L’AI per i consulenti finanziari: 3 strumenti (intervista per Advisor)

,

Nel marzo 2025 ho scritto un articolo per la rivista Advisor, il mensile dedicato ai consulenti finanziari, sull’uso concreto dell’AI. Ecco  il pezzo con i riferimenti a tre strumenti concreti.

L’intelligenza artificiale per i consulenti finanziari: esempi concreti d’uso

L’intelligenza artificiale sta rivoluzionando il settore della consulenza finanziaria, offrendo strumenti che migliorano l’efficienza e la precisione dei servizi offerti. La capacità dell’AI di analizzare rapidamente enormi quantità di dati consente ai consulenti finanziari di identificare tendenze di mercato, valutare rischi e opportunità e personalizzare le strategie di investimento con un livello di dettaglio senza precedenti.

L’integrazione dell’AI con strumenti di produttività quotidiani rappresenta un altro notevole vantaggio per i consulenti finanziari. Piattaforme come Microsoft 365 hanno iniziato a integrare capacità di AI direttamente all’interno delle loro applicazioni più usate, come Excel. Questo consente ai consulenti di utilizzare funzioni di AI per analizzare i dati finanziari direttamente all’interno dei fogli di calcolo, automatizzare la creazione di grafici complessi o generare automaticamente analisi di bilancio. Ad esempio, attraverso strumenti come l’Excel “Ideas”, i consulenti possono richiedere all’AI di identificare pattern nei dati finanziari e suggerire migliori pratiche di investimento basate su modelli di dati storici.

Inoltre, piattaforme come Aladdin di BlackRock utilizzano l’AI per analizzare il rischio di portafoglio e ottimizzare le strategie di investimento, mentre strumenti come IBM Watson offrono analisi predittive che aiutano i consulenti a prevedere movimenti di mercato e comportamenti dei clienti con grande precisione.

Inoltre, l’AI può liberare i consulenti da compiti ripetitivi attraverso l’automazione. Chatbot intelligenti, come quelli implementati da Vanguard, possono gestire interazioni di base con i clienti, fornendo risposte immediate a domande frequenti e raccogliendo informazioni essenziali. Questo permette ai consulenti di dedicare più tempo all’analisi strategica e alla consulenza personalizzata.

Un altro esempio significativo è rappresentato dall’uso di AI nella generazione di report finanziari personalizzati. Strumenti come Yseop Compose utilizzano l’intelligenza artificiale per redigere report dettagliati e personalizzati basati sui dati specifici di ogni cliente, migliorando la qualità del servizio e la soddisfazione del cliente.

Nonostante i numerosi vantaggi, l’adozione di AI nel settore finanziario comporta sfide significative, soprattutto per quanto riguarda la privacy e la sicurezza dei dati. È fondamentale che i consulenti finanziari si attengano alle normative vigenti per proteggere le informazioni personali e finanziarie dei clienti, implementando sistemi di AI che garantiscano la massima sicurezza e rispetto della privacy.

In conclusione, l’AI non sostituirà il consulente finanziario ma rappresenta un potente strumento che, se utilizzato saggiamente, può ampliare notevolmente le capacità professionali nel settore. I consulenti che integrano efficacemente l’AI nelle loro pratiche non solo ottimizzano il proprio lavoro ma offrono anche un valore aggiunto considerevole, migliorando sia la gestione degli investimenti che la relazione con i clienti.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa per consulenti finanziari

Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

Analisi di mercato con la ricerca approfondita di Perplexity: un prompt da provare

, ,

Dall’inizio del 2025, Perplexity ha lanciato Deep Research, uno strumento pensato per chi vuole andare oltre la semplice ricerca di informazioni. L’obiettivo? Offrire risposte più approfondite, contestualizzate e basate su fonti autorevoli. A differenza di una ricerca generica, non si limita a fornire link e snippet come Google, ma analizza il contesto, aggrega dati da più fonti affidabili e genera report strutturati su argomenti complessi. Ideale per professionisti, ricercatori e chiunque voglia un’informazione solida e verificata. In pratica, è un passo avanti rispetto ai classici motori di ricerca: meno dispersione, più precisione, massima affidabilità. Un nuovo modo di cercare (e trovare) risposte.

Un esempio d’uso della ricerca approfondita di Perplexity

Mi sono subito chiesto come sfruttare questo straordinario strumento, in altri contesto a pagamento (vedi Gemini e ChatGPT). Ho pensato a una bella analisi commerciale. Più precisamente un’analisi strategica che si concentri su dati concreti, strategie di acquisizione clienti e opportunità di miglioramento.

Serve però un buon prompt, una guida nell’analisi di un sito web aziendale per identificare punti di forza, criticità e strategie per migliorare la conversione. Inoltre, permette di confrontare le performance dell’azienda con tre concorrenti diretti, così da individuare best practice e azioni migliorative.

Le fasi dell’analisi

  1. Profilo dell’azienda e del sito web
    • Qual è il settore di riferimento?
    • Quali prodotti o servizi offre?
    • Quali messaggi chiave emergono dal sito?
    • L’esperienza utente (UX) è ottimizzata? Il sito è mobile-friendly?
  2. Analisi del pubblico target
    • Il sito definisce chiaramente il suo pubblico (B2B, B2C, PMI, grandi imprese)?
    • Quali esigenze o problemi risolve per i clienti?
    • Sono presenti testimonianze, case study o referenze?
    • Quali segmenti di clientela potrebbero essere attratti dall’azienda?
  3. Strategie di acquisizione clienti
    • Il sito utilizza strumenti di lead generation (form, chatbot, newsletter)?
    • Sono disponibili contenuti gratuiti (whitepaper, e-book, webinar, demo)?
    • È presente una strategia SEO efficace?
    • Ci sono CTA (Call to Action) ben progettate?
    • L’azienda è attiva sui social media? Quali contenuti pubblica?
  4. Analisi della concorrenza
    • Come si posiziona il sito rispetto ai competitor?
    • Quali sono i punti di forza della concorrenza?
    • Quali strategie di acquisizione clienti utilizzano i competitor?
    • Esistono differenze nelle offerte di lead generation o nei contenuti gratuiti?
    • Quali strategie SEO usano i concorrenti per attirare clienti?
  5. Strategie di miglioramento e opportunità
    • Quali strategie di lead generation potrebbero essere integrate?
    • Come migliorare le CTA per aumentare la conversione?
    • Quali best practice adottate dai competitor potrebbero essere implementate?
    • Esistono opportunità di espansione in nuovi segmenti di mercato?
    • Quali azioni pratiche possono essere adottate per massimizzare la conversione dei visitatori in clienti?

Prima di iniziare l’analisi, è fondamentale definire il sito aziendale da esaminare e identificare tre competitor di riferimento. Una volta raccolti questi dati, sarà possibile elaborare un report dettagliato con insight concreti, esempi di best practice e suggerimenti operativi per migliorare il posizionamento e la capacità di generare lead. Il bello è che Perplexity fa tutto da solo!

Il prompt da provare

Copia e incolla questo prompt in Perplexity e rispondi alle prime due domande che farà.

Agisci come un esperto di analisi di mercato, marketing digitale e lead generation. Analizza il sito web di [URL AZIENDA] per identificare il pubblico target, le strategie di acquisizione clienti e le opportunità di miglioramento. Inoltre, confronta queste informazioni con tre concorrenti: ([URL COMPETITOR 1], [URL COMPETITOR 2], [URL COMPETITOR 3]).

Segui questa struttura:
1. Profilo dell’azienda e del sito web
Qual è il settore di riferimento dell’azienda?
Quali prodotti/servizi offre?
Quali sono i punti di forza comunicati sul sito?
Il sito è ottimizzato per la user experience (UX)? È mobile-friendly?

2. Analisi del pubblico target
Il sito specifica a chi si rivolge l’azienda (B2B, B2C, PMI, grandi imprese, privati)?
Quali sono le esigenze o problemi che l’azienda risolve per i clienti?
Sono presenti testimonianze, case study o referenze?
Quali segmenti di clientela potrebbero essere attratti dall’azienda?

3. Strategie di acquisizione clienti
Quali strumenti di lead generation sono attivi sul sito (form, chatbot, newsletter, ecc.)?
Sono presenti offerte gratuite (whitepaper, e-book, webinar, demo, prove gratuite)?
L’azienda utilizza strategie SEO per attrarre traffico organico?
Sono presenti call-to-action (CTA) efficaci?
L’azienda è attiva sui social media? Quali contenuti pubblica?

4. Analisi della concorrenza
Confronta il posizionamento dell’azienda con quello dei competitor ([URL COMPETITOR 1], [URL COMPETITOR 2], [URL COMPETITOR 3]).
Quali sono i punti di forza dei concorrenti rispetto all’azienda?
Quali strategie di acquisizione clienti usano i competitor?
Quali elementi di differenziazione emergono tra l’azienda e i suoi concorrenti?
I competitor offrono strumenti di lead generation o contenuti gratuiti più avanzati?
Quali parole chiave o strategie SEO utilizzano i concorrenti per attirare clienti?

