Oggi condividiamo un articolo di Jennifer Belissent, Principal Data Strategist, Snowflake in cui spiega il potere trasformativo dell’Intelligenza Artificiale (AI). Implementarla non è semplice ma, ottenere un’AI efficace e sostenibile è possibile se si seguono i giusti passaggi e i risultati possono ripagare gli sforzi effettuati.
Buona lettura!
Come si ottiene un’AI efficace? Gli ostacoli non mancano, ma il risultato ripaga di tutti gli sforzi
A giudicare dallo scenario di euforia attuale, potrebbe sembrare che tutte le strade portino all’intelligenza artificiale. Come tutte le tecnologie, però, l’AI non è una destinazione ma il modo per raggiungerla. Dopo anni di sperimentazione, è arrivato il momento di fare sul serio. Oggi che l’AI è diventata una risorsa strategica in tutti i settori, le aziende si trovano ad affrontare una sfida cruciale: passare dalla sperimentazione su una moltitudine di scenari alla messa in opera di progetti AI scalabili che generino reale valore per il business. Si tratta però di un passaggio complesso, nel corso del quale vari ostacoli possono minare l’efficacia dell’AI: disallineamento con gli obiettivi aziendali più ampi, mancanza di coordinamento tra i team, qualità o governance dei dati insufficienti, o persino le incognite su costi e rischi. Fortunatamente, molti responsabili di dati e AI hanno già disegnato le migliori pratiche per questo percorso, identificando gli ostacoli e tracciando un percorso verso un’adozione dell’AI efficace e sostenibile.
Mappare il percorso verso un’AI efficace
Ottenere un’AI efficace potrebbe risultare sfidante e, a volte, scoraggiante. Nonostante ciò, early adopter dell’AI hanno dimostrato come i risultati possano ripagare degli sforzi effettuati. Invece di concentrarsi sugli ostacoli, molti lo vivono come un viaggio entusiasmante i cui punti salienti includono: evangelizzazione, sperimentazione, messa in opera, espansione e trasformazione. Attraverso questi passaggi, i responsabili dei dati costruiscono sia una base tecnica che culturale. Stabiliscono processi di governance, promuovono cambiamenti culturali, facilitano l’accesso a dati e AI ed espandono le implementazioni e i vantaggi in tutte le loro organizzazioni. Vediamo questi passaggi in maggiore dettaglio.
All’inizio del viaggio verso un’AI efficace, i leader evangelizzano ed educano, creando consapevolezza e comprensione del potenziale dell’AI in tutta l’organizzazione, dai vertici ai livelli operativi. Ogni ruolo in un’organizzazione toccherà dati e AI in modo diverso. Alcuni acquisiscono dati, spesso senza saperlo, altri utilizzano le informazioni derivate. Ad esempio, quando un cassiere effettua una vendita, vengono registrati acquisto e prezzo. Se tale operazione viene catalogata in modo errato però, i dati utilizzati per definire gli ordini di inventario saranno scorretti e le forniture future non rifletteranno le effettive preferenze dei clienti. Pensiamo invece ai team di vendita che desiderano capire come la tecnologia può informare le loro interazioni con i clienti. Nel gruppo Pernod Ricard, ai team di vendita vengono indicate azioni specifiche da intraprendere con ogni cliente, ad esempio, introdurre un nuovo cocktail o negoziare il posizionamento su uno scaffale del bar e i commerciali dovranno acquisire dimestichezza con queste raccomandazioni. Per questi motivi, l’evangelizzazione sull’AI, deve rivolgersi a tutti i tipi di pubblico. Al punto che anche l’EU AI Act richiede sia ai fornitori che ai deployer dell’AI di migliorarne l’alfabetizzazione.
Man mano che consapevolezza e interesse per le nuove capacità crescono, aumenta il desiderio di sperimentare, possibilmente in modo controllato. Le aziende possono costruire sandbox o ospitare hackathon per incoraggiare l’ideazione e il test, generando potenziali casi d’uso. Ma non tutte le idee sopravviveranno: secondo Harvard Business Review l’80% dei progetti AI non arriva alla produzione. Alcuni interpretano questo dato in negativo, parlando di “fallimento”. In realtà, si tratta di una dimostrazione di maturità: un processo trasparente di definizione delle priorità riduce la lunga lista di potenziali progetti a quelli che si allineano meglio con gli obiettivi strategici e quelli che sono più realistici in termini di costi e complessità. È in questa fase che i responsabili delle decisioni richiederanno una stima del ROI. Ed è così che le organizzazioni si assicurano che lo sforzo valga il risultato finale.
La messa in opera dell’AI richiede uno stretto allineamento tra l’IT e il business, il coordinamento delle risorse e la standardizzazione delle policy e dei progressi. L’infrastruttura e i processi costruiti in questa fase serviranno a progetti futuri e consentiranno trasparenza, responsabilità e conformità con l’EU AI Act. E, alcuni responsabili di dati e AI vedono la regolamentazione come un alleato. Con la necessità di catalogare e valutare il rischio dell’AI arriva la conformità con la governance dell’AI, ma anche la visibilità che ora sta promuovendo una maggiore collaborazione. Non c’è bisogno di reinventare ogni volta la ruota. Lungi dal soffocare l’AI, la regolamentazione sarà un catalizzatore per la collaborazione e un fattore trainante per l’eliminazione delle inefficienze.
