Il potenziale dell’IA per le aziende di tutto il mondo è senza dubbio enorme, ma una strategia imperfetta, approcci poco attenti al cambiamento dei processi, carenze di competenze e una generale mancanza di comprensione tecnica impediscono a molte aziende di trarre valore dall’intelligenza artificiale. Tra il 90% delle aziende che hanno investito nell’intelligenza artificiale meno di due su cinque affermano di aver realizzato guadagni commerciali, secondo il Winning With AI: Pioneers Combine Strategy, Organizational Behavior and Technology, un’indagine condotta su 2.500 dirigenti aziendali dal MIT Sloan Management Review e Boston Consulting Group (BCG).

L’intelligenza artificiale include tecnologie associate come il machine learning (ML) e l’elaborazione del linguaggio naturale (PNL), che mirano entrambe a replicare il pensiero umano. E mentre l’implementazione dell’IA presenta ostacoli tecnici, gli esperti di BCG e Gartner discutono di cinque insidie nell’implementazione dell’IA nell’azienda, insieme ad altrettante soluzioni per il successo.

1 – L’intelligenza artificiale guidata dall’IT porta a opportunità sprecate

“Molte aziende lasciano che lo sviluppo e l’implementazione dell’IA guidino l’IT, trattandolo allo stesso modo in cui potrebbero trattare implementazione di sistemi ERP” afferma Shervin Khodabandeh, un partner di BCG. Questo è un passo falso significativo perché le soluzioni AI non aiuteranno il business.

Ad esempio, quando il dipartimento IT di un cliente BCG ha speso 85 milioni di dollari per uno stack ML di alta gamma e un’architettura moderna, l’investimento ha prodotto miglioramenti solo marginali di siti Web e applicazioni. Invece, le organizzazioni dovrebbero allineare le proprie iniziative di IA con la strategia aziendale.

Ciò significa che le strategie di intelligenza artificiale dovrebbero essere guidate dal CEO o dalla business unit che intende trarre vantaggio dalla tecnologia, piuttosto che dall’IT. Ciò contribuirà a identificare dove l’IA può aumentare il vantaggio competitivo e garantire che avvengano i giusti cambiamenti di processo per allineare la produzione dell’IA con il consumo dell’IA. L’88% degli intervistati che hanno segnalato l’impatto sull’intelligenza artificiale integra le proprie iniziative di intelligenza artificiale con la propria strategia digitale.

2 – La “trappola tecnologica”

L’intelligenza artificiale guidata dall’IT offre scarsa visibilità su come il sistema ottiene le sue raccomandazioni. Di conseguenza, l’azienda evita la soluzione perché non capisce “cosa possa fare per me”. Le aziende con CIO responsabili dell’IA hanno visto un valore nel 17% dei casi rispetto al 34% fatto registrare dalle aziende in cui è il CEO a occuparsi dell’IA.

Le aziende che riportano un guadagno di valore dall’intelligenza artificiale riconoscono che l’IA non è solo un’opportunità tecnologica, ma anche un’iniziativa strategica che richiede investimenti in talenti, dati e cambiamenti di processo. Optate per una visione olistica della strategia di intelligenza artificiale, piuttosto che cercare solo di esplorare ciò che la tecnologia può fare.

3 – Sindrome PoC

Sicuramente avrete già visto questo scenario: l’IT costruisce prove di concetto (PoC) che non riescono a guadagnare trazione e a generare valore aziendale. Inoltre, le organizzazioni in fase di trasformazione aziendale hanno una larghezza di banda limitata per tale sperimentazione.

“L’idea di sviluppare alcune capacità di intelligenza artificiale in un PoC e vedere se funziona (quella che chiamiamo” sindrome di PoC”) è una perdita di tempo”, afferma Khodabandeh. Ancora una volta, questo è un grave fallimento nel legare la tecnologia a un risultato aziendale.

AI intelligenza artificiale Osservatorio AI

Le aziende di successo si concentrano su una manciata di priorità aziendali critiche in cui l’IA aiuta a stimolare la crescita, aumenta i margini e crea un vantaggio competitivo. Questi sforzi sono unificati con gli sforzi di trasformazione aziendale. “Se hanno successo, queste idee muovono l’ago in modo significativo e l’organizzazione si mobilita attorno a esse”, afferma Khodabandeh.

4 – Le carenze di talenti e conoscenze ostacolano l’adozione dell’IA

“I PoC spesso non riescono a guadagnare trazione a causa di una carenza di talenti. Ciò può significare una carenza di talenti tecnologici in grado di lavorare e comprendere il valore di IA o product manager che non sono in grado di comunicare un valore di prodotto unico”, afferma l’analista di Gartner Tracy Tsai. A volte nemmeno i data scientist sono in grado di trovare il modo in cui l’IA rafforzerà il business.

I percorsi per acquisire gli strumenti di intelligenza artificiale variano. In alcuni casi, il LoB (line-of-business) può avere un data scientist interno che sviluppa soluzioni di intelligenza artificiale con il supporto dell’IT. A volte né il LoB né l’IT hanno un team di data scientist e quindi si affidano fornitori di soluzioni IA. In questi casi, il LoB ha difficoltà ad articolare le proprie esigenze e quindi si affida all’IT per scegliere i partner della soluzione e sviluppare casi di utilizzo aziendale.

Indipendentemente dal percorso che le aziende intraprendono, Tsai afferma che spetta a IT, LoB e data scientist raggiungere un’aspettativa concordata prima di costruire un PoC. Ciò significa concorrenza sull’ontologia e sulla tassonomia dei dati che stanno estraendo, come interpretare l’input e cosa aspettarsi dall’output del modello ML. E per fare ciò, le organizzazioni devono investire in talenti assumendo, potenziando e riqualificando sia i produttori di IA che i loro consumatori.

5 – Errore nella modifica del processo

Alcune aziende tendono a ignorare il cambiamento di processo richiesto durante l’implementazione dell’IA. Ad esempio, quando le aziende utilizzano l’intelligenza artificiale per automatizzare la raccolta di dati dei consumatori per campagne promozionali, potrebbero usurpare alcune delle funzioni del marketing. Quel team può essere riproposto per concentrarsi sulla creazione di nuove esperienze di consumo. Ma non tutte le aziende preparano i loro team per una tale disruption.

Il cambiamento di processo implica l’allineamento della produzione di intelligenza artificiale con il consumo e richiede una forte collaborazione tra team di business, processo, strategia, scienza dei dati e tecnologia per creare un’intelligenza artificiale adatta allo scopo. La creazione di un centro di eccellenza per team interfunzionali, impregnati di assistenza per tali processi, aiuta.

“L’intelligenza artificiale rappresenta un’importante opportunità strategica e un grave rischio strategico se le aziende non agiscono in modo ponderato”, conclude Khodabandeh. “Le aziende devono integrare seriamente l’IA nella loro strategia aziendale principale e nei loro processi aziendali”.