10 ruoli chiave per il successo dell’intelligenza artificiale in azienda

Sempre più aziende in ogni settore stanno adottando l’intelligenza artificiale per trasformare i processi aziendali. Ma il successo delle loro iniziative in campo IA non dipende solo dai dati e dalla tecnologia, ma anche dall’avere a bordo le persone giuste.

Un team di IA aziendale efficace è un gruppo eterogeneo che comprende molto più di una manciata di data scientist e ingegneri. I team di intelligenza artificiale di successo includono anche una serie di persone che capiscono il business e i problemi che sta cercando di risolvere, afferma Bradley Shimmin, analista capo per piattaforme di intelligenza artificiale, analisi e gestione dei dati presso la società di consulenza Omdia.

“Le tecnologie e gli strumenti di cui disponiamo si stanno orientando sempre di più verso l’abilitazione e la responsabilizzazione dei professionisti del dominio, degli utenti aziendali o dei professionisti dell’analisi affinché si assumano direttamente la responsabilità dell’IA all’interno delle aziende”.

Carlos Anchia, co-fondatore e CEO della startup AI Plainsight, concorda sul fatto che il successo dell’IA si basi principalmente sulla creazione di un team a tutto tondo con una vasta gamma di competenze avanzate, anche se farlo è decisamente impegnativo. “Identificare cosa rende un team di intelligenza artificiale altamente efficiente può sembrare una cosa facile da fare, ma quando si esaminano le responsabilità dettagliate degli individui nei team di intelligenza artificiale di successo, si arriva rapidamente alla conclusione che costruire questi gruppi è estremamente difficile“.

Per aiutarvi ad assemblare il vostro team di intelligenza artificiale ideale, ecco uno sguardo ai 10 ruoli chiave che si trovano oggi nei team IA aziendali ben gestiti.

Data scientist

I data scientist sono il fulcro di qualsiasi team di intelligenza artificiale. Elaborano e analizzano i dati, creano modelli di machine learning (ML) e traggono conclusioni per migliorare i modelli ML già in produzione. Un data scientist è un mix tra un analista di prodotto e un analista aziendale con un pizzico di conoscenza del machine learning, afferma Mark Eltsefon, data scientist di TikTok.

“L’obiettivo principale è comprendere le metriche chiave che hanno un impatto importante sul business, raccogliere dati per analizzare i possibili colli di bottiglia, visualizzare diverse metriche e proporre varie soluzioni su come aumentare queste metriche, inclusa la realizzazione di un prototipo della soluzione. Quando lavoriamo su una nuova funzionalità per gli utenti di TikTok, è impossibile capire se la funzionalità avvantaggerà o allontanerà gli utenti senza ricorrere alla scienza dei dati”.

Ingegnere ML

I data scientist possono costruire i modelli ML, ma sono gli ingegneri ML che li implementano. “Questo ruolo ha il compito di “impacchettare” il modello ML in un container e distribuirlo alla produzione, di solito come un microservizio” afferma Dattaraj Rao, architetto di innovazione e ricerca e sviluppo presso la società di servizi tecnologici Persistent Systems.

Il ruolo richiede competenze esperte di programmazione back-end e configurazione server, oltre alla conoscenza dei container e dell’integrazione continua e dell’implementazione della distribuzione. “Un ingegnere ML è anche coinvolto nella convalida dei modelli, nei test A/B e nel monitoraggio in produzione”. E in un ambiente ML maturo, gli ingegneri ML devono anche sperimentare strumenti di servizio capaci di trovare il modello con le migliori prestazioni in produzione con prove minime.

Ingegnere dei dati

Gli ingegneri dei dati (o data engineer) costruiscono e mantengono i sistemi che costituiscono l’infrastruttura dati di un’organizzazione. Sono fondamentali per le iniziative di intelligenza artificiale perché i dati devono essere sia raccolti che resi adatti al consumo prima che si possa fare qualcosa di affidabile afferma Erik Gfesser, direttore e capo architetto di Deloitte.

“Gli ingegneri dei dati creano pipeline di dati per raccogliere e assemblare i dati per l’utilizzo a valle e, in un’impostazione DevOps, creano pipeline per implementare l’infrastruttura su cui vengono eseguite queste pipeline di dati”, continua Gfesser. L’ingegnere dei dati è fondamentale per le iniziative ML e non ML. Ad esempio, quando si implementano pipeline di dati in uno dei cloud pubblici, un ingegnere dei dati deve prima scrivere gli script per avviare i servizi cloud che forniscono il calcolo necessario per elaborare i dati inseriti.

Se state creando un team IA per la prima volta, dovreste capire che la scienza dei dati è un processo iterativo che richiede molti dati afferma Matt Mead, CTO presso la società di servizi di tecnologia dell’informazione SPR. Supponendo che disponiate di dati sufficienti, “circa l’80% dello sforzo sarà correlato alle attività di ingegneria dei dati e circa il 20% sarà il lavoro effettivo relativo alla scienza dei dati”, afferma Mead.

