Home / Economia / Il grande compromesso nel dilemma tra acquistare o creare l’intelligenza artificiale

Il grande compromesso nel dilemma tra acquistare o creare l’intelligenza artificiale

La promessa dell’Intelligenza Artificiale è stata venduta alle aziende per oltre un decennio, offrendo la possibilità di automatizzare le funzioni aziendali principali e fungere da moltiplicatore quasi senza precedenti per migliorare l’esperienza del cliente, l’efficienza e la scalabilità. Gli esempi vanno dai veicoli autonomi e dai controlli dei precedenti basati sull’intelligenza artificiale all’elaborazione dei reclami assicurativi e alle scansioni di garanzia della qualità per la produzione.

Nonostante i grandi progressi nella tecnologia AI negli ultimi cinque anni, l’adozione di massa rimane molto più lenta del necessario per fornire l’impatto trasformativo che abbiamo venduto.

Studi ripetuti hanno rilevato che uno scioccante 80-90% dei progetti di IA lanciati non riesce a raggiungere la produzione. VentureBeat , ad esempio, ha stimato un tasso di fallimento dell’87%; Il rapporto di revisione della direzione di MITSloan ha rilevato che solo il 10% ha raggiunto la redditività.

Questi tassi di fallimento non sono dovuti a una mancanza di visione o talento. Il campo è ricco di pensatori strategici che sanno esattamente come l’IA può trasformare specifiche linee di business, con il know-how tecnico per la consegna.

Le aziende generalmente capiscono che non abbracciare la tecnologia AI è come BlockBuster accettare lo streaming video. MITSloan ha rilevato che il 71% delle aziende apprezzava l’importanza dell’IA, il 59% aveva una strategia AI e il 57% stava attualmente pilotando l’implementazione della tecnologia.

Alcune organizzazioni sono riuscite a rompere le barriere all’adozione e migliorare la redditività con l’IA, sebbene questa sia l’eccezione alla regola. Gli utenti digitali devono affrontare ostacoli più evidenti all’implementazione dell’IA. Queste organizzazioni sono spesso membri di industrie più consolidate e meno agili. L’aggiornamento dei processi fondamentali è un processo lungo e l’introduzione della tecnologia ha il potenziale per interrompere le funzioni aziendali critiche, attraverso l’analfabetismo tecnologico e l’insorgere di problemi con i nuovi sistemi.

Il problema che rimane è che così tante aziende comprendono l’importanza dell’IA, supportata da strategie e team di talento, e continuano a non riuscire a implementare con successo le soluzioni necessarie.

Come con qualsiasi altra tecnologia aziendale rivoluzionaria, dai siti Web ai server, nel mondo dell’IA esiste un dilemma tra acquisto e costruzione. Le aziende devono scegliere tra prendere la decisione difficile e costosa di creare la tecnologia da zero o acquistare una soluzione pronta all’uso che potrebbe non essere del tutto giusta. Un’organizzazione che seleziona la soluzione giusta in base alle proprie esigenze può fare la differenza tra il miglioramento della redditività con successo, attraverso l’automazione delle funzioni aziendali principali e l’essere un altro progetto AI che non riesce a raggiungere la produzione.

Uno sguardo all’edificio

La creazione di AI in-house presenta una serie di vantaggi. Se eseguito correttamente, un approccio integrato può portare a una soluzione AI stabile e di livello di produzione perfettamente adattata alle esigenze e ai requisiti specifici di un settore o di un’azienda.

I nativi digitali hanno mostrato l’impatto della creazione di IA da zero. IBM è un importante esempio di azienda che ha lanciato l’intelligenza artificiale interna di successo nella produzione. Un recente rapporto ha rilevato che Watson Assistant AI di IBM si è ripagato in soli 6 mesi, con un ROI di tre anni del 337%.

Per gli utenti digitali, tuttavia, costruire e implementare con successo una soluzione di AI in casa è più facile a dirsi che a farsi senza accesso a capitali e infrastrutture considerevoli.

