L'intelligenza artificiale (IA) continua a destare l'attenzione dei media più importanti e dell’opinione pubblica. I consumatori interagiscono sempre più con la tecnologia nella loro vita privata e sono ispirati dal suo potenziale. E mentre rimangono stupiti dal nuovo software di riconoscimento vocale dell’ultimo dispositivo per la casa intelligente, le aziende stanno cercando di sfruttare le capacità dell’intelligenza artificiale per generare valore.
Tre imprese su quattro riferiscono tuttavia che l'adozione aziendale delle tecnologie di IA non è semplice. Ma perché?
In molti casi, i progetti di IA si bloccano o falliscono perché non sono legati agli obiettivi aziendali mentre, allo stesso tempo, drenano risorse preziose - un fenomeno noto come purgatorio pilota. Inoltre, molti cadono vittime della tentazione di considerare l'intelligenza artificiale nel mondo degli affari come l'ultima panacea per tutti i problemi aziendali purché si utilizzi un algoritmo perfetto.
Al contrario, l'IA dovrebbe essere vista come una capacità abilitante in un programma di trasformazione digitale (DX) più complesso.
Una migliore comprensione degli usi, dei vincoli e del potenziale dell'IA può portare a un miglioramento delle risorse e all'allineamento con gli obiettivi DX, migliorando le probabilità di successo del progetto e il ROI.
Sono tre i passaggi fondamentali che le aziende dovrebbero considerare durante la valutazione del ruolo potenziale che l'IA può avere nella loro organizzazione.
1. Identificare i punti di forza organizzativi e gli obiettivi strategici
2. Allineare la strategia di IA con gli obiettivi del programma di trasformazione digitale
3. Definire un caso concreto di alto valore basato sull'IA all'interno del proprio programma DX
Di seguito informazioni più approfondite riguardanti questi 3 passi, fondamentali per l’implementazione della IA in azienda.
1. Identificare obiettivi strategici, punti deboli e aree di miglioramento
I punti deboli aziendali in genere sono da tenere in particolare considerazione, in quanto sono fattori che impediscono alle imprese di realizzare la totalità dei loro obiettivi strategici. Per i produttori potrebbero essere, ad esempio, livelli subottimali di efficienza complessiva delle apparecchiature (OEE) che incidono sull'efficienza di produzione, quantità eccessive di difetti che compromettono la qualità del prodotto e aumentano gli scarti, o tempi di inattività delle risorse frequenti e costosi con conseguenti costi di servizio eccessivi e minore soddisfazione del cliente. Anche piccoli miglioramenti in alcune di queste metriche possono portare a enormi guadagni lungo la catena del valore.
Identificare il problema più urgente e che ha il maggiore impatto sulle metriche finanziarie e operative è un solido punto di partenza a cui allineare una efficace strategia di trasformazione digitale. È necessario restringere il campo all’identificazione di questi punti deboli e individuare le opportunità. Ciò può costituire la base di una strategia globale di IA da sviluppare in futuro.
2. Allineare il programma IA alla propria strategia di trasformazione digitale
Un programma di intelligenza artificiale ben definito è strettamente allineato a una strategia DX globale e punta ad offrire più progetti di intelligenza artificiale. In questo senso, l'IA è un mezzo, non un fine. Che si tratti di incorporare una funzionalità self-service basata sull'intelligenza artificiale in un nuovo prodotto abilitato digitalmente, utilizzare capacità predittive per trasformare l'assistenza sul campo o anche ottimizzare i processi interni come la gestione della catena di fornitura con l'intelligenza artificiale, tutto deve essere coerente con la strategia DX globale con lo scopo di essere più agili e reattivi alle esigenze dei clienti. In altre parole, nessuno di questi è un "progetto scientifico".
Abbiamo osservato che quei programmi DX che adottano un approccio focalizzato sull’impatto finanziario con progetti legati a strategie e obiettivi aziendali, tendono a generare il massimo valore nel minor tempo possibile. Molte aziende tentano di implementare simultaneamente dozzine di progetti e si imbattono rapidamente nel cosiddetto “purgatorio pilota”.