5. Strategie di miglioramento e opportunità
Basandoti sull’analisi, quali strategie di lead generation consiglieresti per l’azienda?
Quali azioni migliorative suggerisci per ottimizzare il sito e le CTA?
Quali best practice adottate dai competitor potrebbero essere integrate?
Ci sono opportunità di espansione in nuovi segmenti di clientela?
Fornisci suggerimenti pratici per aumentare la conversione dei visitatori in clienti.
Fornisci un report dettagliato con insight concreti, esempi di best practice e suggerimenti operativi.

Prima di iniziare chiedimi qual è il sito dell’azienda e poi quali sono i tre siti dei competitor.

La ricerca approfondita di Gemini

Anche Gemini di Google integra funzionalità avanzate di intelligenza artificiale per potenziare la ricerca approfondita (chiamata Deep Research, disponibile per gli abbonati a Gemini Advanced) e fornire risposte dettagliate, contestuali e altamente rilevanti. La ricerca approfondita di Gemini permette di:

  • analizzare contenuti complessi e collegare informazioni provenienti da fonti diverse;
  • fornire risultati altamente personalizzati grazie alla comprensione del contesto della query;
  • generare un report di diverse pagine, andando oltre i classici risultati di ricerca, con suggerimenti e risorse aggiuntive.

Ideale per ricercatori, studenti e professionisti (come i commerciali!), Gemini trasforma la ricerca in un’esperienza interattiva, aprendo nuove frontiere nella scoperta delle informazioni.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

“Intelligenza artificiale e tecnologia in classe. Guida per insegnanti per un uso consapevole” (libro Mursia)

, ,

All’inizio del 2025 è uscito in tutte le librerie il mio nuovo libro: “Intelligenza artificiale e tecnologia in classe. Guida per insegnanti per un uso consapevole”, scritto a quattro mani con Giuseppe Lavenia dell’Associazione Di.Te. ed edito da Mursia.

Il video di presentazione del libro

La scheda del libro

Gianluigi Bonanomi – Giuseppe Lavenia
Intelligenza artificiale e tecnologia in classe
Guida per insegnanti per un uso consapevole

«L’IA nelle scuole può essere un’opportunità straordinaria per arricchire il processo di apprendimento, portando la didattica a un nuovo livello di interattività e personalizzazione.»

L’intelligenza artificiale ha conquistato gli studenti e molti insegnanti. Il numero di articoli, approfondimenti e corsi sull’IA per la scuola supera quello destinato alle aziende. Ragazzi e professori trovano in ChatGPT uno strumento versatile per la generazione di testi, la risoluzione di quesiti complessi e l’assistenza nello studio. La sua capacità di fornire risposte contestualizzate e di interagire in modo naturale con gli utenti rende questo nuovo strumento un valido supporto didattico, stimolando curiosità e apprendimento.
Questo manuale esplora le opportunità e le sfide dell’uso della tecnologia e dell’intelligenza artificiale in classe, offrendo un’analisi approfondita e bilanciata, supportata da ricerche e casi pratici. Un’opera essenziale per educatori e professionisti che desiderano comprendere l’impatto della tecnologia sull’educazione.

Gianluigi Bonanomi è un consulente e formatore aziendale sulla comunicazione digitale e sull’intelligenza artificiale generativa. Tiene corsi sull’uso consapevole della tecnologia nelle scuole ed è titolare della cattedra di Digital marketing e AI presso l’Accademia SantaGiulia di Brescia.

Giuseppe Lavenia, psicologo e psicoterapeuta, professore presso l’Università Politecnica delle Marche, è presidente dell’Associazione Nazionale Di.Te. (Dipendenze tecnologiche, GAP e Cyberbullismo). È docente di Psicologia delle Dipendenze tecnologiche per l’Università telematica E-campus. Scrive libri e articoli su riviste scientifiche e collabora con testate giornalistiche, radio e tv. Con Mursia ha pubblicato insieme a Roberta Bruzzone Il patentino digitale (2024).

Pagine 156
Euro 15,00
EAN 9788842568674
Collana: Interventi

 

Il social selling su LinkedIn (con l’aiuto dell’AI)

,

Qualche mese fa ero su LinkedIn e mi contatto, in modo aggressivo, un assicuratore: “Bonanomi, ho visto quel che fa. Ho la polizza professionale giusta per lei. Martedì alle 10 ho uno slot libero, mettiamo in calendario un incontro così possiamo discutere della proposta?”. Non sapevo chi fosse, mai sentito nominare. Era il suo primo approccio, ma non era un tentativo di vendita: era viuuulenza!

Qualche settimana dopo mi chiede il contatto un altro assicuratore. In questo caso la presentazione è di tutt’altro tenore: “Bonanomi, ho visto quel che fa e il libro che ha scritto per i consulenti finanziari, vorrei entrare in contatto con lei e seguirla perché credo nel digitale”. Lo accetto subito, ovviamente. Non mi fa alcuna proposta. Dopo qualche giorno, però, vedo scorrere nella mia home un suo post. Era una cosa del genere: 

Proprio mentre stavo valutando il noleggio a lungo termine. Leggo l’articolo, è utile. Altri post del genere seguirono nelle settimane seguenti.

Morale della favola: se devo cambiare assicuratore, penso al primo assicuratore, il cacciatore che mi vede come preda, o al secondo, l’agricoltore che ha seminato qualcosa che io ho colto?

Cos’è – e cosa non è – il social selling?

Il social selling – meglio mettere subito le cose in chiaro – non vuol dire “vendere con i social”. Pratica che, va detto, esiste ma ha un altro nome: “social commerce”. Il social selling, invece, è una strategia di vendita che, anziché limitarsi alla mera promozione, si concentra sulla costruzione di relazioni solide e durature con i potenziali clienti. Per le aziende B2B, LinkedIn rappresenta la piattaforma ideale per raggiungere questo obiettivo, grazie alla sua natura professionale e alla presenza di un vasto network di professionisti e, sempre più, di decision maker.

Questo articolo si propone di fornire una guida completa alle strategie di social selling su LinkedIn per le aziende B2B, con esempi concreti, azioni pratiche e suggerimenti utili sia per i commerciali che per gli altri professionisti aziendali.

Perché il social selling è importante per le aziende B2B?

Il social selling consiste nell’utilizzare i social per identificare, connettersi e coltivare relazioni con potenziali clienti. Non si tratta di vendere direttamente sui social – meglio ribadirlo! – ma di costruire un rapporto di fiducia che porti alla vendita come naturale conseguenza. In altre parole, il social selling utilizza la fiducia costruita attraverso connessioni personali per vendere prodotti o servizi.

Attraverso la condivisione di contenuti pertinenti, l’interazione con i prospect e il personal branding, i professionisti e i commerciali possono posizionarsi come leader di pensiero nel proprio settore e generare nuove opportunità di business. In questo modo, il cliente si sente al centro dell’esperienza, grazie all’ascolto attento dei suoi bisogni e alla costruzione di un rapporto di fiducia reciproca.

È importante sottolineare la differenza tra social selling e social media marketing. Mentre il social selling si concentra sulla costruzione di relazioni con i potenziali clienti, l’SMM ha un raggio d’azione più ampio e include attività come la costruzione del brand e la pubblicità.

Per le aziende B2B, LinkedIn è particolarmente importante per diversi motivi:

  • Piattaforma professionale: LinkedIn è il social network professionale per eccellenza, frequentato da decision maker, manager e professionisti di ogni settore.
  • Targeting preciso: LinkedIn offre strumenti avanzati per la ricerca e la segmentazione del pubblico, consentendo di identificare i potenziali clienti in base a criteri specifici come ruolo, settore, azienda e interessi.
  • Credibilità e autorevolezza: La presenza su LinkedIn contribuisce a rafforzare la credibilità e l’autorevolezza dell’azienda, posizionandola come un punto di riferimento nel proprio settore.
  • Opportunità di networking: LinkedIn offre numerose opportunità per entrare in contatto con altri professionisti, partecipare a gruppi di discussione e ampliare la propria rete di contatti.

