La pianificazione dell'IA aziendale trascura spesso tre punti cruciali

Nonostante gli investimenti e l'adozione sempre maggiore dell'intelligenza artificiale (IA), il cui mercato dovrebbe raggiungere i 738 miliardi di dollari entro il 2030, le organizzazioni spesso trascurano i necessari livelli di maturità dei dati, l'adeguato provisioning di rete e di calcolo, nonché le considerazioni cruciali in ambito etico e di conformità normativa.

Secondo un'indagine condotta da Hewlett Packard Enterprise su responsabili IT di 14 Paesi, il rapporto "Architect an AI Advantage" ha evidenziato disconnessioni critiche nella strategia di IA delle organizzazioni. In particolare, il report sottolinea una mancanza di allineamento tra strategie, processi e metriche, complicando la realizzazione dei risultati attesi dall'IA.

Sebbene i risultati complessivi dimostrino l'interesse per l'IA - con quasi tutti i leader IT che prevedono di aumentare gli investimenti nel prossimo anno - emergono anche punti critici che rischiano di frenare i progressi se non si adotta un approccio più olistico. Ad esempio, un disallineamento sulla strategia e sul coinvolgimento dei reparti può impedire alle organizzazioni di sfruttare appieno le competenze critiche, di prendere decisioni efficaci ed efficienti e di garantire che l'IA apporti benefici a tutte le aree aziendali.

Punto critico 1: una scarsa “data maturity”

I risultati prodotti dall’'intelligenza artificiale, che impattano direttamente su quelli ottenuti dall’azienda, dipendono dalla qualità dei dati inseriti. Nonostante il report confermi che le aziende hanno ben chiaro questo concetto i livelli di maturità dei dati rimangono bassi:

• Solo il 7% delle organizzazioni è in grado di eseguire push/pull di dati in tempo reale per consentire l'innovazione e la monetizzazione dei dati esterni.
• Solo il 26% ha creato modelli di governance dei dati ed è in grado di eseguire analisi avanzate.

Inoltre, meno del 60% degli intervistati ha dichiarato che la propria organizzazione è in grado di gestire efficacemente le fasi chiave della preparazione dei dati da utilizzare nei modelli di IA, come l'accesso (59%), l'archiviazione (57%), l'elaborazione (55%) e il recupero (51%) dei dati. Questa mancanza di capacità rischia di rallentare il processo di creazione dei modelli di IA e aumentare la probabilità di informazioni imprecise e un ROI negativo.

Altrettanto preoccupante è il fatto che solo il 37% dei responsabili IT ha creato modelli di dati condivisi con una business intelligence centralizzata. Questo dato fa eco ai precedenti risultati dell'indagine HPE del 2022 sulle capacità inadeguate dei dati, in cui il 34% degli intervistati ha dichiarato che i dati della propria azienda erano isolati in singole applicazioni e siti differenti. L'eliminazione dei silos di dati nelle architetture ibride è fondamentale per il successo mentre la lentezza dei progressi su questo fronte è un segnale di allarme.

Al fine di ottimizzare le prestazioni dell'intelligenza artificiale, le organizzazioni devono rivedere la loro configurazione tecnologica in modo da abilitare i processi di IA lungo tutto il ciclo di vita. Ciò richiede la considerazione di diversi elementi, dalle competenze necessarie al software appropriato, fino alla gestione dei dati. In particolare, è fondamentale disporre di un'architettura globale di dati e analisi che consolidi tutti i dati tra le applicazioni e le sedi dell'organizzazione. L'obiettivo dovrebbe essere quello di fornire un accesso unificato e in tempo reale a tali dati, indipendentemente dalla loro ubicazione.

Punto critico 2: lacune nel provisioning di rete e calcolo

Sebbene le aziende sembrino fiduciose nelle loro capacità di rete e di calcolo a supporto dell'intelligenza artificiale lungo tutto il ciclo di vita del dato, il rapporto ha rilevato alcune criticità:

• Il 93% dei responsabili IT ritiene che la propria infrastruttura di rete sia predisposta per supportare il traffico dell'IA.
• L'84% ritiene che i propri sistemi abbiano una capacità di calcolo sufficientemente flessibile per le esigenze delle diverse fasi del ciclo di vita dell'IA.

Tuttavia, meno della metà dei responsabili IT intervistati ha ammesso di avere una piena comprensione dei requisiti di rete e di calcolo specifici per i vari carichi di lavoro dell'IA durante le fasi di addestramento, messa a punto e inferenza. Questo mette seriamente in dubbio l'accuratezza del provisioning messo in atto.

Punto critico 3: etica e conformità

Il rapporto ha rivelato che le organizzazioni faticano a integrare in modo coerente le diverse aree chiave del business nell'approccio all'intelligenza artificiale. Il 28% dei leader IT descrive infatti l'approccio complessivo come "frammentato", con il 35% delle aziende che opta per strategie IA separate per le singole funzioni e il 32% che definisce obiettivi completamente diversi.

Ancor più preoccupante è il fatto che la maggioranza trascura completamente le considerazioni su etica e conformità, nonostante la crescente attenzione di consumatori e normative:

• Solo il 13% dei responsabili IT ritiene che le questioni legali e di conformità siano fondamentali per il successo dell'IA.
• Solo l'11% dei responsabili IT considera l'etica come fattore chiave.
• Il 22% delle organizzazioni non coinvolge affatto i team legali nella strategia IA.

Questa negligenza rappresenta un grave punto critico, dato che etica e conformità diventeranno sempre più cruciali per soddisfare le nuove normative e le aspettative dei consumatori. Senza un'adeguata conformità, le aziende rischiano di esporre i loro dati proprietari, mantenere un vantaggio competitivo, danneggiare la reputazione del marchio e incorrere in sanzioni e in battaglie legali.

Considerazioni conclusive

Il rapporto avverte che se le aziende continueranno a seguire il loro attuale approccio frammentato all'intelligenza artificiale, potranno subire gravi conseguenze negative a lungo termine. Tuttavia, esistono soluzioni e strategie per evitare questi "punti critici" nella pianificazione dell’IA aziendale.

In primo luogo, le organizzazioni devono adottare un approccio end-to-end all'intero ciclo di vita dell'IA, al fine di semplificare l'interoperabilità e identificare meglio rischi e opportunità. L'adozione dell'IA non deve essere affrettata solo perché è una tecnologia di tendenza, ma deve partire da un elenco di risultati aziendali desiderati, con il contributo di tutta la leadership aziendale.

È necessaria una strategia IA globale e condivisa da tutta l'azienda, che tenga in considerazione fattori come etica e sostenibilità. È inoltre fondamentale che i leader che dirigono e amministrano l’azienda e quelli dell'IT collaborino sulla strategia IA, sfruttando sia le conoscenze aziendali del team di leadership sia le competenze tecniche del team IT.

Infine, è importante adottare un approccio olistico e sfumato al ciclo di vita dell'IA, che includa un adeguato provisioning di dati, elaborazione, software e rete. Dato il predominio del modello operativo ibrido, le organizzazioni sono ben posizionati per ottimizzare le loro capacità ma potrebbero dover ricorrere a esperti esterni per colmare eventuali lacune di conoscenza.

L’IA è il workload più intensivo in termini di capacità di calcolo, consumo di rete e di dati e per mantenere questi obiettivi, l'intelligenza artificiale deve implementare soluzioni ibride e un'architettura moderna. Tuttavia, le aziende devono bilanciare attentamente la necessità di essere pionieri con il rischio di non comprendere appieno il ciclo di vita dell'IA, per evitare che ingenti investimenti producano un ROI negativo.