Per le applicazioni di intelligenza artificiale nel mondo aziendale, il concetto è abbastanza chiaro: i leader aziendali vengono “abbagliati” dall’idea di sfruttare al massimo i propri dati attraverso progetti di intelligenza artificiale, cercando di soddisfare le ambizioni fin da subito senza tenere conto di limitazioni e punti deboli; questo porta inevitabilmente al fallimento sul nascere di tali progetti.
La possibilità di successo è esponenzialmente più alta per le aziende che hanno un approccio focalizzato sull’impatto finanziario, che implementano uno o pochi progetti dell'IA con alta priorità per un problema urgente o un'area di alto valore piuttosto che applicare l'IA a ogni area aziendale accessibile. Stabilire questo ambito iniziale è fondamentale per promuovere un programma di intelligenza artificiale di successo e duraturo.
Lo scopo di tale programma di IA dovrebbe essere quello di favorire un obiettivo di trasformazione digitale. I leader aziendali dovrebbero fermarsi e chiedersi: in che modo questo progetto IA offre alla nostra organizzazione una nuova capacità che aiuterà a raggiungere gli obiettivi DX?
3. Implementare un progetto basato sull'IA di alto valore all'interno del proprio programma DX
Dopo aver identificato i punti deboli e allineato il proprio programma IA a una strategia DX globale, è il momento di sviluppare un progetto di IA, che deve necessariamente contenere alcuni elementi chiave.
Innanzitutto, deve trarre vantaggio dai dati disponibili. I programmi DX per loro natura creano e forniscono molti dati che hanno la possibilità di essere sfruttati dall'IA per una maggiore efficienza. I progetti di IA sfruttano tali dati per ricavarne il massimo valore.
In secondo luogo, è necessario che fornisca informazioni utili e tempestive, adattate all'esigenza dell'utente. Per avere un valore nel mondo reale, l'intelligenza artificiale deve migliorare il processo decisionale (indipendentemente dal fatto che le decisioni siano prese da un essere umano o da un sistema intelligente). Tendenze, previsioni di anomalie, raccomandazioni o qualsiasi numero di risultati da un sistema di intelligenza artificiale di solito si riferiscono a un momento specifico. È quindi imperativo fornire questa intuizione alla persona o al sistema giusto al momento giusto prima che diventi inutile. Inoltre, dovrebbe essere fornita nel contesto più utile per un utente o un sistema che cerca di prendere la decisione migliore. Il design thinking UX può aiutare a garantire che l'intuizione abbia il massimo impatto.
Terzo, dovrebbe raccogliere più dati per misurare i risultati e monitorarne il miglioramento. Sappiamo che le applicazioni IA prosperano sui dati, ma rappresentano anche un'ottima opportunità per strutturare quelli che si stanno raccogliendo e iniziare una spirale ascendente dello sviluppo dell'IA da ampliare.
Ad esempio, un'applicazione di intelligenza artificiale in grado di prevedere il guasto delle apparecchiature è preziosa. Tuttavia, un'applicazione di intelligenza artificiale in grado di prevedere guasti alle apparecchiature e che incorpora un feedback per apprendere e migliorare le sue previsioni al verificarsi di guasti lo è ancora di più. Un'applicazione IA che prevede i guasti, misura le azioni intraprese contro tale previsione e i risultati conseguenti di tali misure non solo apprenderà e diventerà più accurata nel tempo, ma strutturerà anche i dati in modo da fornire un percorso per prendere decisioni aziendali migliori per l'automazione e l’ottimizzazione.
Considerazioni finali
Con una solida base di intelligenza artificiale, le aziende industriali hanno tutti gli strumenti per prendere decisioni basate sui dati e risolvere i problemi lungo la catena del valore. Sfruttare l'IA per questi eventi comuni determinerà un impatto più significativo per le aziende industriali e accelererà il percorso di digital transformation.
L'intelligenza artificiale nel business raggiungerà il suo potenziale di trasformazione quando le intuizioni basate sui dati che informano saranno democratizzate in tutta l'azienda. Le aziende industriali che seguono queste considerazioni chiave possono sfruttare in modo positivo l'IA e ottenere il massimo valore di business potenziale nel minor tempo possibile.
Chris-MacDonald, in collaborazione con David Immerman, Senior Research Analyst, e Chris Joynt, AI & Analytics Translator di PTC
