Come capire se uno strumento di intelligenza artificiale sta effettivamente apportando valore

La maggior parte dei dirigenti avverte una pressione concreta nel voler gestire al meglio l’intelligenza artificiale: i budget sono stati definiti, i vertici aziendali si aspettano un’adozione concreta e le opzioni disponibili sul mercato cambiano continuamente.

Ciò che è più difficile da stabilire è se tutto questo stia effettivamente funzionando. Il sondaggio  di Nitro sull’IA aziendale , condotto su oltre 1.000 professionisti, ha rilevato che il 44% dei dirigenti fatica a misurare il ROI dei propri investimenti nell’IA in generale; questo dato dice poco sulla tecnologia in sé, ma molto su quanto sia difficile distinguere l’impatto reale dalle promesse dei fornitori, in un contesto in cui tutti sostengono di ottenere risultati trasformativi.

Ma allora, come si presenta effettivamente un segnale di valore autentico?

Il ritorno deve essere misurabile

L’indicatore più affidabile del fatto che uno strumento di IA stia funzionando è la possibilità di quantificare il risparmio che genera. Ciò significa che un’attività che prima richiedeva 30 minuti ora ne richiede 30 secondi, oppure che un team che dedicava metà della giornata all’inserimento manuale dei dati recupera ore significative da dedicare a un lavoro di maggior valore. Quando è possibile vederlo, monitorarlo e mostrarlo a un team finanziario che deve capire se valeva la pena effettuare l’investimento, si ha qualcosa di concreto su cui lavorare.

È facile avanzare vaghe affermazioni sulla produttività, ma è quasi impossibile sostenerle quando i bilanci vengono messi sotto esame; ecco perché i risparmi concreti in termini di tempo sono così importanti per giustificare un investimento continuativo. La nostra ricerca sull’IA aziendale ha rilevato che, laddove l’IA risolve realmente i problemi legati ai documenti, i numeri sono sia significativi che tracciabili: l’89% dei dipendenti dichiara di risparmiare più di nove ore alla settimana sulle attività relative ai documenti e, su larga scala per un’organizzazione di 1.000 persone, ciò si traduce in circa 26 milioni di dollari di valore di produttività annuo.

Il ritorno dovrebbe aumentare con l’espansione dell’implementazione

Un secondo segnale che indica che un investimento nell’IA sta funzionando bene è che una più ampia adozione rende il valore più visibile anziché diluirlo. Quando uno strumento risolve un problema reale, l’aggiunta di ulteriori utenti tende ad accrescere i risparmi; quando invece risolve un problema di nicchia, il ritorno rimane invariato indipendentemente dall’ampiezza dell’implementazione.

L’IA per i documenti si comporta come nel primo caso. Le attività che gestisce – estrazione di dati da tabelle, sintesi di documenti lunghi, elaborazione di moduli scansionati, oscuramento di informazioni sensibili prima che i documenti vengano condivisi esternamente – sono presenti nei team legali, finanziari, operativi, delle risorse umane e di conformità, quindi non mancano certo gli utenti per i quali queste attività rappresentano un vero e proprio onere quotidiano. La nostra ricerca ha rilevato che le organizzazioni che estendono l’IA per i documenti oltre i gruppi pilota registrano costantemente un aumento dell’efficienza man mano che procedono e spesso individuano, durante l’implementazione su scala più ampia, casi d’uso che erano invisibili nella fase pilota.

Perché l’IA per i documenti raggiunge il 95% di adozione

Il nostro sondaggio ha rilevato che il 95% dei dirigenti e il 75% dei dipendenti utilizzano l’IA per l’estrazione di dati dai documenti, rendendola la forma di IA aziendale più costantemente adottata tra quelle da noi analizzate. Questi numeri riflettono un concetto semplice: questi strumenti risolvono problemi che quasi ogni lavoratore della conoscenza incontra regolarmente. Estrarre tabelle dai PDF, riassumere i contratti, elaborare documenti digitalizzati, identificare e rimuovere le informazioni di identificazione personale prima che i documenti lascino l’organizzazione: non si tratta di casi d’uso specializzati, ma del carico di lavoro di routine associato a un’attività che prevede un uso intensivo di documenti, e sono presenti in grande quantità nella maggior parte delle organizzazioni.

