Ecco perché i CIO devono prestare più attenzione ai dati delle loro aziende

Molti dirigenti aziendali e IT di alto livello ritengono che i dati della loro azienda siano in ottimo stato, in grado di alimentare processi decisionali e fornire soluzioni basate sull’AI.

Tuttavia, secondo un recente sondaggio [in inglese] condotto dalla società di consulenza IT Softserve, più un responsabile IT è vicino ai dati, meno fiducia ha nella loro qualità. Il sondaggio ha rilevato che quasi la metà dei dirigenti di alto livello delle grandi imprese, compresi i responsabili IT di alto livello, ritiene che i dati della propria organizzazione siano completamente maturi, mentre solo il 37% dei responsabili dei dati e dell’intelligenza artificiale a livello dirigenziale è dello stesso avviso.

Questo divario tra i dirigenti C-level e i leader IT a livello di vice president e direttori potrebbe portare a problemi importanti quando si tratterà di formare modelli di intelligenza artificiale o di lanciare altre iniziative basate sui dati, avvertono gli esperti.

Inoltre, il 68% dei vice presidente responsabili dell’AI o della gestione dei dati ritiene già oggi che le proprie aziende prendano decisioni basate su dati errati sempre o quasi sempre, contro il 47% dei leader IT di livello C.

Non sorprende vedere queste differenze quando i dirigenti tendono a ricevere istantanee di problemi IT, compresa la qualità dei dati sotto forma di presentazioni PowerPoint, afferma Timothy Bates, professore presso il College of Innovation and Technology dell’Università del Michigan.

“I dirigenti vedono dashboard puliti, aggregati e rifiniti”, prosegue Bates. “I direttori vedono il backend: ragionamenti interrotti, definizioni incoerenti, avvisi privi di contesto”.

Bates, ex CTO di Lenovo e General Motors, ha riscontrato prospettive molto diverse sui problemi IT del gigante automobilistico, con i responsabili IT di livello direzionale che spesso segnalavano problemi che i dirigenti di livello C non riuscivano a vedere.

“I direttori non erano pessimisti, ma vedevano le lacune che i dashboard non mostrano”, spiega. “Queste tipologie di manager sono spesso più accurate nelle loro valutazioni di affidabilità, perché lavorano all’interno dei sistemi e non si limitano a esaminare i riepiloghi’.

Strategie dei dati in equilibrio

Oltre al divario nella visibilità dei dati tra i vari livelli di gestione IT, i problemi di qualità derivano spesso da un’infrastruttura IT frammentata, con molte aziende che utilizzano prodotti di più fornitori IT per ottenere le funzionalità desiderate, osserva Anant Agarwal, cofondatore e CTO di Aidora, sviluppatore di software per l’HR basato sull’intelligenza artificiale.

Per realizzare uno strumento a uso interno, un’azienda può utilizzare i servizi cloud di un fornitore, le API di database di un secondo vendor, un servizio di caching di un terzo, uno strumento di intelligenza artificiale di un quarto soggetto e un servizio di accesso di una quinta quinta risorsa, sottolinea.

 “In sostanza, diversi software di piccole dimensioni di proprietà di fornitori diversi vengono combinati per creare il prodotto”, aggiunge. “Tutti questi sistemi generano i propri dati ed è necessario uno sforzo consapevole per farli confluire tutti in un data lake centralizzato con annotazioni appropriate, in modo da poter determinare le autorizzazioni”.

Dopodiché, una volta completato il servizio interno, i team IT passano alla fase successiva, tiene a precisare Agarwal.

“Non appena la funzionalità è stata sviluppata, i team contrassegnano il progetto come completato e inviano e-mail di conferma, senza che vi sia alcun incentivo che possa garantire che tutti i dati fluiscano correttamente per consentirne un utilizzo futuro”, aggiunge. ‘I team tendono a dare priorità ai risultati a breve termine rispetto a una prospettiva proiettata nel lungo periodo.

Tale enfasi può erodere nel tempo le fondamenta dei dati di un’azienda. La mancanza di finanziamenti adeguati per le strategie di gestione di queste attività e l’enfasi su altri iniziative digitali piuttosto che su quelle che riguardano i flussi informativi sono soltanto alcune delle altre questioni che ostacolano i progetti basati sui dati [in inglese] nella maggior parte delle imprese.

