AI generativa, come implementarla in azienda in 5 fasi

Quando le aziende iniziano a esplorare l’utilizzo dell’AI generativa, spesso ignorano la sua natura trasformativa e le sfide operative ad essa legate. Gartner in un recente report indica le cinque fasi per guidare l’implementazione dell’AI generativa e avviare un processo di creazione di valore per l’azienda.

Come implementare l’AI generativa in azienda

In generale, le principali evidenze riguardanti l’implementazione di progetti che utilizzano l’AI generativa sono le seguenti:

1. Nel racconto dei progetti pilota di successo si tendono a evidenziare i potenziali effetti commerciali positivi dell’AI generativa, senza soffermarsi molto sulla fattibilità tecnica. Molto spesso i progetti di AI generativa limitano il perimetro della sperimentazione e innovazione su porzioni di processo, con la finalità di riuscire a ottenere dei miglioramenti incrementali. Così facendo si tende a ignorare il potenziale rivoluzionario che questa tecnologia potrebbe apportare.
2. I responsabili IT si trovano spesso in difficoltà nel riconoscere e dare priorità ai casi d’uso dell’AI generativa che potrebbero avere un impatto significativo, considerando la vastità delle opportunità che legate all’utilizzo di questa tecnologia.
3. Le organizzazioni lungimiranti e innovative nell’ambito dell’AI coinvolgono attivamente partner commerciali e ingegneri del software come membri chiave dei team dei progetti pilota di AI generativa.
4. Grazie alla sua natura innovativa, l’AI generativa permette cicli di sviluppo più rapidi rispetto ai progetti tradizionali di AI, richiedendo un approccio snello all’innovazione per testare il valore strategico della tecnologia e mitigare i rischi potenziali.
5. Il successo dei progetti pilota di AI generativa è legato a una mentalità di ricerca di modalità di sperimentazione veloci, con l’obiettivo di creare miglioramenti continui. A volte si tende a rimuovere tempestivamente casi d’uso che non producono velocemente l’effetto desiderato sul valore aziendale.

In questo report Gartner offre ai responsabili IT delle aziende impegnate in progetti di implementazione di tecnologie di AI generativa le linee guida per un corretto approccio metodologico. Queste indicazioni ricalcano i principi emersi nella letteratura manageriale relativa ai progetti di innovazione e open innovation con l’utilizzo di metodologie come il design thinking e la lean per la trasformazione digitale.

Il report di Gartner in sintesi

1. Organizzare un workshop con il team aziendale per stimolare l’ideazione di casi d’uso, concentrando l’attenzione sul potenziale dirompente dell’AI generativa e sul suo impatto sugli obiettivi strategici dell’azienda.
2. Assegnare la priorità ai casi d’uso per il progetto pilota in base al loro valore commerciale e alla loro fattibilità, concentrandosi su pochi casi d’uso chiave per il progetto pilota di AI generativa.
3. Costituire un team piccolo e eterogeneo, composto da partner commerciali, sviluppatori di software ed esperti di AI, che collaboreranno per tutta la durata del progetto pilota.
4. Creare un minimo prodotto funzionante (MVP) per convalidare ogni caso d’uso. Identificare le ipotesi di miglioramento dei KPI aziendali definendo gli approcci di implementazione e le misure di mitigazione del rischio necessarie per testare rapidamente queste ipotesi.
5. Fornire la funzionalità minima necessaria per testare i casi d’uso perfezionando le ipotesi sui costi e il valore della scalabilità. Decidere di interrompere, migliorare o scalare ogni caso d’uso in base ai risultati iniziali, utilizzando i successi iniziali come base per espandere il progetto pilota di AI generativa.

Tre macro ambiti per un progetto pilota di AI generativa

Un progetto pilota di AI generativa potrebbe essere individuato all’interno di tre macro ambiti:

• Applicazione di modelli linguistici di grandi dimensioni (LLM) per generare bozze di risposte per le persone che gestiscono le richieste dei clienti.
• Utilizzo di un’applicazione di generazione di codice per potenziare la produttività degli sviluppatori.
• Sfruttare l’AI generativa per creare contenuti visivi per il marketing e la comunicazione.

