Bernd Greifeneder, co-fondatore e Cto di Dynatrace, ha pubblicato un documento in cui tratteggia le principali evoluzioni previste per il prossimo anno nel mercato dei dati digitali.

In primo luogo, la crescita dei dati provenienti da ambienti cloud, unita alla maggiore complessità degli stack tecnologici, porterà le aziende a cercare modi nuovi e più efficienti per indirizzare l’automazione intelligente.

Crescono, infatti, sia i payload trasmessi sia i dati aggiuntivi generati nel cloud, che possono essere sfruttati per ottenere una migliore osservabilità, una maggiore sicurezza e insight aziendali più approfonditi.

Finora, però, molto spesso i dati sono stati gestiti in silos dipartimentali; ogni gruppo di lavoro rimane concentrato sul proprio pezzo del puzzle, invece di combinare le informazioni per rivelare il quadro più ampio.

Per affrontare questo problema, le aziende consolideranno gli strumenti e passeranno da una galassia di strumenti fai-da-te isolati e difficili da gestire a piattaforme di analisi multiuso basate sull’intelligenza artificiale. Ciò contribuirà a domare il cloud e l’esplosione dei dati e spingerà l’adozione di strumenti di automazione intelligente.

L’AI dovrà essere affidabile

In secondo luogo, l’utilizzo di strumenti AI affidabili diventerà una condizione necessaria per gestire ecosistemi digitali sempre più complessi. Anche a causa delle condizioni economiche avverse, l’automazione assumerà un ruolo cruciale per liberare risorse e concentrarsi su attività che offrono il massimo valore.

I sistemi basati sull’intelligenza artificiale stanno però mostrando potenziali bias che ne ostacoleranno la diffusione nelle operazioni aziendali, nell’IT, nello sviluppo e nella sicurezza.

Le aziende non possono permettersi affidarsi all’intelligenza artificiale se questa può essere indotta a confondere i segnali di un problema con la sua causa principale, dando la priorità ai problemi a basso rischio rispetto a quelli che hanno un vero impatto sul business o che implementa soluzioni sbagliate.

L’affidabilità emergerà quindi come un requisito indispensabile per qualsiasi soluzione di intelligenza artificiale, grazie alla sua capacità di fornire risposte precise e spiegabili invece di ipotesi statistiche.