Da una recente ricerca di Altair, realtà specializzata nella scienza computazionale e nell'intelligenza artificiale (AI), è emerso che a fronte di alti tassi di adozione di progetti basati su dati e AI a livello globale, spesso si rileva anche un elevato tasso di fallimento (tra il 36% e il 56%), laddove sono presenti ostacoli tra i reparti organizzativi.
La mancata riuscita di tali progetti è, infatti, condizionata da tre principali tipologie di ostacoli: organizzativi, tecnologici e finanziari.
Secondo James R. Scapa, fondatore e amministratore delegato di Altair, esistono numerosi ostacoli legati alle persone, alla tecnologia e agli investimenti che impediscono alle organizzazioni di ottenere informazioni data driven necessarie per ottenere risultati.
"Una possibile soluzione è raggiungere la Frictionless AI", spiega Scapa. "Le aziende devono passare a strumenti di analisi dei dati self-service che consentano anche agli utenti non tecnici di lavorare in maniera semplice ed efficace su sistemi tecnologici complessi, evitando gli ostacoli che impediscono loro di progredire"
Cos'è la Frictionless AI?
Quando le organizzazioni raggiungono la Frictionless AI, l'analisi dei dati diventa una parte facile e naturale del business, con progetti semplici, ripetibili e scalabili.
Non ci sono scogli tecnologici tra le organizzazioni e i loro dati; non ci sono limiti organizzativi tra gli esperti di dati e gli esperti del settore; non ci sono ostacoli nel flusso di lavoro tra la progettazione dell'applicazione dei dati e l'implementazione produttiva; e non ci sono difficoltà di migrazione quando infrastrutture o strumenti cambiano.
Ostacoli organizzativi
Le organizzazioni stanno avendo difficoltà nel coprire i ruoli di data science, e questo rappresenta una causa significativa di insuccesso.
- Il 75% dei partecipanti ha dichiarato di avere difficoltà a trovare talenti nel campo della data science.
- Il 35% ha affermato che la conoscenza e la comprensione dell'intelligenza artificiale sono basse nella maggior parte del personale.
- Il 58% ha affermato che sono la scarsità di talenti e il tempo necessario per migliorare le competenze dei dipendenti attuali il problema più diffuso nella loro strategia di adozione dell'intelligenza artificiale.
Ostacoli tecnologici
Più della metà dei partecipanti ha dichiarato che la propria organizzazione si scontra spesso con limitazioni tecniche che rallentano le iniziative di data science e intelligenza artificiale.
- Nel complesso, i partecipanti hanno dichiarato di avere difficoltà a causa della lentezza nell’elaborazione dei dati, oltre alla difficoltà nel prendere decisioni informate rapidamente e a problemi legati alla qualità dei dati.
- Quasi due terzi dei partecipanti (63%) hanno affermato che la propria organizzazione tende a complicare l'utilizzo degli strumenti di dati basati sull'intelligenza artificiale più di quanto sia necessario.
- Il 33% ha citato l'incapacità dei sistemi legacy nello sviluppare iniziative avanzate di intelligenza artificiale e di machine learning, creando problemi tecnologici ricorrenti.
Ostacoli finanziari
Nonostante il desiderio delle organizzazioni di espandere le proprie strategie di data science e intelligenza artificiale, i team e gli individui si devono interfacciare continuamente con ostacoli di tipo finanziario.
- Il 25% dei partecipanti ha citato i vincoli finanziari come punto che influisce negativamente sulle iniziative di intelligenza artificiale all'interno della propria organizzazione.
- Il 28% ha affermato che la dirigenza è troppo concentrata sui costi iniziali delle strategie per capire come gli investimenti in intelligenza artificiale e apprendimento automatico potrebbero portare benefici alla loro organizzazione.
- Il 33% ha affermato che l'”alto costo di implementazione" - che sia reale o percepito - è una delle problematiche della loro organizzazione quando si fa affidamento sugli strumenti di intelligenza artificiale per completare i progetti.
Il fallimento dei progetti è comune, ma prevale comunque l’ottimismo, tant'è che le organizzazioni, di diversi settori e regioni geografiche, continuano ad utilizzare l'intelligenza artificiale nonostante l'alto tasso di fallimento dei progetti.
