L’automazione robotica dei processi è un treno in corsa. Secondo Deloitte, la tecnologia consentirà di ottenere adozione quasi universale entro il 2025. Tuttavia, il fatto che la RPA stia dominando il mondo delle imprese non significa che smetterà di evolversi.
Ci troviamo in una fase tecnologica entusiasmante. I progressi dell’intelligenza artificiale negli ultimi anni sono stati sorprendenti. Il ChatGPT e altre forme di IA generativa hanno conquistato l’opinione pubblica. Tuttavia, questa entusiasmante tecnologia non è che una delle espressioni del potenziale dell’IA.
La RPA è uno strumento semplice ma efficace. Tuttavia, la convergenza di RPA e IA offre infinite opportunità di innovazione. L’assistenza clienti basata sull’AI conversazionale, il processo decisionale basato sull’analisi e l’automazione del lavoro di conoscenza sono solo alcuni esempi di AI nell’RPA.
Con il progredire della tecnologia, l’automazione cognitiva dei processi robotici cambierà la natura del lavoro in modi che possiamo solo immaginare. Analizziamo come l’AI con la RPA ha già spinto i confini dell’automazione prima di considerare il suo impatto futuro.
I limiti della RPA
L’adozione diffusa della RPA è una prova della sua utilità. Questa tecnologia ha aiutato innumerevoli aziende a raggiungere nuovi livelli di produzione, efficienza e precisione, automatizzando attività un tempo manuali. Tuttavia, come ogni tecnologia, ha dei limiti superiori.
1. L’automazione transazionale è difficile da gestire
Sebbene i bot RPA siano in grado di lavorare fedelmente ai processi, hanno bisogno di un po’ di gestione e manutenzione. Ad esempio, quando gli ingressi o le uscite cambiano, i bot devono essere riconfigurati per gestire queste condizioni leggermente diverse. In ambienti di lavoro dinamici, questa situazione può esaurire le risorse e il tempo a disposizione.
2. La RPA si scontra con i dati non strutturati
Gli strumenti RPA sono costruiti per eseguire attività utilizzando la logica if/then/else. In quanto tali, si basano su strutture di dati prevedibili. Qualsiasi variazione o modifica dei dati di ingresso causerà errori o eccezioni, perché non rientrano nei valori definiti che il bot si aspetta di ricevere.
3. La RPA presenta sfide di scala
In parte a causa delle ragioni che abbiamo elencato sopra, scalare i processi RPA può essere difficile. Ogni processo deve essere chiaramente definito, gestito e mantenuto, mentre la mancanza di adattabilità della RPA può creare problemi.
I limiti dell’RPA non sono qualcosa di cui preoccuparsi. La RPA assistita dall’intelligenza artificiale può superare ciascuno di questi limiti e aprire nuove ed entusiasmanti possibilità di automazione.
Ecco come la RPA con l’AI ha cambiato l’automazione.
Automazione robotica dei processi e intelligenza artificiale:
Un abbinamento perfetto
La RPA, per sua stessa concezione, è uno strumento semplice e lineare, almeno a livello di utente. È costruito per essere accessibile ai team non tecnici. In quanto tale, esegue le istruzioni che gli vengono impartite in modo controllato. È compito dell’uomo identificare questi processi e indirizzare l’RPA all’esecuzione dei comandi.
Naturalmente, dettagliare le istruzioni passo-passo può diventare impossibile, se la complessità è sufficiente: ecco perché la combinazione di RPA e Intelligenza Artificiale è il futuro dell’automazione.
1. RPA con riconoscimento ottico dei caratteri
In
Automazione robotica dei processi con AI e OCR per migliorare i processi aziendali
(Shidaganti, 2021), l’autore delinea i limiti della RPA, suggerendo: “Qualsiasi modifica al processo automatizzato richiede modifiche dirette all’applicazione RPA”. Shidaganti propone l’intelligenza artificiale come soluzione a questo processo e argomenta il riconoscimento ottico dei caratteri (OCR) come un potenziamento fondamentale della RPA.
In effetti, l’OCR ha avuto un impatto sulle aziende aprendo la RPA ai dati non strutturati. Gli strumenti RPA OCR con intelligenza artificiale sono in grado di leggere informazioni da documenti stampati e persino da testi scritti. Sono tre le principali opportunità per la RPA che l’integrazione OCR facilita.
