Gli approfondimenti di 10.000 analisti, specialisti IT e dirigenti: tutto sull’intelligenza artificiale. Se non hai familiarità con il tema dell’intelligenza artificiale e vuoi capire come stanno le cose in base all’esperienza di aziende reali, assicurati di leggere questo articolo!
L’intelligenza artificiale ha già dimostrato di poter fare molte cose utili e semplificare il lavoro di un’azienda, soprattutto in settori come l’AI nel marketing. Ma ci sono delle barriere che finora hanno impedito all’IA di conquistare il mondo e alle aziende di introdurla nei processi. Con la nostra Agenzia WGG analizziamo queste barriere e ti diciamo cosa fare.
Il problema principale: l’intelligenza artificiale generativa ha bisogno di una dieta
Ottenere una risposta a qualsiasi richiesta, inventare una legge e analizzare il mercato: tutto questo non è sufficiente perché l’IA funzioni per le aziende.
Dopo il boom dell’intelligenza artificiale, i ricercatori si sono resi conto che non basta investire nelle capacità tecniche dell’IA nella speranza che cambi e ottimizzi il lavoro. I dati verificati sono diventati più importanti. Le aziende vogliono instillare nell’IA il valore del fact-checking: dopo di che, tutto cambierà.
“Le aziende stanno adottando l’IA così rapidamente che l’affidabilità dei dati sta diventando sempre più preziosa. Per infondere questo valore nell’intelligenza artificiale, è necessario infonderlo nei dati che la alimentano. Immagina che l’intelligenza artificiale abbia una dieta: può mangiare fast food, oppure prodotti di provata efficacia. In parole povere, l’IA darà un reale profitto alle aziende solo se alimentata da dati accurati. Le nostre analisi mostrano l’urgente necessità di informazioni affidabili, ora più che mai” –Wendy Batchelder, Chief Data Officer di Salesforce
Ma non si tratta solo di affidabilità dei dati: ci sono altri problemi che frenano le aziende. Ne parliamo di seguito.
Altri 6 motivi per cui l’IA è difficile da implementare
L’infrastruttura IT delle aziende non è pronta per l’IA
I database aziendali e la loro struttura tecnica non sono ancora pronti per l’intelligenza artificiale. Ci sono ancora pochi strumenti all’interno dell’infrastruttura che possono essere facilmente sincronizzati con l’intelligenza artificiale: semplicemente perché l’intelligenza artificiale è una cosa nuova e quando l’infrastruttura è stata creata non aveva il compito di lavorare con l’intelligenza artificiale.
Non esiste un sistema di dati unificato
Se tutte le tue informazioni sono ancora archiviate in decine di tabelle, documenti e applicazioni, c’è motivo di pensare a una piattaforma unificata o a un sistema di archiviazione ben congegnato.
Senza un sistema di dati organizzato, l’AI non produrrà risultati.
Imprecisione dei dati
L’intelligenza artificiale è limitata ai dati aziendali e a quelli open source, quindi potrebbe non fornire un quadro completo o utilizzare informazioni inaffidabili.
I reparti vendite e assistenza sono i meno fiduciosi nell’accuratezza dei dati, mentre i reparti di analisi sono i più fiduciosi.
Problemi etici
In primo luogo, l’IA non prende sempre decisioni basate sul valore della vita umana, anche se a volte questo può essere posto come condizione.
In secondo luogo, l’intelligenza artificiale funziona sulla base di dati provenienti da Internet ed è piena di stereotipi non etici. Ad esempio, quando si cerca “dottore”, è più probabile che compaiano gli uomini, “insegnante” è una donna, “donna” è una casalinga e così via.
È emerso che l’IA è prevenuta perché lavora sulla base di dati provenienti da Internet e contiene stereotipi e pregiudizi. Questo si chiama pregiudizio dell’IA.
Nessun sistema di raccolta e strategia dei dati
il 41% dei leader afferma che la propria strategia sui dati è solo parzialmente o per nulla allineata agli obiettivi. Ciò significa che non esiste un’analisi coerente dei dati degli utenti e del mercato. Senza di ciò, è difficile implementare l’intelligenza artificiale: semplicemente non avrà nulla da analizzare.
Solo il 32% dei dirigenti e degli analisti misura e studia il valore della monetizzazione dei dati.
Minacce alla sicurezza
il 78% degli analisti, dei dirigenti e dei responsabili IT dichiara di avere difficoltà a raggiungere gli obiettivi aziendali a causa di problemi legati ai dati, tra cui la sicurezza degli stessi.
In primo luogo, stanno già emergendo dei precedenti in cui l’IA analizza illegalmente il materiale librario, ad esempio. Anche se gli autori non hanno dato il loro consenso.
In secondo luogo, non c’è chiarezza su cosa accadrà ai dati caricati nell’IA. Non è chiaro se diventeranno parte della conoscenza dell’IA o meno. Inoltre, potrebbero esserci informazioni riservate sia sugli utenti che sull’azienda.
Ne consegue un conflitto: puoi implementare l’intelligenza artificiale e raggiungere gli obiettivi con il suo aiuto, ma questo minaccia la sicurezza dell’azienda e degli utenti.
