Attivare i dati per colmare il divario di ROI dell’AI: 4 passaggi per realizzare il valore aziendale attraverso l’AI agente

Man mano che entriamo nel quarto anno consecutivo dell'”anno dell’AI”, molti leader aziendali stanno considerando due domande apparentemente opposte. In primo luogo, l’AI generativa è la tecnologia più trasformativa del XXI secolo? E in secondo luogo, l’AI è sovrastimata? Risponderei paradossalmente sì a entrambe le domande. Tuttavia, credo che questi leader dovrebbero porsi una domanda diversa: come può la mia organizzazione ottenere valore aziendale dall’AI proprio adesso?

La realtà è che molte aziende hanno speso gli ultimi tre anni investendo in nuove tecnologie AI e sperimentando con nuovi strumenti AI, ma non hanno ancora ottenuto i risultati previsti. Nonostante la pressione dei CEO per “AIizzare” tutto, le organizzazioni non vedono il ritorno sugli investimenti che desiderano. Ciò non dovrebbe sorprendere. La storia ci insegna che le innovazioni tecniche più profonde richiedono tempo prima di produrre risultati. C’è un ritardo tra l’invenzione tecnica e l’innovazione aziendale.

Thomas Edison ha dimostrato il potere dell’elettricità a Manhattan nel 1882, ma non è stato fino a quando la Ford non ha presentato la linea di montaggio elettrica nel 1913 che l’elettricità ha completamente superato il potere del vapore nella produzione. Potreste immaginare un leader aziendale nel 1885 che esorta i suoi lavoratori a iniziare a sperimentare con il potere elettrico? Eppure, il potere elettrico ha prevalso e ha aperto la strada a molte delle innovazioni rivoluzionarie del XX secolo, dalla trasmissione radiofonica all’elaborazione digitale.

Per esempio più recente, il World Wide Web è diventato mainstream all’inizio degli anni ’90. L’uso da parte dei consumatori è esploso immediatamente, ma l’adozione aziendale è stata lenta. Ci sono voluti cinque anni prima che la maggior parte delle aziende stabilite iniziasse a trarre vantaggio dal web attraverso l’e-commerce. Tuttavia, il web ha aperto la strada ai social media, all’engagement mobile, all’elaborazione cloud e, infine, all’AI. Il valore aziendale è generato gradualmente dalle nuove tecnologie.

Se l’era elettrica dell’azienda è iniziata con la linea di montaggio e l’era del web è iniziata con l’e-commerce, qual è l’applicazione killer per l’era dell’AI aziendale? Il lancio di ChatGPT alla fine del 2022 ha introdotto il potere dei grandi modelli linguistici al pubblico in generale. A causa della sua popolarità, il “chatbot che mi capisce e suona umano” è diventato l’archetipo di come l’AI potrebbe essere applicata. Di conseguenza, molte aziende hanno iniziato con l’AI introducendo assistenti simili tarati per essere la versione dell’azienda di ChatGPT. In molti casi, i risultati sono stati ben accolti dagli utenti, ma i ritorni aziendali sulla produttività sono difficili da misurare.

Una delle applicazioni più sviluppate dell’LLM per le aziende è nell’area degli assistenti di codifica. Claude Code, Cursor e altri strumenti hanno guadagnato una popolarità diffusa, mostrando risultati quasi magici. Tuttavia, studi indicano che i guadagni di produttività dei singoli sviluppatori non si sono ancora tradotti nella produttività generale dell’organizzazione. Inoltre, accelerare lo sviluppo non aiuta le prestazioni aziendali se ciò che viene prodotto non produce di per sé valore aziendale. Gli assistenti di codifica aiuteranno a scalare l’adozione dell’AI nel tempo, ma non sono l’applicazione killer.

