Automazione Intelligente dei Processi (IPA)
Business Opportunity
Le aziende hanno bisogno di strumenti predittivi per affrontare scenari incerti. Foreteller consente una pianificazione strategica più accurata grazie all’analisi avanzata dei dati aziendali.
Challenges
– Sistemi informativi frammentati (ERP, CRM, e-commerce)
– Difficoltà nel costruire modelli previsionali personalizzati
– Necessità di unificare dati per ottenere una visione integrata
Solution
Piattaforma Foreteller sviluppata da Adiacent, con componenti:
– Moduli AI predittivi (cash flow, conto economico, sales forecasting)
– Reportistica customizzabile e dashboard intelligenti-
– Architettura flessibile e scalabile su infrastruttura Adiacent
Business Outcomes
– Previsione proattiva di scenari critici e opportunità
– Migliore gestione del cash flow e dei ricavi
– Accuratezza nella pianificazione commerciale
Nell’ambito del processo di Digital Innovation coordinato da Deloitte con il cliente, l’obiettivo è modernizzare le applicazioni business di CSE scritte in linguaggio COBOL e valutare la possibilità di trasformarle in linguaggio JAVA.
Il progetto mira a dimostrare la reale fattibilità della trasformazione da COBOL a JAVA attraverso un processo iterativo e incrementale, garantendo la coesistenza di applicazioni ibride scritte in parte in COBOL e in parte in JAVA.
Si intende misurare la riduzione dello sforzo necessario per la trasformazione assistita da Generative AI rispetto a un processo completamente manuale (scrittura in JAVA da zero) e testare la tecnologia Gen AI per la trasformazione del codice.
Challenges
– Carenza di competenze per programmatori COBOL e opportunità di ampliare la base di programmatori Mainframe con risorse JAVA più giovani e meno costose.
– Ricerca di maggiore produttività grazie a un’ampia base di applicazioni codificate in JAVA, sia su Mainframe CICS che su ambienti distribuiti/open.
– Presenza di diverse generazioni di programmi COBOL da mantenere e documentare.
– Riduzione del TCO tramite l’uso di Gen AI per la trasformazione del codice Z, da dimostrare attraverso un PoC strutturato (dall’analisi al refactoring, fino alla trasformazione e validazione).
Solution
– Trasformazione di una funzione COBOL di 400 righe in un programma JAVA tramite l’acceleratore Watsonx Coding Assistant for Z.
– Esecuzione del programma COBOL-JAVA integrato nell’ambiente CSE e misurazione della riduzione dello sforzo rispetto alla trasformazione manuale.
– PoC della durata di oltre 9 mesi, coordinato da Deloitte con collaborazione continua tra il leader COBOL del cliente e il team Mainframe (creazione e test di CICS Java), insieme a IBM Client Engineering e Z Team.
– Riunioni strutturate settimanali Deloitte-IBM per ottimizzare, testare e risolvere problemi su Watsonx per il coding, e incontri quindicinali Deloitte-IBM-CSE per monitorare i progressi.
– Team composto da 4 specialisti Deloitte (Java e AI Automation), più Director e Advisor, con installazione della piattaforma Watsonx nell’ambiente Deloitte.
– Deloitte certificata livello 4 su watsonx.
Business Outcomes
– Capacità di sfruttare ambienti ibridi COBOL e JAVA per ottenere la massima efficienza quando necessario.
– Documentazione delle applicazioni COBOL sia native che tradotte in linguaggio JAVA.
– Miglioramento del time-to-market per lo sviluppo di nuove funzionalità grazie alla combinazione di competenze COBOL e JAVA.
Business Opportunity
La rendicontazione delle attività interne è un processo che richiede tempo e attenzione, con operazioni come la compilazione dei campi, la descrizione dettagliata dell’intervento e l’associazione corretta di cliente, progetto, business unit, ecc.
L’adozione dell’Intelligenza Artificiale rappresenta un’opportunità per automatizzare e velocizzare queste attività, sfruttando tecnologie di speech-to-text per consentire la registrazione degli interventi tramite voce e sfruttando la comprensione del testo mediante l’utilizzo di LLM.
Challenges
– Accuratezza della trascrizione: necessità di garantire un riconoscimento vocale preciso, anche in presenza di accenti, rumori di fondo o terminologia tecnica.
– Strutturazione e categorizzazione automatica: difficoltà nell’identificare correttamente specifiche entità (per es. cliente, progetto, dettagli dell’attività, ecc.) senza intervento manuale.
– Integrazione con sistemi aziendali: connessione fluida con software gestionali per garantire un flusso di lavoro efficiente.
– Gestione degli errori e correzioni: possibilità di fraintendimenti nella trascrizione e necessità di strumenti per la revisione e modifica rapida.
Solution
– Acquisizione dell’input vocale: registrazione dell’attività tramite voce con riconoscimento automatico del parlato e comprensione del testo mediata da intelligenza basata su LLM.
– Strutturazione e categorizzazione: identificazione automatica delle entità specifiche (per es. cliente, progetto, dettagli dell’attività, ecc.) mediante consultazione dello storico e suggerimenti per l’utente.
– Validazione e modifica: possibilità di revisione e correzione dei dati prima della conferma.
– Integrazione con i sistemi aziendali: sincronizzazione con i software di gestione per aggiornare automaticamente le informazioni.
Business Outcomes
– Riduzione del tempo di rendicontazione: netta riduzione del tempo necessario alla rendicontazione delle attività rispetto alla compilazione manuale.
– Aumento della produttività: gli utenti possono dedicarsi ad attività a maggior valore aggiunto, migliorando l’efficienza.
– Maggiore compliance e tracciabilità: registrazione delle attività svolte in modo più accurato e completo, migliorando la gestione dei dati aziendali e il monitoraggio delle performance.
– Migliore esperienza utente: l’utilizzo della voce semplifica il processo, riducendo il carico cognitivo.
– Scalabilità e sostenibilità a lungo termine: soluzione facilmente integrabile nei processi aziendali, riducendo i costi operativi nel tempo.
Business Opportunity
Una grande azienda operante nel settore del trasporto ferroviario e delle infrastrutture tecnologiche ha la necessità di aggiornare automaticamente la propria documentazione tecnica e normativa. L’obiettivo è ottimizzare il processo di revisione dei documenti in base alle evoluzioni normative, riducendo il carico di lavoro manuale e aumentando la precisione degli aggiornamenti.
Challenges
– Gestione complessa degli aggiornamenti normativi: la documentazione deve essere costantemente allineata alle nuove regolamentazioni di settore.
– Processo manuale dispendioso: l’aggiornamento dei documenti richiede tempo e risorse significative.
– Identificazione delle modifiche da applicare: è necessario un sistema che rilevi con precisione le parti di testo da sostituire, aggiungere o rimuovere.
Solution
L’approccio sviluppato prevede l’adozione di un sistema basato sul Large Language Model (LLM) di IBM, che consente di:
– Estrarre e categorizzare le modifiche (aggiunta, eliminazione, aggiornamento).
– Strutturare i contenuti nel formato appropriato (HTML).
– Identificare i segmenti di testo da modificare all’interno del documento.
– Applicare automaticamente le modifiche tramite LLM.
– Generare una nuova versione del file già conforme agli aggiornamenti richiesti.
Business Outcomes
– Riduzione significativa del tempo necessario per aggiornare la documentazione tecnica e normativa.
– Automazione dei processi, con minore intervento manuale e maggiore efficienza operativa.
– Maggiore accuratezza e conformità agli aggiornamenti legislativi.
– Scalabilità del sistema, garantendo un processo strutturato e replicabile per aggiornamenti futuri.