Massimizzare il ROI dell’AI nell’impresa

Come è stato il caso con numerose tecnologie prima di essa, l’intelligenza artificiale (AI) è considerata la prossima grande innovazione che le imprese semplicemente devono utilizzare. Ironia della sorte, la tecnologia sottostante è stata presente per decenni, ma con le ultime iterazioni, l’entusiasmo ha raggiunto un picco febbrile – superando la realtà dell’implementazione in tutta l’impresa. Tuttavia, poiché i team IT affrontano una pressione crescente per salire a bordo del treno IT, devono bilanciare quell’entusiasmo con la realtà della linea di fondo. Diverse implementazioni richiedono diversi livelli di investimento, il che significa che devono anche produrre un ritorno diverso – spesso su un calendario diverso.

La capacità di consegnare prodotti AI di successo dipende da numerosi fattori: strategie specifiche, pianificazione ed esecuzione scelte dai leader aziendali; disponibilità di risorse qualificate; adattamento all’interno della roadmap del prodotto; accettazione organizzativa del rischio; e gestione del tempo contro il ritorno sull’investimento (ROI) atteso.

Bilanciare questi fattori è la sfida, ma seguire questi tre passaggi può tenere le organizzazioni sul percorso verso il ROI dell’AI.

Comprendere la tecnologia

Molte imprese entrano nella mischia dell’AI credendo di essere in ritardo, ma non comprendendo appieno il perché, il come o addirittura cosa sia la tecnologia. Di conseguenza, il loro primo compito è distinguere tra diverse varianti di AI, iniziando con l’AI di precisione vs. l’AI generativa.

L’AI di precisione è l’uso di apprendimento automatico e apprendimento profondo per migliorare i risultati. Consente alle imprese di automatizzare i processi decisionali, creando efficienze e aumentando il ROI. L’AI di precisione è maturata in una tecnologia consolidata e affidabile per le imprese, che continua a vedere un’adozione significativa e sta diventando sempre più mainstream.

L’AI generativa (GenAI) è nuova e ha guadagnato importanza dopo che OpenAI ha rilasciato ChatGPT alla fine del 2022. Consiste in modelli linguistici fondamentali (LLM) addestrati con miliardi di parametri per generare nuovo testo semantico, l’AI generativa offre opportunità significative per l’impatto aziendale e l’efficienza operativa, ma è ancora all’inizio del suo ciclo di adozione.

Un ostacolo significativo è lo standard per la qualità dei dati, che è elevato per le applicazioni GenAI, poiché i set di dati di bassa qualità possono introdurre problemi di trasparenza ed etici.

L’affidabilità dei dati inizia con la progettazione e l’implementazione dei flussi di lavoro; stabilendo pipeline per eseguire; astrazione attraverso API; cura e democratizzazione; ed elaborazione di diversi tipi di dati. Piuttosto che la generazione precedente dei requisiti di qualità dei dati che includeva i 4V (volume, velocità, veridicità e varietà), l’AI richiede nuovi requisiti che includono 4P: previsione, produttività, precisione e persona su scala.

Previzione: gli algoritmi AI consentono l’uso dell’analisi statistica per trovare modelli nei dati e identificare comportamenti per prevedere e prevedere eventi futuri correlati ai dati storici a riposo e ai dati in streaming per prendere decisioni in tempo reale.

Produttività: l’AI consente l’automazione dei processi aziendali, che aumenta l’efficienza operativa e la produttività dell’impresa, riducendo i compiti ripetitivi e liberando il tempo dello staff per lavorare su compiti più strategici.

Precisione: questa metrica misura i risultati del modello in un modo che i modelli di apprendimento automatico possono produrre accuratezza tra un intervallo accettabile determinato dai casi d’uso. La precisione è anche calcolata come il numero di true positivi diviso per il numero totale di previsioni positive.

Persona su scala: si riferisce al processo di utilizzo di dati affidabili come storie di acquisto dei clienti, azioni sul sito, analisi dei sentimenti dei clienti per prodotti specifici e risposte ai sondaggi. Fornisce esperienze personalizzate attraverso i dati demografici.

In aggiunta alla qualità dei dati, le imprese devono considerare numerosi altri fattori, sia interni che esterni, quando valutano la loro prontezza per l’AI: governance, allineamento con la conformità, investimenti cloud, talenti, nuovi modelli di operazioni aziendali, gestione del rischio e impegno della leadership.

