Un’indagine svela le opportunità per migliorare l’efficienza, la scalabilità e il successo dei progetti aziendali di AI e data science

Altair ha pubblicato i risultati di un’indagine internazionale che ha rivelato alti tassi di adozione e implementazione di strategie organizzative basate su dati e AI a livello globale. L’indagine ha anche rivelato che spesso il successo dei progetti è condizionato da tre principali tipologie di ostacoli: organizzativi, tecnologici e finanziari.

L’indagine indipendente condotta su oltre 2.000 professionisti in 10 Paesi e in diversi settori industriali ha evidenziato un elevato tasso di fallimento dei progetti di IA e data science (tra il 36% e il 56%) laddove sono presenti ostacoli tra i reparti organizzativi.

Le tre principali aree di ostacolo

Nel complesso, l’indagine ha identificato gli ostacoli organizzativi, tecnologici e finanziari come i principali limiti al successo dei progetti di data science e intelligenza artificiale.

Ostacoli organizzativi

L’indagine ha rilevato che le organizzazioni stanno avendo difficoltà nel coprire i ruoli di data science, e questo rappresenta una causa significativa di insuccesso.

• Il 75% dei partecipanti ha dichiarato di avere difficoltà a trovare talenti nel campo della data science.
• Il 35% ha affermato che la conoscenza e la comprensione dell’intelligenza artificiale sono basse nella maggior parte del personale.
• Il 58% ha affermato che sono la scarsità di talenti e il tempo necessario per migliorare le competenze dei dipendenti attuali il problema più diffuso nella loro strategia di adozione dell’intelligenza artificiale.

Ostacoli tecnologici

Più della metà dei partecipanti ha dichiarato che la propria organizzazione si scontra spesso con limitazioni tecniche che rallentano le iniziative di data science e intelligenza artificiale.

• Nel complesso, i partecipanti hanno dichiarato di avere difficoltà a causa della lentezza nell’elaborazione dei dati, oltre alla difficoltà nel prendere decisioni informate rapidamente e a problemi legati alla qualità dei dati.
• Quasi due terzi dei partecipanti (63%) hanno affermato che la propria organizzazione tende a complicare l’utilizzo degli strumenti di dati basati sull’intelligenza artificiale più di quanto sia necessario.
• Il 33% ha citato l’incapacità dei sistemi legacy nello sviluppare iniziative avanzate di intelligenza artificiale e di machine learning, creando problemi tecnologici ricorrenti.

Ostacoli finanziari

Nonostante il desiderio delle organizzazioni di espandere le proprie strategie di data science e intelligenza artificiale, i team e gli individui si devono interfacciare continuamente con ostacoli di tipo finanziario.

• Il 25% dei partecipanti ha citato i vincoli finanziari come punto che influisce negativamente sulle iniziative di intelligenza artificiale all’interno della propria organizzazione.
• Il 28% ha affermato che la dirigenza è troppo concentrata sui costi iniziali delle strategie per capire come gli investimenti in intelligenza artificiale e apprendimento automatico potrebbero portare benefici alla loro organizzazione.
• Il 33% ha affermato che l’”alto costo di implementazione” – che sia reale o percepito – è una delle problematiche della loro organizzazione quando si fa affidamento sugli strumenti di intelligenza artificiale per completare i progetti.

Il fallimento dei progetti è comune, ma prevale comunque l’ottimismo

Le organizzazioni, di diversi settori e regioni geografiche, continuano ad utilizzare l’intelligenza artificiale nonostante l’alto tasso di fallimento dei progetti.

• Un partecipante su quattro ha dichiarato che più del 50% dei loro progetti fallisce.
• Il 42% dei partecipanti ammette di aver sperimentato un fallimento legato all’intelligenza artificiale nei due anni precedenti; tra questi partecipanti, il tasso medio di fallimento all’interno della propria organizzazione è stato del 36%.
• Nonostante i fallimenti dei progetti, le organizzazioni continuano a utilizzare l’intelligenza artificiale perché credono che ci sia l’opportunità di migliorare le capacità o i servizi nel lungo periodo (78%) e che i successi ottenuti, anche se limitati, dimostrino il potenziale di importanti progressi a lungo termine (54%).

Molte organizzazioni faticano anche a portare a termine i loro progetti di data science:

• Il 33% dei partecipanti ha dichiarato che più della metà dei progetti di data science non è mai arrivata alla fase finale di produzione negli ultimi due anni.
• Inoltre, il 55% ha affermato che più di un terzo dei progetti di data science non è mai arrivato alla fase di produzione nei due anni precedenti.
• Un impressionante 67% ha dichiarato che più di un quarto dei progetti non è mai arrivato alla fase di produzione.

Gli ostacoli esistono ovunque

A livello globale, l’indagine ha rivelato che sia la tecnologia che la scarsità di talenti rappresentano punti critici per le organizzazioni nell’implementazione delle strategie di data science e intelligenza artificiale.

