Navigazione della distribuzione di AI: evitare trabocchetti e garantire il successo

Il percorso verso l’AI non è una corsa – è una maratona, e le aziende devono dosare le loro energie di conseguenza. Coloro che corrono prima di aver imparato a camminare inciamperanno, unendosi al cimitero delle aziende che hanno cercato di muoversi troppo velocemente per raggiungere una sorta di linea di arrivo dell’AI. La verità è che non c’è una linea di arrivo. Non c’è una destinazione in cui un’azienda possa arrivare e dire che l’AI è stata sufficientemente conquistata. Secondo McKinsey, il 2023 è stato l’anno di breakout dell’AI, con circa il 79% dei dipendenti che afferma di aver avuto un certo livello di esposizione all’AI. Tuttavia, le tecnologie di breakout non seguono percorsi di sviluppo lineari; fluttuano, salgono e scendono, fino a diventare parte del tessuto aziendale. La maggior parte delle aziende capisce che l’AI è una maratona e non una corsa, e questo vale la pena di tenerlo a mente.

Prendiamo ad esempio il Hype Cycle di Gartner. Ogni nuova tecnologia che emerge passa attraverso le stesse serie di fasi nel ciclo di hype, con poche eccezioni. Queste fasi sono le seguenti: Innovazione Trigger; Picco di Aspettative Inflazionate; Trough di Delusione; Pendio di Illuminazione e Altopiano di Produttività. Nel 2023, Gartner ha collocato l’AI Generativa saldamente nella seconda fase: il Picco di Aspettative Inflazionate. Questo è quando i livelli di hype circondanti la tecnologia sono al loro massimo, e mentre alcune aziende sono in grado di capitalizzare su di essa precocemente e avanzare, la stragrande maggioranza lottará attraverso il Trough di Delusione e potrebbe non raggiungere nemmeno l’Altopiano di Produttività.

Tutto ciò significa che le aziende devono procedere con cautela quando si tratta di distribuzione di AI. Mentre l’attrazione iniziale della tecnologia e delle sue capacità può essere allettante, essa sta ancora trovando i suoi piedi e i suoi limiti stanno ancora venendo testati. Ciò non significa che le aziende dovrebbero evitare l’AI, ma dovrebbero riconoscere l’importanza di stabilire un ritmo sostenibile, definire obiettivi chiari e pianificare meticolosamente il loro percorso. I team di leadership e i dipendenti devono essere completamente coinvolti nell’idea, la qualità e l’integrità dei dati devono essere garantite, gli obiettivi di conformità devono essere soddisfatti – e questo è solo l’inizio.

Iniziando con piccoli passi e delineando pietre miliari raggiungibili, le aziende possono sfruttare l’AI in modo misurato e sostenibile, assicurandosi di muoversi con la tecnologia invece di saltare avanti. Ecco alcuni dei trabocchetti più comuni che stiamo vedendo nel 2024:

Trabocchetto 1: Leadership AI

È un fatto: senza il consenso dall’alto, le iniziative AI vacilleranno. Mentre i dipendenti potrebbero scoprire strumenti AI generativi per se stessi e incorporarli nelle loro routine quotidiane, ciò espone le aziende a problemi relativi alla privacy dei dati, alla sicurezza e alla conformità. La distribuzione di AI, in qualsiasi capacità, deve provenire dall’alto, e la mancanza di interesse per l’AI dall’alto può essere altrettanto pericolosa quanto andare troppo avanti.

Prendiamo ad esempio il settore assicurativo sanitario negli Stati Uniti. In un recente sondaggio di ActiveOps, è stato rivelato che il 70% dei leader operativi ritiene che i dirigenti del C-suite non siano interessati agli investimenti in AI, creando una barriera sostanziale all’innovazione. Mentre possono vedere i benefici, con quasi 8 su 10 che concordano sul fatto che l’AI potrebbe aiutare a migliorare notevolmente le prestazioni operative, la mancanza di supporto dall’alto si sta rivelando una barriera frustrante al progresso.

