9 domande per valutare se la tua azienda è pronta per l’Intelligenza Artificiale
L’Artificial Intelligence Readiness Index (AIRI) è un nuovo framework che permette alle aziende di valutare il proprio livello di preparazione all’Intelligenza Artificiale sviluppato da AI Singapore (AISG).
L’AIRI definisce i fattori critici di successo per l’adozione dell’Intelligenza Artificiale sulla base di centinaia di collaborazioni che AI Singapore ha con aziende di diversi settori, dimensioni e livelli di preparazione.
AIRI consente alle aziende di valutare la propria preparazione all’Intelligenza Artificiale e di misurare il divario tra lo stato attuale di preparazione e quello desiderato, consentendo di comprendere quali sono gli approcci adeguati per adottare l’Intelligenza Artificiale e implementare programmi mirati per aumentare la propria preparazione.
E vogliamo parlarne in questo nuovo articolo.
I dipendenti sono sufficientemente alfabetizzati nei confronti dell’Intelligenza Artificiale?
Secondo l’AIRI, l’azienda si ritiene ad un buon livello di alfabetizzazione, se il 50-75% dei dipendenti sono alfabetizzati nei confronti dell’AI.
È un numero molto interessante, vero?
Vuol dire che almeno metà dei dipendenti deve essere alfabetizzata nei confronti dell’Intelligenza Artificiale.
Beh, per noi è un numero decisamente molto grande, se rapportato alla realtà italiana.
Per capirci, nelle industrie con migliaia di dipendenti – dove lavoriamo più spesso – gran parte di essi dipendenti ha profili medio-bassi e lavorano nelle linee di produzione.
Lì il livello di alfabetizzazione è, per forza di cose, basso.
Mentre nella stessa industria paradossalmente tutto il management potrebbe avere un livello di alfabetizzazione molto più alto.
Quindi, con ogni probabilità la percentuale dovrebbe essere più bassa.
Ma la vera questione è un’altra…
Come si alfabetizzano i dipendenti?
Prima di tutto, dovrebbe essere compito degli imprenditori e dei manager fare in modo che i dipendenti siano alfabettizzati nei confronti dell’Intelligenza Artificiale.
Questo perché introdurre un sistema di Intelligenza Artificiale va ad impattare su alcune procedure operative, pertanto è importante che questa nuova tecnologia venga accettata da tutti.
Per farlo, è necessario che l’imprenditore attivi dei momenti formativi interni.
Noi stessi veniamo spesso chiamati per fare delle attività di divulgazione nelle aziende.
Il concetto che cerchiamo di far passare è che l’Intelligenza Artificiale non ruberà il lavoro ai dipendenti, ma li aiuterà a lavorare meglio sostituendo alcuni lavori ripetitivi con una macchina intelligente.
L’azienda è capace di sviluppare, integrare e mantenere dei sistemi di Intelligenza Artificiale?
Secondo l’AIRI, l’azienda è pronta se ha dei dipendenti con un livello intermedio nella creazione di sistemi di Intelligenza Artificiale (es. creare un API per servizi di Intelligenza Artificiale).
Ora, mettiamo subito le mani avanti.
È difficile avere delle figure interne con un livello intermedio nella creazione di sistemi di Intelligenza Artificiale.
Queste richiedono molto tempo per la formazione, e spesso per progetti che non hanno una lunga durata.
Pertanto, dal nostro punto di vista, non è necessario che siano figure interne.
Possono essere anche delle figure esterne, fermo restando che i dipendenti sappiano che cosa serve per portare il sistema in azienda, più che come costruirlo.
Dove si trovano questi talenti e come si formano?
I talenti si formano attraverso un minimo di conoscenza scientifica.
Il percorso classico sta nelle università che danno una base scientifica per apprendere gli algoritmi come funzionano.
Dopodiché ci vuole sempre un po’ di esperienza sul campo con degli specialisti dell’Intelligenza Artificiale.
Anche noi prendiamo persone per fare un periodo di tirocinio o un’attività di lavoro temporanea, in modo da dare la possibilità di lavorare su diverse tecnologie di Intelligenza Artificiale.
