Con Germain Masse, Product Marketing Manager, AI & Data di OVHcloud, parliamo delle competenze, delle infrastrutture e degli altri requisiti per portare l’IA in azienda.
Da dove partire per introdurre l’IA in azienda? Quali sono le attività dove le IA attualmente disponibili possono dare i migliori risultati secondo OVHcloud?
L’integrazione dell’IA nelle operazioni aziendali dovrebbe partire dalle aree immediatamente collegate agli obiettivi di business e dove l’IA può avere un impatto significativo. Ciò significa concentrarsi sul miglioramento dei prodotti esistenti, su quello del processo decisionale e sull’ottimizzazione delle operazioni interne. Per questo motivo è necessario un approccio multiforme che coinvolga idealmente tutti gli stakeholder dell’azienda.
Individuare dove l’IA può dare i migliori risultati richiede ascolto, considerazione e implica la gestione del cambiamento. In questo ambiente in continua e rapida evoluzione, appare chiaro che l’IA può fornire valore alle operazioni che coinvolgono i clienti, al marketing e alle vendite, all’ingegneria del software e alla ricerca e sviluppo.
Quali sono gli obiettivi e i KPI da valutare nelle prime fasi di adozione, secondo OVHcloud?
Nelle prime fasi dell’adozione dell’IA, la definizione di obiettivi e KPI chiari è fondamentale per mitigare i rischi e rispondere alle preoccupazioni del top management sul Roi. Gli indicatori chiave di prestazione dovrebbero concentrarsi su risultati misurabili che riflettano sia l’efficienza sia l’efficacia delle iniziative di IA. Questi potrebbero includere miglioramenti nella velocità dei processi, nell’accuratezza, nella riduzione dei costi, nella soddisfazione dei clienti e nella crescita dei ricavi.
È essenziale sottolineare che siamo nelle fasi iniziali dell’introduzione dell’IA nelle aziende e che non esiste una “bacchetta magica” per il successo immediato. In questo senso i KPIsono strumenti fondamentali per tracciare i progressi, identificare le aree di miglioramento e garantire che gli investimenti nell’IA siano in linea con gli obiettivi strategici aziendali. Monitorando attentamente queste metriche, le aziende possono prendere decisioni informate, ottimizzare l’implementazione dell’IA e realizzare gradualmente il pieno potenziale dell’IA per trasformare le loro attività.
Che competenze deve avere (o acquisire/maturare) un’azienda per introdurre l’intelligenza artificiale nei suoi processi?
All’interno delle diverse aziende è necessario distinguere chi progetta l’IA, che necessita per definizione di maggiori competenze specifiche, e chi la utilizza. Nel primo caso è di centrale importanza comprendere che le competenze per permettere di sfruttare al meglio l’intelligenza artificiale hanno a che fare con le caratteristiche umane, quelle competenze trasversali o soft, che oggi si dimostrano indispensabili quanto quelle tecniche. Il pensiero critico, in particolare, è fondamentale per comprendere le limitazioni dell’IA, e altrettanto importante per le aziende è la capacità di identificarne le possibili implicazioni etiche e sociali.
Se per questi aspetti le aziende necessitano di attività di recruiting e successiva formazione adeguate, per supportare le necessità tecnologiche delle aziende OVHcloud ha implementato Data Platform, una piattaforma dati end-to-end che fornisce una soluzione low-code per una gestione della pipeline di dati e degli analytics capace di assicurare ai clienti un’esperienza completa e al contempo semplice.
Guardando più da vicino, l’introduzione dell’IA nei processi aziendali richiede set di competenze distinte a seconda che ci si concentri sullo sviluppo di modelli di IA personalizzati o sull’integrazione di prodotti di IA già disponibili. Per esempio, per addestrare i modelli di IA, le competenze ruotano attorno alla data science, per progettare, addestrare e valutare i modelli di IA su misura, e alla conoscenza del dominio per una comprensione approfondita delle sfumature del processo da ottimizzare, in modo che sia effettivamente allineato alle esigenze di business. Infine, l’ingegneria dei dati e la programmazione sono necessarie per gestire grandi insiemi di dati e implementare algoritmi di apprendimento automatico attraverso linguaggi come Python.