Esistono ovviamente diversi approcci e modalità operative per implementare un progetto pilota: dall’acquisizione di un’applicazione esterna con personalizzazione dei modelli di base, fino alla creazione di modelli ad hoc di intelligenza artificiale creati da zero. Di fronte a questa complessità, i responsabili IT necessitano quindi di un approccio sistematico per potersi muove nel panorama delle opzioni disponibili. Partendo dall’identificazione e dai livelli di priorità per individuare i casi d’uso più promettenti per la propria organizzazione e avviare un pilota per mettere in pratica e convalidare rapidamente tali idee.

Le 5 fasi di Gartner per implementare l’AI generativa in azienda

Le fasi di questo processo sono riassunte in questa immagine:

Fase 1: identificare i casi d’uso

Il passo iniziale per l’introduzione dell’AI generativa è identificare i casi d’uso che possono apportare trasformazioni significative all’azienda. Concentrarsi solo sulla dimostrazione tecnica limita il potenziale, mentre è fondamentale comprendere come possa generare valore strategico. Ci sono tre modelli di disruption dell’AI generativa: il consumo di contenuti potenziato da chat e interfacce simili, la generazione di contenuti tramite assistenti intelligenti, la creazione accelerata di tecnologia, che democratizza l’innovazione interna. Questi modelli possono avere impatti significativi su UX, produttività e creazione di contenuti creativi.

Coinvolgere le persone dall’inizio con un workshop è essenziale per provare a tradurre le ampie opportunità di AI generativa in casi d’uso specifici. Organizzarlo con un executive che faccia da sponsor esecutivo e allargando a vari stakeholders aiuta a generare idee e individuare il potenziale strategico di successo per l’iniziativa. Per lavorare bene in questa fase viene suggerito di presentare una visione equilibrata delle opportunità e dei rischi introducendo i tre modelli di disruption dell’AI generativa, motivando i partecipanti a pensare oltre il miglioramento incrementale immaginando come questa tecnologia possa portare a una trasformazione aziendale.

Fase 2: Definire le priorità dei casi d’uso per il pilota

La fase di generazione delle idee dovrebbe produrre molti potenziali casi d’uso di AI generativa, è consigliabile selezionare solo uno o due casi d’uso per il breve periodo del pilota. La scelta va fatta considerando il valore per l’azienda e la fattibilità di ciascun caso d’uso. È possibile utilizzare la metodologia del prisma dell’AI di Gartner per definire i criteri e assegnare un punteggio ai casi d’uso.

Fase 3: Creare un team eterogeneo con esperti di business, ingegneri del software e data scientist

Questo team sarà responsabile della gestione completa del progetto pilota. Ogni ruolo contribuirà in modo unico al successo del pilota, allineando gli obiettivi strategici dell’azienda e gestendo le componenti AI dei progetti. Il coinvolgimento di queste competenze sarà cruciale per il raggiungimento dei livelli maturi di implementazione dell’AI. Il team dovrebbe lavorare insieme per l’intera durata del progetto pilota, sviluppando nuove competenze necessarie per l’AI generativa. Altri team e figure dell’organizzazione, come il team di governance dell’AI generativa, esperti di sicurezza, legali, esperti tecnici e architetti aziendali, possono essere coinvolti in momenti specifici del progetto pilota per garantire il successo e definire le politiche e gli standard.

Fase 4: progettazione e pianificazione del pilota

Il team del progetto pilota si impegna in uno sprint di progettazione e pianificazione di una o due settimane. Lo scopo è definire un prodotto minimo (MVP) per convalidare l’ipotesi del valore che il caso d’uso avrà sul KPI aziendale specifico.

Il KPI di business deve essere identificato all’inizio del progetto, poiché è la chiave del successo. La Gartner AI Use Case ROI Survey del 2022 ha mostrato che le organizzazioni mature nell’AI definiscono più spesso le metriche di business già nella fase di ideazione dei casi d’uso, rispetto a quelle meno mature. Il pilota dimostrerà l’ipotesi di valore e convaliderà le ipotesi sui costi di scalabilità dei casi d’uso.

L’AI generativa offre molti casi d’uso ma comporta rischi aggiuntivi:

• Rischi di output e input: risultati inaffidabili, errori fattuali e informazioni indesiderate nei risultati e negli input dei modelli.
• Rischi per la privacy e la protezione dei dati: possibile fuga di dati e violazioni delle normative usando informazioni private e sensibili come input.
• Rischi per la sicurezza delle applicazioni AI: minacce alla sicurezza non affrontate dai controlli convenzionali.

