L’ultimo studio del Capgemini Research Institute ha indagato il ritmo con cui le aziende hanno adottato e messo a sistema le soluzioni di Intelligenza Artificiale. Il report ha rivelato che molte realtà aziendali sono andate ben oltre i progetti pilota e soprattutto ha registrato un fortissimo aumento nell’adozione dell’IA rispetto ad un report del 2017 che indagava il medesimo argomento.
Life Science e Retail continuano a trainare l’adozione dell’IA, mentre Financial Services e utility sono in ritardo
Per quanto riguarda i primi cinque settori leader nell’adozione dell’IA, le organizzazioni in ambito Life Science e Retail sono molto più avanti rispetto alle altre, a seguire i settori dell’automotive, beni di consumo e le telecomunicazioni. Solo il 38% delle organizzazioni del settore Life Science ha sospeso o ritirato gli investimenti a causa del COVID-19, a differenza delle aziende attive nei settori assicurativo, bancario e utility. Questo riflette l’importanza dell’e-Health nel contesto attuale, caratterizzato da un crescente numero di assistenti virtuali, app di tracciamento e chatbot, dal momento che diverse organizzazioni, a partire dall’Organizzazione Mondiale della Sanità, stanno lanciando strumenti basati sull’IA per raccogliere e fornire informazioni durante la pandemia in corso.
Dati affidabili e di qualità sono essenziali per la scalabilità dell’IA
I leader nell’implementazione su scala dell’IA ritengono che il “miglioramento della qualità dei dati” sia l’approccio migliore, in quanto permette di ottenere maggiori benefici dai sistemi di IA. Una forte governance dei dati assicura che i team di IA abbiano dati di qualità, oltre a migliorare la fiducia dei dirigenti nei dati stessi. La creazione delle necessarie piattaforme tecnologiche, come un’architettura cloud ibrida e la democratizzazione dell’accesso ai dati, sono elementi core per la scalabilità dell’IA.
Assumere responsabili IA è fondamentale per raggiungere gli obiettivi di IA di un’organizzazione
Dalla ricerca si evince che per la maggior parte delle organizzazioni una delle sfide più difficili è rappresentata dal fatto che non esistano talenti di livello intermedio e/o senior in tema di IA su scala. Oltre la metà dei leader in tema di implementazione dell’IA su scala ha nominato un responsabile IA in grado di fornire ai team di sviluppo una vision e stabilire linee guida sulla priorità dei casi d’uso, dell’etica e della sicurezza, il tutto armonizzando l’uso di piattaforme e strumenti per lo sviluppo dell’IA.
Allo stato attuale esiste tuttavia un significativo divario tra la domanda e l’offerta in ambiti importanti come machine learning e data visualization. Ciò rende fondamentali formazione e aggiornamento continuo per colmare questo gap e garantire che le competenze necessarie siano mantenute all’interno dell’azienda.
L’etica nell’interazione con l’IA ha un ruolo critico per soddisfazione e fiducia dei consumatori
Nonostante la forte attenzione di consumatori e le normative sul tema dell’IA etica, il report rileva che molte organizzazioni non stanno affrontando attivamente questioni come la necessità di avere un team competente su temi etici. Dal report emerge che meno di un terzo delle organizzazioni che faticano a implementare l’IA su scala dichiara di avere una conoscenza dettagliata di come e perché i loro sistemi di IA raggiungano un determinato risultato. Questa consapevolezza è importante soprattutto per i dirigenti, che hanno bisogno di avere fiducia nei sistemi di IA dell’organizzazione. Allo stesso tempo, è impossibile guadagnare la fiducia dei consumatori se i dipendenti a loro diretto contatto sono i primi a non averne nei modelli o nei dati utilizzati dalle rispettive organizzazioni.
“Alla luce della recente crisi dovuta al COVID-19 le organizzazioni guardano ai dati e all’IA per migliorare la resilienza delle loro operations, ma c’è una necessità ancora più forte di connessione tra gli obiettivi tattici e strategici di business e la loro implementazione per raggiungere la scalabilità”, ha affermato Marco Perovani, TMT & EUCS Director di Capgemini Business Unit Italy. “La ricerca evidenzia che le organizzazioni di maggior successo combinano gli sforzi per razionalizzare e modernizzare il proprio patrimonio di dati e i processi di data governance, si concentrano sull’introduzione di nuovi strumenti agili provenienti dagli ecosistemi dei partner e su approcci come DataOps e MLOps. (machine learning ops) per sviluppare e implementare soluzioni di IA, costruiscono team con background differenziati e impostano modelli operativi equilibrati”.
COMMENTI