Dati pronti per l'AI e agenti AI: Principali informazioni dal Gartner Data & Analytics Summit

Il recente Gartner Data & Analytics Summit ha evidenziato un punto di inflessione critico del settore: mentre le organizzazioni si affrettano a implementare l'IA, quelle che ci riescono capiscono che la vera potenza dell'IA deriva dalle sue fondamenta. Il summit di quest'anno ha posto l'accento su tre temi interconnessi: agenti di IA, dati pronti per l'IA e strutture di fiducia e governance. In qualità di rappresentante di SnapLogic al summit, sono stato particolarmente entusiasta di vedere le capacità della nostra piattaforma allinearsi con queste priorità emergenti.

Lo stato di adozione dell'IA

L'entusiasmo per l'IA è innegabile, ma i numeri raccontano una storia più sfumata:

• Solo il 20% delle organizzazioni è riuscito a rendere operativi con successo i casi d'uso dell'IA in modo coerente
• Il 49% delle organizzazioni cita la dimostrazione del valore aziendale dell'IA come principale barriera all'adozione
• La disponibilità e la qualità dei dati rimangono l'ostacolo numero 1 all'implementazione dell'IA

Queste statistiche rivelano una crescente consapevolezza: Il successo dell'IA dipende meno dalla sofisticazione degli algoritmi e più dalla qualità, dall'accessibilità e dalla governance delle risorse di dati sottostanti. La sessione ha poi evidenziato le chiavi del successo: stabilire la fiducia attraverso una governance trasparente, scalare attraverso un'architettura modulare e adattabile (componibile), rendere i dati pronti per l'IA e riutilizzabili e guidare la trasformazione dei team attraverso l'alfabetizzazione e l'aggiornamento in materia di IA.

Agenti di intelligenza artificiale: la prossima evoluzione dei sistemi intelligenti

Una delle sessioni più stimolanti del summit è stata "Agenti AI: Are You Ready to Set Your AI Free?" presentata da Ben Yan, analista di Gartner. La sessione ha fornito una definizione chiara che ha risuonato con molti partecipanti:

"Gli agenti di IA sono entità software autonome o semiautonome che utilizzano tecniche di IA per percepire, prendere decisioni, intraprendere azioni e raggiungere obiettivi nei loro ambienti digitali o fisici".

Secondo Gartner, gli agenti di IA rappresentano una trasformazione fondamentale nel funzionamento dei sistemi di IA:

• Dalla necessità di una forte supervisione all'agire in modo autonomo
• Da flussi di attività deterministici a flussi di attività non deterministici
• Dal comportamento statico al comportamento adattabile
• Dalle architetture centralizzate a quelle decentralizzate

È importante notare che non tutto ciò che viene commercializzato come "agente" si qualifica. Gli stessi modelli linguistici di grandi dimensioni, le procedure automatizzate, gli assistenti conversazionali e i flussi di lavoro RPA non costituiscono intrinsecamente agenti di IA, una distinzione che aiuta a superare il clamore del mercato.

Quando prendere in considerazione gli agenti di IA: identificare le opportunità principali

Per le organizzazioni che stanno valutando dove implementare gli agenti di intelligenza artificiale, Gartner ha identificato diverse caratteristiche che rendono le soluzioni candidate ideali:

• Ambienti dinamici e imprevedibili, con condizioni in costante mutamento ed elevata incertezza.
• Esigenze decisionali complesse che coinvolgono molteplici fattori e obiettivi a lungo termine
• Requisiti per l'adattabilità continua attraverso l'apprendimento e il miglioramento continui
• Potenziale di autonomia nei sistemi che necessitano di una disponibilità 24/7 e di compiti attivabili in modo indipendente
• Forti capacità di integrazione con interoperabilità, estensibilità e scalabilità

Queste caratteristiche aiutano le organizzazioni a dare priorità ai casi d'uso in cui gli agenti di IA possono produrre una vera trasformazione piuttosto che miglioramenti incrementali.