Per questo motivo, solo una piccola percentuale del vostro team di intelligenza artificiale lavorerà sugli sforzi di scienza dei dati. “Il resto del team identificherà il problema da risolvere, aiuterà a spiegare i dati e a organizzarli, integrerà l’output in un altro sistema di produzione o presenterà i dati in un modo pronto per la presentazione”.

Data steward

Un data steward supervisiona la gestione dei dati di un’azienda e si assicura che questi siano accessibili e di alta qualità. Un ruolo importante che garantisce che i dati vengano utilizzati in modo coerente in un’organizzazione e che un’azienda rispetti le mutevoli leggi sui dati.

I data steward assicurano che i data scientist ottengano i dati giusti e che tutto sia ripetibile e chiaramente contrassegnato in un catalogo di dati, afferma Ken Seier, responsabile della pratica nazionale per i dati e l’IA presso la società di tecnologia Insight. Una persona in questo ruolo necessita di una combinazione di data science e competenze di comunicazione per collaborare tra vari team e lavorare con data scientist e ingegneri dei dati per garantire che le parti interessate e gli utenti aziendali possano accedere ai dati.

Un data steward applica anche le policy di un’organizzazione in merito all’utilizzo e alla sicurezza dei dati. “Il data steward si assicura che solo le persone che dovrebbero avere accesso ai dati protetti ottengano tale accesso”, afferma Seier.

Esperto di dominio

L’esperto di dominio (domain expert) ha una conoscenza approfondita di un particolare settore o area tematica. Questa persona è un’autorità nel suo dominio, può giudicare la qualità dei dati disponibili e può comunicare con gli utenti aziendali di un progetto di intelligenza artificiale per assicurarsi che questo abbia un valore reale.

Questi esperti in materia sono essenziali, afferma Max Babych, CEO della società di sviluppo software SpdLoad. “Gli esperti di dominio possono fornire approfondimenti critici che consentiranno a un sistema di intelligenza artificiale di funzionare al meglio.”

Quando l’azienda di Babych ha sviluppato un sistema di visione artificiale per identificare gli oggetti in movimento per i piloti automatici in alternativa a LIDAR, ha avviato il progetto senza un esperto di dominio. Sebbene la ricerca avesse dimostrato che il sistema funzionava, ciò che l’azienda non sapeva era che le case automobilistiche preferivano LIDAR alla visione artificiale per via della sua comprovata affidabilità e che non avrebbero mai acquistato un prodotto basato sulla visione artificiale.

“Il consiglio chiave che vorrei condividere è pensare al modello di business, quindi coinvolgere un esperto di dominio per scoprire se è un modo fattibile per fare soldi nel vostro settore e, solo dopo, provare a discutere di cose più tecniche”, continua Babych.

Inoltre, gli esperti di dominio possono rappresentare dei collegamenti vitali tra i clienti e il team di intelligenza artificiale, afferma Ashish Tulsankar, responsabile dell’intelligenza artificiale per la piattaforma edtech iSchoolConnect. “Questa persona può comunicare con il cliente, comprenderne le esigenze e assicurarsi che l’IA sia implementata in modo etico”.

Designer di intelligenza artificiale

Un designer di intelligenza artificiale collabora con gli sviluppatori per assicurarsi che comprendano le esigenze degli utenti umani. Questo ruolo ha il compito di capire come gli utenti interagiranno con l’IA e di creare prototipi per dimostrare casi d’uso per nuove capacità di intelligenza artificiale.

Un desginer di intelligenza artificiale garantisce inoltre che si crei fiducia tra gli utenti umani e un sistema di intelligenza artificiale e che l’IA impari e migliori dal feedback degli utenti. “Una delle difficoltà che le organizzazioni incontrano nello scalare l’IA è che gli utenti non comprendono la soluzione, non sono d’accordo con essa o non possono interagire con essa” afferma Shervin Khodabendeh, co-responsabile della società di consulenza per il business dell’IA della società BCG in Nord America. “Le organizzazioni che ottengono valore dall’intelligenza artificiale riescono a farlo proprio perché ottengono una giusta interazione tra essere umano e IA”.

Secondo BCG il 10% del valore è costituito da algoritmi, il 20% da piattaforme tecnologiche e dati e il 70% dall’integrazione aziendale o dal collegamento alla strategia dell’azienda all’interno dei processi aziendali. “Questa interazione uomo-IA è assolutamente fondamentale e rappresenta una parte sostanziale di quel 70%; i designer di intelligenza artificiale vi aiuteranno ad arrivarci”.

Product Manager

Il product manager identifica le esigenze dei clienti e guida lo sviluppo e la commercializzazione di un prodotto, assicurandosi che il team di intelligenza artificiale stia prendendo decisioni strategiche vantaggiose. “In un team di intelligenza artificiale, il compito del product manager è capire come l’IA possa essere utilizzata per risolvere i problemi dei clienti e, quindi, come possa essere tradotta in una strategia di prodotto” afferma Dorota Owczarek, product manager presso la società di sviluppo IA Nexocode.

