Le aziende si stanno affacciando al mondo dell’Intelligenza Artificiale, riconoscendo in essa uno strumento potente e utile per l’ottimizzazione dei processi. Però, gestire dei progetti di AI può rivelarsi insidioso e, affinché questi progetti vadano a buon fine, è essenziale possedere i giusti strumenti e le giuste competenze.
NetApp, la società di infrastrutture dati intelligenti, ha presentato i risultati del suo ultimo report riguardante l’evoluzione del panorama dell’IA in ambito aziendale. Il White Paper di IDC, sponsorizzato da NetApp, dal titolo: “Scaling AI Initiatives Responsibly: The Critical Role of an Intelligent Data Infrastructure“, rivela le varie sfide e i vantaggi a differenti livelli di sviluppo dell’IA e fornisce indicazioni sulle strategie di successo adottate dalle principali aziende per scalare in modo responsabile i carichi di lavoro di IA e GenAI. Mettendo in luce i vari approcci praticabili, il rapporto si propone di aiutare le organizzazioni a evitare le insidie più comuni, assicurando che le loro iniziative di IA non rientrino nel 20% che rischia di fallire. Il rapporto introduce anche un modello dettagliato di competenza in materia di IA, sviluppato per valutare i progressi delle aziende in base al loro approccio, sia per AI Emergents e AI Pioneers, sia per AI Leaders e AI Masters.
Scopriamo l’importanza di una infrastruttura dati intelligente nella realizzazione di progetti AI di successo.
L’infrastruttura di dati intelligente è la base del successo dell’AI
Il White Paper di IDC ha rilevato che:
- Gli “AI Masters” sono coloro che ottimizzano la loro infrastruttura di dati per le iniziative basate su intelligenza artificiale evolutiva, facilitando l’accesso ai set di dati aziendali con una preparazione minima e progettando un ambiente unificato, ibrido e multicloud che supporti vari tipi di dati e metodi di accesso.
- Gli “AI Masters” hanno obiettivi ambiziosi, ma possono trovarsi con alcuni problemi legati all’utilizzo dei dati, tra cui limiti di accesso ai dati basati sull’infrastruttura (21%), limiti di conformità (16%) e dati insufficienti (17%).
- Gli “AI Emergents” invece sono coloro che notano sfide simili, ma sperimentano anche vincoli di budget (20% AI Emergents vs. 9% AI Masters), dati insufficienti per l’addestramento dei modelli (26% vs. 17%) e restrizioni aziendali sull’accesso ai dati (28% vs. 20%).
Secondo i risultati, le aziende hanno bisogno di un’infrastruttura di dati intelligente per poter scalare le iniziative di IA in modo responsabile. La posizione di un’azienda nella scala di maturità dell’IA è determinata dal livello di infrastruttura che ha in essere, in grado di garantire non solo il successo a lungo termine dei progetti di IA, ma anche i risultati di business a essi associati. Le aziende che stanno iniziando o hanno iniziato da poco il loro percorso nell’IA hanno in genere architetture di dati disparate o piani in corso per arrivare a un’architettura più unificata. Invece, i leader e gli AI Masters stanno già eseguendo una visione unificata: per questo motivo, le aziende con maggiore esperienza nell’IA stanno fallendo di meno.
“Questo White Paper di IDC conferma ulteriormente che le aziende hanno bisogno di un’infrastruttura dati intelligente per scalare l’IA in modo responsabile e aumentare così il tasso di successo delle iniziative legate all’intelligenza artificiale”, ha affermato Davide Marini, Country Manager Italia di NetApp “Con un’infrastruttura dati intelligente, le aziende hanno la flessibilità di accedere a qualsiasi dato, ovunque, con una gestione integrata dei dati che garantisce sicurezza, protezione e governance dei dati e operazioni adattive in grado di ottimizzare le prestazioni, i costi e la sostenibilità”.
