Perché i dati sono il vero motore dell’AI: gli errori che frenano le aziende

123RF

Negli ultimi due anni piccole, medie e grandi imprese hanno investito cifre enormi nell’intelligenza artificiale, ottenendo però risultati ancora oggi altalenanti.

Il motivo? Il fatto che stanno guardando ai parametri sbagliati. Molti credono che il successo sia nella capacità di elaborazione dei modelli. In realtà, è nella qualità dei dati che alimentano questi sistemi.

Perché i dati rappresentano il vero motore dell’AI, non a caso ancora oggi le aziende stanno commettendo un sacco di errori in merito.

• L'importanza dei dati per l'architettura dell'AI
• Il rischio legato agli agenti AI
• Senza governance i database sono inutili
• La soluzione per le aziende AI

L’importanza dei dati per l’architettura dell’AI

Quando utilizziamo un modello di intelligenza artificiale abbiamo a che fare con un enorme elaboratore di informazioni, addestrato su database giganteschi.

Database che devono essere in regola, con dati di alta qualità e non frammentati o non aggiornati da anni, se non decenni. Se si usano dati del genere, il sistema AI può anche essere una specie di supercar in termini di potenza: il motore si bloccherà prima ancora di partire. 

E non è piacevole né per utenti entreprise né customer avere a che fare con un chatbot che non funziona al 100% delle proprie potenzialità, perché addestrato su dati insufficienti.

Molte imprese, negli anni, non hanno costruito veri ecosistemi di dati pensati per questa tecnologia. Li hanno invece assemblati nel tempo, tra acquisizioni, migrazioni tecnologiche e continue stratificazioni operative.

Il risultato è un insieme disordinato di silos informativi, record duplicati, pipeline fragili e metadati inconsistenti. Anche l’intelligenza artificiale più avanzata faticherebbe a operare in un contesto del genere.

Il rischio legato agli agenti AI

Ed è anche per questo motivo che numerosi progetti aziendali legati all’AI non riescono a superare la fase pilota. O a evolversi verso applicazioni più avanzate, come gli agenti AI.

Ricordiamo: non sono come i chatbot. Gli agenti possono operare in tempo reale e spesso senza supervisione umana diretta. Ma se l’ambiente dati è compromesso, non ci si può aspettare che un sistema autonomo prenda decisioni corrette. 

E affidare il controllo di servizi o infrastrutture a un agente AI messo in queste condizioni sarebbe come mettere alla guida della propria auto una persona completamente ubriaca.

Ed è qui che emerge un altro grande problema per le aziende: la governance dei dati.

Senza governance i database sono inutili

Anche risolvendo il problema della qualità dei dati, una domanda sorge spontanea: chi governa queste informazioni? Un team della società, uno strumento ad hoc che vale per tutti? Non sempre.

Molte aziende continuano infatti a gestire valutazione, governance, osservabilità e operazioni attraverso strumenti separati e reparti scollegati tra loro.

Un approccio decisamente deleterio, che crea ulteriore complessità, rallenta il processo decisionale e aumenta il rischio operativo.

Quindi, sì, è bene inserire i dati giusti, ma senza un’organizzazione corretta non cambia nulla.

La soluzione per le aziende AI

Per usare ancora delle metafore automobilistiche, oggi le imprese dovrebbero smettere di concentrarsi esclusivamente sulla “macchina” o sul “motore”. Ma guardare al “carburante” che alimenta il tutto, così come a chi guida e controlla tutto quanto (team, strumenti…).

Non è più soltanto una questione di modelli avanzati (tra l’altro, ogni tot mesi ne esce uno migliore dell’altro). Occorre invece costruire ambienti di dati trasparenti, puliti, aggiornati e resilienti. E soprattutto progettati fin dall’inizio con una governance chiara.

Altrimenti, il rischio è quello di ritrovarsi con un’infrastruttura costosa ma poco utile: buona per qualche dimostrazione interna o attività marginale, ma incapace di scalare davvero o di generare valore aggiunto.