Cinque Ragioni Per Cui Gli Algoritmi Di Intelligenza Artificiale Possono Essere Difficili Da Implementare Nella Gestione Operativa

Di: Evgeniya Malina, Responsabile della Strategia e delle Operazioni di Food Rocket.

Secondo recenti ricerche dell’Istituto Globale McKinsey, l’intelligenza artificiale è pronta a aumentare la produzione economica globale di 13.000 miliardi di dollari entro il 2030.

Tuttavia, ciò si accompagna a sfide e conseguenze inaspettate. Alcuni dei rischi e delle sfide più comunemente identificati nell’implementazione dell’intelligenza artificiale includono problemi di privacy, l’incapacità di generalizzare e una mancanza generale di fiducia.

Di seguito sono elencate tre sfide relative all’intelligenza artificiale che colpiscono specificamente la gestione operativa delle imprese.

1. Qualità Dei Dati Scadente

La prima cosa di cui un algoritmo di intelligenza artificiale robusto ha bisogno è dei dati. Per addestrare correttamente un algoritmo, è necessario alimentarlo con grandi quantità di dati precisi e di alta qualità. Purtroppo, non è sempre facile ottenere questi dati e un rapporto di Gartner del 2020 nota che la qualità scadente dei dati può costare alla tua azienda circa 13 milioni di dollari ogni anno.

Ad esempio, alcuni processi potrebbero non avere alcuna impronta digitale quando si inizia. Non ci sono dati da inserire nell’algoritmo in questi casi. Tutto ciò che si fornisce è solo ipotesi e supposizioni, il che pone due problemi.

Innanzitutto, ciò introduce un significativo pregiudizio umano nel processo fin dall’inizio. In secondo luogo, significa che i risultati dell’algoritmo sono semplicemente un’estensione delle tue ipotesi. Alla fine, ciò ti lascia con un paesaggio di dati incerto e un processo decisionale instabile.

2. Navigare Nei “Punti Di Partenza A Freddo” E Nel Coinvolgimento Dei Dipendenti

L’automazione è eccellente per razionalizzare i processi esistenti, ma il contraccolpo è il “punto di partenza a freddo”. Questo si verifica quando è necessario iniziare un processo senza dati storici su cui l’intelligenza artificiale possa basare la sua routine. In ogni caso, l’intelligenza artificiale fatica a superare questo ostacolo.

Secondo la Harvard Business Review, l’80% o più del tempo di un team IT è spesso dedicato a migliorare e raffinare i dati inconsistenti per gli algoritmi di intelligenza artificiale

Spesso è necessario un notevole investimento di sforzo umano per aiutare l’intelligenza artificiale a superare questo “punto di partenza a freddo” e riprendere le operazioni senza problemi.

Nella mia esperienza, ciò può causare gravi problemi nella gestione della supply chain e può costare alle aziende considerevoli entrate. Sappiamo tutti che l’intelligenza artificiale non è ancora abbastanza evoluta per gestire tutti gli aspetti di un sistema di gestione operativa. Ciò significa che qualsiasi soluzione di intelligenza artificiale utilizzata dalla tua azienda si sovrapporrà ai processi decisionali umani.

Sebbene ciò possa essere una cosa positiva, può anche portare a un disimpegno del senso di responsabilità personale di un dipendente. In alcuni casi, i dipendenti possono sentirsi come se potessero separarsi da una decisione perché “l’intelligenza artificiale l’ha fatto”.

Inoltre, è comune che l’introduzione di un nuovo algoritmo coincida con un significativo calo dei metriche di qualità. Nella mia esperienza, questo paradosso è il risultato di una persona che era precedentemente responsabile della metrica e che si sente ora come un anello insignificante in una catena di processi decisionali automatizzati.

È essenziale gestire questo aspetto dell’automazione a causa di quanto facilmente può portare il tuo team su un percorso di disinteresse e impegno ridotto. Ciò può anche causare danni al tuo marchio. Se l’intelligenza artificiale è lasciata da sola a prendere decisioni, potrebbe inavvertitamente iniziare a discriminare i clienti in determinate fasce di età, sesso o geografiche.

3. Sfide Relative Alla Trasparenza E All’Implementazione Efficienti

Come ogni proprietario di azienda sa, le cose possono cambiare in un istante. Le aziende non hanno sempre il tempo di costruire una soluzione di intelligenza artificiale complessa per una nuova operazione.

In realtà, è molto più comune che le aziende siano sotto pressione e siano costrette a risolvere un problema senza l’aiuto dell’automazione perché l’implementazione di un nuovo processo richiede semplicemente troppo tempo. Poiché non c’è tempo per scrivere modelli complessi, si verificano due cose.

Innanzitutto, l’azienda potrebbe scegliere di implementare un processo quasi completo e inserire un passaggio intermedio manuale fino a quando il processo non possa essere raffinato. In questo caso, le aziende perdono fino all’80% dell’efficienza calcolata del processo.

In alternativa, l’azienda potrebbe distribuire SaaS per accelerare l’implementazione del processo. Sebbene i costi di tempo e denaro siano inferiori, il problema della perdita di efficienza rimane. In questo caso, l’implementazione di algoritmi SaaS che non sono specificamente adattati alle esigenze dell’azienda può rendere il processo meno efficiente di quanto non lo sarebbe se fosse stato fatto manualmente.

In aggiunta a questi problemi, è importante capire che la trasparenza nel processo di intelligenza artificiale è incredibilmente difficile da comunicare alla direzione, anche agli esperti. Ciò è dovuto alla complessità degli algoritmi, ma può far sentire il tuo team come se avesse riserve nel transizione a operazioni automatizzate.

Dove Andiamo Da Qui?

Alcuni ricercatori suggeriscono che le sfide che stiamo affrontando attualmente porteranno a nuovi ruoli umani all’interno di un’azienda: formatori, spiegatori e sostenitori.

I formatori aiuteranno a ottimizzare le prestazioni dell’intelligenza artificiale; gli spiegatori saranno incaricati di spiegare le decisioni dell’intelligenza artificiale ai non professionisti e i sostenitori lavoreranno per rendere i processi di intelligenza artificiale sostenibili a lungo termine.

Tuttavia, fino ad allora, le aziende e i fondatori devono considerare più del semplice vantaggio competitivo che l’intelligenza artificiale può offrire. Il vantaggio deve essere ponderato contro l’ambiguità, i costi di tempo e gli ostacoli di crescita che accompagnano l’intelligenza artificiale operativa.

L’intelligenza artificiale ha ancora molta strada da fare in termini di crescita, sviluppo e implementazione. Può senza dubbio fare una grande differenza nella gestione operativa, ma non possiamo ancora affidarci completamente a essa come la migliore opzione.