La verità su IA e ROI: l’intelligenza artificiale può davvero offrire risultati?
Più che mai, le organizzazioni stanno riponendo la loro fiducia – e il loro investimento – nel potenziale dell’intelligenza artificiale (AI) e dell’apprendimento automatico (ML).
Secondo l’ IBM Global AI Adoption Index del 2022 , il 35% delle aziende dichiara di utilizzare l’IA oggi nella propria attività, mentre un ulteriore 42% afferma di esplorare l’IA. Nel frattempo, un sondaggio McKinsey ha rilevato che il 56% degli intervistati ha riferito di aver adottato l’IA in almeno una funzione nel 2021, rispetto al 50% nel 2020.
Ma gli investimenti nell’IA possono offrire un ROI reale che influisca direttamente sui profitti di un’azienda?
Secondo il recente sondaggio REVelate di Domino Data Lab, che ha intervistato i partecipanti alla conferenza Rev3 di New York City a maggio, molti intervistati sembrano pensarla così. Quasi la metà, infatti, prevede una crescita a due cifre come risultato della scienza dei dati. E 4 intervistati su 5 (79%) hanno affermato che data science, ML e AI sono fondamentali per la crescita futura complessiva della loro azienda, con il 36% che lo definisce il fattore più critico.
L’implementazione dell’IA, ovviamente, non è un compito facile. Altri dati dell’indagine mostrano un altro lato della medaglia della fiducia. Ad esempio, i dati di un recente sondaggio della società di ingegneria AI CognitiveScale rilevano che, sebbene i dirigenti sappiano che la qualità e l’implementazione dei dati sono fattori critici di successo per lo sviluppo di app di successo per guidare la trasformazione digitale, oltre il 76% non è sicuro di come raggiungerlo nel proprio obiettivo Finestra 12-18 mesi. Inoltre, il 32% dei dirigenti afferma che ci è voluto più tempo del previsto per mettere in produzione un sistema di intelligenza artificiale.
L’IA deve essere responsabile
Il ROI dell’IA è possibile, ma deve essere accuratamente descritto e personificato in base a un obiettivo aziendale, ha detto a VentureBeat Bob Picciano, CEO di Cognitive Scale.
“Se l’obiettivo aziendale è ottenere una previsione più a lungo raggio e una maggiore precisione della previsione con i dati storici, è qui che l’IA può entrare in gioco”, ha affermato. “Ma l’IA deve essere responsabile per promuovere l’efficacia aziendale: non è sufficiente dire che un modello ML era accurato al 98%”.
Invece, il ROI potrebbe essere, ad esempio, che, al fine di migliorare l’efficacia del call center, le funzionalità basate sull’intelligenza artificiale assicurano che il tempo medio di gestione delle chiamate sia ridotto.
“Quel tipo di ROI è ciò di cui parlano nella C-suite”, ha spiegato. “Non parlano se il modello è preciso o robusto o alla deriva”.
Shay Sabhikhi, co-fondatore e COO di Cognitive Scale, ha aggiunto di non essere sorpreso dal fatto che il 76% degli intervistati abbia riferito di avere problemi a ridimensionare i propri sforzi di intelligenza artificiale. “Questo è esattamente ciò che sentiamo dai nostri clienti aziendali”, ha affermato. Un problema è l’attrito tra i team di data science e il resto dell’organizzazione, ha spiegato, che non sa cosa fare con i modelli che sviluppano.
“Quei modelli potrebbero avere potenzialmente gli algoritmi migliori e il richiamo di precisione, ma rimangono sullo scaffale perché vengono letteralmente consegnati al team di sviluppo che quindi deve rimescolare, cercando di assemblare l’applicazione insieme”, ha affermato.
A questo punto, tuttavia, le organizzazioni devono essere responsabili dei loro investimenti nell’IA perché l’IA non è più una serie di esperimenti scientifici, ha sottolineato Picciano. “Lo chiamiamo andare dal laboratorio alla vita”, ha detto. “Ero a una conferenza del Chief Data Analytics Officer e tutti mi hanno detto, come faccio a scalare? Come industrializzo l’IA?”
Il ROI è la metrica giusta per l’IA?
Tuttavia, non tutti sono d’accordo sul fatto che il ROI sia il modo migliore per misurare se l’IA genera valore nell’organizzazione. Secondo Nicola Morini Bianzino, global chief technology officer, EY, pensare all’intelligenza artificiale e all’impresa in termini di “casi d’uso” che vengono poi misurati attraverso il ROI è il modo sbagliato di affrontare l’IA.