Questo è sicuramente un boost nel percorso di crescita professionale della persona.
L’azienda ha delle policy per guidare lo sviluppo e l’applicazione di soluzioni affidabili di Intelligenza Artificiale?
Secondo l’AIRI, un’azienda è pronta se prende delle decisioni di governance dell’Intelligenza Artificiale ad hoc sull’applicazione e lo sviluppo di essa.
Come si gestisce un progetto di Intelligenza Artificiale?
Secondo il nostro modello, c’è necessità di un modello misto “waterfall” e “agile”.
Il waterfall (detto anche “a cascata”) serve per conoscere i macrostep esecutivi e all’interno di essi ci vorrebbe una metodologia Agile.
In questo modo tutto ciò che viene sviluppato sia utile per portare a termine un progetto custom.
L’azienda ha allocato delle risorse per delle iniziative di Intelligenza Artificiale?
Secondo l’AIRI, un’azienda è pronta se ha allocato delle risorse per l’Intelligenza Artificiale, anche senza avere una roadmap per la costruzione del sistema.
Allocare delle risorse, è evidente, è il punto fondamentale.
Senza risorse, non abbiamo la possibilità di fare nulla.
E anche se sembra scontato, molto spesso ci troviamo di fronte a situazioni per cui il management vorrebbe farlo, ma non ha le risorse.
Quindi si fanno delle grandi chiacchierate per poi arrivare a capire che per l’azienda non è una priorità, e se di fatto non ci sono le risorse, vuol dire che non è una priorità.
Quanto budget bisognerebbe allocare?
Ci sono diversi fattori in gioco, ma vediamo quelli più influenti.
Pur considerato che è difficile investire meno di una decina di migliaia di euro, il budget dovrebbe essere proporzionale alla consapevolezza di ciò che si fa e della preparazione dell’azienda.
Introdurre un’Intelligenza Artificiale in azienda significa creare un nuovo dipendente virtuale, non un servizio con un canone mensile per tradurre i testi.
Pertanto, un’azienda con un buon livello di digitalizzazione molto probabilmente è pronta ad implementare un sistema di Intelligenza Artificiale.
Potrebbe già partire con un budget molto più alto di un’azienda che è indietro sulla digitalizzazione e con delle priorità diverse.
Per dirla in soldoni, un’azienda con un basso livello di consapevolezza nei confronti dell’AI dovrebbe partire con una POC da qualche migliaia di euro, fino a progetti più complessi da centinaia di migliaia di euro.
L’azienda ha identificato dei casi d’uso dell’Intelligenza Artificiale?
Secondo l’AIRI, un’azienda è pronta quando ha identificato dei casi d’uso per delle soluzioni di Intelligenza Artificiale.
Ora, avere dei casi d’uso non è semplice.
Molto spesso siamo noi stessi ad aiutare le aziende nelle prime fasi del progetto a comprendere quali possono essere i casi d’uso dell’Intelligenza Artificiale.
Le aziende stesse ci contattano per capire insieme da dove sarebbe meglio cominciare.
Non hanno tutti gli strumenti per conoscere l’Intelligenza Artificiale, né la percezione o la consapevolezza dei costi e dei risultati da ottenere.
Di solito si parte identificando i processi che rappresentano dei costi pesanti per l’azienda e che possono essere migliorati.
Altrettanto spesso si fa riferimento a progetti già realizzati molto simili, per questo talvolta è meglio affidarsi ad una realtà esterna che ha già visto casi analoghi e simili.
Affidarsi ad un consulente è l’unica soluzione che possiamo consigliare per trovare il percorso migliore e definire cos’è meglio per l’azienda.
L’azienda ha dei processi per assicurarsi di avere dei dati di qualità, accurati e completi?
Per rispondere a questa domanda e valutare questo punto all’interno dell’azienda, si va a valutare se c’è una supervisione e una gestione dei dati:
– Che tipo di dati sono?
– Come vengono gestiti?
– Ci sono dati inutili o sbagliati che vanno rimossi?
Ma adesso scendiamo nello specifico: come si definisce un dato di qualità?