- L’OCR codifica i dati strutturati, consentendo all’RPA di lavorare con input imprevedibili.
- L’RPA può automatizzare le macchine remote decifrando ciò che sta accadendo sui rispettivi schermi
- L’OCR, insieme all’apprendimento automatico, può aiutare a conoscere il cliente (KYC), a contrastare il riciclaggio di denaro (AML) e a rilevare le frodi attraverso la scansione dei documenti. Gli apprendimenti e le decisioni della tecnologia possono integrarsi con l’RPA, consentendo una più rapida apertura dei conti, l’onboarding, le decisioni sui prestiti e così via.
2. Apprendimento automatico e RPA
L’automazione robotica dei processi e l’apprendimento automatico sono un altro esempio di utilizzo dell’IA per superare i limiti intrinseci dell’RPA. Già nel 2016, gli esperti di automazione del settore assicurativo avevano identificato le possibilità dell’automazione robotica cognitiva dei processi (RPA). In quel documento, gli autori parlano di “auto-ottimizzazione del servizio clienti, della determinazione dei prezzi dei prestiti, della consulenza finanziaria o della gestione dei reclami” come possibili orizzonti.
In quello che deve essere un segno di progresso, è interessante vedere come gli strumenti di Robotic Process Automation Machine Learning siano diventati comuni in un breve lasso di tempo.
Il Machine Learning è ovunque. Descrive il processo di insegnare a una macchina a eseguire compiti con istruzioni di programmazione esplicite. Come forse sapete, si tratta di macchine che utilizzano algoritmi per analizzare e trovare modelli all’interno di un insieme di dati. Una volta addestrata, la macchina può elaborare altri dati e produrre intuizioni e previsioni.
L’RPA e il Machine Learning sono un’ottima accoppiata perché significa che l’RPA diventa più intelligente, più intuitivo e in grado di gestire i dati non strutturati.
3. RPA con apprendimento profondo
Il Machine Learning è un sottoinsieme dell’IA, mentre il Deep Learning è un sottoinsieme del Machine Learning. La differenza tra Deep Learning e Machine Learning è forse sottile per alcuni, ma vale la pena esplorarla. L’apprendimento automatico viene addestrato sui dati per aiutare a prendere decisioni e fare previsioni.
Tuttavia, la tecnologia di solito non ha la capacità di migliorare da sola nel tempo. Il Deep Learning, invece, prevede l’uso di reti neurali per apprendere e migliorare le proprie prestazioni. In altre parole, grazie al Deep Learning, RPA e ML si combinano per costruire automazioni che migliorano con l’esperienza.
Naturalmente, il Deep Learning richiede un’incredibile quantità di dati per svolgere questa funzione. In quello che è un altro esempio della profonda simbiosi tra AI e RPA, i bot sono ideali per aiutare nel laborioso processo di raccolta dei dati di formazione. Gli strumenti RPA possono accedere a vari siti web e ad altri archivi di informazioni per raccogliere queste informazioni, assicurando che l’algoritmo di Deep Learning abbia molti dati per migliorare.
L’apprendimento profondo consente inoltre ai bot di sfruttare i vantaggi dell’analisi predittiva. Quando l’RPA incontra delle eccezioni, può confrontarle con modelli previsti o inaspettati, eliminando la dipendenza dall’intervento umano.
Quando i bot intelligenti possono prendere decisioni basate sui dati, possono rispondere ai clienti in modo ottimale. Un esempio di queste applicazioni nell’ambito della RPA è rappresentato dagli strumenti di sentiment analysis che utilizzano l’elaborazione del linguaggio naturale (NLP) per decodificare gli stati d’animo dei consumatori. A loro volta, i bot possono modulare la loro risposta per ottenere una nota adeguata. Questo dinamismo può fare molto per superare il divario tra il servizio clienti umano empatico e la sua alternativa meccanizzata.
4. RPA e riconoscimento delle immagini
L’abbinamento della RPA con il software di riconoscimento delle immagini è un altro esempio di utilizzo dell’IA per superare l’incapacità della RPA di gestire dati disordinati o non strutturati. Nel documento
Analisi e applicabilità delle tecnologie di intelligenza artificiale nel campo dei robot software RPA per l’automazione dei processi aziendali
(Kanakov, 2022), l’autore delinea alcuni utilizzi affascinanti della RPA e del riconoscimento delle immagini in relazione all’automazione dei controlli sul background delle assunzioni o all’assistenza nel rilevamento delle frodi.
