L'IA agentica in azione: trasformare i dati in risultati

Tom Soderstrom:
Benvenuti nel podcast Executive Insights, in cui parliamo delle informazioni che otteniamo dai nostri clienti a livello globale. Mi chiamo Tom Soderstrom, sono un enterprise strategist, e con me c'è...

Miriam McLemore:
Miriam McLemore, anche io sono un'enterprise strategist.

Tom Soderstrom:
Facciamo parte di un gruppo che ha guidato la trasformazione delle nostre rispettive società o agenzie. Miriam, in modo davvero impressionante, ha guidato...

Miriam McLemore:
Coca-Cola.

Tom Soderstrom:
... Coca-Cola, e io ho guidato il Jet Propulsion Laboratory della NASA.

Miriam McLemore:
Solo la NASA. Niente di che.

Tom Soderstrom:
Solo per il cloud. Pensiamo che potrete trarre qualcosa di utile da questo episodio soprattutto se siete leader aziendali o lavorate nell'IT e vi preoccupa ciò che accadrà con tutti questi dati, ma anche se state semplicemente cercando di capire come salire di livello nella vostra organizzazione e capire la cosa più importante che sta accadendo, cioè i dati, e cosa si può fare con essi. Ora, gli studi di Gartner dimostrano che la maggior parte delle persone non è soddisfatta delle proprie conoscenze sui dati.

Tom Soderstrom:
Quindi, quando chiedo ai dirigenti esecutivi, “Cosa ne pensate dei dati”, la risposta che ricevo è: “Istintivamente, so che i dati sono la linfa vitale dell'organizzazione, ma mi sento sopraffatto. Non so cosa fare. Quanto devo spendere? Quanto posso spendere? Cosa dovrei fare?” Oppure: “Ho tutti questi dati, alcuni li conosco e altri no. Posso monetizzarli?” Oppure: “La qualità dei miei dati è sufficiente? Dovrei aspettare che diventino perfetti?” Oppure: “Quanto stanno crescendo?” Ritornerò su quest'ultima domanda. I numeri sono veramente impressionanti. Potresti condividere qualche citazione dai tuoi clienti?

Miriam McLemore:
Il problema che ho riscontrato con i clienti è che fino ad ora ci siamo affidati ai dati strutturati, perché sono quelli che rientrano nelle nostre tabelle. Sono quelli che potevamo calcolare. Sono quelli che potevamo inserire nelle dashboard in modo affidabile e preciso, ma c'è questo enorme e crescente mondo di dati non strutturati a cui i clienti cercano di accedere. Il mondo dell'IA agentica offre la possibilità di sfruttare i dati non strutturati e integrarli con i dati strutturati, ma queste sono nuove metriche per i leader aziendali. Si tratta di un modo diverso di valutare la propria organizzazione, il terreno in cui si opera, le opportunità e i risultati che si possono ottenere. La domanda che più spesso mi rivolgono i clienti è: “Da dove comincio? Sono sopraffatto. Ho un sacco di materiale strutturato. E poi c'è tutta questa parte di materiale non strutturato. Da dove comincio?”

Tom Soderstrom:
Sì, è paralizzante per loro.

Miriam McLemore:
Lo è.

Tom Soderstrom:
Ho pensato di estrarre alcuni numeri effettivi riguardo ai dati.

Miriam McLemore:
Si.

Tom Soderstrom:
Ho realizzato un podcast con Mai-Lan Tomsen Bukovec, che possiede dati su AWS.

Miriam McLemore:
Sì, certo.

