09/04/2025 | News release | Distributed by Public on 09/04/2025 01:09
L'ultimo articolo si è concentrato sulla comprensione del problema aziendale che l'IA spera di risolvere. È chiaro che questo non avviene da solo come attività isolata: la scomposizione del problema e la collaborazione con una serie di stakeholder sono strettamente collegate. Ma quali stakeholder? Sulla base di quanto abbiamo trattato a proposito della comprensione del problema aziendale nell'articolo precedente, possiamo raggruppare a grandi linee questi stakeholder in utenti aziendali (o finanziari) e tecnologici (ingegneri) (si veda la Figura 1 per un'illustrazione).
Ognuno di questi gruppi porta una propria prospettiva, del tutto valida. Ad esempio, gli ingegneri si preoccupano della fattibilità e della praticità. Gli utenti si concentrano sull'impatto e sui risultati, mentre gli uomini d'affari portano la loro prospettiva di spesa e di valore. Per ognuno di questi gruppi è fondamentale iniziare a comprenderli sia in termini di esigenze aziendali che di motivazioni individuali. Inoltre, dobbiamo lavorare con le tre parti per negoziare l'inquadramento del progetto, poiché è necessario un equilibrio tra le prospettive di ciascuna di esse, perché ognuna è corretta. Costruendo una relazione e stabilendo un rapporto di fiducia con gli stakeholder, siamo in grado di capire meglio loro e le loro esigenze, aiutandoli a lavorare insieme, il che a sua volta migliora la nostra progettazione della soluzione e, in definitiva, il successo del progetto.
Gli sponsor senior e gli stakeholder che rappresentano l'azienda hanno la visione (e di solito i finanziamenti) e sono spesso desiderosi di essere coinvolti nel processo di impostazione e definizione del progetto. Questo può essere ottimo: sono impegnati, desiderosi di garantire il successo del progetto e molto solidali (sia in termini di tempo che di denaro). Tuttavia, gli stakeholder senior hanno generalmente un quadro incompleto delle operazioni aziendali e dei singoli ruoli e responsabilità a livello quotidiano. Questo può portare a lacune nella comprensione di ciò che la soluzione deve fare, di quali sono i compiti che dovrebbe essere in grado di svolgere e di come la soluzione potrebbe interagire con gli utenti una volta implementata.
È quindi fondamentale costruire relazioni e consulenze con coloro che finiranno per utilizzare la soluzione finale. Queste persone avranno probabilmente una comprensione più dettagliata del problema che la soluzione è stata progettata per risolvere o affrontare, oltre ad avere una comprensione molto chiara di potenziali insidie, circostanze insolite o requisiti che la soluzione dovrà affrontare con successo.
È altrettanto fondamentale coinvolgere coloro che si occupano degli aspetti tecnici dell'azienda. Queste persone, che provengono da una prospettiva ingegneristica, molto probabilmente aggiungeranno un'ulteriore gamma di potenziali insidie, circostanze insolite e requisiti che dovranno essere presi in considerazione nella soluzione. Anche se queste conversazioni aggiungeranno indubbiamente sfide e complessità al progetto, è fondamentale che vengano scoperte il prima possibile, in modo da poterle inserire nella progettazione della soluzione.
La presenza di tutti gli stakeholder giusti nella definizione iniziale del progetto, nello scoping e nella pianificazione è solo metà della battaglia per colmare il divario: una cosa che va ricordata è il potenziale divario di comprensione e di visione. Ad esempio, in qualità di data scientist o di altro professionista dell'IA, siete stati coinvolti in progetti precedenti, avete capito come si svolgevano e come si presentava la soluzione finale. Inoltre, avete una conoscenza approfondita delle tecnologie sottostanti - algoritmi, dati e infrastrutture - e di aree correlate come UX e design. Tutto questo significa che siete in una buona posizione per immaginare come sarà la soluzione e cosa è possibile fare. Per le parti interessate è improbabile che sia così e potrebbero soffrire di un orizzonte ridotto, il che significa che sottovalutano ciò che si può fare o sopravvalutano la possibilità di una sorta di soluzione magica. Entrambe le cose sono sbagliate e non aiutano.
A questo punto vale la pena di approfondire brevemente il nostro ruolo: In qualità di esperto di AI del progetto, dobbiamo fungere da guida e ottenere i migliori risultati per il progetto in queste situazioni. Quando c'è un orizzonte ridotto o una sottovalutazione di ciò che si può fare, c'è una povertà di aspirazione. Pertanto, in qualità di guida, avete una sfida tutta in salita: cercare di aiutare gli stakeholder a immaginare come potrebbe essere la soluzione e allontanarli da qualcosa di inferiore che potrebbe non risolvere completamente il problema aziendale. Forse la strategia migliore è quella di agire da facilitatore, aiutandoli a capire l'impatto delle loro decisioni sulla soluzione.
È anche importante essere consapevoli della situazione opposta che si verifica con gli stakeholder, ovvero l'ottimismo irrealistico sui "poteri magici" dell'IA o della Gen AI di fornire automaticamente una soluzione senza che il problema sia stato nemmeno verbalizzato (per non parlare della documentazione sistematica). Per questo motivo, nel processo di comprensione del problema aziendale descritto in precedenza, molte fasi sono dedicate alla raccolta di informazioni sul problema aziendale. Raccogliendo i requisiti e identificando i potenziali problemi, diventa più facile discutere concretamente come potrebbe essere la soluzione in queste prime conversazioni con gli stakeholder.
Tuttavia, proprio con questi stakeholder, ci sono diverse sfide ricorrenti: in primo luogo, ci sono aspettative irrealistiche sull'aspetto della soluzione finita e su ciò che è possibile fare. In secondo luogo, può mancare il realismo sui dettagli dei requisiti dell'utente/soluzione che devono essere documentati (poiché ciò avviene magicamente). In terzo luogo, e continuando a parlare di magia, potrebbe anche mancare la comprensione dei tempi di realizzazione di una soluzione di questo tipo. L'insieme di questi fattori può mettere in difficoltà gli ignari data scientist o project manager. Tuttavia, spesso il grande vantaggio di questi stakeholder è il loro sconfinato entusiasmo. L'importante è sfruttarlo, stabilendo allo stesso tempo le aspettative e incanalando le loro energie in modo costruttivo (ad esempio, lavorando con loro per descrivere nei dettagli come sarebbe la soluzione ideale, come potrebbe funzionare, introducendo i principali stakeholder, ecc.)
A prescindere dal tipo di stakeholder (e non ce ne sono due uguali), è fondamentale che siano coinvolti nel progetto durante il suo svolgimento, in modo da poterli coinvolgere e fornire un feedback continuo, assicurando che il progetto non si allontani da ciò che è necessario per l'azienda.
Come abbiamo già visto, la capacità di collegare chiaramente la nostra soluzione - che si tratti di Gen AI, di "vecchia" AI o di qualsiasi altra cosa - al problema aziendale è fondamentale per il successo del nostro progetto. Nel prossimo articolo ci occuperemo di progettare la soluzione in modo più dettagliato per esplorare come l'IA possa essere mappata alla logica aziendale dell'organizzazione.