“Per me, l’IA è un insieme di tecniche che verranno implementate praticamente ovunque in tutta l’azienda: non ci sarà l’isolamento di un caso d’uso con l’analisi del ROI associata”, ha affermato.
Invece, ha spiegato, le organizzazioni devono semplicemente utilizzare l’IA, ovunque. “È quasi come il cloud, dove due o tre anni fa ho avuto molte conversazioni con clienti che mi chiedevano: ‘Qual è il ROI? Qual è il business case per me per passare al cloud?’ Ora, dopo la pandemia, quella conversazione non accade più. Tutti dicono solo: ‘Devo farlo.'”
Inoltre, ha sottolineato Bianzino, discutere di AI e ROI dipende da cosa intendi per “usare l’IA”.
“Diciamo che stai cercando di applicare alcune capacità di guida autonoma, ovvero la visione artificiale come branca dell’IA”, ha affermato. “È un caso aziendale? No, perché non è possibile implementare la guida autonoma senza l’IA”. Lo stesso vale per un’azienda come EY, che ingerisce enormi quantità di dati e fornisce consulenza ai clienti, cosa che non può essere fatta senza l’IA. “È qualcosa che non puoi isolare dal processo – è integrato in esso”, ha detto.
Inoltre, l’IA, per definizione, non è produttiva o efficiente sin dal primo giorno. Ci vuole tempo per ottenere i dati, addestrare i modelli, evolvere i modelli e scalare i modelli. “Non è come un giorno si può dire, ho finito con l’IA e il 100% del valore è proprio lì – no, questa è una capacità continua che migliora nel tempo”, ha detto. “Non c’è davvero una fine in termini di valore che può essere generato.”
In un certo senso, ha affermato Bianzino, l’IA sta diventando parte del costo del fare impresa. “Se sei in un’azienda che prevede l’analisi dei dati, non puoi non avere capacità di intelligenza artificiale”, ha spiegato. “Puoi isolare il business case di questi modelli? È molto difficile e non credo sia necessario. Per me, è quasi come se fosse un costo dell’infrastruttura per gestire la tua attività”.
Il ROI dell’IA è difficile da misurare
Kjell Carlsson, responsabile della strategia della scienza dei dati e dell’evangelizzazione presso il provider MLops aziendale Domino Data Lab, afferma che alla fine della giornata, ciò che le organizzazioni vogliono è una misura dell’impatto sul business del ROI: quanto ha contribuito ai profitti. Ma un problema è che questo può essere abbastanza disconnesso da quanto lavoro è stato dedicato allo sviluppo del modello.
“Quindi, se crei un modello che migliora la conversione click-through di un punto percentuale, hai appena aggiunto diversi milioni di dollari alla linea di fondo dell’organizzazione”, ha affermato. “Ma avresti anche potuto creare un buon modello di manutenzione predittiva che aiutasse a dare un preavviso a un macchinario che necessita di manutenzione prima che avvenga”. In tal caso, l’impatto del valore in dollari per l’organizzazione potrebbe essere completamente diverso, “anche se uno di questi potrebbe finire per essere un problema molto più difficile”, ha aggiunto.
Nel complesso, le organizzazioni hanno bisogno di una “scheda di valutazione bilanciata” in cui monitorano la produzione di IA. “Perché se non stai mettendo nulla in produzione, probabilmente è un segno che hai un problema”, ha detto. “D’altra parte, se stai entrando troppo nella produzione, questo può anche essere un segno che c’è un problema”.
Ad esempio, più modelli implementano i team di data science, più modelli sono pronti per la gestione e il mantenimento, ha spiegato. “Quindi hai distribuito così tanti modelli nell’ultimo anno, quindi non puoi effettivamente intraprendere questi altri di alto valore che stanno arrivando”, ha spiegato.
Ma un altro problema nella misurazione del ROI dell’IA è che per molti progetti di scienza dei dati, il risultato non è un modello che va in produzione. “Se vuoi fare un’analisi quantitativa di vittorie e perdite degli affari nell’ultimo anno, potresti voler fare una rigorosa indagine statistica su questo”, ha detto. “Ma non esiste un modello che andrebbe in produzione, stai usando l’IA per le informazioni che ottieni lungo il percorso”.
