La qualità dei dati è fondamentale per l’IA, ma le aziende italiane non sono pronte
Un elemento che viene spesso lasciato in secondo piano quando si parla di intelligenza artificiale è l’importanza dei dati sui quali l’IA si basa per fornire i propri risultati. Come rilevato da un’indagine svolta per Irion dall’Osservatorio Big Data & Business Analytics del Politecnico di Milano, circa 3 aziende su 4 (74%) non sono pronte a implementare tecnologie di IA a causa della mancanza di programmi di data management avanzato. In particolare, solo il 15% delle medie imprese può essere definito AI-ready, mentre il dato sale al 32% quando si guarda alle grandi imprese.
La ricerca evidenzia che la qualità dei dati è fondamentale per permettere la corretta implementazione dell’IA: solo grazie a informazioni corrette è infatti possibile “addestrare” gli algoritmi in base alle proprie esigenze, ottenendo risultati utili, affidabili e di valore. Gartner stima inoltre che la scarsa qualità dei dati rappresenti un costo medio di 10,8 milioni di dollari all’anno per organizzazione, cifra che potrebbe aumentare con la maggiore diffusione della digitalizzazione.
Una perdita che deriva generalmente da “spreco” di risorse per la pulizia e la correzione dei dati, analisi inaccurate che portano a decisioni errate e opportunità mancate a causa di insight inaffidabili. Solo 1 realtà su 5 ha infatti la consapevolezza che la scarsa Data Quality ha rappresentato direttamente un costo per l’azienda sotto forma di danni reputazionali, errori nella gestione di processi, inefficienze e costi di compliance; questo dato aumenta in riferimento alle imprese che hanno già avviato progettualità avanzate di intelligenza artificiale arrivando al 41%.
Investimenti in Data Management
Da un punto di vista di adozione della tecnologia, se è evidente che il Data Management stia acquistando sempre più valore per il proprio business, si registra che solo 2 aziende su 10 nel 2024 hanno dedicato un budget superiore (di almeno il 3%) a quello allocato nel 2023, anno in cui le aziende italiane hanno investito in infrastrutture, software e servizi per la gestione e analisi dei dati ben 2,85 miliardi di euro (+18% rispetto sul 2022).
La consapevolezza dell’importanza della corretta gestione dei dati si sta comunque diffondendo, tanto che la metà delle aziende italiane, a oggi, ha iniziato ad adottare programmi di Data Management per valorizzare i propri dati (il 38% di queste sono medie imprese, il 60% sono grandi aziende), ma il percorso di adozione di tecnologie e processi efficaci è ancora lento (solo il 30% delle aziende ha a oggi tecnologie e processi adeguati).
Ostacoli nella gestione dei dati
Le aziende più avanzate sulle attività di analisi si sono mosse per mitigare le problematiche di data quality con tecnologie e competenze dedicate e riescono a percepire maggiormente il valore di una buona gestione dei dati. Le barriere critiche percepite dalle aziende per l’adozione di programmi di IA sono l’integrazione dei dati (83%), la loro pulizia e preparazione (78%) e la scarsa qualità (64%). Un’altra problematica che si presenta con maggiore frequenza è la presenza di dati incompleti, spesso generata da fusioni tra aziende o causata da dati analogici (o addirittura processi ancora cartacei) nello storico dell’azienda, che non permettono la corretta fruizione dell’informazione.
Per poter integrare sistemi di IA all’interno delle aziende, è inoltre necessario avvalersi di personale qualificato in grado di preparare e validare i dati per alimentare i programmi di intelligenza artificiale. Le competenze per garantire la qualità dei dati sono sempre più rilevanti e non a caso, negli ultimi tre anni, circa 2 aziende su 10 hanno incrementato il numero di figure totalmente dedicate alla gestione dei dati. Questo numero cresce a circa 4 aziende su 10 quando si parla di realtà AI-ready.
“La scarsa qualità e la difficile integrazione dei dati possono minare alla base l’obiettivo di estrarne valore. Le aziende devono darsi da fare per non perdere competitività e opportunità di crescita o, peggio, prendere decisioni e delegare azioni all’IA basate su informazioni inaffidabili. Molte aziende però non sono ancora pronte, come dimostra la ricerca che presentiamo oggi” ha commentato Alberto Scavino, CEO di Irion.
“Sottovalutare le attività di Data Management, e in particolare di Data Quality, è oggi il rischio più grande che le aziende possono correre nel percorso di adozione dell’IA” ha dichiarato Irene Di Deo, Ricercatrice Senior dell’Osservatorio Big Data & Business Analytics del Politecnico di Milano. “Sicuramente negli ultimi anni è cresciuta la consapevolezza, ma chi si occupa di Data Management nelle aziende fa ancora fatica a far percepire i benefici di investimenti e processi ben strutturati per incrementare la qualità dei dati”.