Intelligenza artificiale salva 2000 vite a New York.
Milano, 25 gennaio 2018. C’era una volta in America.. il crimine. Nel 2013 scrissi un post su algoritmi predittivi impiegati dai sistemi di videosorveglianza con sistemi di interpretazione semantica delle immagini e algoritmi di prevenzione del crimine. E’ passata un’era geologica ed eravamo agli albori dellì intelligenza artificiale (vedi articolo). qualche commento scettico allora…
Ecco il dato : Il 2017 ha infatti fatto registrare un calo record degli omicidi a New York: appena 285, dove solo pochi anni fa si superavano i 2200 omicidi annui. 2000 vite !
Di pari passo l’effetto deterrente si è esteso anche ad altri reati: violenze sessuali, scippi, rapine e i furti d’auto ridotti del 20%.
L’impatto dell’algoritmo predittivo è impressionante, in quanto l’evento real time ripreso dalle telecamere e correlato ad altre variabili storiche dalla rete neurale, arricchisce di contenuto informativo il predittore, che cosi’ riesce cosi a segnalare in anticipo, la probabilità che si verifichi l’evento delittuoso. Come tutte le reti neurali, anche questa migliora la capacità di previsione, con un fattore di crescita piu’ che proporzionale al crescere dei big DATA rilevati, quindi con l’apprendimento dell’esito piu’ o meno infausto dei vari scenari ripresi dalle telecamere. Per chiarezza un algoritmo di questo tipo riesce a correlare migliaia di variabili x n istanti = milioni di correlazioni sia su dati istantanei (persone e loro disposizione durante la scena del crimine , colore del bottone del soprabito, luminosità media, rumori di fondo, meteo, velocità di spostamento delle persone, ed altri migliaia) sia sullo storico dei soggetti presenti sulla scena.
Nessuna sorpresa se nei prossimi anni verranno salvate altre vite umane, azzerando o quasi gli omicidi con predittori sempre piu’ esperti. Come dice Elon Musk l’uso dell’intelligenza artificiale può essere piu’ pericoloso di un’arma atomica… pero’ se ben usata puo’ salvare vite o come nel nostro caso .. clienti.
Infatti, in un ambito molto meno critico, IL CHURN PREDICTION, stiamo ricercando con le stesse tecniche la prevenzione del churn dei clienti di energia in Cloud Care . Il principio è correlare lo storico dei clienti (numero chiamate al care, tipologia chiamate, tempo di risoluzione medio, feedback sui social o sui comparatori) con le informazioni istantanee che ci fornisce il cliente durante il contatto (tono di voce, durata chiamata, richiesta, risposta ad alcune domande chiave, termini usati durante la chat o la chiamata , etc) per prevedere, senza errori di interpretazione dell’operatore, la reale volontà del cliente di abbandonare il proprio gestore energia, gas o internet e quindi intervenire in maniera mirata ed immediata. Amazon e Google forniscono già ottime piattaforme di predizione, altre verranno testate ed integrate nel CRM. La partita è tutta da giocare. andrea conte