Decidere l’approccio di distribuzione dell’AI generativa è cruciale per il pilota. Il team deve considerare gli obiettivi e i rischi di ogni caso d’uso. Le opzioni includono:

1. Incorporare l’AI generativa nelle applicazioni commerciali: utilizzare applicazioni con funzionalità di AI generativa già integrate, ad esempio, software di progettazione con generazione di immagini (es. Adobe Firefly).
2. Incorporare API dell’AI generativa in un’app personalizzata: le imprese possono integrare l’AI generativa tramite API di modelli di base, come GPT-3, GPT-4, PaLM 2, distribuiti tramite API cloud.
3. Estendere i modelli di AI generativa con il reperimento di dati: i modelli di base possono essere arricchiti con dati da altri database di documenti, richiedendo una fase di ricerca preliminare.
4. Estendere i modelli di AI generativa con il fine-tuning: il fine-tuning allena ulteriormente un modello di base su un set di dati più piccolo per un caso d’uso specifico, come ad esempio una compagnia assicurativa che perfeziona un modello con documenti di polizza.
5. Creare modelli di base personalizzati: alcune organizzazioni potrebbero costruire modelli di base da zero, personalizzandoli completamente in base ai dati e domini aziendali, anche se questa opzione è impraticabile per la maggior parte delle organizzazioni. Ad esempio, un istituto finanziario potrebbe creare un modello di base addestrato con dati finanziari, utilizzabile per vari casi d’uso.

In base all’approccio di distribuzione scelto, il team potrà progettare l’architettura dei casi d’uso iniziali, selezionando tra diversi modelli di progettazione dell’AI generativa.

Modelli di progettazione per modelli linguistici di grandi dimensioni (LLM)

Fase 5: Consegna e iterazione

Dopo la progettazione e la pianificazione, il team implementa i casi d’uso pilota. È un processo iterativo con una durata massima di due mesi per caso d’uso. Questo approccio permette al team di concentrarsi sul pilota più semplice e, se necessario, passare ad altre idee se i risultati non soddisfano le aspettative.

Fasi e punti di snodo del pilota di AI generativa

Testare e perfezionare i casi d’uso

Verificate l’impatto sui KPI aziendali per ogni caso d’uso, testandoli con un piccolo gruppo di utenti. L’iterazione iniziale può non soddisfare l’ipotesi di valore, ma i risultati guideranno i miglioramenti. Esplorare diverse opzioni per affrontare le sfide, come modellazione, ingegneria di processo e dati.

Arresto o scalabilità

Valutare se il caso d’uso può raggiungere il valore previsto entro il limite di tempo del pilota. Se necessario, bisogna fermare il progetto o considerare la sua scalabilità. Il riconoscimento che un caso d’uso non funziona è un’opportunità per esplorare altre possibilità dell’AI generativa.

Se durante la fase pilota non si trova un modo chiaro per portare il caso d’uso alle prestazioni richieste, è consigliabile fermare il progetto e documentare le lezioni apprese, includendo ciò che ha funzionato e ciò che non ha funzionato. Successivamente si torna alla fase di ideazione per considerare altri casi d’uso non inclusi nel progetto pilota originale.

Se invece il caso d’uso dimostra un valore potenziale, è possibile scalare il progetto costruendo una tabella di marcia verso la scala, ampliando le caratteristiche del progetto pilota e decidendo l’architettura a lungo termine. La fase pilota aiuterà anche a perfezionare le ipotesi sulla struttura dei costi totali a lungo termine e sugli investimenti necessari per fornire la soluzione su scala. Si può utilizzare la valutazione del costo potenziale e del ritorno sull’investimento dell’iniziativa (valutare il valore e il costo dell’AI generativa con nuovi criteri di investimento) per stimare i risultati futuri.

Conclusioni

È importante costruire sul successo iniziale del progetto pilota e condividere il valore ottenuto e le lezioni apprese. Si possono poi esplorare altri casi d’uso dell’AI generativa tornando alla fase di ideazione. Il campo dell’intelligenza artificiale generativa è in rapida evoluzione, con nuovi casi d’uso che emergono e cambiamenti nelle opportunità e nel valore con l’emergere di nuove tecniche e il miglioramento delle prestazioni. Il panorama tecnologico dell’AI generativa è in costante evoluzione e le valutazioni di fattibilità tecnica devono essere lungimiranti. I modelli di base open-source possono essere utilizzati come punto di partenza per perfezionare e creare modelli personalizzati, consentendo diverse opzioni di distribuzione per i casi d’uso.