Sebbene i leader aziendali possano già collaborare con fornitori di servizi alternativi a Infosys, la strategia dell’azienda di delimitare le aree di azione necessarie per le implementazioni dell’intelligenza artificiale offre un valore significativo. Le sei aree descritte forniscono punti di riferimento pratici che possono essere utilizzati in qualsiasi organizzazione per pianificare progetti o magari monitorare e valutare gli sforzi di implementazione in corso.
Tra questi, centrale è la preparazione dei dati. I sistemi di intelligenza artificiale dipendono dalla qualità e dalla coerenza dei dati, quindi gli investimenti in piattaforme di dati, governance dei dati e pratiche di ingegneria che supportano i modelli sono il principio centrale su cui si basano le iniziative di intelligenza artificiale.
Integrare l’intelligenza artificiale nei flussi di lavoro significa che a volte è necessario riprogettare il modo in cui lavorano i dipendenti. I leader dovrebbero essere consapevoli di come interagiscono gli agenti e i dipendenti dell’intelligenza artificiale e misurare i miglioramenti delle prestazioni. È possibile apportare modifiche sia alle tecnologie impiegate che ai metodi di lavoro esistenti fino ad oggi. In quest’ultimo caso, sarà necessaria la riqualificazione e l’istruzione dei dipendenti interessati, con relativi costi.
La questione dei sistemi legacy richiede particolare attenzione poiché molte organizzazioni gestiscono patrimoni complessi che limitano l’agilità necessaria all’intelligenza artificiale per migliorare le operazioni. Gli stessi strumenti di intelligenza artificiale possono aiutare ad analizzare le dipendenze esistenti e persino a pianificare la modernizzazione, implementata, idealmente, in più fasi o in sprint separati.
Le operazioni fisiche si intersecano sempre più con i sistemi digitali. Per le aziende con prodotti fisici, come nel settore manifatturiero o logistico, l’integrazione dell’intelligenza artificiale in dispositivi e apparecchiature può migliorare il monitoraggio e la reattività dei dispositivi. Ciò richiederà il coordinamento tra i team IT, OT, tecnici e operativi; in particolare, dovrebbero essere consultati i leader delle linee di business.
La governance dovrebbe accompagnare l’implementazione dell’IA su qualsiasi scala. La valutazione del rischio, i test di sicurezza, la formulazione delle politiche di sicurezza e la progettazione di guardrail specifici per l’intelligenza artificiale dovrebbero essere stabiliti nella fase iniziale. Il controllo normativo sull’intelligenza artificiale è in aumento, in particolare nei settori che trattano dati sensibili, e si applicano sanzioni legali in caso di perdita o cattiva gestione dei dati, indipendentemente dalla loro fonte – intelligenza artificiale o altro – nell’azienda. Strutture di responsabilità e documentazione chiare riducono questi rischi per le operazioni e la reputazione.
Nel loro insieme, queste aree indicano che l’implementazione dell’IA è organizzativa piuttosto che puramente tecnica. Il successo dipende dall’allineamento della leadership, dagli investimenti sostenuti e dalla valutazione realistica di eventuali lacune di capacità. Le affermazioni di una rapida trasformazione dovrebbero essere trattate con cautela, e risultati durevoli sono più probabili quando strategia, dati, progettazione dei processi, modernizzazione, integrazione operativa e governance vengono affrontati in parallelo.
(Fonte immagine: “Infosys, Bangalore, India” di theqspeaks è concesso in licenza con CC BY-NC-SA 2.0.)
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx e co-localizzato con altri importanti eventi tecnologici. Clic Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