Tom Soderstrom:
Mi ha fornito alcune statistiche interessanti su S3, la loro origine dati principale. Ha 1 milione di data lake su S3, contiene 1 trilione di oggetti, ha molti, molti exabyte. Processa in media 150 milioni di richieste al secondo. Ha migliaia di clienti che archiviano più di un petabyte, e diversi clienti che archiviano più di un exabyte. Per un imprenditore, è entusiasmante. “Guarda quante cose possiedo.” Per un informatico, è terrificante. “Come posso gestirlo?” Penso alla crescita dei dati... e penso che tu abbia usato l'espressione giusta... da dove comincio? Comincia e basta. E il 10% è strutturato, il resto non è strutturato. Con l'IA agentica e l'IA generativa, puoi trarne vantaggio. Penso che sia qualcosa di cui parleremo, i successi e i fallimenti che si incontrano andando avanti.

Miriam McLemore:
Beh, è interessante, Tom. Almeno sto scoprendo che i servizi finanziari, le assicurazioni e, in certi ambiti, l'assistenza sanitaria, stanno arrivando più velocemente, perché i loro dati dovevano essere puliti. Hanno dedicato molto tempo all'accuratezza e all'integrità dei loro dati. Altre organizzazioni hanno vari silo di dati e incongruenze, quindi devono mettere in atto data cleansing e governance dei dati per sfruttare questa nuova tecnologia.

Tom Soderstrom:
Si. Rispecchia quello che sto sentendo. Entrambi abbiamo a che fare con clienti in tutto il mondo, clienti di grandi dimensioni, e consideriamo l'elevata regolamentazione come uno svantaggio, ma non lo è. È un vantaggio, perché i clienti dei settori altamente regolamentati sanno già come gestire i propri dati. Il settore pubblico, dove io sono cresciuto, certamente lo sa fare. Forse potremmo semplicemente parlare di alcuni dei nostri clienti che hanno fatto tutto questo nel modo sbagliato, e di quelli che l'hanno fatto nel modo giusto e da cui possiamo imparare. E in seguito potremmo citare alcuni esempi di clienti reali, condividendo anche i loro nomi.

Miriam McLemore:
Si.

Tom Soderstrom:
Te la senti?

Miriam McLemore:
Certo.

Tom Soderstrom:
Molto bene. Chi non ha successo, crea troppo attrito. Lo vedo in continuazione. La persona che possiede i dati... parole testuali “possiede i dati”... non vuole condividerli.

Miriam McLemore:
Già.

Tom Soderstrom:
Se vuoi i miei dati, devi compilare un modulo. Diciamo anche due o tre moduli. Vogliamo che tutti utilizzino i dati. Allora come fare? Cambia le carte in tavola.

Miriam McLemore:
Sì.

Tom Soderstrom:
Se devo proteggere i miei dati, compilo un modulo. È una cosa semplice. Ad esempio, presso una grande agenzia spaziale, abbiamo scoperto che per proteggere il menu della mensa e i comandi dell'uplink di una nave spaziale è stato speso lo stesso importo, ma questo non si sa finché non si guarda, finché non si vede.

Miriam McLemore:
È affascinante, perché una volta i dati rappresentavano il potere. Se possiedi i dati, li controlli. Mi è successo con le funzioni aziendali con cui ho interagito: le persone del reparto finanziario erano le uniche a poter vedere i dati finanziari. Le persone del reparto scientifico erano le sole che potevano vedere quei dati. Questi silo si sono perpetuati, perché in quelle organizzazioni si è consolidata la convinzione che condividere non fosse sicuro. Adoro il concetto di cambiare le carte in tavola e parlare del valore, e i dati sono una risorsa di tutta l'organizzazione. Non una risorsa della singola funzione.

Tom Soderstrom:
Esattamente. Avevamo parlato di inventare una data mesh organizzativa davvero incentrata sugli incentivi. Incentrata sulle persone che vogliono usare i dati, ma che vogliono davvero usarli.

Miriam McLemore:
Già.

Tom Soderstrom:
Chi produce i dati vuole che le persone li utilizzino. Allora perché non succede? Serve qualcuno al centro che lo faccia accadere, e lo incentivi. Che rimuova l'attrito.

Miriam McLemore:
A volte la governance dei dati può diventare un problema.

