Tecnologie, processi, persone e modelli di business: come dare priorità. L’ Intelligenza Artificiale e le connessioni con la realtà concreta in cui va applicata.

Impatto
Digitalizzazione significa molto di più che sviluppo di nuove tecnologie. Infatti, una implementazione di successo richiede una complessa interazione tra tecnologie, processi, persone e partner; interazione che va realizzata all’interno di una organizzazione e del suo ecosistema di riferimento.

Poiché sono le persone a guidare il cambiamento, occorre creare le opportunità per innovare e superare le resistenze al cambiamento dell’organizzazione esistente.
Come gli individui possono affrontare gli ostacoli organizzativi?
Sono possibili questi quattro passaggi:
- Evangelizzazione. Diffondere consapevolezza e convincere il maggior numero possibile di attori.
- Contrabbando. Agire di nascosto e senza autorizzazione
- Collaborazione. Usare l'autorità collegiale per superare gli ostacoli
- Sfruttamento. Capitalizzare le risorse esistenti.

Modello
Bisogna definire un nuovo modello di business, ovvero chiarire quali sono le modalità con cui una organizzazione può creare e gestire valore per i clienti.
Serve:
- creare un’offerta, che tenga conto delle esigenze dei clienti e produca benefici unici
- catturare un giro di affari, con una determinata struttura di costi e con capacità di gestire il rischio
- attivare capacità proprie e sviluppate con partner strategici.
Il cambio del modello spesso non coinvolge solo l’azienda, ma anche l’ecosistema di riferimento. Nascono scenari in cui si affacciano nuovi competitori e/o alleati. Tali scenari si possono presentare in forma molto diversa a seconda dell’organizzazione a cui ci si riferisce, pur avendo scelto di concentrarsi su uno specifico mercato.

Intelligenza
Si possono individuare tre tipologie di AI:
- Intelligenza Predittiva. Predizione di un comportamento
- Intelligenza cognitiva. Diagnostica e risoluzione
- Intelligenza interattiva. Interazione uomo-macchina

Premesso che occorre sempre creare connessioni tra le nozioni delle discipline tecnico-scientifiche e la realtà concreta.
Tre sono suggerimenti di base:
1) Pensare prima al problema, poi ai dati che servono e poi ancora alla tecnologia di supporto,
2) Affiancare al data scientist le competenze del dominio e l’esperienza degli utilizzatori finali
3) Preparare un piano di formazione di base su cui coinvolgere tutta l’azienda.
In conclusione, si evidenzia come il successo di soluzioni di AI richiede specifiche competenze del dominio di riferimento.