7 modi per rendere l’Intelligenza Artificiale accessibile all’intera azienda
È possibile rendere l’Intelligenza Artificiale accessibile all’intera azienda?
Poco tempo fa abbiamo scritto una piccola guida gratuita per spiegare come portare l’Intelligenza Artificiale in azienda in maniera corretta, senza problemi e senza intoppi.
Puoi scaricarla cliccando QUI…
Ma in questo articolo vorremmo fare un ulteriore passo in avanti.
Infatti, le aziende che stanno implementando l’Intelligenza Artificiale si stanno rendendo conto delle conseguenze.
Perché, come ricordiamo, l’Intelligenza Artificiale non è un semplice software che installi ed è morta lì…
In un modo o nell’altro l’Intelligenza Artificiale innova il modo in cui si lavora e, in alcuni casi, il modo in cui si ragiona.
Secondo la nostra esperienza, sono poche le aziende davvero disponibili a ‘subire’ questo tipo di cambiamento.
E in questo articolo vorremmo dare 7 modi per rendere l’Intelligenza Artificiale più accessibile a tutta l’azienda.
1. Trasmettere la responsabilità nei confronti dell’Intelligenza Artificiale oltre il reparto IT.
Anche se implementata in uno specifico settore aziendale, l’Intelligenza Artificiale può impattare trasversalmente anche tutti gli altri.
Per cui, implementare l’Intelligenza Artificiale richiede uno sforzo che va al di là del puro sforzo tecnico.
O per dirla meglio, a livello tecnico il problema del data scientist sta nell’estrarre le informazioni corrette, gestirle e scegliere l’algoritmo più adatto…
Ma nel momento in cui si implementa l’Intelligenza Artificiale, questa avrà impatto anche sul resto dell’operatività aziendale.
Pertanto è necessario coinvolgere sia i reparti tecnici che i reparti di business, talvolta spingendo il management a cambiare, e istruendo il team sull’utilizzo di nuove best practice.
2. Riconoscere che l’Intelligenza Artificiale è codice
Certo, è una definizione un po’ semplicistica, ma fa capire l’importanza del lavoro: l’Intelligenza Artificiale non compare per magia.
Non si tratta di un’arte oscura, né di qualcosa che sostituirà gli esseri umani.
E, come abbiamo visto, le aziende nel tempo hanno capito (e stanno capendo) che non è una magia, ma si tratta di lavorare in modo intelligente sui dati.
Nei progetti l’Intelligenza Artificiale diventa un collaboratore, un collega che dà una mano e velocizza le attività più monotone.
3. Trovare le aree dove l’Intelligenza Artificiale può avere più impatto
I settori dove l’Intelligenza Artificiale può avere più impatto all’interno di un’azienda sono molteplici e, ovviamente, cambiano da azienda ad azienda.
Ci sono aziende dove l’impatto maggiore potrebbe essere sul lato marketing e vendite, e altre in cui l’impatto maggiore potrebbe essere sul lato produttivo.
Perciò, a seconda del tipo di azienda, implementare un’Intelligenza Artificiale in un settore piuttosto che in un altro è pura questione di priorità.
Il tema comune è che, a prescindere dal settore…
Le aziende devono avere prima di tutto una fonte di dati abbondanti, puliti e affidabili, che siano però il prodotto delle operations aziendali.
Per esempio, le aziende hanno tutti i registri operativi relativi alle attività di supporto tecnico, e anche le modalità con cui sono stati risolti i problemi.
Le transazioni aziendali e tutto ciò che riguarda la contabilità tendenzialmente sono già piuttosto puliti, come prevedono le best practice di questo settore.
Nel marketing tendenzialmente si raccolgono tanti dati, ma molto spesso questi dati sono immagazzinati in modo confuso.
Per questo motivo è necessario prima fare uno step di pulizia per selezionare i dati buoni da utilizzare per addestrare i nostri sistemi.
Tutti questi dati sono la benzina dell’Intelligenza Artificiale.
Possiamo suggerire che la maggior parte delle attività che producono dati provengono dal supporto tecnico, dove abbiamo una relazione di tipo impiegato/cliente.
E, non a caso, i progressi maggiori sono arrivati grazie al Natural Language Processing, e quindi al Machine Learning applicato all’estrazione di contenuto informativo da testi scritti o parlati.
Le previsioni dell’Intelligenza Artificiale permettono di estrarre i problemi di un cliente e le soluzioni attraverso dei semplici agenti virtuali.
Il machine learning, poi, permette di risolvere i problemi in maniera accurata e semplice tramite piattaforme come, ad esempio, Microsoft Teams o simili.
4. Investigare e spingere verso le tecnologie di Intelligenza Artificiale con maggior impatto aziendale
Le tecnologie per l’ottimizzazione dei prezzi, la Manutenzione Predittiva e l’Intelligenza Artificiale conversazionale danno il maggior impatto perché i dati richiesti per il training sono di grande quantità.
La loro implementazione, oltretutto, non richiede particolari cambiamenti all’interno delle business operations, perché corrisponde solo ad un’integrazione dell’operatività, senza creare effetti collaterali.
