Come implementare l'IA nella tua organizzazione: la guida definitiva

Dal rispondere alle chiamate dei tuoi clienti al capire perché le tue apparecchiature consumano molta più energia del solito, l'IA è in grado di fare molte cose.

Ma ci sono altrettante cose in cui gli algoritmi falliscono, spingendo i lavoratori umani a intervenire e mettere a punto le loro prestazioni.

Come implementare l'IA e iniziare a trarne vantaggio, in modo coerente, su larga scala e abbastanza velocemente da ottenere il supporto dei dirigenti per progetti futuri?

Il problema è che la maggior parte delle aziende non ha ancora l'esperienza, il personale e lo stack tecnologico giusti per sbloccare il pieno potenziale dell'intelligenza artificiale senza coinvolgere consulenti di intelligenza artificiale esperti.

Secondo il sondaggio di Deloitte del 2020, le aziende digitalmente mature vedono un ROI del 4,3% per i loro progetti di intelligenza artificiale in soli 1,2 anni dal lancio. Nel frattempo, il ROI dei ritardatari dell'IA supera raramente lo 0,2%, con un periodo di ammortamento medio di 1,6 anni.

Deloitte ha anche scoperto che le aziende che vedono un ritorno tangibile e rapido sugli investimenti nell'intelligenza artificiale hanno gettato le basi giuste per le iniziative di intelligenza artificiale sin dal primo giorno.

PwC fa eco al sentimento, affermando che i leader dell'IA adottano un approccio olistico allo sviluppo e all'implementazione dell'IA e affrontano tre risultati aziendali, ovvero trasformazione aziendale, modernizzazione dei sistemi e processo decisionale migliorato, tutto in una volta.

Quindi, come utilizzare l'IA nella tua organizzazione e unirti alla coorte di leader dell'intelligenza artificiale?

Per rispondere a questa domanda, abbiamo condotto ricerche approfondite, parlato con gli esperti di ITRex ed esaminato i progetti del nostro portafoglio. Ecco cosa abbiamo imparato.

Come implementare l'IA nel business: una guida in 5 passaggi per le aziende in trasformazione intelligente

Disclaimer: l'innovazione fine a se stessa non gioverà alla tua azienda.

A volte tecnologie più semplici come l'automazione dei processi robotici (RPA) possono gestire attività alla pari con gli algoritmi di intelligenza artificiale e non è necessario complicare eccessivamente le cose.

In altri casi (si pensi alle soluzioni di imaging medico basate sull'intelligenza artificiale), potrebbero non esserci dati sufficienti per i modelli di apprendimento automatico per identificare i tumori maligni nelle scansioni TC con grande precisione.

E occasionalmente, sono necessarie reti neurali multistrato e mesi di addestramento automatico degli algoritmi per ridurre del 20% i costi di raffreddamento del data center.

L'intelligenza artificiale non è una sorta di soluzione a proiettile d'argento che aumenterà magicamente la produttività dei tuoi dipendenti e migliorerà i tuoi profitti. Tuttavia, ha un solido potenziale per trasformare la tua attività.

Senza ulteriori indugi, ecco la tua guida all'implementazione dell'IA

Passaggio 1: familiarizza con le capacità e i limiti dell'IA

Le aziende possono integrare l'IA in varie attività, dall'estrazione di dati social per un migliore servizio clienti al rilevamento delle inefficienze nelle loro catene di approvvigionamento.

Su scala più ampia, l'uso dell'intelligenza artificiale negli affari ricade su:

• Programmazione
• Previsione (così come analisi "se-else")
• Miglioramento e automazione dei processi
• Gestione e allocazione delle risorse
• Segnalazione
• Gestione della sicurezza informatica

Questo elenco non è esaustivo poiché l'intelligenza artificiale continua ad evolversi, alimentata da notevoli progressi nella progettazione dell'hardware e nel cloud computing.

Gli algoritmi che facilitano o assumono il controllo di attività autonome e interi processi differiscono per il potere di acquisizione, elaborazione e interpretazione dei dati, ed è ciò che devi tenere a mente quando lavori sulla tua strategia di adozione dell'IA.

Prendiamo ad esempio l'apprendimento automatico supervisionato. Gli ingegneri dell'IA potrebbero addestrare algoritmi per rilevare i gatti nei post di Instagram alimentandoli con immagini annotate dei nostri amici felini. Di fronte a oggetti sconosciuti, questi algoritmi non sono all'altezza.

