I manager sono importanti quando si tratta di adottare l'IA?
Certamente. Secondo Gartner, un sorprendente tasso di progetti di IA fallisce. Non si tratta del destino, e c'è molto che un manager può fare per ribaltare queste statistiche. Negli ultimi 12 anni, ho avuto l'onore di collaborare in diversi ruoli di leadership all'interno del gruppo di Intelligenza Artificiale nell'IT di Intel. Questo team ha creato e prodotto migliaia di algoritmi di IA oltre ad aver implementato alcuni solidi metodi per aumentare la probabilità di successo dell'IA che vorrei condividere con voi.
Una di queste iniziative è il programma "AI Everywhere" (ndt. IA ovunque) di Intel, fondato lo scorso anno con l'obiettivo di aumentare il tasso e il valore di successo quando si applica l'IA in una società per risolvere diverse sfide aziendali. Lo facciamo fornendo un ricco portafoglio di sessioni di consulenza e formazione, strumenti di IA autonomi, creazione di funzionalità di IA end-to-end su richiesta e promuovendo una vasta comunità interna di professionisti e di appassionati di IA.
Nel corso di questo anno, ho avuto il privilegio di interfacciarmi e di consultarmi con molti individui, team e leader all'interno della società, tutti che seguivano lo stesso percorso per utilizzare l'IA. Alcuni erano solo agli inizi mentre altri erano già a percorso avanzato. Anche se alcune delle sfide e delle soluzioni sono uniche a settori specifici, i diversi team presentano chiari punti in comune. Un punto chiaro che ho notato è che il livello e lo stile con cui i manager e i leader di un'organizzazione sono coinvolti nel processo di adozione dell'IA fanno la differenza. Non è di certo l'unico motivo per il ritmo di adozione dell'IA, ma in qualità di manager possiamo aiutare ad accelerare le cose. In modo significativo. O almeno creare un piano reale e fattibile per adottare "bene" l'IA. Nel resto di questo articolo, cercherò di delineare il ruolo che deve svolgere un manager o di un leader nell'adozionare dell'IA e nelle principali attività, in cui credo debba essere coinvolto per facilitare un'adozione dell'IA più rapida e di successo.
Sponsor, driver e facilitatore di IA: i ruoli che devono intraprendere manager e leader
In Intel, ho assistito a due modi con cui un'organizzazione ha intrapreso il suo percorso di IA; il "bottom-up": un dipendente o un piccolo gruppo di dipendenti prende un'iniziativa di IA e ne dimostra il valore per ottenere il consenso della direzione; oppure un manager identifica il potenziale e prende le decisioni (e auspicabilmente azioni) per promuovere l'adozione dell'IA, noto anche come "top-down". Per esperienza, non è come l'iniziativa di IA è stata avviata che può prevedere il ritmo o la probabilità del suo successo. Ciò che è fortemente correlato è che i manager coinvolti (indipendentemente dal fatto che fossero lì fin dall'inizio o si siano uniti in un secondo tempo) hanno svolto i ruoli giusti: cioè, i ruoli di sponsor, driver e facilitatore dell'IA. Pertanto, hanno bisogno di assicurarsi che le risorse, gli obiettivi, le azioni e i comportamenti dedicati al processo siano giusti. Qui di seguito elencherò le 7 attività principali che ritengo siano le più importanti per qualsiasi manager che desideri aiutare a velocizzare il percorso della propria organizzazione nell'applicazione delle tecniche di IA:
1. Definire una strategia e obiettivi chiari per la portata e il metodo di utilizzo dell'intelligenza artificiale all'interno dell'organizzazione
Quando un team ha appena iniziato con l'IA, e specialmente se le prime iniziative sono nate dal livello più basso, non c'è ancora bisogno nell'immediato di definire una "strategia di IA". Si tratta piuttosto di ottenere dei risultati di business tangibili. Tuttavia, non appena i manager di un'organizzazione desiderano aumentare gli investimenti e accelerare il ritmo di adozione dell'IA, dovrebbero poi iniziare a definirne una strategia e degli obiettivi.
E sì, le cose molto probabilmente cambieranno lungo la strada, e sarà molto probabilmente necessario un adeguamento della strategia, ma ciò è di sicuro meglio rispetto a non averne uno per cominciare.