“Quando costruiscono internamente una soluzione di intelligenza artificiale, le aziende in genere assumono un team senza investire in modo significativo negli elementi fondamentali necessari per stabilizzare l’IA in ambienti complessi e dinamici”, suggerisce Nurit Cohen Inger, VP of Products presso l’azienda di intelligenza artificiale BeyondMinds . “Questo approccio, sfortunatamente, ha generalmente significato un processo lungo e costoso per raggiungere la positività del ROI o, nel peggiore dei casi, non raggiungere mai la produzione. Prima di sviluppare soluzioni di intelligenza artificiale, le aziende devono investire pesantemente per risolvere gli ostacoli che le impediscono di trasformare prove di concetti in soluzioni di successo nella produzione “.

Portare con successo l’IA alla produzione non segnala la fine del progetto o l’investimento che richiede; le aziende devono ancora sostenere i costi per mantenere i modelli “vivi” e pertinenti. Costruire un modello AI può essere come colpire un bersaglio in movimento: l’obiettivo deve essere costantemente ricalibrato. È necessario un lavoro continuo per mantenere i modelli validi nel tempo, evolvendo con dataset live e spesso rumorosi.

Sebbene sia dispendioso in termini di tempo, avere la flessibilità per sviluppare e migliorare il tuo modello nel tempo è un punto di forza chiave di una soluzione su misura. I sistemi costruiti offrono alle aziende la piena proprietà dell’IP AI e quindi il controllo per adattare e migliorare il modello al mutare delle circostanze.

A tal fine, le aziende dovrebbero prima considerare la creazione di un “Centro di eccellenza” IA completo. Un team di IA centralizzato costruito su principi e obiettivi di IA ben definiti. Servendo come base per i progetti interni e le loro evoluzioni, questo fornirà al progetto leadership e direzione. Questo può essere un processo lungo e ad alta intensità di risorse, che richiede manutenzione e monitoraggio costanti da parte di un team dedicato.

Allo stato attuale, la maggior parte delle aziende che hanno avuto successo nella creazione delle proprie soluzioni di intelligenza artificiale sono state giganti tecnologici con la capacità di investire in ricerca, infrastrutture e talenti; piuttosto che piccole e medie imprese.

Uno sguardo all’acquisto

Dati i costi, i tempi e le risorse umane necessari per la creazione di una soluzione interna, le soluzioni standard sono diventate un’opzione popolare. L’approccio “acquista” porta con sé una serie di vantaggi, come una consegna più rapida sul mercato, minori investimenti iniziali e spesso una maggiore resilienza.

In troppi casi, l’one-size-fits-all approccio non veramente in forma chiunque a tutti. Poiché i prodotti di intelligenza artificiale più impattanti in genere eseguono il drill-down per risolvere le insidie ​​del settore più specifiche, le soluzioni generali di intelligenza artificiale potrebbero perdere il mercato. Cohen Inger spiega che “molti problemi aziendali che vale la pena risolvere con l’intelligenza artificiale sono specifici del settore o unici per un’azienda, la soluzione sarà ampiamente definita dai dati, dall’ambiente e dai requisiti del cliente”. Le soluzioni acquistate potrebbero non essere in grado di fornire la flessibilità necessaria per evolversi con il mercato, la capacità di gestire i dati anomali o il back-end per essere in grado di aggiornarsi senza interruzioni man mano che le esigenze dei clienti evolvono.

Le questioni pervasive del settore tendono ad essere uniformi, ma le esigenze specifiche delle aziende non lo sono. Branding, proposta di valore, segmento di clientela e prezzo sono tutti fattori da considerare prima di acquistare un prodotto standard. Le carte di credito American Express e Discover, ad esempio, operano nello stesso spazio, ma offrono proposte di valore significativamente diverse a una base di clienti diversa. Una soluzione fintech pronta all’uso che potrebbe essere una buona misura per Discover potrebbe non risolvere la radice del problema per American Express.

Nonostante l’incapacità delle soluzioni standard di risolvere sfide aziendali specifiche, soddisfano i punti deboli del settore uniforme. Le organizzazioni che non dispongono delle risorse e del talento necessari per creare un prodotto AI su misura, potrebbero trovare i sistemi costruiti una scelta allettante. Tuttavia, la sostituzione dei principi aziendali fondamentali con servizi di intelligenza artificiale di terze parti comporta una mancanza di controllo. Pur togliendo alle imprese l’onere di sviluppare continuamente la propria intelligenza artificiale, la dipendenza da organizzazioni esterne per lo sviluppo iniziale e in corso è una preoccupazione dei modelli standard. Gli utenti che adottano l’IA acquistata rischiano di diventare dipendenti da fonti esterne, per correggere bug e aggiungere nuove funzionalità, ad esempio, poiché l’efficacia dei processi aziendali principali dipende da quanto gli sviluppatori di prodotti sono in grado di soddisfare le loro esigenze.