Ma se togliamo i dati etichettati dal processo di addestramento del modello ML, otterremo algoritmi di apprendimento automatico non supervisionati che elaborano grandi quantità di informazioni - ancora una volta, usiamo cat pick come esempio - fino a intuizioni significative. Tuttavia, i modelli ML non supervisionati richiedono ancora una formazione iniziale. Ad esempio, potremmo dire agli algoritmi che un particolare database contiene solo immagini di cani e gatti e lasciare che sia l'IA a fare i conti.

C'è anche l'apprendimento per rinforzo, una tecnica che consiste nel lasciare liberi gli algoritmi in modo che possano proporre soluzioni ai problemi aziendali e imparare dai propri errori. Questo tipo di intelligenza artificiale può aiutare a riassumere testi lunghi o prevedere le tendenze del mercato azionario.

Infine, ci sono reti neurali profonde che fanno previsioni intelligenti analizzando dati etichettati e non etichettati rispetto a vari parametri. Il deep learning ha trovato la sua strada nelle moderne soluzioni di elaborazione del linguaggio naturale (NLP) e computer vision (CV), come assistenti vocali e software con capacità di riconoscimento facciale.

Non importa quanto siano accurate le previsioni delle soluzioni di intelligenza artificiale, in alcuni casi, ci devono essere specialisti umani che supervisionano il processo di implementazione dell'IA e stimolano gli algoritmi nella giusta direzione.

Ad esempio, l'IA può far risparmiare molto tempo ai pneumologi identificando i pazienti con polmonite correlata al COVID, ma sono i medici umani che finiscono per rivedere le scansioni per confermare o escludere la diagnosi.

Esistono diverse aree in cui l'implementazione dell'IA ha poco senso senza un monitoraggio efficiente:

• Generazione di contenuti creativi, come articoli di opinione e testi ottimizzati per la conversione
• Codifica di sistemi software complessi (in una nota a margine, strumenti come GitHub Copilot e Tabnine possono effettivamente prevedere e suggerire righe di codice all'interno del tuo editor, ma non è consigliabile utilizzarle a meno che non siano ingegneri del software senior a utilizzarle)
• Autonomia di giudizi e decisioni etiche
• Trovare soluzioni innovative e pronte all'uso per problemi del mondo reale

Se il tuo team IT interno ha difficoltà a navigare da solo nel panorama dinamico dell'intelligenza artificiale, potresti avvalerti dell'aiuto di un'azienda esterna che offre servizi di consulenza tecnologica.

Passaggio 2: definisci i tuoi obiettivi per l'implementazione dell'IA

Per iniziare a utilizzare l'IA negli affari, individua i problemi che stai cercando di risolvere con l'intelligenza artificiale, legando le tue iniziative a risultati tangibili.

Per questo, è necessario condurre riunioni con le unità organizzative che potrebbero trarre vantaggio dall'implementazione dell'IA. La C-Suite della tua azienda dovrebbe essere parte e forza trainante di queste discussioni.

Inoltre, controlla i tuoi processi e dati, nonché i fattori esterni e interni che influenzano la tua organizzazione. Ci sono molte tecniche e strutture per supportare il tuo processo decisionale. Questi includono l'analisi micro e macro-ambientale TEMPLES, il framework VRIO per valutare le tue risorse critiche e SWOT per riassumere i punti di forza e di debolezza della tua azienda. Un altro ottimo strumento per valutare i fattori trainanti e gli ostacoli all'adozione dell'IA è l'analisi del campo di forza di Kurt Lewin. Questo elenco non è esaustivo; tuttavia, potrebbe essere un punto di partenza per il tuo percorso di implementazione dell'IA.

Un modo per valutare i pro ei contro dell'implementazione dell'IA nella tua organizzazione è eseguire l'analisi del campo di forza. Quando lo fai, assegna punteggi a ogni fattore che contribuisce. Se il tuo punteggio combinato è positivo, i vantaggi dell'adozione dell'IA superano le potenziali sfide.

Gli esperti ritengono che dovresti dare la priorità ai casi d'uso dell'IA in base alla visibilità a breve termine e al valore finanziario che potrebbero apportare alla tua azienda. Ecco perché hai bisogno di obiettivi specifici e di modi per misurarli.

Tornando alla questione del rimborso degli investimenti nell'intelligenza artificiale, è fondamentale distinguere tra ROI hard e soft.

