Come abbiamo spiegato nel nostro libro Fare marketing con l’AI, il successo di un progetto di AI non può essere “comprato”, ma è soprattutto una questione di approccio. Sulla base della letteratura e dei casi reali, abbiamo quindi costruito un vademecum delle principali motivazioni che portano al fallimento dei progetti di AI implementati in azienda, che trovate nel Capitolo 5 e vi riproponiamo qui. Sono indicazioni che chiunque può riadattare alla propria realtà, indipendentemente dal settore merceologico di riferimento o dal volume di affari.

Mancanza di strategia

 

Se volessimo trovare un minimo comune denominatore alla stragrande maggioranza dei progetti che non raggiungono i risultati sperati, senza dubbio dovremmo metterla al primo posto. In alcuni casi le tecnologie sono state implementate senza alcun impianto strategico alla base; altre volte quest’ultimo esisteva ma era lacunoso o imperfetto.

 

Bolla tecnologica

 

Accade spesso che l’ideazione, la progettazione e lo sviluppo delle soluzioni di AI vengano delegati (totalmente o quasi) ai “tecnici”, in un’ottica expert-driven. Nessuno nega che ingegneri, data scientist e sviluppatori abbiano competenze tecniche approfondite in merito agli algoritmi, ma conoscono altrettanto bene le dinamiche della industry? E le necessità del cliente finale?

Il rischio è di mettere a punto soluzioni di AI impeccabili sul versante tecnologico, ma che non rispondano alle esigenze reali di chi le dovrà usare.

 

I “trend”

 

Come succede tuttora anche nell’ambito del digitale, ci sono aziende che adottano una determinata piattaforma di AI allo scopo di imitare i competitor, per seguire la “moda” o perché sono incuriosite dalle sue potenzialità. Anche la tecnologia più nota e diffusa al mondo, però, non sarà mai adatta davvero a tutti.

Bisogna sempre partire da un’analisi dell’azienda, dei problemi che deve risolvere e degli obiettivi che intende raggiungere: solo quando tutti questi elementi sono ben chiari, si può andare alla ricerca della specifica soluzione tecnologica da adottare.

 

Assenza di logica negli investimenti

 

Un’ulteriore causa di fallimento è legata all’incapacità di progettare da subito gli investimenti necessari o alla paura di dover stanziare troppe risorse, a fronte di un ritorno che, all’inizio, può apparire poco definito. Non c’è dubbio sul fatto che i progetti di AI possano rivelarsi costosi, ma proprio per questo è bene mettere a punto fin dal primo momento un piano economico a cui attenersi in modo scrupoloso, tanto nei momenti di ottimismo quanto in quelli più critici. “Giocare al risparmio” o interrompere il progetto al primo accenno di difficoltà significa aver speso il proprio denaro (tanto o poco che sia) senza arrivare al momento in cui trarne dei benefici. Si passa quindi da una logica di investimento a una logica di spesa pura e semplice.

 

Eccessive aspettative

 

Nell’immaginario comune, l’Intelligenza Artificiale (che noi preferiamo chiamare Aumentata, come spiegato nel libro) è una soluzione plug-and-play: basta comprarla, installarla e ogni problema è risolto all’istante. A oggi esistono specifiche funzionalità che possono essere semplicemente inserite all’interno dei sistemi informatici già esistenti senza eccessivi sforzi, ma l’iter comune è molto diverso.

Il processo ideale che un’azienda dovrebbe mettere in atto inizia con una mappatura dei dati che possiede, per poi verificare se sono corretti, ipotizzare i loro contesti di uso e, da lì, sviluppare un processo di elaborazione di soluzioni personalizzate. Tutto ciò può richiedere un investimento significativo in termini di tempo, competenze, risorse umane e denaro.

 

Assenza di commitment della dirigenza

 

Per riuscire a portare a termine con esito positivo progetti complessi e sfidanti come quelli legati all’AI, non si può prescindere da un commitment forte da parte della dirigenza. Da un lato, infatti, l’implementazione della soluzione spesso richiede di coinvolgere l’intera struttura organizzativa; dall’altro lato, bisogna tenere in conto la possibilità che il percorso di sviluppo sia interrotto da momenti di arresto o veri e propri errori.

È indispensabile che la dirigenza accetti la possibilità di fallimento, considerandola come un’opportunità ulteriore per ottimizzare la soluzione in corso d’opera e arrivare a un risultato pienamente soddisfacente. Se questo presupposto viene a mancare, l’esito più probabile è che al primo accenno di difficoltà il progetto venga bocciato senza appello. Si tratta però di un errore madornale, perché il denaro investito inizialmente non tornerà indietro in ogni caso. Pur di non insistere nella ricerca di strade alternative, ci si preclude qualsiasi possibilità di riuscita e ci si rassegna all’idea di aver sprecato tempo e risorse senza ottenere nulla in cambio.

 

I bias che conducono al fallimento

 

Tutte queste cause di fallimento di soluzioni di AI si possono ricondurre ad alcune tipologie di bias:

  • La non sufficiente conoscenza delle varie soluzioni di Intelligenza Aumentata e dei loro possibili impieghi all’interno dell’azienda.
  • La mancanza di competenze interne sull’AI, che spinge a riporre tutta la propria fiducia negli esperti senza avere gli strumenti per valutare il loro operato.
  • Lo sviluppo di soluzioni che non partono dai bisogni dei clienti, che siano interni (cioè il personale dell’azienda stessa) o esterni (i consumatori finali).
  • Una cultura aziendale impreparata al cambiamento, con tutto ciò che questo comporta (tempo, investimenti, fatica, eventuali fallimenti).

A primo acchito l’espressione “cultura aziendale” sembra forse un po’ vaga e intangibile, ma la verità è che essa può essere studiata, analizzata e preparata ad accogliere le novità, come appunto quella rappresentata dall’AI. Questa fase preventiva di costruzione della cultura aziendale risulta assolutamente decisiva e può fare la differenza tra il successo e il fallimento di un qualsiasi progetto di innovazione.

 

 

Biografia

Professore Associato all’Università IULM di Milano, Founder e CEO del Laboratorio di Intelligenza Artificiale “IULM AI Lab”.

Scopri di più


BIBLIOGRAFIA

   

  

Condividi: