Diverse analisi sullo stato dell’arte dei grandi progetti AI hanno evidenziato un’altissima percentuale di fallimenti, in alcuni casi fino al 90%. Si è compreso che le aspettative sono alte e, allo stesso tempo, i clienti non hanno una chiara consapevolezza di come introdurre l’Intelligenza Artificiale e dell’impatto traumatico che può avere un progetto troppo complesso sui dipendenti e sull’infrastruttura tecnologica preesistente.
Si fa largo, dunque, un approccio alternativo e più pragmatico, che Neil Sholay, vicepresidente e responsabile AI di Oracle, illustra introducendo il concetto di micro-AI.
Perché falliscono i progetti AI
“L'implementazione dell'intelligenza artificiale – ha affermato Sholay in un post recente - è un processo complesso e richiede che le organizzazioni navighino in mari diversi e particolarmente tempestosi. Che si tratti di gestire la normativa, valutare le capacità tecniche, migliorare l'integrazione o dimostrare il ritorno dell’investimento di un progetto, ogni fase richiede risorse considerevoli e collaborazione tra le varie divisioni di business”.
L’aspetto che si tende a trascurare riguarda il numero di risorse aziendali interne che vengono coinvolte nel progetto. Inoltre, il manager Oracle segnala il rischio del Pilot Purgatory, ovvero lo stallo di un progetto in un ciclo vizioso di infiniti prototipi. “Questo non perché non fossero progetti effettivamente praticabili – prosegue Sholay -, ma perché non c’è stato un legame chiaro con l'impatto di business né una precisa ownership del progetto”.