Creare un profilo LinkedIn professionale e accattivante

Un profilo LinkedIn ottimizzato è il primo passo per una strategia di social selling efficace. Ecco alcuni consigli per creare un profilo professionale e accattivante:

  • Scegli una foto di alta qualità che ti ritragga in modo professionale e che sia coerente con l’immagine che vuoi trasmettere.
  • Utilizza l’immagine di copertina per comunicare la tua professionalità e i tuoi valori aziendali.
  • Scrivi un headline (Sommario) che catturi l’attenzione e che descriva in modo chiaro la tua professione e le tue competenze. Che cosa fai e per chi?
  • Il riepilogo è la tua occasione per presentarti, descrivere le tue esperienze e competenze e mettere in evidenza i tuoi obiettivi professionali. Utilizza parole chiave pertinenti al tuo settore e al tuo target di riferimento. In questa sezione, è importante evidenziare anche i tuoi obiettivi di carriera, che possono fungere da invito all’azione per recruiter e potenziali clienti.
  • Descrivi le tue esperienze lavorative in modo dettagliato, evidenziando i tuoi successi e le competenze acquisite. Perché sei credibile?
  • Aggiungi le tue competenze chiave e chiedi ai tuoi colleghi di confermarle. È importante anche confermare le competenze dei tuoi contatti, in quanto questo li incoraggia a fare lo stesso con le tue, aumentando la credibilità del tuo profilo.
  • Utilizza la sezione “In primo piano” per mettere in evidenza i tuoi contenuti più importanti, come articoli, presentazioni o video.
  • Personalizza l’URL del tuo profilo per renderlo più facile da ricordare e condividere.
  • LinkedIn ti dà l’opportunità di collegarti costantemente a nuove persone; l’importante è essere preparati. Aggiorna il tuo profilo con costanza per riflettere le tue attuali competenze ed esperienze.

Identificare e connettersi con i potenziali clienti

LinkedIn offre diversi strumenti per identificare e connettersi con i potenziali clienti:

  • Utilizza la ricerca avanzata per trovare persone in base a criteri specifici come ruolo, settore, azienda, parole chiave e altro ancora.
  • Partecipa a gruppi di discussione pertinenti al tuo settore e interagisci con gli altri membri.
  • “Chi ha visto il tuo profilo”: questa sezione ti mostra chi ha visitato il tuo profilo, offrendoti l’opportunità di connetterti con potenziali clienti interessati alla tua attività.
  • Partecipa a eventi online e offline per entrare in contatto con altri professionisti del tuo settore.

Prima di entrare in contatto con un potenziale cliente, è fondamentale comprendere a fondo le sue esigenze e le sue sfide. Utilizza le informazioni condivise dal potenziale cliente o dal suo profilo LinkedIn per capire i suoi problemi e affrontare la conversazione in maniera personalizzata. Inoltre, ricorda che un personal brand forte è essenziale per attirare potenziali clienti su LinkedIn. Posizionati come un esperto nel tuo settore condividendo contenuti di valore e partecipando attivamente alle discussioni. Infine, assicurati di avere un sito web che comunichi chiaramente la tua proposta di valore e includa informazioni rilevanti come case study e dettagli di contatto. Integra LinkedIn con un sistema CRM per tracciare le interazioni e gestire la tua pipeline di vendita.

Quando invii una richiesta di connessione, personalizza il messaggio e spiega perché desideri connetterti con quella persona. Evita i messaggi generici e impersonali.

Esempi di messaggi di connessione efficaci:

  • “Buongiorno, ho letto con interesse il suo articolo su e mi piacerebbe connettermi con lei per approfondire l’argomento.”
  • “Salve, ho notato che lavora presso e mi piacerebbe entrare in contatto con lei per conoscere meglio la sua attività.”
  • “Ciao, siamo entrambi membri del gruppo e mi piacerebbe connettermi con lei per scambiare idee e opinioni.”

Costruire relazioni con i potenziali clienti

Una volta che ti sei connesso con i potenziali clienti, è importante coltivare le relazioni e costruire un rapporto di fiducia. Per fare ciò, è fondamentale offrire valore al tuo pubblico attraverso conversazioni significative e contenuti pertinenti. Ecco alcuni consigli:

  • Pubblica regolarmente contenuti pertinenti al tuo settore e al tuo target di riferimento, come articoli, post del blog, video e infografiche.
  • Commenta i post dei tuoi contatti, condividi le loro pubblicazioni e partecipa alle discussioni. Per massimizzare l’engagement, coinvolgi i commentatori dei tuoi post ponendo domande e fornendo spunti di riflessione 12.
  • I gruppi LinkedIn sono un ottimo luogo per interagire con altri professionisti, condividere le tue conoscenze e imparare dagli altri.
  • Invia messaggi privati ai tuoi contatti per congratularti con loro per un nuovo lavoro, per commentare un loro post o per condividere un articolo di loro interesse.
  • Scrivi e chiedi referenze.

Generare lead e opportunità di vendita

LinkedIn può essere utilizzato anche per generare lead e opportunità di vendita. Per valutare l’efficacia delle tue attività di social selling, è importante analizzare le diverse fasi del funnel di vendita e misurare metriche come la generazione di lead, i tassi di conversione e le vendite. Ecco alcuni consigli:

  • Pubblica contenuti di alta qualità che siano utili e interessanti per il tuo target di riferimento.
  • Incoraggia i tuoi contatti a compiere un’azione specifica (punta su CTA efficaci), come visitare il tuo sito web, scaricare un ebook o richiedere una demo.
  • LinkedIn Ads: le campagne pubblicitarie su LinkedIn ti consentono di raggiungere un pubblico altamente mirato e di generare lead qualificati.
  • Sfrutta LinkedIn Sales Navigator: questo strumento offre funzionalità avanzate per la ricerca di lead, il monitoraggio delle attività dei potenziali clienti e la gestione delle relazioni.

Consigli specifici per commerciali e altri professionisti aziendali

Commerciali:

  • Utilizza LinkedIn Sales Navigator: questo strumento è essenziale per i commerciali che desiderano utilizzare LinkedIn per il Social Selling13.
  • Concentrati sulla qualità delle relazioni: non limitarti a inviare messaggi generici a un gran numero di persone. Concentrati sulla costruzione di relazioni autentiche con i potenziali clienti.
  • Monitora le attività dei tuoi prospect: utilizza LinkedIn per monitorare le attività dei tuoi potenziali clienti, come i cambi di lavoro, le promozioni e le pubblicazioni.
  • Partecipa a eventi di settore: gli eventi LinkedIn sono un’ottima occasione per incontrare potenziali clienti e costruire relazioni.
  • Adotta un approccio Account Based Marketing (ABM): identifica le aziende target e i decision maker chiave all’interno di queste aziende per concentrare i tuoi sforzi di Social Selling4.
  • Configura le preferenze di vendita: utilizza le preferenze di vendita di LinkedIn per definire il tuo profilo cliente ideale e indirizzare i tuoi sforzi di outreach in modo efficace4.
  • Utilizza LinkedIn Analytics per monitorare i tuoi progressi: monitora le metriche chiave, come il Social Selling Index (SSI), per valutare l’efficacia delle tue strategie e apportare eventuali modifiche14.

Altri professionisti aziendali:

  • Condividi la tua expertise: pubblica contenuti che dimostrino la tua competenza nel tuo settore.
  • Partecipa a discussioni di settore: interagisci con altri professionisti e condividi le tue opinioni.
  • Costruisci la tua rete di contatti: connettiti con persone che lavorano nel tuo settore o in settori correlati.
  • Promuovi la tua azienda: utilizza LinkedIn per promuovere la tua azienda e i suoi prodotti o servizi.
  • Ascolta attivamente le conversazioni dei clienti: monitora le conversazioni dei clienti su LinkedIn per ottenere informazioni preziose sulle loro esigenze e sfide15.

Esempi di aziende B2B che hanno utilizzato con successo LinkedIn per il social selling

Ecco un paio di esempi di aziende B2B che hanno ottenuto risultati significativi utilizzando il social selling su LinkedIn.

IBM: Nel 2012, IBM ha avviato un programma di social selling che è considerato uno dei primi esempi di successo a livello aziendale. Integrando i social media nel proprio modello di business, IBM ha promosso una cultura di collaborazione sia interna che esterna, migliorando l’efficacia delle vendite e costruendo relazioni più solide con i clienti.

Salesforce: Salesforce ha implementato strategie di social selling in parallelo con le tecniche di vendita tradizionali per aumentare le conversioni. Monitorando i social media per individuare segnali di cambiamento nelle aziende, come espansioni o nuove assunzioni, i venditori di Salesforce sono stati in grado di identificare opportunità di vendita e avviare conversazioni significative con i potenziali clienti.

Questi esempi dimostrano come le aziende B2B americane possano sfruttare efficacemente il social selling su LinkedIn per migliorare le proprie performance di vendita e costruire relazioni durature con i clienti.

L’AI nel social selling

Nel social selling su LinkedIn, l’intelligenza artificiale è sempre più importante. Grazie all’AI, puoi automatizzare attività ripetitive e concentrarti su ciò che conta davvero, come costruire relazioni autentiche. Gli strumenti basati sull’intelligenza artificiale ti aiutano a:

  • analizzare i dati dei prospect: l’AI setaccia LinkedIn per identificare le connessioni più rilevanti e offre suggerimenti personalizzati su chi contattare.
  • personalizzare i messaggi: attraverso l’analisi dei profili, puoi creare comunicazioni più mirate, eliminando i rischi di messaggi impersonali o generici.
  • ottimizzare i contenuti: gli algoritmi di intelligenza artificiale possono suggerire i momenti migliori per pubblicare e i temi che risuonano maggiormente con il tuo target.
  • monitorare l’engagement: con l’AI, puoi seguire in tempo reale le interazioni e identificare opportunità di follow-up senza perdere mai il passo.