Ecco il ROI difficile che la tua azienda potrebbe ottenere implementando l'intelligenza artificiale:

• Il risparmio di tempo è guidato dall'automazione di attività laboriose
• Aumenti di produttività derivanti dal processo decisionale assistito dall'IA
• Riduzione dei costi di manodopera e operativi grazie alla maggiore automazione e produttività dei dipendenti
• I ricavi crescono grazie alla crescita della base clienti e al maggior valore dei servizi forniti

L'adozione dell'intelligenza artificiale soft ROI potrebbe fornire intervalli:

• Esperienza cliente personalizzata, che influisce positivamente sulla soddisfazione e fidelizzazione del cliente
• Ritenzione delle competenze, che ruota attorno alla ricerca e alla convalida costanti di nuovi concetti di implementazione dell'IA e contribuisce allo sviluppo delle competenze interne di intelligenza artificiale
• Agilità organizzativa e digitale, che consente ai dipendenti di rinnovare i sistemi tecnologici e interi flussi di lavoro in risposta a nuove sfide e opportunità

Tutti gli obiettivi per l'implementazione del tuo progetto pilota di IA dovrebbero essere specifici, misurabili, realizzabili, pertinenti e con scadenze temporali (SMART). Ad esempio, la tua azienda potrebbe voler ridurre il tempo di elaborazione dei sinistri assicurativi da 20 secondi a tre secondi ottenendo una riduzione del 30% dei costi di amministrazione dei sinistri entro il primo trimestre del 2023.

Per fissare obiettivi realistici, puoi sfruttare diverse tecniche, tra cui ricerche di mercato, benchmarking con i concorrenti e consultazioni con esperti esterni di data science e machine learning.

Passaggio 3: valuta la disponibilità dell'IA

Il termine di preparazione per l'intelligenza artificiale si riferisce alla capacità di un'organizzazione di implementare l'IA e sfruttare la tecnologia per i risultati aziendali (vedere il passaggio 2).

Dopo aver identificato gli aspetti della tua attività che potrebbero trarre vantaggio dall'IA, è il momento di valutare gli strumenti necessari per eseguire il tuo piano di implementazione dell'IA.

Secondo Vitali Likhadzed, CEO e co-fondatore di ITRex, la tua strategia di implementazione dell'IA si baserà su cinque elementi chiave:

Talento di sviluppo dell'IA. Avete specialisti IT interni ed esperti in materia (PMI) che sanno come implementare l'IA, sia dal punto di vista tecnologico che aziendale, entro un lasso di tempo specificato nel passaggio precedente? In caso negativo, disponi di un budget per esternalizzare lo sviluppo dell'IA a una terza parte o acquistare e distribuire una soluzione SaaS? Con quest'ultima opzione, tuttavia, dovrai comunque assumere sviluppatori di intelligenza artificiale per configurare e personalizzare il software.

Costi di sviluppo, approvvigionamento e manutenzione del software. A seconda dei tuoi obiettivi aziendali, potresti optare per uno strumento di intelligenza artificiale basato su SaaS o intraprendere la strada dell'ingegneria del software personalizzata. Entrambi gli approcci presentano vantaggi e svantaggi, come il compromesso tra cicli di implementazione dell'IA più lunghi e opzioni di personalizzazione limitate. Il costo totale di proprietà (TCO) per i sistemi di intelligenza artificiale, su misura o basati su SaaS, includerà anche i costi del fornitore e di manutenzione, nonché il prezzo di configurazione e gestione di un'infrastruttura cloud (ne parleremo più avanti). Il costo delle piattaforme di analisi dei dati basate su SaaS, ad esempio, potrebbe variare tra $ 10.000 e $ 25.000 all'anno, con costi di licenza che rappresentano una piccola frazione della stima finale.

Dati. Gli algoritmi di intelligenza artificiale sono validi solo quanto i dati che fornisci loro. Immagini, video, file audio, documenti PDF, letture dei sensori e altri dati difficili da interpretare e modificare (ad es. dati non strutturati) comprendono fino al 90% di tutte le informazioni archiviate nell'infrastruttura IT dell'azienda. Individuarlo, aggregarlo e prepararlo per l'addestramento degli algoritmi è un passaggio essenziale verso la creazione di soluzioni di intelligenza artificiale accurate e ad alte prestazioni.

Risorse informatiche e di archiviazione. Microsoft Azure, Amazon Web Services, Google Cloud e altri importanti fornitori di cloud computing forniscono le risorse per addestrare, distribuire ed eseguire modelli di machine learning nel cloud. I tuoi dati vivranno anche nel cloud, in un data warehouse ben organizzato, in data lake o in soluzioni di storage di dati ibride note come data lakehouse. Attingere ai servizi di cloud computing è quindi fondamentale per l'implementazione dell'IA. E dovresti configurare correttamente la tua infrastruttura cloud, altrimenti il ​​costo dell'implementazione dell'IA potrebbe superare le tue potenziali entrate.

