Home Phone Email

Come ottenere alte performance grazie all’Intelligenza Artificiale

Come ottenere late performance in azienda grazie all'Intelligenza Artificiale.

È tornato lo State of AI di McKinsey, una delle più grandi ricerche al mondo dell’Intelligenza Artificiale applicata esclusivamente al business.

E noi non potevamo esimerci dal parlarne, visti soprattutto i risultati.

Infatti, stando alla ricerca, sempre più aziende stanno implementando l’Intelligenza Artificiale e i benefici che ne stanno traendo sono sempre più significativi.

Ora, sebbene sia una buona notizia, questa constatazione ha anche dei risvolti che possiamo definire ‘negativi’… 

Perché mentre l’Intelligenza Artificiale si diffonde sempre di più, anche gli strumenti e le best practice per ottenere risultati stanno diventando sempre più sofisticati.

E sempre più aziende stanno rimanendo indietro in questa corsa.

Per questo motivo McKinsey ha voluto analizzare dettagliatamente le aziende che hanno ottenuto più successo con l’Intelligenza Artificiale – anche in termini di guadagni veri e propri.

Ciò che hanno scoperto è l’argomento principale di questo articolo

Qual è lo stato dell’arte dell’Intelligenza Artificiale?

L’AI si sta diffondendo in maniera sempre maggiore rispetto al 2020, tanto che ad oggi il 57% delle aziende intervistate da McKinsey utilizza l’Intelligenza Artificiale con almeno una funzione.

I risultati più recenti suggeriscono che l’adozione dell’Intelligenza Artificiale dall’ultimo anno è aumentata del 12%, soprattutto in aziende con sedi in economie emergenti, come la Cina, il Medio Oriente, il Nord Africa.

Il tasso di implementazione più alto è proprio nelle aziende indiane e nella zona dell’Asia Pacifica.

(E tutto questo è coerente con la nostra esperienza, perché ci arrivano di continuo curriculum di candidati per la maggior parte provenienti da quella parte del mondo).

Come abbiamo visto nelle scorse ricerche, i settori di business dove l’adozione dell’Intelligenza Artificiale è più comune, sono:

– Service Operations,

– Sviluppo di prodotti e servizi,

– Marketing e vendite.

I casi d’uso sono i più diversi, ma le tre funzioni più comuni sono:

– L’ottimizzazione delle service operations,

– Il potenziamento di prodotti grazie all’Intelligenza Artificiale,

– Automazione dei contact center.

C’è da dire che oggi l’aumento più grande, la variazione più significativa sta nella locazione degli investimenti nell’ambito del marketing.

Insomma, tutto ciò che riguarda l’acquisizione dei clienti sembra il settore dove si sta investendo per la maggiore.

Sempre più aziende attribuiscono all’Intelligenza Artificiale un aumento dei guadagni…

il 27% degli intervistati riporta il 5% di guadagni legati all’Intelligenza Artificiale, nonché risparmi significativi, in special modo per lo sviluppo di prodotti e servizi, marketing e vendite, e nella strategia finanziaria.

E le aziende intervistate riferiscono che le prospettive future dell’AI rimangono molto forti.

C’è una grande aspettativa che nel futuro gli investimenti continueranno a crescere nei prossimi 3 anni, similmente con lo stesso trend rispetto al biennio 2020-2021.

Come le aziende ottengono alte performance grazie all’Intelligenza Artificiale

McKinsey ha cercato di comprendere quali sono i fattori che fanno la differenza fra il successo di alcune aziende rispetto ad altre.

Per questo motivo ha analizzato le aziende “high-performers” che hanno affermato di aver ottenuto il 20% di guadagni (al netto di tasse e interessi), rispetto a prima dell’adozione dell’Intelligenza Artificiale.

Visto che l’adozione dell’Intelligenza Artificiale diventa sempre più comune, McKinsey ha intervistato le suddette aziende sulle pratiche più avanzate in merito all’Intelligenza Artificiale.

Rimane preponderante la parte di MLOps, di cui abbiamo parlato in un articolo specifico e l’approccio “a lungo termine” con cui si costruisce e implementa l’Intelligenza Artificiale, tenendo conto dei processi che evolvono con il tempo.

Per le aziende che vedono invece ritorni minori adottando l’Intelligenza Artificiale – i “low-perfomers” – la differenza è molto semplice.

Gli high-performers sono comunque partiti in anticipo e, soprattutto, concentrandosi subito sulle attività core, portandosi adesso ad un livello superiore.

In poche parole, invece di concentrarsi solo sulle attività core, ora stanno espandendo questa tecnologia verso pratiche e attività più periferiche e avanzate, aumentando sempre di più il livello di innovazione.

