I primi progetti di intelligenza aumentata di Inail

Cambi di paradigma in termini di tecnologie, strumenti, metodologie di lavoro. Benefici, sia a livello economico che di produttività. Sono questi i principali risultati che la sperimentazione di soluzioni di intelligenza aumentata sta portando in Inail. L’Istituto nazionale per l’Assicurazione contro gli Infortuni sul Lavoro ha abbracciato l’AI includendola nel suo programma di Open Innovation, inserito nel piano triennale IT Inail 2017-2019, che abbraccia diversi ambiti. Tra questi, l’introduzione dei sistemi cognitivi nei processi dell’Istituto. Tre i filoni su cui sono state indirizzate le principali esperienze dell’Ente: lo sviluppo di un assistente virtuale per i servizi online, la creazione di un advisor per medici e professionisti coinvolti nell’accertamento di malattie professionali, e Biblio Expert, una soluzione, premiata al ForumPA 2018, per la ricerca di informazioni da fonti esterne utile ai ricercatori dell’Istituto. “Esperienze cui se ne aggiungono altre, al momento in fase di avanzamento”, ci ha spiegato Paolo Guidelli, coordinatore generale della consulenza per l’innovazione tecnologica di Inail, che abbiamo intervistato per approfondire il lavoro finora svolto dall’Ente in questo campo.

Partiamo dalle tre esperienze di Inail già in produzione: come nascono e con quali obiettivi?

L’assistente virtuale, il chatbot presente sul nostro sito internet, è stato il primo progetto di sistema cognitivo realizzato ed è nato con l’obiettivo di migliorare l’esperienza e le risposte ai quesiti degli utenti. È stato sviluppato basandoci su una serie di FAQ già presenti all’interno dell’istituto, quindi su dati già strutturati. L’esperienza è stata positiva, così come positivi sono stati i risultati derivanti dagli altri due progetti andati in produzione e che abbiamo definito ‘esplora la conoscenza’. Questi sono stati realizzati cimentando gli strumenti dei sistemi cognitivi su dati completamente destrutturati che gestiamo all’interno dell’istituto, in diverse strutture professionali che emettono pareri. In particolare, abbiamo voluto applicare questi sistemi in uno specifico contesto, quello relativo ai paperi della Consulenza tecnica accertamento rischi e prevenzione (Contarp) sul tema delle malattie professionali. Un centro che possiede un patrimonio di oltre 30mila pareri.

Con il progetto AI si è cercato di mettere in condivisione l’enorme patrimonio informativo contenuto nei pareri Contrap per facilitare sia gli approfondimenti sull’esposizione del lavoratore a diversi fenomeni nel corso della vita lavorativa, legati ai diversi cicli produttivi, talvolta dismessi, a mansioni e a rischi simili sia inoltre per garantire una maggiore uniformità di trattazione della tematica sul territorio nazionale.

Seguendo questo filone di obiettivi, abbiamo voluto successivamente applicare la stessa metodologia e tecnologia a dati che invece non gestiamo in prima persona. È nata così Biblio Expert, soluzione che abbiamo messo a disposizione dei nostri ricercatori per automatizzare completamente tutto quel lavoro di analisi di articoli e documentazione per l’individuazione di fattori di rischio a fini di prevenzione. Grazie a questo progetto siamo riusciti a incrementare il livello di produttività del nostro team, sollevandolo dal compito di ricerca manuale che era chiamato a svolgere.

Quali sono gli altri progetti in fase di avanzamento?

Il primo è Business Insight e nasce con lo scopo di comprendere se i sistemi cognitivi ci consentono di svolgere analisi multidimensionali sui dati in nostro possesso, a prescindere che questi siano strutturati o destrutturati. Abbiamo applicato questo approccio su KPI dei processi Inail e siamo riusciti ad analizzare la disponibilità dei nostri servizi interni lavorando sui log della nostra Service Control Room per analizzare l’andamento delle procedure e valutare la possibilità di realizzare una sorta di analisi predittiva in termini di potenziali fault dei sistemi. I risultati sono stati soddisfacenti, ma il progetto non è ancora in esercizio.

Abbiamo poi esteso il tema analytics nel processo di emissione dei Bandi ISI che incentivano a fondo perduto gli investimenti delle imprese per aumentare il livello di sicurezza sul lavoro. Abbiamo voluto analizzare tre filoni: l’amianto, le vibrazioni e le emissioni acustiche, operando su un insieme di dati strutturati e destrutturati. Questi ultimi sono solitamente relazioni scritte a mano da tecnici esterni ed è stato quindi necessario addestrare il motore sia a regole che a termini probabilistici. Il riscontro è stato positivo al pari del risultato di un’altra nostra esperienza quella della certificazione mediante collaudi effettuati con la metodologia dell’emissione acustica che è un raffinato metodo di controllo non distruttivo applicato sulle attrezzature a pressione, in particolare sui serbatoi interrati per GPL, il serbatoio viene classificato attraverso l’analisi dei fenomeni e l’interpretazione dei dati registrati nel corso della prova. A oggi esiste presso l’Istituto una banca dati con oltre 220.000 prove, e sono in fase di definizione algoritmi di machine learning che possono essere efficacemente impiegati per un approccio di tipo predittivo in affiancamento ai classici approcci di tipo deterministico.

Qual è il livello di affidabilità degli strumenti di AI che avete riscontrato?