Non si tratta di sostituire l’elemento umano – la vera forza del social selling! – ma di potenziarlo, permettendoti di essere al posto giusto, al momento giusto, con il messaggio giusto.

Non esiste la formula magica

Il Social Selling su LinkedIn è una strategia fondamentale per le aziende B2B che desiderano generare lead, costruire relazioni e aumentare le vendite. Ricorda che il Social Selling non è una soluzione rapida, ma un processo continuo che richiede impegno e costanza. Per ottenere i migliori risultati, è importante integrare LinkedIn nella tua strategia di vendita complessiva e monitorare costantemente le tue attività per valutarne l’efficacia. Crea un piano di Social Selling con obiettivi specifici e scadenze definite. 

Scrivimi per organizzare un evento o un corso su LinkedIn e social selling

Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso.

Inviaci email

“Tutti i rischi e i vantaggi dell’intelligenza artificiale generativa”: il mio articolo per WE di Eni e per Linkiesta

, ,

Sul numero 62 (Witness the future) di WE, magazine di ENI e ottimo esempio di brand journalism, è ospitato un mio articolo dal titolo “Revolution. Tutti i rischi e i vantaggi dell’intelligenza artificiale generativa”:

Qui è disponibile la versione in PDF dell’articolo:

We_WorldEnergy_articolo_revolution_Bonanomi

Qui la trascrizione per come è stato riportato su Linkiesta:

Fai da tech – Tutti i rischi e i vantaggi dell’intelligenza artificiale generativa

L’impatto dell’IA sul mondo del lavoro è stato fin da subito travolgente in moltissimi settori. Questa tecnologia in rapidissima evoluzione potrebbe cambiare il mondo, ma non bisogna sottovalutare i suoi limiti.

Quando verso la fine del 2022  OpenAI ha reso pubblico ChatGPT, la curiosità è stata devastante. Per la prima volta, un software di intelligenza artificiale era in grado di sostenere una conversazione credibile, in varie lingue, con le persone. Interrogandolo col linguaggio naturale, già un milione di utenti nei primi cinque giorni dal lancio ha iniziato a sperimentare, facendogli eseguire compiti considerati sino al giorno prima non alla portata di un computer: riassumere testi, effettuare traduzioni di qualità, spiegare concetti complessi in maniera semplice. Ma anche realizzare script per i video, inventare storie per bambini e per adulti, risolvere problemi matematici, addirittura di scrivere codice per svariati linguaggi di programmazione.

Non sono le uniche ombre: un utilizzo sconsiderato dei sistemi di IA potrebbe provocare storture nella società, aprendo la via a sistemi di sorveglianza di massa e all’adozione di sistemi di riconoscimento facciale invasivi. Non è un caso che di recente sia stato approvato l’UE AI Act, un documento che norma lo sviluppo e l’utilizzo dei sistema di IA nell’area UE (americani e cinesi sviluppano, noi europei normiamo).

Secondo una ricerca di Microsoft e The European House Ambrosetti, l’adozione dell’IA potrebbe portare nella sola Italia trecentododici miliardi di euro di Pil aggiuntivo (circa il 18,3 per cento del Pil italiano) al Paese, a parità di ore lavorate. Ecco il tanto agognato aumento della produttività. In alternativa, la ricerca suggerisce che potrebbe liberare 5,7 miliardi di ore di lavoro, equivalenti alle otto ore quotidiane di circa 3,2 milioni di italiani.

Considerato l’investimento monstre di Microsoft in OpenAI (parliamo di oltre tredici miliardi) i dati potrebbero peccare di eccessivo ottimismo, ma anche altre ricerche confermano l’enorme interesse verso questa tecnologia a livello globale, nonostante dati spesso molto distanti fra loro. Secondo Bloomberg, il mercato dell’IA generativa raggiungerà il valore di milletrecento miliardi di dollari nel 2034, mentre Fortune stima per lo stesso anno un valore di duemilasettecentoquaranta miliardi di dollari. Ma quante aziende, allo stato attuale, la stanno realmente adottando?

Limitando l’analisi all’IA generativa, secondo McKinsey l’adozione attuale è del sessantacinque per cento, praticamente due su tre: un valore in ogni caso elevato. In particolare, è il marketing l’area in cui l’IA generativa viene usata maggiormente, dato che facilita la creazione di schede prodotto, descrizioni e permette di creare rapidamente campagne pubblicitarie online personalizzate.

Col tempo, si prevede un’adozione più massiccia in altri ambiti: le risorse umane, per velocizzare lo screening dei candidati e automatizzare i flussi di lavoro (sebbene già da anni si usino i cosiddetti ATS, sistemi di selezione automatica delle candidature); nello sviluppo di nuovi prodotti. E già oggi vediamo l’IA integrata in tantissime soluzioni sia per il mondo B2B che per quello B2C: sistemi di traduzione automatica, generatori di video basati su IA, nelle soluzioni di sicurezza informatica, nelle piattaforme per la pubblicazione dei contenuti su più social network.

Rischi e vantaggi di una tecnologia in rapidissima evoluzione
I vantaggi più noti dell’IA sono prevalentemente due: maggiore efficienza e velocità. Il risultato di una corretta implementazione è quindi una maggiore produttività. Ma non è l’unico vantaggio di cui tenere conto: nei Paesi occidentali si sta assistendo a un rapido invecchiamento della popolazione e a un calo della natalità, e si sta allargando lo skill mismatch, cioè la difficoltà a far incontrare l’offerta e la domanda di lavoro.

In pratica, le aziende sono alla ricerca di persone con specifiche competenze (prevalentemente in ambito STEM: Science, Technology, Engineering, Mathematic), competenze che invece scarseggiano nei candidati. L’uso dell’IA potrebbe aiutare a formare più rapidamente queste figure, così come a potenziare i programmi esistenti di reskilling upskilling, mirati a fornire ai lavoratori le competenze oggi richieste in ambito professionale.

Il rovescio della medaglia è che l’IA avrà un impatto non trascurabile sull’occupazione: alcune mansioni spariranno del tutto, come in passato è accaduto ai casellanti e come potrebbe succedere ai cassieri; mentre altre verranno profondamente trasformate dalla tecnologia: basti pensare ai consulenti finanziari.

La principale paura delle persone, infatti, è proprio che l’IA possa sostituirle nei prossimi anni. Dubbi più che leciti: i data center non dormono sonni tranquilli. Alcune aziende hanno già iniziato a licenziare persone, affermando di sostituirle con l’IA, soprattutto nell’ambito dei contact center, ma anche in settori come quello della traduzione e localizzazione.

Proprio quest’ultimo è un ambito molto sensibile, che ha causato forti proteste oltreoceano: alcune aziende del mondo dello spettacolo hanno infatti iniziato a sfruttare l’IA per i doppiaggi, usando voci di veri attori per l’addestramento. Fatto che, inevitabilmente, ha creato agitazioni e scioperi: una volta addestrata un’IA su una specifica voce, infatti, l’attore non sarebbe più necessario. Emblematico il caso dell’attrice Scarlett Johansson: ha minacciato OpenAI di cause legali quando l’azienda guidata da Sam Altman ha utilizzato una “copia” della sua voce per far “parlare” ChatGPT.

Ricordiamo per completezza che Johansson fu protagonista di Her, film del 2013 incentrato proprio sul concetto di interazione fra uomo e IA. Ma anche ruoli più tecnici, e oggi molto ricercati, potrebbero rischiare di vedere la loro importanza scemare. Lo afferma Jensen Huang, numero uno di Nvidia, una delle aziende al centro della rivoluzione dell’IA (realizza i chip per accelerare i calcoli relativi all’addestramento e all’inferenza dei modelli di intelligenza artificiale e, con una valutazione superiore ai 2 miliardi, è una delle aziende più importanti al mondo).

Huang ha infatti dichiarato che oggi imparare a programmare potrebbe essere un pessimo investimento per il futuro: nella sua visione la scrittura di codice entro pochi anni sarà interamente in mano alle IA. E probabilmente non sarà l’unico lavoro impattato da questa tecnologia: anche la scrittura di contenuti editoriali potrebbe venire rapidamente sostituita, e in certi ambiti questo già accade (del resto perché pagare un articolo anche solo due euro se è possibile averlo gratis?). Numerose testate e TV sportive da tempo utilizzano l’IA per scrivere brevi articoli di commento sulle partite dei campionati minori.

