Definire ruoli e responsabilità per l'IA

Completato

Qualsiasi strategia per l'adozione dell'intelligenza artificiale deve soddisfare le capacità aziendali esistenti. Questo argomento è stato illustrato nel modulo "Creare valore aziendale partendo dall'intelligenza artificiale". L'obiettivo di questo modulo è preparare l'azienda per le iniziative di intelligenza artificiale. Ora la domanda è: all'interno dell'organizzazione, chi è responsabile di quali attività per quanto riguarda l'intelligenza artificiale? In questa unità viene illustrato come assegnare responsabilità correlate all'intelligenza artificiale nell'organizzazione.

L'abilitazione dell'IA nell'organizzazione è una responsabilità collettiva

Tutti hanno un ruolo da svolgere nella trasformazione per l'intelligenza artificiale, non solo l'IT. È importante dare alle persone di tutte le funzioni all'interno dell'azienda la possibilità di contribuire attivamente con idee sulle applicazioni dell'IA. È fondamentale promuovere la collaborazione tra team aziendali e tecnici durante la progettazione e l'implementazione. Dopo la distribuzione, i team tecnici e operativi dell'azienda devono essere coinvolti nella gestione delle soluzioni di IA nel tempo:

• Misurare le prestazioni e il ROI dell'azienda dalla soluzione di IA.
• Monitorare le prestazioni e l'accuratezza del modello.
• Elaborare le informazioni dettagliate acquisite da una soluzione di IA.
• Risolvere gli eventuali problemi e decidere come migliorare la soluzione nel tempo.
• Raccolta e valutazione di feedback da parte degli utenti di intelligenza artificiale (indipendentemente dal fatto che siano clienti o dipendenti).

La responsabilità ultima dei dirigenti senior del team di leadership è di riconoscere e gestire la strategia di intelligenza artificiale complessiva e le decisioni di investimento, creando una cultura pronta per l'IA, gestione del cambiamento e criteri per un’intelligenza artificiale responsabile.

Per quanto riguarda gli altri leader in un'organizzazione, non esiste un unico modello da seguire ma tutti i ruoli diversi possono fare la propria parte. L'organizzazione deve determinare un modello adatto alla strategia e agli obiettivi, ai team all'interno dell'azienda e alla maturità dell'IA.

Dirigente line-of-business

Questa persona è un dirigente aziendale responsabile delle operazioni di una particolare funzione, line-of-business o processo all'interno di un'organizzazione.

• Le idee di origine provenienti da tutti i dipendenti: le persone di ogni reparto e livello dovrebbero potersi sentire libere di contribuire con le proprie idee, porre domande e apportare suggerimenti correlati all'IA. Abbiamo scoperto che le idee per la nostra applicazione più incisiva dell'IA sono venute dai nostri dipendenti all'interno delle funzioni aziendali, non dall'esterno o dall'alto.

• Identificare nuovi modelli di business: il vero valore dell'intelligenza artificiale risiede nella trasformazione aziendale, nella creazione di nuovi modelli di business, nell’abilitazione di servizi innovativi, nella creazione di nuovi flussi di ricavi e altro ancora.

• Creare community facoltative per lo scambio di idee: le community creano opportunità per i ruoli IT e aziendali di connettersi in modo continuativo. È possibile implementare questa misura virtualmente tramite strumenti come Yammer o di persona attraverso eventi di networking o sessioni lunch-and-learn.

• Formare esperti aziendali per diventare Product Owners Agile: un Product Owner è membro del team Agile responsabile della definizione delle funzionalità dell'applicazione e della semplificazione dell’esecuzione. Includendo questo ruolo come responsabilità parziale e o totale degli esperti aziendali permette loro di dedicare tempo e impegno alle iniziative di intelligenza artificiale.

Chief Digital Officer

Il Chief Digital Officer (CDO) è un agente del cambiamento che supervisiona la trasformazione delle operazioni tradizionali usando processi digitali. L'obiettivo è quello di generare nuove opportunità di business, flussi di entrate e servizi clienti.

• Alimentare una cultura basata sulla condivisione di dati nell'azienda: la maggior parte delle organizzazioni genera, archivia e usa i dati in modo segregato. Anche se ogni reparto può avere una buona visuale sui propri dati, è possibile che non abbia accesso ad altre informazioni potenzialmente rilevanti per le sue attività. La condivisione dei dati è fondamentale per l'uso efficiente dell'IA.
• Creare un manifesto di intelligenza artificiale personalizzato: questa è l’"elemento cardine" che delinea chiaramente la visione dell'organizzazione per l'intelligenza artificiale e la trasformazione digitale in maniera più ampia. Il suo obiettivo non è solo quello di consolidare la strategia dell'azienda ma di ispirare tutti gli utenti dell'organizzazione e aiutarli a capire cosa significa la trasformazione per loro. Il CDO deve collaborare con altri dirigenti senior del team di leadership per creare il documento e indirizzarlo all'azienda.
• Identificare progetti catalizzatori per vittorie facili: dare il via alla trasformazione basata sull’intelligenza artificiale identificando il lavoro che può trarre immediatamente vantaggio dall'IA, ovvero le iniziative H1. Quindi, presentare questi progetti per dimostrare il suo valore e guadagnare slancio tra gli altri team (H2 e H3).
• Implementare un programma di formazione sulle procedure consigliate per la gestione dei dati: man mano che più persone esterne all'IT vengono coinvolte nell'uso o nella creazione di modelli di intelligenza artificiale, è importante assicurarsi che tutti comprendano le procedure consigliate per la gestione dei dati. I dati devono essere puliti, consolidati, formattati e gestiti in modo che siano facilmente utilizzabili dall'intelligenza artificiale e non siano distorti.

