HPE: quali sono le criticità dovute all’eccesso di fiducia nell’IA

Secondo uno studio condotto a livello mondiale commissionato da HPE, è emerso che le organizzazioni non tengono conto di importanti criticità dovute all'eccesso di fiducia nell'IA. Nonostante la ferma fiducia delle aziende nei propri piani, le strategie di IA frammentate e un'esecuzione che trascura i cicli di vita end-to-end non porteranno a risultati di successo

Il 44% dei leader IT ritiene che le proprie organizzazioni siano pronte a sfruttare i vantaggi dell’IA. E’ quanto emerge dalla ricerca commissionata da Hewlett Packard Enterprise da cui emergono anche lacune significative nelle loro strategie, come la mancanza di allineamento tra i processi e le metriche, con conseguente frammentazione dell’approccio, che aggraverà ulteriormente i problemi in fase esecutiva.

Lo studio “Architect an AI Advantage”, che ha coinvolto oltre 2.000 responsabili IT di 14 Paesi, ha rilevato che, sebbene l’impegno globale nei confronti dell’IA mostri investimenti crescenti, le aziende stanno trascurando aree chiave che influiranno sulla loro capacità di ottenere risultati di successo dall’IA, tra le quali: bassi livelli di maturità dei dati, possibili carenze nel provisioning di rete e di calcolo, nonché importanti considerazioni di carattere etico e di compliance. Lo studio ha inoltre messo in luce notevoli disfunzioni sia a livello di strategia che di comprensione, che potrebbero influire negativamente sul ROI.

“Non c’è dubbio che l’adozione dell’IA stia accelerando, con quasi tutti i leader IT che prevedono di aumentare la spesa per l’IA nei prossimi 12 mesi – ha dichiarato Sylvia Hooks, VP di HPE Aruba Networking -. Questi risultati dimostrano chiaramente un grande interesse nei confronti dell’IA, ma evidenziano anche problemi molto seri che, se non si segue un approccio più olistico, potrebbero rallentare i progressi. Il disallineamento sulla strategia e sul coinvolgimento dei reparti, ad esempio, può impedire alle organizzazioni di sfruttare le aree critiche di competenza, di prendere decisioni efficaci ed efficienti e di garantire che una roadmap olistica sull’IA porti benefici a tutte le aree aziendali in modo congruente”.

Riconoscere la bassa maturità dei dati

Per ottenere prestazioni di IA efficaci, che abbiano un impatto sui risultati di business, è necessario disporre da dati di qualità. La ricerca mostra però che, sebbene le organizzazioni ne siano chiaramente consapevoli – identificando infatti la gestione dei dati come uno degli elementi più critici per il successo dell’IA – i loro livelli di maturità dei dati rimangono bassi. Solo una piccola percentuale (7%) di organizzazioni è in grado di eseguire push/pull di dati in tempo reale per consentire l’innovazione e la monetizzazione dei dati esterni, mentre solo il 26% ha predisposto modelli di governance dei dati e può eseguire analisi avanzate.

Desta preoccupazione il fatto che meno di 6 intervistati su 10 ha dichiarato che la loro organizzazione sia in grado di gestire tutte le fasi chiave della preparazione dei dati per l’utilizzo nei modelli di IA: dall’accesso (59%) all’archiviazione (57%), fino all’elaborazione (55%) e al recupero (51%). Questa discrepanza non solo rischia di rallentare il processo di creazione del modello di IA, ma aumenta anche la probabilità che il modello fornisca informazioni imprecise e un ROI negativo.

Provisioning per il ciclo di vita end-to-end

Un divario simile è emerso quando agli intervistati è stato chiesto di indicare i requisiti di calcolo e di rete per il ciclo di vita end-to-end dell’IA. In apparenza, i livelli di fiducia sembrano elevati: Il 93% dei responsabili IT ritiene che la propria infrastruttura di rete sia predisposta per gestire il traffico dell’IA, mentre l’84% concorda sul fatto che i propri sistemi abbiano una capacità di calcolo sufficientemente flessibile per supportare le richieste specifiche nelle diverse fasi del ciclo di vita dell’IA.

