Nell’articolo che condividiamo di seguito, Patrick Smith, Field CTO EMEA di Pure Storage, spiega l’importanza di adottare un approccio razionale prima di buttarsi a capofitto su progetti di AI dispendiosi e condivide alcuni punti di analisi dell’Intelligenza Artificiale attraverso tre lenti di osservazione differenti.
Come dice il CTO, “prima di impegnare un budget occorre implementare un business case completo con una checklist formale”.
Buona lettura!
Tre lenti per traguardare l’AI dopo l’euforia iniziale
A due anni dal lancio di ChatGPT assistiamo a una monumentale crescita nella consapevolezza, nelle attività e nel desiderio di implementare progetti AI e GenAI. Molti ancora vi si lanciano per paura di essere lasciati indietro rispetto alla concorrenza; le aziende vogliono esplorare le opzioni disponibili e il management vuole capitalizzare questo entusiasmo per portare avanti nuove iniziative.
I vantaggi potenziali sembrano superare i rischi e l’assenza di direzione dei progetti AI: “La stiamo esplorando! Naturale che non abbiamo idea di quali possano essere i risultati!”. Da qui sono nati progetti AI che non tengono in debita considerazione i possibili risultati finali, i termini che definiscono il successo e le modalità con cui il progetto stesso può essere condotto e implementato a vantaggio di un’azienda.
A causa di questo approccio così arrembante abbiamo raggiunto il picco di decisioni affrettate prese sull’onda emotiva con numerosi progetti autorizzati senza badare particolarmente a strategie e ROI a lungo termine.
Come implementare l’AI mantenendo il controllo sul lato business
Mentre l’AI continua a rappresentare un magnete che attira i budget delle aziende, la sua adozione nei contesti enterprise si trova ancora nelle fasi di sviluppo e implementazione iniziali. Dato che siamo ormai a un punto in cui l’accesso ai fondi necessari non è più così facile come in passato, le aziende devono assicurarsi che i progetti AI apportino un ROI concreto e non siano avviati solo per paura di restare indietro agli altri.
Affinché un’iniziativa AI possa avere un impatto sul business occorre esaminarla attentamente attraverso tre lenti che permettono di evidenziarne le capacità di successo:
Lente numero uno: considerare i costi e non farsi vincolare
Quando è esplosa la tecnologia AI sono emersi numerosi driver di mercato per l’avvio di nuovi progetti. I budget venivano dirottati verso progetti AI senza che i costi rappresentassero una delle preoccupazioni principali. Oggi però l’entusiasmo e i budget si sono raffreddati: molte aziende sono tornate a prestare attenzione ai costi e vogliono capire da dove possa arrivare il ROI.
I principali punti da considerare quando ci si avvia sulla strada della AI riguardano la possibilità di sperimentare senza allocare fondi a progetti che potrebbero non portare da nessuna parte. La possibilità di scalare verso l’alto o verso il basso elimina il rischio di incorrere in una spesa non recuperabile. Lo storage e le risorse di calcolo sono il perno delle iniziative AI e poterle utilizzare in pieno è la chiave per massimizzare il ritorno sull’investimento. Acquistare delle GPU che poi non vengono usate per 18 mesi significa immobilizzare inutilmente una risorsa costosa. Meglio poter scalare verso l’alto e verso il basso per mantenere i costi sotto controllo e produrre valore a lungo termine.
Lente numero due: quali sono l’ambito e la scala dei progetti AI? Possono variare?
Se un progetto AI è un esperimento, ci sarà naturalmente incertezza sulle dimensioni che potrà assumere, sia in fase di test che più avanti verso l’implementazione completa. La capacità di crescere dal POC iniziale fino al deployment e al supporto di un progetto di successo è essenziale. Le aziende devono poter scalare senza buttar via le risorse informatiche per iniziare ogni volta da capo. In questo senso il cloud è un buon posto da dove partire con il POC per sperimentare e ottimizzare, scoprire le potenzialità, mappare il valore di business e pianificare le mosse successive; tuttavia può essere una scelta onerosa nel senso che un progetto di successo può poi comportare costi insostenibili.
La realtà (che sempre più persone oggi ammettono) è che le aziende non hanno idea di dove andranno i loro progetti AI nei successivi 6-12 mesi. Numerose sono le direzioni che le iniziative AI possono prendere e anche il concetto stesso di successo varia a seconda dei casi. Non solo c’è incertezza sul lato business, ma bisogna tenere conto anche dello scenario normativo, delle questioni della sicurezza, delle aspettative e delle esigenze dei clienti. Anche se non sapere cosa ha in serbo il futuro può sembrare una limitazione, per le aziende che dispongono di flessibilità questo non dovrebbe essere un problema.
Pensiamo ai modelli as-a-service, che rimuovono il fattore incertezza dal lato dei consumi. Considerando la dipendenza dell’AI dai dati, uno degli elementi chiave che possono risolvere questa incertezza è un modello Storage as-a-Service basato su una piattaforma fisica che può essere scalata per fornire prestazioni, throughput e capacità in modo flessibile e con un impatto istantaneo. I dubbi relativi ai consumi vengono eliminati permettendo alle aziende di reagire rapidamente alle variazioni dei workload. Questo non si applica solo alla crescita, ma anche alle riduzioni delle attività, il che è particolarmente adatto alle aziende che vogliono avere la libertà di sperimentare senza pagare infrastrutture che non vengono poi usate.
Lente numero tre: affidabilità del sistema
Una volta superata la fase esplorativa di un progetto, molte aziende cercano il modo di trasformarlo in un servizio business critical. Situazioni del genere richiedono affidabilità e continuità operativa pari al 100%. Pensiamo alle banche o alle società di e-commerce, le cui applicazioni rivolte al cliente devono essere sempre affidabili e disponibili su base 24/7. Applicazioni di questo tipo non possono essere costruite su fondamenta fragili: per motivi legati alla reputazione e alla customer retention, per non parlare di normative e cyber-resilienza, le aziende non possono tollerare guasti nei loro sistemi. Un uptime inferiore al 100% è inaccettabile, quindi bisogna rivolgersi a vendor capaci di fornire la massima affidabilità.
Basta con i progetti AI finanziati senza badare a spese
Ovviamente non tutte le implementazioni AI vengono condotte senza badare a spese, ma il senior management ha iniziato a stringere i cordoni della borsa dove prima non veniva fatto. Molti hanno voluto avviare progetti AI ritenendo che fosse business critical doverlo fare, ma i vertici delle aziende non hanno più intenzione di allocare denaro nella speranza che prima o poi si arrivi a un successo.
I progetti AI che non hanno un chiaro percorso verso il successo o che non possiedono un business case che ne definisca implementazione e termini del successo vengono ora fermati o neppure avviati. In futuro possiamo aspettarci molta più attenzione e riflessione prima che un budget venga dedicato a un progetto AI.
È ora che le aziende tornino ad avere un approccio razionale al finanziamento dei progetti AI evitando che le loro decisioni siano prese sull’onda del timore di restare indietro. Bisogna badare all’impatto di business, alle possibilità di successo (la probabilità che il progetto sia completato e produca ROI), alla strategia che lo guida, alle conseguenze per il miglioramento dei processi o delle interazioni con i clienti, alla disponibilità dei dati necessari. Queste sono le domande che bisogna porsi prima di intraprendere un nuovo percorso verso l’AI e finanziarlo. Prima di impegnare un budget occorre implementare un business case completo con una checklist formale.
di Patrick Smith, Field CTO EMEA, Pure Storage
