Leader di pensiero

Perché il ROI a lungo termine non basta: garantire valore in ogni fase dell’implementazione dell’AI

Dr. Yair Adato
Aggiungi Unite.AI alle tue fonti preferite su Google
Punti chiaveSolo il 12% delle aziende dispone di dati pronti per l'IA, il che rende le strategie…
Vedi di più
  • Solo il 12% delle aziende dispone di dati pronti per l'IA, il che rende le strategie basate solo sul futuro destinate a bloccarsi.
  • Bilanciare i successi immediati con una governance di base è fondamentale per un valore sostenibile dell'IA.
  • Le aziende con un CAIO dedicato ottengono il miglior ROI concentrandosi simultaneamente sul presente e sul prossimo futuro.

Le aziende sentono ripetere una cosa sola: muoversi più velocemente sull’AI e mostrare risultati, adesso. L’adozione accelera: entro il 2024, il 78% delle organizzazioni utilizzava già l’AI in almeno una funzione aziendale, rispetto al 55% di appena un anno prima.

Ma ecco la cosa: la pressione per dimostrare il valore aziendale sta aumentando proprio come la velocità di adozione.

È una richiesta impegnativa quando i mandati dei CDO sono brevi, e il ruolo di Chief AI Officer (CAIO) è ancora in evoluzione. Con così tanta instabilità ai vertici della leadership, i programmi di AI spesso si bloccano prima di poter dimostrare un reale valore.

La sfida chiave è chiara: le aziende devono smettere di costruire strategie di AI che inseguono la promessa di “trasformazione futura” e iniziare a concentrarsi sulla creazione di fondamenta solide che forniscono valore oggi – mentre si preparano per il futuro.

Il problema delle strategie “solo future”

I dirigenti stanno versando denaro nell’AI. In effetti, il 92% sta aumentando i propri budget nei prossimi tre anni, con oltre la metà che punta a un aumento del 10%. Inoltre, istituzioni finanziarie come Morgan Stanley (MS ) stanno prevedendo ritorni significativi, come ~920 miliardi di dollari di beneficio netto annuo per l’S&P 500.

Questo trend macro alimenta ciò che io chiamo “programmi di AI del big-bang-ma-più-tardi”, che sembrano impressionanti sulla carta ma lasciano il valore troppo lontano nel futuro per avere un impatto oggi.

La dura realtà è che pochissime organizzazioni hanno dati pronti per l’AI. Con la governance e la qualità dei dati come i principali ostacoli, solo il 12% delle aziende dichiara che i propri dati sono sufficienti per un’efficace implementazione dell’AI. E come Gartner sottolinea, una cattiva governance porterà il 60% delle organizzazioni a mancare i propri obiettivi di AI entro il 2027 – anche se adottano l’AI adesso.

In breve, i programmi di AI che si affidano solo a promesse future sono condannati a bloccarsi, a restare bloccati nel limbo dei progetti pilota o a perdere la fiducia degli stakeholder molto prima che il previsto ROI arrivi.

Ridefinire il valore dell’AI

Per colmare il divario tra il potenziale futuro e il valore presente, le organizzazioni devono ridefinire come vedono il valore dell’AI. Ci sono due tipi distinti:

  • Valore immediato: si tratta di miglioramenti misurabili e a breve termine – come un tempo medio fino alla prima risposta del 23% più breve dopo l’implementazione di un assistente di supporto basato su AI generativa. Questi sono i successi che mostrano agli stakeholder che l’AI non è solo una mossa a lungo termine.
  • Valore fondamentale: si tratta di costruire le infrastrutture sottostanti – pipeline di dati, governance e piattaforme scalabili – che faranno funzionare l’AI in modo efficace oggi e nel futuro. Come nota il rapporto State of AI di McKinsey, la gestione del rischio e la governance sono cruciali per il successo a lungo termine.

Una volta definiti entrambi i flussi di valore, la sfida è bilanciarli: come è possibile ottenere successi immediati assicurandosi che si traducano in capacità ripetibili e governate? Coloro che trovano il giusto equilibrio vedranno ritorni reali.

