Perché GenAI si blocca senza una governance forte

Mentre le aziende si confrontano con il passaggio dei progetti di IA generativa dalla sperimentazione alla produzione, molte rimangono bloccate in modalità pilota. Come evidenzia la nostra recente ricerca, Il 92% delle organizzazioni teme che i progetti pilota di GenAI stiano accelerando senza prima affrontare le problematiche fondamentali relative ai datiAncora più significativo: il 67% non è riuscito a portare in produzione nemmeno la metà dei propri progetti pilota. Questo divario produttivo non riguarda tanto la maturità tecnologica quanto la preparazione dei dati sottostanti. Il potenziale della GenAI dipende dalla solidità del terreno su cui poggia. E oggi, per la maggior parte delle organizzazioni, questo terreno è, nella migliore delle ipotesi, instabile.

Perché GenAI rimane bloccata nel pilota

Sebbene le soluzioni GenAI siano certamente potenti, sono efficaci solo nella misura in cui lo sono i dati che li alimentano. Il vecchio adagio "garbage in, garbage out" è oggi più vero che mai. Senza dati affidabili, completi, giustificati e spiegabili, i modelli di GenAI producono spesso risultati inaccurati, distorti o inadatti allo scopo.

Purtroppo, le organizzazioni si sono affrettate a implementare casi d'uso a basso sforzo, come chatbot basati sull'intelligenza artificiale che offrono risposte personalizzate a partire da diversi documenti interni. E sebbene questi migliorino in una certa misura l'esperienza dei clienti, non richiedono cambiamenti radicali all'infrastruttura dati aziendale. Tuttavia, per scalare strategicamente la GenAI, che si tratti di sanità, servizi finanziari o automazione della supply chain, è necessario un diverso livello di maturità dei dati.

Infatti, Il 56% dei Chief Data Officer cita l’affidabilità dei dati come un ostacolo chiave all’implementazione dell’IAAltri problemi sono dati incompleti (53%), problemi di privacy (50%) e maggiori lacune nella governance dell'intelligenza artificiale (36%).

Nessuna governance, nessuna GenAI

Per portare GenAI oltre la fase pilota, le aziende devono considerare la governance dei dati un imperativo strategico per il loro business. Devono garantire che i dati siano all'altezza del compito di alimentare i modelli di intelligenza artificiale e, a tal fine, è necessario rispondere alle seguenti domande:

• I dati utilizzati per addestrare il modello provengono dai sistemi giusti?
• Abbiamo rimosso le informazioni personali identificabili e rispettato tutte le normative sulla privacy e sui dati?
• Siamo trasparenti e possiamo dimostrare la discendenza dei dati utilizzati dal modello?
• Possiamo documentare i nostri processi di elaborazione dei dati ed essere pronti a dimostrare che i dati sono privi di pregiudizi?

La governance dei dati deve inoltre essere integrata nella cultura aziendale. Per raggiungere questo obiettivo, è necessario sviluppare competenze in materia di IA in tutti i team. L'EU AI Act formalizza questa responsabilità, richiedendo sia ai fornitori che agli utenti di sistemi di IA di impegnarsi al massimo per garantire che i dipendenti siano sufficientemente competenti in materia di IA, assicurandosi che comprendano il funzionamento di questi sistemi e come utilizzarli in modo responsabile. Tuttavia, un'efficace adozione dell'IA va oltre il know-how tecnico. Richiede anche solide competenze in materia di dati, dalla comprensione della governance dei dati alla formulazione di quesiti analitici. Trattare l'alfabetizzazione in materia di IA separatamente da quella in materia di dati sarebbe miope, data la stretta interconnessione tra queste due aree.

In termini di governance dei dati, c'è ancora molto lavoro da fare. Tra le aziende che desiderano aumentare i propri investimenti nella gestione dei dati, Il 47% concorda sul fatto che la mancanza di alfabetizzazione dei dati sia un ostacolo importanteCiò evidenzia la necessità di creare un supporto di alto livello e di sviluppare le giuste competenze in tutta l'organizzazione. Senza queste basi, anche i Master in Management (LLM) più performanti faranno fatica a raggiungere i loro obiettivi.