• I partecipanti delle regioni Asia-Pacifico (APAC) e Europa-Medio Oriente (EMEA) hanno riportato un maggior numero di fallimenti legati all’intelligenza artificiale negli ultimi due anni (54% e 35%) rispetto alla regione America del Nord-Sud America (AMER) (29%).
• Il 65% dei partecipanti APAC e il 61% dei partecipanti EMEA hanno concordato sul fatto che le proprie organizzazioni complicano l’uso degli strumenti di intelligenza artificiale più di quanto sia necessario.
• Il 78% dei partecipanti APAC e il 75% dei partecipanti EMEA hanno dichiarato di avere difficoltà a trovare abbastanza talenti nel campo dei dati.

Cosa intendiamo quindi con Frictionless AI?

Quando le organizzazioni raggiungono la “Frictionless AI”, l’analisi dei dati diventa una parte facile e naturale del business, con progetti semplici, ripetibili e scalabili. Non ci sono scogli tecnologici tra le organizzazioni e i loro dati; non ci sono limiti organizzativi tra gli esperti di dati e gli esperti del settore; non ci sono ostacoli nel flusso di lavoro tra la progettazione dell’applicazione dei dati e l’implementazione produttiva; e non ci sono difficoltà di migrazione quando infrastrutture o strumenti cambiano.

Il sondaggio globale è stato commissionato da Altair e condotto da Atomik Research tra il 14 e il 31 marzo 2023. Hanno partecipato 2.037 professionisti provenienti da diverse industrie target con funzioni lavorative legate al mondo dei dati e l’analisi dei dati. Il campione includeva partecipanti provenienti da 10 paesi diversi in tutto il mondo, tra cui Stati Uniti, Cina, Francia, Germania, India, Italia, Giappone, Corea del Sud, Spagna e Regno Unito.

Contenuti correlati

• 
  AI in simulazione e HPC con Altair al Farnborough Airshow 2024

  Altair porta in mostra le ultime innovazioni nel campo della simulazione ingegneristica, dell’intelligenza artificiale (AI) e del calcolo ad alte prestazioni (HPC) al Farnborough International Airshow 2024, in programma dal 22 al 26 luglio presso il Farnborough...
• 
  Un podcast innovazione e AI nell’industria manifatturiera

  A fine 2023 Google ha presentato GNoMe, un’intelligenza artificiale specializzata nello scoprire nuovi materiali: ne ha trovati 2.2 milioni, di cui 380.000 considerati stabili, un bel passo in avanti se si considera che fino a quella data...
• 
  Automazione continua dai dati al modello di AI

  Beckhoff ha sviluppato uno strumento software che permette la creazione automatizzata di modelli di intelligenza artificiale, integrandoli nel flusso di lavoro della sua piattaforma d’automazione. Così si semplifica lo sviluppo e l’allenamento di modelli AI per specifici...
• 
  Le innovazioni dei controllori industriali

  I controllori industriali continuano a occupare una posizione strategica nell’era della trasformazione digitale. In particolare, le tecnologie basate su IoT, Edge computing, AI, robotica e virtualizzazione ne stanno elevando le potenzialità a un nuovo livello. Leggi l’articolo
• 
  La regolamentazione sull’AI: la visione di Appian

  L’Europa si è posta all’avanguardia nella regolamentazione sull’AI grazie all’EU AI Act, la prima legge di questo tipo al mondo completa e approvata all’unanimità dagli Stati membri dell’UE il 21 maggio 2024. All’interno del quadro normativo dell’UE...
• 
  Di qui al 2035: i futuri desiderabili dell’Osservatorio Futures

  Nel 2035 la maggior parte delle tecnologie sarà intelligente e generativa, in grado di rendere più efficienti le attività e migliorare il benessere delle persone, dalla cura personale all’alimentazione, dall’intrattenimento alla socialità. Oltre all’Intelligenza Artificiale Generativa, altre...
• 
  SPS 2024, una vetrina di tendenze tecnologiche

  L’edizione 2024 di SPS Italia ha fornito una panoramica completa dell’automazione intelligente e digitale, dai sensori smart alle applicazioni AI. Proponendo la visione di un mondo industriale sempre più digitalizzato e connesso, SPS 2024 ha saputo attrarre...
• 
  Osservatorio Life Science Innovation: l’AI rivoluzionerà la medicina entro 5 anni

  Già oggi strumenti digitali per il monitoraggio a domicilio del paziente, come sensori, App per la salute e real-world data, entro breve l’Intelligenza artificiale applicata alla medicina personalizzata e le cosiddette “terapie digitali” (DTx), soluzioni digitali validate...
• 
  Siemens e MGA: una partnership virtuosa verso l’innovazione dell’industria farmaceutica

  Masco Group Automation (MGA), società parte di Masco Group, è un’azienda specializzata nello sviluppo e nella produzione di soluzioni per l’automazione e la digitalizzazione nel settore Pharma. Fondata con l’obiettivo di fornire tecnologie all’avanguardia per ottimizzare i...
• 
  IoT e AI Zerynth nelle lavorazione meccaniche di T.G.R.

  T.G.R. Srl, azienda specializzata in lavorazioni meccaniche come tornitura, fresatura e rettifica per la produzione di particolari meccanici, ha compiuto un significativo passo avanti nella propria trasformazione digitale grazie all’adozione dalla piattaforma IoT & AI di Zerynth....