I limiti dell’IA e il rischio bolla
Per quanto l’IA generativa sia una tecnologia impressionante in grado di risolvere svariati problemi e di migliorare la produttività, non è esente da limiti, anche importanti. Il principale è quello delle allucinazioni: gli attuali modelli di IA scrivono spesso sciocchezze. Sia quando si trovano a generare testi, sia quando si limitano a riassumere. Formalmente, l’output generato è impeccabile (fatta eccezione per qualche refuso), ma il contenuto non sempre è corretto.

In certi casi, l’IA letteralmente si inventa informazioni (si parla di “allucinazioni”), e di conseguenza non può essere totalmente affidabile, e ogni testo generato andrebbe controllato scrupolosamente. In caso contrario, si rischia di fare la stessa brutta figura di Steve Schwartz, avvocato statunitense che ha ben pensato di farsi scrivere dei documenti da ChatGPT, che si è inventata di sana pianta una serie di precedenti mai esistiti, mettendo nei guai l’avvocato e la sua credibilità.

Per affrontare questo problema, sempre più aziende si stanno appoggiando a soluzioni di RAG, Retrieval Augmented Generation, una tecnologia in grado di verificare l’output delle IA così da garantire che sia corretto. Un esempio di strumento (gratis) per provare come funziona l’AI in questo ambito? Segnatevi NotebookLM di Google.

Altri problemi sono relativi al copyright: a oggi, è infatti sconsigliabile alle aziende di utilizzare soluzioni pubbliche come ChatGPT quando lavorano su documenti riservati. Il rischio è infatti che dandole in pasto all’IA, questi dati non siano più riservati e anzi, vadano ad addestrare il modello stesso, accessibile a tutti. Per questo motivo chi tratta informazioni confidenziali dovrebbe appoggiarsi solamente a soluzioni proprietarie, sviluppate in casa, addestrare coi propri dati, così da mantenere il pieno controllo sulle informazioni.

Bisogna però tenere conto che l’IA è una tecnologia ancora immatura e, aspetto importante, complessa. Non basta acquistare un software per integrarla nei processi. Serve un approccio strategico a lungo termine. Ed è importante non farsi prendere dall’entusiasmo: tanti dei progetti avviati frettolosamente sono destinati a fallire. Anzi: alcuni big hanno già fatto i loro passi falsi, come McDonald con il suo assistente IA sperimentato su alcuni drive-thru della catena.

Niente di differente da quanto accaduto con Internet: dopo l’esaltazione iniziale, è esplosa la bolla delle dot com, che ha travolto moltissime realtà. Ma sul medio e lungo termine, chi ha adottato le giuste strategie ha colto i frutti del proprio lavoro.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

Non solo LLM americani: provo il chatbot cinese DeepSeek

,

La nuova guerra fredda

Stiamo assistendo a una guerra fredda. Non più quella USA-URSS (quella è ormai calda, dato quanto sta succedendo in Ucraina), bensì a una sfida a distanza sempre tra gli americani e, questa volta, i cinesi. Non si parla di Taiwan, né della Corea del Nord, bensì della sfida riguardo l’intelligenza artificiale.

Gli Stati Uniti e la Cina sono entrambi leader nello sviluppo dell’IA, ma hanno approcci molto diversi. I primi hanno adottato un approccio guidato dal mercato, con le aziende private che sono all’avanguardia nella ricerca e nello sviluppo (vedi OpenAI, ma non solo). La Cina, d’altra parte, ha adottato un approccio dall’alto verso il basso, con il governo che svolge un ruolo importante nello sviluppo dell’IA.

Ci sono una serie di ragioni per cui l’IA è così importante nella nuova Guerra Fredda. Innanzitutto, l’IA ha il potenziale per aumentare la crescita economica. Secondo le stime, l’IA potrebbe aggiungere 15,7 trilioni di dollari all’economia globale entro il 2030. Questa crescita potrebbe aiutare gli Stati Uniti o la Cina a ottenere un vantaggio significativo sull’altro. In secondo luogo, l’IA ha applicazioni militari: potrebbe essere utilizzata per sviluppare armi autonome, cosa che potrebbe cambiare la natura della guerra. Potrebbe anche essere utilizzata per migliorare la raccolta e l’analisi delle informazioni. In terzo luogo, l’IA ha implicazioni sociali: potrebbe essere utilizzata per migliorare l’assistenza sanitaria e l’istruzione. O per sviluppare nuove forme di media e intrattenimento.

La corsa all’IA è ancora agli inizi e non è chiaro chi ne uscirà vincitore. Tuttavia, una cosa è chiara: la competizione tra Stati Uniti e Cina per la supremazia dell’IA avrà implicazioni di vasta portata per il futuro, ed è appena iniziata. Dopo alcuni mesi in cui si parlava solo di prodotti americani (con qualche eccezione, vedi il chatbot francese Le Chat di Mistral), ecco negli ultimi giorni del 2024 esplodere l’interesse per DeepSeek, chatbot cinese di ultimissima generazione.

Cos’è DeepSeek?

DeepSeek è un’azienda cinese di intelligenza artificiale con sede a Hangzhou, fondata e sostenuta dall’hedge fund cinese High-Flyer. Nata nel maggio 2023, DeepSeek si è rapidamente affermata nel panorama dell’IA, con l’obiettivo di sviluppare un’intelligenza artificiale generale. I suoi Large Language Model (LLM) open source competono con i modelli più avanzati, come quelli di Qwen e OpenAI. La rapida ascesa di DeepSeek è testimoniata dal crescente interesse della comunità AI e dalle discussioni sulle sue potenzialità (vedi Reddit).

Le radici di DeepSeek affondano nel 2015, quando tre ingegneri dell’Università di Zhejiang fondarono High-Flyer. L’hedge fund utilizzava il machine learning per il trading azionario, dimostrando fin da subito una forte propensione all’innovazione tecnologica. Nel 2019, l’azienda creò High-Flyer AI, una divisione interamente dedicata alla ricerca sugli algoritmi di IA e alle loro applicazioni. Già nel 2021, tutte le strategie di High-Flyer si basavano sull’IA, un approccio che ha scatenato paragoni con Renaissance Technologies, un altro pioniere nell’applicazione dell’IA alla finanza.

Forte di questa esperienza, nell’aprile 2023, High-Flyer annunciò la creazione di DeepSeek, un nuovo ente indipendente per la ricerca sull’intelligenza artificiale generale. A differenza di High-Flyer AI, DeepSeek non si sarebbe concentrato sulle applicazioni finanziarie, ma avrebbe esplorato le potenzialità dell’IA in diversi altri ambiti.

DeepSeek V3: un salto di qualità

DeepSeek ha rilasciato diverse versioni dei suoi modelli linguistici, ma è con DeepSeek-V3, lanciato a fine 2024, che l’azienda ha segnato un importante passo avanti.

Questo modello, un Mixture-of-Experts (MoE) con 671 miliardi di parametri, si posiziona come un potenziale concorrente di Llama 3.1 e GPT40.

Come evidenziato da , “i numeri raccontano una storia avvincente di efficienza. Mentre la maggior parte dei modelli di intelligenza artificiale avanzati richiede tra 16,000 e 100,000 GPU per l’addestramento, DeepSeek è riuscito a gestirne solo 2,048 in esecuzione per 57 giorni. L’addestramento del modello ha consumato 2.78 milioni di ore GPU su chip Nvidia H800, notevolmente modesto per un modello da 671 miliardi di parametri”.

Nei test di benchmark, DeepSeek-V3 ha mostrato prestazioni competitive, superando modelli come Llama 3.1 e Qwen 2.5, e avvicinandosi a GPT-4o e Claude 3.5 Sonnet. In particolare, ha ottenuto un punteggio di 88,5 nell’MMLU (Massive Multitask Language Understanding) e un 91,6 nel DROP (3-shot F1), evidenziando le sue capacità avanzate in comprensione linguistica e ragionamento quantitativo.

DeepSeek-V3 si distingue non solo per le sue capacità, ma anche per la velocità: elabora 60 token al secondo, tre volte più velocemente della versione precedente. A livello tecnico, il modello nativo ha una dimensione di 128k, ma l’hosting è limitato a una dimensione di contesto di 64k, probabilmente per ragioni di efficienza legate all’accesso limitato alle GPU da parte delle aziende cinesi.

Prodotti e servizi di DeepSeek

DeepSeek offre una gamma di prodotti e servizi basati sui suoi modelli linguistici, pensati per rispondere alle esigenze di diversi settori. Ecco alcuni test che ho fatto.

  • DeepSeek LLM: La famiglia di modelli linguistici di grandi dimensioni, cuore della tecnologia DeepSeek. Ho fatto diversi test con la lingua italiana, e i risultati sono buoni.

  • DeepSeek Coder: Un modello specializzato nella generazione di codice, in grado di automatizzare compiti di programmazione e migliorare la produttività degli sviluppatori.

Dopo aver fatto creare un quiz interattivo, posso anche testarlo:

  • DeepSeek Math: Un modello focalizzato sulla risoluzione di problemi matematici, con applicazioni in ambito educativo e scientifico.

