Un pit stop in Formula 1 sembra una decisione sportiva presa in una frazione di secondo, ma dietro quella scelta si nasconde una sfida più complessa: prendere la decisione giusta sulla base di dati in continua evoluzione, finché c’è ancora tempo per influenzare il risultato.
Con la crescente integrazione dell’intelligenza artificiale (AI) nelle operazioni aziendali, ogni settore si trova ad affrontare la propria versione del “momento del pit stop”: che si tratti di una banca che decide di approvare o bloccare una transazione, di un operatore di telecomunicazioni che rileva un peggioramento delle prestazioni di una rete prima che i clienti se ne accorgano, o di un fornitore di servizi logistici che modifica il percorso di una consegna prima che un’interruzione si trasformi in un ritardo.
In ogni caso, l’AI è utile solo se è in grado di comprendere ciò che sta accadendo in tempo reale, interpretare tali informazioni nel contesto e supportare l’azione.
La F1 sta già risolvendo questo problema. È ora che le organizzazioni si mettano al passo.
Lezione 1: l’AI deve poter seguire l’andamento della gara in tempo reale
Nessuna scuderia di F1 può prendere la decisione giusta ai box basandosi su un quadro incompleto. Deve conoscere le condizioni delle gomme, la posizione degli avversari, il passo di gara del pilota e come un Gran Premio evolve giro dopo giro. Lo stesso vale per l’AI aziendale. Un rivenditore che cerca di gestire la disponibilità deve poter monitorare la domanda, le scorte, gli ordini e i vincoli di evasione di questi ultimi man mano che cambiano.
È proprio qui che molte organizzazioni si trovano ancora in difficoltà. Non è che manchino i dati, il problema è che spesso sono sparsi tra diversi sistemi, applicazioni, team e ambienti. Alcuni dati si muovono in tempo reale. Altri arrivano in batch. Alcuni sono puliti e affidabili, mentre altri ancora richiedono un’elaborazione prima di poter essere utilizzati in modo sicuro.
Nonostante l’entusiasmo che circonda i modelli di AI, trarre valore dall’intelligenza artificiale inizia con qualcosa di più basilare: la capacità di percepire ciò che sta accadendo in tutta l’azienda nel momento stesso in cui avviene.
Lezione 2: il contesto trasforma i segnali in valutazioni
La visibilità da sola non basta. In Formula 1, i dati telemetrici in tempo reale diventano utili solo se interpretati nel contesto: un picco di temperatura degli pneumatici significa una cosa se avviene su gomme nuove e una cosa completamente diversa dopo 30 giri.
Allo stesso modo, nel settore bancario, una transazione sospetta non può essere valutata solo in base all’importo. Il sistema deve comprendere il comportamento normale del cliente, la sua attività recente, la sua posizione, l’esercente, la cronologia del conto e le politiche di rischio pertinenti prima di poter raccomandare se approvare, bloccare o indagare.
Affinché l’AI abbia un valore di business, ha bisogno di contesto. Questa lezione è particolarmente importante ora che le imprese stanno passando dagli assistenti AI all’AI autonoma. Consentire a un sistema di Intelligenza Artificiale di accedere a ogni database e applicazione può rendere un progetto pilota impressionante, ma non garantisce che il sistema comprenda ciò che conta, ciò che è attuale o ciò di cui ci si può fidare. In produzione, un contesto debole trasforma la velocità in rischio, in particolare quando sono in gioco denaro, fiducia o sicurezza.
Lezione 3: lasciare che siano gli eventi a innescare l’azione migliore successiva
Una volta che l’AI dispone del contesto giusto, la sfida successiva consiste nell’integrarlo nel flusso aziendale. In molte organizzazioni, l’AI rimane ancora un passo indietro rispetto al processo operativo. Qualcuno pone una domanda, legge un riassunto e poi decide cosa fare dopo.
Un approccio migliore consiste nel collegare l’AI agli eventi aziendali che già si susseguono all’interno dell’organizzazione. In un’architettura di streaming, un ritardo nella consegna può diventare il segnale che induce un sistema di AI a valutare cosa sta accadendo, attingere al contesto pertinente e raccomandare l’azione migliore da intraprendere.
La F1 rende facilmente comprensibile l’importanza di questo aspetto. Il muretto dei box non ha bisogno solo di un’osservazione interessante sul degrado delle gomme durante un Gran Premio. Ha bisogno di una raccomandazione chiara e affidabile basata su ciò che sta accadendo in gara: rientrare subito ai box o restare in pista.
La stessa logica si applica alle decisioni aziendali. Un aggiornamento logistico è utile solo se può essere integrato nel calcolo dei percorsi, nella comunicazione con i clienti o nella pianificazione delle scorte. Il valore deriva dall’inserimento dell’AI proprio dove vengono effettivamente prese le decisioni operative, piuttosto che lasciarla come una linea di analisi separata.
Lezione 4: ogni decisione dovrebbe migliorare la lezione
La lezione finale è che l’AI in tempo reale non si esaurisce nell’azione. Ogni scelta strategica deve diventare parte integrante della decisione successiva. Il pit stop ha permesso di guadagnare posizioni? La strategia sugli pneumatici ha tenuto? Il team ha agito con sufficiente anticipo?
Ciò richiede alle imprese qualcosa di più della semplice registrazione del fatto che l’AI abbia raccomandato un’azione. Le aziende devono collegare le raccomandazioni ai risultati, in modo da poter capire se la decisione ha migliorato l’esito. In termini pratici, ciò significa registrare l’evento che ha innescato la decisione, il contesto utilizzato dall’AI, la raccomandazione formulata, l’azione intrapresa e l’esito di business.
Ogni analisi aiuta i team a perfezionare i flussi di dati, i criteri di valutazione e le regole operative che determinano l’azione successiva. Nel corso del tempo, l’azienda acquisisce una maggiore comprensione di quali interventi funzionano e in quali casi l’AI necessiti di un contesto più ampio prima di poter essere considerata affidabile.
La corsa all’intelligenza artificiale in tempo reale
La F1 è un ambiente estremo, ma ogni settore ha i propri momenti di massima tensione. Con il passaggio dell’AI dai progetti pilota e dai copiloti AI alle operazioni aziendali reali, il suo valore si misurerà proprio in questi momenti. Il vantaggio competitivo andrà alle organizzazioni in grado di trasformare i segnali in tempo reale in un contesto affidabile e, di conseguenza, in decisioni migliori, prima che l’opportunità di prendere il sopravvento sia ormai sfumata.
A cura di Sean Falconer, Senior Director of Products, AI Products and Strategy Confluent