Dove l’AI viene utilizzata, il consenso organizzativo e il supporto della leadership sono essenziali. Canali di comunicazione chiari tra la leadership e i team di progetto AI dovrebbero essere stabiliti. Aggiornamenti regolari, rapporti di progresso trasparenti e discussioni su sfide e opportunità aiuteranno a mantenere la leadership impegnata e informata. Quando i leader sono ben informati sul percorso AI e sui suoi punti di riferimento, sono più probabili a fornire il sostegno continuo necessario per navigare attraverso complessità e problemi imprevisti.

Trabocchetto 2: Qualità e Integrità dei Dati

Utilizzare dati di scarsa qualità con l’AI è come mettere diesel in una macchina a benzina. Si otterrà una scarsa prestazione, pezzi rotti e una fattura costosa per ripararla. I sistemi AI si basano su grandi quantità di dati per imparare, adattarsi e fare previsioni accurate. Se i dati alimentati in questi sistemi sono difettosi, incompleti, mal classificati o distorti, i risultati saranno inevitabilmente inaffidabili. Ciò non solo mina l’efficacia delle soluzioni AI, ma può anche portare a ritardi significativi e a una mancanza di fiducia nelle capacità AI.

Le nostre ricerche rivelano che il 90% dei leader operativi afferma che è necessario troppo sforzo per estrarre informazioni dai loro dati operativi – troppi di essi sono siloizzati e frammentati in più sistemi, e pieni di incongruenze. Ciò è un altro trabocchetto che le aziende affrontano quando considerano l’AI – i loro dati semplicemente non sono pronti.

Per affrontare questo e migliorare l’igiene dei dati, le aziende devono investire in robusti framework di governance dei dati. Ciò include l’istituzione di chiari standard di dati, assicurandosi che i dati siano costantemente puliti e validati, e implementando sistemi per il monitoraggio continuo della qualità dei dati. Creando una singola fonte di verità, le organizzazioni possono migliorare l’affidabilità e l’accessibilità dei loro dati, il che avrà il bonus aggiuntivo di agevolare il percorso per l’AI.

Trabocchetto 3: Alfabetizzazione AI

L’AI è uno strumento, e gli strumenti sono efficaci solo quando maneggiati dalle mani giuste. Il successo delle iniziative AI dipende non solo dalla tecnologia, ma anche dalle persone che la utilizzano, e queste persone sono in breve supply. Secondo Salesforce, quasi due terzi (60%) dei professionisti IT hanno identificato una carenza di competenze AI come il loro principale ostacolo alla distribuzione di AI. Ciò sembra che le aziende semplicemente non siano pronte per l’AI, e devono iniziare a risolvere quel divario di competenze prima di iniziare a investire in tecnologia AI.

Ciò non deve necessariamente significare andare in una frenesia di assunzioni, tuttavia. I programmi di formazione possono essere introdotti per migliorare le competenze della forza lavoro attuale, assicurandosi che abbiano le capacità per utilizzare l’AI in modo efficace. Costruire questo tipo di alfabetizzazione AI all’interno dell’organizzazione implica creare un ambiente in cui l’apprendimento continuo è incoraggiato – workshop, corsi online e progetti pratici possono aiutare a demistificare l’AI e renderla più accessibile ai dipendenti a tutti i livelli, gettando le basi per una distribuzione più rapida e benefici più tangibili.

Cosa dopo?

L’adozione di successo dell’AI richiede più di un semplice investimento in tecnologia; richiede un approccio strategico ben ritmato che garantisca il consenso dei dipendenti e il sostegno della leadership. Richiede anche che le aziende siano consapevoli e attente al fatto che la tecnologia ha limiti – mentre l’interesse per l’AI è in aumento e l’adozione è al massimo, c’è una buona possibilità che la bolla AI scoppierà prima di correggere il corso e diventare lo strumento stabile e affidabile di cui le aziende hanno bisogno. Ricordate, siamo ora al Picco di Aspettative Inflazionate, e il Trough di Delusione deve ancora essere superato. Le aziende desiderose di investire in AI possono prepararsi alla tempesta imminente preparando i loro dipendenti, stabilendo politiche di utilizzo AI e assicurandosi che i loro dati siano puliti, ben organizzati e correttamente classificati e integrati in tutta l’azienda