Il Chief Data Officer (CDO) si è evoluto da un ruolo di conformità di nicchia a una delle posizioni più critiche per l’implementazione dell’intelligenza artificiale. Questi dirigenti ora si trovano all’intersezione tra gestione dei dati, strategia di intelligenza artificiale e preparazione della forza lavoro. Le loro decisioni determinano se le aziende passeranno dai progetti pilota di intelligenza artificiale alla scala di produzione o rimarranno in modalità di prova.
Ecco perché il terzo studio annuale di Informatica: Il sondaggio più ampio mai realizzato tra i CDO, specifico sulla preparazione all’intelligenza artificialeCoprendo 600 dirigenti in tutto il mondo, questo ha un peso speciale. I risultati rivelano una pericolosa disconnessione che spiega perché così tante organizzazioni stanno lottando per portare l’intelligenza artificiale oltre i progetti pilota: mentre il 69% delle aziende sta implementando l’intelligenza artificiale generativa e il 47% utilizza sistemi di intelligenza artificiale mediata, il 76% ammette che i loro quadri di governance non hanno tenuto il passo con il modo in cui i dipendenti utilizzano effettivamente queste tecnologie.
Un sondaggio rivela cosa dice Informatica "paradosso della fiducia" – e spiega perché i leader dei dati sono pericolosamente troppo sicuri della preparazione dell’IA. Le organizzazioni hanno implementato sistemi di intelligenza artificiale produttivi più velocemente di quanto abbiano creato l’infrastruttura di governance e formazione per supportarli. In conclusione: i dipendenti spesso si fidano dei sistemi di intelligenza artificiale che alimentano i dati, ma le organizzazioni riconoscono che la loro forza lavoro non ha l’alfabetizzazione necessaria per interrogare tali dati o utilizzare l’intelligenza artificiale in modo responsabile. Il 75% dei leader dei dati afferma che i dipendenti hanno bisogno di maggiori competenze in materia di alfabetizzazione dei dati. Il 74% necessita di formazione sull’alfabetizzazione AI per le operazioni quotidiane.
"La differenza ora è: puoi fidarti dei dati per lasciare libero corso a un agente?" Graeme Thompson, CIO di Informatica, ha dichiarato a VentureBeat: "Gli agenti faranno ciò che devono fare se fornisci loro le informazioni giuste. C’è una tale mancanza di fiducia nei dati che penso sia il divario."
Perché l’infrastruttura non è il collo di bottiglia per i dati e l’intelligenza artificiale?
L’adozione della GenAI è balzata dal 48% di un anno fa al 69% di oggi. Quasi la metà (47%) delle organizzazioni ora gestisce l’intelligenza artificiale (sistemi che agiscono in modo autonomo anziché limitarsi a produrre contenuti). Questa rapida espansione ha dato vita a una corsa per acquisire database vettoriali, aggiornare le pipeline di dati ed espandere l’infrastruttura informatica.
Ma Thompson non vede le lacune infrastrutturali come un problema primario. La tecnologia c’è e funziona. Il limite è organizzativo, non tecnico.
"La tecnologia, l’infrastruttura di cui disponiamo oggi, è molto più di questo; Va bene ancora," Ha detto Thompson. Ha paragonato la situazione a quella degli atleti dilettanti che incolpano la loro attrezzatura. "C’è ancora molta strada da fare prima che l’attrezzatura diventi il problema nella stanza. Le persone inseguono l’attrezzatura come i golfisti. Questi golfisti adorano un nuovo driver, un nuovo putter che curerà la loro incapacità fisica di colpire la pallina da golf dritta."
Anche i dati dell’indagine lo supportano. Alla domanda sulle priorità di investimento per il 2026, le prime tre riguardano le persone e i processi: privacy e sicurezza dei dati (43%), governance dell’intelligenza artificiale (41%) e crescita delle competenze della forza lavoro (39%).
Cinque dure lezioni per i CDO aziendali
I dati del sondaggio, combinati con l’esperienza di implementazione di Thompson, rivelano lezioni specifiche per i leader dei dati che cercano di passare dal progetto pilota alla produzione.
Smetti di inseguire le infrastrutture, risolvi il problema delle persone
Il paradosso della fiducia esiste perché le organizzazioni possono implementare la tecnologia AI più velocemente di quanto possano formare le persone a usarla in modo responsabile. Il 75% ha bisogno di migliorare le proprie competenze in materia di alfabetizzazione dei dati. Il 74% necessita di formazione sull’alfabetizzazione sull’intelligenza artificiale. Il divario tecnologico è il divario umano.