Ho provato a fargli risolvere questa equazione:

Il risultato dovrebbe essere “impossibile”:

Ecco il risultato:

Un accorgimento: indicate sempre all’LLM di “ragionare passo a passo”.

  • DeepSeek VL: Un modello per l’elaborazione del linguaggio visivo, che apre le porte a nuove possibilità nell’analisi e nell’interpretazione delle immagini.

Ho provato a dargli un pasto un volantino:

In effetti la lettura avviene, anche se non precisa:

Attenzione, DeepSeek non ha letto correttamente immagini senza testo (era una foto di Pisa):

  • API: DeepSeek offre un’API simile a quella di OpenAI, che consente agli sviluppatori di integrare i suoi modelli linguistici nelle proprie applicazioni, aprendo un ventaglio di possibilità per l’innovazione.

La forza di Deepseek risiede anche nella sinergia tra i suoi prodotti. Ad esempio, DeepSeek Coder può essere integrato con DeepSeek Chat per creare assistenti virtuali in grado di generare codice in tempo reale, mentre DeepSeek Math può essere combinato con DeepSeek VL per analizzare dati visivi e risolvere problemi matematici complessi.

Le caratteristiche distintive di DeepSeek

DeepSeek si posiziona come un attore dirompente nel mercato dell’IA, sfidando i giganti del settore come OpenAI e Google. La sua strategia si basa su tre cardini.

  • I modelli di DeepSeek sono open source, il che significa che il codice sorgente è accessibile a tutti. Questo approccio favorisce l’innovazione, la collaborazione e la diffusione dell’IA, creando una comunità di sviluppatori e ricercatori che contribuiscono al miglioramento dei modelli. Al contrario, i modelli closed source di altre aziende limitano l’accesso al codice e il controllo sulla tecnologia.
  • DeepSeek-V3 ha dimostrato prestazioni competitive con i modelli più avanzati sul mercato, offrendo risultati di alto livello in diversi benchmark.
  • DeepSeek offre i suoi servizi a prezzi competitivi, rendendo l’IA più accessibile alle aziende, soprattutto alle startup e alle piccole e medie imprese.

La sfida di Deepseek alla Silicon Valley 9 è un elemento chiave del suo posizionamento competitivo. L’azienda si propone come un’alternativa valida ai modelli dominanti, offrendo soluzioni open source, performanti e accessibili.

Problemi e considerazioni etiche

Come tutti gli LLM, DeepSeek ha le allucinazioni:

A volte restituisce anche link non funzionanti. Qui, tranne il primo, nessun link funziona:

Oltre agli errori tecnici (cito anche feedback limitato all’utente in caso di problemi, tendenza a fornire istruzioni su come risolvere un problema invece di fornire direttamente la soluzione), DeepSeek solleva anche preoccupazioni etiche:

  • Essendo un’azienda cinese, DeepSeek opera sotto l’influenza del regolatore di Internet cinese, il che solleva preoccupazioni sulla potenziale censura e distorsione dei risultati del modello, soprattutto per gli utenti al di fuori della Cina che cercano prospettive equilibrate e imparziali . Questo aspetto solleva interrogativi sulla libertà di informazione e sulla possibilità di accedere a informazioni complete e non filtrate.   
  • La politica sulla privacy di DeepSeek consente l’utilizzo dei dati degli utenti per il mantenimento e il miglioramento dei servizi, sollevando preoccupazioni sulla privacy e la sicurezza dei dati . Una maggiore trasparenza e un maggiore controllo da parte degli utenti sui propri dati sono essenziali per affrontare queste preoccupazioni.  
  • DeepSeek-V3 ha mostrato la tendenza a identificarsi come ChatGPT e a fornire istruzioni per l’API di OpenAI, sollevando interrogativi sull’attribuzione e la trasparenza nello sviluppo dell’IA. È fondamentale garantire che i modelli di IA siano chiaramente identificati e che gli utenti siano consapevoli della loro origine e delle loro capacità.
  • È stato osservato che DeepSeek potrebbe essere stato addestrato su dati generati da GPT-4 . Questo solleva interrogativi sull’originalità del modello, sulle potenziali violazioni della proprietà intellettuale e sulla possibilità di perpetuare eventuali distorsioni presenti nei dati originali.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

I prompt per fare problem framing e reframing

, ,

Durante i miei corsi sul prompt engineering, chiedo ai partecipanti di testare diversi prompt: da quello per fare la SWOT del proprio CV a quello per l’analisi PESTEL di qualsiasi fenomeno. Uno dei prompt che piacciono di più – soprattutto ai project manager, ma non solo – è relativo al problem framing. Di cosa si tratta?

Il problem framing è una tecnica che aiuta a definire chiaramente un problema prima di cercare soluzioni. Del resto, come diceva Einstein, “Se avessi solamente un’ora per salvare il mondo, passerei 55 minuti a definire bene il problema e 5 a trovare la soluzione”. Riunendo il team per rispondere a domande mirate — come “Qual è il vero problema?” o “Chi è coinvolto?” — si evitano sprechi di tempo e risorse. Un approccio semplice ma potente, come direbbe Sherlock Holmes: prima di trovare il colpevole, assicurati di aver capito il crimine.

Ecco una proposta per un prompt strutturato per il problem framing basato su una metodologia chiara e adattabile a vari contesti. Il prompt guida l’utente attraverso una serie di domande mirate per definire, analizzare e contestualizzare il problema in modo efficace.


Prompt per il problem framing

Usa le tecnica del problem framing per inquadrare correttamente il seguente problema: [LINK O DESCRIZIONE TESTUALE].
Procedi, con ordine, con le seguenti fasi.

  1. Definizione del problema
    • Descrivi brevemente il problema che stai affrontando in una o due frasi.
    • In che contesto si manifesta questo problema?
    • Quali sono i segnali o i sintomi che indicano che questo è un problema rilevante?
  2. Obiettivi
    • Qual è l’obiettivo principale che desideri raggiungere affrontando questo problema?
    • Quali sono gli obiettivi secondari o complementari?
  3. Stakeholder
    • Chi sono le persone o i gruppi interessati da questo problema?
    • Quali sono le loro aspettative e necessità?
    • Chi sono i principali decision-maker?
  4. Impatto del problema
    • Quali sono le conseguenze attuali del problema?
    • Come influisce sulle persone, sui processi o sull’organizzazione?
    • Cosa accadrebbe se il problema non venisse risolto?
  5. Root causes
    • Quali sono le possibili cause alla base del problema? Usa la tecnica Toyota dei 5 Whys per identificare la causa principale.
    • Hai identificato degli eventi o dei pattern ricorrenti collegati a questo problema
  6. Vincoli e risorse
    • Quali vincoli (di tempo, budget, risorse umane, tecnologia, ecc.) devono essere considerati?
    • Quali risorse sono già disponibili per affrontare questo problema?
  7. Metriche di successo:
    • Come misurerai il successo della soluzione adottata?
    • Quali indicatori ti diranno che il problema è stato risolto o ridotto?
  8. Domande chiave aperte

Se necessario, formulami delle domande per comprendere meglio il problema. Ecco due esempi di domande che potresti farmi.

    • Cosa ancora non sai o non hai chiarito rispetto a questo problema?
    • Quali ipotesi devi validare o falsificare?

Aspetta la mia risposta prima di fare la domanda successiva.

Esempio di applicazione del prompt

Ho testato il prompt su questo problema: “Il team di supporto clienti impiega troppo tempo a rispondere alle richieste dei clienti, causando insoddisfazione”.

Ecco il risultato di ChatGPT (Plus):

Definizione del Problema

Il team di supporto clienti impiega troppo tempo a rispondere alle richieste dei clienti, causando insoddisfazione e possibile perdita di fiducia nei confronti dell’azienda.


Contesto del Problema

Il problema si manifesta in un contesto aziendale con un team di supporto clienti responsabile di rispondere a richieste via e-mail, chat, telefono o piattaforme di ticketing. Il settore potrebbe essere un’azienda di servizi digitali, e-commerce o qualsiasi organizzazione con un elevato volume di interazioni con i clienti.


Segnali o Sintomi

  1. Tempi di risposta medi elevati: Risposte oltre le 24 ore o superiori agli standard previsti.
  2. Feedback negativi: Recensioni o sondaggi che esprimono insoddisfazione per il servizio.
  3. Aumento dei reclami: Crescente numero di reclami ufficiali per mancate risposte o ritardi.
  4. Elevato tasso di abbandono: Clienti che interrompono la relazione con l’azienda o non completano acquisti.
  5. Stress del team: Sovraccarico del team con difficoltà a gestire il volume delle richieste.