Responsabile delle Risorse umane

Un responsabile delle Risorse umane apporta contributi fondamentali alla cultura e allo sviluppo delle persone di un'organizzazione. Le sue mansioni ad ampio raggio includono l'implementazione dello sviluppo culturale, la creazione di programmi di formazione interna e l'assunzione in base alle esigenze dell'azienda.

• Incoraggiare una "cultura di apprendimento": considerare come alimentare una cultura promossa dal gruppo di leadership che abbraccia le sfide e riconosce il fallimento come parte preziosa dell'apprendimento e dell'innovazione continua.

• Progettare una strategia di "leadership digitale": creare un piano per aiutare i leader line-of-business e i dirigenti senior del team di leadership a creare la propria alfabetizzazione sull’intelligenza artificiale e a guidare i team attraverso l'adozione dell'IA. Tenere presente che qualsiasi strategia di intelligenza artificiale deve essere conforme ai principi per un’intelligenza artificiale responsabile.

• Creare un piano di assunzione per nuovi ruoli, come quello di data scientist: mentre il miglioramento delle competenze dei dipendenti è l'obiettivo a lungo termine, potrebbe essere necessario assumere alcuni nuovi ruoli specifici per le iniziative di IA nel breve termine. Alcuni nuovi ruoli che potrebbero essere necessari includono data scientist, ingegneri software e manager DevOps.

• Creare un piano di competenze per i ruoli interessati dall'intelligenza artificiale: la creazione di una cultura pronta per l'IA richiede un impegno costante da parte del gruppo di leadership per educare e migliorare le competenze dei dipendenti sia sul lato tecnico che su quello aziendale.

  • Dal punto di vista tecnico, i dipendenti hanno bisogno di competenze fondamentali per compilare e rendere operative le applicazioni di IA. Può essere utile collaborare con altre aziende per rendere operativi i team in tempi rapidi, ma le soluzioni di IA non sono mai statiche. Richiedono aggiustamenti costanti per sfruttare nuovi dati, nuovi metodi e nuove opportunità da parte di persone che hanno anche una comprensione profonda del funzionamento dell’azienda.
  • Dal punto di vista aziendale, è importante istruire le persone ad adottare nuovi processi quando un sistema basato su IA cambia il flusso di lavoro quotidiano. Il training include insegnamenti su come interpretare e agire su stime e raccomandazioni di intelligenza artificiale usando un giudizio umano affidabile. È consigliabile gestire questo cambiamento in modo ponderato.

Responsabile IT

Mentre il Chief Digital Officer ha l'incarico di creare e implementare la strategia digitale complessiva, un responsabile IT supervisiona le operazioni tecnologiche quotidiane.

• Avviare iniziative di lavoro Agile tra i reparti aziendali e l’IT: l'implementazione di processi Agile tra i team aziendali e l’IT può aiutare a mantenere i team allineati intorno a un obiettivo comune. L'implementazione richiede un cambiamento culturale per facilitare la collaborazione e ridurre le dispute di responsabilità. Microsoft Teams e Skype sono alcuni strumenti di collaborazione efficaci.
• Creare un piano di correzione dei "dark data": i dark data sono dati non strutturati, senza tag e segregati che le organizzazioni non riescono ad analizzare. Non sono dati classificati, protetti o governati. In tutti i settori, le aziende che riescono a portare i dati oscuri alla luce possono trarre grandi benefici. A questo scopo, hanno bisogno di un piano per rimuovere l'isolamento dei dati, estrarre informazioni strutturate da contenuto non strutturato ed eliminare i dati non necessari.
• Configurare team e progetti di distribuzione interfunzionali Agile: i team di distribuzione interfunzionali sono fondamentali per l'esecuzione di progetti di intelligenza artificiale dall’esito positivo. Le persone che hanno una conoscenza approfondita e il controllo degli obiettivi e dei processi aziendali dovrebbero avere un ruolo centrale nella pianificazione e nella gestione delle soluzioni di IA. I data scientist che lavorano in isolamento potrebbero creare modelli privi del contesto, dello scopo o del valore che li renderebbe efficaci.
• Ridimensionare MLOps nell'intera azienda: la gestione dell'intero ciclo di vita dell’apprendimento automatico su larga scala è complicata. Le organizzazioni necessitano di un approccio che porti l'agilità di DevOps al ciclo di vita dell’apprendimento automatico. Questo approccio viene chiamato MLOps: la pratica di collaborazione tra data scientist, ingegneri di intelligenza artificiale, sviluppatori di app e altri team IT per gestire il ciclo di vita dell’apprendimento automatico end-to-end. Altre informazioni su MLOps nelle unità corrispondenti del modulo "Sfruttare gli strumenti e le risorse di intelligenza artificiale per l'azienda".

La funzione dei lavoratori aziendali non è solo fornire informazioni dettagliate ai data scientist. L'intelligenza artificiale deve aiutarli a lavorare meglio e più velocemente. Nell'unità successiva si vedrà come questo obiettivo può essere raggiunto con strumenti senza codice che non richiedono competenze o mediazioni di data science.