Budget per l'IA: non approvare prima di aver verificato la disponibilità della rete.
Prima di stanziare un budget per l'IA, assicurati che la tua rete sia adeguata. Analizza in che modo l'infrastruttura di rete influisce sul successo e sulle prestazioni delle applicazioni di IA ed evita potenziali malfunzionamenti.
Le cose più importanti che devi sapere
- I problemi di prestazioni dell'IA sono spesso attribuiti a infrastrutture di rete e di connettività inadeguate; il 24% delle aziende del Regno Unito, le cui applicazioni di IA non hanno soddisfatto le aspettative, ha indicato questo come fattore determinante.
- I nuovi requisiti operativi dell'IA, come il trasferimento sicuro dei dati e l'instradamento intelligente dei carichi di lavoro, impongono che la rete diventi parte integrante del calcolo del ROI, e non solo un'infrastruttura di back-end.
- Prima di approvare un budget per l'IA, i consigli di amministrazione dovrebbero porre domande specifiche sul traffico dati, sulla capacità della rete di supportare l'IA dopo la fase pilota e su cosa accade in caso di guasti per garantire un valore sostenibile.
L'intelligenza artificiale è passata rapidamente dalla fase sperimentale a una priorità assoluta nei consigli di amministrazione. Ma prima di approvare il prossimo budget per l'IA, i leader aziendali del Regno Unito dovrebbero porsi una domanda fondamentale: le loro reti saranno in grado di supportare l'IA su larga scala una volta superata la fase sperimentale?
Una recente ricerca britannica ha rivelato che il 55% delle organizzazioni darà priorità agli investimenti in intelligenza artificiale (IA) o apprendimento automatico (ML) nei prossimi dodici mesi, mentre quasi una su sei ammette di investire massicciamente con una scarsa valutazione per timore di rimanere indietro.
Questa pressione è comprensibile, ma in questo caso la discussione sul ritorno sull'investimento (ROI) diventa molto limitata.
Il valore dell'intelligenza artificiale non sarà sempre immediatamente evidente al momento dell'implementazione. Alcuni vantaggi si ottengono attraverso l'automazione e la produttività, mentre altri emergono attraverso lo sviluppo di capacità a lungo termine: maggiore resilienza, migliore immunità, processi decisionali più rapidi e nuove modalità di lavoro.
Il pericolo risiede nel fatto che i consigli di amministrazione finanziano l'IA come una trasformazione, per poi giudicarla come un progetto software a breve termine. Nel Regno Unito, solo il 15% delle organizzazioni afferma che le proprie implementazioni di IA hanno superato le aspettative, il che richiede un dibattito più approfondito sulle condizioni necessarie affinché l'IA abbia successo.
Dove fallisce l'intelligenza artificiale?
Quando le prestazioni dell'IA calano, l'attenzione si concentra spesso sul modello, sui dati o sul team che ha sviluppato il caso d'uso. Questi fattori sono importanti, ma raramente spiegano l'intero problema.
L'intelligenza artificiale dipende dal contesto in cui opera: dati, rete, modello di sicurezza, governance e competenze correlate. Se queste condizioni sono deboli, anche un caso d'uso promettente potrebbe faticare a diventare sostenibile e utile in un ambiente di produzione.
Una prova di concetto potrebbe sembrare allettante in un ambiente circoscritto, con dati puliti, utenti controllati e un percorso chiaro verso la creazione di valore. La difficoltà sorge quando il progetto stesso deve operare in diverse sedi, cloud, sistemi e database che non sono mai stati progettati per l'intelligenza artificiale.
In questo contesto, la connettività diventa parte integrante del calcolo del ritorno sull'investimento (ROI). Se i dati si muovono troppo lentamente, i flussi di lavoro tra i sistemi vengono interrotti, i tempi di risposta variano a seconda della posizione o i team non riescono a individuare i punti in cui le prestazioni calano, le aziende iniziano a subire costi dovuti a ritardi, rilavorazioni e perdita di fiducia.
