Abbiamo parlato più volte delle applicazioni che l’Intelligenza Artificiale sta portando nella vita delle aziende. Secondo alcune stime, il mercato globale dell’IA raggiungerà un volume di affari di oltre 190 miliardi di dollari entro il 2025, con un tasso di crescita annuale superiore al 30%.
Questi numeri testimoniano come queste tecnologie pervaderanno sempre di più i mercati, entrando anche solo con applicativi circoscritti ad alcuni processi nella vita della gran parte delle nostre aziende. Uno degli aspetti più critici è la gestione del cambiamento di processi di lavoro esistenti che riguardano la pianificazione, la collaborazione, il controllo, la reportistica e molto altro. Per questo, grazie alle esperienze portate avanti in Premoneo, abbiamo stilato un elenco di 9 suggerimenti utili alle imprese che stanno per sperimentare l’utilizzo di Machine Learning o tecnologie affini.
L’intelligenza artificiale può sconvolgere processi aziendali critici e in questo articolo discuteremo i modi in cui le organizzazioni possono efficientarne l’implementazione.
AI – Preparazione.
Siate consapevoli che in azienda è necessario avere degli interlocutori in grado di comprendere queste tecnologie, almeno ad alto livello. Altrimenti, il rischio di non riuscirle a governare bene è molto più elevato dei potenziali benefici. Se pianificate di adottare queste tecnologie, lasciate un trimestre ai vostri colleghi più adatti perché dedichino del tempo alla formazione. Alcune università, come quella di Standford, offrono documenti e video online sulle tecniche e i principi dell’IA. Sarà tempo guadagnato in fase di implementazione!
AI – Individuazione del caso d’uso.
Una volta costruite le basi di conoscenza, il passo successivo è identificare ciò che l’IA può fare per l’azienda, come migliorare un servizio, velocizzare un processo o potenziare un’attività. In questa fase è fondamentale circoscrivere le proprie idee ad un caso d’uso specifico: in questo modo sarà molto più veloce ed efficace affrontare il primo impatto con l’IA nella propria attività.
AI – Attribuire un valore economico.
Una volta individuati i casi d’uso, è fondamentale valutare il potenziale impatto aziendale del progetto e proiettate il valore finanziario delle implementazioni di IA identificate. Legare un obiettivo economico alle iniziative di IA permetterà di non perdersi nei dettagli e di mettere sempre al centro della valutazione complessiva i risultati. Un altro fattore da tenere in considerazione sarà quello che in Premoneo chiamiamo il fattore t: il tempo che i nostri clienti risparmiano nel fare un certo tipo di attività, dall’introduzione del nuovo strumento tecnologico.
AI – Identificare le carenze di competenze.
Una volta stabilite le priorità delle iniziative di IA, è il momento di verificare se ci sono abbastanza competenze per portare la POC al successo. Prima di lanciare un’implementazione completa basata su IA, è corretto valutare la vostra capacità interna, identificare le lacune in termini di competenze per capire a chi affidare il controllo di queste attività, se è il caso di assumere risorse specifiche o scegliere il supporto di società specializzate.
AI – Farsi affiancare, almeno all’inizio.
Una volta che ritenete di essere pronti come azienda ad integrare un progetto di IA è fondamentale approcciarlo con una mentalità progettuale assicurandosi di non perdere di vista gli obiettivi aziendali. Affinché il progetto pilota abbia successo è necessario, secondo noi, affidarsi ad un team misto, formato da persone interne all’azienda e da un supporto esterno di consulenti o società che abbiano già avuto esperienze simili. Un punto di vista terzo, in questa fase vi assicurerà di mantenere una certa imparzialità rispetto al successo o meno dell’iniziativa.
AI – Pulire i dati.
Un repository di dati di elevata qualità e numerosità è la base di un’implementazione IA/ML di successo. Per questo, l’avvio di un progetto di AI è la grande occasione che permette di concentrarsi sulla pulizia e l’elaborazione dei dati, un passo fondamentale per ottenere risultati migliori. Solitamente, i dati delle aziende si trovano in diversi punti di aggregazione, spesso su diversi sistemi. Sarà cruciale la creazione di un repository che permetta di integrare i diversi set di dati, superare le incongruenze e garantire che i dati in uscita siano di altissima qualità.
AI – Step by Step.
Tutte le grandi rivoluzioni sono iniziate da piccoli atti sovversivi. Per questo, quando si inizia, suggeriamo di farlo compiendo piccolissimi passi. Applicare l’IA a un piccolo set di dati permetterà di sostenere test approfonditi. Poi, in modo graduale, aumenterete il volume e permetterete lo scaling di queste attività.
AI – Pianificare l’archiviazione.
Una volta che il vostro piccolo set di dati è pronto e funzionante, dovete iniziare a pensare allo storage dei dati che si genereranno. Le prestazioni dell’algoritmo sono importanti tanto quanto la sua efficacia. Per gestire grandi volumi di dati e ottenere una maggiore precisione nelle analisi è necessaria una soluzione ad alte prestazioni supportata da uno storage veloce e ottimizzato: un supporto che probabilmente non avete ancora implementato nel vostro ambiente IT.
AI – Calcolare l’impatto.
L’IA fornisce grandi opportunità di crescita ma sarà un grande cambiamento per i colleghi che avranno a che fare con un rinnovato modo di fare le cose. Alcuni manager, per natura sono più diffidenti di altri e dovrete assicurarvi che accettino positivamente il cambiamento e che non facciano nulla per osteggiarlo a priori. In molti casi potrebbe rendersi necessaria un’attività di gestione del cambiamento, attraverso della formazione specifica che introduca la nuova soluzione di intelligenza artificiale spiegando loro tutti gli elementi positivi che porta con sé.
L’implementazione dell’IA non sarà una passeggiata senza difficoltà, ma questo è sempre accaduto per ogni tecnologia che abbia impattato l’operatività della vostra impresa. Focalizzatevi sulla sensibilità rispetto ai dati e sulla fiducia dei vostri colleghi nel percorso che state per intraprendere: questi saranno i due pilastri su cui poggerà il vostro nuovo progetto di IA.
