Overseas
L’AI sta entrando nelle imprese più velocemente delle regole necessarie per governarla. Nella filiera ittica il nodo non è solo adottare nuovi strumenti, ma capire dove creano valore, quali dati possono utilizzare e chi mantiene la responsabilità del risultato. Un’analisi di SAS individua quattro diversi approcci professionali che aiutano a leggere questo passaggio dalla sperimentazione alla governance.
L’accesso agli strumenti di intelligenza artificiale è diventato semplice. Molto meno semplice è trasformarne l’utilizzo in una pratica aziendale affidabile.
La questione riguarda direttamente anche pesca, acquacoltura, trasformazione e distribuzione, dove le attività quotidiane generano e utilizzano dati produttivi, documenti, informazioni commerciali, specifiche di prodotto, dati di tracciabilità e informazioni sui clienti.
Lo scorso giugno, SAS, società specializzata in dati e intelligenza artificiale, ha pubblicato l’analisi Meet your AI persona: What it reveals about your approach, individuando quattro “AI personas”: Intentional builder, Strategist, Power user e Next-generation explorer.
SAS le propone come prospettive differenti attraverso le quali leggere il rapporto delle persone con l’intelligenza artificiale. La parte più interessante per un’impresa non è però stabilire a quale profilo appartenga ciascun dipendente. È capire come far convivere velocità di sperimentazione, attenzione ai risultati e controllo.
Quattro modi di usare l’AI che l’impresa deve riuscire a integrare
L’Intentional builder guarda innanzitutto a governance e responsabilità. Si concentra sull’affidabilità dei dati, sulla possibilità di comprendere i risultati prodotti dai sistemi e sulla presenza di controlli adeguati.
Lo Strategist parte invece dal risultato che l’organizzazione vuole ottenere. Considera l’AI uno strumento per migliorare decisioni ed efficienza o generare un valore misurabile, evitando di adottare una tecnologia senza un obiettivo definito.
Il Power user è generalmente tra i primi a provare strumenti, funzionalità e nuovi flussi di lavoro. Questa velocità può permettere all’impresa di individuare utilizzi concreti che non erano stati pianificati, ma aumenta anche la necessità di stabilire limiti e controlli.
Il Next-generation explorer guarda ancora più avanti, sperimentando tecnologie che non hanno necessariamente raggiunto una diffusione consolidata, dagli agenti AI ai sistemi multimodali.
Nell’interpretazione di SAS, questi approcci diventano più efficaci quando vengono combinati: chi sperimenta individua possibilità, chi ragiona sui risultati ne valuta l’utilità e chi presidia governance e dati crea le condizioni perché un’applicazione possa essere utilizzata in modo affidabile.
Quando la sperimentazione corre più velocemente delle regole
È probabilmente questo il nodo più concreto per molte imprese. Un lavoratore non deve più attendere l’introduzione di un grande progetto informatico per iniziare a utilizzare l’intelligenza artificiale: può accedere autonomamente a strumenti capaci di elaborare testi, dati, immagini e documenti.
Questa facilità può accelerare l’innovazione, ma cambia anche la natura del controllo aziendale.
Utilizzare l’AI per sintetizzare un documento pubblico non è la stessa cosa che inserirvi listini riservati, contratti, informazioni sui clienti o dati produttivi interni. Allo stesso modo, ottenere una prima elaborazione da un sistema generativo non significa poter considerare automaticamente corretto il risultato.
SAS evidenzia proprio la difficoltà di trasformare la sperimentazione in un utilizzo strutturato. Nell’analisi sui quattro profili richiama infatti il Data and AI Impact Report, secondo cui il 44% delle organizzazioni coinvolte considera la data governance un ostacolo significativo a una più ampia adozione dell’AI.
Il tema non è quindi limitare l’utilizzo dell’intelligenza artificiale, ma definire il perimetro entro il quale può produrre valore senza introdurre nuovi rischi.
Per la filiera ittica il problema viene prima dell’algoritmo
Nelle imprese ittiche le applicazioni potenziali sono numerose: analisi delle vendite, gestione documentale, logistica, previsioni della domanda, controllo dei processi, supporto commerciale, tracciabilità e attività produttive.
Ma la domanda iniziale dovrebbe essere molto più semplice: quale problema vogliamo risolvere?
Se l’obiettivo è ridurre il tempo necessario per elaborare documenti, migliorare una previsione commerciale, individuare anomalie o supportare una decisione produttiva, cambiano dati necessari, strumenti, criteri di verifica e indicatori con cui misurare il risultato.
L’esperienza dell’acquacoltura mostra già con chiarezza questo passaggio. Visione artificiale e sistemi di analisi possono supportare alimentazione e monitoraggio degli animali, ma il loro valore dipende dall’integrazione con sensori, infrastrutture e gestione dell’allevamento. È un principio già evidente nelle applicazioni dell’intelligenza artificiale in acquacoltura analizzate da Pesceinrete: un algoritmo efficace non rende automaticamente efficace il processo in cui viene inserito.
Lo stesso vale nelle altre fasi della filiera. Un sistema di intelligenza artificiale può elaborare più rapidamente grandi quantità di informazioni, ma non trasforma per definizione dati incompleti o poco affidabili in buoni dati.
Dalla prova al processo aziendale
La distanza tra utilizzare l’AI e integrarla realmente nell’organizzazione emerge anche dalla ricerca globale AI for SMBs: Closing the Readiness-Reality Gap, commissionata da SAS a IDC e condotta su oltre 1.600 responsabili di piccole e medie imprese in 28 Paesi.
Quasi il 70% delle PMI analizzate si trova ancora nelle fasi sperimentale o opportunistica della maturità AI, mentre soltanto il 9% ha pienamente integrato l’intelligenza artificiale nella strategia, nelle attività operative e nei processi decisionali.
Il dato non riguarda specificamente il comparto ittico e non consente quindi di misurarne il livello di maturità digitale. Offre però un riferimento utile per comprendere la distanza che può esistere tra provare uno strumento e trasformarlo in un processo aziendale stabile.
Per un’impresa della filiera, prima di introdurre una nuova applicazione AI servono almeno tre risposte: quale attività deve migliorare, quali dati sono necessari e chi verifica il risultato.
È qui che i quattro approcci individuati da SAS acquistano interesse anche per il seafood. Non perché ogni azienda debba cercare al proprio interno quattro categorie di persone, ma perché innovazione, risultato e controllo difficilmente possono procedere separati.
La maturità nell’uso dell’intelligenza artificiale non si misura dal numero di strumenti adottati, ma dalla capacità di sapere dove utilizzarli, per ottenere quale risultato e sotto la responsabilità di chi.
