K-Commerce: la vendita on-line di prodotti/servizi “Intangibili”

Risultato immagini per vendita dell'intangibileE’ noto come l’e-commerce consenta di sviluppare il processo di acquisto e vendita di prodotti  (tangibili) con mezzi elettronici (shopping online), come le applicazioni mobili e Internet. L’e-commerce di prodotti/servizi “tangibili” è cresciuto enormemente negli ultimi decenni, spesso provocando una sostanziale sostituzione dei tradizionali negozi di mattoni e malta.  Il valore delle transazioni on-line per l’acquisto di beni e servizi “tangibili” gode di meccanismi di economie di scala, di incremento della competitività internazionale delle imprese,  di modelli di business innovativi.

Nell’attuale competizione tra tecnologie intelligenti e umanità consapevole non ci sono vinti o vincitori, ma piuttosto un rapporto sinergico che dovrebbe essere finalizzato in ultima analisi, alla sostenibilità della vita dell’uomo sulla terra (o su altri pianeti), man mano che si accresce la numerosità della popolazione mondiale.

Il Valore del Capitale Intangibile (Fattore K)

Grazie ad una maggiore diffusione e consapevolezza sulle metodologie e sugli strumenti dell’Intelligenza Artificiale (Artificial Intelligence) e, in particolare, dell’Ingegneria della Conoscenza (Knowledge Engineering),  oggi è possibile  “vendere” non la conoscenza in quanto tale (intangibile), ma il “beneficio” economico o funzionale (tangibile) che essa produce, ad un “prezzo” che sarà commisurato ai risultati ottenuti. Ad esempio, nel caso di un algoritmo (Modello di Conoscenza) capace di far risparmiare decine di migliaia di kilowattora di energia elettrica, il prezzo dell’algoritmo non è quello di un ebook nel quale è contenuto, ma è proporzionale al valore del risparmio economico ottenuto.

    • AMBIENTE & ENERGIA
    • IMPRESE & Tecnologie 4.0
    • TALENTI Interdisciplinari 4.0

Risultato immagini per economia della conoscenza

Nell’Economia della Conoscenza, il termine di K-Commerce (Knowledge-Commerce) si riferisce alla possibilità di commercializzare (misurare, valorizzare, proteggere) la conoscenza (capitale intellettuale) per contenuti funzionali o “a pacchetti“, con metodologie e strumenti tali da rendere la transazione di acquisto, del tutto simile a quella corrispondente ad un prodotto tangibile, anche (ma non solo) utilizzando piattaforme elettroniche di e-commerce.  Il termine K-Commerce è stato coniato nell’era della Economia della Conoscenza motivato dal fatto che in una economia basata soprattutto sul “sapere” e sul “saper fare“, risulta di fondamentale importanza lo sviluppare strumenti appropriati innovativi per gestire la conoscenza, non solo come “middleware” per generare valore nel modo che già conosciamo (consulenza, e-learninge-book ecc.), ma direttamente come valore tangibile in sé, protetto da un concetto di copyright innovativo, del quale si parlerà più avanti. Pertanto, il K-Commerce esprime non solo un nuovo modo di commercializzare il sapere, ma rappresenta l’insieme delle metodologie e degli strumenti per:

    • gestire la conoscenza in termini “quantitativi” (e non solo qualitativi degli intangibiles) e quindi, misurabili;
    • organizzare package funzionali di conoscenza  (Modelli di Conoscenza) finalizzati ad ottenere risultati (vantaggi) economici determinabili e quindi, misurabili;
    • trasferire agli utilizzatori finali detti package funzionali di conoscenza, in modo che prevalga l’interesse per il valore ottenibile dal suo utilizzo, piuttosto che dalle modalità in cui la conoscenza risulti rappresentata e configurata.

Proprio su quest’ultimo concetto, si basa la possibilità di realizzare “barriere” per la protezione della conoscenza, ovvero della proprietà intellettuale (copyright),  spostando il polo di attrazione e interesse verso il “risultato” che la stessa produce, piuttosto che sulla propria forma.

Approccio Statistico “ANOVA” vs “Modelli di Conoscenza” nell’Analisi di Processi Biologici

A-KM METODOLOGIA DI APPROCCIO: Modelli di Conoscenza

La scelta della metodologia dei “Modelli di Conoscenza”, nasce dall’esigenza di controllare e ottimizzare la funzionalità di un processo complesso che, specialmente se presenta una sezione  “biologica” e input (carichi) variabili quali-quantitativamente nel tempo, non può essere assimilato ad un processo ciclico ripetitivo.

Pertanto, si sceglie in questi casi di non seguire un tradizionale approccio statistico (v. ANOVA– ANalysis Of VAriance), in quanto basato essenzialmente su dati storici e in genere molto costoso, preferendo un approccio più vicino agli esperti di processo, basato sulla “fusione” interdisciplinare tra dati rilevati e conoscenza degli esperti: i Modelli di Conoscenza.

Principi Base del Metodo basato sui Modelli di Conoscenza

a) Approccio Sistemico: realtà suddivisa in processi unitari (input/output), interagenti tra loro

b) Significatività e Rappresentatività delle Misure: è molto importante assicurarsi che i campioni oggetti di indagine siano realmente rappresentativi della realtà operativa o di classi di esse; pertanto le prove vanno eseguite definendo i parametri di caratterizzazione, come ad es.: Valore X = ¦[Xmin, Xmax, Xmed, X+freq, durata(X+freq)]

c) Modellazione delle Inferenze Input/Output: algoritmi di correlazione sistemica.

CONFRONTO METODOLOGIE PRO CONTRO

Modelli Statistici

 

  • Forniscono una analisi più oggettiva rispetto ai dati acquisiti (storici).

 

  • Metodologia più conosciuta.
  • Elaborano dati storici e quindi sono poco generalizzabili: interpretazione dei dati al passato.
  • Più costosi perché necessitano di numerose prove per realizzare un campione statistico rappresentativo
  • Risolvono gli errori e le discrepanze come Varianza Statistica e sulla base di Test Multifattoriali di Significatività (ANOVA – Analysis of Variance) non sempre generalizzabili.
  • Risultati  in Output in genere non generalizzabili e non migliorabili incrementalmente, se non a costo di ripetere l’intera analisi.
Modelli di Conoscenza
  • Interpretazione dei dati rispetto all’attualità operativa, perché si basano su dati il cui valore è quello derivante dall’esperienza operativa aggiornata come “media ragionata” (valore più frequente e plausibile).
  • Meno costosi perché basati su un numero di prove minimo necessario a definire le classi operative di funzionamento.-   Risolvono gli errori e le discrepanze attraverso la Cross-Correlation delle informazioni assunte e sulla base della propagazione della certezza.
  • Risultati in Output generalizzabili (per definizione) e migliorabili incrementalmente.
  • Forniscono una analisi più influenzabile dalla expertise degli operatori  che detengono la conoscenza.

 

  • Metodologia meno conosciuta.