L’approvazione del consiglio di amministrazione finanzia l’ambizione. L’infrastruttura la rende reale.

La maggior parte delle iniziative aziendali di intelligenza artificiale non fallisce perché il modello non è perfetto. L’intelligenza artificiale si blocca perché l’infrastruttura sottostante non è pronta.

I numeri vengono solitamente presentati come cattive notizie. Sono meglio compresi come una mappa. Secondo Forrester, il 73% dei deploy di intelligenza artificiale falliranno nel raggiungere il ritorno sull’investimento atteso, mentre Gartner ha ripetutamente avvertito che molte iniziative di intelligenza artificiale generativa lottano per superare la fase di pilotaggio poiché le organizzazioni incontrano sfide operative e di scalabilità.

Nel frattempo, i consigli di amministrazione stanno approvando investimenti più grandi nell’intelligenza artificiale; i concorrenti stanno annunciando nuovi deploy quasi ogni settimana e i team di leadership considerano sempre più l’adozione dell’intelligenza artificiale come un indicatore visibile di innovazione e rilevanza sul mercato. In molte aziende, la pressione per mostrare slancio è diventata difficile da separare dalla pressione per mostrare prontezza.

Il futuro dell’infrastruttura pronta all’intelligenza artificiale

Le aziende di tutti i settori si trovano di fronte a ambienti di dati frammentati, governance incoerente, integrazioni obsolete, sicurezza progettata per un mondo precedente ai carichi di lavoro di intelligenza artificiale. Nessuno di questi è un problema del modello. Ognuno di essi è un problema di costruzione, e i problemi di costruzione sono risolvibili. Questa è la lettura ottimistica, ed è anche quella accurata.

Quando dico infrastruttura, intendo l’intero stack, non solo il livello dei dati. I carichi di lavoro di intelligenza artificiale esercitano pressione su parti dell’ambiente che funzionavano bene per anni. I data center progettati per il calcolo aziendale stabile devono ora assorbire cluster di GPU densi e assetati di potenza. Molti non hanno la potenza, il raffreddamento o lo spazio sul pavimento per farlo senza una ridisegnazione. Le reti regolate per il traffico ordinario si bloccano quando i modelli iniziano a spostare terabyte tra archiviazione e calcolo. I dati si trovano in sistemi che non erano mai stati progettati per alimentare nulla in tempo reale.

Ognuno di questi è una decisione di ingegneria deliberata: dove viene eseguito il carico di lavoro, se si costruisce, si condivide o si affitta la capacità, come i dati vengono spostati, e chi li mantiene in esecuzione una volta che sono live. Prendere queste decisioni giuste all’inizio e l’intelligenza artificiale scala. Rinviare queste decisioni e diventano il soffitto che il deploy colpisce.

L’onestà sull’infrastruttura pronta all’intelligenza artificiale sta diventando più difficile man mano che le aspettative degli esecutivi aumentano. I leader tecnologici stanno soppesando l’urgenza aziendale reale contro le realtà infrastrutturali che il finanziamento e l’allineamento non possono risolvere. Un team di leadership può sostenere completamente un’iniziativa di intelligenza artificiale, ma il sostegno non crea una governance matura, pipeline di dati affidabili o la proprietà operativa di cui un sistema ha bisogno per funzionare su larga scala. Queste vengono costruite, o non esistono.

I piloti passano in un ambiente controllato, poi si rompono su larga scala

Il costo di saltare questo passaggio si manifesta subito dopo la prima vittoria. Un pilota di successo crea l’impressione che l’organizzazione più ampia sia pronta quando l’ambiente è ancora instabile. Ad esempio, la governance varia per dipartimento, i sistemi critici richiedono ancora un intervento manuale per scambiare dati, i modelli di sicurezza non tengono ancora conto di come l’intelligenza artificiale tocchi le informazioni sensibili in tutta la workflow.

Una volta che il lavoro va oltre il pilota controllato, l’infrastruttura circostante non può supportare l’espansione in modo efficiente o sicuro. I budget si stringono, i tempi si allungano e lo scetticismo si costruisce intorno al prossimo investimento in intelligenza artificiale, anche se la tecnologia non è mai stata il problema. L’ambiente in cui è entrata era.

La pressione per muoversi velocemente sta ora plasmando la strategia di intelligenza artificiale in quasi ogni settore. Vicino al 80% delle organizzazioni riferiscono di utilizzare l’intelligenza artificiale in almeno una funzione aziendale e molti team esecutivi temono che ritardare il deploy lascerà loro i concorrenti già posizionati come organizzazioni guidate dall’intelligenza artificiale.

