Se l’Intelligenza Artificiale è riconosciuta quale leva competitiva per il business futuro delle aziende è altrettanto vero che i dati sono fondamentali per permettere la corretta implementazione dell’AI.
“Addestrare gli algoritmi con i dati giusti è l’unico modo per trasformare l’entusiasmo verso l’Intelligenza Artificiale in benefici concreti”, è quanto sostiene Alberto Scavino, Ceo di Irion, azienda italiana specializzata in tecnologie e soluzioni di Enterprise Data Management.
Questo perché la scarsa qualità e la difficile integrazione dei dati possono minare alla base l’obiettivo di estrarne valore. Le aziende devono, quindi, darsi da fare per non perdere opportunità di crescita o, peggio, prendere decisioni e delegare azioni all’AI basate su informazioni inaffidabili.
Molte aziende però non sono ancora pronte, come dimostra la ricerca realizzata da Irion in collaborazione con l’Osservatorio Big Data & Business Analytics del Politecnico di Milano.
Per comprendere al meglio lo scenario di mercato sono state coinvolte prevalentemente aziende del mondo industriale e dei servizi, al fine di analizzare la maturità di settori in cui le normative di gestione dei dati hanno un ruolo minore rispetto ad altri ambiti.
La qualità dei dati, elemento cruciale per il successo dell’AI
L’Intelligenza Artificiale sta rapidamente trasformando il mondo del lavoro, offrendo vantaggi competitivi significativi alle aziende che riescono a implementarla correttamente. Tuttavia, la qualità dei dati, elemento cruciale per il successo dell’IA, è spesso trascurata.
Secondo l’indagine presentata recentemente da Irion presso l’Environment Park - il Parco Tecnologico di Torino - in occasione della celebrazione dei 20 anni di attività, circa tre aziende su quattro (74%) non sono pronte a implementare tecnologie di AI a causa della mancanza di programmi avanzati di Data Management.
La ricerca evidenzia che la qualità dei dati è cruciale e solo grazie a informazioni corrette è possibile “addestrare” gli algoritmi in base alle proprie esigenze, ottenendo risultati utili, affidabili e di valore.
Una ricerca che restituisce una fotografia di luci e ombre. "Sicuramente negli ultimi anni è cresciuta la consapevolezza, ma chi si occupa di Data Management nelle aziende fa ancora fatica a far percepire i benefici di investimenti e processi ben strutturati per incrementare la qualità dei dati”, ha commentato Irene Di Deo, Ricercatrice Senior dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano.
Il costo di una scarsa consapevolezza sulla qualità del dato
Gartner stima che la scarsa qualità dei dati rappresenti un costo medio di 10,8 milioni di dollari all’anno per organizzazione, cifra che potrebbe aumentare con la maggiore diffusione della digitalizzazione.
Una perdita che deriva generalmente da “spreco” di risorse per la pulizia e la correzione dei dati, analisi inaccurate che portano a decisioni errate, opportunità mancate a causa di insight inaffidabili.
Dalla ricerca emerge che solo una realtà su cinque ha la consapevolezza che la scarsa qualità del dato rappresenta direttamente un costo per l’azienda. Esempi sono i danni reputazionali, gli errori nella gestione di processi, le inefficienze e i costi di compliance.
Questo dato aumenta in riferimento alle imprese che hanno già avviato progettualità avanzate di intelligenza artificiale, cosiddette AI-ready. Tuttavia, solo il 15% delle medie imprese può essere considerato AI-ready, mentre la percentuale sale al 32% tra le grandi imprese.
Data Management: adozione ancora troppo lenta
La ricerca rivela che meno della metà delle imprese italiane ha adottato programmi di Data Management, indicando una lentezza nel percorso di adozione di tecnologie e processi efficaci.
Da un punto di vista di adozione della tecnologia, se è evidente che il Data Management stia acquistando sempre più valore per il proprio business, si registra che solo due aziende su dieci nel 2024 hanno dedicato un budget superiore (di almeno il 3%)a quello allocato nel 2023.