Questi modelli sono molto diffusi e conosciuti, e ci sono già delle aziende che vendono questo tipo di soluzioni, e quindi il costo della responsabilità è minore rispetto al guadagno effettivo che l’azienda poi trae.
5. Assicurarsi che ci sia correttezza nell’Intelligenza Artificiale attraverso una grande trasparenza
Per far sì che l’Intelligenza Artificiale venga accettata dal resto dell’azienda, i risultati devono essere corretti e liberi da bias.
Non a caso abbiamo fatto ben due puntate sui bias dell’Intelligenza Artificiale…
La trasparenza e la correttezza sono essenziali per il successo di un progetto di Intelligenza Artificiale, perché generano fiducia informando sia i dipendenti che i clienti sul funzionamento e sulla gestione dell’Intelligenza Artificiale.
C’è da dire che ci sono molti esempi di Intelligenza Artificiale che, ahi noi, non funzionano correttamente e l’ultima cosa che un’azienda vuole è non essere capace di spiegare perché ha commesso un errore.
Infatti, molte industrie vogliono implementare l’Intelligenza Artificiale nel più breve tempo possibile e farla funzionare e ottenere un ROI positivo con i pochi dati che spesso hanno…
Molto spesso per le industrie ‘alle prime armi’ la correttezza non sempre è una priorità, sebbene sia da tutti narrata come una cosa importante.
Ebbene sì, anche se tutti parlano di dare priorità a correttezza ed etica dell’Intelligenza Artificiale, non tutti al lato pratico poi la mettono in pratica.
A noi questa cosa da particolarmente fastidio perché percepiamo da alcune richieste che c’è chi cerca delle scorciatoie che, a breve termine, sono una concorrenza quasi sleale.
Ma noi siamo certi che il tempo è galantuomo, quindi sul medio e lungo periodo il conto torna indietro.
6. Incoraggiare la consapevolezza e l’educazione tra i manager IT e lo staff per un’Intelligenza Artificiale corretta
Quello che abbiamo notato noi nei vari progetti che affrontiamo, è che il manager e lo staff dovrebbero essere più educati e consapevoli per ridurre l’impatto dei bias.
Di fatto i dati raccolti si portano dietro delle scelte tecniche e di mercato influenzate da ragionamenti umani.
Quando poi si costruisce il dataset, è probabile trasmettere all’Intelligenza Artificiale i bias che partono dai manager e dallo staff che hanno lavorato e creato quei dati.
La trasmissione delle competenze è un lavoro fondamentale perché il modello deve rispecchiare l’obiettivo che vuole raggiungere il cliente, ma allo stesso tempo questi bias nascosti potrebbero rovinare anche la percezione e i risultati del modello.
I bias, essendo delle regole nascoste all’interno dei dati, non fanno prendere delle decisioni giuste e impediscono all’Intelligenza Artificiale di dare quel contributo che ci si aspetterebbe.
Fortunatamente, con il tempo abbiamo visto cambiare la consapevolezza che le aziende hanno nei confronti dell’Intelligenza Artificiale.
Questo porta poi a dei passaggi ulteriori perché c’è la volontà di conoscere sempre di più e migliorare in fase di partenza come si interagisce con l’Intelligenza Artificiale.
7. Incoraggiare la consapevolezza e l’educazione al resto dell’azienda per un’Intelligenza Artificiale corretta
L’educazione per i manager dell’IT e lo staff del management è un buon inizio, spesso però non è sufficiente.
L’Intelligenza Artificiale potrebbe essere un problema della proprietà dell’azienda, e i manager dell’IT possono mostrare la via per assicurarsi che l’Intelligenza Artificiale funzioni.
Ridurre i bias dovrebbe essere l’obiettivo di tutti, così come la data security e anche l’aspetto dell’etica aziendale in senso generale.
Allo stesso modo i dipendenti spesso hanno bisogno di alcuni incentivi per essere motivati a mostrare un comportamento professionale nuovo prima che diventi una seconda natura, e non sono per forza incentivi in denaro.
Per esempio, alcune aziende usano la gamification per portare consapevolezza e interesse nella mitigazione dei bias dell’Intelligenza Artificiale, proprio perché c’è sempre una resistenza al cambiamento.
La gamification serve ad aumentare la consapevolezza nei confronti dei bias e a spingere dei comportamenti positivi che aiutano ad identificarli e persino a mettere insieme delle soluzioni.
Dopodiché una revisione regolare dei risultati dell’Intelligenza Artificiale è un must per avere successo.
Per questo c’è bisogno dell’aspetto umano.
Infatti, questa molto spesso è una delle lezioni più difficili da imparare per le aziende.
È raccomandabile fare delle revisioni attive ad intervalli regolari di tempo sui risultati andando ad analizzare i risultati dell’Intelligenza Artificiale presi a campione.
I risultati poi vengono darti nuovamente in pasto all’Intelligenza Artificiale per il successivo giro di training, in modo che il modello continui a migliorare con il proseguire del tempo e quindi avvenga il famoso continuous learning, ovvero un modello che migliora continuamente.