Obiettivi

  • Obiettivo Principale: Ridurre il tempo medio di risposta alle richieste dei clienti per aumentare la soddisfazione complessiva.
  • Obiettivi Secondari:
    1. Migliorare la qualità delle risposte del team.
    2. Ridurre il tasso di reclami e feedback negativi.
    3. Ottimizzare il carico di lavoro del team di supporto.
    4. Incrementare la fidelizzazione dei clienti.

Stakeholder

  • Clienti: Si aspettano risposte rapide e risolutive alle loro richieste.
  • Team di Supporto Clienti: Necessita di strumenti, formazione e processi efficienti.
  • Responsabile del Supporto Clienti: Decision-maker chiave, responsabile delle performance del team.
  • Alta Direzione: Vuole migliorare la customer experience e ridurre il rischio di perdita di clienti.
  • Dipartimenti Tecnici: Possono supportare con soluzioni software o automazioni.

Impatto del Problema

  • Sulla Clientela: Insoddisfazione, perdita di fiducia, e possibile abbandono del servizio.
  • Sul Team: Stress, burnout e demotivazione.
  • Sull’Azienda: Perdita di clienti, danno alla reputazione, riduzione dei ricavi.

Se il problema non viene risolto, potrebbe portare a una diminuzione della fidelizzazione dei clienti e costi più elevati per acquisire nuovi clienti, oltre a un calo della produttività interna.


Root Causes (5 Whys)

  1. Perché il team impiega troppo tempo a rispondere?
    → Perché ci sono troppe richieste da gestire contemporaneamente.
  2. Perché ci sono troppe richieste contemporaneamente?
    → Perché le richieste non sono filtrate o automatizzate.
  3. Perché le richieste non sono filtrate o automatizzate?
    → Perché manca un sistema di ticketing avanzato o automazioni per le richieste ricorrenti.
  4. Perché manca un sistema di automazione avanzato?
    → Perché l’azienda non ha investito in strumenti tecnologici o processi aggiornati.
  5. Perché non sono stati fatti investimenti?
    → Perché l’importanza della velocità di risposta non era stata priorizzata in passato.

Vincoli e Risorse

  • Vincoli:
    • Tempo: Necessità di implementare soluzioni in tempi brevi.
    • Budget: Limitazioni di spesa per nuovi software o assunzioni.
    • Tecnologia: Sistemi esistenti potrebbero avere limitazioni tecniche.
    • Risorse Umane: Limitata disponibilità di personale qualificato.
  • Risorse Disponibili:
    • Team attuale di supporto clienti.
    • Possibili strumenti già in uso (CRM, software di ticketing).
    • Dati sui tempi di risposta e sui feedback dei clienti.

Metriche di Successo

  1. Tempo Medio di Risposta: Riduzione del tempo medio a un livello soddisfacente (es. < 2 ore).
  2. Customer Satisfaction (CSAT): Miglioramento del punteggio di soddisfazione.
  3. Riduzione dei Reclami: Diminuzione dei reclami del 20-30%.
  4. Tasso di Risoluzione al Primo Contatto (FCR): Aumento delle risoluzioni immediate.
  5. Stress del Team: Miglioramento del morale e riduzione del turnover.

Domande Chiave Aperte

  1. Qual è l’attuale tempo medio di risposta e l’obiettivo ottimale che vorresti raggiungere?

Come richiesto, ChatGPT inizia a farmi delle domande di approfondimento.

Il prompt per il reframe

Dopo l’esercizio del problem framing, chiedo di procedere chiedendo al chatbot di fare il cosiddetto “reframe”. Grazie al reframe si cambia il significato di una situazione, di un modello comportamentale o di un problema, attribuendo una diversa angolazione. In pratica, il chatbot cerca di trasformare un problema in un’opportunità, o quantomeno di guardare al problema da un’altra prospettiva, se possibile positiva (ottimo per noi inguaribili ottimisti!).

Ecco un possibile prompt per il reframe:

“Analizza il seguente problema grazie al reframing: [INSERIRE TESTO O LINK]. Per ridefinire e reinterpretare il problema da diverse prospettive e scoprire soluzioni innovative, rispondi alle seguenti domande:

  1. Quali altri modi esistono per interpretare questa situazione?
    (Per esempio: è davvero un problema di risorse o potrebbe essere un problema di processo, di comunicazione o di obiettivi mal definiti?)
  2. Cosa succederebbe se il vero problema fosse diverso da quello che sembra a prima vista?
    (C’è una causa nascosta o un fattore sottovalutato?)
  3. In che modo questo problema potrebbe essere visto come un’opportunità di miglioramento o innovazione?
  4. Quali risorse o capacità esistenti potrebbero essere utilizzate diversamente per affrontare questa situazione?
  5. Cosa accadrebbe se l’obiettivo principale fosse ridefinito o ampliato per includere altri aspetti del problema?
  6. Come descriverebbe questo problema una persona direttamente coinvolta (es. cliente, dipendente, fornitore)? Come lo vedrebbe un osservatore esterno?
  7. Cosa cambierebbe se si introducesse un nuovo approccio o una nuova tecnologia per risolvere il problema? Usa il pensiero laterale per trovare una o più soluzioni.
  8. Quali sono le barriere culturali, organizzative o procedurali che potrebbero impedire di affrontare efficacemente questo problema?
  9. Se non ci fossero limiti di risorse (tempo, budget, personale), come affronteresti questo problema?
  10. Cosa succederebbe se il problema venisse affrontato con una soluzione temporanea o una sperimentazione pilota?

Ecco la risposta di ChatGPT sempre sul tema “Il team di supporto clienti impiega troppo tempo a rispondere alle richieste dei clienti, causando insoddisfazione”.

Ecco un’analisi del problema del ritardo del team di supporto clienti utilizzando il reframing e rispondendo alle domande poste per esplorare diverse prospettive e soluzioni innovative.


1. Quali altri modi esistono per interpretare questa situazione?

  • Problema di processo: Forse le risposte tardano perché il flusso di lavoro non è ottimizzato. Ci sono troppi passaggi o approvazioni inutili?
  • Problema di comunicazione: I clienti forniscono informazioni incomplete o ambigue, rallentando la risoluzione?
  • Problema di obiettivi: Il team è valutato sulla quantità di ticket chiusi piuttosto che sulla qualità delle risposte?
  • Problema di formazione: Il personale ha le competenze adeguate per risolvere rapidamente i problemi?
  • Problema di strumenti: I sistemi usati per gestire le richieste sono obsoleti o inefficienti?

2. Cosa succederebbe se il vero problema fosse diverso da quello che sembra a prima vista?

  • Cause nascoste: Forse il vero problema è la mancanza di motivazione del team o un carico di lavoro non bilanciato.
  • Fattore sottovalutato: Forse le richieste sono in costante aumento, ma il personale rimane invariato. Oppure esistono picchi di richieste non previsti.
  • Mancanza di empowerment: I dipendenti potrebbero sentirsi incapaci di prendere decisioni rapide senza l’approvazione dei superiori.

3. In che modo questo problema potrebbe essere visto come un’opportunità di miglioramento o innovazione?

  • Ottimizzazione dei processi: Analizzare il problema può portare a una ristrutturazione dei processi interni per maggiore efficienza.
  • Implementazione di IA: L’introduzione di chatbot o assistenti AI può velocizzare le risposte automatiche e permettere al team di concentrarsi su problemi complessi.
  • Customer experience: Un miglioramento nel supporto clienti può differenziare l’azienda dalla concorrenza.
  • Formazione continua: Investire in formazione può migliorare le competenze e l’efficienza del team.

4. Quali risorse o capacità esistenti potrebbero essere utilizzate diversamente per affrontare questa situazione?

  • Automazione delle risposte frequenti: Utilizzare risposte predefinite o un sistema di FAQ interattivo.
  • Ridistribuzione del carico di lavoro: Sfruttare meglio le competenze individuali dei membri del team.
  • Monitoraggio dei tempi di risposta: Implementare metriche e dashboard per monitorare e migliorare le prestazioni.
  • Coaching interno: Utilizzare dipendenti senior per formare o affiancare quelli meno esperti.

5. Cosa accadrebbe se l’obiettivo principale fosse ridefinito o ampliato per includere altri aspetti del problema?

  • Focus sulla soddisfazione del cliente: Piuttosto che velocizzare solo le risposte, si potrebbe mirare a risolvere il problema al primo contatto.
  • Qualità > Quantità: Prioritizzare risposte più complete e personalizzate rispetto alla sola velocità.
  • Engagement del team: Creare un ambiente in cui il team si senta coinvolto nel miglioramento continuo del servizio.

6. Come descriverebbe questo problema una persona direttamente coinvolta?

  • Cliente: “Mi sento ignorato e frustrato dall’attesa prolungata.”
  • Dipendente: “Siamo sovraccarichi di richieste e non abbiamo gli strumenti giusti per lavorare meglio.”
  • Osservatore esterno: “Sembra che il team non sia supportato a sufficienza dalla leadership aziendale.”

