Misurare l’impatto sul business degli investimenti nell’AI

Man mano che l’esecuzione aziendale delle iniziative basate su dati e AI diventa più matura, una domanda rimane centrale: come misuriamo l’efficacia dei team e l’impatto sul business? Non si tratta del solito dilemma “quanto valgono i miei dati?”, a cui spesso si risponde in modo teorico. La sfida di oggi è concreta: definire e monitorare le metriche utilizzate per giustificare un investimento continuo nell’innovazione basata su dati e AI. Dopo anni di sperimentazione, questo è l’anno della prova dei fatti.

Un recente studio sponsorizzato da Snowflake su 3324 organizzazioni ha rilevato che il 57% degli intervistati ha implementato l'AI generativa. Tra i primi ad adottarla, ben il 92% ha riportato un ROI positivo. Tuttavia, solo il 64% lo aveva effettivamente misurato. Una bella differenza. Fortunatamente, molti clienti Snowflake hanno misurato questo rendimento. 

A dicembre 2024 abbiamo premiato i data leader e gli AI leader orientati al valore, ossia coloro che stavano sviluppando procedure per monitorare e misurare il valore che le iniziative basate su dati e AI hanno apportato alle loro organizzazioni. Ci siamo quindi confrontati con molti di loro per ascoltare le loro esperienze. Ciò che ne è emerso è l'importanza cruciale di conoscere il valore di un’iniziativa AI, i rischi percepiti del non generare valore e la consapevolezza che, per quanto complessa, la misurazione del valore è fattibile. 

Lezioni e best practice

Come ha osservato il CDO di un grande distributore del settore food statunitense: “Quando si esegue un’iniziativa AI, si investe sulla propria carriera. È così che si costruiscono le carriere”. La maggior parte dei dirigenti non vuole correre questo rischio senza la certezza che il progetto avrà successo, il che significa assicurarsi che le proprie iniziative di AI garantiscano un ritorno sull'investimento. Devono misurarlo. Per alcuni leader, non è sempre un processo lineare. Il valore può essere difficile da cogliere quando si misurano i miglioramenti nei processi decisionali o gli aumenti di produttività. Altri dicono: “Potete farcela”. I leader tecnologici sanno come fare; non differisce da qualsiasi altra iniziativa tecnologica.

Ci dicono anche che il valore non si manifesta da un giorno all’altro. Le prime fasi sperimentali di solito non richiedono un business case completo e potrebbero non mostrare da subito un ritorno economico. La creazione di una piattaforma richiede finanziamenti. Tuttavia, i risultati più facili da ottenere, come il consolidamento o la modernizzazione dell'infrastruttura, possono giustificare questi investimenti fondamentali. Si deve iniziare migliorando ciò che si sta già facendo con i dati. Successivamente, lo sviluppo della piattaforma può avvenire con iniziative incrementali, aggiungendo funzionalità secondo necessità. Per la maggior parte dei team, la necessità di misurare il valore si presenta quando un’iniziativa AI entra in produzione su vasta scala.  

Un’altra lezione preziosa è sapere quando fermarsi, limitare le perdite e riallocare le risorse. Sebbene si sia detto molto sulla previsione e la valutazione del valore di un’iniziativa di AI, alcuni data executive faticano a decidere quando è il momento di interromperla.

Infine, non bisogna scoraggiarsi. Lamisurazione del valore è come un muscolo. Più lo si usa, più si rafforza. All’inizio, misurare il valore sembra un compito arduo e potenzialmente complesso. Tuttavia, con la pratica, diventa più facile nel tempo.

Sei passaggi per la misurazione del valore

Nella Guida per CDO: come misurare il valore dell’AI per il business di Snowflake, i data leader e i leader dell'AI condividono lezioni apprese e best practice. Ecco sei passaggi per aiutarti a iniziare:

1. Definisci la zona d’impatto. Considera sia dove vengono sostenuti i costi sia dove viene generato il valore. Questo è il tuo team di misurazione del valore.

2. Concorda le metriche di business. Non pensare a una nuova dashboard, ma alla sfida o all’opportunità concreta, come conversioni di marketing, ordini di vendita, difetti dei prodotti o mancanza di furgoni per le consegne. Sono queste le misure del successo.

3. Fai un benchmark dei valori attuali per prevedere l’impatto. Qual è lo stato attuale della metrica che hai scelto? Questa sarà la tua baseline. Come prevedi che cambierà? Quello sarà il tuo traguardo. 

4. Monitora, misura e comunica i risultati. Una comunicazione regolare alla leadership senior costruisce le basi per la continuità degli investimenti; la comunicazione all’interno dell’azienda genera iniziative future, crea supporto dal basso e FOMO.

5. Chiedi aiuto al provider della tua piattaforma dati e AI. Una piattaforma AI-ready deve supportare attivamente la tua strategia di AI. Il team Snowflake di Value Engineering offre servizi di Business Value Assessment e Business Value Realization per aiutarti ad allineare i tuoi obiettivi strategici aziendali alle capacità dell’AI Data Cloud Snowflake. L’assessment è un esercizio a quattro mani che viene effettuato prima dell’investimento e porta a definire una valutazione dello stato attuale e degli obiettivi finali; la fase di realization viene effettuata periodicamente durante il ciclo di vita di un’iniziativa per garantire la creazione di valore per l’azienda. Il processo include analisi sia qualitative sia quantitative, e la misurazione di costi e benefici attraverso sondaggi per dipendenti, benchmark di settore e valore di business realizzato. L’esercizio include anche una revisione finanziaria per valutare la visibilità, il controllo e l’ottimizzazione dei costi.

6. Non perdere di vista il risultato economico. Lavora in modo collaborativo per garantire l’allineamento tra investimenti e risultati strategici. In altre parole, i costi sostenuti devono generare un valore di business netto e misurabile.

Misurare il valore generato dall’AI è fondamentale per giustificare l’investimento, dare priorità alle sue applicazioni e bilanciare i benefici futuri con i rischi potenziali. Tuttavia, la misurazione è una sfida: i benefici possono essere indiretti (ad es. migliori processi decisionali o maggiore produttività), gli effetti possono essere distribuiti e vari, e il valore può accumularsi nel tempo. Ma è fattibile.

Per ulteriori best practice su come misurare e monitorare i risultati dell’AI, consulta la nostra recente Guida per CDO: come misurare il valore dell’AI per il business.