L’Artificial Intelligence è la nuova elettricità

L’intelligenza artificiale sta trasformando la nostra vita, come afferma il prof. Andrew Ng (Stanford University, Google Brain, Deeplearning.ai, Baidu), paragonando l’AI alla nuova elettricità.

In Italia, l’AI è oggetto di studi di alto livello nei corsi di Ingegneria e Informatica, ma il Paese resta indietro rispetto ad altri membri del G20 nell’adozione pratica, con un forte divario tra ricerca accademica e applicazioni reali.

Solo con il boom di “ChatGPT” l’AI è diventata un tema centrale. Tuttavia, l’esperienza degli ultimi dieci anni di Digital Transformation insegna che il fattore umano è essenziale per il successo della transizione digitale.

Osserviamo una spinta verso l’Horizontalization, ovvero la de-verticalizzazione delle relazioni brand-consumatore. Nascono nuove Community, gestite tramite high-tech ma valorizzate dal social capital (high-touch), con relazioni peer-to-peer e non più gerarchiche. Si afferma il concetto di co-everything (human-centered design, co-design), bilanciando automation e augmentation (grazie alla Gen AI) con autonomia e responsabilità sociale.

L’adozione dell’AI nelle organizzazioni ha accelerato questi fenomeni. Nelle società digitalmente più avanzate, l’AI è matura in molti settori, diffondendo la consapevolezza della Good AI o AI etica, che evidenzia limiti e potenzialità dell’AI.

L’AI non è solo automazione di task ripetitivi o supporto ai processi decisionali: senza high-touch, rimane incompleta. L’integrazione high-tech – high-touch crea l’AI+, un’estensione dell’intelligenza umana, diversa dall’AI vs, che sostituisce l’essere umano.

L’AI+ libera l’uomo da compiti ripetitivi e pericolosi, consentendogli di concentrarsi su attività creative e su progetti ad alto impatto sociale, per una società più equa, sostenibile e sicura.

Master in AI per Manager e Professionisti in Italia

Regola aurea: evitare l’errore del Top Manager che, svegliandosi con l’idea di IoT e Big Data, crede di ottenere risultati dall’AI fornendo semplicemente tutti i dati aziendali a esperti di intelligenza artificiale. Nulla di più sbagliato e rischioso. Molte aziende cadono nell’errore di affrontare l’introduzione dell’AI come un semplice progetto di digitalizzazione, delegandolo interamente all’IT, senza affrontare la necessaria disruption organizzativa.

L’approccio corretto è creare un team multidisciplinare ristretto, comprendente almeno un esperto di AI e Data Science, responsabile della Data Collection e delle fasi successive, con report diretto al CEO.

Ma cosa distingue un’AI Company da un’azienda tradizionale?

Un’ AI Company si caratterizza per:

• Una Data Strategy chiara e deliberata.
• Un processo avanzato di normalizzazione e unificazione dei data warehouse (anche distribuiti).
• L’automazione della maggior parte dei task ripetitivi e operativi.
• Una strategia definita per l’AI generativa, con focus sulle attività mission-critical e sui processi più creativi.
• Una chiara definizione dei ruoli chiave: Machine Learning Engineer, Data Scientist, Data Engineer, MLOps, Product Manager per l’AI.

L’AI non è solo tecnologia: è visione, strategia e cambiamento organizzativo. Ecco il segreto per diventare un’AI Company.

Ancora sull’ introduzione dell’AI in azienda

Ma cosa distingue una AI Company da una normale azienda?Una AI Company presenta caratteristiche distintive:

• Una Data Strategy chiara e deliberata.
• Un processo avanzato di normalizzazione e unificazione dei data warehouse, distribuiti e non.
• Un’ampia automazione dei task ripetitivi e operativi.
• Una strategia definita per l’AI generativa, con risorse concentrate sui processi mission-critical e sulle attività creative.
• Ruoli chiari per Machine Learning Engineer, Data Scientist, Data Engineer, MLOps e Product Manager per l’AI.

Questa è la differenza tra adottare l’AI come semplice tecnologia e trasformarsi in una vera AI Company.

Roadmap per il Master AI

Anticipiamo la Roadmap per l’AI, le cui fasi principali sono:

1. Impostare sin da subito un Pilot Project
   Per sviluppare attenzione, massa critica e un minimo di know-how all’interno dell’organizzazione.
   Il primo progetto deve essere visibile, accattivante e dimostrare risultati concreti entro 6-9 mesi.
   Non deve necessariamente essere il più “valuable”.
   ‎
2. Creare un AI team in-house
   Il primo passo sarà formare una divisione specializzata in AI che:
   • Riporti direttamente al CEO.
   • Funga da fulcro di innovazione per tutte le Business Unit.
   • Dislochi risorse a progetti e task specifici.
3. Sviluppare piani di training (Workshop, focus-group)
   È fondamentale coinvolgere tutti i livelli di management. Le organizzazioni di successo:
   • Valorizzano la formazione trasversale per tutti gli stakeholders.
   • Coinvolgono il top management sin dalle prime fasi.
   • Bilanciano team multidisciplinari di domain expert e AI experts.
4. Sviluppare una AI Strategy
   La parte cruciale è l’implementazione. Bisogna creare un circolo virtuoso:
   • Innovazione di prodotto/servizio – più utenti – più dati.
   • Creare una Data Strategy consistente.
   • Implementare il concetto di Platform.
5. Comunicarla a tutti gli Stakeholders dell’Ecosistema
   Particolare rilevanza assume il Talent Manager, collegato alla formazione.

Errori comuni da evitare

• Super aspettative sull’AI: è fondamentale affrontare tre diligence in parallelo: tech diligence, business diligence, ethical diligence.
• Assumere esperti di ML senza un approccio multidisciplinare.
• Limitarsi a coinvolgere pochi esperti: la conoscenza dell’AI deve diffondersi a tutti i livelli aziendali.
• Sottovalutare l’importanza del coinvolgimento attivo del top management nella definizione degli use case.
• Illudersi che l’AI sia una soluzione rapida: è un percorso lungo e collettivo.