Un progetto di lunga durata
Solo costruendo solide fondamenta basate su persone, processi e tecnologia le aziende possono veramente crescere. L’obiettivo è espandere le iniziative AI rendendo gli strumenti e i dati accessibili a tutti i reparti, aumentando i livelli di competenza e incoraggiando la collaborazione. Con i giusti processi e governance, l’AI diventa una risorsa accessibile a tutti piuttosto che uno strumento controllato da un singolo team.
Due esempi di incremento responsabile di un’AI efficace attraverso la promozione della collaborazione tra i reparti arrivano da Air Canada e IATA. Il Comitato operativo e gli InfoForum di Air Canada coinvolgono team diversi – quelli che eseguono i risultati dell’AI e quelli che sono interessati a conoscere le iniziative AI – garantendo così un’ampia partecipazione e un’istruzione continua. Allo stesso modo, il gruppo di lavoro sull’AI generativa di IATA include sia data scientist che stakeholder non tecnici, democratizzando di fatto l’uso dell’AI e allineandola agli obiettivi dell’organizzazione. Si tratta di approcci che evidenziano l’importanza di una governance inclusiva e di una collaborazione interfunzionale nell’espansione efficace dell’AI.
Sebbene il viaggio non sia mai realmente finito, la trasformazione dell’AI avviene quando l’uso dei dati e dell’AI è integrato nel DNA dell’organizzazione, guidando il processo decisionale e l’innovazione. L’istruzione continua e la collaborazione in tutta l’organizzazione fanno parte di questo processo. Una maggiore consapevolezza dei requisiti e delle sfide e la condivisione delle migliori pratiche tra le organizzazioni contribuiscono a miglioramenti nella qualità dei dati, maggiore efficienza e aumento del valore aziendale. Promuovono anche un cambiamento culturale più ampio.
Una preparazione minuziosa alla base
Raggiungere un’AI realmente efficace in grado di trasformare l’azienda è un viaggio che richiede una solida preparazione. Applicando tutte le accortezze del caso, le organizzazioni possono evitare alcuni degli ostacoli lungo il percorso, migliorando le loro possibilità di raggiungere con successo la meta finale. Ecco alcuni dei passaggi da considerare:
- Assicurarsi di avere a disposizione i dati. È importante garantire l’accesso ai dati, ponendo le fondamenta necessarie per una fornitura costante di informazioni di qualità. Sarà necessario abbattere i silos interni per migliorare l’accesso, trasformando i dati precedentemente inaccessibili per consentirne l’uso. IDC stima che il 90% dei dati all’interno delle organizzazioni oggi non sia strutturato.
- Pianificare con flessibilità. Se un processo di definizione delle priorità è fondamentale perché definisce l’itinerario, lungo il percorso potrebbero emergere deviazioni interessanti. Una corretta pianificazione minimizzerà comunque l’impatto di eventuali imprevisti.
- Analizzare progetto e obiettivi. Per garantire il successo del progetto, è necessario governare i dati in modo efficace e verificarne la qualità. Andranno definiti obiettivi chiari e misurabili, chiedendosi costantemente qual è il problema che si intende risolvere e come sia possibile valutarne i progressi, con le stesse avvertenze che si userebbero in qualsiasi altro progetto tecnologico.
- Aprirsi alla collaborazione. Come ogni viaggio può essere arricchito dalla condivisione con altri, anche il percorso alla scoperta dell’AI non deve per forza essere un’impresa solitaria. Arruolare partner e clienti all’interno dell’ecosistema AI aiuterà a fornire informazioni più ricche e a mitigare i rischi di allucinazioni e pregiudizi.
- Puntare su una formazione continua. Un elemento fondamentale di ogni progetto di trasformazione è la comunicazione. Non è mai troppo presto per condividere i motivi e gli obiettivi di partenza, ed è necessario aggiornare continuamente sullo stato del viaggio, sui passaggi intermedi e sulle tappe raggiunte man mano.
- Tenere traccia del percorso. È importante catturare i diversi aspetti che caratterizzano il percorso intrapreso, i modelli impiegati, le sfide affrontate lungo il percorso e i risultati ottenuti. Proprio come un diario di viaggio, le storie di successo incoraggiano gli altri a riutilizzare i dati e i modelli e ad aumentare il ROI, migliorando le opportunità future in un circolo virtuoso.
Se affrontata con una roadmap chiara e un impegno costante verso l’eccellenza dei dati, l’implementazione dell’AI in azienda si rivela una forza trasformativa che guida la crescita sostenibile e l’innovazione in tutta l’organizzazione.
di Jennifer Belissent, Principal Data Strategist, Snowflake