Gli strumenti di IA di Nitro  sono stati progettati proprio per questo tipo di lavoro. Si integrano nei flussi di lavoro documentali esistenti ed eliminano le fasi che in precedenza venivano svolte manualmente; ecco perché la loro adozione tende a avvenire senza una complessa gestione del cambiamento o pressioni dall’alto. Quando uno strumento fa risparmiare tempo reale a qualcuno in un’attività che svolge ogni giorno, questa persona continua a utilizzarlo, e questa fedeltà spontanea è il segno più evidente che lo strumento si è guadagnato il proprio posto nel flusso di lavoro.

Gli strumenti di IA di successo bilanciano velocità e miglioramenti della qualità

Uno dei segnali più sottili ma più importanti che indicano che uno strumento di IA funziona come previsto è che la qualità migliora di pari passo con la velocità, perché se un team lavora più velocemente ma produce più errori, oppure trasferisce più lavoro ai revisori a valle per individuare gli errori, il guadagno in termini di efficienza da un lato viene compensato da qualche altra parte.

I migliori strumenti di IA per i documenti sono progettati in modo che chi svolge il lavoro mantenga il controllo sul risultato finale, occupandosi delle fasi di identificazione ed estrazione che richiedono molto tempo, mentre la revisione e il processo decisionale rimangono di competenza del professionista che comprende il contesto.

Ad esempio, Nitro Smart Redact  funziona in questo modo: identifica oltre 30 categorie di informazioni di identificazione personale all’interno di un documento e presenta ogni suggerimento per la revisione prima che qualsiasi cosa venga finalizzata, offrendo agli utenti la piena possibilità di modificare, aggiungere o rimuovere singole oscurature. Il risultato è un’elaborazione più rapida e una precisione più costante: è proprio questa combinazione a giustificare effettivamente l’investimento e a rivelarsi determinante quando le organizzazioni valutano le prestazioni dell’IA a fine anno.

Quattro domande da porsi prima del prossimo investimento nell’IA

Se state cercando di valutare se uno strumento di IA nella vostra organizzazione stia fornendo un valore reale, o se ne state valutando uno prima di impegnarvi in un'implementazione più ampia, queste domande tendono a rivelare la risposta abbastanza rapidamente.

1. È possibile misurare il risparmio di tempo per ogni attività, e tale risparmio è sufficientemente specifico da poter essere monitorato anziché descritto in termini generici?

2. Il ritorno aumenta con l’aumentare del numero di utenti, oppure i guadagni in termini di efficienza rimangono costanti e limitati a un ambito ristretto?

3. Lo strumento si adatta al modo in cui le persone già lavorano, oppure richiede modifiche significative ai flussi di lavoro esistenti che stanno creando una resistenza all’adozione ben oltre il periodo di lancio?

4. Velocità e qualità vanno nella stessa direzione, dato che un output più veloce che richiede maggiori correzioni a valle non rappresenta un effettivo guadagno in termini di efficienza?

Le organizzazioni che ottengono i rendimenti più evidenti dai propri investimenti nell’IA sono quelle che hanno iniziato con casi d’uso specifici e misurabili, piuttosto che con obiettivi di trasformazione generici. L’IA applicata ai documenti è l’esempio più coerente di questo approccio nella nostra ricerca, e il modello che segue – chiara definizione del problema, valore immediato e tracciabile, integrazione con i flussi di lavoro esistenti e ROI misurabile entro un arco di tempo prevedibile – costituisce un utile quadro di riferimento per valutare qualsiasi investimento nell’IA, indipendentemente dalla categoria.