Gartner® prevede che “la GenAI contribuirà al 70% delle attività Text and Data entro il 2025, rispetto a meno del 10% nel 2023” ma meno della metà dei responsabili IT ha ammesso di avere una piena comprensione delle esigenze dei vari workload dell’IA in termini di training, tuning e inferenza, mettendo in serio dubbio l’accuratezza nel provisioning di queste capacità.

Ignorare le connessioni tra diverse divisioni di business, la compliance e l’etica

Le organizzazioni non riescono a migliorare le relazioni tra le aree chiave del business, e più di un quarto (28%) dei leader IT descrive l’approccio complessivo all’IA della propria organizzazione come “frammentato”. A riprova di ciò, più di un terzo (35%) delle organizzazioni ha scelto di creare strategie di IA separate per le singole funzioni, mentre il 32% sta definendo obiettivi diversi.

Ancora più rischioso è il fatto che l’etica e la compliance vengano completamente trascurate, nonostante la crescente attenzione in questi ambiti da parte dei consumatori e degli enti normativi. La ricerca mostra che le questioni legali e di compliance (13%) e l’etica (11%) sono considerate dai leader IT le meno critiche per il successo dell’IA. Inoltre, i risultati hanno mostrato che quasi un’organizzazione su quattro (22%) non coinvolge affatto i team legali nelle conversazioni sulla strategia IA della propria azienda.

La paura di “perdere il treno” dell’IA e il rischio aziendale dell’eccesso di fiducia

Mentre le aziende si muovono rapidamente per comprendere il fenomeno dell’IA, senza un’adeguata etica e compliance in questo ambito, le imprese corrono il rischio di esporre i propri dati proprietari, una base fondamentale per mantenere il proprio vantaggio competitivo e la propria reputazione. Tra i vari problemi, le aziende che hanno una carenza nelle policy etiche relativamente all’IA rischiano di sviluppare modelli privi di adeguati standard di compliance, con conseguenti impatti negativi sul brand, perdite nelle vendite o costose multe e battaglie legali.

Esistono anche ulteriori rischi, dato che la qualità dei risultati dei modelli di intelligenza artificiale è strettamente legata alla qualità dei dati che li alimentano. Ciò si riflette nel report, che mostra come i livelli di maturità dei dati rimangano bassi. Se a ciò si aggiunge che la metà dei responsabili IT ha ammesso di non avere una comprensione completa delle esigenze dell’infrastruttura IT nel ciclo di vita dell’IA, aumenta il rischio complessivo di sviluppare modelli inefficaci, compreso l’impatto delle “allucinazioni” dell’IA. Inoltre, poiché la richiesta di energia per l’esecuzione dei modelli di IA è estremamente elevata, ciò può contribuire a un inutile aumento delle emissioni di carbonio nei data center. Queste problematiche riducono il ritorno sugli investimenti fatti (ROI) e possono avere un ulteriore impatto negativo sul brand.

“L’IA è il workload a più alta intensità di dati e di consumo energetico del nostro tempo e, per sostenere le sfide poste dalla GenAI, le soluzioni devono essere progettate in modo ibrido e costruite con una moderna architettura AI-native – ha dichiarato il Dr. Eng Lim Goh, SVP per Data & AI, HPE . Dal training e tuning dei modelli on-premises, in colocation o nel cloud pubblico, all’inferenza sul edge, la GenAI ha il potenziale per trasformare i dati in insight da ogni dispositivo in rete. Tuttavia, le aziende devono valutare con attenzione l’equilibrio tra l’essere i primi a muoversi in quest’ambito e il rischio di non comprendere appieno le lacune del ciclo di vita dell’AI, altrimenti gli ingenti investimenti di capitale possono finire per produrre un ritorno dell’investimento (ROI) negativo”.

LASCIA UN COMMENTO

Per favore inserisci il tuo commento!
Per favore inserisci il tuo nome qui

Questo sito usa Akismet per ridurre lo spam. Scopri come i tuoi dati vengono elaborati.

LEGGI ANCHE

Gli ultimi articoli