Purtroppo dobbiamo generalizzare per rispondere a questa domanda, ma possiamo definire come “di qualità” un dato che è:
1) Corretto,
2) Coerente con l’obiettivo,
3) Leggibile dai membri del team.
L’azienda ha una singola fonte di dati, un formato di dati consistente, dei metadati affidabili?
Salvare dei dati senza la conoscenza delle fonti da cui provengono, non è per forza utile.
Per fare un esempio, prendiamo un sensore posto su una macchina industriale.
Puoi salvare i dati di un sensore, ma se non capisci che tipo di sensore è, dove si trova e se quei dati sono davvero utili, diventa difficile dare un valore ai dati e costruire poi un dataset.
Ora, bisogna comunque comprendere che un team di Intelligenza Artificiale non può essere esperto di qualsiasi dominio.
Pertanto leggere i dati correttamente non è una cosa immediata.
Anzi, quando ci vengono inviati i dati, quei dati hanno senso solo per chi commissiona un sistema di Intelligenza Artificiale.
Per questo motivo si crea un gruppo di lavoro condiviso fra aziende di Intelligenza Artificiale e cliente, proprio perché il cliente deve aiutarci ad interpretare quei dati.
All’interno dell’azienda deve esserci la persona che conosce il significato dei dati.
Il team di Intelligenza Artificiale, salvo riconoscere il nome della colonna, ha bisogno di una persona che faccia da interlocutore e che spieghi il significato dei dati.
L’azienda ha delle infrastrutture di machine learning per sostenere il training dei modelli e l’implementazione? (GPU, CPU, memorie)
Questo è un obiettivo molto alto da raggiungere.
Non sempre le aziende gestiscono in autonomia le risorse, sia software che hardware.
Se le risorse sono interne, è indubbiamente un vantaggio, perché è il segno che l’IT ha già delle competenze di AI.
C’è da dire che queste infrastrutture molto spesso le creiamo direttamente noi con il cliente, anche se non sempre e anche se nel tempo abbiamo visto una maggiore attenzione a questo lato.
Spesso quando integriamo i nostri servizi a dei servizi già presenti anche di Intelligenze Artificiale esterne, ci confrontiamo comunque con un mondo che conosce le basi, ed è più facile portare avanti l’integrazione.
Altrimenti, è quasi la normalità creare un’infrastruttura di rete.
L’azienda ha un’infrastruttura di dati che usa come repository centrale dei dati?
Anche qui, dipende molto da caso a caso.
Ci sono aziende che hanno già una loro struttura “contenitore” dei dati strutturati.
C’è bisogno di competenza per salvare i dati in un certo modo, gestirne la distribuzione all’interno dell’azienda per poi ricavarne valore.
Alle volte invece dobbiamo intervenire noi con le nostre competenze, sia per dare un input che per lavorare con il loro IT per strutturare la gestione di questi dati.
Quando facciamo i primi colloqui con le aziende, la prima cosa che chiediamo è: “avete i dati”?
Se non ci sono i dati, bisogna lavorare con l’azienda per organizzarne la raccolta.
Se i dati ci sono, bisogna comunque lavorarci sopra per sistemarli.
Le aziende, al momento, capito il valore dei dati, hanno sempre una zona in cui “salvano cose” che possono comunque servire per l’Intelligenza Artificiale.
Quando saranno pronte le aziende italiane?
Un’azienda italiana può definirsi pronta quando può raggiungere il livello di readiness anche con un aiuto esterno.
Se rispettasse tutte le caratteristiche dell’AIRI sarebbe decisamente pronta a partire, ma in Italia è molto difficile raggiungere quel livello.
Se fossero tutte a questo punto, avrebbero come minimo iniziato una PoC, altrimenti sarebbe impossibile avere tutte queste competenze.
Finora non ne abbiamo viste di aziende con questo livello di readiness.
Ma fortunatamente con il supporto di un team esterno è possibile portare l’azienda ad un livello di readiness più alto.
Perciò se vuoi portare la tua azienda ad un livello di readiness più alto, ci puoi contattare al numero verde 800-270-021, oppure compilare il modulo che trovi QUI.
Alla prossima!
