Le informazioni raccolte sui possibili fornitori o sui prodotti non hanno tutte lo stesso peso. Infatti, nei processi di scelta solo le informazioni altamente diagnostiche hanno il potere di generare fiducia nelle proprie valutazioni (van-Wallendael, 1995)[1]. La diagnosticità di un’informazione riguarda la sua pertinenza rispetto alla capacità di discriminare le caratteristiche ricercate. Ad esempio, nell’acquisto di un computer, la composizione chimica della vernice esterna non ha un potere diagnostico, ma lo avranno i termini di garanzia, le prestazioni assicurate, la velocità, e altre informazioni. Il marchio visibile su un prodotto (ad esempio uno zaino da scuola) può essere del tutto ininfluente per un genitore, e assolutamente strategico per la figlia, influenzata dalla moda del momento e dal fatto che tutte le amiche nella classe hanno quello zaino, e non uno zaino qualsiasi.

Il problema del rapporto tra informazione e consumo non è affatto lineare. Infatti la qualità della decisione migliora al crescere della quantità di informazione posseduta, ma solo in linea teorica. Nella realtà, quando la quantità di informazione eccede la capacità elaborativa, il decisore viene sovraccaricato da informazioni, rendendo il processo decisionale lungo e difficoltoso (overload informativo). Il consumatore si trova quindi costretto a ridurre e scegliere le proprie fonti informative.

Questo porta spesso ad affidarsi alle proprie relazioni, a rivolgersi ai consigli degli altri, ad osservare quanto fanno gli altri, per un aiuto nella scelta, sfruttando, in un certo senso, la fatica decisionale già svolta da altri.

Sheth e Parvatyar (1995)[2] hanno analizzato le tematiche del Relationship Marketing, evidenziando che i consumatori utilizzano la propria rete di conoscenze per ridurre le scelte possibili (ricerca di suggerimenti, osservazione del comportamento già svolto da altri, imitazione). Lo scopo sottostante è l’intento di semplificare i compiti di consumo e acquisto, ridurre la necessità di information processing, diminuire il rischio percepito e mantenere la consistenza cognitiva e il comfort psicologico, riducendo l’ansia di scegliere.

[1] Van Wallendael, L.R. (1995). Implicit diagnosticity in and information buying task: How do we use the information that we bring with us to a problem?  Journal of Behavioral Decision Making, 8, 245-264.

[2] Sheth, J. N., & Parvatiyar, A. (1995). Relationship marketing in consumer markets: antecedents and consequences. Journal of the Academy of Marketing Sciences, vol. 23, 255-271.

©Copyright. Articolo estratto con il permesso dell’autore dal libro di Daniele Trevisani: “Psicologia di Marketing e Comunicazione” Franco Angeli Editore, Milano

• Per contatti con l’autore puoi compilare questo form, ti risponderemo al più presto
• Iscriviti gratuitamente alla Rivista Online Communication Research per rimanere aggiornato su iniziative di formazione e coaching
• Articolo Approvato da CWF – Coaching World Federation

Semantica articolo. Le parole chiave di questo articolo sono:

Processo di scelta

Diagnostica delle informazioni

Fiducia nelle valutazioni

Qualità dell’informazione

Capacità elaborativa

Fatica decisionale

Relationship marketing

Riduzione del rischio

Propensione al rischio

Analisi del rischio

Decisioni informate

Percezione del rischio

Comportamento del consumatore

Valutazione del rischio

Tolleranza al rischio

Modelli decisionali

Raccolta dei dati

Interpretazione dei dati

Strategia di mitigazione

Fattori psicologici

Analisi predittiva

Profilo di rischio

Consapevolezza del rischio

Big data analytics

Feedback del cliente

Incertezza e decisioni

Customer insights

L'articolo Diagnostica delle informazioni e propensione al rischio proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.

L’orizzonte che ci si prospetta dinanzi a noi è decisamente incerto, tenendo conto solo dei possibili scenari legati allo sviluppo tecnologico. Non ritengo necessario giungere a conclusioni affrettate, ma reputo indispensabile immaginare piccoli e semplici cambiamenti di cui siamo già stati “vittime” in passato.

Lo sviluppo dell’intelligenza artificiale progredirà senza ombra di dubbio, come è sempre stato e sempre sarà per ogni strumento e tecnologia inventata dall’uomo. Abbiamo già vissuto durante le prime rivoluzioni industriali, processi di automazione della produzione che hanno portato ad una sostituzione dell’uomo con determinate macchine. Ma fino a che la produzione necessaria al sostentamento globale non sarà completamente automatizzata, quale futuro ci si prospetta di fronte a noi?

Quello che stiamo vivendo in questo periodo storico coincide, come dice Luciano Floridi, con la quarta rivoluzione (quella digitale). Contemporaneamente, ci stiamo avvicinando al concetto di Industria 4.0 ovvero un insieme di processi di automazione industriale mirati a migliorare le tecnologie di produzione e la qualità del lavoro.

Il concetto di industria 4.0 prende in considerazione il concetto di “fabbrica intelligente [1]”, che si compone di tre diverse parti:

1) Smart Production (produzione intelligente): consistono in nuove tecnologie in grado di creare maggior collaborazione tra uomo, macchina e strumenti produttivi.

2) Smart Service (Servizi intelligenti): consistono in una serie di infrastrutture informatiche e tecniche in grado di integrare sistemi e aziende in modo collaborativo.

3) Smart energy (energie intelligenti): ovvero l’utilizzo di risorse sostenibili.

Per rendere possibile questa rivoluzione dal punto di vista industriale, secondo il Boston Consulting ci sarà bisogno di tecnologie chiamate “abilitanti”: tra queste figurano sistemi avanzati di produzione, simulatori, dispositivi di realtà aumentata, Cloud, sicurezza informatica e Big Data Analytics.

Analizzando i requisiti e le componenti di tale processo innovativo, salta all’occhio come oltre ad i processi di automazione dei sistemi di produzione, giochino un ruolo di fondamentale importanza tutte le competenze e le informazioni legate al “digitale”.

Ma tali fabbriche intelligenti, dotate di macchine intelligenti, non ci rubano il lavoro: è più probabile che ci liberino da esso. Devono sostituirci nelle mansioni più faticose e pericolose, e anche in quelle che richiederebbero per noi uno sforzo mentale enorme.

Come dice Luciano Floridi nel suo saggio “La quarta rivoluzione [2]” sono state create in un “ambiente digitale” che permette loro di esprimersi seguendo leggi che noi stessi gli abbiamo imposto. Gli argomenti trattati all’interno del saggio li analizzerò nel quarto capitolo.

© Cpyright. Estratto dalla tesi di Laurea in Filosofia, Teorie e sistemi dell’intelligenza artificiale, a cura di Federico Malpighi. Alma Mater Studiorum Università di Bologna. Materiale pubblicato per fini didattici e di ricerca con il permesso dell’autore. Riproducibile solo con citazione della fonte originale.

[1] https://it.wikipedia.org/wiki/Industria_4.0#cite_note-8 URL consultato in data 28 agosto 2020.

[2] Luciano Floridi, La quarta rivoluzione. Come l’infosfera sta trasformando il mondo, Raffaello Cortina Editore, 2014, p. 106.

L'articolo Intelligenza artificiale e lavoro: è davvero una minaccia per l’occupazione? proviene da Dr. Daniele Trevisani - Formazione Aziendale, Ricerca, Coaching.