Misurare l’uso dell’IA diventa un requisito aziendale
I team aziendali utilizzano già decine di strumenti di intelligenza artificiale (IA) nel loro lavoro quotidiano. L’uso si estende dalla generazione di codice e analisi alla redazione, supporto clienti e ricerca interna. La supervisione rimane disomogenea tra ruoli, funzioni e settori. Un nuovo sondaggio suggerisce che la misurazione e la governance siano al centro di questo ambiente operativo.
Discrepanza di fiducia
Spesso, i dirigenti esprimono fiducia nella loro comprensione dell’attività di IA all’interno dell’organizzazione. Tuttavia, i direttori e i manager più vicini alle operazioni quotidiane descrivono una condizione diversa, con una diminuzione della fiducia man mano che ci si avvicina all’esecuzione. Questo crea un divario di 16 punti tra le opinioni dei dirigenti e quelle dei direttori sulla visibilità dell’IA, un divario che persiste in tutti i settori e dimensioni aziendali.
Uso non autorizzato dell’IA
L’uso di strumenti di IA personali o non autorizzati da parte dei dipendenti contribuisce a questa disconnessione. Più di un quinto dei dirigenti identifica questo comportamento come un ostacolo al successo, mentre molti di loro riportano alta fiducia nella visibilità. L’acquisto di strumenti fornisce un’idea delle licenze acquistate, ma offre informazioni limitate sui modelli di utilizzo quotidiano.
È importante notare che la maggior parte delle aziende dipende da più di un prodotto di IA. Le organizzazioni che riportano ritorni più elevati utilizzano in media 2,7 strumenti, rispetto a 1,1 per i loro colleghi meno performanti. Tuttavia, questa diversificazione introduce ridondanza, con alcuni leader che ritengono che strumenti sovrapposti siano una fonte di spreco di budget.
Gap di inventario e governance
Solo il 38% delle organizzazioni mantiene un inventario completo delle applicazioni di IA in uso, complicando la governance, il budgeting e la gestione dei rischi. Man mano che i quadri normativi richiedono una consapevolezza continua dei sistemi implementati, le lacune nell’inventario diventano problematiche.
Risultati variabili per settore
Il ritorno sugli investimenti varia ampiamente per settore. Settori come il retail, il software e le telecomunicazioni riportano un’alta probabilità di realizzare ritorni entro sei mesi. Al contrario, settori come l’ospitalità e la sanità mostrano aspettative più basse. La struttura del flusso di lavoro spiega gran parte di questa differenza, con settori che decompongono il lavoro conoscitivo in compiti discreti che ottengono risultati più rapidi.
La fiducia dei team IT rispetto ad altri settori
I team IT riportano i risultati più forti e la maggiore fiducia sia nella visibilità che nel ROI. Essi utilizzano l’IA per generare codice, automatizzare le infrastrutture e accelerare le consegne. Al contrario, il supporto clienti e la logistica mostrano una fiducia inferiore, soprattutto a causa delle difficoltà nella misurazione e nell’attribuzione del valore.
Formazione e utilizzo dell’IA
La formazione si correla fortemente con la competenza. Le organizzazioni con programmi di formazione formale sull’IA riportano livelli di abilità e soddisfazione superiori, insieme a guadagni di produttività. Tuttavia, le metriche di utilizzo da sole non catturano questa differenza.
Conclusione
Strutturalmente, il 30% dei partecipanti cita lacune di responsabilità nella misurazione dell’IA. Anche se esistono politiche di governance in molte organizzazioni, l’esecuzione varia. Le aziende che hanno una governance formalizzata dimostrano una maggiore probabilità di ROI, riflettendo un migliore allineamento tra leadership, sicurezza e team operativi. Tuttavia, è evidente che molte organizzazioni mancano di visibilità sulle tendenze di adozione dell’IA, l’esposizione ai rischi e le metriche di valore.
