Molte organizzazioni non hanno fatto in tempo a tradurre in buone pratiche il concetto di data strategy che è già arrivato il momento di rimettere in discussione gran parte degli approcci e degli strumenti relativi a quest'ambito. La colpa – o il merito, a seconda dei punti di vista – è della rapidissima diffusione delle tecnologie di Intelligenza Artificiale (AI).
L'AI si sta facendo largo in un numero sempre maggiore di settori e imprese grazie alla promessa di aumentare l'efficienza, potenziare i risultati aziendali – dalla produttività dei dipendenti all'efficacia dei processi decisionali – e migliorare l'esperienza dei clienti in chiave omnichannel. Complice anche l'abbattimento dei costi di accesso alla tecnologia garantito dal cloud, il fenomeno è destinato ad allargarsi: non sorprende, dunque, che moltissime imprese, grandi e piccole che siano, più o meno strutturate, stiano abbracciando l'AI con entusiasmo.
Nella loro ultima proiezione, Assintel e IDC evidenziano per esempio un trend di crescita costante: se nel 2021 il segmento dell'Intelligenza Artificiale valeva nella Penisola 860 milioni di euro, il 2022 dovrebbe aver chiuso intorno al miliardo, mentre alla fine del 2023 il giro d’affari ha buone chance di sfiorare il miliardo e mezzo. Circa il 5% delle aziende italiane – si parla specialmente di organizzazioni molto strutturate e di grandi dimensioni – ha pianificato per il 2023 un investimento nelle piattaforme di Big Data Analysis, il cui mercato potrebbe superare i 3 miliardi di euro sempre nel 2023.
In quest'ottica, quasi l’80% di queste imprese sta intraprendendo un processo di riorganizzazione, mentre oltre il 60% sta cercando di realizzare modelli di interazione innovativi con i clienti, con l'obiettivo di avviare processi di internazionalizzazione e di introdursi in nuovi mercati.
Si tratta del resto di una scelta quasi obbligata: in occasione dell'edizione 2023 di Microsoft Inspire, lo stesso Satya Nadella, CEO di un gruppo che più di altri sta puntando sulle tecnologie di intelligenza artificiale, ha parlato non solo di "un'enorme opportunità", ma di una vera e propria rivoluzione, in tutto e per tutto simile alle discontinuità che hanno caratterizzato le precedenti ere digitali, quella del PC/server, quella del web/internet e quella del cloud/mobile.
Secondo Nadella, questa nuova wave contribuirà a far crescere il PIL globale di 7-10 mila miliardi di dollari in più rispetto al valore attuale di 100 mila miliardi di dollari. Cogliere per tempo i vantaggi di questa rivoluzione significa sostanzialmente cominciare a investire nell'AI.
Adattare la data strategy al nuovo scenario tecnologico
Ricorrere all'utilizzo dell'Intelligenza Artificiale senza aver prima sviluppato una solida strategia sui dati, ovvero adattata al nuovo scenario tecnologico, può d'altra parte fare più male che bene. Agire correttamente vuol dire prima di ogni altra cosa comprendere le caratteristiche intrinseche dell'AI e valutare poi come queste potrebbero supportare gli obiettivi aziendali generali di un'organizzazione. L'Intelligenza Artificiale, del resto, comporta alcuni rischi e presuppone una serie di sfide, sia sul piano etico che su quello della privacy: elementi che possono avere un impatto sulla sicurezza dei dati e sulla conformità. Ecco perché la governance deve essere una parte fondamentale di qualsiasi data strategy che voglia fare leva sull'AI.
Cosa si intende per data strategy
Andiamo con ordine, circoscrivendo l'ambito di cui stiamo parlando. Per data strategy si intende l'insieme di piani, procedure, metodologie e tool elaborati in modo strutturato e sinergico per generare e analizzare dati potenzialmente utili a raggiungere gli obiettivi di business. Una data strategy determina in altre parole quali input bisogna acquisire, come trattarli e per quale scopo. Si tratta quindi di un complesso di scelte e decisioni che tracciano una linea strategica e d'azione di alto livello per raggiungere obiettivi considerati vitali per il business. Deve essere dunque inestricabilmente legata ai target aziendali, che costituiscono la stella polare a cui devono guardare il cosa, il come e il perché del data management.
Fatta questa premessa, dovrebbe risultare più intuitivo in che modo Artificial Intelligence e data strategy possano – ma sarebbe meglio dire debbano – integrarsi.
Data strategy e AI: le precauzioni da prendere
La data strategy è innanzitutto essenziale per consentire un'applicazione efficace dell'AI fornendo tempistiche, strutture e supporti per superare ciascuna tipologia di sfida intrinseca all'uso dell'automazione nei processi di business più delicati. Gartner raccomanda per esempio di valutare la rilevanza dell'AI per i risultati aziendali più importanti dell'organizzazione, determinando quali tipi di applicazioni utilizzare e affrontando le eventuali criticità a livello organizzativo, gestionale e tecnologico associate all'AI.
Questo, però, non basta: oltre a chiedersi quali sono i casi d'uso più vantaggiosi per l'azienda, bisogna determinare anche se esiste una quantità sufficiente di dati puliti (ovvero corretti, aggiornati e integri) e pronti all'uso per ottenere i risultati desiderati. L'abbondanza di informazione in sé, infatti, non fornisce valore se i database contengono errori.
Anche il Deloitte AI Institute suggerisce di investire in una data strategy evoluta, sottolineando l'importanza della qualità rispetto alla quantità degli input, e puntualizzano che ancora troppe organizzazioni non dispongono di architetture in grado di raccogliere i dati da fonti e canali differenti e di ripulirli in modo che siano utilizzabili dalle AI. Il 94% dei leader aziendali intervistati dall'istituto concorda sul fatto che l'AI sia fondamentale per avere successo nello scenario attuale (il 79% del campione ha riferito di aver implementato tre o più tipi di applicazioni rispetto al 62% dello scorso anno), eppure i risultati tardano ad arrivare, proprio perché spesso la data strategy è carente.
Data strategy, i vantaggi di uno sviluppo corretto
L'affinamento della data governance in chiave strategica non solo migliorerà la qualità dei dati, ma ne garantirà anche uno sviluppo corretto sotto il profilo etico. Qualsiasi pregiudizio di fondo presente nei dati o addirittura negli algoritmi può essere esacerbato se non affrontato con la giusta attenzione, minando l'affidabilità stessa delle soluzioni di AI. È dunque all'origine che bisogna intervenire.
L'integrazione di strumenti di debiasing all'interno della data strategy aziendale, del resto, non si limiterà a ridurre le eventualità di incorrere in bias cognitivi, ma potrà anche aiutare le organizzazioni a rispettare la normativa sulla privacy dei dati.
Anche conoscendo rischi e opportunità connessi all'uso delle applicazioni di intelligenza artificiale, il percorso di crescita in questo ambito è tutt'altro che semplice e lineare. Ecco perché le imprese che puntano a implementare una data strategy realmente efficace dovrebbero fare leva su un partner affidabile, in grado di mettere a fuoco le reali sfide che l'organizzazione ha di fronte a sé e di supportare la creazione di processi di business attraverso un uso ponderato e integrato delle tecnologie di frontiera.
In Quanture mettiamo a disposizione del mercato non solo competenze avanzate sul piano dell'IT Design & Engineering e su quello della Data Security, ma anche la flessibilità e la precisione necessarie a impostare una data strategy capace di evolversi nel tempo, seguendo e – laddove necessario – anticipando le esigenze di qualsiasi tipologia di impresa.
