Condivisione dei dati, governance dei sistemi di intelligenza artificiale e competenze sui Big data: questi gli imperativi per trarre il massimo beneficio dall’adozione dei dati e dell’analytics nelle aziende e garantire trust e trasparenza negli algoritmi di Ai. È quanto si legge in una nuova ricerca diGartner. Lo studio individua tre aree chiave in cui si collocano i macro-trend del settore data & analytics nel 2022: “Attivare dinamismo e diversità, dare più potere alle persone e alle decisioni, istituzionalizzare la fiducia”.
Questi trend, sottolinea Gartner, rappresentano le dinamiche tecnologiche, di mercato e di business che aiuteranno le aziende ad anticipare i cambiamenti e a trasformare le incertezze in opportunità.
Primo imperativo: data sharing
Nella prima categoria Gartner inserisce trend come sistemi di Ai adattivi, Ai data-centrico, data fabric basato sui metadati e “dati sempre condivisi”. Gartner definisce il data fabric come un tipo di progettazione che costruisce uno strato integrato di dati e di processi. Il data fabric applica costantemente l’analytics su set di metadati per consentire l’utilizzo di dati integrati e riusabili in tutti gli ambienti, incluse le piattaforme ibride e multi-cloud. Sul data fabric si innestano tecnologie come l’intelligenza artificiale adattiva, che permette di innovare e al tempo stesso rispondere alle fluttuazioni sui mercati globali.
Anche il trend “always share data” poggia sul data fabric e rafforza il ruolo della condivisione dei dati come indicatore chiave per misurare il successo di un’organizzazione nel coinvolgere gli stakeholder e aumentare l’accesso ai dati corretti per generare valore pubblico.
Gartner prevede che, entro il 2026, l’applicazione di metriche automatizzate per valutare il trust negli ecosistemi di dati interni ed esterni sostituirà la maggior parte degli intermediari esterni, riducendo della metà il rischio legato alla condivisione dei dati.
Augmented people: all’Ai servono le persone
Per fornire informazioni rilevanti per coloro che prendono le decisioni, i manager che si occupano di dati e analytics devono fornire analisi arricchite e basate sul contesto create a partire da componenti modulari. Ciò include dare priorità all’alfabetizzazione digitale sulle tecnologie dei dati e mettere in atto strategie per affrontare la carenza di talenti nel settore dei dati e dell’analytics.
Gartner avverte: fino a tutto il 2025, la maggior parte dei chief data officer non riuscirà a promuovere la necessaria alfabetizzazione dei dati all’interno della forza lavoro per raggiungere i propri obiettivi aziendali strategici basati sull’uso dei dati. Le organizzazioni che si occupano degli elementi umani connessi con dati e analytics hanno più successo delle organizzazioni che considerano solo l’aspetto tecnologico. L’attenzione verso le persone promuove un apprendimento digitale più ampio rispetto a quello che fornisce semplicemente piattaforme, set di dati e strumenti digitali.
Gli algoritmi devono essere “governati”
Ottenere valore da dati e analytics su larga scala è possibile solo gestendo i rischi dell’Ai e attuando una governance connessa su sistemi distribuiti, ambienti edge ed ecosistemi emergenti.
L’intelligenza artificiale sta diventando sempre più pervasiva, ma la maggior parte delle organizzazioni non è in grado di interpretare o spiegare che cosa stanno facendo i propri modelli, con conseguente mancanza di fiducia e trasparenza. Le organizzazioni non sono preparate a gestire i rischi dell’innovazione nell’Ai e sono inclini a cercare scorciatoie sulla governance dei modelli e sulla sicurezza, aggravando le conseguenze negative di modelli di Ai con prestazioni inadeguate, come decisioni aziendali errate o con impatti anche letali.
Le normative sull’intelligenza artificiale stanno crescendo a livello globale e impongono alcune pratiche soggette a verifica delle autorità che garantiscono fiducia, trasparenza e protezione dei consumatori. Entro il 2026, Gartner prevede che le organizzazioni che sviluppano un’Ai affidabile e orientata allo scopo vedranno il successo di oltre il 75% delle innovazioni dell’Ai, rispetto al 40% di quelle che non lo fanno.
Le tendenze del 2022 in questa categoria includono: governance connessa, gestione del rischio dell’IA, ecosistemi di fornitori e regioni ed espansione verso l’edge.
