Ignora l’hype dell’IA, concentrati sul valore 

Dovrebbe essere ovvio per chiunque nel campo della tecnologia che l’intelligenza artificiale è stata pubblicizzata a aspettative non realistiche al momento. Ma questo non lo rende diverso da qualsiasi altra tecnologia che la società ha generato nel corso dei secoli: dal cloud alla virtualizzazione, all’architettura orientata ai servizi ( ricordate? ) e fino al personal computer. Probabilmente ci sono vecchi ritagli di giornale che pubblicizzano la capacità dei motori a vapore di creare macchine volanti e razzi sulla luna.

Mentre gran parte del clamore è un pio desiderio, a volte c’è un po’ di verità in esso. Le tecnologie del passato hanno sicuramente rimodellato il mondo, anche se non necessariamente nei modi che i primi booster avevano immaginato.

 
Inizio del ciclo
L’intelligenza artificiale è allo stato nascente di questo processo, che Gartner ha incapsulato nel suo Hype Cycle . L’ultima versione ha tecnologie come il software potenziato dall’intelligenza artificiale e l’intelligenza artificiale generativa che si avvicinano rapidamente al “picco delle aspettative gonfiate”, mentre applicazioni più esoteriche come l’apprendimento automatico quantistico e l’innovazione guidata dall’intelligenza artificiale stanno appena iniziando nella fase di “attivazione dell’innovazione”. Finora, nessuno è nemmeno vicino alla fase finale del ciclo, l'”Altopiano della produttività”, per non parlare del temuto “Trough of Disillusion”.

Forse questo è uno dei motivi per cui la maggior parte dei dirigenti IT guarda ancora all’IA con occhi itterici. Un recente sondaggio di KPMG ha mostrato che un buon 75% dei principali responsabili delle decisioni considera l’IA più un clamore che una realtà al momento; la metà afferma che l’intelligenza artificiale si sta sviluppando troppo velocemente per poter stare al passo. Un danno chiave per l’IA è che gli ostacoli all’implementazione sono estremamente elevati, che è ciò che dovremmo aspettarci da qualcosa progettato per rifare gli ambienti di dati aziendali a livello granulare.

Allo stesso tempo, c’è una netta mancanza di comprensione di cosa sia effettivamente l’IA, come funziona e cosa può fare in definitiva. Questa è una delle conseguenze dell’eccessivo clamore; nel caso dell’IA, le aspettative vanno dalla completa automazione di tutte le funzioni dei dati a una visione chiara e senza restrizioni di processi basati sui dati altamente complessi e apparentemente intrattabili.

Se il passato è un prologo, tuttavia, questi e altri malintesi si risolveranno una volta che l’IA sarà operativa e le persone impareranno a usarla. L’obiettivo per i dirigenti aziendali a questo punto dovrebbe essere spostare l’attenzione dall’hype e più verso il valore che l’intelligenza artificiale può apportare al modello di business.

Secondo Alex Ubot, vicepresidente di Solution Engineering di Dataiku , la maggior parte delle organizzazioni incontra tre ostacoli chiave durante l’implementazione dell’AI: governance delle risorse interne, gestione dei talenti e difficoltà nel progettare una chiara roadmap tecnologica. Per superarli, le organizzazioni dovranno fare il duro lavoro di identificare i casi d’uso aziendali per ciascuna forma di IA in esame (e ce ne sono già parecchi), quindi implementare un ambiente di lavoro interdipartimentale progettato per allineare sia il obiettivi e la via da seguire per allontanarsi dal clamore e concentrarsi sul valore che l’AI apporta al modello di business.

Parte della squadra
Questo porta al punto più saliente dell’impatto trasformativo dell’IA sull’impresa: non è una tecnologia plug-and-play autonoma. Richiede infatti che l’impresa si trasformi in una certa misura prima di poter avere un effetto apprezzabile sui processi digitali.

Nacho De Marco, CEO della società di soluzioni tecnologiche BairesDev , ha sottolineato su Forbes alcuni dei passaggi chiave che le organizzazioni devono intraprendere per trarre valore reale dall’IA. La mancata definizione degli utenti e dei casi d’uso appropriati per ciascuna implementazione dell’IA è in cima alla lista, seguita dall’abbandono della qualità dei dati utilizzati per addestrare i modelli di intelligenza artificiale. In altre parole, non puoi semplicemente introdurre l’intelligenza artificiale nell’azienda e sperare per il meglio. Deve essere implementato con attenzione e strategicamente, e quindi altrettanto attentamente e strategicamente monitorato per garantire che mantenga le sue promesse.

L’essenza del clamore della tecnologia è la pratica dell’eccesso di promesse e del mancato rendimento. L’intelligenza artificiale offre molte promesse, ma le sfide di implementazione sono sostanziali. In ultima analisi, le organizzazioni dovrebbero trattare l’IA nel modo in cui avrebbe dovuto trattare le nuove tecnologie da sempre: concentrarsi sulla ricerca delle giuste soluzioni ai problemi reali, non sull’acquisizione della tecnologia più recente e brillante nel canale.

 

Di ihal