Navigare nella corsa all’oro dell’IA Svelare i costi nascosti del debito tecnico nelle imprese

Costi nascosti del debito tecnico nelle imprese nell'era dell'IA

Nell’ultimo anno, l’intelligenza artificiale ha catturato l’attenzione dei leader aziendali, spingendoli ad accelerare gli investimenti nelle aziende di AI o a introdurre in modo più rapido i propri prodotti al fine di stare al passo. Tuttavia, nella corsa per unirsi a questa nuova era di progresso tecnologico, le organizzazioni che sono nuove all’AI potrebbero non considerare un fattore importante che dovrebbe essere prioritario quando investono o creano nuovi prodotti di AI: il debito tecnico.

Anche se l’idea del debito tecnico non è nuova, la tecnologia AI porta con sé un tipo diverso di debito tecnico rispetto ai servizi software regolari. E poiché l’AI continua a migliorare rapidamente, questo problema importante cresce di pari passo.

Cosa è il Debito Tecnico?

Il debito tecnico, nella definizione più semplice, è l’accumulo di codice di scarsa qualità durante la creazione di un software. Questo è generalmente causato da una timeline accelerata per il lancio sul mercato per soddisfare le esigenze aziendali, o per ottenere un feedback più rapido dai clienti. Quando si considera il debito tecnico, è importante concentrarsi sull’aspetto deliberato, poiché i responsabili delle decisioni sono spesso consapevoli dei rischi connessi al software e degli impatti derivanti da scorciatoie per velocità. L’emergere dell’AI ha portato una sfida diversa e unica per quanto riguarda il debito tecnico, con significativi rischi e conseguenze che potrebbero derivarne.

Man mano che i sistemi di AI invecchiano e i dati di addestramento diventano inesatti e obsoleti, il costo degli investimenti in AI supera il tempo e l’investimento necessari per mantenere dati di addestramento di alta qualità, noti anche come igiene dei dati.

• Naré Vandanyan, Co-Fondatore e CEO di Ntropy – Serie di interviste
• Guida avanzata per l’Elaborazione del Linguaggio Naturale
• Tecniche di campionamento nell’analisi dei dati

Esploriamo come il debito tecnico si accumula, l’impatto che ha sui risultati finanziari e come le organizzazioni possono rimediare.

Come Acquisiscono le Organizzazioni il Debito Tecnico?

 Esistono due modi in cui un software può accumulare debito tecnico. Uno è attraverso un codice di scarsa qualità. Le organizzazioni possono acquistare prodotti o ereditarli tramite attività di fusione e acquisizione, solo per scoprire in seguito problemi di qualità insieme a lentezza nel cambiamento e nell’innovazione. L’altro modo è quando i responsabili delle decisioni decidono deliberatamente di accettare il debito tecnico.

Per quanto riguarda l’AI, poco più del 72% dei leader desidera adottare l’AI per migliorare la produttività dei dipendenti, tuttavia la principale preoccupazione nell’implementare l’AI è la qualità e il controllo dei dati. Sembra controproducente per un’organizzazione utilizzare un prodotto promosso per aumentare la produttività, mentre allo stesso tempo si sottrae tempo al lavoro vitale per affrontare continuamente tutti i problemi di qualità causati dal debito tecnico che potrebbero compromettere la produttività. Ma la promessa del futuro aumento della produttività supera questi ostacoli nel futuro immediato, che torneranno a perseguitare il software nel lungo periodo.

Deriva del Modello: Un Nuovo Tipo di Debito Tecnico

Con l’emergere di investimenti crescenti nell’AI, le organizzazioni hanno affrettato le strategie per entrare rapidamente sul mercato e sfruttare la miniera d’oro generativa dell’AI. Sebbene ciò possa funzionare come un driver di entrate a breve termine, le organizzazioni stanno trascurando ciò che potrebbe comportare un grande debito tecnico in futuro, noto come deriva del modello.

La deriva del modello si verifica quando le prestazioni di un sistema di AI iniziano a diminuire e gli output diventano meno accurati man mano che i dati di addestramento diventano obsoleti. Guardando al ciclo di vita dell’AI, è evidente che i dati di addestramento dovranno essere continuamente mantenuti e aggiornati per garantire che le risposte fornite dalla macchina siano il più accurate possibile – qui inizia il problema. Quando si cerca di ottenere soluzioni in modo rapido, i responsabili delle decisioni spesso danno priorità inferiori a questioni come l’ottenimento di dati di addestramento aggiuntivi, il mantenimento dell’igiene dei dati del sistema e l’assicurazione di avere un team con abbastanza persone per sostenere queste attività.

