Perché i Chief Data e AI Officer sono destinati al fallimento

QUEST’ANNO il ruolo già precario del chief data, analytics e AI officer (CDO/CDAO/CDAIO) è diventato ancora più precario. In molte aziende si sono verificate partenze e aggiustamenti delle responsabilità della leadership aziendale in materia di dati e intelligenza artificiale.

Sono ruoli ancora relativamente nuovi. La figura del CDO è nata nelle grandi banche in risposta alle crisi finanziarie del 2008-2009 ed è stata successivamente estesa a settori diversi, come quello farmaceutico, sanitario, dei beni di consumo, dell’intrattenimento e del governo federale. Tra il 2012 e il 2023, secondo indagini sui dati, le aziende che hanno nominato un CDO sono passate da appena il 12% all’82,6%, con un’espansione delle responsabilità nel tempo fino a includere gli analytics (CDAO) e l’IA (CDAIO). Tuttavia, solo il 35,5% delle aziende più importanti riferisce che il ruolo ha successo ed è ben consolidato e solo il 40,5% afferma che il ruolo di CDAIO è ben compreso all’interno della propria azienda. È evidente che qualcosa non funziona.

Per alcuni leader del settore dei dati e dell’analytics, il 2023 è sembrato un ritorno ai primi tempi poco brillanti del ruolo: le turbolenze finanziarie e l’esplosione dell’intelligenza artificiale generativa li hanno costretti a concentrarsi sui rischi difensivi e sulle attività normative piuttosto che su iniziative lungimiranti incentrate sulla crescita, sull’acquisizione di clienti e sulla creazione di nuovi prodotti e servizi. I dirigenti aziendali chiedono ai CDAIO di sfruttare le capacità potenzialmente trasformative dell’IA generativa, evitando al tempo stesso di nuocere: un equilibrio sottoposto ad alte pressioni con una tecnologia che offre enormi rischi e opportunità.

In un momento in cui sempre più aziende vogliono e hanno bisogno di CDAIO, il ruolo è più che mai impegnativo e spesso destinato al fallimento. Ecco cinque passi che le aziende possono compiere per risolvere il problema.

Cosa c’è di sbagliato nel lavoro di CDAIO?

In qualità di coautori, siamo stati testimoni e protagonisti in prima persona dell’ascesa e dell’evoluzione del ruolo di CDAIO. Randy è stato consulente di aziende leader nell’uso di dati e analisi per oltre vent’anni. Allison ha lavorato come CDO del settore per cinque anni e attualmente fornisce consulenza ai CDAIO e alle aziende su come fornire valore al business. Sebbene entrambi concordiamo sul fatto che il ruolo possa sembrare impossibile, crediamo anche che le attuali iterazioni includano le basi per una versione migliore e più efficace del lavoro.

La prima generazione di chief data officer è stata spesso assunta da grandi aziende in settori regolamentati come quello sanitario e finanziario. Inizialmente il ruolo era inteso come difensivo, incentrato sul controllo e sul rischio, piuttosto che commerciale, anche se entrambe le funzioni utilizzano gli stessi dati e le stesse competenze analitiche. I dati delle transazioni utilizzati dalle banche per individuare i modelli di frode servono anche a scoprire le esigenze esistenti o latenti dei clienti, ma le aziende hanno investito nelle prime e non nelle seconde. Quando l’attenzione si è spostata sulla commercializzazione dei dati, le aziende hanno troppo spesso considerato questo problema come di tecnica e di talento, piuttosto che come un problema di business. Hanno investito molto in tecnologia e persone, creando infrastrutture di dati e team di ingegneri e scienziati dei dati, ma non si sono concentrate abbastanza sull’importanza delle relazioni commerciali e sulle domande aziendali più critiche.

Di conseguenza, le aziende non hanno ottenuto ciò che volevano dai loro programmi di dati. Mentre il 91,9% delle aziende dichiara di aver ottenuto un valore misurabile dai propri investimenti in dati e analisi, solo uno scarso 23,9% afferma di aver creato un’organizzazione data-driven e un ancor più basso 20,6% delle aziende dichiara di aver creato una cultura dei dati. Il CDAIO è stato lasciato a carico di grandi progetti che richiedono ingenti investimenti e si estendono a tutti gli angoli dell’azienda, ma spesso non riescono a produrre benefici misurabili. Anche quando hanno fatto esattamente ciò che gli era stato chiesto, può essere difficile sostenere che abbiano avuto successo.