Trovare l’equilibrio giusto: valore ora e poi

Uno dei più grandi errori che vedo è che le aziende trascurano di progettare piattaforme di AI tenendo presenti le esigenze degli sviluppatori. Entro il 2025, l’84% degli sviluppatori useranno strumenti di AI, e il 51% di loro li userà quotidianamente. Se le piattaforme di AI non si integrano con i flussi di lavoro esistenti, l’adozione sarà lenta, indipendentemente da quanto potenti siano i modelli. Il successo dipende dall’integrazione, dalla selezione delle attività e dalla formazione continua.

La governance e la sicurezza sono altrettanto cruciali. Se queste non sono prioritarie, indipendentemente da quanto sofisticata sia l’AI, gli utenti non si fidano. Gartner ha segnalato che le questioni di fiducia, la sicurezza di accesso e la governance sono barriere significative all’adozione, e che è probabile che le violazioni legate all’uso improprio di GenAI aumentino man mano che l’innovazione accelera. La governance dovrebbe essere una priorità fin dal primo giorno, soprattutto con la crescente pressione regolamentare.

Le organizzazioni di maggior successo sono quelle che creano strumenti di AI che forniscono valore immediato – perché le vittorie rapide acquistano capitale politico. In effetti, le aziende che vedono il miglior ROI sull’AI sono quelle con un CAIO dedicato. Questi leader concentrano le proprie risorse su “adesso” (casi d’uso misurabili) e “il passo successivo” (rafforzamento dei dati e della piattaforma), assicurando un progresso costante mentre gettano le basi per guadagni futuri.

Ciò significa anche stabilire KPI che mettono in evidenza il valore iniziale – le operazioni di supporto, le vendite, il marketing e l’ingegneria sono punti di partenza ideali. Definire KPI chiari – come lead-to-win, churn e punteggi di rischio del modello – insieme a valori di riferimento e piani di verifica assicurerà che le iniziative di AI non siano solo teoriche ma producano risultati tangibili.

La chiave è identificare modelli di successo e replicarli. Il passaggio dall’esperimentazione all’esecuzione avviene quando le aziende adattano i propri processi, non solo gli strumenti.

Rafforzare le fondamenta dei dati: un processo continuo

Troppo spesso i programmi di AI falliscono perché i dati non sono attendibili. La mancanza di governance dei dati è una delle barriere più grandi al successo. È per questo che la qualità, la tracciabilità dell’origine e del percorso dei dati e la loro accessibilità dovrebbero essere trattate con la stessa importanza degli strumenti rivolti agli utenti. Le solide fondamenta dei dati sono il fondamento di qualsiasi iniziativa di AI di successo.

Rendere l’AI un imperativo aziendale, oggi e domani

Le aspettative sono chiare: mostrare vittorie immediate e misurabili mentre si costruisce una piattaforma e un patrimonio di dati che daranno frutti nel lungo periodo. Con i budget di AI in aumento e controlli sempre più stringenti, non riuscire a soddisfare entrambi i fronti rischia di azzerare i programmi.

I leader che possono fornire valore adesso mentre costruiscono per il futuro trasformeranno l’AI da una serie di progetti pilota isolati in un motore sostenibile per il fatturato e la produttività.

Il dottor Yair Adato è il fondatore e amministratore delegato di Bria, l'azienda creata per stabilire una piattaforma di intelligenza artificiale generativa aperta e senza rischi. La sua visione era quella di creare una piattaforma di intelligenza artificiale generativa che seguisse i principi di intelligenza artificiale responsabile e ridefinisse i concetti di diritto d'autore e proprietà intellettuale in modo che la proprietà dei dati e l'intelligenza artificiale generativa potessero coesistere.

Un visionario nel suo campo, il dottor Adato ha un dottorato in Informatica nel campo della visione artificiale presso l'Università Ben-Gurion in collaborazione con l'Università di Harvard. Con oltre 50 brevetti che collegano l'intelligenza artificiale all'uso commerciale, il dottor Adato vanta un record notevole di innovazione nell'intelligenza artificiale. Prima di guidare Bria, il dottor Adato ha ricoperto il ruolo di direttore tecnico presso Trax Retail, consentendo a Trax di crescere rapidamente da una startup in fase iniziale con 20 dipendenti a un’azienda unicorno con un personale di quasi 1000 dipendenti. Ha ricoperto o ricopre il ruolo di membro del consiglio consultivo per diverse aziende, tra cui Sparx, Vicomi, Tasq, DataGen e Anima.