NEWS

AI fondamentale per il successo nei prossimi 5 anni

Secondo il Deloitte State of AI Report 2022, è concorde il 94% dei leader aziendali. Contemporaneamente, però, aumenta dal 17% del 2021 al 22% del 2022 la percentuale di aziende che hanno implementato un numero elevato di progetti di intelligenza artificiale ma hanno risultati bassi

Pubblicato il 18 Ott 2022

Deloitte

Il 94% dei leader aziendali concorda sul fatto che l’AI è fondamentale per il successo nei prossimi cinque anni. Lo afferma la quinta edizione del rapporto di ricerca State of AI in the Enterprise” di Deloitte, che ha intervistato oltre 2.600 dirigenti globali su come le aziende e le industrie stanno implementando e ridimensionando i progetti di intelligenza artificiale (AI).

Il panorama dell’AI sta cambiando rapidamente

Il 79% degli intervistati ha riferito di aver raggiunto l’implementazione su vasta scala per tre o più tipi di applicazioni AI, rispetto al 62% dello scorso anno. Ma la percentuale di organizzazioni nella categoria “underachiever” – quelle che hanno implementato un numero elevato di progetti di intelligenza artificiale ma hanno risultati bassi – è passata dal 17% dello scorso anno al 22% di quest’anno.

Può sembrare una contraddizione, ma secondo Beena Ammanath, direttore esecutivo del Global Deloitte AI Institute, non è una sorpresa. Ciò che è una sorpresa, ha aggiunto, è la velocità con cui il panorama dell’AI sta cambiando, al punto che quello che era iniziato come un rapporto ogni due anni viene ora creato ogni anno.

Deloitte suggerisce 4 azioni chiave

Per alimentare appieno la trasformazione dell’AI nell’azienda, il report di Deloitte si concentra su quattro azioni chiave che possono alimentare immediatamente il valore diffuso dell’AI.

  1. Investire in cultura e leadership è essenziale

“L’intelligenza artificiale non è qualcosa che può essere relegato ai team IT o di back-end”, afferma Ammanath. “Questo può avere un impatto reale sul tuo core business, può creare nuove opportunità di guadagno, nuove idee di prodotto che prima non esistevano”. Invece, è necessaria la leadership aziendale per acquistare, non solo per portare la tecnologia in azienda, ma per guidare il cambiamento culturale e portare i talenti giusti. “L’intera organizzazione deve essere a bordo con la tecnologia, sia che si tratti del team AI che implementa e costruisce lo strumento o di un team AI che crea effettivamente i modelli”, afferma. Questo non è ancora successo nella maggior parte delle organizzazioni. Secondo il rapporto, mentre il 43% degli intervistati riferisce di nominare un leader responsabile di un’efficace collaborazione umana e AI, le azioni concrete sono in ritardo.

2. La trasformazione delle operazioni è fondamentale

Secondo il rapporto Deloitte, le organizzazioni ad alto rendimento hanno “significativamente più probabilità di adottare ulteriori pratiche operative di leadership”. Questi includono il monitoraggio del ROI dei modelli e delle applicazioni distribuiti. L’86% delle imprese ad alto rendimento lo fa, rispetto a solo il 71% delle organizzazioni a basso risultato. Le organizzazioni ad alto rendimento hanno anche maggiori probabilità di avere un processo documentato per la governance e la qualità dei dati inseriti nei modelli di intelligenza artificiale, seguire procedure MLops documentate e una strategia di pubblicazione del ciclo di vita del modello di intelligenza artificiale documentata, sfruttare una piattaforma comune e coerente per lo sviluppo di modelli e applicazioni di intelligenza artificiale e utilizzare un processo e un framework di gestione della qualità e del rischio dell’intelligenza artificiale per valutare la distorsione del modello di intelligenza artificiale e altri rischi prima che i modelli entrino in produzione. I risultati sono particolarmente rilevanti, sottolinea il rapporto, dato che una netta maggioranza (60%) degli intervistati considera le soluzioni di intelligenza artificiale strategicamente “molto importanti” per il successo delle loro organizzazioni, incluso oltre il 55% degli intervistati provenienti da organizzazioni a basso risultato.

3. Orchestrare tecnologia e talento

Il report di Deloitte ha rilevato che le organizzazioni devono pianificare la tecnologia AI e gli investimenti nei talenti in tandem, comprendendo che sia il talento umano che la tecnologia basata sull’intelligenza artificiale hanno competenze specifiche.

La capacità di un’organizzazione di ottenere strumenti e applicazioni differenziati con l’intelligenza artificiale dipende ancora in gran parte dal talento che è in grado di portare internamente, afferma il rapporto, ma Ammanath ha anche sottolineato l’importanza di assicurarsi che tutti nell’organizzazione comprendano l’AI di base.

“Potrebbe non essere necessario sapere cos’è un modello di diffusione, ad esempio, ma è necessario avere una comprensione di alto livello di cosa sia l’AI … Quella formazione di base di base dovrebbe essere qualcosa che fornisci a ogni dipendente “, ha detto. Quindi, le organizzazioni devono fornire una formazione basata sui ruoli, in modo che un data scientist che supporta un team di marketing, ad esempio, comprenda le domande specifiche necessarie per valutare un fornitore.

Infine, le organizzazioni devono fornire meccanismi di governance, quindi non ci si aspetta che i dipendenti sappiano tutto su ogni tipo di strumento di intelligenza artificiale. “Ci sono cose tattiche che puoi fare per iniziare effettivamente ad affrontare questi problemi e renderlo meno complicato per i tuoi dipendenti in questo momento”, afferma Ammanath.

4. Selezionare i casi d’uso AI giusti

Infine, il rapporto Deloitte avverte che man mano che le aziende aumentano i loro investimenti nell’AI, affrontano una gamma sempre più ampia di casi d’uso. Le organizzazioni dovrebbero essere esigenti nel selezionare i processi aziendali con cui iniziare, poiché le scelte che fanno ora possono impostare il corso per quanto velocemente raggiungeranno risultati di successo e guadagneranno slancio.

“Fare AI per il bene dell’AI non è mai una buona idea”, ha detto Ammanath. “Sai, inizi ad acquistare alcuni di questi strumenti o a creare un Data Science Center of Excellence senza avere un percorso chiaro verso il valore – sia che non lo implementi nella funzione giusta, o che non ci metta il giusto livello di pensiero – può effettivamente creare una falsa partenza e influire sull’obiettivo finale”.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Articoli correlati

Articolo 1 di 4