Riteniamo che due fattori abbiano portato in gran parte a questa situazione: un’attenzione sbagliata e una mancanza di fiducia.

Piuttosto che sui problemi tecnologici e infrastrutturali, il ruolo avrebbe dovuto concentrarsi sui risultati di business: identificare il problema che si sta cercando di risolvere per i clienti, dare la priorità ai casi d’uso con il più alto ritorno commerciale e incrociare le capacità, indipendentemente dal fatto che l’obiettivo sia commerciale, di controllo del rischio o di entrambi. “La parte più difficile del lavoro è sapere quale problema si sta cercando di risolvere per i clienti”, afferma Cassie Kozyrkov, Chief Decision Scientist di Google e pioniere nel campo della decision intelligence.

La mancanza di fiducia è un fattore equivalente. I dirigenti aziendali devono essere certi che gli investimenti in dati, analytics e intelligenza artificiale abbiano un ritorno economico, che siano soldi ben spesi. Se il valore aziendale non viene chiaramente fornito, la fiducia viene meno e i leader aziendali saranno riluttanti a fare ulteriori investimenti. I CDAIO, soprattutto nelle grandi aziende, hanno creato un’infrastruttura di governance composta da persone, policy, processi e modelli di stewardship nel tentativo di federare la proprietà della fiducia nei dati in tutta l’organizzazione. Questi sforzi sono complicati, spesso impopolari e i benefici sono difficili da quantificare. Dato che praticamente ogni problema dell’economia digitale può essere descritto come un problema di dati, è difficile ottenere una vittoria se non ci sono metriche concordate per misurare i progressi.

Come risolvere il problema

I progressi in ogni nuova era dell’innovazione si manifestano in modo discontinuo e possono essere difficili da misurare. È lecito affermare che i dati e la strategia aziendale sono stati disallineati, che non sono stati una priorità dei livelli C e dei consigli di amministrazione, che gli sforzi di governance sono stati troppo macchinosi per un’adozione e una misurazione diffuse e che la disciplina è stata incompleta. L’emergere dell’IA generativa ha amplificato questi problemi e ha sollevato nuove questioni di fiducia, qualità ed etica che sono alla ribalta delle cronache e richiedono l’attenzione dei dirigenti e dei consigli di amministrazione.

Le aziende possono e devono correggere il modo in cui gestiscono i dati, gli analytics e l’IA e impostare il ruolo di CDAIO per il successo. Questo requisito è destinato a crescere, soprattutto se si considera che l’83,9% delle aziende prevede di aumentare gli investimenti in dati, analisi e IA il prossimo anno. Ecco alcune raccomandazioni concrete che le aziende possono intraprendere oggi stesso per riparare il ruolo di CDAIO e ottenere valore aziendale dagli investimenti in dati, analytics e IA.

Rendere i dati un affare di tutti. Sebbene i CDAIO promuovano da tempo l’importanza dell’alfabetizzazione sui dati, l’adozione di pratiche quali una solida governance, politiche e standard non è stata uniforme. Le aree con maggiore maturità e disciplina in materia di dati sono in genere le funzioni legate alla finanza e alla compliance. Il successo in queste aree, rafforzato dal coinvolgimento del livello C e del consiglio di amministrazione, può servire da modello per tutta l’azienda.

In Schneider Electric, leader mondiale nella gestione dell’energia e nell’automazione digitale, Philippe Rambach, Chief Artificial Intelligence Officer, parla di come Schneider abbia costruito una cultura aziendale in cui tutti sono coinvolti: «Essere seri nella gestione dei dati richiede un’organizzazione dedicata. Per sostenere questa ambizione, abbiamo deciso di separare i dati dall’IT, concentrandoli su un’agenda di governance, business e performance in tutta l’azienda. Abbiamo quindi deciso di creare i due ruoli di chief data officer e chief AI officer. La chiave del percorso incentrato sui dati è cercare di avere un’unica fonte di verità in azienda e rendere i dati di alta qualità facilmente accessibili in tutta l’azienda a tutti i responsabili delle decisioni».

