Perché così tanti progetti di pilotaggio con IA finiscono nel nulla

Secondo IBM, solo il 16% delle iniziative di IA viene esteso a livello aziendale. Entro la fine del 2025, almeno uno ogni Secondo progetto GenAI abbandonato dopo la fase di proof of concept. «Molte aziende hanno ormai dimostrato che l’intelligenza artificiale funziona dal punto di vista tecnico. La vera sfida, però, inizia solo dopo», spiega Artur Heidt, amministratore delegato di KAMIE Solution Factory Deutschland GmbH. «Un proof of concept mostra ciò che è possibile fare. Tuttavia, non risponde ancora alla domanda se una soluzione possa essere gestita in modo redditizio, integrata nei processi esistenti e utilizzata nella pratica quotidiana.»

Il progetto pilota è solo l'inizio

Un proof of concept prevede solitamente un numero limitato di utenti, dati selezionati e processi chiaramente definiti. In fase operativa, i requisiti aumentano notevolmente: le interfacce devono funzionare in modo stabile, i diritti di accesso devono essere regolamentati, i dati devono essere aggiornati costantemente e i risultati devono essere riproducibili in modo affidabile. «Nel progetto pilota è ancora possibile ovviare manualmente a molte carenze. In fase operativa, però, questo non funziona più», afferma Heidt. «Se i collaboratori devono costantemente verificare i risultati, rielaborare i dati o correggere gli errori, una demo può comunque risultare convincente. Nell’uso quotidiano, però, questo diventa rapidamente un fattore di costo.» Per questo motivo, la successiva messa in produzione dovrebbe essere presa in considerazione fin dall’inizio. Non è determinante solo il fatto che un’applicazione funzioni dal punto di vista tecnico, ma anche che possa essere gestita in modo duraturo e con un dispendio di risorse ragionevole.

Senza un chiaro vantaggio, l’intelligenza artificiale rimane un esperimento

Un altro motivo per cui i progetti di IA falliscono è la mancanza di un business case. Oltre all’insufficiente qualità dei dati e alla mancanza di controlli sui rischi, Gartner indica anche l’aumento dei costi e la mancanza di chiarezza sui benefici aziendali come cause principali del fallimento dei progetti di GenAI. «Dopo la fase di proof of concept, la domanda non deve limitarsi a: »L’IA funziona?«. L’aspetto decisivo è: »Cosa migliora dal punto di vista economico?”, sottolinea Heidt. «Senza indicatori chiari, in seguito sarà difficile valutare se un’applicazione abbia davvero avuto successo.» I benefici possono consistere in tempi di elaborazione più brevi, un minor numero di errori, una maggiore produttività, una migliore disponibilità delle informazioni o un aumento del fatturato. Allo stesso tempo, le aziende devono tenere conto dei costi complessivi. Questi includono, oltre alle licenze, anche l’integrazione, la preparazione dei dati, la gestione, il monitoraggio, l’assistenza e la formazione. I dati attuali dimostrano che l’IA può essere redditizia: il 52% delle aziende che già utilizzano l’IA riferisce di un contributo misurabile al successo aziendale. Il 77% ritiene che la propria posizione competitiva sia migliorata.

I dati come collo di bottiglia nella scalabilità

Molti progetti pilota si basano su un set di dati preparato con cura. Nel funzionamento quotidiano, invece, i sistemi di IA devono lavorare con i dati aziendali effettivi. Soprattutto nelle piccole e medie imprese, questi dati sono spesso distribuiti tra sistemi ERP, CRM, documenti, e-mail, file Excel o applicazioni specialistiche. «Un’IA può fornire risultati eccellenti durante i test con dati selezionati. Ciò che conta è se è in grado di lavorare in modo affidabile ogni giorno con i dati reali dell’azienda», spiega Heidt. Secondo IBM Il 72% dei CEO intervistati ritiene che i dati della propria azienda siano fondamentali per sfruttare il potenziale dell’IA generativa. Le aziende dovrebbero quindi chiarire sin dall’inizio quali dati sono necessari, dove si trovano, quanto sono aggiornati e chi è responsabile della loro qualità. A tal fine non è necessario modernizzare immediatamente l’intero panorama dei dati. Per un primo caso d’uso è spesso sufficiente un’area di dati chiaramente definita, messa a disposizione in modo mirato per l’impiego produttivo.

L'avvio della produzione richiede responsabilità ben definite

I progetti di IA non devono inoltre essere di esclusiva competenza del reparto IT. La direzione definisce obiettivi e priorità, il reparto specialistico conosce i processi e i requisiti, mentre il reparto IT è responsabile dell’integrazione, della sicurezza e della stabilità tecnica. «Un progetto pilota può funzionare con un team ridotto. Un sistema operativo richiede invece competenze ben definite», afferma Heidt. «Chi controlla la qualità? Chi decide in merito alle modifiche? Chi è responsabile dei dati, del funzionamento e dei risultati? Se queste domande vengono poste solo dopo la fase pilota, si verificano ritardi». Proprio nelle medie imprese di fascia alta, i processi decisionali snelli si scontrano spesso con contesti IT complessi. Le nuove applicazioni di IA devono quindi non solo poter essere introdotte rapidamente, ma anche integrarsi in modo duraturo con i sistemi e i processi esistenti.

Iniziare in piccolo, pensare in modo produttivo

Per le medie imprese, un progetto pilota ben circoscritto rappresenta spesso il punto di partenza giusto. Tuttavia, non dovrebbe essere inteso come un semplice campo di sperimentazione tecnica. «Le aziende non devono necessariamente avviare subito un grande programma di trasformazione», sintetizza Heidt. «Ma già in fase di proof of concept dovrebbero tenere conto di aspetti quali la redditività, i dati, l’integrazione e le responsabilità. Solo così una buona idea si trasformerà in un’applicazione produttiva». Il vero successo di un progetto di IA non si misura quindi in una demo ben riuscita. Si manifesta solo quando l’applicazione viene utilizzata in modo continuativo e apporta un contributo misurabile all’attività aziendale.

Fonte: KAMIE Solution Factory Deutschland GmbH 

Questo articolo è apparso originariamente su m-q.ch - https://www.m-q.ch/de/warum-so-viele-ki-piloten-versanden/