Le organizzazioni hanno necessità di fondere l’intelligenza artificiale tradizionale e generativa, e di incorporare soluzioni che consentano ai data fabric di massimizzare l’impatto complessivo dell’AI
Qlik ha presentato il suo Benchmark Report sull’Intelligenza Artificiale Generativa che mette in luce come le aziende stiano pianificando investimenti significativi in tecnologie che migliorano i data fabric per consentire il successo con l’utilizzo dell’AI generativa. Inoltre, le aziende stanno cercando un approccio ibrido che incorpori l’AI generativa con l’AI tradizionale per scalarne l’impatto nelle loro organizzazioni.
Il “Generative AI Benchmark Report”, eseguito nell’agosto 2023 da Enterprise Technology Research (ETR) per conto di Qlik, ha intervistato 200 dirigenti, VP e direttori C-level di aziende Global 2000 di diversi settori. L’indagine esplora il modo in cui i leader stanno sfruttando gli strumenti di intelligenza artificiale generativa che hanno acquistato, le lezioni apprese e dove si stanno concentrando per massimizzare i loro investimenti.
“Il potenziale dell’AI generativa ha scatenato un’ondata di interesse e di investimenti sia per gli strumenti discreti, sia per le tecnologie che aiutano le organizzazioni a gestire il rischio, abbracciare la complessità e scalare l’AI generativa e l’AI tradizionale per l’impatto”, ha dichiarato James Fisher, Chief Strategy Officer di Qlik. “Il nostro report Generative AI Benchmark mostra chiaramente che le aziende leader comprendono che questi strumenti devono essere supportati da una base dati affidabile. Questa base di dati alimenta le intuizioni e i casi d’uso avanzati in cui la potenza dell’AI generativa e dell’AI tradizionale insieme prendono vita”.
Il rapporto ha rilevato che, sebbene l’entusiasmo iniziale per ciò che l’AI generativa può offrire permanga, i leader oggi sanno che devono utilizzare questi strumenti con le giuste strategie e tecnologie di dati per realizzare appieno il loro potenziale di trasformazione. E se da un lato molti stanno procedendo con l’intelligenza artificiale generativa per diminuire le pressioni della concorrenza e aumentare l’efficienza, dall’altro sono anche alla ricerca di indicazioni su dove iniziare e su come procedere rapidamente, tenendo d’occhio i rischi e le questioni di governance.
Creare valore dall’AI generativa
Anche se il mercato si sta concentrando sull’AI generativa, gli intervistati sono consapevoli che l’AI tradizionale continua a portare valore in aree come l’analisi predittiva. Dove ci si aspetta che l’AI generativa possa aiutare è nell’estendere la potenza dell’AI oltre i data scientist o gli ingegneri, aprendo le capacità dell’AI a una popolazione più ampia. I leader si aspettano che questo approccio li aiuti a scalare la capacità di sbloccare informazioni più approfondite e trovare modi nuovi per risolvere i problemi molto più velocemente.
L’identificazione di ciò che è possibile fare con l’intelligenza artificiale generativa ha portato ad un’importante crescita di investimenti. Lo dimostrano i dati: il 79% degli intervistati ha acquistato strumenti di AI generativa o investito in progetti di AI generativa e il 31% afferma di voler spendere oltre 10 milioni di dollari in iniziative di AI generativa nel prossimo anno. Tuttavia, questi investimenti corrono il rischio di essere isolati, dal momento che il 44% di queste organizzazioni ha notato di non avere una chiara strategia in merito.
Considerare la giusta strategia e il giusto supporto per le soluzioni di AI generativa
Alla domanda su come intendono affrontare l’AI generativa, il 68% dei rispondenti ha dichiarato di voler sfruttare modelli pubblici o open source perfezionati con dati proprietari e il 45% sta invece valutando la possibilità di costruire modelli da zero con dati proprietari. Infatti, l’esperienza in queste aree è fondamentale per evitare problemi (come spesso vengono segnalati) di sicurezza dei dati, di governance, o di pregiudizi che possono verificarsi con l’AI generativa. Gli intervistati sono quindi consapevoli di aver bisogno di aiuto, con il 60% di essi che afferma di voler affidarsi parzialmente o completamente a competenze di terze parti per colmare questo divario.
Molte aziende guardano anche ai data fabric come parte fondamentale della loro strategia per mitigare questi problemi. Gli intervistati hanno riconosciuto che i loro data fabric necessitano di aggiornamenti o che non sono pronti in tema di AI generativa. Infatti, solo il 20% ritiene che il proprio data fabric sia molto o estremamente attrezzato per soddisfare le proprie esigenze di AI generativa.
Alla luce di ciò, non sorprende che il 73% preveda di aumentare la spesa per le tecnologie che supportano i data fabric. Parte di questa spesa dovrà concentrarsi sulla gestione dei volumi di dati, dal momento che quasi tre quarti degli intervistati hanno dichiarato di aspettarsi che l’AI generativa aumenti la quantità di dati spostati o gestiti sull’analisi attuale. La maggior parte degli intervistati ha anche notato che la qualità dei dati, gli strumenti di Machine Learning o Intelligenza Artificiale, la governance dei dati, l’integrazione dei dati e la Business Intelligence e Analytics sono tutte aree importanti o molto importanti per fornire un data fabric che consenta il successo tramite intelligenza artificiale generativa. Gli investimenti in queste aree aiuteranno quindi le aziende a rimuovere alcuni degli ostacoli più comuni all’implementazione, tra cui la regolamentazione, la sicurezza dei dati e le risorse.
Il percorso verso il successo dell’AI generativa: è una questione di dati
Sebbene la strategia di implementazione di Intelligenza Artificiale di ogni azienda possa e debba essere diversa, un fatto rimane lo stesso: i migliori risultati di AI iniziano con i dati migliori. Con l’enorme quantità di dati che devono essere curati, di qualità garantita, protetti e governati per supportare l’AI e costruire utili modelli di AI generativa, un data fabric moderno è essenziale. E una volta che i dati sono a posto, la piattaforma dovrebbe fornire funzionalità end-to-end abilitate all’intelligenza artificiale che aiutino tutti gli utenti, indipendentemente dal livello di competenza, a ottenere informazioni approfondite con l’automazione e l’assistenza.
Qlik consente ai clienti di sfruttare l’intelligenza artificiale in tre modi fondamentali:
- Una base di dati affidabile per l’intelligenza artificiale: le soluzioni di qualità e integrazione dei dati di Qlik sfruttano l’intelligenza artificiale per automatizzare la distribuzione e la trasformazione dei dati, riducendo la complessità, mitigando i rischi e abilitando i data fabric.
- Analisi predittiva e potenziata dall’intelligenza artificiale – Qlik ha una lunga esperienza nella fornitura di funzionalità di analisi predittiva e potenziate dall’intelligenza artificiale. I connettori OpenAI di Qlik estendono la potenza dell’IA generativa all’analisi di Qlik, offrendo funzionalità di chat ancora più potenti a un’esperienza utente ricca.
- AI per casi d’uso avanzati: Qlik AutoML™ aiuta le organizzazioni a scalare gli investimenti nella data science, consentendo al personale tecnicamente incline a personalizzare le soluzioni AI per nuovi casi d’uso.
