Posted On 28 Gennaio 2020 By In Innovazione With 534 Views

Perché investire in intelligenza artificiale

investire in intelligenza artificiale

Uno studio globale “AI: BUILT TO SCALE From experimental to exponential”, condotto da Accenture, ha coinvolto 1.500 dirigenti C-level di organizzazioni di 16 settori. Base di partenza dell’indagine è perché investire in intelligenza artificiale e l’importanza di scalarla all’interno dell’organizzazione. 

Tra i dati emersi si evince che l’84% dei C-level italiani ritiene che questa tecnologia possa far loro raggiungere gli obiettivi di crescita e che rappresenti un fattore abilitante per le priorità strategiche. 

Non scalandola, secondo tre manager su quattro, nei prossimi cinque anni molte aziende metteranno a rischio il proprio business mentre per chi ha deciso di scalarla i risultati positivi non si sono fatti attendere tanto che hanno ottenuto un ROI tre volte superiore a chi si limita a progetti di sperimentazione.

3 tipologie di aziende che investono in intelligenza artificiale 

Dalla ricerca Accenture sono emersi tre gruppi distinti di aziende con livelli crescenti di capacità necessarie per scalare con successo e che investono in intelligenza artificiale

  • Proof of Concept

Circa l’80-85% delle aziende è  bloccato su questo percorso che consiste in esperimenti pilota e che non portano grandi ritorni nell’investire in intelligenza artificiale. Questo perché manca una connessione con un risultato aziendale o un imperativo strategico e il tempo e gli investimenti necessari per scalare l’IA sono sottovalutati. 

  • Strategically Scaling

Si tratta di un gruppo a cui appartiene solo il 15-20% delle aziende. Un passo ulteriore rispetto al Proof of Concept che permette  di raggiungere un successo più alto e che scala l’intelligenza artificiale quasi il doppio. Questa tipologia di aziende ha una chiara strategia di intelligenza artificiale e un modello operativo collegati agli obiettivi di business dell’azienda, supportati da un team più ampio e multidimensionale sostenuto dal Chief AI, Data o Analytics Officer. 

  • Industrialized for growth

Meno del 5% delle aziende ha progredito fino a questo punto. Un mindset da piattaforma digitale e una cultura dell’intelligenza artificiale con dati e analisi democratizzati all’interno dell’organizzazione,  migliaia di modelli scalati con un framework AI responsabile. Gli “Industrialized for growth” promuovono l’innovazione di prodotti e servizi e ottengono benefici da una maggiore visibilità nelle aspettative dei clienti e dei dipendenti. 

I fattori di successo

La ricerca ha rivelato tre importanti fattori di successo  che separano quelli che sono passati al Strategically Scaling e quelli ancora in Proof of Concept.

Gli “strategic scalers” a differenza dell’altro gruppo:

  •  Utilizzano intenzionalmente l’intelligenza artificiale 

Gli strategic scalers avviano più progetti pilota e sviluppano più iniziative. I dati indicano che gli Strategic Scaler sono più intenzionali, che hanno un’aspettativa più realistica in termini di tempo per scalare e ciò che serve per farlo in modo responsabile. Per scalare le aziende hanno bisogno di strutture e governance, e gli Strategic Scaler dispongono di entrambi. Quasi il 71% afferma di avere una strategia e un modello operativo definito per scalare l’AI, mentre solo la metà delle aziende nella fase Proof of Concept riferisce la stessa cosa.

Gli Strategic Scaler sono anche molto più propensi ad avere processi ed owner definiti con una chiara responsabilità e un supporto di leadership consolidato con champion AI dedicati. 

  • Eliminano il rumore di fondo dai dati

Il 90% dei dati presenti nel mondo è stato creato negli ultimi 10 anni. Dopo anni di raccolta, archiviazione, analisi e riconfigurazione di informazioni, la maggior parte delle aziende ha ancora difficoltà nel gestire questo enorme volume non sapendo come “pulirli”, gestirli, mantenerli e utilizzarli.

Gli Strategic Scaler eliminano, in sostanza,  “il rumore” che circonda i dati. Riconoscono l’importanza dei dati critici per l’azienda, identificando i dati finanziari, di marketing, sui consumatori e i master data come domini prioritari, e sono più abili a strutturarli e a gestirli. 

Inoltre utilizzano strumenti AI appropriati, come i data lake basati sul cloud, i workbench di data engineering/data science e la ricerca e l’analisi dei dati, per gestire i dati (60% rispetto al 47%) per le loro applicazioni. Gli Strategic Scaler comprendono l’importanza dell’utilizzo di diverse fonti per supportare le diverse iniziative.

  • Considerano l’AI come uno sport di squadra

Scalare l’intelligenza artificiale richiede l’integrazione di team multidisciplinari in tutta l’organizzazione e un allineamento con la visione del management. Nel caso degli Strategic Scale, questi team sono spesso guidati dal Chief AI, Data o Analytics Officer e sono composti da data scientist, modellatori di dati, ingegneri di machine learning, dati e AI, esperti di visualizzazione, qualità dei dati, formazione e comunicazione e altri specialisti.

A contrario, coloro che sono ancora nella fase Proof of Concept hanno maggiori probabilità di affidarsi a un champion solitario all’interno dell’organizzazione tecnologica che guidi gli sforzi di AI.

Competenze ed esperienza

Man mano che le aziende avanzano, i nuovi set di competenze emergono. Migliore è il mix di competenze, più sostenibile è il risultato finale. Si deve assicurare che i dipendenti abbiano una formazione formale in corso, una comprensione di come l’IA si applica al loro ruolo e comprendano e implementino un’IA responsabile. 

L’esperienza è un altro fattore di differenziazione quando si tratta di successo. Quasi la metà di tutti gli Scaler strategici rispetto a solo un terzo degli intervistati nel rapporto Proof of Concept ha l’esperienza necessaria. Gli Scaler hanno scalato con successo 114 iniziative in media, rispetto a solo 53 per quelli in Proof of Concept.

Secondo la ricerca si possono elencare 3 ulteriori  variabili aggiuntive che velocizzano il viaggio delle aziende verso la destinazione finale:

  •   Focus sulla “I” di ROI, ossia sugli investimenti
  1. Gli investimenti nell’IA sono il costo per fare affari. I C-level stanziano budget per l’IA riconoscendone le criticità per la crescita e la spesa future senza la necessità di dimostrare il ROI in anticipo per giustificarne l’investimento.
  •  Adottare una mentalità di piattaforme digitali per scalare
  •  Costruire fiducia attraverso l’intelligenza artificiale responsabileL’intelligenza artificiale responsabile implica l’uso etico, trasparente e responsabile delle tecnologie in modo coerente con le aspettative degli utenti, i valori organizzativi e le leggi. Investire sull’intelligenza artificiale significa muoversi verso la giusta direzione e pilotare gli investimenti verso un cambiamento su larga scala. In sostanza significa investire sui dati per ottenere i giusti insight grazie a team multidisciplinari con le giuste capacità.  

Lascia un commento