Sviluppare un'intelligenza artificiale che deve essere ritenuta responsabile

Nell'attuale contesto normativo, non è più sufficiente che l'IA "funzioni e basta", ma deve anche essere responsabile e spiegata. Legge dell'UE sull'IA e la proposta del Regno Unito Piano d'azione dell'IA richiede trasparenza nei casi d'uso dell'IA ad alto rischio. Altri stanno seguendo l'esempio, e Oltre 1,000 proposte di legge correlate sono all'ordine del giorno in 69 paesi.

Questo movimento globale verso la responsabilità è il risultato diretto delle crescenti richieste di equità negli algoritmi da parte di consumatori e stakeholder. Ad esempio, le organizzazioni devono essere in grado di spiegare i motivi per cui a un cliente è stata rifiutata una richiesta di prestito o è stato addebitato un premio assicurativo. Per riuscirci, avrebbero bisogno di sapere come il modello ha preso quella decisione, e questo a sua volta dipende dalla disponibilità di una traccia chiara e verificabile dei dati utilizzati per addestrarlo.

In assenza di spiegabilità, le aziende rischiano di perdere la fiducia dei clienti e di affrontare ripercussioni finanziarie e legali. Di conseguenza, la tracciabilità della provenienza dei dati e la giustificazione dei risultati non sono un "optional", ma un requisito di conformità.

E man mano che la GenAI si espande, da semplici strumenti a veri e propri agenti in grado di prendere decisioni e agire di conseguenza, la posta in gioco per una solida governance dei dati aumenta ulteriormente.

Passaggi per costruire un'intelligenza artificiale affidabile

Quindi, cosa significa "buono"? Per scalare la GenAI in modo responsabile, le organizzazioni dovrebbero adottare un'unica strategia dati basata su tre pilastri:

• Adattare l'intelligenza artificiale al business: cataloga i tuoi dati in base agli obiettivi aziendali chiave, assicurandoti che riflettano il contesto unico, le sfide e le opportunità specifiche della tua attività.
• Creare fiducia nell'intelligenza artificiale: Definire politiche, standard e processi per la conformità e la supervisione di un'implementazione etica e responsabile dell'intelligenza artificiale.
• Costruisci pipeline pronte per i dati AI: Combina le tue diverse fonti di dati in una base dati resiliente per un'elaborazione AI solida nella connettività GenAI predefinita.

Quando le organizzazioni riescono a farlo correttamente, la governance accelera il valore dell'IA. Nei servizi finanziari, ad esempio, gli hedge fund sono utilizzare l'intelligenza artificiale di generazione per superare gli analisti umani nelle previsioni del prezzo delle azioni riducendo significativamente i costi. Nel settore manifatturiero, l'ottimizzazione della supply chain guidata dall'intelligenza artificiale consente alle organizzazioni di reagire in tempo reale ai cambiamenti geopolitici e alle pressioni ambientali.

E queste non sono solo idee futuristiche: stanno prendendo forma adesso, basate su dati affidabili.

Con solide basi di dati, le aziende riducono la deriva dei modelli, limitano i cicli di riqualificazione e accelerano il raggiungimento del valore. Ecco perché la governance non è un ostacolo, ma un facilitatore dell'innovazione.

Qual è il prossimo passo?

Dopo la sperimentazione, le organizzazioni stanno andando oltre i chatbot e investendo in capacità di trasformazione. Dalla personalizzazione delle interazioni con i clienti a accelerare la ricerca medica, migliorare la salute mentale e semplificando i processi normativi, GenAI sta iniziando a dimostrare il suo potenziale in tutti i settori.

Tuttavia, questi progressi dipendono interamente dai dati su cui si basano. La GenAI inizia con la costruzione di solide basi di dati, attraverso una solida governance dei dati. E sebbene la GenAI e l'IA agentica continueranno a evolversi, non sostituiranno la supervisione umana a breve. Stiamo invece entrando in una fase di creazione di valore strutturata, in cui l'IA diventa un affidabile copilota. Con i giusti investimenti in qualità dei dati, governance e cultura, le aziende possono finalmente trasformare la GenAI da un promettente progetto pilota in qualcosa che decolla completamente.