Alcune domande a cui si dovrebbe rispondere quando si definiscono strategia e obiettivi:
- L'IA sarà effettuata da persone del team o verrà data in outsourcing ad altri team o venditori?
- Esiste C'è la volontà di creare un centro IA di eccellenza o di distribuire il lavoro di IA all'interno dell'organizzazione? (Anche dando in outsourcing un parte o la totalità del lavoro)
- Scopo iniziale pianificato: iniziare piano e con semplicità (ad esempio, utilizzando strumenti già fuori dalla scatola o raccogliendo i frutti appesi ai rami più in basso) o fare già le cose in grande e creare funzionalità su misura?
- In che modo verrà misurato il successo nell'adozione dell'IA? ROI? Numero di funzionalità prodotte? Altro?
- Ritmo di adozione; sei più fiducioso nell'andare alla grande o nel fare un investimento con una crescita graduale?
Un'implicazione diretta nel definire una strategia di IA è il dover avere un piano chiaro di crescita sulla conoscenza dell'IA all'interno della tua organizzazione:
2. Definisci la "Piramide" di competenze di IA all'interno della tua organizzazione e un piano di crescita sulla conoscenza dell'IA
L'IA è ben avviata per essere una tecnologia core sotto tutti gli aspetti delle nostre vite domestiche ed eventualmente lo sarà anche nei nostri luoghi di lavoro. Con questa affermazione in mente, credo fermamente che tutti i dipendenti abbiano bisogno di far crescere le loro conoscenze e competenze di IA. Non ho intenzione di trasformare i dipendenti in professionisti dell'IA. Vedo questa cosa come una piramide, dove alla sua base troviamo la conoscenza dell'IA che tutti i dipendenti dovrebbero avere, e salendo verso l'alto, ogni organizzazione può e deve definire le diverse "personalità IA", a seconda della loro strategia e degli obiettivi IA. La "piramide della conoscenza dell'IA" di un'organizzazione dovrebbe riflettere quanto sia aggressivo il suo piano di adozione dell'IA e di quanto, a livello di competenza IA, vorrebbe crescere internamente rispetto a collaborare con partner esterni.
Nell'esempio sottostante (figura 1), esistono 3 principali personalità IA: "tutti", "campioni di IA" e "esperti di IA".
Il presupposto qui (che si applica a diverse organizzazioni di Intel) è che ciascun dipendente ha bisogno di comprendere i concetti di base dell'IA. In questo modo possiamo eliminare la paura e le obiezioni aiutando così a identificare le opportunità. Ancora di più, quando si arriva ad esso, e ci si arriverà, si sarà più aperti nell'apportare modifiche al modo in cui si fa il proprio lavoro per accogliere l'IA. Almeno in una certa misura.
Le definizioni specifiche dei 2 livelli successivi nella piramide qui di seguito, variano tra le squadre, alcune le suddividono ulteriormente, mentre altri lo fanno in modo diverso.
Linea base qui: assicurarsi di fare chiarezza su chi dovrebbe imparare quali competenze e come ci riusciranno. Alcune organizzazioni formeranno ambiziosi piani "big-bang" di upskilling mentre altri opteranno per un upskilling dal ritmo più lento e più organico. Tutti i metodi di upskilling dell'IA vanno bene, fintanto che restano allineati con la relativa strategia e con gli obiettivi dell'organizzazione.
3. Capitalizza sui tuoi dati esistenti e investi in modo intelligente per migliorarli
I dati sono senza dubbio il facilitatore più importante dell'IA. Ciò non significa che fintanto che non avrai perfezionato tutti i dati all'interno dell'organizzazione, non potrai applicarvi l'IA. Infatti, dalla mia esperienze, quando le organizzazioni sceglievano lunghi e costosi "progetti di base dati" senza lavorare al tempo stesso sul trarre un chiaro valore aziendale attraverso i propri dati, in genere interrompevano il lavoro di base dati lasciando tutti in un sentimento di totale frustrazione. Il mio suggerimento è di iniziare con i dati che si hanno, o che si possono ottenere abbastanza facilmente, creando il massimo valore di capacità di IA grazie a essi, e, successivamente, sulla base del proprio successo si può gradualmente far crescere l'investimento estraendo più dati. Il mio consiglio più grande, in tutte le fasi della propria "evoluzione dei dati", non è quello di essere un "accumulatore di dati". Al contrario, raccogliere i dati che si hanno a portata di mano consente di vedere come raccogliere e cosa può essere fatto, garantendo una crescita costante del valore aziendale grazie ai propri set di dati in crescita. Più punti di prova e sicurezza si avranno nel valore dei propri dati, più alti saranno gli obiettivi a cui potrai mirare, tra cui la raccolta dei dati attualmente non disponibili su nessun sistema, rendendo profonde modifiche agli strumenti e ai metodi di lavoro per raccogliere dati e persino creando una piattaforma di dati completamente nuova.