La formazione dei dipendenti. Anche se collabori con sviluppatori di intelligenza artificiale esperti, dovrai comunque istruire i dipendenti sulla nuova tecnologia in modo che possano svolgere il proprio lavoro in modo efficace, sia ora che in futuro, quando ti avvicinerai all'adozione dell'IA a livello aziendale.

Secondo la classificazione di Intel, le aziende con tutti e cinque gli elementi costitutivi dell'IA hanno raggiunto la prontezza di base e operativa per l'intelligenza artificiale. Queste aziende possono portare avanti il ​​piano di implementazione dell'IA e hanno maggiori probabilità di successo se dispongono di solide strategie di governance dei dati e sicurezza informatica e seguono le migliori pratiche di distribuzione DevOps e Agile.

Se la tua organizzazione non soddisfa questi criteri, potresti collaborare con una società di servizi di trasformazione digitale per aggiornare la tua infrastruttura IT e considerare le opzioni di implementazione dell'IA.

Passaggio 4: inizia a integrare l'IA in processi selezionati e pianificando la scalabilità

In ITRex, viviamo secondo la regola "inizia in piccolo, distribuisci velocemente e impara dai tuoi errori". E suggeriamo che i nostri clienti seguano lo stesso mantra, specialmente quando implementano l'intelligenza artificiale negli affari.

Gartner riferisce che solo il 53% dei progetti di intelligenza artificiale passa dai prototipi alla produzione. Uno dei motivi potrebbe essere l'incapacità delle aziende di replicare i risultati ottenuti con i loro POC in ambienti di test sterili nella vita reale, con algoritmi di intelligenza artificiale che consumano dati da più fonti e migliorano processi diversi.

Un approccio pragmatico all'adozione dell'IA consiste nell'avere un quadro più ampio nella parte posteriore della mente invece di concentrarsi su prove di concetti isolati (POC) per i casi d'uso selezionati, anche se quest'ultimo potrebbe sembrare un frutto di bassa portata rispetto agli ambiziosi iniziative al chiaro di luna.

Creando un progetto per la tua strategia di adozione dell'IA a livello aziendale all'inizio, eviterai anche il destino del 75% dei pionieri dell'IA che potrebbero cessare l'attività entro il 2025, non sapendo come implementare l'IA su larga scala.

Inoltre, una tempistica ragionevole per un POC di intelligenza artificiale non dovrebbe superare i tre mesi. Se non si ottengono i risultati attesi all'interno di questo frame, potrebbe avere senso interromperlo e passare ad altri scenari di utilizzo.

Passaggio 5: raggiungi l'eccellenza dell'IA

Dopo aver avviato il progetto pilota, monitorato le prestazioni dell'algoritmo e raccolto il feedback iniziale, è possibile sfruttare le proprie conoscenze per integrare l'IA, strato dopo strato, nei processi e nell'infrastruttura IT della propria azienda.

Per questo, è necessario impostare:

• Un solido framework di governance dei dati che garantisce una gestione dei dati sicura ed efficiente in tutta l'azienda
• Un ecosistema di dati integrato per la raccolta, l'archiviazione e l'organizzazione delle informazioni per l'addestramento degli algoritmi
• Un centro di eccellenza dell'IA in cui il tuo team interno lavorerà fianco a fianco con esperti di terze parti, acquisirà nuove competenze, migliorerà continuamente le prestazioni dell'IA e testerà nuovi concetti
• Una base che facilita il processo decisionale Agile e la riprogettazione continua dei processi aziendali: poiché l'IA migliorerà o automatizzerà più processi all'interno della tua organizzazione, dovrai convalidare che gli esseri umani e le macchine aumentino e si completino a vicenda il lavoro

L'approccio incrementale all'implementazione dell'IA potrebbe aiutarti a raggiungere il ROI più velocemente, ottenere il buy-in della C-Suite e incoraggiare altri dipartimenti a provare la nuova tecnologia.

Comprendere l'intelligenza artificiale è il primo passo per sfruttare questa tecnologia per la crescita e la prosperità della tua azienda.

Per aiutarti a iniziare, abbiamo scritto una guida aziendale all'intelligenza artificiale (scarica qui): un eBook che copre tutte le domande che potresti avere sulla tecnologia, dai suoi tipi e applicazioni ai suggerimenti pratici per l'adozione dell'IA a livello aziendale.

Originariamente pubblicato su https://itrexgroup.com il 1 settembre 2022.