Per l’implementazione di soluzioni di IA già disponibili, le competenze si concentreranno invece sull’integrazione tecnica, ossia sulla capacità di integrare i servizi di IA nei sistemi esistenti attraverso la conoscenza di API e SDK, sulla gestione dei progetti per coordinare il processo assicurandosi che sia allineato con gli obiettivi aziendali e sulla comprensione delle capacità dell’IA, in modo che l’applicazione di soluzioni di IA già disponibile avvenga in modo efficace, con la consapevolezza dei loro limiti.
Per le soluzioni di IA personalizzate, le aziende hanno bisogno di data scientist con una profonda esperienza di dominio per sviluppare modelli che affrontino con precisione sfide specifiche. Per l’adozione di strumenti generici di IA, come i chatbot o i servizi di traduzione, il focus è posto sulle competenze tecniche per integrare queste soluzioni nelle operazioni correnti.
Indipendentemente dall’approccio, secondo OVHcloud la comprensione dell’impatto dell’IA sulla privacy e sulla sicurezza dei dati è essenziale, così come la promozione di una cultura di apprendimento continuo per tenere il passo con i progressi dell’IA.
Parliamo di infrastruttura? Che tipo di infrastruttura è necessaria? È meglio puntare su soluzioni cloud o investire sul potenziamento del data center aziendale?
La scelta tra soluzioni cloud e potenziamento dei data center aziendali dipende da diversi fattori, primo fra tutti l’esigenza specifica dell’azienda e i suoi obiettivi. In OVHcloud siamo consapevoli che il potenziamento del data center aziendale può essere una valida alternativa nei casi in cui l’azienda abbia requisiti specifici, come la necessità di un controllo diretto dell’infrastruttura o se ha esigenze di sicurezza così particolari da richiedere un ambiente di hosting interno. Inoltre, i modelli di IA semplici possono essere eseguiti su qualsiasi server e possono essere collocati nei data center aziendali; i modelli complessi e/o l’intelligenza artificiale generativa, invece, richiedono un’infrastruttura specializzata (GPU, prestazioni elevate di volumi e di storage, rete). L’adozione del più recente silicio per alimentare modelli complessi è estremamente costosa (Capex), con tempi di consegna che possono superare le 50 settimane per i server selezionati. In questo caso, il cloud è la scelta di fatto, in quanto offre un valore incredibile e un’infrastruttura all’avanguardia con un modello scalabile pay-as-you-go.
Fatti salvi questi casi specifici, la necessità di un cloud affidabile non è mai stata così rilevante: oggi il cloud è fondamentale per molti settori e istituzioni ed è uno strumento prezioso per l’innovazione, con una potenza di calcolo unica alla portata di tutti. Facilmente accessibile e allo stesso tempo vantaggioso.
Quanto tempo sarà necessario per vedere i primi riscontri?
I tempi per vedere i primi risultati dell’adozione dell’intelligenza artificiale possono variare notevolmente in base a diversi fattori, tra cui la complessità del progetto, la qualità dei dati disponibili, il caso d’uso specifico e la preparazione dell’infrastruttura dell’organizzazione a integrare le soluzioni di IA. In genere, le implementazioni più semplici, come l’integrazione di strumenti di IA già disponibili per l’automazione dei processi o il servizio clienti (ad esempio, i chatbot), possono dare risultati nel giro di pochi mesi. I progetti di IA personalizzati più complessi, in particolare quelli che richiedono un’ampia raccolta di dati, l’addestramento dei modelli e l’integrazione, potrebbero richiedere un anno o più per produrre risultati visibili. In ogni caso, l’obiettivo di OVHcloud è offrire i quattro elementi essenziali necessari alle aziende per rendere l’adozione dell’IA semplice, tra cui: risorse di calcolo, set di dati ottimizzati, strumenti con software appropriati e competenze all’avanguardia.
È importante gestire le aspettative riconoscendo che i progetti di IA sono processi iterativi che spesso richiedono aggiustamenti e ottimizzazioni in base ai feedback iniziali e alle metriche delle prestazioni. Pertanto, mentre alcuni miglioramenti possono essere osservabili nel breve termine, il raggiungimento di risultati significativi e trasformativi richiede in genere un orizzonte più lungo.
In sintesi, non esiste una risposta univoca a quanto tempo ci vorrà per vedere i primi risultati dell’adozione dell’IA. Secondo OVHcloud è fondamentale affrontare le iniziative di IA con una chiara comprensione della loro portata e complessità, e stabilire di conseguenza tempistiche e milestone di implementazioni realistiche.
