娇色导航

Molti dirigenti aziendali e IT di alto livello ritengono che i dati della loro azienda siano in ottimo stato, in grado di alimentare processi decisionali e fornire soluzioni basate sull鈥橝I.

Tuttavia, secondo un condotto dalla societ脿 di consulenza IT Softserve, pi霉 un responsabile IT 猫 vicino ai dati, meno fiducia ha nella loro qualit脿. Il sondaggio ha rilevato che quasi la met脿 dei dirigenti di alto livello delle grandi imprese, compresi i responsabili IT di alto livello, ritiene che i dati della propria organizzazione siano completamente maturi, mentre solo il 37% dei responsabili dei dati e dell鈥檌ntelligenza artificiale a livello dirigenziale 猫 dello stesso avviso.

Questo divario tra i dirigenti C-level e i leader IT a livello di vice president e direttori potrebbe portare a problemi importanti quando si tratter脿 di formare modelli di intelligenza artificiale o di lanciare altre iniziative basate sui dati, avvertono gli esperti.

Inoltre, il 68% dei vice presidente responsabili dell鈥橝I o della gestione dei dati ritiene gi脿 oggi che le proprie aziende prendano decisioni basate su dati errati sempre o quasi sempre, contro il 47% dei leader IT di livello C.

Non sorprende vedere queste differenze quando i dirigenti tendono a ricevere istantanee di problemi IT, compresa la qualit脿 dei dati sotto forma di presentazioni PowerPoint, afferma Timothy Bates, professore presso il College of Innovation and Technology dell鈥橴niversit脿 del Michigan.

鈥淚 dirigenti vedono dashboard puliti, aggregati e rifiniti鈥�, prosegue Bates. 鈥淚 direttori vedono il backend: ragionamenti interrotti, definizioni incoerenti, avvisi privi di contesto鈥�.

Bates, ex CTO di Lenovo e General Motors, ha riscontrato prospettive molto diverse sui problemi IT del gigante automobilistico, con i responsabili IT di livello direzionale che spesso segnalavano problemi che i dirigenti di livello C non riuscivano a vedere.

鈥淚 direttori non erano pessimisti, ma vedevano le lacune che i dashboard non mostrano鈥�, spiega. 鈥淨ueste tipologie di manager sono spesso pi霉 accurate nelle loro valutazioni di affidabilit脿, perch茅 lavorano all鈥檌nterno dei sistemi e non si limitano a esaminare i riepiloghi鈥�.

Strategie dei dati in equilibrio

Oltre al divario nella visibilit脿 dei dati tra i vari livelli di gestione IT, i problemi di qualit脿 derivano spesso da un鈥檌nfrastruttura IT frammentata, con molte aziende che utilizzano prodotti di pi霉 fornitori IT per ottenere le funzionalit脿 desiderate, osserva Anant Agarwal, cofondatore e CTO di Aidora, sviluppatore di software per l鈥橦R basato sull鈥檌ntelligenza artificiale.

Per realizzare uno strumento a uso interno, un鈥檃zienda pu貌 utilizzare i servizi cloud di un fornitore, le API di database di un secondo vendor, un servizio di caching di un terzo, uno strumento di intelligenza artificiale di un quarto soggetto e un servizio di accesso di una quinta quinta risorsa, sottolinea.

聽鈥淚n sostanza, diversi software di piccole dimensioni di propriet脿 di fornitori diversi vengono combinati per creare il prodotto鈥�, aggiunge. 鈥淭utti questi sistemi generano i propri dati ed 猫 necessario uno sforzo consapevole per farli confluire tutti in un data lake centralizzato con annotazioni appropriate, in modo da poter determinare le autorizzazioni鈥�.

Dopodich茅, una volta completato il servizio interno, i team IT passano alla fase successiva, tiene a precisare Agarwal.

鈥淣on appena la funzionalit脿 猫 stata sviluppata, i team contrassegnano il progetto come completato e inviano e-mail di conferma, senza che vi sia alcun incentivo che possa garantire che tutti i dati fluiscano correttamente per consentirne un utilizzo futuro鈥�, aggiunge. 鈥業 team tendono a dare priorit脿 ai risultati a breve termine rispetto a una prospettiva proiettata nel lungo periodo.

Tale enfasi pu貌 erodere nel tempo le fondamenta dei dati di un鈥檃zienda. La mancanza di finanziamenti adeguati per le strategie di gestione di queste attivit脿 e l鈥檈nfasi su altri iniziative digitali piuttosto che su quelle che riguardano i flussi informativi sono soltanto alcune delle altre questioni che ostacolano i progetti basati sui dati [in inglese] nella maggior parte delle imprese.

