C-level italiani tra i più entusiasti nei confronti dell’AI: governance e ROI guidano la fiducia, ma mancano le skill. Il dato emerge dalla ricerca “AI-driven transformation: Becoming an augmented organization” di BearingPoint, secondo cui l’Italia si distingue per l’uso di assessment quantitativi nelle decisioni sulle iniziative di AI, posizionandosi al secondo posto dopo l’Asia: il 53% dei rispondenti si basa su un impatto di business misurabile e sul Roi atteso, fondamentali per costruire la fiducia verso questa tecnologia.
L’indagine evidenzia come nel nostro Paese l’AI sia identificata come priorità strategica anche ai livelli più alti dell’organizzazione, con organi decisionali e operativi dedicati che riportano regolarmente al direttivo, con un livello di governance superiore al 70% globale. Per quanto riguarda i criteri di adozione, l’84% delle organizzazioni italiane considera la produttività e l’efficienza come criteri principali (vs 75% globale). Tuttavia, il gap di talenti rimane una preoccupazione significativa, con il 58% degli italiani che esprime timore per la carenza di personale qualificato, soprattutto nelle aree della pianificazione e sviluppo di strategie di GenAI, nella gestione e governance dei dati, e nel settore della compliance e dell’etica. È fondamentale, quindi, che le organizzazioni investano in tecnologia e formazione per colmare il gap di competenze e costruire fiducia nell’AI: lo pensa l’84% dei partecipanti italiani allo studio.
Mancano governance e linee guida
Anche se l’entusiasmo della C-suite verso l’adozione dell’AI è un prerequisito fondamentale per il successo per il 60% dei rispondenti a livello globale e la stessa percentuale la ritiene essenziale oggi, il 44% non ha ancora stabilito una chiara governance e processi decisionali, e meno di un terzo afferma di aver sviluppato delle linee guida comprensive e trasparenti per guidare le iniziative di AI. Inoltre, solo il 34% delle organizzazioni basa sistematicamente le proprie decisioni di investimento su metriche misurabili.
I criteri più comuni utilizzati per dare priorità alle diverse iniziative di AI includono l’aumento di produttività ed efficienza e – soprattutto tra gli early-adopter – il miglioramento della customer experience e l’aspettativa di un aumento delle vendite.
Approccio attendista per il 31% dei dirigenti europei
Puntando la lente di ingrandimento sull’Europa, inoltre, la ricerca osserva come il 31% dei dirigenti adotti un approccio attendista, dimostrando ancora un significativo livello di cautela nell’adozione delle nuove tecnologie.
“Questo scetticismo potrebbe rallentare l’innovazione e impedire alle aziende di sfruttare appieno le potenzialità dell’AI – afferma Claudio Brusatori, Partner & Practice Leader di BearingPoint Italia -. In un contesto competitivo globale e di fronte ad aspettative sempre più alte da parte di clienti e pubblico, le aziende attendiste corrono il rischio di perdere rapidamente competitività nei confronti di rivali più coraggiosi che sfruttano l’intelligenza artificiale per migliorare le capacità e l’efficienza operativa, per reinventare l’esperienza dei clienti e dei dipendenti e, in ultima analisi, sconvolgono la propria catena del valore per rimanere rilevanti sul mercato”.
Affrontare la sfida AI: le indicazioni di Sas
Sas intanto pubblica un report che indaga le best practice internazionali e fornisce ai decisori indicazioni strategiche per affrontare la sfida AI. Il titolo è “Generative AI – Global Research Report: Strategies for a Strategies for a Competitive Advantage” e dal contenuto emerge che, con l’aumento dell’attenzione e degli investimenti nella GenAI, molte organizzazioni stanno incontrando difficoltà di implementazione. Questi problemi rischiano di sprecare risorse, dissuadere i clienti e persino di rendere le organizzazioni legalmente non conformi. Nelle organizzazioni che hanno implementato progetti GenAI, il 39% trova difficile integrare la tecnologia GenAI nei sistemi esistenti, mentre il 34% è alle prese con costi proibitivi. È meglio risolvere questi problemi in una fase iniziale, idealmente prima che la GenAI venga implementata e che vengano investite risorse significative.
I 4 elementi chiave per vincere la sfida
Secondo Sas, sono quattro gli elementi chiave per ottenere il successo di un investimento in GenAI: governance completa (quando un investimento GenAI funziona in modo affidabile, trasparente ed etico, le organizzazioni ne vedono i benefici. Tuttavia, molte non hanno una supervisione completa della tecnologia e la maggior parte è a rischio di non conformità quando si tratta di normative in rapida evoluzione); implementazione strategica (l’investimento ideale in GenAI offre chiare opportunità di efficienza e una migliore esperienza del cliente, ma molte organizzazioni segnalano lacune nel pensiero strategico che influiscono sul successo dell’implementazione); integrazione tecnologica (nel migliore dei casi, la GenAI è perfettamente integrato nei processi e nei sistemi aziendali. Ma molte aziende faticano a integrare la tecnologia con le attività e gli strumenti esistenti); una guida esperta (per molte organizzazioni, la questione si riduce a questo: mancano le competenze in GenAI interne. Poiché i dipartimenti delle risorse umane incontrano una scarsità di assunzioni adeguate, le organizzazioni temono di non avere accesso alle competenze necessarie per sfruttare al meglio l’investimento in GenAI).
Per massimizzare la produttività, la GenAI deve essere perfettamente integrata nei processi e nei sistemi aziendali. Le prestazioni devono essere affidabili, trasparenti ed etiche, accelerando la produttività e migliorando l’esperienza del cliente, aggiungendo al contempo un valore misurabile agli stakeholder.
Sviluppare un programma di GenAi di successo
Per un programma di GenAI di successo, è necessario disporre di una strategia chiara per ciascuna delle seguenti aree: accelerazione dell’innovazione (integrare senza problemi i modelli GenAI nei flussi decisionali, nelle applicazioni di AI e machine learning e nei processi aziendali esistenti, utilizzando strumenti di flusso decisionale come l’intelligent decisioning); protezione dei dati (garantire la privacy e la sicurezza degli utenti con solide misure di qualità dei dati, tra cui la generazione di dati sintetici, la minimizzazione dei dati, l’anonimizzazione e la crittografia, che garantiscono la protezione delle informazioni sensibili); risultati affidabili e spiegabili (gli esperti di dati possono applicare tecniche di elaborazione del linguaggio naturale per preprocessare i dati, spiegare i risultati generati in termini facilmente comprensibili, minimizzare le allucinazioni e ridurre i costi); governance migliorata (utilizzo di flussi di lavoro integrati che convalidano l’intero ciclo di vita degli Llm, dalla conformità normativa alla gestione del rischio del modello. Mentre le aziende continuano a sperimentare la GenAI, il vero valore aziendale si riduce all’identificazione di casi d’uso reali che forniscano un valore affidabile e scalabile).