Man mano che i dati di addestramento diventano più vecchi e le differenze tra la realtà e gli output si ampliano, le organizzazioni si troveranno a dover affrontare costi e tempo maggiori per affrontare queste lacune che potrebbero essere state evitate con una pianificazione adeguata e protocolli. In breve: saltare il prossimo passo nella pianificazione di una strategia di ingresso sul mercato può consentire una consegna più rapida, ma non vale la caduta inevitabile che costerà in diversi modi nel lungo termine.

L’impatto del Debito Tecnico sui Risultati Finanziari

Il debito tecnico può influire profondamente sull’efficienza organizzativa – ad esempio, considerando i team di vendita. Quando il debito tecnico inizia ad accumularsi e il ritmo di cambiamento rallenta, diventa sempre più difficile per i venditori convincere i clienti, il che rallenta le chiusure e inevitabilmente le entrate come risultato.

Oltre alle vendite, il debito tecnico influisce anche in modo significativo sui team di sviluppo. Non solo richiederà più tempo dedicato all’aggiornamento del codice, ma questa attenzione deviata metterà in secondo piano l’innovazione. Spostando l’attenzione e il tempo alla manutenzione, la pianificazione del prodotto viene quindi ritardata o abbandonata, creando un effetto a catena che potrebbe alla fine portare a una mancanza di fiducia tra l’ingegneria e il lato commerciale dell’azienda. Senza una pianificazione del prodotto da seguire, i team di vendita si trovano con promesse non mantenute o nulla da mostrare ai potenziali clienti, influenzando ancora una volta le entrate.

Come Affrontare il Debito Tecnico

Alla diminuzione della prevedibilità delle consegne, le organizzazioni cominciano a vedere il crollo dell’efficienza organizzativa, portando a conversazioni su come affrontare le sfide presenti. Ci sono due modi che i decisori possono utilizzare per contrastare il debito tecnico. Il primo è eliminare completamente la piattaforma e il codice e ricostruirli da capo, oppure effettuare piccoli cambiamenti incrementalmente, simili a pulire lentamente una camera da letto un oggetto alla volta, per portare gradualmente i sistemi alla velocità desiderata.

Il primo metodo, la ricostruzione della piattaforma, richiede una revisione completa dei sistemi ed è un rischio enorme e costoso da prendere. Come un processo di costruzione su larga scala, eventuali ritardi nella pianificazione possono compromettere le tempistiche del prodotto e potrebbero causare il fallimento dell’intero sforzo. Questo metodo può funzionare talvolta. Prendiamo ad esempio LinkedIn: dopo l’IPO del 2011, l’azienda ha ricostruito completamente il sito ed è diventata un grande attore nel mercato.

La scommessa più sicura è apportare piccoli cambiamenti che alla fine porteranno a miglioramenti significativi. Con gli sviluppatori che già interagiscono con i dati quotidianamente, apportare modifiche qui e là può migliorare i sistemi e liberarsi del debito tecnico. Questo beneficia anche le competenze degli sviluppatori, poiché li obbliga a rimanere aggiornati con gli ultimi standard di codice e tecnologia, il che a sua volta prepara l’organizzazione al successo tecnico riducendo le lacune di competenze. Implementare un’iniziativa guidata dagli ingegneri, in cui viene loro assegnato il 20% del tempo per gli aggiornamenti dei prodotti, è un ottimo modo per iniziare. Sebbene questo processo sia molto più lento rispetto alla ricostruzione della piattaforma, è meno rischioso e produce comunque valore per il modello aziendale.

Lascia il Debito Tecnico Alle Spalle nell’Era dell’Intelligenza Artificiale

Con lo sviluppo rapido del settore dell’IA, continueremo a vedere soluzioni che promettono guadagni di produttività e efficienza organizzativa. Sebbene ciò sia vero, i decisori devono dare priorità all’incorporazione di tecniche come la manutenzione continua dei dati e pensare all’immagine complessiva quando si tratta del ciclo di vita della soluzione. Investire nell’IA non deve essere costoso e travolgente e, con alcuni piccoli cambiamenti nella pianificazione e nella strategia di commercializzazione, è possibile evitare il prossimo accumulo di debito tecnico.