Tom Soderstrom:
Sì.

Miriam McLemore:
Bisogna anche farlo nel modo giusto, perché sono d'accordo con te. Esistono produttori di dati e consumatori di dati, ma al centro serve la capacità di gestirli e governarli, e avere implementato la sicurezza, l'identità e l'accesso, e i controlli di gestione giusti. Tutto questo è assolutamente importante. Non stiamo dicendo che debba regnare il caos.

Tom Soderstrom:
Giusto.

Miriam McLemore:
Stiamo dicendo che, per generare risultati, bisogna raccogliere tutte le informazioni. È interessante. Proprio di recente ho avuto la grande opportunità di partecipare a un evento di Formula 1.

Si tratta di un esempio incredibile dell'avere un approccio basato sui dati come team, come piloti e come organizzazione F1 nel suo insieme. Quello che ho apprezzato di loro, che è un principio che credo molte organizzazioni possano adottare, è che niente, nessuna informazione proveniente da un sensore, nessuna informazione sui dati, viene aggiunto a un'auto o visualizzata sullo schermo, perché le decisioni da prendere vanno prese in frazioni di secondo o in millisecondi. Loro danno priorità alle informazioni che contano davvero, a ciò che effettivamente determina un risultato aziendale, in modo inflessibile, perché ovviamente in Formula 1 la velocità è importante.

Tom Soderstrom:
Si. In effetti, tutti i dirigenti con cui ho parlato quest'anno hanno affermato che la priorità numero uno è la velocità. E sono sicuro che tu hai sentito la stessa cosa.

Miriam McLemore:
Deve esserlo.

Tom Soderstrom:
Velocità di commercializzazione, velocità di redditività, velocità di conformità, velocità di acquisizione delle competenze. E i dati possono aiutare in tutto questo. È un momento davvero emozionante. L'altra cosa che vedo che le aziende fanno male è che cercano di essere perfette. Come nel tuo esempio della Formula 1, se si restasse solo su un piano teorico e non si passasse mai alla fase di test, non si arriverebbe alla conoscenza. Inizia con un caso d'uso aziendale, prova e ripeti, e aspettati che la prima versione sia la peggiore e la più costosa. Da lì puoi andare avanti. I dati rendono davvero possibili tutte queste altre cose, e parleremo di IA agentica a brevissimo.

Miriam McLemore:
Sì, ma quella cultura della sperimentazione, non voglio tralasciare questo punto importante, perché dal momento che ci approcciamo a integrare più dati, è necessario disporre di una cultura organizzativa che consenta di imparare e apportare quei miglioramenti. Questo è ciò che fa l'IA agentica. Questi agenti sono agenti automiglioranti. Vedranno il percorso effettuato e inizieranno a imparare: c'è un percorso migliore? Dobbiamo disporre di questa cultura anche all'interno delle nostre organizzazioni.

Tom Soderstrom:
Sì. Ritornando agli incentivi, vorrei chiederti se... visto che è ciò che volevo io... tu lavori a ritroso? Qual è il risultato finale che voglio? Come posso arrivarci, e come possono aiutarmi i miei dati? Lonely Planet ha preso i suoi petabyte di dati e li ha organizzati. Ha usato l'IA generativa e ha creato questo agente di viaggio virtuale.

Miriam McLemore:
Sì.

Tom Soderstrom:
Kone Elevators, un'azienda finlandese, centinaia di migliaia di ascensori. La persona esce per effettuare una riparazione e ha tutte le informazioni a portata di mano. Penso che da tutto questo emerga una cosa: che tutto è fatto di dati. Il codice è fatto di dati. Amazon ha cambiato, aggiornato, tutto il Java. Sembra una cosa noiosa. Ma è molto costosa. Sono stati risparmiati 3.500 giorni lavorativi, 250 milioni di dollari, utilizzando l'IA generativa e gli agenti, e trattando i dati CODIS. È un affascinante nuovo mondo. Qual è il tuo esempio preferito di IA agentica?