Altri casi d’uso proposti da Kanakov includono l’utilizzo del riconoscimento facciale per la sicurezza degli edifici, con strumenti RPA collegati a telecamere. Le applicazioni sono davvero infinite. Ad esempio, i droni o le telecamere potrebbero scansionare qualsiasi ambiente alla ricerca di anomalie. Una volta individuati, un sistema RPA potrebbe segnalare i problemi alle parti interessate, assicurando una rapida correzione.
5. RPA con IA generativa
In un
articolo di Forbes
Clint Boulton di DELL utilizza una fantastica analogia per confrontare RPA e IA generativa. Suggerisce che “in un evento di gala, l’RPA controlla l’elenco degli invitati, conta i biglietti e monitora aspetti come la capacità della sala, il riscaldamento e l’illuminazione”. Poi afferma: “Nel frattempo, l’IA generativa sta creando la pubblicità per l’evento, scrivendo discorsi di congratulazioni per i premiati e conversando con ogni ospite”.
La forza di questa analogia sta nel fatto che cattura perfettamente qualcosa che tutti noi abbiamo osservato nell’ultimo anno o giù di lì. L’intelligenza artificiale generativa è così interessante e potente che non possiamo fare a meno di stupirci dei suoi risultati. Tuttavia, senza qualcuno (RPA) che lavora in background svolgendo compiti umili, non ci può essere alcun evento o almeno non uno funzionale.
Secondo Gartner, l’IA generativa offre molte opzioni. Può generare rapidamente contenuti scritti, immagini, video, musica e persino codice. Alcune possibilità sono immediatamente evidenti, come il servizio clienti conversazionale.
Ma i chatbot avanzati sono solo l’inizio; altri casi d’uso dell’RPA e dell’IA generativa includono la comprensione da parte dell’RPA di dati non strutturati di varie forme e il potenziamento dell’RPA con il processo decisionale, l’analisi dei dati e altro ancora.
6. Partecipazione all’automazione
È possibile suddividere l’automazione in due categorie: Presenti e non presenti. Come ci si potrebbe aspettare, l’Automazione senza utente significa che il bot esegue i processi senza alcun input umano. L’automazione assistita, invece, descrive attività che richiedono l’interazione umana almeno durante una fase del processo.
Ci sono alcuni modi in cui questo può funzionare. Ad esempio, il processo automatizzato potrebbe richiedere un’attivazione manuale. In alternativa, uno dei passaggi può richiedere credenziali di sicurezza durante il processo. Tuttavia, grazie alla Robotic Desktop Automation (RDA) sono possibili orchestrazioni più complesse.
La Robotic Desktop Automation (RDA) è una forma di automazione assistita. Tuttavia, grazie a strumenti di intelligenza artificiale come l’intelligenza artificiale e il riconoscimento ottico dei caratteri, questi robot riescono a collegare dinamicamente più processi di flusso di lavoro, automatizzando costantemente diverse attività per un singolo utente. In questo scenario, il bot RDA agisce come un assistente virtuale, recuperando dati, inviando file e generando report mentre l’operatore umano parla con un cliente.
7. Bot autorigeneranti
A
Indagine sullo stato della RPA dal 2022
ha rivelato un problema che riguarda alcune aziende che adottano soluzioni RPA. Oltre il 69% degli intervistati dichiara di sperimentare ogni settimana un bot RPA non funzionante. Peggio ancora, oltre il 40% ha suggerito che ci vogliono più di 5 ore per riparare il bot, mentre altri intervistati hanno suggerito che la riparazione può richiedere più di un giorno.
Queste cifre sono inaccettabilmente alte. Tuttavia, l’indagine non entra nello specifico del problema. Le ragioni più comuni del fallimento dell’RPA sono le modifiche all’input, i robot che incontrano eccezioni, i dati incompleti, i test insufficienti o la mancanza di manutenzione, per citarne alcune.
L’RPA autorigenerante descrive un sistema in grado di ripararsi da solo senza l’intervento di un operatore umano.
