Progettare soluzioni AI in azienda significa affrontare tecnologie emergenti come l’RPA (Robotic Process Automation), gli agenti virtuali o l’apprendimento automatico. Il problema è che per questioni organizzative e gestionali le aziende non hanno una strategia funzionale né a livello operativo né a livello organizzativo. La conseguenza è che in azienda sussistono progetti praticamente compartimentati, che si sviluppano in modo casuale e portano allo sviluppo di modelli operativi spesso lenti e molto spesso incompleti.
Come e perché le imprese hanno difficoltà a sbloccare il potenziale legato all’AI
Per chi vuole progettare soluzioni di AI a supporto del business, le maggiori sfide non riguardano tanto la tecnologia quanto, piuttosto, l’organizzazione interna e un cambio sostanziale di approccio. In tutto il mondo il 26% dei decisori che in azienda si occupano di dati e analisi e che hanno adottato con successo l’automazione, racconta di essere partito con un cambio di passo a livello gestionale, promuovendo una cultura del change management. Il 25% degli intervistati ritiene che vi siano molte lacune nella struttura organizzativa, con scarso allineamento e poca agilità, mentre il 25% dichiara che la propria azienda non ha una visione generale o una strategia finalizzata a progettare soluzioni di AI (Fonte: Forrester Analytics Global Business Technographics Data And Analytics Survey, 2019). Per diversi motivi, la maggior parte delle imprese ha una visione molto ristretta. Questo porta allo sviluppo di progetti di automazione isolati. Le varie linee di business (LOB), infatti, portano avanti i rispettivi progetti in autonomia.
Secondo gli analisti, nessuna azienda sta ragionando con lungimiranza, adottando un approccio olistico ai progetti associati all’Intelligenza Artificiale, attraverso la condivisione delle finalità ma anche delle risorse necessarie a supportare questi processi d’automazione. Come sottolineano gli analisti, diversi gruppi all’interno delle organizzazioni istituiscono i propri criteri di gestione e le proprie best practices che portano a una duplicazione e a un’espansione dell’automazione disfunzionali. Nel momento in cui per progettare soluzioni di AI nell’organizzazione vengono utilizzate tecnologie simili in aree diverse, si ha un proliferare di progetti che l’IT non riesce a coordinare, bucando tutti gli obiettivi di governance. Il risultato è che non si persegue una standardizzazione delle procedure e non si ottimizzano le risorse computazionali.
Un approccio bottom up è disfunzionale
Questa distribuzione dal basso impedisce la scalabilità dei progetti rendendo impossibile la gestione. È vero che le aziende stanno adottando tecnologie di automazione emergenti come RPA, chatbot e processi decisionali guidati dall’apprendimento automatico. Ma i controlli necessari per supportare la sicurezza, la business continuity e la formulazione di tutta la documentazione necessaria a una comprensione aziendale condivisa e diffusa sono lasciati in secondo piano. Tant’è che spesso i manager sono costretti a posteriori a dover ripensare ex novo i progetti. La mancanza di un modello operativo formalizzato e coordinato a supporto dei progetti di AI rallenta sia i tempi dello sviluppo che il potenziale associato alle risorse messe in campo, polverizzate tra le varie business unit. I dati parlano da soli: oltre la metà delle aziende (52%) che sta implementando progetti di automazione robotica (RPA) è in fase di stallo, con meno di 10 robot in produzione (Fonte: Forrester – report “Il mercato dei servizi RPA crescerà fino a raggiungere $12 miliardi entro il 2023“).
Progettare soluzioni AI: una questione di governance
Una verità ancora poco nota alle aziende è che lo sviluppo di algoritmi che supportano le decisioni aziendali critiche o la creazione di lavoratori digitali che emulano l’attività umana richiede conoscenze che risiedono solo nell’ambito di ogni organizzazione specifica. Come per tutte le tecnologie più spinte, l’AI non si vende a pacchetto: è il risultato di un processo di analisi e di sviluppo calata sulle specificità di ogni singola azienda. Solo attraverso una cooperazione e una co-creazione che coinvolge, in vario modo, più risorse a livello di organizzazione e di produzione si può maturare una cultura dell’automazione intelligente funzionale e razionale. Come sottolineano gli esperti di Forester, per progettare soluzioni di AI è necessario lavorare attraverso una confederazione che triangola LOB, IT e una task force dedicata ai progetti di automazione che funge sia da abilitatore che da interfaccia tra le varie risorse coinvolte. E così che le organizzazioni possono avere un approccio olistico all’Intelligenza Artificiale, avendo finalmente tutte le vision e le competenze necessarie a finalizzare uno o più progetti senza freni o barriere di ingresso.
L’importanza di un team dedicato a progettare soluzioni AI
Forrester nel 2018, aveva previsto come 4 aziende su 10 (40%) entro il 2019 avrebbero sviluppato dei centri d’eccellenza per promuovere l’automazione. I dati degli analisti stanno confermando le previsioni rispetto ai tassi d’adozione dell’AI, sottolineando però un cambio di passo a livello organizzativo. Cosa c’è di diverso? Che le imprese, al modello tradizionale di un competence center, preferiscono fare riferimento a un team dedicato all’automazione. Questo perché il competence center viene percepito come troppo lento e cablato nella burocrazia interna mentre progettare soluzioni AI richiede un approccio più fluido e più agile, coinvolgendo più parti dell’organizzazione con competenze diversificate. Oltre ad avere responsabili di processo competenti, il team deve poter contare su figure preposte alla gestione della progettazione, dei test e delle modifiche. Il tutto con modalità di condivisione, sincronizzazione e gestione delle informazioni diversificate su più ambiti operativi, integrando competenze, tecnologie, infrastrutture, servizi, applicazioni e opzioni di sicurezza.
