La vostra strategia di AI e ML è troppo isolata?

Quattro anni fa ho scritto un articolo simile e ora, in qualità di Presidente e Amministratore delegato di DXC Technology, mi rendo conto di quanto sia attuale quando leggo gli ultimi titoli dei giornali e mi confronto con i clienti di tutto il mondo che sono ansiosi di dimostrareai loro consigli di amministrazione e agli investitori che stanno promuovendo l'innovazione per guidare la crescita del business.

Ogni CIO sta cercando di investire nelle più recenti tecnologie di intelligenza artificiale (AI) e di apprendimento automatico (ML) per ottenere un vantaggio competitivo, ottenere efficienze di costo, accelerare la velocità di commercializzazione e migliorare l'esperienza complessiva. Credetemi, nonsi può rimanere indietro. ma, a volte, se si agisce troppo in fretta, può venire meno la vostra capacità di raggiungere gli obiettivi aziendali desiderati.

Un aspetto che molti CIO trascurano quando intraprendono il loro viaggio nell'AI/ML è quello relativo a come evolvere la propria strategia di gestione dei talenti per scalare efficacemente i progettiin questo campo.

La nuova regola dell'80/20

In DXC abbiamo imparato che, per massimizzare i vantaggi dell'apprendimento automatico per la vostra azienda, dovete adottare un approccio ibrido che combini la tecnologia per portarvi all'80% del percorso mentre le personesaranno responsabili del restante 20%.

Molti prodotti software oggi vantano funzionalità di intelligenza artificiale e di ML integrate, facendo credere che per le aziende sia sufficienteaffidarsi a un approccio plug-and-play. Si estrae dalla scatola, si collega e magicamente funziona.

Ma la vera essenza dell'apprendimento automatico - la sua natura innovativa e il valore che apporta alle aziende - è impossibile da realizzare senza l'intervento umano.

Un esempio perfetto è rappresentato da DXC Platform X^TM, la nostra piattaforma di intelligence data-driven che gestisce in modo efficiente gli asset IT dei nostri clienti. La piattaforma X integra tecnologie avanzate di AI e ML con un vasto catalogo di bot di automazione. Tuttavia, è progettata per sfruttare anche le competenze deinostri ingegneri, che operano da una "sala di controllo" virtuale per garantire le sue prestazioni ottimali.

Come funziona il ML

Per rendere efficace l'apprendimento automatico, occorre innanzitutto immettere i dati nella piattaforma, pulirli, configurare il modello di ML e quindi calibrarloman mano che incontra i dati. Questo processo, che consiste nel far passare i dati attraverso il modello e nel monitorare e raccogliere ifeedback in modo costante, migliora le prestazioni del modello e genera risultati accurati.

Per mettere le cose in prospettiva, si consideri il cervello umano. Le persone sono più brave a pensare e a trarre conclusioni quando hanno a disposizione più dati, esperienza e saggezza accumulata per elaborarli.

Affidarsi esclusivamente a ciò che è scritto sull'etichetta della scatola del prodotto ML o alla risposta del fornitore a una richiesta di offerta può portare su una strada rischiosa. Ogni CIO dovrebbe dare priorità a tre fattori critici di successo quando implementa il ML nella propria azienda.

1. Un modello ML senza dati è come un'auto senza benzina.

Per addestrare efficacemente i modelli di apprendimento automatico, è necessario disporre di dati di alta qualità e di volume elevato. Questi dati devono essere facilmente accessibili, nel formato giusto e sufficientemente diversificati per garantire risultati imparziali.

In DXC, il nostro modello di dati si basa su oltre 60 anni di gestione di sistemi essenziali per oltre 6.000 clienti. Questa grandissima esperienza ci consente di addestrare i nostri modelli con dati di una qualità più elevata, con il risultato di un riconoscimento più rapido e accurato dei problemi che influiscono sul servizio e unaconseguente riduzione delle interruzioni. Ogni singolo cliente beneficia non solo dei propri dati, ma anche dell’esperienza  collettiva derivante dalla nostra base di clienti. In altre parole, i nostri dati (protetti e resi anonimi) diventano i vostri dati.

2. Non esiste una soluzione "imposta e dimentica".

Come già detto, i modelli di ML richiedono la supervisione umana. Anche se le soluzioni software continueranno a migliorare nel tempo, il successo delML in ambito aziendale si basa su professionisti qualificati in grado di farlo funzionare efficacemente.

In DXC abbiamo un team d'élite di data scientist specializzati che sperimentano, progettano e creano modelli. La nostra forza lavoro ingegneristica globale, distribuita in 70 paesi, ci permette di distribuire, monitorare, verificare e ottimizzare i modelli su scala.

Una capacità cruciale che i nostri ingegneri possiedono è quella di determinare il giusto mix di prodotti e funzionalità di ML. Molti prodotti offrono funzionalità simili, ma la conoscenza di cosa applicare dove e quando per ottenere risultati ottimali è una caratteristica esclusivamente umana che richiede esperienza pratica e giudizio.

Se da un lato l'intelligenza artificiale e il machine learning possono sconvolgere alcuni mercati del lavoro, dall'altro creano nuove ed entusiasmanti opportunità per le persone esperte di tecnologia che abbracciano il cambiamento.

3. Non dimenticate l'integrazione.

Un aspetto spesso trascurato dell'approccio plug-and-play è l'impegno necessario per configurare tutte le integrazioni. Solo le nuove startup possono permettersi il lusso di esplorare nuovi campi di sviluppo  . La maggior parte di noi deve affrontare la sfida di integrare le nuove tecnologie con quelle esistenti. La maggior parte delle aziende Fortune 500 dispone di patrimoni IT complessi e tentacolari, che comprendono migliaia di server, centinaia di applicazioni strategiche e dispositivi endpoint distribuiti che supportano una forza lavoro dinamica e spesso virtuale.

È qui che DXC Platform X eccelle. La sua architettura aperta e modulare consente una facile integrazione e opzioni di implementazione flessibili, sfruttando gli investimenti IT attuali e futuri dei nostri clienti. Abbiamo fatto il lavoro pesante fornendo integrazioni preconfigurate per le principali piattaforme SaaS aziendali, modelli di ML pronti all'uso, un catalogo di risorse di iper-automazione e ingegneri esperti che collegano tutti i pezzi senza soluzione di continuità.

Sintesi

La rivoluzione dell'IA e del ML continuerà senza dubbio ad accelerare, guidando i progressi in tutti i settori. In DXC siamo entusiasti di essere all'avanguardia, valutando e applicando in modo ponderato le tecnologie emergenti a vantaggio dei nostri clienti e delle nostre persone.

Indipendentemente dalla vostra strategia, sia che scegliate di acquistare, costruire o collaborare per i progressi dell'IA e del ML, dovete dare priorità a qualcosa di più del ML stesso. Dati di alta qualità, i giusti talenti e una strategia di integrazione completa.

Per saperne di più su Platform X, DXC Data & Analytics e DXC AI.