Autore
I progetti di intelligenza artificiale e trasformazione digitale hanno un basso tasso di successo, ma le best practice aiutano.
L'IA ha il potenziale per guidare il cambiamento in quasi tutti i settori. In altre parole, ci sono grandi incentivi per le organizzazioni a iniziare ora il loro viaggio nell'IA; c'è anche il rischio che, se non lo fanno, recuperare sarà difficile, se non impossibile, in una disciplina che diventerà sempre più critica quanto più sarà adottata. Non sorprende quindi che l'IA susciti tanto interesse ed eccitazione.
Tuttavia, molti progetti di IA falliscono.
Da quando ho memoria, l'intelligenza artificiale è stata il Santo Graal. I film l'hanno ritratta, da BladeRunner al più recente Her. Nel frattempo, i leader aziendali hanno promesso che avrebbe rivoluzionato il posto di lavoro. In entrambi i casi, ci sono stati presentati scenari in cui l'intelligenza artificiale trasforma il lavoro quotidiano.
In effetti, si parla di IA come disciplina scientifica dal 1956. E sebbene i fondamenti matematici esistano da oltre 70 anni, la potenza di calcolo necessaria è diventata realtà solo di recente, con il cloud come catalizzatore dell'IA.
Sono stati compiuti progressi significativi e il settore non è più agli inizi. Secondo l'indagine The state of AI in 2020 di McKinsey, il 50% degli intervistati ha dichiarato che le proprie aziende hanno adottato l'IA in almeno una funzione aziendale.
L'IA ha il potenziale per guidare il cambiamento in quasi tutti i settori. In altre parole, ci sono grandi incentivi per le organizzazioni a iniziare ora il loro viaggio nell'IA; c'è anche il rischio che, se non lo fanno, recuperare sarà difficile, se non impossibile, in una disciplina che diventerà sempre più critica quanto più sarà adottata. Non sorprende quindi che l'IA susciti tanto interesse ed eccitazione.
Tuttavia, molti progetti di IA falliscono.
I POC devono essere progettati per un successo a lungo termine
Molte prove di concetto (POC) non sono progettate per essere scalate. Non fanno altro che dimostrare che qualcosa può essere fatto. Poi vengono lasciati a marcire perché non si è stabilito in anticipo se il concetto in questione fosse rilevante e necessario per l'intera organizzazione, o se un'implementazione a livello aziendale fosse tecnicamente fattibile.
Inoltre, la struttura dei costi di progetti di questa natura: Arrivare a questo punto potrebbe aver divorato il 70% del budget complessivo, senza che il risultato sia mai arrivato alla luce del sole. Si tratta di un cattivo affare a tutti i livelli. Allora, qual è l'alternativa?
In breve, la scala deve essere parte integrante del POC e riflettersi nelle metriche che ne determinano il successo.
Esistono alcune tattiche semplici per raggiungere questo obiettivo. Una buona opzione consiste nell'eseguire il POC in due regioni e nel richiedere a entrambi i flussi di raggiungere obiettivi prestabiliti prima di poterne decretare il successo. È inoltre importante identificare parallelismi e variazioni tra i progetti. Questo approccio sviluppa un processo e una struttura nell'ambito dell'iniziativa iniziale e favorisce l'adozione in un ambiente più ampio se il progetto va avanti.
Gli skillset demoliscono i silos
I silos organizzativi, radicati nella struttura aziendale tradizionale, sono ancora comuni. Sono una costante spina nel fianco per il buon funzionamento delle operazioni e possono essere la campana a morto per le implementazioni scalabili dell'IA. Affrontare questo problema significa inserire le giuste competenze in ogni parte del progetto.
Abbiamo bisogno di competenze matematiche, informatiche e di uno specialista di codifica, fornite rispettivamente da data scientist, architetti di soluzioni e ingegneri di machine learning (ML). Anche la prospettiva aziendale, fornita da product manager e proprietari, è una parte essenziale del mix. Questo team multidisciplinare deve avere un modo di lavorare aperto e collaborativo, con buoni canali di comunicazione e un profondo livello di fiducia per tutto il ciclo di vita del progetto, in modo da poter gettare collettivamente le basi, avviare l'implementazione e, infine, formare le persone che gestiranno l'applicazione su base giornaliera una volta completato il POC.
Anche la tecnologia è importante
Cloud computing ha reso i progetti di intelligenza artificiale una realtà per molte aziende. Elimina la necessità di grandi e costose implementazioni IT, affidandosi invece a strumenti e tecnologie agili, personalizzabili e disponibili su richiesta.
Come nel caso dell'approccio ibrido, la cassetta degli attrezzi tecnologici deve comprendere le applicazioni e i software specifici per il progetto in questione. E va da sé che deve essere scalabile.
Il paradosso del rischio AI
L'IA pone le organizzazioni di fronte a un dilemma: se implementata male, è probabile che fallisca, creando rischi per l'azienda. Tuttavia, se non si implementa affatto l'IA, si rischia di rimanere indietro rispetto ai concorrenti più orientati al futuro che raccolgono i frutti dell'esplorazione di questa tecnologia di nuova generazione.
La chiave è considerare qualsiasi progetto di IA in termini di ruolo nella direzione e nel successo a lungo termine dell'azienda nel suo complesso e delle sue operazioni. Questo approccio informerà il quadro tecnico e umano essenziale per un'implementazione di successo e una visione olistica dell'IA.
