondamentali per mantenere il flusso di dati tra più giocatori, garantendo nel contempo un rigoroso controllo di chi può accedere e modificare i dati in tutto l’ecosistema. API, una serie di strumenti software che consentono diversi sistemi di “parlare” e di coordinarsi tra di loro on-line, sono stati fondamentali per lo sviluppo di Taobao. Così come la piattaforma è cresciuta da un forum in cui acquirenti e venditori si incontravano per vendere beni fino a diventare il sito di e-commerce più importante della Cina, così adesso i commercianti del sito, hanno bisogno di molto più sostegno da parte degli sviluppatori terze parti. Il software che andava prodotto doveva essere totalmente interoperabile con tutti gli altri già presenti nella piattaforma per avere valore. Così nel 2009, Taobao ha iniziato a sviluppare le API per l’utilizzo da parte dei fornitori di software indipendenti. Oggi, i commercianti su Taobao possono sottoscrivere più di 100 moduli software, in media, e i servizi di dati in tempo reale che abilitano, consentono loro di ridurre drasticamente il loro costo di fare business.
Ottenere la giusta infrastruttura tecnica è solo l’inizio. C’è voluto uno sforzo tremendo per costruire uno standard comune in modo che i dati potrebbero essere utilizzati ed interpretati nello stesso modo in tutte le unità di business di Alibaba. Inoltre, per capire quali erano le strutture di incentivi giusti per convincere le imprese a condividere i dati che hanno è una sfida importante e continua. È necessario ancora molto lavoro. Naturalmente, il grado in cui le imprese potranno innovare in questo settore dipenderà in parte dalle norme che disciplinano la condivisione dei dati tra i paesi che ci stanno operando. Ma la direzione è molto chiara: più i dati scorrono attraverso la rete, più intelligente diventa il business e più valore l’ecosistema crea.
Fase 4: Applicare gli algoritmi.
Una volta che un’azienda ha tutte le sue operazioni on-line, otterrà una marea di dati. Per assimilare, interpretare e utilizzare i dati a proprio vantaggio, le imprese devono creare modelli e algoritmi che rendono esplicite le logiche di mercato o le dinamiche di prodotto sottostanti che l’azienda sta cercando di ottimizzare. Questo è un impegno gravoso che richiede molte nuove capacità creative, da qui l’enorme richiesta di data scientist ed economisti. La loro sfida è quella di specificare quale lavoro vogliono far fare alla macchina, e devono essere molto chiari su ciò che costituisce un lavoro ben fatto in un particolare contesto di lavoro.
Fin da subito, il nostro obiettivo per Taobao è stato quello di adattarlo alle esigenze di ogni individuo. Questo sarebbe stato impossibile senza i progressi nel machine learning. Oggi, quando i clienti accedono, vedono una pagina web personalizzata con una curata selezione di prodotti tra i miliardi offerti dai nostri milioni di venditori. La selezione viene generato automaticamente dal potente motore di raccomandazione di Taobao. I suoi algoritmi, che sono progettati per ottimizzare il tasso di conversione di ogni visita, sfornano dati generati attraverso la piattaforma di Taobao, dalle operazioni del servizio clienti alla sicurezza.
Una pietra miliare nella crescita di Taobao, nel 2009, è stato l’aggiornamento dalla semplice navigazione, che ha funzionato ragionevolmente bene quando la piattaforma aveva molte meno visite e prodotti da gestire, ad un motore di ricerca alimentato da algoritmi di apprendimento automatico e in grado di elaborare enormi volumi di richieste. In Taobao stanno sperimentando anche algoritmi di ricerca con riconoscimento ottico che possono prendere una foto di elementi desiderati forniti dal cliente e abbinarli ai prodotti disponibili sulla piattaforma. Mentre siamo ancora nelle prime fasi nell’utilizzare questa tecnologia nel guidare le vendite, la funzione si è mostrata molto popolare tra i clienti, portando 10 milioni di visite uniche al giorno.
Nel 2016, Alibaba ha introdotto un chatbot guidato da AI per aiutare i clienti a fare le loro richieste. E’ molto diverso dai servizi noti alla maggior parte delle persone che sono programmati per abbinare meccanicamente le richieste dei clienti con le risposte del loro repertorio. I Chatbots Alibaba sono “allenati” dagli esperti rappresentanti dei mercati Taobao. Sanno tutto sui prodotti nelle loro categorie e sono profondi conoscitori della meccanica delle politiche di ritorno delle piattaforme di Alibaba, delle spese di consegna, di come apportare modifiche ad un ordine o rispondere alle domande comuni di un cliente. Utilizzando una varietà di tecnologie di apprendimento automatico, come ad esempio la comprensione semantica, “context dialogues”, “knowledge graphs”, “data mining”, e l’apprendimento profondo, le chatbots possono rapidamente migliorare la loro capacità di diagnosticare e risolvere i problemi dei clienti automaticamente, piuttosto che semplicemente dare risposte statiche che spingono il consumatore a prendere ulteriori provvedimenti. Essi confermano al cliente che la soluzione presentata è accettabile e quindi la eseguono. Il tutto avviene senza alcun intervento umano da parte di Alibaba o del commerciante.
