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 il loro ritmo di conseguenza. Coloro che corrono prima di aver imparato a camminare inciameranno, 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 affermano di aver avuto un certo livello di esposizione all’AI. Tuttavia, le tecnologie di breakout non seguono percorsi di sviluppo lineari; fluttuano e si espandono, 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 è un aspetto da tenere presente.

Prendiamo ad esempio il Hype Cycle di Gartner. Ogni nuova tecnologia che emerge passa attraverso la stessa serie di fasi nel ciclo di hype, con poche eccezioni. Queste fasi sono le seguenti: Innovation Trigger; Peak of Inflated Expectations; Trough of Disillusionment; Slope of Enlightenment, e Plateau of Productivity. Nel 2023, Gartner ha collocato l’AI generativa saldamente nella seconda fase: il Peak of Inflated Expectations. Questo è quando i livelli di hype intorno alla tecnologia sono al loro massimo, e mentre alcune aziende sono in grado di capitalizzare su di essa precocemente e decollare, la stragrande maggioranza lottará attraverso il Trough of Disillusionment e potrebbe non raggiungere nemmeno il Plateau of Productivity.

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 saltarle avanti. Ecco alcuni dei trabocchetti più comuni che stiamo vedendo nel 2024:

Trabocchetto 1: Leadership AI

È un fatto: senza l’approvazione della dirigenza, le iniziative AI falliranno. 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 dalla dirigenza, e la mancanza di interesse per l’AI da parte della dirigenza può essere altrettanto pericolosa quanto andare troppo veloce.

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 di alto livello 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 possa aiutare a migliorare significativamente le prestazioni operative, la mancanza di supporto dalla dirigenza si sta rivelando una barriera frustrante al progresso.

Dove l’AI viene utilizzata, l’approvazione organizzativa e il sostegno della leadership sono essenziali. Canali di comunicazione chiari tra la leadership e i team di progetto AI devono essere stabiliti. Aggiornamenti regolari, rapporti di progresso trasparenti e discussioni sui problemi e sulle 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 che forniscano il sostegno continuo necessario per navigare attraverso le complessità e i 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 compromette l’efficacia delle soluzioni AI, ma può anche portare a ritardi significativi e a una mancanza di fiducia nelle capacità dell’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 isolati 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 problema e migliorare l’igiene dei dati, le aziende devono investire in robusti framework di governance dei dati. Ciò include l’istituzione di standard di dati chiari, l’assicurazione che i dati siano costantemente puliti e validati, e l’implementazione di sistemi per il monitoraggio continuo della qualità dei dati. Creando una fonte unica di verità, le organizzazioni possono migliorare l’affidabilità e l’accessibilità dei loro dati, il che avrà il vantaggio aggiuntivo di semplificare il percorso per l’AI.

Trabocchetto 3: Alfabetizzazione AI

L’AI è uno strumento, e gli strumenti sono efficaci solo quando utilizzati dalle mani giuste. Il successo delle iniziative AI dipende non solo dalla tecnologia, ma anche dalle persone che la utilizzano, e queste persone scarseggiano. 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 indicare che le aziende semplicemente non sono pronte per l’AI, e devono iniziare a colmare quel divario di competenze prima di iniziare a investire in tecnologia AI.

Ciò non significa necessariamente che le aziende debbano andare in cerca di nuove assunzioni. I programmi di formazione possono essere introdotti per migliorare le competenze della forza lavoro attuale, assicurando che abbiano le capacità per utilizzare l’AI in modo efficace. Costruire questo tipo di alfabetizzazione AI all’interno dell’organizzazione comporta la creazione di 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 e ben ritmato che garantisca l’approvazione dei dipendenti e il sostegno della dirigenza. 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 probabilità che la bolla AI scoppierà prima di correggersi e diventare lo strumento affidabile e stabile di cui le aziende hanno bisogno. Ricordate, ci troviamo ora al Peak of Inflated Expectations, e il Trough of Disillusionment ancora deve essere superato. Le aziende che desiderano investire in AI possono prepararsi alla tempesta imminente preparando i loro dipendenti, stabilendo politiche di utilizzo dell’AI e assicurandosi che i loro dati siano puliti, ben organizzati e correttamente classificati e integrati in tutta l’azienda.