La corsa all鈥橝I

I problemi relativi alla qualit脿 dei dati si sono aggravati negli ultimi due anni, poich茅 molte aziende si sono affrettate ad adottare strumenti di intelligenza artificiale [in inglese], fa notare Rodion Myronov, vice president aggiunto di Softserve per i big data e l鈥檃nalisi.

鈥淨uando il consiglio di amministrazione chiede ai dirigenti di livello C informazioni su questa tecnologia, 猫 naturale che le persone si sentano in dovere di trovare una risposta鈥�, dichiara. 鈥淣on si pu貌 dire: 鈥楴o, non so quale uso possiamo farne鈥欌��.

Molte aziende hanno avviato progetti di AI generativa senza definire il problema che stavano cercando di risolvere e senza pulire i dati necessari per il successo dei progetti, osserva. In alcuni casi, i dati interni sono ancora sparsi in molti database, luoghi di archiviazione e formati.

Quando le aziende lanciano progetti di intelligenza artificiale senza raccogliere e pulire i propri dati, si espongono al rischio di 鈥渉allucination鈥� che possono portare a gravi errori aziendali, commenta Ram Palaniappan, CTO del fornitore di soluzioni IT TEKsystems.

鈥淪e ho un report sui ricavi basato sull鈥檌ntelligenza artificiale e lo presento al consiglio di amministrazione e, per qualche motivo, mi sfugge un particolare, le persone avranno meno fiducia nel mio report鈥�, aggiunge.

Il clamore iniziale suscitato dalla GenAI ha portato a molti progetti affrettati [in inglese] che non sono riusciti a utilizzare i dati corretti, dice. 鈥淟e pubbliche relazioni sull鈥檌ntelligenza artificiale stanno raggiungendo i livelli dirigenziali e vice presidenziali鈥�, precisa Palaniappan. 鈥淨uando si tratta dell鈥檈secuzione effettiva, i direttori e i manager che sono in prima linea in questa fase possono vedere e segnalare tutte queste lacune鈥�.

I problemi con i dati di scarsa qualit脿

La mancanza di dati validi pu貌 portare a diversi problemi, chiarisce Agarwal di Aidora. I dirigenti C-level, perfino i CIO, possono richiedere la realizzazione di nuovi prodotti quando i dati non sono pronti, portando i responsabili IT a sembrare incompetenti perch茅 continuano a posticipare le scadenze o a trasferire l鈥檕nere ai propri dipendenti.

鈥淚 team potrebbero essere spinti a realizzare una nuova serie di prodotti anche quando, in realt脿, non sono in grado di farlo鈥�, avverte. 鈥淐i貌 pu貌 comportare il fallimento delle iniziative, ritardi significativi nella consegna o il burnout dei team鈥�.

Per colmare questo divario, le aziende dovrebbero concentrarsi su una maggiore trasparenza all鈥檌nterno dei propri organigrammi, consiglia Palaniappan, facendo s矛 che i responsabili IT di livello inferiore possano aiutare i 娇色导航e i dirigenti a comprendere le esigenze della propria organizzazione in termini di preparazione dei dati creando roadmap dettagliate per le iniziative IT, compreso un calendario per risolvere i problemi sopecifici relativi ai dati, indica.

鈥淎dottate un approccio graduale per andare nella giusta direzione e definite una roadmap鈥�, raccomanda. 鈥淰alutate la maturit脿 dei vostri dati per eseguire la roadmap, quindi miglioratela gradualmente鈥�.

Le aziende necessitano di solide basi di dati [in inglese], comprese strategie incentrate sui casi aziendali, l鈥檃ccessibilit脿 dei dati e la sicurezza dei dati, aggiunge Myronov di Softserve.

Le imprese dovrebbero anche assumere persone 鈥渟cettiche鈥� per individuare potenziali problemi relativi ai dati durante i progetti di AI e altri progetti data-driven, suggerisce.

鈥淪e si esamina qualsiasi POC [proof of concept], senza nemmeno parlare di intelligenza artificiale e del team che lo gestisce, si troveranno persone che hanno investito, che credono che il risultato sar脿 raggiunto鈥�, afferma. 鈥淣on si troveranno persone che svolgono il ruolo di QA nello sviluppo del software, persone che cercano di trovare le imperfezioni鈥�.

Senza un dipendente che ricopra il ruolo di 鈥渟cettico del POC鈥�, le aziende rischiano di spendere troppo tempo e denaro in progetti che alla fine falliscono, riconosce. Fallire rapidamente 猫 un risultato migliore.

鈥淐i sono sviluppatori che vedono per lo pi霉 scenari rosei鈥�, conclude. 鈥淚 buoni sviluppatori si concentrano sulla creazione di qualcosa che funzioni, ma dovrebbe esserci un ruolo completamente separato che si concentri solo sulla ricerca di qualcosa che non funziona鈥�.