L’AI in azienda, oggi motore di efficienza domani generatrice di valore

L’AI in azienda, oggi motore di efficienza domani generatrice di valore

Implementata al 95% per ottimizzare i processi, l’artificial intelligence si prepara a trasformarsi in leva di ricavi diretti, puntando a un rapporto 70/30 nei prossimi anni. Le aziende sono pronte?

Il mercato della tecnologia è in costante fermento ed evoluzione e dalle rilevazioni effettuate durante l’ultimo anno emerge chiaramente che l’artificial intelligence è sempre più centrale nei piani delle aziende. In particolare, risulta evidente il ruolo pervasivo dell’AI praticamente in tutte le funzioni aziendali. Da uno studio PwC emerge che in questo momento l’AI è più estensivamente impiegata nell’ottimizzazione dei processi piuttosto che nella generazione di revenue. Anche se questo rapporto, al momento 95/5, è destinato a modificarsi in 70/30 nei prossimi due o tre anni. Emergeranno infatti nuovi prodotti AI-driven, tecniche per il miglioramento della relazione/ journey del cliente grazie all’AI e targeting/offering sempre più personalizzate. Il tema cruciale, quindi, è come portare l’AI in azienda in maniera industrializzata e “a scala”. L’AI Journey è articolato e complesso, ma soprattutto multidisciplinare. Non basta preoccuparsi solo della tecnologia, sicuramente importante, ma è necessario anche prevedere e progettare tutta un’altra serie di elementi come il modello operativo e organizzativo, le competenze e relativa capacity e i framework di governo (dati, modelli e SDLC).

TI PIACE QUESTO ARTICOLO?

Iscriviti alla nostra newsletter per essere sempre aggiornato.

È importante sottolineare tre importanti messaggi: il primo è che l’AI è uno strumento per raggiungere obiettivi di business. Guida sempre il business e le esigenze espresse dagli stakeholder, che sono rappresentate in ultima analisi da use case analitici o AI. Il secondo è che il percorso non è “a gradino”. Non si arriva “a scala” o “a target” in una notte. È necessario progettare ecosistemi intermedi o di transizione. Terzo e ultimo messaggio è che progettare e implementare non basta, ma serve un percorso parallelo di adoption, in altre parole significa pianificare come gli stakeholder adotteranno concretamente i nuovi strumenti e paradigmi.

Leggi anche:  Il ruolo del planning nella gestione della supply chain

La tecnologia e l’architettura dati, intese come una vera e propria “cassetta degli attrezzi” a disposizione degli stakeholder, rappresentano un insieme di strumenti indispensabili per assicurare che l’adozione dell’AI in azienda avvenga in modo solido, efficace e profittevole. L’insieme dei seguenti requisiti facilita l’integrazione dell’AI nell’azienda, creando una base tecnologica e di dati in grado di sfruttare il potenziale dell’intelligenza artificiale: cloud-based, cost efficiency e resource optimization; scalabilità, interoperabilità e flessibilità il cui obiettivo è limitare il lock-in; real-time e streaming sia per modernizzare i processi di ingestion che la possibilità di gestire adeguatamente i dati time-bounded: accesso seamless al dato “everytime, everywhere, everyone” e strumenti “Low-Code/ No-Code” per cogliere appieno il paradigma della “democratization” e l’approccio “citizen-led”; full automation delle operation (X-Ops) e dati governati/ security (approccio “by-design”); data quality e data diversity, cioè strutturati, semi-strutturati e non strutturati.

L’evoluzione delle data foundation si orienta quindi verso architetture fluide e serverless, che offrono flessibilità e scalabilità dinamica. Queste soluzioni eliminano la gestione infrastrutturale tradizionale, consentendo alle aziende di concentrarsi sull’analisi e l’innovazione dei dati, ottimizzando al contempo i costi operativi. Man mano che le richieste di dati crescono, le piattaforme tradizionali lottano con la scalabilità e la flessibilità, evidenziando la necessità di soluzioni più adattabili per gestire le esigenze di dati in evoluzione. Per rispondere alle nuove richieste, sono emerse piattaforme più fluide, incentrate su servizi Serverless e Open Storage, offrendo maggiore flessibilità e vantaggi rispetto ai limiti dei sistemi tradizionali. Queste nuove piattaforme offrono vantaggi sostanziali ai servizi di AI, consentendo uno sviluppo più rapido e semplice di soluzioni innovative sia per la gestione dei dati che per l’analisi avanzata, creando benefici reciproci. Molte aziende hanno già iniziato ad abbracciare questo nuovo paradigma, con progetti di successo che ne dimostrano l’efficacia.

Leggi anche:  Internazionalità e innovazione al centro della BU International Institutions & Research di Fincons

A cura di PwC