Per trovare l’applicazione più impattante dell’AI, le organizzazioni devono concentrarsi sugli ingranaggi che guidano i loro modelli di business. Nel nostro libro Unbundling the Enterprise, Stephen Fishman e io esaminiamo il concetto di “dinamiche del valore”, un metodo per suddividere i modelli di business in un set di scambi di valore interconnessi. Gli scambi di valore coinvolgono più “valute”, tra cui commissioni, risparmio di tempo, portata e qualità migliorata. La valuta più unica è i dati. Nel libro, mostriamo come aziende come Google e Meta hanno trasformato l’accumulo di dati in dominio digitale. Il loro successo è derivato dal fornire collegamenti automatizzati in tempo reale nei loro scambi di valore. Hanno collegato la raccolta di dati alla generazione di entrate in un circolo virtuoso. Entrambe le aziende hanno contestualizzato i dati dei clienti sotto forma di targeting pubblicitario, quindi li hanno utilizzati per guidare le loro entrate principali e raccogliere ancora più dati attraverso l’engagement degli utenti.

Mentre molte organizzazioni hanno trascorso gli ultimi due decenni a raccogliere e raffinare i dati, non hanno ancora pienamente capitalizzato il potenziale rendimento dei dati attraverso tale volano. In sostanza, un grande modello linguistico è semplicemente dati applicati. Ha il potenziale per essere il motore che guida tale volano di valore per le organizzazioni, ma quel motore necessita di carburante sotto forma di dati contestualizzati e deve essere collegato agli ingranaggi del modello di business dell’organizzazione. Questo processo di “attivazione dei dati” rende i dati attendibili e disponibili su larga scala, stabilendo le basi per un’automazione più dinamica nell’impresa e, infine, scoprendo l’applicazione killer dell’AI per tali organizzazioni.

Cosa saranno le organizzazioni che hanno attivato i loro dati per l’era dell’AI? Considerate gli scenari seguenti:

• Un’azienda farmaceutica che attualmente deve effettuare scommesse multimilionarie e pluriennali su nuovi farmaci a un’azienda più agile con cicli di prova clinica più brevi e parallelizzati abilitati attraverso l’automazione dinamica e infusa di AI
• Una banca retail che attualmente invia offerte di prodotti “speranza e preghiera” a tutti i suoi clienti con poco ritorno e adempimento manuale a posteriori a offerte personalizzate con origine del credito semplificata, portando a un maggior adozione di prodotti di prestito redditizi
• Un rivenditore il cui sistema di gestione delle scorte attuale è gravato da scorte eccessive e scorte esaurite a un’azienda che comprende la sua posizione di scorte in tempo reale, grazie a connessioni dirette con i punti di vendita, i magazzini e i fornitori analizzate attraverso agenti AI sempre attivi

La strada per il ROI delineata in questi scenari segue questa nuova forma di automazione dinamica e è guidata dall’attivazione dei dati.

Come possono iniziare le organizzazioni questo viaggio? Ecco quattro passaggi per iniziare…

Passo 1: Comprendere le dinamiche del valore della tua organizzazione

Suddividere il modello di business di un’organizzazione nelle sue scambi di valore sottostanti è inestimabile per diversi motivi. La mappa di scambio di valore risultante mostra quali capacità guidano l’azienda, quali funzioni aziendali sono più critiche e come ogni elemento in un’organizzazione contribuisce alla creazione, cattura e distribuzione del valore. Per i nostri scopi, la mappa di scambio di valore può essere utilizzata per visualizzare i processi aziendali core che saranno candidati per l’automazione dinamica. Come livello successivo, è possibile mappare ogni scambio di valore e componente su come sono operazionalizzati all’interno dell’organizzazione. Ciò potrebbe essere sotto forma di applicazioni software, archivi di dati o anche attività degli impiegati. Le opportunità di automazione possono quindi essere pesate per impatto e complessità di implementazione al fine di concentrarsi sul miglior posto in cui applicare l’AI e l’attivazione dei dati.

