Mentre le aziende si affrettano a implementare l’IA, molte scoprono che il successo del progetto dipende direttamente dalla qualità dei dati. Questa dipendenza fa sì che molte iniziative ambiziose si arenino, non andando mai oltre la fase sperimentale di proof-of-concept.
Qual è quindi il segreto per trasformare questi esperimenti in veri e propri generatori di reddito? AI News ha incontrato Martin Frederik, responsabile regionale per Paesi Bassi, Belgio e Lussemburgo del gigante del cloud dei dati Snowflake, per scoprirlo.
“Non esiste una strategia di AI senza una strategia di dati”, afferma Frederik. “Le app, gli agenti e i modelli di IA sono efficaci quanto i dati su cui sono costruiti e, senza un’infrastruttura di dati unificata e ben gestita, anche i modelli più avanzati possono fallire”
Migliorare la qualità dei dati è fondamentale per il successo dei progetti di IA
È una storia familiare per molte organizzazioni: un promettente proof-of-concept impressiona il team ma non si traduce mai in uno strumento che fa guadagnare l’azienda. Secondo Frederik, questo accade spesso perché i leader considerano la tecnologia come un obiettivo finale.
“L’intelligenza artificiale non è la meta, ma il veicolo per raggiungere gli obiettivi aziendali”, consiglia Frederik.
Quando i progetti si bloccano, di solito i colpevoli sono alcuni: il progetto non è veramente allineato con le esigenze dell’azienda, i team non si parlano tra loro o i dati non sono chiari. È facile scoraggiarsi di fronte alle statistiche che indicano che l’80% dei progetti di IA non raggiunge la produzione, ma Frederik offre una prospettiva diversa. Non si tratta necessariamente di un fallimento, suggerisce, ma di “parte del processo di maturazione”.
Per chi riesce a creare le basi giuste, i vantaggi sono molto concreti. Un recente studio di Snowflake ha rilevato che il 92% delle aziende sta già vedendo un ritorno sui propri investimenti nell’IA. Infatti, per ogni sterlina spesa, ne ricevono 1,41 in termini di risparmi sui costi e nuove entrate. La chiave, ripete Frederik, è avere una “piattaforma sicura, governata e centralizzata” per i tuoi dati fin dall’inizio.
Non si tratta solo di tecnologia, ma anche di persone
Anche con la migliore tecnologia, una strategia di IA può fallire se la cultura aziendale non è pronta. Una delle sfide più grandi è portare i dati nelle mani di tutti coloro che ne hanno bisogno, non solo di pochi scienziati dei dati. Per far funzionare l’IA su scala, devi costruire solide fondamenta nelle tue “persone, processi e tecnologie”
Ciò significa abbattere i muri tra i reparti e rendere accessibili a tutti dati di qualità e strumenti di IA.
“Con la giusta governance, l’IA diventa una risorsa condivisa piuttosto che uno strumento isolato”, spiega Frederik. Quando tutti lavorano da un’unica fonte di verità, i team possono smettere di discutere su quali numeri siano corretti e iniziare a prendere insieme decisioni più rapide e intelligenti.
Il prossimo salto: L’intelligenza artificiale che ragiona da sola
La vera svolta a cui stiamo assistendo è l’emergere di agenti di intelligenza artificiale in grado di comprendere e ragionare su tutti i tipi di dati contemporaneamente, indipendentemente dalla qualità della struttura; dalle righe e colonne ordinate di un foglio di calcolo, alle informazioni non strutturate contenute in documenti, video ed e-mail. Considerando che questi dati non strutturati costituiscono l’80-90% dei dati di una tipica azienda, si tratta di un enorme passo avanti.
I nuovi strumenti consentono al personale, indipendentemente dal livello di competenza tecnica, di porre domande complesse in inglese semplice e di ottenere risposte direttamente dai dati.
Frederik spiega che si tratta di un passo avanti verso quella che chiama “autonomia orientata agli obiettivi”. Finora l’intelligenza artificiale era un assistente utile che dovevi dirigere costantemente. “Se fai una domanda, ottieni una risposta; se chiedi un codice, ottieni uno snippet”, osserva.
La prossima generazione di IA è diversa. Potrai dare a un agente un obiettivo complesso e lui capirà da solo i passaggi necessari, dalla scrittura del codice all’acquisizione di informazioni da altre app per fornire una risposta completa. Questo automatizzerà le parti più lunghe del lavoro di un data scientist, come la “noiosa pulizia dei dati” e la “ripetitiva messa a punto dei modelli”
Il risultato? Libera le menti più brillanti per concentrarsi su ciò che conta davvero. Questo eleva il tuo personale “da professionista a stratega” e gli permette di creare valore reale per l’azienda. E questo non può che essere un bene.
Snowflake è uno degli sponsor principali dell’AI & Big Data Expo Europedi quest’anno e avrà una serie di relatori che condivideranno le loro profonde intuizioni durante l’evento. Passa allo stand di Snowflake, al numero 50, per saperne di più su come rendere l’AI aziendale facile, efficiente e affidabile.
