L'intelligenza artificiale (AI) sta diventando sempre più una tecnologia standard. Dalla produzione industriale alle applicazioni per ufficio e alle complesse soluzioni CRM, l'IA sta consentendo l'automazione dei processi ovunque. Tuttavia, la maggior parte delle aziende ha ancora poca esperienza nel gestire l'IA. Pegasystems Inc., uno dei principali fornitori di soluzioni software strategiche per le vendite, il marketing, l'assistenza e le operazioni, mostra quali sono gli errori che spesso vengono commessi quando si implementa l'IA.

Sette errori nell'introduzione dell'IA

Nessun reale valore aggiunto: Molte aziende prevedono di utilizzare l'IA semplicemente perché è un fenomeno di richiamo, non perché possano ottenere un chiaro valore aggiunto, ad esempio attraverso una maggiore soddisfazione dei clienti, opportunità di cross-selling o upselling, ottimizzazione dei processi o miglioramento della qualità.Mancanza di comunicazione: Se l'uso dell'IA non viene comunicato agli utenti, questi ultimi potrebbero non rendersi conto che stanno interagendo con un sistema supportato dall'IA. Questo può portare a una perdita di fiducia e a un rifiuto.Base dati insufficiente: Di norma, i sistemi di IA identificano modelli ricorrenti da grandi quantità di dati; se il database è insufficiente, i risultati non sono rilevanti.Fiducia cieca: Anche se in alcuni casi d'uso i sistemi IT possono raggiungere risultati sorprendenti. "Intelligenza" non tutti i casi d'uso sono adatti all'IA, ad esempio se non è possibile fornire dati sufficientemente operativi.Mancanza di trasparenza: A causa del gran numero di fattori di influenza e di metodi per determinare i risultati dell'IA, può essere difficile o addirittura impossibile capire ex post come sia stato raggiunto un determinato risultato. A seconda dell'applicazione, tuttavia, può essere necessario garantire un'adeguata trasparenza, ad esempio nel caso di raccomandazioni terapeutiche.Mancanza di flessibilità: L'IA è progettata in modo tale che i reparti specializzati non abbiano sufficienti opzioni di personalizzazione; tuttavia, i dipendenti dei reparti specializzati devono essere in grado di parametrare le soluzioni di IA in modo indipendente per poter sperimentare diversi scenari in modo agile.Mancanza di idoneità pratica: Le aziende spesso implementano soluzioni di IA che funzionano bene in progetti pilota, ma non sono scalabili nella pratica; i processi di IA utilizzati devono fornire risposte in applicazioni di grandi dimensioni con numerosi utenti - ad esempio nelle infrastrutture web - in tempi brevi; come linea guida, dovrebbero essere possibili tempi di risposta inferiori a 50 millisecondi.

Maneggiare con cura le nuove tecnologie

"Per molte aziende, l'IA è una disciplina nuova, quindi non possiamo aspettarci che i processi funzionino nello stesso modo in cui siamo abituati a fare con altre tecnologie. Al contrario, dobbiamo aspettarci tassi di errore più elevati."spiega Carsten Rust, Direttore Solution Consulting DACH di Pegasystems a Monaco. "Questo non è assolutamente un argomento contro l'IA, ma piuttosto a favore di un approccio cauto. È importante che gli utenti siano consapevoli delle insidie che si possono incontrare nella realizzazione di sistemi di IA."

L'intelligenza artificiale (IA) sta diventando sempre più una tecnologia standard. Dalla produzione industriale alle applicazioni d'ufficio fino alle complesse soluzioni CRM, l'IA consente l'automazione dei processi in ogni ambito. Tuttavia, la maggior parte delle aziende ha ancora poca esperienza nell’utilizzo dell’IA. Pegasystems, fornitore di soluzioni software strategiche per le vendite, il marketing, l’assistenza e le operazioni, illustra quali sono gli errori più comuni commessi durante l’implementazione dell’IA.

Nessun reale valore aggiunto: Molte aziende prevedono di utilizzare l'IA semplicemente perché è un fenomeno di richiamo, non perché possano ottenere un chiaro valore aggiunto, ad esempio attraverso una maggiore soddisfazione dei clienti, opportunità di cross-selling o upselling, ottimizzazione dei processi o miglioramento della qualità.

Mancanza di comunicazione: Se l'uso dell'IA non viene comunicato agli utenti, questi ultimi potrebbero non rendersi conto che stanno interagendo con un sistema supportato dall'IA. Questo può portare a una perdita di fiducia e a un rifiuto.

Base dati insufficiente: Di norma, i sistemi di intelligenza artificiale individuano modelli ricorrenti all’interno di grandi quantità di dati; se la base di dati non è sufficiente, i risultati non hanno alcuna rilevanza.

Fiducia cieca: Sebbene in alcuni casi d’uso i sistemi informatici dimostrino una «intelligenza» sorprendente, non tutti i casi d’uso si prestano all’intelligenza artificiale; ad esempio, quando non è possibile fornire dati sufficientemente utilizzabili a livello operativo.

Mancanza di trasparenza: A causa dell’elevato numero di fattori che influenzano i risultati dell’IA e dei metodi utilizzati per ottenerli, può risultare difficile, se non impossibile, ricostruire a posteriori come si sia giunti a un determinato risultato. A seconda del caso specifico, tuttavia, può essere necessario garantire un’adeguata trasparenza, ad esempio nel caso delle raccomandazioni terapeutiche.

Mancanza di flessibilità: L'IA è progettata in modo tale che i reparti specializzati non abbiano sufficienti opzioni di personalizzazione; tuttavia, i dipendenti dei reparti specializzati devono essere in grado di parametrare le soluzioni di IA in modo indipendente per poter sperimentare diversi scenari in modo agile.

Mancanza di idoneità pratica: Le aziende realizzano spesso soluzioni di IA che, pur funzionando bene nei progetti pilota, non sono facilmente scalabili nella pratica; i metodi di IA utilizzati devono fornire risposte in tempi brevi in applicazioni su larga scala con numerosi utenti – ad esempio nelle infrastrutture web; come valore di riferimento, dovrebbero essere possibili tempi di risposta inferiori a 50 millisecondi.

«Per molte aziende l’IA è una disciplina nuova, e non ci si può quindi aspettare che i processi funzionino già come siamo abituati con altre tecnologie. Dobbiamo piuttosto mettere in conto tassi di errore più elevati», commenta Carsten Rust, Director Solution Consulting DACH presso Pegasystems a Monaco di Baviera. «Questo non va affatto a sfavore dell’IA, ma piuttosto a favore di un approccio prudente nei suoi confronti. È importante che gli utenti siano consapevoli delle insidie quando implementano sistemi di IA.»

Pegasystems offre applicazioni software per le vendite, il marketing, l'assistenza e le operazioni. Le soluzioni Pega integrano la tecnologia dell'intelligenza artificiale (IA).