Passo 2: Propagare l’opzionalità attraverso uno strato di attivazione dei dati

La capacità di un’organizzazione di attivare i dati dipende dall’opzionalità del suo paesaggio digitale. L’opzionalità abbonda quando gli asset digitali – funzioni software, fonti di dati, servizi di terze parti – sono accessibili in tempo reale. In un contesto AI, ciò significa due cose. In primo luogo, un’organizzazione deve essere in grado di sintetizzare i dati da fonti disparate per fornire un contesto preciso agli LLM che portino a un ragionamento accurato e evitino l’allucinazione. In secondo luogo, i componenti software che eseguono le funzioni aziendali core – come il servizio di valutazione dei prestiti di una banca o il sistema di scorte live di un rivenditore – devono essere richiamabili dalle applicazioni basate su LLM per adempiere all’automazione. In entrambi i casi, le API sono il meccanismo migliore per rendere i dati e le funzioni accessibili in modo appropriato. Il Model Context Protocol (MCP) sta guadagnando popolarità come protocollo API di scelta per l’attivazione dei dati. Questo set di capacità accessibili può essere trasformato in una piattaforma contestuale per la tua organizzazione. Trasformare il tuo paesaggio digitale da un set di applicazioni e dati isolati a uno strato di API allineate con l’azienda è cruciale per raggiungere il ROI attraverso l’attivazione dei dati.

Passo 3: Abbracciare il paradigma agente delle soluzioni digitali

L’architettura software prevalente dell’era dell’AI sta emergendo. Le soluzioni software ottimizzate richiedono un equilibrio di componenti AI-infusi e non AI. Gli agenti AI – i componenti AI-infusi in questa architettura emergente – utilizzano il ragionamento basato su LLM radicato nella consapevolezza del contesto per eseguire attività attraverso gli strumenti a loro disposizione. Sono gli strumenti dell’attivazione dei dati e dell’automazione dinamica. Un paesaggio digitale opzionalizzato attraverso le API (inclusi gli strumenti MCP) è il terreno più fertile per tali agenti per prosperare. L’architettura agente consente numerosi modelli che combinano i componenti software deterministici nella infrastruttura esistente con tali agenti AI. Questi modelli vanno da semplici chatbot e agenti di lavoro ad agenti di flusso di lavoro agente fino a sistemi multi-agente autonomi. Le organizzazioni che adottano questo approccio architettonico saranno in grado di raccogliere il maggior valore possibile dai loro asset digitali esistenti mentre adottano l’AI a un ritmo che consente loro di gestire la crescente complessità delle soluzioni che portano sempre più valore.

Passo 4: Utilizzare l’AI come strumento di produttività per costruire automazioni agente

Applicare l’AI per la produttività dei lavoratori potrebbe non produrre i ritorni più alti per un’azienda di per sé. Tuttavia, utilizzare i guadagni di produttività dell’AI al servizio dell’attivazione dei dati dell’organizzazione e fornendo l’automazione agente può accelerare i ritorni reali. Ciò non significa solo utilizzare l’AI per accelerare il lavoro degli sviluppatori. Anche prima dell’esplosione dell’AI, una delle maggiori barriere alla consegna era il divario organizzativo tra gli esperti del dominio aziendale che comprendono l’applicazione della tecnologia e i team IT che costruiscono le soluzioni. Le tendenze organizzative come DevOps hanno aiutato a colmare questo divario, ma l’AI può aiutare in modi ancora più tangibili. In quanto tecnologia basata sul linguaggio, gli LLM sono in grado di tradurre tra requisiti e soluzioni in un modo senza precedenti. L’AI multimodale consente la cattura di schizzi aziendali che possono generare artefatti utilizzabili per lo sviluppo a valle. Le trascrizioni possono essere trasformate in prototipi. Questo è un nuovo tipo di attivazione dei dati: trasformare la conoscenza del dominio aziendale in scaffalature di soluzione in tempo reale.

Seguendo questi quattro passaggi, le organizzazioni possono attivare i loro dati e iniziare a vedere ritorni sugli investimenti dell’AI. Inoltre, saranno meglio preparate per i nuovi ecosistemi, lavori e opportunità creati dall’economia dell’AI. Comprendendo le dinamiche del valore della tua azienda, trasformando i tuoi asset digitali in opzioni esercitabili e orientandoti intorno all’architettura agente, preparerai la tua organizzazione per il futuro dell’AI inventandolo tu stesso.