IULM AI LAB

Blog

Anche i grandi falliscono! Errori da evitare nello sviluppo di soluzioni AI

Mar 25, 2020

I casi di insuccesso nello sviluppo di soluzioni di AI

Nel luglio del 2019 l’International Data Corporation (IDC), una delle principali agenzie internazionali di ricerche di mercato, specializzata in  servizi di analisi e consulenza aziendale, nei settori dell’informatica e delle telecomunicazioni ha analizzato un campione significativo di aziende al fine di comprendere come stessero performando nell’implementazione di soluzioni di Intelligenza Artificiale.

I dati rilevati dalla ricerca

Grazie a questa ricerca è emerso che un quarto delle aziende del campione hanno fallito nel 50% dei progetti di sviluppo di soluzioni di AI.

Le cause dell’insuccesso possono essere ricondotte a errori di valutazione preliminare, comuni a queste imprese che possono essere ricondotte alle seguenti motivazioni:

  1. Aspettative eccessive e irrealistiche
  2. Mancanza di competenze specifiche
  3. Mancanza di progettazione strategica

Aspettative eccessive e irrealistiche

Aspettative irrealistiche, sovradimensionate e non focalizzate agli obiettivi, sono state la causa scatenante del fallimento dei progetti. È necessario rendersi conto, che pur avendo enormi potenzialità, le soluzioni di AI possiedono ancora grandi limiti. L’immaginario filmico conduce verso una concezione di AI non ancora minimamente realizzabile.

Mancanza di competenze specialistiche

Lo sviluppo e l’implementazioni di soluzioni di AI necessità l’apporto di un alto numero di competenze specialistiche, che sopratutto in Italia, ma anche nel resto del mondo, sono ancora troppo scarse e limitate. Si necessità di una formazione sempre più diffusa e verticale al fine di poter procedere nello sviluppo di soluzioni mirate e realizzate da specialisti. Tra questi i Data Analyst, Data Scientist e progettisti di AI. Le aziende hanno il dovere di formare e formarsi in questi termini.

Mancanza di progettazione strategica

L’approccio strategico sta alla base di ogni progettazione, come indica la ricerca citata in precedenza. Ancora oggi, il 75% delle aziende sottovalutano l’importanza di un ragionamento strategico preliminare, necessario per lo sviluppo di soluzioni di AI, conducendole così al fallimento.

Anche i grandi falliscono!

Quando sono le grandi imprese ha fallire gli effetti del loro fallimento sono sicuramente facilmente individuabili.

Utilizzando la citazione di Lao TzuFa più rumore un albero che cade che una foresta che cresce” possiamo comprendere il perché quando i grandi falliscono i loro effetti sono maggiormente riscontrabili.

Ne sono esempio tre grandi player tecnologici come IBM, Microsoft e Apple, che con progetti d’avanguardia non sono riusciti a raggiungere gli obiettivi preposti, ma anzi, hanno portato effetti contrari da quelli previsti dai loro sviluppatori.

IBM, progetto dedicato alla diagnostica oncologica

IBM nel 2013 con il suo progetto dedicato alla diagnostica oncologica, ha sviluppato un sistema esperto che si è rilevato, non solo inefficiente, ma del tutto erroneo. Infatti ha portato a diagnosi mediche e prescrizioni di farmaci oncologici, con indicazioni completamente sbagliate.

Microsoft, il Chatbot Tay

Microsoft  nel 2016 con il suo Chatbot Tay, ha voluto sviluppare un operatore virtuale capace di rispondere con linguaggio colloquiale agli utenti. Attraverso un apprendimento acquisito da bot e troll, il chatbot prodotto un operatore misogino, razzista e per nulla capace di raggiungere gli obiettivi sognati dai suoi sviluppatori.