Le narrazioni pubbliche sull’adozione dell’intelligenza artificiale tendono a premiare i lanci visibili e i messaggi di trasformazione aggressivi. Tuttavia, all’interno, le organizzazioni stanno ancora lavorando per superare anni di frammentazione infrastrutturale accumulata che rendono il deploy sostenibile dell’intelligenza artificiale molto più complicato di quanto i team di leadership si aspettassero inizialmente.

Quattro domande che possono rivelare la prontezza all’intelligenza artificiale

Prima che qualsiasi deploy di intelligenza artificiale si sposti su larga scala, i team di leadership dovrebbero essere in grado di rispondere a queste con fiducia, non ottimismo.

1. Posso fidarmi dei miei dati? Le politiche di governance dei dati documentate si applicano in modo coerente in ogni unità aziendale che questo sistema di intelligenza artificiale toccherà, o stiamo supponendo una qualità dei dati che non abbiamo verificato?
2. Chi possiede questo dopo il lancio? C’è una struttura operativa definita, non solo un team di progetto, responsabile del monitoraggio, della manutenzione e della governance di questo sistema mentre scala?
3. Sono stati progettati la sicurezza e la conformità? I team di sicurezza e conformità sono stati parte della conversazione di architettura fin dall’inizio, o stanno esaminando un deploy che è stato pianificato senza di loro?
4. Possono le mie integrazioni gestire il carico? I sistemi di cui questo sistema di intelligenza artificiale dipende scambiano dati in modo affidabile su larga scala, o stiamo costruendo su integrazioni che già richiedono un intervento manuale per funzionare?

Queste domande non sono progettate per rallentare il deploy. Sono progettate per portare alla luce le lacune che la scalabilità esporrà comunque, idealmente prima che la scalabilità arrivi. Le organizzazioni che possono rispondere a tutte e quattro in modo chiaro non sono solo pronte all’intelligenza artificiale. Sono abbastanza mature operativamente per proteggere l’investimento che stanno facendo.

I piloti sono la linea di partenza

Un pilota di successo non è la prova della prontezza dell’organizzazione. È la prova che un ambiente controllato ha prodotto un risultato controllato.

Quello che i piloti raramente portano alla luce è se l’organizzazione più ampia possa governare, proteggere e sostenere quel sistema una volta che lascia l’ambiente controllato e entra nella complessità operativa reale. Quella lacuna è dove la maggior parte delle iniziative di intelligenza artificiale perde slancio, non perché la tecnologia ha sotto-performato, ma perché l’infrastruttura che la circonda non è stata costruita per supportare ciò che è venuto dopo.

I consigli di amministrazione hanno ragione a trattare l’intelligenza artificiale come un vantaggio competitivo a lungo termine. Il rischio è quando l’urgenza di deploy inizia a sostituire la sequenza operativa. Lanciare velocemente e scalare su una base fragile non accelera il vantaggio competitivo. Rinviare il costo della non preparazione a un punto in cui è significativamente più difficile da contenere.

La prontezza è la fondazione

Ecco la parte che dovrebbe entusiasmare ogni leader tecnologico: la prontezza non è il gioco cauto. È il gioco aggressivo. I CIO che costruiscono la fondazione operativa adesso sono quelli che possono muoversi velocemente attraverso la spedizione di nuove capacità di intelligenza artificiale in settimane invece di trimestri, scalandole in tutta l’azienda invece di lasciarle in un dipartimento, e moltiplicando quel vantaggio mentre i concorrenti stanno ancora srotolando il loro primo deploy fallito.

Questa è la trasformazione che effettivamente tiene, e non appartiene a chi ha lanciato per primo. Appartiene ai leader che trasformano l’infrastruttura da un vincolo in un motore: dati puliti e governati che tutta l’azienda può costruire, integrazioni che tengono sotto carico, sicurezza progettata dentro invece di essere aggiunta dopo. Ottenere questo giusto e l’intelligenza artificiale smette di essere una serie di piloti one-off. Diventa una capacità che l’organizzazione può puntare quasi a qualsiasi problema e fidarsi della risposta.

È lì che il valore si compone. La fondazione che consente a un’azienda di deployare l’intelligenza artificiale più velocemente, più sicuramente e su scala maggiore di chiunque si muova sull’urgenza da solo. L’approvazione del consiglio di amministrazione finanzia l’ambizione. L’infrastruttura la rende reale. I CIO che capiscono questo aggiungeranno un valore enorme alle loro aziende in tutti i settori.

La strategia di intelligenza artificiale e la prontezza dell’infrastruttura non sono separate dai flussi di lavoro. Per le organizzazioni che vogliono competere sull’intelligenza artificiale nel lungo termine, la prontezza deve essere la fondazione.