Non bastano quantità big, per i progetti di AI e perché siano iniziative di successo, è importante anche poter contare sulla qualità dei dati. A dimostrare quanto è importante il Data Quality per l’aziende nei progetti di AI sono due ricerche di recente pubblicazione.
Si parla di Data Quality da ancor prima che l’Intelligenza Artificiale irrompesse nelle vite delle aziende e delle persone che ci lavorano; ma più progetti partono più ci si scontra con le problematiche che ne impediscono il corretto funzionamento.
I motivi per cui l’AI da sola può fallire in azienda
La società americana Presidio ha recentemente analizzato la situazione di aziende pubbliche e private che hanno adottato soluzioni di AI in diversi dipartimenti. Secondo la ricerca, al secondo posto dei motivi per cui i progetti di intelligenza artificiale possono fallire, c’è proprio la mancanza di dati di qualità.
Come si vede nel grafico, che riprendiamo dal sito Govtech.com, la mancanza di dati di qualità per addestrare l’AI è il secondo motivo di un possibile fallimento (17%). Al primo posto si trova l’assenza di una visione strategica da parte delle aziende che decidono di adottare l’Intelligenza Artificiale senza però averla inserita in una visione sistemica.
Visioni eccessivamente ottimistiche e poco realistiche, mancanza di competenze e di infrastrutture completano la top 5, come si vede nel grafico.
Data Quality o AI: chi viene prima?
Non esiste una risposta universale a questa domanda, ogni situazione è peculiare e va valutata nel suo insieme. Questo perché, come dimostra anche l’interessante ricerca menzionata prima, implementare l’AI in azienda deve assolutamente rientrare in una visione strategica di ampio respiro e naturalmente ogni azienda ha la sua.
L’optimum è senz’altro quello di avere una base di dati e informazioni da dare in pasto all’AI prima di introdurla in azienda, in modo da evitare spreco di tempo, soldi ed energie per far funzionare qualcosa a cui oggettivamente manca un pezzo fondamentale. Ma se, per svariati motivi, la tecnologia arriva prima, si è sempre in tempo a rimediare e costruire il bacino di contenuti con cui addestrarla perché sia davvero un alleato e non qualcosa che rallenti e crei frustrazione nelle persone.
Tra gli intervistati nella ricerca di Presidio, più dell’86% ha dichiarato di aver affrontato importanti problemi con i dati a disposizione dei sistemi di AI, sia in termini di scarsità sia in termini di facilità d’accesso in real time. L’84% si è detto in estrema difficoltà con le informazioni e i dati a loro disposizione in azienda (soprattutto chi lavora nel settore finanziario e sanitario), confermando quanto il Data Quality sia davvero importante nei progetti di AI delle aziende.
Per progetti AI le aziende devono lavorare sull’aspetto strategico culturale
Anche recenti ricerche sulle imprese italiane dimostrano quanto sia importante il disegno strategico delle aziende che intendono sfruttare il potenziale delle tecnologie di Intelligenza Artificiale. Secondo una recente ricerca di GEA Digital su 254 aziende italiane, riportata da Businesscommunity.it, il 65% degli intervistati pensa che la visione sistemica sia fondamentale per prendere la decisione di introdurre l’Intelligenza Artificiale in azienda. Farlo perché va di moda o pensando che prima o poi tornerà utile, non si rivela mai essere una buona scelta.
Interessante un altro dato emerso da questa ricerca: solo il 35% delle imprese sta curando la parte di formazione prima di implementare un progetto di AI. Eppure si tratta di uno degli aspetti fondamentali che in molti dichiarano di trascurare, scontrandosi poi con difficoltà di gestione sia delle tecnologie sia nell’uso che effettivamente ne viene fatto.
Secondo la sopracitata ricerca di Presidio, il 50% delle aziende ha ammesso di essere partiti con progetti di AI prima di essere davvero pronti per farlo.
Le persone vanno assolutamente educate e ancor prima ingaggiate perché credano fermamente nel valore di una novità così dirompente come può essere l’AI in azienda. Trascurare questo aspetto e pensare che la tecnologia possa fare tutto da sola si rivela anche nel breve un pensiero sbagliato che genera perdite di natura economica e culturale.
Casi di successo di AI che parte dal Data Quality
Abbiamo affrontato di recente case study di successo raccontando degli assistenti virtuali di Edison Energia e di AIDA. Si tratta in entrambi i casi di progetti che sfruttano l’Intelligenza Artificiale Generativa come co-pilota del customer care ma che sono partiti da Knowledge Base di qualità da darle in pasto per educarla e addestrarla in modo che rispondesse in maniera pertinente alle diverse interrogazioni.
Il successo di questi progetti, come raccontano i due casi studio, è facilmente misurabile, non solo in termini di miglioramento dei classici KPI dei servizi di Customer Care ma anche con tassi di pertinenza delle risposte dell’AI elevatissimi, vicini al 96%.