Come implementare l’intelligenza artificiale e risolvere i problemi di cui sopra: 4 consigli
Suggerimento №1: investi in informazioni di comprovata efficacia sull’intelligenza artificiale per ottenere conclusioni affidabili in uscita
il 79% degli analisti e dei dirigenti prevede di investire nella visualizzazione dei dati e nell’IA, il 75% nella formazione e nello sviluppo dell’intelligenza artificiale utilizzando dati verificati.
Per ricevere informazioni verificate da caricare nell’intelligenza artificiale, investi nell’analisi: in outsourcing o internamente.
Suggerimento №2: Cambia il tuo approccio alla gestione delle informazioni per ridurre la gravità dei dati
Abbiamo già scritto sopra che senza un sistema di dati unificato è difficile implementare l’IA. Pertanto, i manager devono organizzare le informazioni in modo che siano più facili da usare, non solo da conservare.
Ad esempio, l’85% degli analisti e dei responsabili IT gestisce i dati per controllare e convalidare la qualità delle informazioni. Se questo non viene fatto, l’IA inizierà a consumare dati di bassa qualità e a produrre risultati errati.
Si scopre che l’intelligenza artificiale è un incentivo per mettere ordine nel modo in cui un’azienda organizza i database e nel modo in cui li utilizza.
Le aziende più mature (quelle in cui i dati sono gestiti sistematicamente e misurati in ogni fase) hanno maggiori probabilità di vedere i benefici dell’IA nella democratizzazione dell’accesso ai dati, ad esempio.
La gravità dei dati si verifica quando le informazioni all’interno di un’azienda sono sparse in sistemi diversi o in luoghi in cui è difficile esportarle, combinarle e analizzarle.
Per combattere la gravità, dirigenti e analisti gestiscono i dati con approcci diversi e si affidano sempre più spesso a soluzioni ibride o on-premise.
Pertanto, il 75% degli analisti e delle aziende IT ha già avviato la migrazione dei data warehouse e ha iniziato a trasferire i database su nuove piattaforme.
Suggerimento №3: Cerca nuove piattaforme e soluzioni aziendali per l’archiviazione e l’analisi dei dati per implementare l’intelligenza artificiale
il 96% dei dirigenti e degli analisti afferma che l’IA e i database solidi accelerano il processo decisionale.
I criteri principali per le nuove piattaforme e i nuovi database sono l’archiviazione nel cloud, le capacità di intelligenza artificiale, la velocità e la facilità di ospitare nuovi dati, la semplice usabilità per gli utenti e la compatibilità con l’attuale stack tecnico.
Suggerimento №4: Cerca i processi in cui l’IA può essere utile, piuttosto che implementarla solo per implementarla
Con il clamore delle notizie sull’IA, puoi impazzire e collegarla a tutti i processi in fila per non perdere le opportunità della nuova era. E questo può essere un errore: non tutti i processi hanno bisogno dell’IA, non produce risultati ovunque e non semplifica il lavoro ovunque.
Osserva il lavoro dell’azienda con sobrietà e analizza i processi per trovare i punti di applicazione dell’IA prima di implementarla.
La stessa cosa, ma 5 volte più corta
Conclusioni dello studio. Questo è ciò che impedisce un’adeguata implementazione dell’IA nel lavoro di un’azienda:
- L’infrastruttura IT non è pronta per l’IA. I dati sono difficili da analizzare e da caricare nell’IA e, se si fa tutto manualmente, si perde molto tempo.
- Non esiste un unico sistema di dati. Quando diversi reparti lavorano su cinque piattaforme contemporaneamente, nessuno sa dove trovare alcune informazioni: in Google Doc, Miro o telegram.
- I dati sono imprecisi, non verificati o inesistenti. È così che vengono definite le aziende con una bassa maturità dei dati: quando i dati non vengono raccolti e analizzati in ogni fase
- Etica. L’intelligenza artificiale è parziale perché utilizza informazioni provenienti da Internet. Ci sono stereotipi e dati non verificati.
- L’azienda ha degli obiettivi, c’è il desiderio di implementare l’intelligenza artificiale, ma non c’è una strategia organizzata per la raccolta e l’analisi dei dati. Oppure non c’è proprio nulla. Di conseguenza, l’IA non ha nulla da analizzare.
- Sicurezza. In primo luogo, non è ancora chiaro se sia legale utilizzare tutte le informazioni fornite dall’IA. In secondo luogo, non è chiaro cosa accadrà ai dati caricati sull’IA per essere elaborati.
E consigli su come superare i problemi di cui sopra e introdurre l’IA nel lavoro dell’azienda:
- Investire in dati e analisi affidabili, in outsourcing o internamente, in modo che l’IA produca risultati corretti.
- Cambia l’approccio alla gestione dei dati e riducine la gravità. Utilizza soluzioni ibride di archiviazione dei dati per facilitarne l’esportazione, l’archiviazione e l’utilizzo.
- Cerca piattaforme e soluzioni aziendali che siano facili da collegare e sincronizzare con l’IA.
- Cercare i processi in cui l’IA sarà davvero utile e non implementarla così, per paura di rimanere indietro rispetto alla civiltà.
Grazie per aver letto con attenzione il nostro lavoro. Ci auguriamo sinceramente che queste informazioni ti aiutino a utilizzare in modo produttivo il sistema di intelligenza artificiale per la tua azienda.