Apple, sistema di riconoscimento facciale

Nello stesso modo Apple, volendo sviluppare un nuovo sistema di autenticazione attraverso il riconoscimento facciale altamente sicuro, ha creato come risultato di progetto un sistema facilmente aggirabile. Infatti attraverso la creazione di una maschera facciale 3d che con una spesa di soli 200$ era capace di aggirare il sistema.

Errori e problemi di addestramento

È importante sottolineare, che gli errori non sono stati dovuti da un limite tecnologico ma da un errore di addestramento, e quindi da un errore umano. Questo ci permette di sostenere ancora con maggior vigore l’importanza nello sviluppo di soluzioni di AI che partono da una forte progettualità strategica. È necessario che siano implementate da professionisti con competenze specialistiche e verticali sulla materia, capaci di individuare in modo corretto le direzioni progettuali. Nello stesso modo è importante non riporre eccessive aspettative sulla tecnologia, ma concentrarsi su obiettivi chiari e raggiungibili.

Cosa fare per non commettere questi errori!

Le principali cause di fallimento nella progettazione di soluzioni di AI possono essere riconducibili ad alcune aree comuni:

  1. Mancanza di strategia, bisogna affrontare la progettazione di soluzioni di AI attraverso ragionamenti strategici, focalizzati sull’individuazione di indirizzi e obiettivi chiari.
  2. L’influenza delle decisioni basate su expert driven, possono condurre a rischi di applicazioni. Infatti essendo gli esperti, specializzati sulle AI, potrebbero avere delle lacune conoscitive e percettive nei settori di riferimento. Facendo risultare alcune scelte non consone ai casi specifici e lontane dai bisogni dei consumatori finali.
  1. Anteporre la tecnologia agli obiettivi del progetto: può capitare che si vada a considerare come obiettivo principale l’utilizzo di una determinata tecnologia (spesso dettato da esigenze emulative verso i concorrenti). L’obiettivo del progetto deve rimanere il bisogno reale degli utenti/consumatori, riducendo così il rischio di fallimento del progettuale.
  1. Criticità negli investimenti: l’incapacità di costruire progetti di investimento forti e la paura nell’investire in queste soluzioni a discapito di un ritorno non immediato e poco certo. Queste cause possono condurre a una perdita economica dovuta da una mancanza di obiettivi chiari.
  1. Visione falsata delle AI: un’eccessiva speranza riposta nelle capacità tecnologiche o l’incapacità nel comprendere in modo chiaro le potenzialità di queste soluzioni, può condurre ad un fallimento progettuale
  1. Mancanza di un commitment forte: la dirigenza aziendale, nel momento in cui decide di sviluppare soluzioni di AII, deve essere pronta a coinvolgere tutta la struttura organizzativa dell’impresa. È necessario avere una dirigenza pronta ad accettare un fallimento, e considerarlo come una opportunità di apprendimento.

I bias del fallimento

Le macro aree di fallimento possono essere ricondotte così ai seguenti bias. La non conoscenza, o una conoscenza non sufficiente sulla tecnologia, il timore nell’attuare investimenti forti e duraturi, l’eccessiva fiducia data agli esperti, che potrebbe portare a limiti nell’identificazione degli obiettivi reali del progetto, sviluppare soluzioni che non partono dai bisogni  dei consumatori e in ultimo una carenza nella cultura aziendale, che deve essere capace di comprendere e fare propria la soluzione che si sta sviluppando.

Se desideri migliorare il tuo modo di fare marketing e comunicazione attraverso soluzioni dotate di Intelligenza Artificiale, lo IULM AI Lab può fornire a te e alla tua azienda tutto il supporto necessario, al fine di comprendere e cogliere le opportunità di questa tecnologia nel migliore dei modi.  Scopri le nostre aree di attività e tutti i nostri corsi

Image credits –
Designed by katemangostar / Freepik
Designed by Upklyak / Freepik

La formazione

Creiamo cultura sull'AI per aumentare la competitività delle imprese e del sistema paese 

La formazione

Creiamo cultura sull'AI per aumentare la competitività delle imprese e del sistema paese