La Owczarek è stata recentemente coinvolta in un progetto per lo sviluppo di un prodotto basato sull’intelligenza artificiale per l’industria farmaceutica in grado di supportare la revisione manuale di documenti di ricerca e documenti con l’elaborazione del linguaggio naturale. “Il progetto ha richiesto una stretta collaborazione con data scientist, ingegneri ML e ingegneri dei dati per sviluppare i modelli e gli algoritmi necessari per potenziare il prodotto”.

In qualità di product manager, Owczarek era responsabile dell’implementazione della roadmap del prodotto, della stima e del controllo dei budget e della gestione della cooperazione tra la tecnologia, l’esperienza utente e gli aspetti commerciali del prodotto.

I product manager dell’IA dovrebbero avere sia competenze tecniche, sia acume negli affari e dovrebbero essere in grado di lavorare a stretto contatto con diversi team e stakeholder. “Nella maggior parte dei casi, il successo di un progetto di intelligenza artificiale dipende dalla collaborazione tra i team di business, data science, ingegneria ML e design”.

I product manager dell’IA devono anche comprendere le implicazioni etiche del lavoro con l’IA, aggiunge la Owczarek. “Sono responsabili dello sviluppo di processi interni e linee guida per fare in modo che i prodotti dell’azienda aderiscano alle migliori pratiche del settore”.

Credit immagine: Depositphotos

Stratega dell’IA

Lo stratega dell’IA deve capire come lavora un’azienda e coordinarsi con il team esecutivo e le parti interessate esterne per garantire che l’azienda disponga dell’infrastruttura e del talento giusti per produrre un risultato positivo per le sue iniziative di intelligenza artificiale. Per avere successo, uno stratega dell’IA deve avere una profonda conoscenza del proprio dominio aziendale e delle basi del machine learning, oltre a sapere come l’IA possa essere utilizzata per risolvere i problemi aziendali, afferma Dan Diasio, leader globale IA presso EY Consulting.

“La tecnologia sta reinventando il modo in cui colleghiamo la nostra attività per trarre il massimo vantaggio da quella capacità di intelligenza artificiale o risorsa di intelligenza artificiale che creiamo. Uno stratega di intelligenza artificiale può aiutare un’azienda a pensare in modo trasformativo a come usare l’IA”.

“Per cambiare il modo in cui un’azienda prende le decisioni, è necessario che qualcuno con una notevole quantità di influenza e visione sia in grado di portare avanti questo processo”. Gli strateghi dell’IA possono anche aiutare le organizzazioni a ottenere i dati di cui hanno bisogno per alimentare l’IA in modo efficace.

“I dati che le aziende hanno oggi all’interno dei loro sistemi o nei loro data warehouse rappresentano in realtà solo una frazione di ciò di cui avranno bisogno per differenziarsi quando si tratta di creare capacità di intelligenza artificiale. Parte del ruolo dello stratega IA è guardare all’orizzonte e vedere come sia possibile acquisire e utilizzare più dati senza mettere in pericolo la privacy”.

Chief IA officer

Il chief IA officer è il principale decisore di tutte le iniziative di intelligenza artificiale ed è responsabile della comunicazione del potenziale valore di business dell’IA agli stakeholder e ai clienti. “Il decisore è qualcuno che comprende il business, le sue opportunità e i suoi rischi”, afferma Tulsankar di iSchoolConnect.

Il chief IA officer dovrebbe conoscere i casi d’uso che l’IA può risolvere, sapere dove si trova il vantaggio finanziario più significativo e, quindi, articolare tali opportunità per le parti interessate. “Dovrebbe anche delineare come queste opportunità devono essere raggiunte in modo iterativo. Se sono presenti più clienti o più prodotti su cui è necessario applicare l’intelligenza artificiale, il chief IA officer può suddividere le parti dell’implementazione indipendenti dal cliente e specifiche del cliente”.

Sponsor esecutivo

Lo sponsor esecutivo è un dirigente che assume un ruolo attivo nel garantire che i progetti di IA vengano realizzati ed è responsabile dei finanziamenti per le iniziative di intelligenza artificiale di un’azienda. La leadership esecutiva ha un ruolo significativo nell’aiutare a guidare il successo dei programmi di intelligenza artificiale, afferma Diasio di EY Consulting. 

Un produttore di prodotti di consumo, ad esempio, ha un team responsabile della ricerca e sviluppo, un team responsabile della supply chain, un team di vendita e un team di marketing. “Le maggiori e migliori opportunità di applicare l’IA per aiutare a trasformare il business riguardano tutte e quattro queste funzioni. E ci vuole una forte leadership da parte del CEO o della C-suite di un’azienda per gestire questi cambiamenti”.

Sfortunatamente, il senior management di molte aziende non è adeguatamente esperto del potenziale dell’IA, afferma Shervin Khodabendeh di BCG. “La loro comprensione in materia è piuttosto limitata e spesso fanno fare tutto ai data scientist senza però capire davvero le nuove modalità necessarie per lavorare con l’IA”.

L’adozione dell’IA è un grande cambiamento culturale per molte aziende che non capiscono come funzionino i ruoli in un team di intelligenza artificiale ad alto funzionamento. “Per il 99% delle aziende tradizionali che adottano l’IA, è ancora oggi un aspetto difficile da capire”, conclude Khodabendeh.