Le organizzazioni devono iniziare stabilendo una visione AI che corrisponda ai loro obiettivi e obiettivi strategici. L’adesione della C-suite è fondamentale, poiché i dispiegamenti AI richiedono un investimento significativo iniziale. Il CIO deve articolare chiaramente il percorso verso il ROI per l’intera C-suite – una vera prova del CIO nell’elevare l’IT da una funzione di supporto a una funzione strategica.

Successivamente, l’organizzazione deve allineare persone, processi e tecnologia. L’AI richiede nuove competenze e certificazioni come modelli di apprendimento profondo e apprendimento automatico, poiché le organizzazioni hanno tradizionalmente integrato l’AI nei flussi di lavoro umani. Tuttavia, la GenAI capovolge la dinamica, ma le migliori pratiche e le linee guida per l’uso responsabile includono ancora un “uomo nel loop” per mantenere gli standard etici e i valori.

Un dispiegamento AI richiede anche nuovi processi aziendali per la governance e l’assicurazione della qualità dei dati, abilitando gli scienziati dei dati responsabili della consegna di nuovi modelli AI a risolvere problemi aziendali complessi.

Mentre nuovi prodotti AI vengono progettati, sviluppati e prodotti per la produzione, le imprese devono anche rimanere vigili sulle politiche regolamentari più recenti dell’industria AI. L’atto europeo sull’AI ha stabilito le migliori pratiche per l’uso dell’AI – e le conseguenze per non seguire quelle politiche. Di conseguenza, le imprese hanno costruito team per creare, valutare e aggiornare gli sforzi intorno alle norme AI.

Con le imprese che diventano sempre più guidate dai dati, devono sviluppare strategie fondamentali per proteggere gli asset di dati che consentono loro di fornire le migliori informazioni attraverso piattaforme di automazione dei processi analitici. Da lì, possono selezionare le tecnologie AI e le nuove piattaforme che hanno più senso per loro.

Definire il caso aziendale

Infine, il ritorno reale su un investimento AI richiede di vendere il beneficio ai clienti, il che significa che la prontezza per l’AI richiede una nuova mentalità aziendale poiché la tecnologia sta guidando la trasformazione per le imprese in tutti i settori.

Lo sviluppo di successo di prodotti AI richiede una comprensione approfondita dei percorsi dei clienti specifici dell’industria e allineare le soluzioni AI con gli obiettivi aziendali. La centralità del cliente gioca un ruolo chiave nello sviluppo di nuovi modelli operativi, e le tecnologie moderne sono utilizzate per aumentare l’efficienza.

Ad esempio, i clienti che cercano piccole vittorie nella maturità AI possono affidarsi ai loro asset software e infrastrutture cloud per sviluppare nuovi prodotti e soluzioni. Ciò mantiene la soddisfazione tra i dipendenti più alta e mantiene la loro attenzione sull’eccedere le aspettative dei clienti.

Detto questo, il nucleo dell’organizzazione dovrebbe concentrarsi sull’accorciare il tempo di mercato e migliorare la gestione dei nuovi processi per accorciare il ciclo di vita dello sviluppo del prodotto e aumentare l’efficienza della consegna di nuovi prodotti. Ad esempio, una piattaforma di analisi dei dati distribuita e aumentata viene utilizzata per automatizzare l’ingestione, la cura, la democratizzazione, l’elaborazione e l’analisi in tempo reale – il che aumenta la produttività e il ROI.

Sbloccare il pieno potenziale del ROI dell’AI

L’AI, nel suo nucleo, rappresenta algoritmi avanzati, qualità dei dati, potenza di calcolo, Infrastruttura come codice, governance, AI responsabile con etica per proteggere la privacy e la riservatezza dei dati. Gli elementi essenziali della prontezza dell’applicazione AI e le sfide della gestione dei dati richiedono framework guidati dai dati, persone, processo, strategia, etica e piattaforme tecnologiche.

Contemporaneamente, Mckinsey riferisce che il 65% delle imprese utilizza tecnologie AI – il doppio del numero dell’anno scorso. Dimostra la spinta, ma i dispiegamenti stanno ancora muovendosi lentamente dalla curiosità ai veri casi d’uso aziendali su larga scala. La GenAI sta fornendo nuove innovazioni, consentendo alle organizzazioni di sfruttare nuove capacità attraverso lo sviluppo di LLM semantici e multimodali. Democratizza l’intero spettro delle capacità AI, consentendo loro di generare nuovi flussi di entrate.

Con la giusta strategia, l’impegno della leadership e l’investimento nei casi d’uso corretti, le aziende possono ottenere un valore significativo e guidare una crescita trasformativa attraverso l’AI.