Il problema con l'intelligenza artificiale: non sei tu, sono i dati

I dati non sono il "nuovo petrolio", da trattare come una merce che viene bruciata una volta e basta.

Le aziende stanno lasciando miliardi sul tavolo perché non riescono a mettere insieme le loro azioni sui dati. Se vogliono riuscire a ottenere valore attraverso iniziative basate sui dati come l'intelligenza artificiale, devono allineare e supportare meglio i dati di back-end che alimentano questi sistemi.

Questo è il succo dell'ultima ricerca, basata su un sondaggio condotto su 2.500 dirigenti e pubblicata da Infosys Knowledge Institute, che stima che le aziende potrebbero generare collettivamente più di 460 miliardi di dollari di profitti incrementali se solo le persone potessero gestire un po' meglio le proprie risorse di dati. 

Ciò consiste nel migliorare le pratiche relative ai dati, fidarsi maggiormente dell'intelligenza artificiale avanzata e integrare più strettamente l'intelligenza artificiale con le operazioni aziendali. Il valore aziendale è ancora sfuggente. 

L'indagine ha identificato tre ostacoli a implementazioni efficaci dell'intelligenza artificiale: mancanza di una strategia dei dati coesa e centralizzata, verifica dei dati debole e mancanza di un'infrastruttura adeguata. La maggior parte delle aziende non dispone di una strategia di gestione dei dati coerente. 

Gli intervistati vogliono gestire i dati in modo centralizzato, ma questo non è ciò che la maggior parte fa in questo momento. L'analisi dei risultati dell'indagine "mostra che la gestione centralizzata dei dati si collega a una migliore crescita dei profitti e dei ricavi. Il 26% degli intervistati ha attualmente un approccio centralizzato; Il 49% vorrebbe adottare questo approccio entro il prossimo anno.

"I dati non sono il nuovo petrolio", sottolineano gli autori dello studio, Chad Watt e Jeff Kavanaugh, entrambi dell'Infosys Institute  . "Le aziende non possono più permettersi di pensare ai loro dati come al petrolio, estratto con grande sforzo e prezioso solo quando raffinato".

I dati oggi sono più simili alla moneta: "Acquistano valore quando circolano. Le aziende che importano dati e condividono i propri dati in modo più ampio ottengono risultati finanziari migliori e mostrano maggiori progressi verso l'ideazione dell'intelligenza artificiale su scala aziendale, un obiettivo fondamentale per tre aziende su quattro nel sondaggio", affermano Watt e Kavanaugh.

Il successo della valuta dipende dalla fiducia, e questo vale anche per i dati. "L'intelligenza artificiale avanzata richiede fiducia", affermano gli autori. "Affidati alla gestione dei dati tuoi e degli altri e fidati dei modelli di intelligenza artificiale. I dati incontaminati e i modelli di intelligenza artificiale perfettamente programmati non significano nulla se gli esseri umani non si fidano e non utilizzano ciò che i dati e l'intelligenza artificiale producono".  

Le aziende che condividono i dati, all'interno e all'esterno della loro organizzazione, hanno maggiori probabilità di avere entrate più elevate e di utilizzare meglio l'intelligenza artificiale, mostra il sondaggio. "L'aggiornamento dei dati più vicino al tempo reale è anche correlato a un aumento dei profitti e dei ricavi". 

Un'altra analogia anti-petrolio che gli autori dello studio hanno inquadrato è che i dati sono più simili all'energia nucleare che ai combustibili fossili. "I dati sono arricchiti di potenziale, necessitano di un trattamento speciale e sono pericolosi se si perde il controllo. I dati del ventunesimo secolo hanno una lunga emivita. Quando usare if, dove usarlo e come controllarlo sono fondamentali quanto dove metterlo".  

La maggior parte delle aziende è nuova all'intelligenza artificiale, mostra il sondaggio. Più di 8 aziende su 10, l'81%, hanno implementato il loro primo vero sistema di intelligenza artificiale solo negli ultimi quattro anni e il 50% negli ultimi due. Inoltre, il 63% dei modelli di intelligenza artificiale funziona solo con le capacità di base e sono guidati dagli esseri umani. Spesso non sono all'altezza della verifica dei dati, delle pratiche sui dati e delle strategie sui dati. Solo il 26% dei professionisti è molto soddisfatto dei propri dati e degli strumenti di intelligenza artificiale. "Nonostante il canto delle sirene dell'intelligenza artificiale, manca chiaramente qualcosa", affermano gli autori del sondaggio.

Gli autori dell'indagine hanno identificato le aziende ad alte prestazioni, che tendono ad avere un forte focus in tre aree:

• Trasformano la gestione dei dati in condivisione dei dati.  "Le aziende che abbracciano l'economia della condivisione dei dati generano un valore maggiore dai loro dati", affermano Watt e Kavanaugh. "I dati aumentano di valore quando vengono trattati come valuta e fatti circolare attraverso modelli di gestione dei dati hub-and-spoke. Le aziende che aggiornano i dati con una bassa latenza generano maggiori profitti, ricavi e misure soggettive del valore".
• Hanno fatto il passaggio dalla conformità dei dati alla fiducia nei dati.  "Le aziende molto soddisfatte della loro intelligenza artificiale (attualmente solo il 21%) hanno costantemente pratiche di dati affidabili, etiche e responsabili. Questi prerequisiti affrontano le sfide della verifica dei dati e dei pregiudizi, creano fiducia e consentono ai professionisti di utilizzare il deep learning e altri algoritmi avanzati".
• Coinvolgono tutti nel processo di intelligenza artificiale. "Estendere il team di intelligenza artificiale oltre i data scientist. Le aziende che applicano la scienza dei dati a requisiti pratici creano valore. I leader aziendali contano tanto quanto i data scientist. I buoni team di intelligenza artificiale in genere coinvolgono più discipline. "La verifica dei dati è la sfida più grande per il futuro, insieme all'infrastruttura di intelligenza artificiale e alle risorse di calcolo.