L'esplosione della domanda di soluzioni di intelligenza artificiale ha completamente ribaltato le priorità dei dipartimenti IT. Mentre solo pochi anni fa i dirigenti faticavano a ottenere il sostegno del management per i progetti AI, oggi il problema è l'opposto: le richieste di implementazione sono così numerose da mandare in crisi i responsabili informatici.
Katrina Redmond, Chief Information Officer di Eaton, ha sviluppato un modello innovativo per gestire questa crescente domanda. La sua strategia prevede la creazione di "AI Factory" - team specializzati collegati direttamente a specifiche aree di business. "Collaboriamo strettamente per identificare quali attività generano il maggior valore, stabiliamo le priorità e agiamo di conseguenza", spiega Redmond.
Questi team sono composti da AI lead, product manager, ingegneri di machine learning, data engineer e specialisti di cloud e DevOps. Tuttavia, la vera innovazione sta nella collaborazione diretta con esperti di dominio che, pur non riportando formalmente all'IT, lavorano in simbiosi con il reparto tecnologico.
I cinque pilastri di un team AI efficace
Hugh Burgin, responsabile AI, automazione e analytics di EY Americas, identifica cinque categorie fondamentali per strutturare un team AI di successo. Il primo elemento è il sostegno della dirigenza per ogni singolo progetto - un aspetto spesso sottovalutato ma cruciale per il successo.
Il secondo pilastro riguarda la collaborazione precoce con gli utenti finali. "La maggior parte dei progetti AI è tecnicamente realizzabile, ma questo non garantisce l'adozione da parte degli utenti finali", avverte Burgin.
La terza categoria comprende gli esperti di trasformazione - professionisti che possiedono una profonda conoscenza sia dei processi aziendali che delle soluzioni AI. La quarta area include specialisti di product delivery e change management, mentre la quinta si concentra su governance, etica e compliance.
Due strategie organizzative: platform team vs product team
Black & Veatch ha adottato un approccio duale che riflette le diverse necessità aziendali. Mike Adams, Chief Digital Technology Officer dell'azienda, distingue tra platform team e product team.
I primi si concentrano sull'ottimizzazione delle funzionalità AI integrate in piattaforme strategiche come Microsoft, Salesforce e Oracle. I product team, invece, sviluppano soluzioni AI personalizzate per generare valore differenziante e sostenibile. Questi team includono digital product manager, delivery manager e specialisti tecnici che gestiscono l'intero ciclo di Crescita interna vs. acquisizione di talenti esterni
La scarsità di professionisti AI qualificati spinge molte organizzazioni verso strategie di sviluppo interno. Kathy Kay di Principal Financial Group sottolinea: "I talenti esterni sono difficili da trovare, quindi è fondamentale coltivare quelli interni".
L'azienda utilizza programmi di mentoring e "stretch assignment" per permettere al personale IT esistente di acquisire competenze AI attraverso l'esperienza pratica. Eaton ha seguito un percorso simile, convertendo i team di automazione robotica verso un focus AI-centrico.
Il ruolo strategico dell'outsourcing
Quando le competenze interne non sono sufficienti, l'outsourcing diventa una strategia complementare essenziale. Burgin consiglia di "trovare partner con l'expertise necessario e utilizzare fornitori terzi per gettare le fondamenta tecniche ed espandere le capacità del team".
Il panorama dei fornitori si sta diversificando: oltre ai consulenti tradizionali come Deloitte, emergono specialisti come Hugging Face e OpenAI che offrono servizi di customizzazione dei propri prodotti con un approccio più ingegneristico.
Adams mette in guardia contro l'accumulo di competenze tecniche senza obiettivi chiari: "Non aspettatevi che costruendo capacità tecniche, i casi d'uso emergeranno naturalmente". La strategia più efficace prevede l'identificazione di progetti specifici, l'avvio in collaborazione con partner esterni e la graduale costruzione di competenze interne.
Redmond enfatizza l'importanza di "una visione strategica chiara e un percorso condiviso per realizzarla, basato su impatto e metriche misurabili". Anche l'apprendimento dagli errori rappresenta un elemento cruciale: un team di Principal ha inizialmente sottovalutato l'importanza della comprensione dei dati, producendo riassunti irrilevanti per gli utenti.