Le esperienze che abbiamo realizzato hanno dimostrato un’affidabilità del 98%. I delta che abbiamo rilevato sono figli del fatto che non siamo riusciti a digitalizzare alcune informazioni analogiche e i casi sono stati scartati in quanto non davano risultati per essere processati. È stato curioso applicare sistemi cognitivi su esperienze che in parallelo conducevamo manualmente tenendo completamente divisi i due gruppi di lavoro e nascosti i risultati dell’uno e dell’altro team. Solo quando i lavori sono stati terminati e presentati congiuntamente abbiamo fatto una verifica di bontà o meno dei risultati ottenuti. La cosa interessante è che non è stato necessario effettuare ricicli: date le stesse specifiche ai due gruppi l’addestramento del sistema cognitivo era tale per cui restituiva gli stessi risultati dell’analisi umana.

Avete riscontrato anche una riduzione dei tempi di lavoro? In quale misura questi sono stati inferiori rispetto all’attività svolta manualmente?

In realtà la contrazione dei tempi con i quali si riescono a ottenere informazioni, una volta che il sistema è stato perfettamente addestrato, viene pagata in termini di configurazione delle piattaforme cognitive utilizzate. La possibilità di concentrare personale altamente specializzato in attività a valore aggiunto rappresenta, sempre, un elevato ritorno dell’investimento. I KPI di progetto, stimati in fase progettuale, sono pronti per essere confermati o meno: elemento questo fondamentale per affinare le nostre metriche di valutazione per l’estensione dell’adozione della tecnologia cognitiva in altre aree specifiche.

Con quali attori avete collaborato nei vostri progetti e qual è il processo con cui Inail avvia le sue iniziative di AI?

Gli interlocutori con cui abbiamo operato sono molteplici. I nostri partner sono stati Accenture per lo sviluppo dell’assistente virtuale e Dedagroup per l’advisor per i pareri tecnici relativi a malattie professionali. In termini di piattaforme di sistemi cognitivi abbiamo utilizzato invece Luis (Language Understanding) di Microsoft e Watson di IBM, collaborando inoltre con i nostri system integrator per comprendere quanto fosse estendibile la loro competenza sulle rispettive piattaforme.

L’obiettivo della nostra innovazione è quello di essere prossimi all’industrializzazione delle soluzioni: non realizziamo ricerca di base ma trasferimento tecnologico, quindi analizziamo le tecnologie più mature per portarle nel nostro portfolio di servizi erogabili e facciamo rete con tutti gli utenti Inail identificando dei casi d’uso. Una volta realizzato il match tra casi d’uso e tecnologia operiamo seguendo tre step fondamentali: una PoC a carico del fornitore che vuole presentare una particolare tecnologia, una fase pilota, dove subentra Inail in termini di investimento, e infine l’ingegnerizzazione della soluzione.

In questo percorso realizziamo sempre l’analisi di KPI, cerchiamo di avere valori di ROI e di identificare i breaking event con l’obiettivo di fare avanzare i progetti in maniera consolidata.

Cosa intende per breaking event in questo contesto?

Tutti i progetti innovativi sono attentamente monitorati in termini di costi diretti e indiretti. Molte delle attività che vengono sviluppate nell’ambito del programma Open Innovation hanno già una propria storia. Diventa fondamentale stimare, prima, e misurare, poi, quelli che sono i miglioramenti introdotti dal ricorso a nuovi paradigmi. Entrano in gioco revisioni di processo, percorsi formativi, aumento della qualità delle informazioni, aumento della disponibilità delle informazioni, semplificazioni delle valutazioni ‘what if’… Tutti questi elementi, solo se misurati e valorizzati, consentono di valutare TCO, ROI e, non ultimo, l’intervallo temporale entro il quale otteniamo risultati tali da compensare l’impegno delle risorse assorbite dal progetto.

Delle tre soluzioni che già utilizzate, quali aspettative avete e qual è l’attuale riscontro?

Per quanto riguarda l’assistente virtuale, abbiamo stimato un risparmio di 300mila euro l’anno, oltre che una maggiore consistenza delle risposte e un miglioramento continuo dell’esperienza utente. Questi ultimi sono benefici non facilmente quantificabili che però hanno un valore intrinseco.

Per gli altri due progetti, tramite l’advisor per i nostri professionisti abbiamo stimato, secondo i costi aziendali, un valore di conoscenza tra i 60 e i 140 milioni di euro. Ci aspettiamo un incremento di produttività dei medici tra il 2 e il 4% e della struttura Contarp tra il 5 e il 10%. Con Biblio Expert, infine, considerando i tempi di lavoro per le ricerche epidemiologiche, con la nuova soluzione prevediamo un incremento di produttività del 20% in termini di attività dei nostri ricercatori.

Secondo la sua opinione, le esperienze di AI realizzate da Inail sono diverse da quelle IT tradizionali?

I progetti di AI hanno consentito a Inail di introdurre metodologie di lavoro completamente diverse che ora fanno parte del nostro patrimonio culturale. Per esempio, il design thinking ora è parte della nostra metodologia di lavoro ed è legato a un concetto di evoluzione culturale che ha portato a una rivisitazione completa del nostro atteggiamento in termini IT, coinvolgendo sempre i colleghi e le persone in percorsi formativi fondamentali nello sviluppo di ogni nostra esperienza. Per Inail la tecnologia rappresenta un volano per la trasformazione digitale. L’introduzione di nuovi strumenti, insieme alla revisione dei processi, è l’occasione per migliorare anche il nostro modello organizzativo.