Cinque dirigenti condividono le loro lezioni più importanti e le migliori pratiche per l'adozione dell'AI
di Christy Maver e Aly McGue
Dee Fitzgerald (CDO, Danone), Prem Natarajan (EVP, Chief Scientist, Capital One), Ratheesh Kamoor (Group VP, Head of Data and Analytics, Warner Bros. Discovery), Razal Minhas (VP, Data, Engineering and ML Platforms, Ford Credit), Murali Vridhachalam (VP, IT Head of Cloud, Data and AI, Gilead Sciences) e Arsalan Tavakoli (Co-founder and SVP of Field Engineering, Databricks) condividono approfondimenti esecutivi in Leading the AI-Ready Enterprise.
Cosa serve per trasformare l'ambizione dell'AI in risultati di business misurabili? Abbiamo parlato con dirigenti esperti di AI di marchi leader per capire come stanno pensando al ROI e al valore tangibile all'interno delle loro iniziative AI, mantenendo al contempo la governance in primo piano.
Ciò che è emerso dalla discussione è stata una tensione condivisa: i dirigenti sentono la pressione di implementare agenti rapidamente senza compromettere fiducia, governance o controllo dei costi.
Ora sono arrivato a credere che il deployment sia il primo passo nella scala verso il paradiso dell'AI… E tutto ciò che segue, il monitoraggio, l'osservabilità, la valutazione delle prestazioni, l'apprendimento continuo, questi sono i passi che aggiungono valore. — Prem Natarajan, EVP, Chief Scientist presso Capital One
I leader hanno descritto un "momento del possibile" in cui i progressi tecnologici stanno scatenando la creatività e mobilitando team in tutta l'azienda. Con l'AI ora una priorità a livello di CEO, le organizzazioni stanno andando oltre i semplici esperimenti per approvare casi d'uso di impatto, mentre i rapidi miglioramenti nell'accuratezza dei modelli stanno espandendo quasi mensilmente l'ambito di ciò che è implementabile. Poiché gli agenti orchestrano flussi di lavoro complessi e multi-step, le aziende scoprono che una governance rigorosa è una base per l'innovazione.
La loro discussione ha rivelato cinque pratiche che qualsiasi organizzazione può adottare per scalare gli agenti AI in modo responsabile ed efficace:
I leader hanno sottolineato che la governance dei dati e dell'AI deve far parte del ciclo di vita dell'agente, non un controllo postumo.
Murali Vridhachalam, VP, IT Head of Cloud, Data and AI presso Gilead Sciences, ha condiviso che ogni agente viene sottoposto a una revisione formale del rischio:
Ancora prima che un agente venga sviluppato, deve passare attraverso una valutazione del rischio. E a seconda dei livelli di rischio, si ottengono le approvazioni appropriate. La cosa molto importante per noi è: come è integrato il framework di rischio insieme all'esperienza utente?
Come parte di una strategia di governance aziendale completa, alcune organizzazioni stanno istituendo consigli di governance. Questi consigli aiutano a definire la direzione strategica e le politiche per argomenti come la proprietà e la responsabilità dei dati, la conformità, la qualità dei dati, il rischio e altro ancora.
Ratheesh Kamoor, Group VP, Head of Data and Analytics presso Warner Bros. Discovery, ha condiviso come la sua organizzazione utilizzi un consiglio specializzato per impedire ai dipendenti di incollare involontariamente PII sensibili negli strumenti AI, richiedendo un "via libera" interfunzionale da parte dei leader C-level, legali e tecnici per ogni caso d'uso. Poiché l'AI è fondamentalmente probabilistica, Razal Minhas, VP, Data, Engineering and ML Platforms presso Ford Credit, ha sottolineato che la governance non può essere un "approvazione una tantum" ma deve comportare una rivalutazione continua per garantire che il profilo di rischio di un modello non sia cambiato a causa di fattori ambientali esterni.
In definitiva, questa supervisione centralizzata impedisce quella che Arsalan Tavakoli-Shiraji, Co-founder e SVP of Field Engineering di Databricks, chiama una "proliferazione" di metriche contrastanti, ancorando i tuoi agenti a "definizioni certificate" e dati standardizzati piuttosto che permettere loro di operare su "sei versioni diverse" della verità.