I bot RPA autocurativi sono resi possibili da algoritmi di intelligenza artificiale che monitorano le prestazioni dell’attività automatizzata. Quando si verificano i problemi, questi strumenti utili entrano in azione, identificano la causa principale e applicano una soluzione. Il vantaggio è un aumento delle prestazioni e dei tempi di attività.
8. Elaborazione intelligente delle miniere
L’estrazione dei processi nel contesto della RPA comporta la scoperta di attività che le aziende possono automatizzare. Utilizzando le capacità analitiche avanzate dell’IA, i team possono analizzare i flussi di lavoro aziendali per individuare le attività che possono essere automatizzate e fare previsioni sull’impatto di questa automazione.
Il process mining utilizza il ML e l’analisi dei dati. Ad esempio, utilizza un software di registrazione dello schermo per acquisire i dati del flusso di lavoro, suddividendoli in fasi. Quindi, gli strumenti di ML o di analisi eseguono modelli di queste attività e trovano aree che possono essere trasformate in processi automatizzati. Gli strumenti di intelligenza artificiale offrono alle aziende una migliore supervisione e comprensione delle attività, consentendo loro di identificare dipendenze, colli di bottiglia e inefficienze.
L’abbinamento di RPA e process mining è molto potente perché può aiutare le aziende a scoprire processi che altrimenti non potrebbero individuare. Ciò significa che potete ottenere un valore maggiore dai vostri investimenti nella RPA e aumentare ulteriormente gli altri vantaggi della RPA, come la riduzione dei costi e l’aumento della produttività.
L’altra cosa che si può notare è che il process mining può ridurre i tempi di scoperta dei processi RPA appropriati. Ciò significa che l’implementazione viene avviata molto più rapidamente.
9. Automazione del test del software
Gli sviluppatori e gli editori di software hanno fornito alcune delle tecnologie più dirompenti degli ultimi decenni. Tuttavia, anche il loro settore ha subito una sorta di rivoluzione. Le metodologie DevOps e Agile hanno aiutato gli sviluppatori a soddisfare la richiesta di prodotti fulminei e in continuo miglioramento, mentre le pipeline CI/CD contribuiscono a velocizzare i tempi di commercializzazione.
L’RPA è uno strumento fantastico per tipi specifici di test del software. McKinsey suggerisce che lo sviluppo di software di nuova generazione è appena dietro l’intelligenza artificiale in termini di Le principali tendenze tecnologiche per il 2023. L’automazione del testing del software, grazie all’RPA e all’IA, sarà in prima linea in questa tendenza, con l’IA generativa che scriverà il codice e i team non tecnici che saranno accolti nell’ovile grazie agli strumenti no-code.
Come suggerisce il partner della società di consulenza, Santiago Comella-Dorda, “Gli sviluppatori sono forse una delle risorse più preziose per la moderna impresa digitale, eppure spendono ben oltre il 40% del loro tempo in attività ripetitive e di scarso valore che potrebbero essere facilmente automatizzate con un set di strumenti moderni”.
10. Automazione intelligente RPA
Intelligenza artificiale L’automazione robotica dei processi, detta anche automazione intelligente dei processi (IPA), è considerata la fase successiva dell’automazione. Prende l’RPA e aggiunge capacità cognitive attraverso l’IA. Può comprendere la RPA con tutte o alcune delle altre tecnologie AI sopra elencate.
In un
IBM ha condotto un sondaggio tra i dirigenti della C-Suite
Il 90% degli intervistati ha dichiarato che l’automazione intelligente li ha aiutati a ottenere risultati “superiori alla media nella gestione del cambiamento organizzativo in risposta alle tendenze aziendali emergenti”. Questo sentimento dimostra la capacità della RPA e dell’IA di creare soluzioni agili e robuste in grado di offrire un reale vantaggio competitivo.
La prova del potere dell’RPA e dell’IA di produrre cambiamenti organizzativi può essere trovata nella risposta della comunità aziendale alla pandemia COVID-19. L’adozione della tecnologia di automazione dei processi robotici per garantire i processi aziendali durante la pandemia COVID-19 (Siderska, 2021) ha mostrato come il 60% delle aziende polacche studiate sia stato in grado di implementare la continuità operativa grazie agli strumenti RPA. Secondo lo studio, l’intelligenza artificiale e l’analitica hanno contribuito in modo determinante.