4. Gestisci il cambiamento: dall'alto verso il basso e dal basso verso l'alto
Che si tratti di creare dati migliori o di favorire l'adozione dell'IA, spesso si dovranno affrontare delle obiezioni. Alcune obiezioni possono essere attribuite alla paura o alla conservazione, ma molte di esse possono essere eliminate se il processo di adozione dell'IA viene gestito correttamente. Per esperienza, non è sufficiente gestire unicamente il cambiamento "dall'alto verso il basso, ad esempio, definendo strategie e obiettivi chiari, scaricandoli ai dipendenti e assumendo che tutto andrà liscio con l'implementazione di ciascuna nuova funzionalità IA. Le funzionalità IA più importanti che ho visto richiedono un livello di collaborazione tra l'esperto umano e l'IA. Può essere che l'esperto debba utilizzare le raccomandazioni di IA per migliorare il proprio risultato o che abbiano bisogno di dare un feedback o dati migliorati affinché l'IA funzioni o semplicemente che gli si richieda di non disattivare la funzionalità IA alla prima possibilità che si ha. In entrambi i casi, se l'utente finale non è coinvolto nel processo e istruito/potenziato/assicurato sull'utilizzo dell'IA per il suo massimo interesse, l'implementazione non sarà più efficace. Pertanto, gli utenti finali e gli esperti devono essere tenuti nel loop sin dall'inizio, al livello della funzionalità specifica oltre che nella direzione generale in cui va l'organizzazione. Non solo le obiezioni saranno notevolmente ridotte, e quindi la probabilità di successo crescerà, ma porteranno ben probabilmente delle idee sorprendenti accelerando il processo in modo significativo.
5. Seleziona casi d'uso appropriati con obiettivi ROI e obiettivi aziendali chiari
Per esperienza personale, molti se non la maggior parte degli insuccessi legati all'IA avrebbero potuto essere evitati se un'energia e un controllo sufficienti fossero stati applicati nella fase di selezione del caso d'uso. Quello che mi aspetto dai manager, in particolare, è di assicurarsi che il team così come qualsiasi decisore comprenda perfettamente la fattibilità (vedi figura 2), il rischio e il valore potenziale detenuti da un'idea IA. Vedo i manager come dei guardiani, evitando pregiudizi nei confronti di un'idea IA o dell'intera tecnologia, al punto di perdere potenziali problemi. Non è che l'essere diligenti sulle idee IA verso cui ci si muove permette di evitare ogni ostacolo e difficoltà al proprio progetto IA futuro, ma almeno si conosceranno i rischi. Aspetto ancora più importante, si porranno a se stessi e al team domande difficili per assicurarsi di avere un sufficiente valore aziendale da raggiungere per sopportare e superare i contrattempi che potrebbero esserci.
6. Assegna le giuste persone in base alla criticità e alla complessità della mansione
Probabilmente, avrete capito che credo fermamente che non tutte le idee IA sono nate uguali. Quindi non esiste un formato universale in termini di competenze richieste. Tuttavia, uno scenario tipico che ho notato è che i manager assegnano soltanto scienziati di dati o scienziati di dati alla lavorazione di un'idea. E mentre gli scienziati dei dati sono spesso le persone giuste da avere quando si deve gestire la parte algoritmica delle cose, di solito non sono sufficienti. Soprattutto se si tratta di progetti più complessi, integrativi e trasformativi dell'IA. Per aumentare le probabilità che un'idea IA più complessa percorra tutta la strada fino alla produzione fornendo un elevato impatto aziendale, queste sono le personalità principali consigliate per essere coinvolte in tale processo:
- Scienziati dei dati: responsabili principalmente di creare il miglior algoritmo per risolvere il problema considerato lo scopo e gli obiettivi definiti.
