Esistono problemi aziendali in cui l'introduzione di un modello di intelligenza artificiale comporta costi variabili, latenza, incertezza e un obbligo di governance, senza apportare nulla che non sia già previsto da una normativa scritta. Dire di no in questi casi non è conservatorismo: è la stessa disciplina tecnica che porta a dire di sì in altri.
Un'azienda che non ha mai escluso un caso d'uso dell'IA probabilmente non la sta valutando: la sta adottando.
Quando la regola è deterministica e scritta. Il calcolo di una commissione, la convalida di una tassa, la soglia di sconto. Se può essere espresso come una condizione, viene espresso come una condizione. Un modello, in questo caso, introduce variabilità solo dove prima c'era certezza.
Quando il costo dell'errore è elevato e il volume è basso. Dieci decisioni al mese con un impatto a sei cifre non possono essere automatizzate: richiedono un'attenta pianificazione e vengono prese da una persona. I potenziali risparmi sono trascurabili, ma il rischio non lo è.
Quando non ci sono dati proprietari che offrono un vantaggio. Se il caso può essere risolto altrettanto bene con conoscenze generiche accessibili a chiunque, non si crea alcuna differenziazione. Potrebbe essere utile come strumento individuale, ma non come parte di un progetto.
Quando il processo non è definito. L'automazione prima della mappatura porta all'automazione dell'ambiguità, come abbiamo discusso in L'intelligenza artificiale non risolverà i problemi di un'azienda mal progettata..
Quando il costo unitario non torna. Se, includendo tentativi, supervisione e correzione degli errori, la risoluzione di un caso costa più del processo attuale, allora i numeri contano.
Quando l'obbligo di governance supera il beneficio. In un caso d'uso che rientra nella categoria ad alto rischio ai sensi del Regolamento europeo sull'IA, l'apparato di documentazione, monitoraggio e tracciabilità potrebbe risultare sproporzionato rispetto ai modesti risparmi. Si consiglia di calcolarlo preventivamente.
Problema | soluzione basata sull'intelligenza artificiale | Alternativa più economica |
|---|---|---|
Classificare i documenti per tipologia | Modello linguistico | Regole sui metadati e sulla struttura |
Estrarre i dati dalle fatture dei fornitori fissi | Modello multimodale | Modelli forniti dal fornitore |
Rileva i clienti duplicati | Modello di similarità | Regole di normalizzazione e deterministiche |
Rispondere alle domande frequenti | Assistente di conversazione | Effettua una ricerca approfondita in un database organizzato. |
Assegnare priorità agli incidenti | modello predittivo | Regole aziendali esplicite |
Nessuna delle alternative a destra è appariscente, e tutte presentano tre vantaggi verificabili: costo fisso, comportamento riproducibile e tracciabilità semplice.
La regola generale che applichiamo è la seguente: Se il problema può essere risolto con una regola, viene risolto con una regola.. Il modello è riservato ai casi in cui sussiste una reale ambiguità: linguaggio libero, elevata variabilità, casi imprevedibili.
Rifiutare un caso d'uso mal definito crea attrito se fatto con un rifiuto diretto. È meglio gestirlo come un reindirizzamento.
Indica cosa risolve il problema. «"Non serve un modello, servono solo i dati dei clienti, che devono essere raccolti in un unico posto." La conversazione passa da un tono negativo a uno diagnostico.
Quantifica la differenza. Costo dell'alternativa rispetto al costo del progetto di intelligenza artificiale, inclusi gestione e governance. Il numero è più convincente dell'argomentazione.
Lascia la porta aperta con discrezione. Secondo lo Stanford HAI, il costo dell'inferenza è diminuito di oltre 280 volte tra la fine del 2022 e la fine del 2024. Un caso che oggi non è redditizio potrebbe esserlo l'anno prossimo. Vale la pena registrare il calcolo e rivederlo, anziché scartarlo per sempre.
Offrire un'alternativa rapida. L'energia che si cela dietro la proposta è solitamente positiva. Reindirizzarla verso qualcosa che si concretizzerà entro poche settimane mantiene vivo lo slancio.
Le organizzazioni che gestiscono bene questo processo hanno qualcosa che le altre non hanno: un elenco documentato dei casi valutati e scartati, con la motivazione e la data.
Questo elenco assolve a tre scopi. Impedisce di riaprire la stessa discussione ogni trimestre con diverse parti interessate. Consente di rivedere le decisioni quando cambiano le condizioni economiche o tecniche. E dimostra a un comitato, a un cliente o a un revisore dei conti che l'azienda effettua valutazioni anziché limitarsi a seguire le tendenze.
Un inventario della governance dell'IA senza escludere alcun caso è, in pratica, un inventario di tutto ciò che è stato proposto.
Si verifica un effetto di secondo ordine che compensa l'attrito iniziale. Quando un'organizzazione respinge i casi basandosi su un giudizio ponderato, quelli che approva giungono al comitato con molta più credibilità. Il sostegno interno cessa di essere un esercizio di entusiasmo e diventa una decisione difendibile.
C'è anche un aspetto commerciale. Un fornitore che sconsiglia un progetto quando i conti non tornano è un fornitore il cui giudizio è prezioso. Preferiamo perdere quel progetto e vincere la prossima trattativa, che di solito è più importante.
La domanda che dovrebbe essere posta in qualsiasi valutazione non è se si può fare con l'IA. Quasi tutto si può fare. È se dovrebbe "Come riuscire a utilizzare l'intelligenza artificiale" è una domanda diversa e molto più utile.
In sei situazioni: quando la regola è deterministica e scritta, quando il costo dell'errore è elevato e il volume è basso, quando non ci sono dati proprietari che offrono un vantaggio, quando il processo non è definito, quando il costo unitario non è redditizio e quando l'onere della governance supera il beneficio atteso.
Regole aziendali esplicite, normalizzazione dei dati, modelli specifici del fornitore, ricerca ben ordinata e convalide deterministiche offrono tre vantaggi: costi fissi anziché variabili, comportamento riproducibile e tracciabilità semplice.
Una regola empirica è questa: se il problema può essere espresso come una condizione, si risolve con una condizione. Il modello è riservato ai casi con effettiva ambiguità: linguaggio libero, elevata variabilità o situazioni imprevedibili.
Non dovrebbe esserlo. Secondo lo Stanford HAI, il costo dell'inferenza è diminuito di oltre 280 volte tra la fine del 2022 e la fine del 2024, quindi un caso che oggi è irrealizzabile potrebbe essere redditizio tra un anno. È consigliabile documentare il calcolo e la data in modo che possa essere verificato.
Perché evita di riaprire la stessa discussione ogni trimestre, consente di rivedere le decisioni quando cambiano le condizioni economiche o tecniche e dimostra a un comitato o a un revisore dei conti che l'organizzazione valuta con discernimento anziché adottare decisioni per impostazione predefinita.
Individuare la soluzione al problema, quantificare la differenza di costo tra le alternative, registrare il calcolo per una successiva verifica e proporre un'alternativa realizzabile in poche settimane per mantenere lo slancio.
Vale la pena farlo con l'intelligenza artificiale? Analizziamo il tuo caso specifico e ti diciamo se ne vale la pena, qual è l'alternativa più economica e quando sarebbe consigliabile rivalutarla. Se la risposta è negativa, te lo diremo senza mezzi termini. Parliamone →
Español Español 
English
Français
العربية
Português
Deutsch
Italiano
