Virginia State Police risparmia 3 milioni di dollari grazie alla potenza dell’AI Snowflake

Alle organizzazioni del settore pubblico viene chiesto di svolgere un lavoro che conta, e di farlo sotto pressione. Le agenzie governative servono le comunità in modo diretto e visibile, ma lo fanno con budget più limitati, continue difficoltà di organico e un contesto economico che raramente lascia margine di respiro.

Per affrontare questa realtà, molte agenzie stanno valutando dove la tecnologia possa alleggerire la pressione. Gli strumenti agentici in linguaggio naturale sono una delle nuove aree che stanno guadagnando terreno. Aiutano i team a ricavare insight utili da grandi volumi di informazioni e a semplificare il lavoro di routine, rendendo più facile migliorare i processi tra i vari dipartimenti.

I dati in silos impediscono alle organizzazioni del settore pubblico di utilizzare al meglio le proprie risorse

Molte organizzazioni del settore pubblico continuano a fare i conti con dati distribuiti in strumenti legacy separati, che rendono la collaborazione sui dati quasi, se non del tutto, impossibile. Le agenzie sprecano tempo prezioso per consolidare manualmente fonti di dati diverse, con il risultato che spesso gli insight ottenuti sono già superati quando il consolidamento è completato. 

Questo rende anche poco chiara la responsabilità sui dati all’interno delle organizzazioni, creando disallineamenti tra i vari dipartimenti, in particolare tra operations e finance. Questo crea notevoli difficoltà quando le organizzazioni pianificano i budget futuri, perché spesso non dispongono di una visione aggiornata o accurata della spesa corrente. Di conseguenza, risorse preziose, incluso il lavoro dei dipendenti dedicato alla riconciliazione e all’analisi dei dati, non vengono sfruttate nel modo più efficace.

Gli strumenti agentici in linguaggio naturale generano un impatto operativo significativo per le organizzazioni 

Le agenzie utilizzano strumenti agentici in linguaggio naturale per ridurre il tempo che il personale dedica ad attività manuali e ripetitive. Con Snowflake Intelligence, i dipendenti possono ottenere risposte a domande finanziarie e operative complesse senza dover passare da più sistemi o creare report personalizzati. Il personale di diversi ruoli, non solo chi ha competenze tecniche o analitiche, può interrogare Snowflake Intelligence in linguaggio naturale e ottenere quasi all’istante informazioni chiare e utilizzabili. 

Tutti gli insight vengono ricavati da dati archiviati nella piattaforma Snowflake o da dati esterni accessibili tramite Iceberg Tables, aiutando le organizzazioni a lavorare con dati governati e a generare insight affidabili. I dipendenti del settore pubblico possono così dedicare meno tempo ad attività manuali e ripetitive e più tempo alla missione della loro organizzazione.

L’esperienza del cliente: come la Virginia State Police ha utilizzato l’AI per aumentare l’efficienza e accelerare operazioni ad alta intensità di risorse 

La Virginia State Police è impegnata a servire la propria comunità attraverso leadership, collaborazione e coinvolgimento del territorio, e attribuisce grande valore a innovazione, fiducia e competenza, e promuove inclusione e diversità nella propria forza lavoro. Facendo leva sul valore dell’innovazione, la Virginia State Police si sta trasformando in un’organizzazione guidata dall’intelligence, utilizzando Snowflake per eliminare i silos di dati manuali e ottenere miglioramenti in termini di efficienza operativa e gestione dei costi.

Prima di adottare Snowflake, l’organizzazione doveva affrontare importanti silos di dati. Dati essenziali erano distribuiti tra fogli di calcolo scollegati o sistemi legacy. Inoltre, in molti casi mancavano proprietà e governance chiare dei dati. 

Di conseguenza, l’organizzazione spiega di aver sofferto per la mancanza di visibilità finanziaria in tempo reale. Il management non riusciva ad aggregare i dati con sufficiente rapidità per identificare i trend di spesa, inclusa la distinzione tra pagamenti ricorrenti e costi una tantum. Per colmare queste lacune, il team faceva affidamento sulla riconciliazione manuale di record mission-critical, un’attività ad alta intensità di lavoro che richiedeva controlli riga per riga.

I leader della Virginia State Police ha finalmente potuto interrogare facilmente dati finanziari complessi con funzionalità di linguaggio naturale e comandi vocali, sfruttando i vantaggi dell’interfaccia Snowflake basata su AI. 

Grazie alla modellazione semantica, l’organizzazione ha costruito un livello semantico sui dati di spesa. Questo consente alla polizia di stato della Virginia di classificare con precisione i dati e avviare analisi predittive sulla spesa dei dipartimenti.

Per ridurre il lavoro manuale e ripetitivo, l’organizzazione ha utilizzato Snowflake per applicare su larga scala una riconciliazione automatizzata basata su regole, accelerando drasticamente la risoluzione dei record. Invece di dedicare tempo a queste attività monotone, i dipendenti possono ora impiegare il proprio tempo in modo più significativo a supporto della missione dell’organizzazione. 

Risultati concreti e impatto duraturo 

Di conseguenza, gli analisti del corpo di polizia hanno registrato una velocità di elaborazione dei dati fino a 80 volte superiore in tutti i workflow operativi, ottenendo insight in tempi rapidissimi. “Quello che abbiamo dimostrato con Snowflake Cortex va ben oltre ciò che chiunque qui pensasse possibile”, afferma Steven MacLauchlan, Chief Data Officer di Virginia State Police. “In alcuni casi d’uso, abbiamo risolto in 45 minuti attività che prima richiedevano settimane di lavoro a un intero team”. Il team ora gestisce complesse attività di reporting finanziario in giorni anziché in mesi di lavoro manuale, migliorando in modo significativo le operations. 

La Virginia State Police ha inoltre adottato analisi ad alta precisione e raggiunto oltre il 99% di accuratezza nella previsione dei costi ricorrenti. Questo ha portato il team a individuare circa 3 milioni di dollari di potenziali risparmi nelle negoziazioni con i fornitori. Anche l’efficienza complessiva è migliorata in modo drastico. Per esempio, prima servivano quasi due settimane a sei persone per elaborare 4000 record critici; oggi l’organizzazione può elaborare 82.000 record in appena 45 minuti. 

Snowflake Intelligence aiuta le organizzazioni pubbliche a supportare le comunità locali

Quando i budget sono limitati, anche piccole inefficienze si accumulano. Poter vedere dove i fondi sono sottoutilizzati o non allineati consente alle agenzie del settore pubblico di ridurre le duplicazioni e destinare le risorse dove servono di più. Snowflake Intelligence offre ai team una visione più chiara dei dati finanziari senza richiedere analisi complesse o che richiedono molto tempo, rendendo più facile agire su ciò che emerge.

Sfruttando Snowflake Intelligence per ridurre al minimo il lavoro manuale, le organizzazioni del settore pubblico possono riallocare le risorse verso attività mission-critical. Nel caso della Virginia State Police, i membri della comunità si affidano alla polizia per garantire standard di sicurezza e protezione, quindi dare ai dipendenti più tempo da dedicare a questo lavoro crea valore e un impatto duraturo. 

Vuoi sapere su come utilizzare Snowflake Intelligence per ottenere risposte basate sui dati a domande complesse? Segui l’evento virtuale on-demand Snowflake Connect: AI.