- Esperti in materia: possiedono una profonda abilità imprenditoriale sul problema da risolvere e sono in grado di compensare le decisioni per migliorare il risultato aziendale (ad esempio, in che modo e quali dati gestire, come definire correttamente il problema da risolvere, come procedere all'integrazione e all'implementazione della soluzione IA come parte del processo aziendale, ecc.).
- Ingegneri ML e ingegneri di piattaforme IA: responsabili dell'architettura e dell'esecuzione di una soluzione IA end-to-end ottimizzata per il problema aziendale e per gli algoritmi creati dagli scienziati dei dati. Devono essere competenti nelle moderne pratiche SW e MLOP di IA.
- Responsabili di prodotto/progetto IA: persone con un'elevata competenza nella gestione di prodotti/progetti oltre che nelle tecnologie IA. Devono avere esperienza nella direzione di un team multidisciplinare attraverso la definizione e l'esecuzione di un'idea IA in tutto il processo di produttività e incrementare un impatto aziendale sostenibile nel tempo.
- Integratori: se applicabile, è molto vantaggioso lavorare a stretto contatto con individui e team che possono integrare la funzionalità IA ai processi esistenti e che sono in grado di apportare per di più le modifiche necessarie a rendere l'integrazione IA ancora più fluida.
- Sponsor IA: una persona che occupa una posizione di leadership in grado di aiutare a influenzare e a eliminare gli ostacoli durante il processo lavorativo di un'idea IA. Incluso e non limitato ad attribuire risorse, a prendere decisioni POR e a formare i corretti livelli decisionali atti a incrementare il successo. Spesso questo rappresenta il ruolo più importante che un manager può svolgere per accelerare le cose all'interno di un percorso di adozione completo di IA.
7. Definisci aspettative e pazienza: la trasformazione richiede tempo e investimento
Quest'ultimo aspetto è probabilmente il più importante consiglio che ho da proporre in particolare a manager e leader. Se avete letto fino a qui significa che avete già fatto o state seriamente pensando di effettuare un investimento significativo nell'applicare l'IA al lavoro svolto nella tua organizzazione. Con questo, desiderate assicurarvi che il vostro ROI sia sufficientemente importante. E abbastanza veloce. Tuttavia, per esperienza personale, si tratta sempre di un procedimento più lungo e complesso quello di raggiungere il punto di "ROI sufficiente" rispetto a quello anticipato dalla maggior parte delle persone. Esistono più ragioni: l'IA è ancora una tecnologia nuova e spesso intrusiva, e possiede rischi potenziali e reali per l'azienda se non viene applicata correttamente. Inoltre, il percorso da un POC di successo alla produttività è sempre più lungo di quanto previsto. Infine, se portata al suo massimo potenziale, l'IA è rivolta verso una trasformazione vera e propria di come si dirige un'azienda. E la trasformazione richiede tempo, investimento e pazienza. La figura 3 sottostante mostra un tipico grafico di maturità dell'IA con le diverse fasi di adozione dell'IA, le sue caratteristiche e la durata tipica. Non ha lo scopo di scoraggiarvi ma piuttosto di definire delle aspettative più realistiche sui risultati e su quanto presto aspettarseli.
Da qui dove si va?
Una domanda che potrebbe persistere in questo momento in voi: "Avendo letto e seguito tutti i 7 passaggi, posso garantire un'accelerazione delle cose?" Beh, la risposta è: "forse". Come ho detto, anche se fatta in modo corretto, l'adozione dell'IA rappresenta spesso un processo più lungo e che richiede più risorse rispetto a quanto inizialmente previsto. Tuttavia, se fatta bene, e a prescindere dal fatto di aver scelto di essere lo sponsor, il driver, il facilitatore dell'IA o tutti questi ruoli, essa aumenterà in modo significativo la probabilità di successo e l'impatto aziendale previsto che ne consegue. E questi sono alcuni ottimi motivatori.