La corsa all’AI

I problemi relativi alla qualità dei dati si sono aggravati negli ultimi due anni, poiché molte aziende si sono affrettate ad adottare strumenti di intelligenza artificiale [in inglese], fa notare Rodion Myronov, vice president aggiunto di Softserve per i big data e l’analisi.

“Quando il consiglio di amministrazione chiede ai dirigenti di livello C informazioni su questa tecnologia, è naturale che le persone si sentano in dovere di trovare una risposta“, dichiara. “Non si può dire: ‘No, non so quale uso possiamo farne’”.

Molte aziende hanno avviato progetti di AI generativa senza definire il problema che stavano cercando di risolvere e senza pulire i dati necessari per il successo dei progetti, osserva. In alcuni casi, i dati interni sono ancora sparsi in molti database, luoghi di archiviazione e formati.

Quando le aziende lanciano progetti di intelligenza artificiale senza raccogliere e pulire i propri dati, si espongono al rischio di “hallucination” che possono portare a gravi errori aziendali, commenta Ram Palaniappan, CTO del fornitore di soluzioni IT TEKsystems.

“Se ho un report sui ricavi basato sull’intelligenza artificiale e lo presento al consiglio di amministrazione e, per qualche motivo, mi sfugge un particolare, le persone avranno meno fiducia nel mio report”, aggiunge.

Il clamore iniziale suscitato dalla GenAI ha portato a molti progetti affrettati [in inglese] che non sono riusciti a utilizzare i dati corretti, dice. “Le pubbliche relazioni sull’intelligenza artificiale stanno raggiungendo i livelli dirigenziali e vice presidenziali”, precisa Palaniappan. “Quando si tratta dell’esecuzione effettiva, i direttori e i manager che sono in prima linea in questa fase possono vedere e segnalare tutte queste lacune”.

I problemi con i dati di scarsa qualità

La mancanza di dati validi può portare a diversi problemi, chiarisce Agarwal di Aidora. I dirigenti C-level, perfino i CIO, possono richiedere la realizzazione di nuovi prodotti quando i dati non sono pronti, portando i responsabili IT a sembrare incompetenti perché continuano a posticipare le scadenze o a trasferire l’onere ai propri dipendenti.

“I team potrebbero essere spinti a realizzare una nuova serie di prodotti anche quando, in realtà, non sono in grado di farlo”, avverte. “Ciò può comportare il fallimento delle iniziative, ritardi significativi nella consegna o il burnout dei team”.

Per colmare questo divario, le aziende dovrebbero concentrarsi su una maggiore trasparenza all’interno dei propri organigrammi, consiglia Palaniappan, facendo sì che i responsabili IT di livello inferiore possano aiutare i CIO e i dirigenti a comprendere le esigenze della propria organizzazione in termini di preparazione dei dati creando roadmap dettagliate per le iniziative IT, compreso un calendario per risolvere i problemi sopecifici relativi ai dati, indica.

“Adottate un approccio graduale per andare nella giusta direzione e definite una roadmap”, raccomanda. “Valutate la maturità dei vostri dati per eseguire la roadmap, quindi miglioratela gradualmente”.

Le aziende necessitano di solide basi di dati [in inglese], comprese strategie incentrate sui casi aziendali, l’accessibilità dei dati e la sicurezza dei dati, aggiunge Myronov di Softserve.

Le imprese dovrebbero anche assumere persone “scettiche” per individuare potenziali problemi relativi ai dati durante i progetti di AI e altri progetti data-driven, suggerisce.

“Se si esamina qualsiasi POC [proof of concept], senza nemmeno parlare di intelligenza artificiale e del team che lo gestisce, si troveranno persone che hanno investito, che credono che il risultato sarà raggiunto”, afferma. “Non si troveranno persone che svolgono il ruolo di QA nello sviluppo del software, persone che cercano di trovare le imperfezioni”.

Senza un dipendente che ricopra il ruolo di “scettico del POC”, le aziende rischiano di spendere troppo tempo e denaro in progetti che alla fine falliscono, riconosce. Fallire rapidamente è un risultato migliore.

“Ci sono sviluppatori che vedono per lo più scenari rosei”, conclude. “I buoni sviluppatori si concentrano sulla creazione di qualcosa che funzioni, ma dovrebbe esserci un ruolo completamente separato che si concentri solo sulla ricerca di qualcosa che non funziona”.