Un tema ricorrente tra i leader è stato il cambiamento strategico verso l'orchestrazione di compiti complessi attraverso agenti specializzati. Invece di limitarsi a scomporre il lavoro in parti semplici, le organizzazioni si stanno ora concentrando sul raggiungimento di risultati di alto livello attraverso un framework multi-agente che gestisce autonomamente flussi di lavoro sofisticati e multi-step in tutta l'azienda.
Con gli agenti AI, stiamo passando da un approccio basato su un singolo compito a uno più orchestrato e basato sui risultati. Ad esempio, l'onboarding dei dipendenti: ci sono più compiti… l'emissione di un laptop o la registrazione del dipendente in Workday. Ora si tratta di un onboarding basato sui risultati di un dipendente che sta autonomamente cercando di eseguire compiti in modo indipendente attraverso diversi sistemi. — Murali Vridhachalam
Natarajan ha osservato che i veri benefici arrivano quando si possono automatizzare questi compiti: “Se puoi portare un modello AI che è effettivamente in grado di occuparsi da solo di un particolare compito specializzato… le possibilità sono praticamente infinite quando guardi intorno e dici, quanti compiti complessi posso scomporre in compiti più piccoli e realizzabili, in cui posso prendere un modello AI specializzato … e automatizzare effettivamente flussi di lavoro complessi?”
Man mano che i team espandono la loro curiosità e l'uso degli strumenti AI, cresce la necessità di sandbox attenti e ambienti controllati. Questi ambienti saranno spazi autorizzati per i team per controllare le prestazioni degli agenti rispetto ai sistemi legacy senza rischiare le operazioni in tempo reale.
Razal Minhas di Ford Credit ha descritto come la sua organizzazione gestisca "capacità ombra in cui qualcosa è in esecuzione in produzione. Ma… sta funzionando silenziosamente in background come un concorrente."
Questo approccio consente alle organizzazioni di convalidare l'accuratezza prima che un agente tocchi un flusso di lavoro del cliente. Ritagliando spazio per la sperimentazione, i leader possono incoraggiare la loro forza lavoro a testare ipotesi audaci e scoprire nuovo valore, mantenendo saldamente contenuto il "raggio d'azione" della sperimentazione.
Tutti gli executive hanno concordato sul fatto che l'adozione accelera quando le prime vittorie sono concrete e ripetibili.
Un esempio concreto di questo approccio proviene da Capital One, dove il team ha dato priorità a "Chat Concierge", uno strumento rivolto ai clienti per i concessionari di auto. Questa applicazione rappresenta un "modo a basso rischio ma utile" per convalidare il software agentico nel mondo reale.
Questo approccio misurato consente a organizzazioni come Capital One di ottenere sia vittorie iniziali sia di costruire la fiducia istituzionale necessaria per applicazioni più complesse. Come ha detto Natarajan, vedere questi strumenti in azione "ha scatenato la creatività in un luogo dove tutti sono ora empiristi."
L'implementazione responsabile richiede la preparazione dei dipendenti a collaborare efficacemente con gli agenti. Dee Fitzgerald, Chief Data Officer di Danone, ha condiviso approfondimenti su come oltre 90.000 dipendenti, molti dei quali lavorano in fabbrica o in prima linea, stanno trasformando il loro lavoro con l'AI: “Dedichiamo molto tempo alla formazione e all'aggiornamento su come fare il prompt.”
Le interfacce in linguaggio naturale all'interno della piattaforma sono fondamentali per consentire agli utenti non tecnici di lavorare con dati e AI in modo sicuro, senza richiedere competenze SQL o Python.
Un messaggio unificante in tutto il tavolo rotondo: l'AI agentica funziona solo quando dati, governance, orchestrazione e calcolo risiedono all'interno di un'unica architettura sicura. I leader hanno ripetutamente sottolineato la necessità di prodotti dati certificati, guardrail coerenti e una piattaforma in grado di distribuire e monitorare agenti attraverso flussi di lavoro diversi.
Vedi la discussione completa per scoprire come i leader stanno operazionalizzando gli agenti in flussi di lavoro HR, finanziari, di supply chain e creativi, e quali passi la tua organizzazione può intraprendere nei prossimi 90 giorni per implementare agenti in modo responsabile e accelerare l'impatto sul business.
(Questo post sul blog è stato tradotto utilizzando strumenti basati sull'intelligenza artificiale) Post originale
Iscriviti al nostro blog e ricevi gli ultimi articoli direttamente nella tua casella di posta.