Circa 3 aziende su 4 (74%) non sono pronte a implementare tecnologie di AI a causa della mancanza di programmi di data management avanzato. In particolare, solo il 15% delle medie imprese può essere definito AI-ready, mentre il dato sale al 32% quando si guarda alle grandi imprese. Il dato emerge da un’indagine svolta per Irion, azienda italiana di Enterprise Data Management, dall’Osservatorio Big Data & Business Analytics del Politecnico di Milano.
L’importanza della data quality
La ricerca evidenzia che la qualità dei dati è fondamentale per permettere la corretta implementazione dell’AI: solo grazie a informazioni corrette è possibile “addestrare” gli algoritmi in base alle proprie esigenze, ottenendo risultati utili, affidabili e di valore. Gartner stima che la scarsa qualità dei dati rappresenti un costo medio di 10,8 milioni di dollari all’anno per organizzazione, cifra che potrebbe aumentare con la maggiore diffusione della digitalizzazione. Una perdita che deriva generalmente da “spreco” di risorse per la pulizia e la correzione dei dati, analisi inaccurate che portano a decisioni errate, opportunità mancate a causa di insight inaffidabili. Infatti, dalla ricerca emerge che solo 1 realtà su 5 ha la consapevolezza che la scarsa Data Quality ha rappresentato direttamente un costo per l’azienda (ad esempio: danni reputazionali, errori nella gestione di processi, inefficienze, costi di compliance); questo dato aumenta in riferimento alle imprese che hanno già avviato progettualità avanzate di intelligenza artificiale (“AI-ready”) arrivando al 41%.
Investimenti in Data Management
Da un punto di vista di adozione della tecnologia, se è evidente che il Data Management stia acquistando sempre più valore per il proprio business, si registra che solo 2 aziende su 10 nel 2024 hanno dedicato un budget superiore (di almeno il 3%) a quello allocato nel 2023; anno in cui le aziende italiane hanno investito in infrastrutture, software e servizi per la gestione e analisi dei dati ben 2,85 miliardi di euro, un aumento del 18% rispetto al 20223.
La consapevolezza dell’importanza della corretta gestione dei dati si sta comunque diffondendo: solo la metà delle aziende italiane, a oggi, ha iniziato ad adottare programmi di Data Management per valorizzare i propri dati (il 38% di queste sono medie imprese, il 60% sono grandi aziende), ma il percorso di adozione di tecnologie e processi efficaci è ancora lento (solo il 30% delle aziende ha a oggi tecnologie e processi adeguati).
Lavorare su integrazione e qualità dei dati
Il tema dell’Intelligenza Artificiale è sempre più rilevante anche a livello mediatico. Sempre secondo la ricerca Irion-Politecnico, oltre il 30% delle aziende afferma che la maggiore attenzione dei media sul tema ha avuto un impatto positivo sui processi di gestione del proprio patrimonio informativo. Con l’aumento dell’attenzione al tema sono nate azioni concrete per favorire la transizione verso questa nuova tecnologia, sia in fase puramente sperimentale che in fase operativa. Per trasformare l’hype sull’AI in benefici concreti, è necessario lavorare sull’integrazione e sulla qualità dei dati. Le aziende più interessate al tema sono anche le più consapevoli dell’impatto di una buona gestione dei dati sul proprio business.
Ostacoli nella gestione dei dati
Le aziende più avanzate sulle attività di analisi si sono mosse per mitigare le problematiche di data quality con tecnologie e competenze dedicate e riescono a percepire maggiormente il valore di una buona gestione dei dati. Le barriere critiche percepite dalle aziende per l’adozione di programmi di AI sono l’integrazione dei dati (83%), la loro pulizia e preparazione (78%) e la scarsa qualità (64%). Un’altra problematica che si presenta con maggiore frequenza è la presenza di dati incompleti, spesso generata da fusioni tra aziende o causata da dati analogici (o addirittura processi ancora cartacei) nello storico dell’azienda, che non permettono la corretta fruizione dell’informazione.
L’importanza delle competenze
Per poter integrare sistemi di Intelligenza Artificiale all’interno delle aziende è necessario avvalersi di personale qualificato in grado di preparare e validare i dati per alimentare i programmi di AI. Le competenze per garantire la qualità dei dati sono sempre più rilevanti. Per questo, negli ultimi tre anni, circa 2 aziende su 10 hanno incrementato il numero di figure totalmente dedicate alla gestione dei dati. Questo numero cresce a circa 4 aziende su 10 quando si parla di imprese “AI-ready”.
“Addestrare gli algoritmi con i dati giusti è l’unico modo per trasformare l’entusiasmo verso l’Intelligenza Artificiale in benefici concreti” evidenzia Alberto Scavino, CEO di Irion. “La scarsa qualità e la difficile integrazione dei dati possono minare alla base l’obiettivo di estrarne valore: le aziende devono darsi da fare per non perdere competitività e opportunità di crescita o, peggio, prendere decisioni e delegare azioni all’IA basate su informazioni inaffidabili. Molte aziende però non sono ancora pronte”.
“Sottovalutare le attività di Data Management, e in particolare di Data Quality, è oggi il rischio più grande che le aziende possono correre nel percorso di adozione dell’Intelligenza Artificiale” commenta Irene Di Deo, Ricercatrice Senior dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano. “Per comprendere al meglio lo scenario di mercato, abbiamo coinvolto prevalentemente aziende del mondo industriale e dei servizi, al fine di analizzare la maturità di settori in cui le normative di gestione dei dati hanno un ruolo minore (come accade nel mondo finanziario ad esempio). La ricerca ci restituisce una fotografia di luci e ombre, sicuramente negli ultimi anni è cresciuta la consapevolezza ma chi si occupa di Data Management nelle aziende fa ancora fatica a far percepire i benefici di investimenti e processi ben strutturati per incrementare la qualità dei dati. La collaborazione ormai pluriennale di una realtà come Irion nei lavori dell’Osservatorio è sempre stata proficua e di valore, proprio per supportare questo percorso nelle aziende”.