In una recente
sondaggio Gartner
L’80% dei dirigenti ha espresso la convinzione che l’automazione possa essere applicata a qualsiasi processo aziendale. Questa statistica è una straordinaria testimonianza della potenza della RPA quando viene utilizzata con l’IA. È impossibile immaginare che questo numero possa essere così alto senza il potenziamento dell’RPA da parte dell’IA.
Per quanto riguarda il futuro, la ricerca
elaborazione neuromorfa
– un sistema di elaborazione delle informazioni basato sulla struttura del cervello – potrebbe portare a una maggiore cognizione e intelligenza delle macchine. L’aspetto più interessante di questo orizzonte è che questi modelli di intelligence richiedono una quantità di dati di addestramento molto inferiore, il che significa che potrebbero essere disponibili per le aziende.
Come la RPA alimentata dall’AI cambierà il futuro
del lavoro e della società
Gli strumenti di automazione dei processi di intelligenza artificiale si stanno appena scaldando. Ecco alcune aree in cui l’IA avrà un ulteriore impatto sull’automazione.
1. Industria 4.0
La prima rivoluzione industriale è stata alimentata dal vapore, la seconda dall’elettricità. La Terza Rivoluzione Industriale è stata resa possibile dalle tecnologie digitali negli anni Settanta. Quando si parla di Quarta Rivoluzione Industriale, nota anche come Industria 4.0, ci sono diversi candidati tecnologici, come i Gemelli Digitali, la Realtà Virtuale, l’Internet delle Cose (IoT), l’AI e il ML, e persino la stampa 3D.
Tuttavia, un
Indagine IMD sulla catena di fornitura globale
del 2022 rivela una verità preoccupante. Degli oltre 200 dirigenti del settore manifatturiero intervistati, pochissimi hanno indicato la tecnologia legata all’Industria 4.0 come una grande priorità. Siamo ben lontani dal 2019, quando Il 68% degli intervistati in un sondaggio McKinsey ha indicato l’Industria 4.0 come una priorità strategica assoluta.
Nel documento di ricerca Automazione robotica dei processi e intelligenza artificiale nell’industria 4.0 – Una rassegna della letteratura (Riberio, 2021), l’autore afferma che “dato l’ambito di applicabilità dell’IA, la RPA ha gradualmente aggiunto, alle sue funzioni di automazione, implementazioni di algoritmi o tecniche di IA applicate in determinati contesti (ad esempio, pianificazione delle risorse aziendali, contabilità, risorse umane) per classificare, riconoscere, categorizzare, ecc.”.
Con la continua evoluzione della tecnologia, nuovi strumenti e possibilità aiuteranno l’Industria 4.0 a diventare una realtà alimentata dall’intelligenza artificiale.
2. Iperautomazione
L’iperautomazione è la naturale evoluzione dell’automazione. Tuttavia, invece di automatizzare un’attività o un processo aziendale particolare, cerca di espandere le capacità di automazione nell’intera organizzazione. La versione finale sarà un’azienda completamente connessa e in gran parte autonoma, in cui i flussi di lavoro e le decisioni saranno semplificati, agili e resistenti.
L’iperautomazione comporta un mix di diverse tecnologie. Questo include:
- RPA
- AI
- Automazione dei processi aziendali (BPA)
- ML
- Elaborazione intelligente dei documenti (IDP)
- Orchestrazione del flusso di lavoro
- Estrazione mineraria di processo
- Elaborazione del linguaggio naturale (NLP)
- Gemello digitale di un’organizzazione (DTO)
- RPA conversazionale
- Visione artificiale RPA
Come si legge nel documento Iperautomazione per il potenziamento dell’automazione nelle industrie (Haleem, 2021), “Attraverso un mix di tecnologie di automazione, l’iperautomazione può superare alcuni vincoli di un singolo metodo di automazione. Ciò consente alle aziende di superare i limiti di ciascun processo e di automatizzare quasi tutte le operazioni più difficili e scalabili”.
3. Minore ricorso agli esperti
Il boom dello sviluppo del software negli ultimi anni ha messo in luce un problema. Mentre la domanda di app e tecnologia mobile cresceva, l’offerta faticava a tenere il passo. Gli sviluppatori di software scarseggiavano, il che significava che molte posizioni non venivano occupate per mesi e mesi.
