AI: Le capability di Spindox
Lavoriamo per integrare l’intelligenza artificiale nei processi di business dei nostri clienti, dalle operations al marketing. Il nostro obiettivo è aiutare i clienti a risolvere nuove sfide attraverso l’automazione dei processi e delle attività. Vediamo nel paradigma multidisciplinare dell’intelligenza artificiale e nella tecnologia sottostante il fattore abilitante di questo cambiamento. Crediamo che l’automazione possa portare valore vero, perché consente di raggiungere tre obiettivi:
- Migliorare la qualità delle soluzioni;
- Liberare tempo umano prezioso;
- Ridurre gli errori.
Che tipologie di problemi affrontiamo? Facciamo alcuni esempi.
Spesso si tratta di identificare errori umani e distorsioni che si annidano all’interno di flussi decisionali complessi. L’intelligenza artificiale offre l’opportunità di irrobustire il valore delle decisioni, abilitando una prospettiva data-driven e consentendo di formulare previsioni più puntuali e relative a un orizzonte temporale più ampio. Si possono così minimizzare errori, costi e interventi correttivi a posteriori. Lo abbiamo fatto, per esempio, per il settore energetico, migliorando la pianificazione dell’inventario dei magazzini delle centrali elettriche e riducendo i costi del working capital, senza intaccare il livello di servizio.
In altri casi l’esigenza è di migliorare il ROI dei sistemi predittivi utilizzati dai clienti, fornendo una capacità superiore in termini di comprensione dello scenario, anche nei contesti particolarmente complessi. Il risultato è un aumento fino al 50% della precisione nella pianificazione, accompagnato da una riduzione dei costi operativi del 10-30%. Lo abbiamo fatto per grandi realtà nel settore manifatturiero (ottimizzazione dei costi) e nel settore pubblico (miglioramento della capacità predittiva a supporto del processo di formazione del budget).
Infine, ci sono le situazioni in cui occorre definire modelli analitici di tipo dinamico, capaci cioè di adattarsi all’evoluzione del contesto e all’aumento – per quantità e tipologia – dei dati disponibili. È il caso dei sistemi in cui confluiscono dati di natura eterogenea, anche non strutturati e provenienti da migliaia di fonti diverse. Oppure dei sistemi che devono formulare le loro previsioni in tempo reale. Lo abbiamo fatto per il settore del fashion retail (gestione del riassortimento in modalità ‘pull’, distribuzione in tempo reale, store collaboration) e per il settore ferroviario (automazione del controllo della vegetazione e del diserbo delle linee, con un’accuratezza del sistema automatico superiore al 90%).
Come lavoriamo? Integrando ottimizzazione matematica, data intelligence e simulazione dinamica in un approccio unitario, in linea con il modello definito da Gartner come composabile AI.
Data intelligence (machine learning)
Progettiamo, modelliamo e sviluppiamo soluzioni di machine learning per il processamento di linguaggio naturale e immagini, per l’analisi e previsione di serie storiche, per la classificazione e il clustering. Siamo in grado di applicare tutte le tecniche più avanzate, dal deep learning supervisionato o non alla statistica induttiva, dai modelli fondazionali multi-modali (Generative AI) al reinforcement learning, fino a tecniche di decomposizione e filtraggio di serie storiche. Le nostre competenze coprono numerosi ambiti, dalla previsione della domanda alla manutenzione delle linee di produzione e all’automazione di processi aziendali tramite LLM. Lavoriamo in tutte le principali industry, con competenze specifiche nei mondi GDO, retail, utility, supply chain e logistica, telecomunicazioni.
Ottimizzazione matematica
Eccelliamo nella risoluzione di problemi attraverso l’applicazione di tecniche di ottimizzazione matematica, partendo dalla definizione di obiettivi, variabili e vincoli. Studiamo algoritmi all\’avanguardia, pensati per la soluzione di specifici problemi di ottimizzazione, utilizzando i migliori solutori come Gurobi, CPLEX e ORTools. La nostra esperienza copre numerosi ambiti, dal routing dei veicoli alla pianificazione e scheduling, dall’ottimizzazione dei prezzi a quella della logistica di magazzino e della distribuzione, fino all’ottimizzazione stocastica tramite dynamic programming per il controllo dell’automazione.
Modellazione e simulazione
Progettiamo e sviluppiamo modelli stocastici e di simulazione utilizzando strumenti all\’avanguardia come Arena Simulation, Simio, Eclipse Sumo e Desmo J, oltre ad una libreria interna che facilita la creazione ed operazione di modelli di simulazione. Eseguiamo analisi statistiche sui dati di input, output e di processo all\’interno dei modelli di simulazione per facilitare l\’analisi di tipo ‘what if’ e la combinazione della simulazione con l’ottimizzazione (simulation-based optimization).