"È molto più semplice imparare l’intelligenza artificiale per far sì che i tuoi dipendenti conoscano la tua azienda, i tuoi dati e i tuoi processi piuttosto che assumere una persona dell’intelligenza artificiale che non sa nulla di queste cose e insegnargli la tua azienda." Ha detto Thompson. "E i lavoratori dell’intelligenza artificiale sono super costosi, proprio come i data scientist sono super costosi."
Rendere il CDO una funzione esecutiva, non una torre d’avorio
Thompson struttura Informatica in modo che il CDO riporti direttamente a lui in qualità di CIO. Ciò rende la gestione dei dati una funzione esecutiva piuttosto che un livello strategico separato.
"Si tratta di una decisione deliberata basata sul fatto che questa funzione è una funzione di portare a termine le cose piuttosto che una funzione di torre d’avorio." Ha detto Thompson. La struttura consente ai team dati e ai proprietari delle applicazioni di condividere priorità comuni attraverso un capo comune. "Se hanno un capo comune, le loro priorità dovrebbero essere allineate. E se così non fosse, non è perché le due funzioni non si trovano sulla stessa lista di priorità, è perché il capo non sta facendo il suo lavoro."
Se il 76% delle organizzazioni non è in grado di gestire in modo efficace l’uso dell’intelligenza artificiale, la struttura del reporting potrebbe essere parte del problema. I dati e le funzioni IT isolati creano condizioni che non si adattano mai ai progetti pilota.
Sviluppare l’alfabetizzazione al di fuori dei team IT
L’intuizione rivoluzionaria è che i programmi di alfabetizzazione all’intelligenza artificiale devono estendersi oltre i team tecnologici fino alle funzioni aziendali. Il chief marketing officer di Informatica è uno dei partner AI più forti di Thompson.
"Hai bisogno di questa alfabetizzazione sia nei tuoi team aziendali che in quelli tecnologici." Ha detto Thompson.
Ha osservato che il team delle operazioni di marketing comprende la tecnologia e i dati. conosce la risposta alla domanda "Come posso ottenere più valore dai fondi limitati del mio programma di marketing ogni anno?" Il modo per farlo non è aggiungere persone e più soldi per la pubblicità di Google, ma automatizzare e aggiungere l’intelligenza artificiale al modo in cui questo lavoro viene svolto.
L’alfabetizzazione aziendale attrae piuttosto che forzare l’adozione dell’intelligenza artificiale. I team di marketing, vendite e operazioni stanno iniziando a richiedere funzionalità di intelligenza artificiale perché vedono non solo miglioramenti in termini di efficienza ma anche valore strategico.
Introdurre l’intelligenza artificiale come espansione strategica, non come riduzione dei costi
I data leader hanno trascorso decenni a combattere la percezione che l’IT sia semplicemente un centro di costo. L’intelligenza artificiale offre l’opportunità di cambiare questa narrativa, ma solo se i CDO riformulano la proposta di valore allontanandola dai risparmi sulla produttività.
"Sono molto deluso dal fatto che, dati questi nuovi talenti tecnologici, come persone IT e lavoratori dei dati, ci voltiamo immediatamente e parliamo di risparmi di produttività." Ha detto Thompson. "Che opportunità sprecata."
Cambiamento tattico: capacità dell’intelligenza artificiale di eliminare completamente le restrizioni sull’organico anziché ridurre l’organico esistente. Ciò riformula l’intelligenza artificiale da efficienza operativa a capacità strategica. Le organizzazioni possono espandere la portata del mercato, entrare in nuove aree geografiche e testare iniziative precedentemente costose.
"Non si tratta di risparmiare denaro," Ha detto Thompson. "E se questo è essenzialmente il tuo approccio, la tua azienda non vincerà."
Vai prima in verticale, ridimensiona il modello
Non aspettare livelli perfetti di gestione orizzontale dei dati prima di fornire valore alla produzione. Scegli un caso d’uso di alto valore. Costruisci lo stack completo di governance, qualità dei dati e alfabetizzazione per quello specifico flusso di lavoro. Verificare i risultati. Quindi copiare il modello nei casi d’uso adiacenti.
Ciò fornisce valore alla produzione migliorando progressivamente la capacità organizzativa.
“Penso che questo campo si stia muovendo così velocemente che se provi a risolvere il tuo problema di governance al 100% prima di arrivare al problema del livello semantico, prima di arrivare al problema del glossario, non otterrai mai alcun risultato e le persone perderanno la pazienza," Ha detto Thompson.
