Quasi la metà delle analisi prodotte dagli agenti di analytics delle aziende intervistate porta ad azioni che migliorano l’attività. Secondo uno studio pubblicato da Insights, la divisione di contenuti personalizzati di MIT Technology Review, distinta dalla sua redazione, questo tasso raggiunge in media il 48%, contro il 37% di un anno prima. Più della metà dei risultati rimane quindi, secondo lo studio, senza effetti utili per le aziende.
- Quasi la metà delle analisi degli agenti porta ad azioni utili.
- Gli insight leader superano il 70% di analisi utili.
- La mancanza di contesto aziendale resta la causa principale di bassa qualità.
- Le aziende rafforzano governance e strato semantico per migliorare le analisi.
Gli autori distinguono un piccolo gruppo di organizzazioni, che chiamano « insight leaders ». In questo gruppo, oltre il 70% delle analisi degli agenti porta ad azioni benefiche per l’attività, e queste organizzazioni giudicano la qualità di queste analisi più elevata rispetto all’insieme delle persone intervistate. Il divario è particolarmente marcato per le analisi prescrittive, cioè quelle che raccomandano un’azione da intraprendere.
Una mancanza di contesto e dati dispersi
Quando le analisi sono giudicate di qualità insufficiente, la principale causa citata dai dirigenti intervistati è la mancanza di contesto aziendale, menzionata dal 55% di loro. Dati frammentati o inaccessibili arrivano al secondo posto, con il 45%. Gli insight leaders sono meno numerosi nel dire che i loro agenti faticano ad accedere al contesto necessario.
Il volume pone anche problemi. Nel 52% delle organizzazioni intervistate, gli agenti generano un numero di analisi troppo elevato per essere valutato correttamente, e quindi per essere seguito da effetti. Meno di un quarto (24%) riesce a valutare l’insieme delle analisi. La maggior parte procede caso per caso, un processo che, secondo il rapporto, mobilita oggi fortemente i team umani.
Governance e strato semantico
Per migliorare la qualità delle analisi, le aziende intervistate privilegiano il rafforzamento della governance dell’IA e dei dati, citato dal 60% di loro. Sono anche il 45% ad aggiungere uno strato semantico alla loro architettura dati, cioè un livello che dà ai dati un significato comune e condiviso all’interno dell’azienda.
Gli esperti intervistati dagli autori dello studio concordano sul ruolo di questo strato semantico, che giudicano cruciale affinché gli agenti siano performanti.