I chatbots possono anche dare un contributo significativo direttamente nel reparto commerciale. Senma, un marchio di abbigliamento, per esempio, ha iniziato a utilizzarne uno un anno fa e ha scoperto che le vendite del bot sono state 26 volte superiori al miglior venditore umano del commerciante.
Ci sarà sempre bisogno della presenza umana col cliente per affrontare questioni complicate o personali, ma la capacità di gestire le query di routine attraverso una chatbot è molto utile, soprattutto nei giorni di molta ressa o di promozioni speciali. In precedenza, la maggior parte dei venditori di grandi dimensioni sulla nostra piattaforma avrebbero dovuto assumere lavoratori temporanei per gestire le richieste dei consumatori in occasione di grandi eventi. Quel tempo è finito. Durante il giorno più importante delle vendite di Alibaba nel 2017, il chatbot ha gestito oltre il 95% delle domande dei clienti, rispondendo a circa 3,5 milioni di consumatori.
Questi quattro punti sono la base per la creazione di uno Smart Business : Impegnarsi in una raccolta di informazioni creativa per arricchire il pool di dati che il business utilizza per diventare più Smart; Produrre software per mettere sia il flusso di lavoro aziendale che gli attori essenziali online; utilizzare gli standard e le API per consentire il flusso e il coordinamento dei dati in tempo reale ; e applicare gli algoritmi di apprendimento automatico per generare decisioni aziendali “smart”. In tutte le attività coinvolte nelle quattro fasi sono importanti competenze nuove che richiedono un nuovo tipo di leadership.
Il ruolo del leader
Nel mio corso di Smart Business presso Hupan School of Entrepreneurship, mostro una slide con 10 dirigenti d’azienda e chiedo agli studenti di identificarli. Possono facilmente individuare Jack Ma, Elon Musk, e Steve Jobs. Ma praticamente nessuno è in grado di identificare l’amministratore delegato di Citigroup o Toyota o General Electric.
C’è una ragione per questo. A differenza di GE, Ford e Citigroup, che forniscono prodotti o servizi attraverso supply chains ottimizzate, le aziende digitali devono mobilitare una rete per realizzare la loro visione. Per fare questo, i loro leader devono ispirare i dipendenti, i partner e i clienti che compongono tale rete. Devono essere visionari ed evangelisti, schietti in un modo tale che i dirigenti delle compagnie tradizionali non devono essere.
D’altro canto, gli evangelisti digitali devono capire che il futuro sarà simile a come le loro industrie evolveranno in risposta ai cambiamenti sociali, economici e tecnologici. Essi non possono descrivere i passi concreti per realizzare gli obiettivi della propria azienda, perché l’ambiente è troppo fluido e le capacità di cui avranno bisogno sono sconosciute. Al contrario, devono definire ciò che l’azienda cerca di raggiungere e creare un ambiente in cui i lavoratori possono rapidamente mettere insieme prodotti e servizi sperimentali, testare il mercato, e far crescere le idee che suscitano una risposta positiva. I leader digitali non comandano più; piuttosto, consentono ai lavoratori di innovare e li mettono nelle condizioni di imparare da quanto insegnano loro i clienti.
Nel modello di Smart Business, gli algoritmi di apprendimento automatico si assumono gran parte del carico del miglioramento incrementale, rendendo automatiche le regolazioni che aumentano l’efficienza dell’intero sistema. Così, il lavoro più importante del leader è quello di coltivare la creatività. Il loro mandato è quello di aumentare il tasso di successo di innovazione, piuttosto che migliorare l’efficienza delle operazioni.
Conclusioni
Le società native digitali come Alibaba hanno il vantaggio di essere nate da dati online e data-ready, quindi la loro trasformazione in Smart Business è del tutto naturale. Ora che hanno dimostrato che il modello funziona e stanno trasformando la vecchia economia industriale, è il momento per tutte le aziende di comprendere e applicare questa nuova logica aziendale. Anche se la tecnologia può intimidirle si devono rendere conto che sta diventando sempre più fattibile. La commercializzazione di cloud computing e delle tecnologie di intelligenza artificiale ha raggiunto una potenza di calcolo e di analisi su larga scala accessibile a chiunque. In effetti, i costi di elaborazione e di memorizzazione di grandi quantità di dati è diminuito drasticamente negli ultimi dieci anni. Ciò significa che le applicazioni in tempo reale di apprendimento automatico sono ora possibili e vantaggiose in un maggior numero di ambienti. Il rapido sviluppo della tecnologia Internet-delle-cose permette ulteriormente di digitalizzare l’ambiente fisico, fornendo sempre più dati. Mano a mano che queste innovazioni si accumuleranno nei prossimi decenni renderanno obsolete tutte quelle aziende che non saranno state in grado di evolvere.
Nostra traduzione dall’inglese di Alibaba and the Future of Business di Ming Zeng comparso su Harvard Business Review in settembre di quest’anno.