Va, tuttavia, evidenziato che secondo i dati dell'Osservatorio Big Data & Business Analytics, nel 2023 le aziende italiane hanno investito in infrastrutture, software e servizi per la gestione e analisi dei dati ben 2,85 miliardi di euro, con un aumento del 18% rispetto al 2022.
La consapevolezza dell’importanza della corretta gestione dei dati si sta comunque diffondendo. Tra le aziende che hanno iniziato ad adottare programmi di Data Management per valorizzare i propri dati il 38% sono medie imprese, il 60% sono grandi aziende. Purtroppo il percorso è lento: solo il 30% delle aziende ha a oggi tecnologie e processi adeguati.
L’effetto mediatico dell’AI e le criticità della gestione dei dati
Il tema dell’Intelligenza Artificiale è sempre più rilevante anche a livello mediatico. Sempre secondo la ricerca Irion-Politecnico, oltre il 30% delle aziende afferma che la maggiore attenzione dei media sul tema ha avuto un impatto positivo sui processi di gestione del proprio patrimonio informativo.
L’aumento dell’attenzione al tema ha incentivato azioni concrete per favorire la transizione verso questa nuova tecnologia, sia in fase puramente sperimentale che in fase operativa.
Ma sappiamo che per trasformare l’hype sull’AI in benefici concreti è necessario lavorare sull’integrazione e sulla qualità dei dati, aspetto che vede le aziende più interessate al tema anche tra le più consapevoli dell’impatto che una buona gestione dei dati ha sul proprio business.
I principali ostacoli percepiti dalle aziende per l’adozione di programmi di AI sono l’integrazione dei dati (83%), la loro pulizia e preparazione (78%) e la scarsa qualità (64%).
Un’altra problematica che si presenta con maggiore frequenza è la presenza di dati incompleti, spesso generata da fusioni tra aziende o causata da dati analogici (o addirittura processi ancora cartacei) nello storico dell’azienda, che non permettono la corretta fruizione dell’informazione.
Le competenze necessarie per l'Intelligenza Artificiale nelle aziende
L'Intelligenza Artificiale promette di migliorare l'efficienza, ridurre i costi e aumentare la produttività, ma solo se alimentata da dati di alta qualità e gestita da personale qualificato. Da qui l’importanza delle competenze: le aziende necessitano di personale in grado di preparare e validare i dati.
Queste competenze sono fondamentali per garantire che i dati utilizzati per addestrare gli algoritmi siano accurati, completi e rilevanti. La mancanza di tali competenze può portare a inefficienze, errori e decisioni basate su informazioni inaffidabili, compromettendo i benefici potenziali dell'AI.
Negli ultimi tre anni, circa due aziende su dieci hanno aumentato il numero di figure dedicate alla gestione dei dati, numero che cresce a circa quattro aziende su dieci tra quelle AI-ready, che mostrano una maggiore capacità e volontà di investire nel Data Management. Le competenze richieste includono:
- Data Science e Analisi dei Dati: Professionisti in grado di analizzare grandi quantità di dati e trarre insight significativi.
- Ingegneria dei Dati: Esperti che possono costruire e mantenere infrastrutture di dati scalabili e sicure.
- Qualità dei Dati: Specialisti nella pulizia, verifica e manutenzione della qualità dei dati.
- Gestione dei Dati: Professionisti in grado di sviluppare e implementare strategie di Data Management che allineano i dati con gli obiettivi aziendali.
- Sicurezza dei Dati: Esperti che garantiscono che i dati siano protetti da accessi non autorizzati e violazioni.
Il Data Management per l’AI
Dunque, l'integrazione efficace dell'intelligenza artificiale nelle aziende dipende fortemente dalla qualità dei dati e dalle competenze del personale che li gestisce.
Investire in professionisti del Data Management e in programmi di formazione specifici è fondamentale per garantire che l'AI possa offrire i suoi benefici potenziali.
Per questo, le aziende che riconoscono l'importanza delle competenze nel Data Management sono quelle che avranno maggiori probabilità di successo nell'adozione dell'AI, trasformando l'hype tecnologico in vantaggi competitivi concreti.