Miriam McLemore:
Beh, in realtà mi piace quello che hai appena menzionato di Lonely Planet, forse perché viaggio molto. Sono riusciti a comprendere a fondo le esigenze del viaggiatore. Di cosa ha bisogno il viaggiatore in un agente di viaggio? Che tipo di supporto chiede? Dove dovrei alloggiare? Dove dovrei mangiare? Come puoi rendere la mia vita più semplice? Qual è l'equivalente di Uber in questo Paese? Aiutami a viaggiare, rendilo semplice per me e utilizza i dati. Questa è una delle cose che amo dell'esempio Lonely Planet.

Tom Soderstrom:
Un altro esempio che mi piace molto è che i dati della NASA sono ora in AWS Data Exchange, e adesso possono aiutare a prevedere le inondazioni in Australia, i periodi di siccità in Africa, perché tutti possono accedervi. Una professoressa dell'Università di Sydney ha inserito tutti i suoi dati genomici su Open Data Exchange, e una ricercatrice in Svezia ha scoperto come contribuire a salvare i koala. È davvero una questione di...

Miriam McLemore:
E mi piace tantissimo.

Tom Soderstrom:
...collaborazione globale. Se dovessi dare consigli ai futuri leader che dovranno gestire tutto questo, che cosa faresti? Cosa diresti?

Miriam McLemore:
Si. Ho rivestito varie volte il ruolo di responsabile dei dati, e poiché lavoravo in un business globale, io e il mio team cercavamo continuamente di riunire i dati, ma lo facevamo a scopo di reportistica, giusto? Perché dal punto di vista finanziario, la nostra rendicontazione doveva essere coerente. Si trattava di un motivo ragionevolmente valido, ma non favoriva gli affari. Oggi, incoraggerei i nuovi leader a iniziare da ciò che stanno cercando di ottenere. Qual è l'esigenza aziendale che state cercando di soddisfare? Ho parlato della F1, quindi prendiamo l'esempio di abbattere il tempo di un pit stop rispetto a quello che era in passato. Negli anni '50 penso fosse di 67 secondi. Ora è possibile effettuare un pit stop in 1,8 secondi.

Tom Soderstrom:
Incredibile.

Miriam McLemore:
Qualsiasi cosa è possibile, ma si tratta di eliminare tutto ciò che non serve e concentrarsi solo su ciò che conta, e poi coordinare al millisecondo. Come possiamo farlo nel contesto di un'azienda? I leader sono ispirati a produrre risultati aziendali e a migliorare costantemente. Penso che sia un mondo eccitante.

Tom Soderstrom:
Sì, è un mondo eccitante.

Miriam McLemore:
Per essere un leader.

Tom Soderstrom:
Sono davvero d'accordo con quello che hai detto, concentrarsi su ciò che conta. Questo vale anche per i dati. Non bisogna preoccuparsi dei dati, ma sfruttare quelli che si possono usare per creare questo risultato. Lavorate a ritroso e concentratevi su questo, e il resto verrà. Questi futuri leader devono dimostrare risultati in ogni momento. Ciò deriva da una cultura della sperimentazione e della semplice iterazione. Direi ai proprietari di dati che sentono di avere il controllo dei dati: usateli per promuovere questi nuovi risultati di IA generativa e agenti. Dimostrate i risultati aziendali.

Miriam McLemore:
Sì. E a proposito della leadership, dobbiamo iniziare dai vertici, coinvolgere i leader, ma dobbiamo anche salire dal basso e migliorare le competenze, in modo da riunirci al centro come un team integrato.

Tom Soderstrom:
Grazie davvero. Grazie per avermi insegnato ancora una volta. Lo apprezzo molto.

Miriam McLemore:
Mi piace sempre parlare con te, Tom.

Tom Soderstrom:
Grazie.

Ascolta ora

Ascolta ora

Ascolta ora