Con posti di lavoro prestigiosi e a sei cifre in attesa di candidati qualificati, si potrebbe pensare che le persone si riqualifichino e raccolgano i frutti. Anche le scuole e le università sono state messe sotto esame, con i governi che hanno suggerito che non stavano facendo abbastanza per incoraggiare l’adozione delle materie STEM. Tuttavia, la realtà è che la codifica è difficile. Solo una piccola parte della popolazione ha l’attitudine per questo lavoro.
Mentre il nostro mondo diventa sempre più digitale, la carenza di codificatori potrebbe essere considerata come un avvertimento che non abbiamo ascoltato. Fortunatamente, l’automazione basata sull’intelligenza artificiale può fornire l’antidoto a questo problema.
Le posizioni di leadership richiedono un mix di capacità gestionali e conoscenze approfondite della materia. La lettura e l’apprendimento sono solo una parte di ciò che rende i dirigenti e i membri del team senior preziosi per un’organizzazione. Tuttavia, man mano che un numero maggiore di industrie abbraccia la tecnologia, questo bacino di talenti si svuoterà.
L’analisi dell’intelligenza artificiale può utilizzare grandi quantità di dati storici per trovare intuizioni e relazioni sottostanti e fare previsioni. Questi strumenti contribuiranno a colmare il gap di esperienza. Può anche servire a democratizzare l’accorto processo decisionale che in precedenza era appannaggio di aziende con grandi budget.
Mentre i decisori e gli strateghi esperti non passeranno mai di moda, un’azienda iper-automatizzata guidata dal Machine Learning (ML) e dall’analisi dei dati funzionerà 24 ore su 24, compiendo scelte basate su fattori che nessun essere umano potrebbe prendere in considerazione consapevolmente.
McKinsey suggerisce che l’automazione del lavoro della conoscenza è ormai alle porte. Il diritto, l’economia, l’istruzione, l’arte e la tecnologia subiranno tutti degli sconvolgimenti che in passato si riteneva potessero mettere in pericolo solo i lavori meno qualificati. Tuttavia, non è ancora chiaro cosa questo significhi per la forza lavoro in generale.
4. Maggiore efficienza del governo
La spesa pubblica è un tema perennemente controverso. In tutto il mondo, le amministrazioni democratiche hanno una reputazione di gonfiore e di spese errate. Per
ricerca del rinomato Brookings Institute
, gli enti governativi statunitensi stanno abbracciando l’IA e la RPA.
Dipartimenti diversi come la Food and Drug Administration, la Social Security, la Defense Logistics Agency e il Dipartimento del Tesoro hanno adottato l’IA e la RPA per aumentare la produttività e ridurre i costi dei loro servizi essenziali. Inoltre, un
un’indagine del Consiglio americano per la tecnologia e del Consiglio consultivo dell’industria (ACT-IAC)
mostra i casi d’uso di una dozzina di organizzazioni governative.
Un governo più efficiente ed economico potrebbe avere un effetto di trasformazione sulla società nel suo complesso. I servizi potrebbero diventare più efficienti ed efficaci e le tasse potrebbero essere destinate a programmi che potrebbero cambiare la vita di milioni di persone. Tuttavia, questa adozione diffusa mette in evidenza l’importanza di eliminare
pregiudizi nell’IA,
soprattutto se i governi di tutto il mondo utilizzano la tecnologia per guidare le decisioni politiche.
Riflessioni finali
L’intelligenza artificiale ha avuto un impatto profondo sulla tecnologia RPA. I primi strumenti di automazione erano in grado di gestire molte delle attività routinarie e banali sul posto di lavoro. Tuttavia, con l’aumento dell’appetito collettivo per l’automazione, la RPA si è scontrata con i suoi limiti. L’intelligenza artificiale sta abbattendo queste barriere.
La combinazione di RPA e AI estende il potenziale di entrambi gli strumenti. Le aziende stanno già raccogliendo i frutti dell’automazione intelligente, come il miglioramento del servizio clienti, l’aumento dell’efficienza organizzativa e la riduzione dei costi operativi. L’intelligenza artificiale ha aperto il campo di applicazione della RPA in modi che sembravano improbabili solo un decennio fa.
Tuttavia, la storia dell’automazione dei processi robotici e dell’intelligenza artificiale non si ferma qui. Ulteriori vantaggi arriveranno con il passaggio all’era dell’iperautomazione. Sarà una corsa sfrenata, quindi non rimanete indietro.