Tra le aziende britanniche le cui applicazioni di intelligenza artificiale non hanno soddisfatto le aspettative, il 24% cita le scarse prestazioni di rete o di connettività come fattore determinante. Questa cifra è significativa perché illustra con quanta facilità un ambizioso progetto di intelligenza artificiale possa trasformarsi in un costoso programma pilota quando non è presente l'infrastruttura necessaria.
La rete è diventata una componente essenziale del calcolo del ritorno sull'investimento.
Per molti anni, le reti sono state considerate infrastrutture di back-end. Questo approccio era più facile da giustificare quando i carichi di lavoro si limitavano a email, condivisione di file o accesso standard a servizi SaaS. Tuttavia, difendere questa strategia diventa molto più difficile quando l'intelligenza artificiale viene integrata nelle operazioni in tempo reale, nei flussi di lavoro dei clienti, nel rilevamento delle frodi, nelle previsioni o nei servizi di assistenza sul campo.
L'intelligenza artificiale crea requisiti operativi diversi. Le aziende devono trasferire i dati in modo sicuro, gestire i carichi di lavoro in modo intelligente, garantire la continuità operativa e comprendere dove si accumulano i costi. Senza questa visibilità, il ritorno sull'investimento diventa reattivo; senza agilità, i processi basati sull'IA rimangono fragili; e senza una connettività sicura, i nuovi casi d'uso creano nuove vulnerabilità. Per questo motivo, la discussione sull'infrastruttura deve iniziare molto presto nel ciclo di vita dell'IA.
Guardando al futuro, il 54% delle organizzazioni del Regno Unito afferma di aver bisogno di reti più flessibili e scalabili per prosperare in un ambiente guidato dall'intelligenza artificiale, mentre il 57% dichiara di aver bisogno di maggiore flessibilità e affidabilità per massimizzare i tempi di attività.
Questi dati non vanno interpretati come una lista dei desideri tecnologici, bensì come indicatori del fatto che l'intelligenza artificiale sta costringendo le aziende a rimodellare il contesto in cui operano le performance digitali. Se ci si aspetta che l'IA supporti il processo decisionale, i clienti e i processi, allora la rete centrale diventa parte integrante della strategia di crescita, un fatto sottolineato dalla reale adozione dell'IA nelle imprese.
Quattro domande in vista del prossimo round di finanziamento per l'IA
Prima di approvare il prossimo budget per l'IA, i consigli di amministrazione dovrebbero chiedersi: Dove andranno a finire i dati? Chi potrà monitorare questi spostamenti? La rete sarà in grado di supportare l'IA dopo la fase pilota? E cosa succederà in caso di guasto?
Queste domande costringono i consigli di amministrazione a guardare oltre il livello applicativo e a valutare se l'organizzazione possiede le condizioni necessarie per scalare ciò che finanzia. Offrono inoltre al responsabile dei sistemi informativi (CIO) un modo per ancorare le ambizioni alle realtà operative fondamentali: infrastruttura, competenze, governance, sicurezza, traffico dati e disciplina dei costi.
La difficoltà maggiore nel calcolare il ROI dell'IA risiede nel fatto che alcuni valori impiegheranno tempo a maturare. Nessun consiglio di amministrazione giudicherebbe il valore di Internet in base al suo primo anno di attività, e l'IA dovrebbe essere affrontata con la stessa consapevolezza. La misurazione a breve termine è importante, ma non può essere una scusa per non investire a sufficienza nello sviluppo delle capacità che rendono possibile la creazione di valore a lungo termine.
La prossima ondata di investimenti nell'IA non si realizzerà solo grazie all'entusiasmo. Prima di scegliere il prossimo modello, finanziare la prossima piattaforma o annunciare il prossimo progetto pilota, i consigli di amministrazione del Regno Unito devono ripensare la rete sottostante.
Investire nell'IA spinto dalla paura di perdere un'opportunità (FOMO) non farà progredire le aziende. Il valore sostenibile deriverà dalla creazione delle condizioni ottimali fin dall'inizio.
I commenti sono chiusi.