L’AI non può correggere un dato che non conosce

Un sistema di Intelligenza Artificiale può essere sofisticato quanto si vuole, ma se i dati su cui deve lavorare sono incompleti o poco affidabili, il risultato difficilmente potrà esserlo.

Quando si pensa a un progetto di AI, l'attenzione tende spesso a concentrarsi sul modello da utilizzare, sulla tecnologia da integrare o sulle funzionalità che si vogliono ottenere.

Prima di tutto, però, è necessario capire con quali dati il sistema dovrà lavorare.

In un’azienda le informazioni possono essere distribuite tra software gestionali, CRM, database, documenti, fogli di calcolo e altri sistemi. Possono essere presenti più volte, con formati differenti o con informazioni che non coincidono tra loro.

Un cliente potrebbe, ad esempio, avere dati diversi in due sistemi. Una stessa informazione potrebbe essere aggiornata in un applicativo ma non in un altro. Oppure potrebbero mancare dati fondamentali per poter effettuare un'analisi affidabile.

In questi casi il problema non è l’algoritmo. È il dato che gli viene fornito.

Prima di introdurre una soluzione AI diventa quindi importante sapere quali dati esistono, dove si trovano, come vengono prodotti, come vengono utilizzati e quanto siano affidabili.

Questo significa anche capire come comunicano tra loro i sistemi che li gestiscono. Se le informazioni rimangono isolate, l'AI può avere difficoltà ad accedere a una visione completa del contesto in cui deve operare.

L'integrazione dei sistemi e la governance dei dati diventano quindi parte integrante del progetto di trasformazione digitale. Non sono aspetti separati dall'AI, ma condizioni che possono determinarne l'efficacia.

Questo vale anche per la qualità del dato nel tempo. Non basta avere molte informazioni: è necessario che siano coerenti, aggiornate, complete e utilizzabili rispetto all'obiettivo che si vuole raggiungere.

Un sistema AI può elaborare enormi quantità di dati in pochi secondi, ma non può stabilire automaticamente che un'informazione mancante debba esistere, che due dati duplicati rappresentino la stessa cosa o che valori contraddittori debbano essere corretti in un determinato modo.

Per questo, prima dell'algoritmo, è necessario occuparsi del patrimonio informativo su cui dovrà lavorare.

La qualità dell'AI dipende anche dalla qualità del contesto che siamo in grado di fornirle.

E questo significa che un progetto di Intelligenza Artificiale non riguarda soltanto il modello, ma anche i dati, i sistemi che li producono e le modalità con cui vengono gestiti.