In U-Hopper abbiamo trascorso gli ultimi anni a costruire e vendere soluzioni personalizzate di Intelligenza Artificiale (principalmente classificatori e regressori, o loro varianti) ai nostri clienti, tra cui industrie manifatturiere, banche, aziende di trasporti, industrie chimiche e aziende farmaceutiche, tanto per citarne alcuni. Durante questo viaggio, abbiamo identificato alcune best practice su come commercializzare al meglio queste soluzioni e come garantire una comunicazione efficace con i nostri clienti. Tuttavia, di tanto in tanto, le cose non vanno come previsto e ci imbattiamo in qualche problema che ci impedisce di portare a termine un progetto con successo. Abbiamo deciso quindi di riportare qui la nostra esperienza, permettendoci di dare anche un paio di suggerimenti che ci hanno aiutato a gestire la situazione.
Il primo problema che spesso riscontriamo riguarda la disponibilità dei dati. Alcuni clienti non comprendono che senza dati di qualità (dati di qualità = MOLTI dati puliti), la nostra soluzione di Intelligenza Artificiale non funzionerà come sperato. Non ci suona nuova la frase accusatoria “La vostra soluzione non funziona come previsto!” (e ci siamo limitati a riportare la meno colorita delle accuse…). Beh, non è certo carino sentirsi incolpati così, specie poi quando si scopre che il problema alla base di tutti questi casi era la mancata fornitura da parte del cliente di dati validi e di qualità idonei ad addestrare i nostri algoritmi. E non importa quanto siano bravi i nostri (o: i tuoi) data scientist – non fanno miracoli! Addestrare un sistema di Intelligenza Artificiale con pochi dati e di scarsa qualità è davvero un miracolo ed quindi è assai improbabile che accada (e se succede, non dovresti crederci!).
Come evitare questo problema, dunque? Semplice: con la comunicazione. Abbiamo scoperto che il modo migliore è organizzare sin dall’inizio una sorta di workshop aziendale sull’Intelligenza Artificiale, invitando a partecipare tutto lo staff dell’azienda-cliente coinvolto nel progetto. In questo modo ci assicuriamo che tutti siano a conoscenza dei meccanismi alla base del funzionamento di un sistema di IA e, soprattutto, ci assicuriamo che il cliente comprenda l’importanza di utilizzare dati di qualità e che la persona responsabile della bontà di tali dati è proprio il cliente stesso. Consiglio furbo: per evitare qualsiasi fraintendimento, abbiamo imparato che è buona norma provvedere ad indicare esplicitamente nel contratto commerciale chi è responsabile di cosa: il cliente della fornitura di dati di qualità, noi del resto.
Il secondo problema riguarda il re-training. Quando viene acquistata una soluzione basata sull’Intelligenza Artificiale è come se venisse acquistata una sorta di organismo digitale vivente. E, come qualsiasi cosa vivente, necessita di cure. Nel nostro caso (trattandosi al 99% dei casi da soluzioni basate su Machine Learning), ciò significa che, di tanto in tanto, occorre ri-addestrare il modello IA, ossia “alimentarlo” con nuovi dati e ricalibrarlo sulla base di essi. Dopodiché, basta rilasciare una nuova versione della soluzione ed il gioco è fatto.
Quanto spesso occorre eseguire questo processo di ri-addestramento? Dipende dalla tipologia di dati – per esempio, se i dati riguardano le vendite, è plausibile pensare che si risenta della stagionalità, ecc. Ma diciamo che, come regola generale, ogni 6-12 mesi è necessario ri-addestrare il modello. Questo NON significa rifare tutto da zero! Il 90% del lavoro è già fatto.
Tuttavia è importante chiarire un concetto: con l’IA si è “sempre in ballo”. La frase che ripetiamo come un mantra ai nostri clienti è “Acquistare una soluzione di IA non è come acquistare una licenza software“: non è un’azione one-off, che una volta fatta ed implementata puoi dimenticartene. Anche in questo caso, la comunicazione è fondamentale al fine di garantire che le aspettative del cliente siano effettivamente allineate con ciò che noi (o: voi) forniamo. In genere, in fase di offerta, proponiamo direttamente nel pacchetto anche un paio di ri-calibrazioni del sistema, che ci garantiscono da un lato l’esecuzione di esse e, dall’altra, la costruzione di una relazione a lungo termine con il cliente.
Entrambi i problemi appena riportati possono essere ricondotti a due comuni cause: una scarsa comprensione di come funziona effettivamente l’IA e la mancanza di una cultura dei dati in azienda. Analizziamoli brevemente.
La prima – scarsa comprensione dell’IA – è, in realtà, una causa giustificata: i nostri clienti non sono esperti di Intelligenza Artificiale. Il loro lavoro è costruire cose (che siano dadi e bulloni o impianti chimici) o fornire beni e servizi (finanziari, d’informazione, ecc.). Quello che sanno sull’IA è ciò che leggono su Internet o sentono in televisione, facendosi spesso e volentieri un’idea sbagliata e finendo per credere che l’IA sia una sorta di “magia nera” in grado di risolvere qualsiasi problema. Ma l’IA non è magia! Si avvale di scienze, quali la matematica e la statistica per imparare dai fatti (leggi: DATI!).
Il che ci porta alla seconda causa dei problemi: la mancanza di una cultura diffusa dei dati. Ancora troppe aziende non accettano l’utilizzo del dato per comprendere come stanno operando, cosa funziona e cosa no; tantomeno, non lo accettano come strumento per prendere decisioni nel tentativo di migliorare i KPI aziendali. Questa “paura dei dati” è un sentimento abbastanza comune tra i dirigenti e manager, i quali spesso temono che l’IA possa mettere in discussione il valore della loro esperienza. La risposta a questa problematica è la proposta di percorsi formativi aziendali (corsi, workshop, training) come parte integrante dell’offerta durante la vendita / acquisto di una soluzione di IA.
Non per ultimo, un ulteriore fattore da considerare è la mentalità che anima il reparto IT di molte realtà aziendali, come industrie produttive o società di servizi. In entrambi i casi, il reparto IT interno si occupa principalmente di assicurare continuità aziendale, garantendo che “le cose non si rompano“. Tale leitmotiv spinge l’addetto IT di turno ad essere naturalmente avverso al rischio e, magari inconsciamente, a creare grosse barriere all’innovazione aziendale. Inoltre, in genere, il reparto IT di tali aziende non sviluppa soluzioni internamente, ma acquista principalmente da fornitori esterni… da qui l’equazione software = licenza. Assicurarsi che il reparto IT del cliente sia al 100% allineato agli obiettivi e all’introduzione dell’IA in azienda è un processo lungo e spesso macchinoso, ma è anche un passaggio fondamentale se si desidera costruire una relazione commerciale a lungo termine e, soprattutto, sostenibile.