7. Cosa cambierebbe se si introducesse un nuovo approccio o una nuova tecnologia?

  • Chatbot e IA: Potrebbero gestire richieste semplici, liberando il team per i problemi complessi.
  • Sistema di ticketing avanzato: Con routing intelligente e assegnazione automatica in base a priorità o competenze.
  • Analisi predittiva: Identificare picchi di richieste per preparare risorse in anticipo.

8. Quali sono le barriere culturali, organizzative o procedurali che potrebbero impedire di affrontare efficacemente questo problema?

  • Resistenza al cambiamento: Il team o i manager potrebbero essere riluttanti ad adottare nuovi processi o tecnologie.
  • Gerarchia rigida: La necessità di approvazioni da parte dei superiori rallenta le risposte.
  • Mancanza di comunicazione interna: Dipartimenti isolati impediscono un flusso efficiente di informazioni.

9. Se non ci fossero limiti di risorse (tempo, budget, personale), come affronteresti questo problema?

  • Espansione del team: Assumere più personale per gestire i picchi di richieste.
  • Formazione intensiva: Corsi avanzati per migliorare le competenze.
  • Investimento in tecnologie avanzate: Implementare soluzioni di IA, analisi dati e CRM avanzati.

10. Cosa succederebbe se il problema venisse affrontato con una soluzione temporanea o una sperimentazione pilota?

  • Progetto pilota con chatbot: Testare un assistente virtuale per un mese per valutare l’impatto sui tempi di risposta.
  • Orari estesi del supporto: Ampliare temporaneamente le ore di supporto per osservare se riduce l’insoddisfazione.
  • Team di emergenza: Creare un piccolo team dedicato alle richieste urgenti per un periodo limitato.

Alcune soluzioni proposte sono davvero interessanti, non credi?

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

Il prompt che spopola sui social: “dream life”

,

Seguo molti tiktoker che parlano di AI, e ultimamente ho visto nascere il trend che si chiama “dream life prompt”.

Tanto da meritare un articolo su Forbes:

Si tratta di un uso creativo dei chatbot, spesso usati per scrivere articoli, fare riassunti o altro. Per una volta,  invece, l’idea è quella di sfruttare ChatGPT e compagnia bella per riscoprire i nostri obiettivi, i nostri valori e delineare quella che potrebbe essere la nostra vita dei sogni.

In questo articolo mostro quindi come usare ChatGPT per visualizzare e pianificare la “dream life” con un prompt che sembra uscito da un manuale zen, ma con l’efficacia di un sistema operativo aggiornato.

Il dream life prompt

Ecco un paio di prompt in inglese:

You are going to help me manifest my dream life. Please ask me a set of 5 questions to help better understand me today and what my eventual dream life looks like – please ask these questions one at a time.

E quello riportato da Forbes…

“Give me an inspirational landscape image of [what your ideal self looks like] while you can see them from behind. They are wearing [what your ideal self wears] while [describe what they are doing] and living in [describe your dream city, scenery, apartment, workspace, etc].”

Ecco una variante, più evoluta, in italiano:

Immagina la mia giornata ideale, dall’alba fino al tramonto, basandoti su tutto quello che sai di me, quello che emerge dalle passate conversazioni e da quello che hai salvato in memoria. Dove mi sveglio? Chi ho accanto? Quali attività riempiono le mie ore? Dividi la mia vita nei settori chiave: carriera, relazioni, salute e crescita personale. Rifletti su quali valori sono per me imprescindibili e su quali passioni vorrei dedicare più tempo. Pensa agli ostacoli che potrebbero frapporsi tra me e questa vita ideale e come potrei superarli. Ora elabora una serie di passi concreti per permettermi di avvicinarmi a questo stile di vita e rifletti su come mantenere alta la motivazione nel lungo periodo. Chiedimi pure eventuali chiarimenti, finché non sarai al 95% sicuro di potermi aiutare nel modo migliore. Respira profondamente e procediamo un passo alla volta.

Come vedi, c’è un riferimento alla memoria di ChatGPT (la sua capacità di ricordare cose di noi).

ChatGPT parte con alcuni chiarimenti:

Dopo aver risposto alle sette domande, ChatGPT restituisce una cronologia della giornata ideale, i valori e i passi concreti per arrivare a quella vita ideale e come tenere il focus.

ChatGPT come coach motivazionale?

Può sembrare che stiamo entrando nel regno new age delle app per il mindfulness e dei planner alla “Bullet Journal” (metodo flessibile e personalizzabile per prendere appunti, pianificare e riflettere, utilizzando un semplice taccuino e una penna) o peggio delle passeggiate sui carboni ardenti. In realtà, e più prosaicamente, ChatGPT può diventare uno strumento efficace di auto-riflessione. Proprio come un buon assistente virtuale, il chatbot ti può spingere a identificare i dettagli specifici della tua giornata ideale e a visualizzare chiaramente ogni aspetto della tua futuro vita dei sogni. E come arrivarci.

Una delle trappole più frequenti nei percorsi di auto-miglioramento è il rimanere bloccati nella fase “visualizzazione”. Come quei software di grafica che crashano proprio mentre stai salvando il progetto, è facile rimanere con un’immagine incompleta e sfocata. Questo prompt spinge a passare dal sogno alla realtà. Ti chiede di immaginare gli ostacoli e di elaborare delle strategie. Perché non esistono app di successo senza “debug”.

Insomma, con questi prompt, ChatGPT non sarà più solo il chatbot che risponde ai tuoi dubbi esistenziali o ti spiega come riavviare il router (per quello c’è Aranzulla). Diventerà una sorta di consulente digitale per il tuo percorso di crescita personale, pronto a portarti verso la tua vita ideale.

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

Ho creato il chatbot di “ChatGPT, come stai?”

,

Il mio libro “ChatGPT, come stai?”, dedicato al prompt engineering, è diventato un chatbot e può aiutarti a scoprire come si costruiscono i prompt. Puoi interagire col nuovo chatbot direttamente, anche grazie a un abbonamento gratis di ChatGPT, qui:

Il chatbot vocale

Fai domande al chatbot addestrato sul libro:

PARLA CON IL BOT

Il video di presentazione del libro

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email

I vantaggi delle IA per aziende e dipendenti: la mia intervista YouTube live con Ilario Gobbi

, ,

Ho avuto il piacere di essere ospite di Ilario Gobbi, esperto SEO, sul suo canale YouTube. Abbiamo discusso di un tema cruciale: come l’intelligenza artificiale sta trasformando le aziende e il mondo del lavoro. Durante la chiacchierata , abbiamo elencato i benefici che l’IA può portare, non solo per l’efficienza aziendale, ma anche per i dipendenti, migliorando i processi e creando nuove opportunità di crescita.

Ecco i temi trattati:

  • Introduzione: Presentazione di Gianluigi Bonanomi, consulente e formatore specializzato in intelligenza artificiale generativa, e il suo percorso professionale.
  • Crisi dell’editoria tradizionale e rivoluzione digitale:
    • Impatti del digitale e dell’automazione sull’editoria.
    • Evoluzione della carriera di Gianluigi verso la formazione e la consulenza.
  • Impatto dell’intelligenza artificiale nel mondo del lavoro:
    • Come l’IA generativa sta influenzando settori professionali, inclusi amministratori di condominio.
    • Opportunità e sfide per professionisti in contesti tradizionali.
  • Diritti d’autore e IA:
    • Questioni legali riguardanti l’uso dell’IA nei media e nelle pubblicazioni.
    • Esempio dell’accordo tra GEDI e Google.
  • Strumenti IA per le aziende:
    • Trasformazione degli strumenti IA (Notebook LM, Perplexity, CoPilot).
    • Importanza dell’integrazione efficace degli strumenti IA nelle aziende.
  • Formazione e selezione degli strumenti giusti:
    • Formazione mirata e costante per dipendenti.
    • Scelta e personalizzazione degli strumenti IA.
  • Automazione del lavoro ripetitivo:
    • Automazione delle attività aziendali e risparmio di tempo.
    • Strumenti per l’ottimizzazione della produttività.
  • Integrazione nei processi aziendali:
    • Approccio graduale con progetti pilota.
    • Bilanciare tecnologia e competenze umane.
  • Reazioni all’introduzione dell’IA in azienda:
    • Entusiasmo, paura e senso di colpa tra i dipendenti.
    • Implicazioni sull’automazione e sulla gestione del tempo lavorativo.
  • Richieste delle aziende riguardo all’IA:
    • Conferenze informative, formazione specifica e consulenza per l’implementazione.
  • Conclusione:
    • Riflessione sulle implicazioni future dell’intelligenza artificiale e il suo potenziale per rivoluzionare il modo di consumare e distribuire informazioni.

Ecco la registrazione:

Scrivimi per organizzare un evento o un corso sull’intelligenza artificiale generativa

Scrivimi mandami un WhatsApp al 339.6325418 per organizzare un corso o una conferenza sull’A.I. generativa.

Inviaci email