La sessione ha illustrato il successo di Lenovo nella creazione di un agente di configurazione dei prodotti. Lenovo ha un'ampia varietà di clienti, dalle grandi aziende ai consumatori, che spesso dovevano descrivere le loro esigenze a rappresentanti che poi configuravano e inviavano proposte. La loro architettura multi-agente con agenti specializzati per la pianificazione, la sintesi, le raccomandazioni, i prezzi, l'analisi e la configurazione, tutti interagenti con basi di conoscenza e toolkit, consente ai clienti di descrivere e configurare i prodotti da soli utilizzando il linguaggio naturale.

Perché i progetti GenAI falliscono

L'analisi più preoccupante è stata fatta da Arun Chandrasekaran, analista di Gartner, che prevede che entro il 2025 almeno il 50% dei progetti di IA generativa sarà abbandonato dopo il proof of concept. Le ragioni principali sono:

1. Mancanza di valore aziendale - Privilegiare i casi d'uso ad alto impatto con chiare metriche di successo
2. Eccessivo affidamento sull'IA da sola - Utilizzare l'IA insieme all'automazione tradizionale e ai sistemi basati su regole
3. Infrastruttura dati impreparata - Rafforzare la governance dei dati, l'acquisizione dei metadati e le incorporazioni vettoriali.
4. Rischi di vendor lock-in - Adottare un'architettura AI modulare e componibile
5. Sperimentazione insufficiente - Implementare sandbox di intelligenza artificiale, test A/B e framework di monitoraggio.
6. Controlli deboli su rischi e conformità - Incorporare quadri di IA responsabili e monitoraggio dei pregiudizi
7. Sfide di scalabilità - Pianificare fin dall'inizio la scalabilità a livello aziendale
8. Carenza di talenti nel campo dell'IA - Investire nell'aggiornamento dell'IA e negli strumenti low-code
9. Costi elevati e basso ROI - Ottimizzare i carichi di lavoro dell'IA e misurare costantemente il ROI
10. Governance dell'IA poco chiara - Assegnare una chiara proprietà e politiche etiche

Queste insidie evidenziano perché le organizzazioni hanno bisogno di piattaforme di integrazione in grado di colmare il divario tra le aspirazioni dell'IA e l'implementazione pratica.

L'imperativo dell'integrazione

Mentre navighiamo nel panorama in evoluzione dell'IA, una cosa è chiara: le organizzazioni che saranno leader nell'era dell'IA non sono necessariamente quelle con gli algoritmi più avanzati, ma quelle con gli ecosistemi di dati più solidi, accessibili e ben gestiti. Le piattaforme di integrazione come SnapLogic, in grado di collegare senza problemi le fonti di dati, di attivare pipeline di dati pronte per l'AI e di supportare le architetture di agenti emergenti, saranno fattori critici di questa trasformazione.

Il vertice ha ribadito che il successo sostenibile dell'IA si basa su quattro pilastri:

1. Fiducia attraverso una governance trasparente - Garantire una distribuzione dell'IA etica, sicura e responsabile.
2. Rendere i dati pronti per l'AI e riutilizzabili - Creare una solida base di dati
3. Scalare attraverso un'architettura modulare e aperta (composable) - Costruire infrastrutture flessibili che crescono con le esigenze dell'organizzazione
4. Trasformazione dei team attraverso l'alfabetizzazione all'intelligenza artificiale e nuove competenze - Potenziamento piuttosto che sostituzione delle competenze umane

Per le organizzazioni che vogliono ottenere un vantaggio competitivo attraverso l'IA, il messaggio è chiaro: concentrarsi innanzitutto sulla base dei dati e sulle capacità di integrazione. Il resto verrà da sé.

Siete pronti a diventare un'azienda agenziale, composita e guidata dai dati?

Il viaggio verso un'implementazione efficace dell'intelligenza artificiale e degli agenti di intelligenza artificiale inizia con la modernizzazione della piattaforma di integrazione, che consente di rendere i dati pronti per l'intelligenza artificiale, di creare un'architettura composita e di democratizzare la creazione di agenti. La piattaforma di integrazione cloud di SnapLogic unifica l'integrazione di dati e applicazioni, la gestione delle API e la creazione di agenti, semplificando notevolmente il percorso per diventare una moderna azienda agenziale.