Discorsi sul Metodo: il modello Hyperscience

Nel mondo del business sta prendendo sempre più piede la consapevolezza che ordinando in maniera sistematica gli oggetti d’analisi, si possono processare automaticamente enormi quantità di dati che, anche se casualmente non vincolati, possono fornire valori e correlazioni profittevoli. Diventa enorme lo spessore e il ruolo dell’analista, del processo algoritmico, diventa fondamentale chi è in grado di estrapolare l’interpretazione più utile e più vera.
Esiste un concetto molto singolare nella filosofia Kantiana, il noumeno, che parafrasato in poche righe, rappresenta l’incapacità degli esseri umani di conoscere gli oggetti, se non per come appaiono.
L’intuizione è che i dati siano infatti concepibili solo in funzione dei nostri sensi, dei filtri della nostra percezione. Un cambiamento di paradigma che implica una rivoluzione quasi copernicana nel nostro modo di conoscere, ma anche di agire. Ne deriva infatti che il dato acquista valore soltanto in funzione di un processo di strutturazione che ne estrapoli il valore.
Il dato si fonda non solo sul suo essere fisico, ma vive della prospettiva di chi lo interpreta. Senza neanche troppo scherzare, si potrebbe dire che Kant abbia inventato i Data analyst.
Oggi, rimanendo in tema di dati, parleremo di Hyperscience: una società di robotic process automation (RPA) fondata da Peter Brodsky, che recentemente si è tinta del gioco delle luci della ribalta. La startup ha infatti annunciato di aver ricevuto tramite un round di Finanziamenti di serie C, guidato da Bessemer Venture Partners, oltre 60 milioni di dollari.
Questo tipo di fondi vengono di solito forniti ad aziende già di successo per espandersi sul mercato e rendere enormemente agli investitori, nella speranza che questa possa crescere più velocemente e consistentemente possibile.

Hyperscience: startup di robotic process automation management

L’idea è nata sei anni fa dalle menti degli ingegneri della piattaforma Soundcloud con la necessità di snellire i processi di classificazione ed elaborazione dei dati tramite codice; oggi Hyperscience sta emergendo come una delle più apprezzate e profittevoli startup dell’ecosistema tech di New York.
Se già alle origini l’idea era quella di processare le operazioni ripetitive attraverso algoritmi risolutivi, il nuovo modello proposto, chiamato software-defined management, sposa appieno lo spirito d’analisi dei pionieri della conoscenza.
Di cosa si occupa quindi Hyperscience?

Migliorare l’intero processo di business delle aziende grazie al machine learning

La startup si prefigge tramite machine learning di migliorare automaticamente l’intero processo di business delle aziende, andando ad ottimizzare la scelta del processo migliore possibile per avere un determinato risultato.
Costruire una automazione su attività prima prettamente umane, mette in luce la facoltà di canonizzare e rendere migliorabile l’intero processo preso in esame. Lo spirito che si cela è quello di comunione tra l’uomo, che sappia valutare il valore prodotto da una immensa potenza di calcolo dinamica.
L’obiettivo principale dell’azienda è infatti quello di strutturare e pulire la colossale quantità di dati grezzi che i clienti o altre società producono nel loro business (ad esempio pdf, e-mail, relazioni con i target finali, organizzazioni interne) in modo tale da rendere fluido lo svolgimento dei calcoli.
Tramite machine learning infine cerca di colmare il gap che rende obbligatorio l’essere umano nel processo decisionale e che solo eventualmente, il calcolatore abbia bisogno di supervisione per migliorare e assicurare il corretto sviluppo delle sue funzioni. In poche parole, la macchina capirà quando sarà necessario l’intervento umano e sarà in grado di richiederlo, per non averne più necessità in futuro.
Una nuova frontiera di business dunque, nuova anche per le RPA, che si teorizza possa essere usato in ambiti estremamente disparati che vanno dal retail all’Healthcare, dalle assicurazioni ai servizi finanziari.
Il CEO Peter Brodsky sostiene che il suo modello possa migliorare la qualità e la paga dei lavoratori per lavori complessi, e soprattutto permetterebbe un guadagno sociale non indifferente in termini di servizi sanitari, burocratici e finanziari.
Una presentazione meravigliosa, che però lascia insito nella sua definizione una quantità sterminata di problemi etici dovuti ai rapporti sempre conflittuali con le precedenti occupazioni e l’evoluzione del mercato.

Leggi anche Data + analytics = success. L’impatto dei Big Data nei processi aziendali