La flessibilità dell’infrastruttura dati è cruciale per l’accesso ai dati e il successo delle iniziative di IA
Il White Paper di IDC ha rilevato che:
- il 48% degli AI Masters dichiara di avere la disponibilità immediata dei propri dati strutturati e il 43% dei dati non strutturati, mentre gli AI Emergents hanno, rispettivamente, solo il 26% e il 20%.
- Gli AI Masters (65%) e gli AI Emergents (35%) hanno dichiarato che le loro attuali architetture di dati possono integrare senza problemi i dati privati della loro azienda con i servizi AI Cloud.
Secondo la ricerca, gli AI Masters sanno che l’architettura e l’infrastruttura dei dati per le iniziative di trasformazione dell’intelligenza artificiale devono offrire un facile accesso ai set di dati aziendali senza alcuna preparazione o pre-elaborazione, o con una preparazione minima.
“Le decisioni relative all’infrastruttura prese durante il processo di progettazione e pianificazione delle iniziative di IA devono tenere conto della flessibilità dell’architettura”, ha dichiarato Ritu Jyoti, Group Vice President, Worldwide Artificial Intelligence and Automation Research Practice, Global AI Research Lead, di IDC. “La natura dinamica degli input di dati per i workstream di IA e GenAI ci dimostra che è fondamentale un facile accesso a dati distribuiti e diversi, sia strutturati che non strutturati, con caratteristiche diverse. Ciò richiede un approccio flessibile e unificato allo storage, un piano di controllo comune e strumenti di gestione che permettano a data scientist e sviluppatori di consumare i dati senza problemi con le integrazioni MLOps”.
Processi efficaci di governance e sicurezza dei dati favoriscono il successo dell’AI
Il White Paper di IDC ha rilevato che:
- L’impossibilità di progredire per gli AI Emergents è spesso dovuta alla mancanza di politiche e procedure di governance standardizzate; solo l’8% degli AI Emergents le ha completate e standardizzate in tutti i progetti riguardante l’intelligenza artificiale, rispetto al 38% dei master dell’IA.
- Mentre il 51% degli AI Masters ha dichiarato di disporre di politiche standardizzate e rigorosamente applicate da un gruppo indipendente all’interno della propria azienda, solo il 3% degli AI Emergents dichiara di aver fatto altrettanto.
Lo studio ha rilevato che una governance e una sicurezza dei dati efficaci sono indicatori cruciali della maturità organizzativa nelle iniziative di IA. La gestione dei dati in modo responsabile e sicuro rimane una questione chiave per le aziende, perché gli attori dell’IA spesso cercano di velocizzare i processi di sicurezza per accelerare lo sviluppo. Il feedback delle aziende che sono riuscite a ottenere risultati positivi dalle loro iniziative di IA dimostra che la governance e la sicurezza non sono semplici centri di costo, ma fattori vitali per l’innovazione. Dando priorità alla sicurezza, alla sovranità dei dati e alla conformità alle normative, le aziende possono ridurre i rischi nelle loro iniziative di IA e GenAI e garantire che i loro ingegneri e scienziati dei dati possano concentrarsi sulla massimizzazione dell’efficienza e della produttività.
L’uso efficiente delle risorse è importante per scalare l’AI in modo responsabile
Il White Paper di IDC ha rilevato che:
- il 43% degli AI Masters dispone di metriche chiaramente definite per valutare l’efficienza delle risorse durante lo sviluppo di modelli di IA, completate e standardizzate per tutti i progetti di IA, rispetto al 9% degli AI Emergents.
- Il 63% di tutti gli intervistati ha dichiarato di aver bisogno di miglioramenti importanti o di una revisione completa per garantire che il proprio storage sia ottimizzato per l’IA e solo il 14% ha indicato di non aver bisogno di miglioramenti.
Poiché i flussi di lavoro dell’IA diventano sempre più parte integrante di quasi tutti i settori, è fondamentale riconoscere l’impatto sull’infrastruttura di calcolo e di storage, sui dati e sulle risorse energetiche e sui costi associati. Una misura fondamentale della maturità dell’IA è la definizione e l’implementazione di metriche per valutare l’efficienza dell’uso delle risorse nella creazione di modelli di IA.
