Unilever sfrutta le API GPT per fornire valore al business
Gli ultimi anni hanno posto numerose sfide alle aziende di beni di consumo confezionati (CPG). La pandemia ha infatti portato a un profondo cambiamento delle preferenze dei canali di consumo, a una contrazione della supply chain e a una pressione sui costi, per citarne solo alcune. Il colosso dei prodotti di largo consumo Unilever ha risposto alla sfida con l’analisi dei dati e l’intelligenza artificiale. L’azienda londinese, che ha quasi un secolo alle spalle, è il più grande produttore di saponi al mondo, ma i suoi prodotti includono anche alimenti e condimenti, dentifrici, prodotti di bellezza e molto altro, con brand di primissimo piano come Dove, Hellmann’s e Ben & Jerry.
L’italiano Alessandro Ventura, CIO e vicepresidente dei servizi analytics e business per il Nord America di Unilever, è da anni in prima linea nell’aiutare l’azienda ad applicare l’intelligenza artificiale alle sue attività. Se inizialmente ricopriva il ruolo di direttore IT, da allora ha aggiunto al suo portafoglio i servizi di analisi dati e di gestione delle persone. “Si tratta di tutto ciò che riguarda la gestione delle strutture e delle flotte, i servizi per i dipendenti e le strutture, i dati sulle persone e questo genere di cose”, spiega Ventura.
Unilever ritiene che l’intelligenza artificiale non sia una tecnologia di domani. È già ampiamente utilizzata e Ventura ritiene che tutti i settori dovranno adattarsi ad essa. Negli ultimi mesi, Unilever ha sviluppato una serie di nuove applicazioni tecnologiche per aiutare le sue linee di business nei mercati di domani. Una delle più importanti è Alex, abbreviazione di Alessandro Magno. Alex, basato su GPT, filtra le e-mail nel Consumer Engagement Center di Unilever, separando lo spam dai messaggi dei consumatori reali, e per i messaggi legittimi suggerisce le risposte agli agenti umani di Unilever.
“Sebbene Alex sia bravo in quello che fa, potrebbe mancare di quel tocco personale che invece gli agenti del nostro centro di coinvolgimento dei consumatori offrono in grande quantità”, spiega Ventura. “Quindi, lasciamo che siano loro a decidere se vogliono rispondere al consumatore come suggerito da Alex o se vogliono aggiungere qualche raccomandazione personale; se la risposta suggerita da Alex è sbagliata o se Alex non ha una risposta, gli agenti possono segnalarla in modo che Alex possa impararla la volta successiva”.
L’intelligenza artificiale generativa in azione
Alex è stato creato utilizzando un sistema di reti neurali, con API GPT per la generazione dei contenuti. Ventura afferma che lo strumento è in grado di capire cosa chiede un consumatore e di memorizzare la risposta e il sentiment in Salesforce. È importante sottolineare che lo strumento si occupa esplicitamente di questi compiti, lasciando agli agenti umani più tempo da dedicare a ciò che sanno fare meglio. Ad oggi, Ventura afferma che Alex ha aiutato Unilever a ridurre di oltre il 90% il tempo che gli agenti dedicano alla stesura di una risposta.
Alessandro Ventura, CIO e vicepresidente dei servizi analitici e aziendali per il Nord America di Unilever
Un altro strumento di Unilever, chiamato Homer, sfrutta GPT per generare contenuti. Si tratta di una rete neurale che prende alcuni dettagli su un prodotto e genera un elenco di prodotti su Amazon, con una descrizione breve e una lunga che corrispondono al tono del brand. “Volevamo assicurarci di distinguere, ad esempio, tra uno shampoo TRESemmé e uno Dove, e il sistema ha fatto centro”, spiega Ventura. Un altro strumento basato sull’intelligenza artificiale che Unilever ha lanciato recentemente supporta il brand di maionese Hellmann’s e il suo scopo è quello di ridurre gli sprechi alimentari.
“Si collega al sistema di gestione delle ricette che abbiamo in Hellmann’s, in modo che qualcuno possa entrare e selezionare due o tre ingredienti che ha in frigo e ottenere ricette usando quegli ingredienti”, spiega Ventura. Nella prima settimana dal lancio, 80.000 utenti hanno dichiarato di apprezzare questo strumento. Per Ventura, questa è la magia dell’analisi e dell’intelligenza artificiale nel settore CPG: consentire la personalizzazione su scala.
“Nel settore CPG, ci affidiamo sempre di più all’analisi dati e all’IA per diverse cose. I consumatori sono sempre più specifici su ciò che vogliono. È un po’ un cliché, ma vogliono davvero prodotti ed esperienze personalizzate. L’analisi dati aiuta il settore CPG a capire il contesto in cui si muove e cosa vuole il consumatore e poi, con l’IA, possiamo scalare quella relazione one-to-one su tutta la moltitudine di consumatori che abbiamo”.
La co-creazione è la chiave del successo dell’IA
Al di là del rapporto con i consumatori, l’analisi dati e l’IA sono fondamentali anche per rendere le aziende del settore CPG più sostenibili. Ventura cita esempi come la tracciabilità degli ingredienti e l’utilizzo del machine learning per automatizzare le previsioni, che a loro volta aiutano l’azienda a ridurre al minimo gli sprechi. Unilever sta applicando l’analisi dati e l’intelligenza artificiale anche alla logistica, in modo particolare nel monitoraggio delle scorte e nell’ottimizzazione dei percorsi.
Per sostenere l’innovazione nel campo dell’analisi dati e dell’intelligenza artificiale, Unilever ha adottato un modello ibrido. Ha un centro di eccellenza globale, ma mantiene anche alcuni data scientist all’interno delle unità aziendali. “In pratica si tratta di un sistema a due marce. Il team locale può essere attivato molto rapidamente, ingerire i dati molto velocemente e poi creare un modello statistico e analitico insieme all’azienda. Poi, se quel modello può essere sfruttato e scalato, lo passiamo al team globale, in modo che possa spostare i set di dati nel data lake globale che abbiamo e possa iniziare a creare e mantenere quel modello a livello globale”.
Ventura ritiene che la co-creazione e la co-proprietà delle capacità di analisi dati e di IA con le funzioni aziendali siano essenziali per il successo. “Con la co-creazione e la comproprietà, si parte con il piede giusto, con l’uomo e la macchina che lavorano fianco a fianco in partnership, quasi come colleghi. Alla fine si ottiene un sistema più imparziale perché si è in grado di introdurre una prospettiva molto più diversificata nei propri algoritmi, sia dal punto di vista commerciale che tecnologico”.