Insomma, gli high-performers hanno assaggiato l’Intelligenza Artificiale e poi ne vogliono ancora di più.

Gli high-performers hanno aumentato l’efficienza e riescono ad avere una maggiore prevedibilità anche degli investimenti.

Quindi, vista a livello di business, sembra dare concretezza e sostegno alla nostra tesi per cui questo tipo di tecnologia dà sicuramente un passo avanti, dà una crescita e una spinta importante alle aziende che la usano.

Ma non solo…

Infatti, tre quarti degli high-performers ritengono che i costi di produzione dei modelli di Intelligenza Artificiale siano prevedibili e, addirittura, più bassi del previsto.

Ebbene sì…

Gli high-performers hanno visto una decrescita del prezzo necessario per portare l’Intelligenza Artificiale all’interno della propria azienda.

Mentre dall’altra parte c’è una percentuale che ritiene che i costi di un progetto di Intelligenza Artificiale introdotto in azienda sia più alto di ciò che avevano previsto all’inizio.

Come possiamo analizzare questa discrepanza?

Si parte dal fatto che alcuni progetti e modelli di Intelligenza Artificiale partono da:

– Un dataset già pronto,

– Obiettivi molto chiari all’inizio.

Mentre progetti con obiettivi più ambiziosi richiedono più tempo e costi maggiori, perché di fatto non c’è un dataset pronto e preparato, o comunque l’obiettivo richiede del tempo fisiologico.

Allo stesso tempo la ricerca suggerisce anche che gli high-performers potrebbero ottenere ancora più efficienza utilizzando tecnologie in cloud.

Ad oggi, la maggior parte delle aziende tende ad utilizzare un mix di piattaforme tra il cloud e il locale, sempre per la parte di AI.

Gli high-performers usano di più le infrastrutture del cloud rispetto agli altri – parliamo del 64% degli high-performers rispetto al 44% dei low-performers.

Questo perché spesso è difficile portarsi in azienda le macchine che permettono di far girare un modello di Intelligenza Artificiale con delle performance simili ad un livello di sviluppo e di funzionalità logica normale. 

In poche parole, portarsi i server in loco potrebbe essere un problema anche a livello di forza economica.

Le alte performance si ottengono anche con la gestione dei rischi

La gestione dei rischi, a prescindere dalle performance dell’AI in un’azienda, rimane un’area dove molte aziende possono migliorare.

Il lato positivo è che gli intervistati riportano un focus maggiore sulla mancanza di equità e di correttezza, in quanto rischio rilevante che le aziende stanno mitigando.

Le aziende intervistate riportano dei cambiamenti sensibili rispetto alla scorsa ricerca, con opinioni molto diverse rispetto ai rischi della cybersecurity, in particolare nell’economia in via di sviluppo.

La visione sui rischi più grandi è rimasta simile a quella del 2020, anche se il 57% degli intervistati – rispetto al 63% del 2020 – ritiene che la cybersecurity sia un rischio rilevante rispetto all’AI.

Nelle economie emergenti gli intervistati riportano un declino importante sia nella rilevanza che nella mitigazione di diversi di questi rischi, anche se riportano più di frequente che la privacy personale e individuale è un rischio rilevante legato all’AI.

Alcuni esempi di rischi sono la cybersecurity, l’explainability di algoritmi e modelli e la privacy.

Gli intervistati riportano che se le aziende fanno fatica a mitigare tutti questi rischi rilevanti è per mancanza di capacità nell’identificarli e di dare loro un grado di priorità.

C’è da notare che la seconda risposta più comune tra i “low-performers” è che non hanno chiaro il proprio livello di esposizione ai rischi dell’AI.

E dal punto di vista geografico gli intervistati nelle economie emergenti sono più propense rispetto agli altri a riportare che stanno aspettando regolamentazioni più chiare sulla gestione del rischio e che non hanno risorse da dedicare verso la mitigazione del rischio.

Ulteriori risultati della ricerca suggeriscono una soluzione per le aziende che continuano a fare fatica nel gestire i rischi dell’AI… 

Infatti, la ricerca mette in serie delle pratiche di mitigazione del rischio rispetto alla documentazione del modello, la data validation, i controlli sui bias e, nella maggior parte dei casi, gli high-performers sono più propensi a portare avanti queste attività rispetto ad altre organizzazioni.

Anche qua, per noi nulla di nuovo.

In qualsiasi progetto complesso gli high-performers sono quelli che mettono sul piatto i rischi.

C’è da aggiungere che non è normale poi applicare questo livello di gestione nella realtà perché molti la vedono come una sorta di perdita di tempo, invece di un investimento.

Noi all’interno di BlueTensor, la consideriamo come un investimento importante nei progetti per aumentare la probabilità di successo e quindi la qualità del risultato finale.