Il grande compromesso della personalizzazione

Quando l’acquisto di una soluzione non è una scommessa sicura per molte aziende e la creazione di qualcosa in-house è fuori portata per la maggior parte, è necessario raggiungere un compromesso se un’organizzazione vuole abbracciare le capacità dell’IA.

Con l’avanzare dell’IA stessa come settore, è emerso un nuovo approccio: la personalizzazione. Questo metodo di sviluppo dell’Intelligenza Artificiale fornisce AI come servizio. Queste piattaforme consentono a un membro del team tecnico di un’organizzazione di definire i parametri di un modello di intelligenza artificiale basato sui livelli di personalizzazione di una gamma di soluzioni predefinite. Il prodotto su misura viene quindi alimentato dai dati dell’azienda per creare un’IA che soddisfi esigenze specifiche. In genere, il cliente mantiene un alto livello di supervisione sull’intelligenza artificiale, ad esempio con il monitoraggio e i cicli di feedback uomo-macchina, consentendo un migliore controllo sui processi aziendali senza i costi di manutenzione.

Questo approccio ibrido fissa la soluzione su una tecnologia AI di base con un set di funzionalità pronte all’uso, lasciando aperti aspetti specifici che devono essere adattati alle esigenze di un cliente.

Questo metodo combina i vantaggi della costruzione con gli aspetti positivi dell’acquisto eliminando gli svantaggi di entrambi. La personalizzazione è possibile perché le soluzioni AI hanno una tecnologia di base comune e sovrapposta che funge da base per la distribuzione.

In analogia con le abilità umane: tutti abbiamo 5 sensi di base, ma ognuno può essere modificato e addestrato per raggiungere obiettivi diversi. È meno complicato ed economico per una squadra di calcio assumere qualcuno che può già calciare un pallone, piuttosto che cercare di insegnare a un bambino da zero.

Attraverso un approccio di personalizzazione, le funzionalità principali possono essere continuamente migliorate con cicli di feedback, formazione e monitoraggio al fine di soddisfare le esigenze in evoluzione di una linea di business o di una base di clienti.

Cohen spiega come questo appare nella parola reale: “Un’azienda può implementare una soluzione personalizzabile per classificare il testo o rilevare determinati oggetti. Queste capacità fondamentali possono quindi essere personalizzate per casi d’uso specifici, cambiando con i tipi di testi o oggetti, senza dover investire nell’insegnamento all’IA di cosa sia ciascun oggetto “.

Visto in un altro modo: le soluzioni AI personalizzabili che possono caricare frontalmente queste funzionalità tecnologiche di base sono in grado di ridurre i rischi e abbreviare i tempi di implementazione per i clienti.

Dove andiamo da qui

L’intelligenza artificiale è ancora agli inizi; molti progressi devono ancora essere visti o addirittura immaginati. Anche se siamo lontani decenni dall’intelligenza artificiale che trasforma ogni aspetto della nostra vita, ora è il momento per le aziende di iniziare a sviluppare, pianificare e implementare soluzioni di intelligenza artificiale, per non restare indietro. Il divario tra le aziende trasformate dall’IA e le aziende che devono ancora adottare l’IA si sta allargando.

Mentre discutiamo del dilemma tra acquisto e costruzione, un approccio ibrido può creare un equilibrio tra i due in modo ottimale, democratizzando l’intelligenza artificiale per spingere avanti le aziende e interi settori. Quando ciò accadrà, tutti inizieranno a notare che l’intelligenza artificiale migliora la loro vita quotidiana.

Top

Utilizzando il sito, accetti l'utilizzo dei cookie da parte nostra. maggiori informazioni

Questo sito utilizza i cookie per fornire la migliore esperienza di navigazione possibile. Continuando a utilizzare questo sito senza modificare le impostazioni dei cookie o cliccando su "Accetta" permetti il loro utilizzo.

Chiudi