Summit dei dirigenti della comunità CDAO di Gartner a New York City

Di cosa trattava il vertice?

Grazie per aver partecipato al Gartner New York City CDAO Community Executive Summit.

Al Summit, i leader nel campo dei dati e dell'analisi si sono riuniti per concentrarsi su ciò che è effettivamente necessario per far funzionare l'IA nelle organizzazioni reali, non solo in teoria. Le discussioni si sono incentrate sulla costruzione di solide basi di dati, sull'implementazione di una governance adeguata e sulla gestione del ruolo in continua espansione del CDAO (Chief Data Analytics Officer) man mano che l'IA passa dalla fase sperimentale alle operazioni quotidiane. Attraverso conversazioni pratiche guidate dai partecipanti, questi ultimi hanno condiviso le esperienze positive, le difficoltà e le modalità con cui i CDAO possono promuovere progressi significativi senza eccessi o promesse irrealistiche. Nella sua sessione di Rocket, molto partecipata, Michael Curry ha contestualizzato questi temi nella realtà in cui i CDAO operano oggi, definendo un percorso chiaro per il futuro.

Dal pilot alla produzione: i 5 requisiti per dati pronti per l'agente.

La sessione di Michael ha esaminato come l'IA agentiva stia cambiando il ruolo delle CDAO nel passaggio dell'IA dalla fase pilota alla produzione senza aumentarne i rischi o la complessità. La discussione si è concentrata su cinque requisiti che le CDAO devono implementare per approvare e scalare i sistemi autonomi in modo responsabile, basandosi sulle realtà operative esistenti e in linea con le priorità delle CDAO per il 2026. La sessione ha fornito un quadro pratico per valutare la prontezza, chiarire la responsabilità e sequenziare i progressi senza aumentarne i rischi o la complessità.

Punti chiave:

• Perché le organizzazioni che implementano con successo l'IA su larga scala considerano l'IA in produzione come una sfida di gestione e governance dei dati, non come un problema di modello.
• Come i team leader stanno concretizzando la fiducia attraverso standard misurabili, come l'attualità dei dati, la loro provenienza e la convalida, prima che venga approvata l'autonomia.
• Cosa significa unificare dati strutturati e contenuti non strutturati in fase decisionale per fornire agli agenti informazioni coerenti e gestite in modo appropriato?
• Come il contesto condiviso, le politiche come codice e il comportamento prevedibile del sistema consentono alle CDAO di difendere i risultati ottenuti sotto il controllo esecutivo e normativo.
• Il punto di partenza per le organizzazioni che stanno cercando di progredire verso dati pronti per gli agenti senza interruzioni su larga scala è concentrarsi su un singolo dominio o prodotto dati.

Punti salienti: quali sono le priorità attuali delle CDAO

1. Trasferire l'IA dalla fase sperimentale a quella aziendale.

Un messaggio ricorrente emerso dalla conferenza è stato che la sfida dell'IA non consiste più nel dimostrarne il valore attraverso progetti pilota, ma nel fornirla in modo affidabile su larga scala. Gartner ha sottolineato che il successo in produzione dipende dalla disponibilità dei dati in ambienti complessi – fiducia, governance e ripetibilità – piuttosto che dai soli modelli o strumenti. Definire chiaramente le condizioni che devono essere soddisfatte prima che i sistemi autonomi possano essere approvati è un passo cruciale per consentire un'IA affidabile. Questo aiuta a ridefinire il progresso come una sfida di esecuzione e preparazione, piuttosto che come una continua sperimentazione.

2. Una governance che accelera, non limita

Con l'aumento dell'autonomia dei sistemi di intelligenza artificiale, i relatori hanno sottolineato la necessità di una governance che operi durante l'esecuzione, anziché come controllo a posteriori. L'accento è stato posto su una governance in fase di esecuzione, guidata da policy, che consenta un accesso più rapido a dati affidabili, mantenendo al contempo responsabilità e supervisione. Questo cambiamento sarà guidato da una maggiore attenzione alla fiducia vincolante, al contesto condiviso e alle policy come requisiti operativi. È apparso chiaro che non si tratta di un singolo progetto o di una nuova piattaforma, bensì di un percorso. Gestendo lo sforzo in modo realistico, per fasi, le CDAO (Child Data Authorization Organizations) possono dimostrare in modo sicuro come la governance possa scalare di pari passo con l'IA senza rallentare i progressi.

3. Rendere operativi i “dati come prodotto”

In molte sessioni è stato discusso il valore dei modelli "dati come prodotto" per chiarire la proprietà, le aspettative di qualità e la responsabilità man mano che le iniziative di intelligenza artificiale si espandono. Poiché gli agenti si baseranno sempre più su questi modelli, risorse di dati stabili e governate, nonché chiare responsabilità operative, saranno prerequisiti per dati pronti per gli agenti e, in definitiva, per i prodotti basati sui dati. Nel complesso, queste prospettive hanno sottolineato come le fondamenta dei dati orientate al prodotto stiano diventando essenziali per scalare l'IA con sicurezza.

Scopri a che punto si trova la tua strategia sui dati e quali passi successivi intraprendere.

IDC identifica sei pilastri della modernizzazione IT. Dati completi e affidabili sono alla base di tutti. Se la vostra strategia sui dati non è in grado di garantire questo, l'intelligenza artificiale e l'analisi avanzata faranno fatica a generare valore su larga scala.

Confronta la tua organizzazione con i concorrenti del settore, identifica le lacune e definisci le priorità. Dopo aver ricevuto i risultati, gli esperti di Rocket Software saranno a tua disposizione per esaminarli e discutere i passi successivi da intraprendere per rafforzare le basi dati per l'intelligenza artificiale aziendale.