I leader aziendali nutrono grandi speranze sulla possibilità che gli investimenti nell’AI promuovano innovazioni in grado di cambiare il mercato, a partire dalla soddisfazione dei clienti fino all’innovazione dei prodotti. Tuttavia, il 78% delle organizzazioni non riesce a raggiungere questi obiettivi a causa di una base di dati inadeguata.
Un nuovo studio del MIT Technology Review Insights, in collaborazione con Snowflake, l’AI Data Cloud company, intitolato “Data Strategies for AI Leaders”, ha rilevato che, sebbene le aziende abbiano grandi ambizioni in materia di AI generativa – con il 72% che intende aumentare l’efficienza o la produttività, il 55% che scommette su una maggiore competitività del mercato e il 47% che mira a una maggiore innovazione di prodotti e servizi – la strategia dei dati di base deve essere migliorata per massimizzare il potenziale dell’intelligenza artificiale.
Le organizzazioni hanno bisogno di solide basi di dati, alimentate da moderne piattaforme di data cloud, che consentano loro di valorizzare i propri database, ma anche enormi volumi di dati precedentemente inaccessibili, in gran parte provenienti da fonti non strutturate come video e immagini. Secondo il report, solo il 22% dei dirigenti aziendali dichiara di essere “molto pronto” a impiegare l’AI, mentre il 53% ritiene di essere “abbastanza pronto”. A una maggiore predisposizione corrisponde un minor numero di sfide legate all’accesso alla potenza di calcolo scalabile, silos di dati, problemi di integrazione e governance dei dati. Nonostante la fiducia di molti leader aziendali nei risultati che l’intelligenza artificiale può offrire, aumenta la consapevolezza che i dati siano necessari per sbloccare rapidamente e con efficacia il valore dell’AI.
Un’altra sfida che le aziende devono affrontare è l’implementazione dell’AI su scala. Più precisamente, il 95% degli intervistati ha dichiarato di aver riscontrato diversi ostacoli durante questo processo. Il 59%, invece, ha individuato nella governance, nella sicurezza o nella privacy dei dati la sfida più importante, seguita da qualità e tempestività dei dati (53%) e dai costi delle risorse o degli investimenti (48%). Ogni investimento tecnologico porta con sé una serie di problematiche legate alle decisioni su spesa e risorse, comprese quelle necessarie per migliorare le basi dei dati. Tuttavia, il costo dell’AI generativa in sé sta diminuendo, in quanto le aziende hanno iniziato a progettare modelli linguistici di grandi dimensioni (LLM) più piccoli, ma ugualmente performanti e meno costosi.
“Molte delle organizzazioni odierne nutrono grandi ambizioni nei confronti dell’AI generativa, e vorrebbero rimodellare il modo in cui operano e ciò che promuovono”, afferma Baris Gultekin, Head of AI di Snowflake. “La nostra analisi congiunta con il MIT evidenzia come le aziende, sentendo sempre più l’urgenza di implementare applicazioni di AI, si stiano accorgendo che i loro dati possono aiutarle a fornire insight provenienti da fonti di informazioni precedentemente non sfruttate. Una solida base di dati costituisce il fulcro delle capacità dell’intelligenza artificiale generativa e i leader aziendali devono muoversi rapidamente per affrontare problematiche quali la sicurezza dei dati e i costi e gettare le basi necessarie per concretizzare le prospettive promesse dall’AI”.
I vantaggi dell’AI generativa appaiono già evidenti alle aziende che si trovano più avanti in questo processo, poiché hanno investito molto nella creazione di basi di dati e vengono ora ricompensate dall’introduzione dell’AI su di essi. Qualsiasi organizzazione che voglia capitalizzare sull’intelligenza artificiale deve innanzitutto creare una solida base di dati, con un processo che include un’ampia selezione di processi e asset coinvolti nella raccolta, aggregazione, archiviazione e accessibilità dei dati dell’organizzazione. Gli investimenti consentiranno agli utenti dell’AI generativa di migliorare significativamente le loro performance, riducendo al contempo i problemi di governance e sicurezza.