Le competenze e le responsabilità delle task force dedicate all’AI
I team dedicati a implementare i progetti di automazione associati all’AI sono la cerniera tra le LOB e l’IT. Ne consegue che all’interno delle organizzazioni, in base ai progetti, coesisteranno diverse task force, ognuna delle quali è specializzata su più ambiti, a livello di competenze di business e tecnologiche. Ad esempio, le aziende avranno team che si occupano di realizzare progetti a supporto delle risorse umane, della finanza o della contabilità mentre altri team sono dediti a singole tecnologie complesse come, ad esempio, l’RPA a supporto degli impianti industriali o della logistica di magazzino. Sempre e comunque, le squadre devono allinearsi tra loro per garantire una pianificazione dell’infrastruttura e dei sistemi informativi sempre coerente, ma anche adattiva e scalabile nel tempo. Le task force, infatti, è vero che usano a valle l’AI per il data mining e la gestione della pipeline ma devono anche aiutare l’IT a individuare i fornitori delle soluzioni più adatti a monte.
Gli analisti di Forrester spiegano le diverse finalità sottese alla creazione di team dedicati allo sviluppo di progetti di AI:
- Promuovere una cultura dell’automazione
I migliori team sono e saranno i promoter dell’automazione intelligente. Lavorando con gli esperti di dominio, eseguiranno tutte le analisi necessarie a livello di processi e di progettazione per introdurre nelle organizzazioni l’automazione che serve, quando serve davvero. Strategia, pianificazione ma anche presentazione dei progetti, condivisione delle vision e promozione sono tutte responsabilità strategiche atte a favorire lo sviluppo di una nuova cultura aziendale rilasciando velocemente un’automazione di successo. - Creare e gestire il perimetro delle attività relative alla distribuzione e all’esecuzione dei progetti di AI
Un altro compito fondamentale della task force è identificare e condividere le migliori pratiche prima che un progetto di automazione passi in produzione. Analogamente a quanto avviene sull’App Store di Apple, dove le app di terze parti devono soddisfare criteri specifici e documentati prima che i clienti possano scaricarle, così avviene con ogni progetto di automazione: la presenza di regole garantisce una distribuzione corretta. - Fornire le linee guida in merito a cosa si possa automatizzare e cosa no
I reparti aziendali hanno bisogno di supporto per determinare quali processi si possono automatizzare e quale sia la tecnologia più adatta. In ottica Agile, il gruppo decisionale dovrebbe avere al suo interno un scrum master che si occupa di tenere le fila dei vari progetti, catalogando quelli migliori e stabilendo le priorità a cui assegnare dei gradienti cromatici per renderle immediatamente intuitive. Data la complessità dei progetti di AI è necessario anche definire delle regole utili a stimare i tempi di consegna e a garantire che ogni processo sia supportato dalla scelta tecnologica adeguata. - Favorire le decisioni sull’architettura con esperti in materia
Mentre gli esperti di dominio si occupano principalmente di progettazione, test e manutenzione delle soluzioni di AI, la razionalizzazione dei progetti di automazione richiede una guida a livello architetturale. I team dell’automazione forniscono alle organizzazionin competenze significative in termini di strumenti e di processi a diverse business unit (BU). - Coordinare tutti i progetti di automazione
L’automazione richiede un lavoro congiunto che coinvolge provider, piattaforme e tecnologie emergenti. Le piattaforme dei fornitori si stanno sviluppando per fornire orchestrazione e gestione di più risorse attraverso diversi tipi di automazione. Per progettare soluzioni AI la task force deve coordinare l’allineamento tra fornitori e dominii, stabilendo la road map più opportuna. È fondamentale avere una vista di tutti i progetti per coordinarli, attraverso un centro di comando che deve offrire una vista in tempo reale di tutti i robot, fisici e virtuali presenti nell’organizzazione: non solo i robot RPA o i robot che gestiscono/sostituiscono i robot in caso di guasto, ma anche i chatbot e i roboss. - Avviare nuovi progetti
Per far progredire l’automazione aziendale i team dedicati ai progetti di AI devono risolvere modelli, licenze ma anche il provisioning degli strumenti software e delle competenze necessarie. È fondamentale stabilire delle linee guida per la codifica ma anche per la gestione delle eccezioni.
Come e perché è necessario federare i vari team del business e dell’IT
Dal punto di vista tecnologico, i team di automazione devono ragionare secondo un’economia di scala. Perché tutto funzioni al meglio anche i CIO devono entrare in una nuova mentalità finalizzata a operare all’interno di un modello di tipo federato.
- Iniziare con le esigenze aziendali, non con le piattaforme tecnologiche
La morte di qualsiasi progetto tecnologico si ha quando l’IT implementa delle piattaforme senza prima coinvolgere chi si occuperà di gestire il dominio operativo. La proprietà dei processi appartiene a chi li deve usare tutti i giorni per lavorare: il dialogo e il confronto costante sono fondamentali per finalizzare progetti di AI funzionali e allineati sia alle esigenze delle varie business unit che all’ottica di razionalizzazione delle risorse necessarie a supportare l’automazione intelligente. - Rimanere aggiornati sui casi aziendali (interni o esterni alla propria organizzazione)
Troppe aziende dichiarano di non essere sicure del valore di un progetto di automazione. Ad esempio, se hanno risparmiato ore, come hanno usato quel tempo guadagnato? Le task force dell’AI dovrebbero aiutare le aziende ad avere una visione end-to-end dell’effetto e quindi del valore di un progetto di automazione.