Le attività di data science devono essere monitorate
Tuttavia, le organizzazioni non possono misurare il ruolo dell’IA se le attività di data science non vengono tracciate. “Uno dei problemi in questo momento è che così poche attività di scienza dei dati vengono davvero raccolte e analizzate”, ha affermato Carlsson. “Se chiedi alla gente, dicono che non sanno davvero come sta andando il modello, o quanti progetti hanno o quanti CodeCommits i tuoi data scientist hanno realizzato nell’ultima settimana.”
Uno dei motivi sono gli strumenti molto disconnessi che i data scientist devono utilizzare. “Questo è uno dei motivi per cui Git è diventato sempre più popolare come repository, un’unica fonte di verità per il tuo data scientist in un’organizzazione”, ha spiegato. Gli strumenti MLops come le piattaforme di offerta di Domino Data Lab che supportano questi diversi strumenti. “Il grado in cui le organizzazioni possono creare queste piattaforme più centralizzate… è importante”, ha affermato.
I risultati dell’IA sono al primo posto
Il CEO e fondatore di Wallaroo, Vid Jain, ha trascorso quasi un decennio nel settore del trading ad alta frequenza a Merrill Lynch, dove il suo ruolo, ha affermato, era quello di implementare l’apprendimento automatico su larga scala e farlo con un ROI positivo.
La sfida in realtà non era lo sviluppo della scienza dei dati, la pulizia dei dati o la creazione dei repository commerciali, ora chiamati data lake. Di gran lunga, la sfida più grande è stata prendere quei modelli, renderli operativi e fornire il valore aziendale, ha affermato.
“Fornire il ROI si rivela molto difficile: il 90% di queste iniziative di intelligenza artificiale non genera il proprio ROI o non generano un ROI sufficiente per valere l’investimento”, ha affermato. “Ma questo è il primo pensiero per tutti. E la risposta non è una cosa”.
Una questione fondamentale è che molti presumono che rendere operativo l’apprendimento automatico non sia molto diverso dall’operazionalizzare un tipo standard di applicazione, ha spiegato, aggiungendo che c’è una grande differenza, perché l’IA non è statica.
“È quasi come occuparsi di una fattoria, perché i dati sono vivi, i dati cambiano e non hai finito”, ha detto. “Non è che costruisci un algoritmo di raccomandazione e quindi il comportamento delle persone su come acquistano è congelato nel tempo. Le persone cambiano il modo in cui acquistano. All’improvviso, il tuo concorrente ha una promozione. Smettono di comprare da te. Vanno dal concorrente. Devi prendertene cura costantemente”.
In definitiva, ogni organizzazione deve decidere come allineare la propria cultura all’obiettivo finale relativo all’implementazione dell’IA. “Quindi devi davvero autorizzare le persone a guidare questa trasformazione e quindi fare in modo che le persone che sono fondamentali per le tue linee di business esistenti abbiano la sensazione di trarre un certo valore dall’IA”, ha affermato.
La maggior parte delle aziende è ancora all’inizio di quel viaggio, ha aggiunto. “Non credo che la maggior parte delle aziende sia ancora lì, ma negli ultimi sei-nove mesi ho sicuramente visto che c’è stato un cambiamento verso l’essere seri riguardo ai risultati e al valore del business”.
Il ROI dell’IA rimane sfuggente
Ma la domanda su come misurare il ROI dell’IA rimane elusiva per molte organizzazioni. “Per alcuni ci sono alcune cose di base, come non possono nemmeno mettere in produzione i loro modelli, o possono ma stanno volando alla cieca, o hanno successo ma ora vogliono scalare”, ha detto Jain. “Ma per quanto riguarda il ROI, spesso non ci sono profitti e perdite associati all’apprendimento automatico”.
Spesso le iniziative di intelligenza artificiale fanno parte di un centro di eccellenza e il ROI viene afferrato dalle business unit, ha spiegato, mentre in altri casi è semplicemente difficile da misurare.
“Il problema è che l’IA fa parte del business? O è un’utilità? Se sei un nativo digitale, l’IA potrebbe essere parte del carburante su cui scorre l’azienda”, ha affermato. “Ma in una grande organizzazione che ha attività legacy o sta ruotando, come misurare il ROI è una domanda fondamentale con cui devono lottare”.