Rendere i leader aziendali campioni dei progetti sui dati. I leader aziendali devono diventare i campioni e i sostenitori degli investimenti in dati e analisi. I data leader di successo sono partner fondamentali dei dirigenti aziendali, che fanno affidamento su di loro come luogotenenti cruciali, fornendo dati critici e punti di decisione che possono portare a risultati aziendali di successo. I CDAIO non devono cercare di imporre un’agenda (“i dati e l’IA sono fantastici; dovremmo fare molto di più”), per quanto ben intenzionata. Cercano leader aziendali pronti a sostenere i dati e l’IA all’interno delle loro linee di business e a diventare partner fidati grazie a risultati che creano credibilità.

Rivedere tutti gli investimenti in dati e IA per assicurarsi che i fondi siano ben spesi. Distinguere tra investimenti “che sarebbe meglio avere” e investimenti “che è necessario avere”. Continuare solo con quelli che stanno fornendo un valore aziendale misurabile all’organizzazione oggi o che possono dimostrare un percorso rapido verso la creazione di valore nel breve termine. Le aziende devono riorientare gli investimenti su quelle capacità che sono essenziali e necessarie per crescere e competere. La leadership nel campo dell’analisi dei dati e dell’IA richiede tempo, attenzione, una comunicazione chiara ed efficace e la capacità di raccontare storie per articolare la necessità, stabilire aspettative realistiche e suscitare l’adesione.

Passare a una mentalità di ecosistema. Per sfruttare al meglio i dati e l’IA è importante coltivare partnership e collaborazioni con fornitori, università e altri partner. Rambach di Schneider aggiunge:

«La nuova natura della concorrenza non riguarda la tecnologia; la tecnologia dell’IA si muove troppo velocemente per questo. Si tratta del valore che si offre ai clienti; e qualunque sia il valore offerto, può essere aumentato attraverso le partnership. Apriamo la nostra piattaforma IoT alle innovazioni di terzi, in modo che i partner possano utilizzare i nostri kit di sviluppo software per sviluppare nuove applicazioni per migliorare l’efficienza e la sostenibilità degli edifici».

Procedere con cautela. Sebbene l’IA generativa offra opportunità rivoluzionarie, Rambach ribadisce l’importanza di comprendere i rischi e di procedere con cautela, in quanto questi modelli «... espongono le aziende a nuovi tipi di vulnerabilità, in particolare dando accesso più facile e più veloce a quantità e diversità di dati a un maggior numero di utenti. È il momento di stabilire misure di governance dei dati e di cybersecurity per utilizzare queste nuove capacità in modo responsabile. Le aziende e gli utenti dovrebbero sempre affrontare l’IA generativa con cautela e concentrarsi sulla riservatezza, così come gli utenti non dovrebbero caricare informazioni riservate su piattaforme di chatbot di IA accessibili pubblicamente. Le versioni protette/private dei LLM dovrebbero essere preferite».

Molti CDAIO sono a capo di comitati aziendali con leader di rischio, finanza, tecnologia, cybersicurezza, legale/etica, privacy, risorse umane e linee di business. Questi team hanno bisogno di una maggiore statura e responsabilità. Le aziende dovrebbero anche aggiungere competenze in materia di dati, analisi e IA ai loro consigli di amministrazione. Solo il 23,8% afferma che il settore sta facendo abbastanza per affrontare l’etica dei dati e dell’IA. Le questioni relative alla privacy, alla governance e all’etica dell’IA e dei dati rappresenteranno una minaccia per le aziende se non saranno gestite in modo responsabile ed efficace.

IN UN MOMENTO in cui molte aziende stanno valutando con attenzione la funzione di CDAIO, è giunto il momento in cui i responsabili dei dati e dell’IA devono farsi avanti per dimostrare come stanno contribuendo al valore aziendale della società. Le aziende che hanno una visione chiara del modo in cui possono ottenere valore di business dai loro investimenti in dati e IA saranno le aziende che avranno maggiori probabilità di prevalere nel prossimo decennio e oltre.

Randy Bean è autore di Fail Fast, Learn Faster: Lessons in Data-Driven Leadership in an Age of Disruption, Big Data, and AI. Collabora con Harvard Business Review, Forbes, MIT Sloan Management Review e The Wall Street Journal ed è Innovation Fellow, Data Strategy presso la società parigina Wavestone (EPA: WAVE) e Fondatore/CEO di NewVantage Partners, acquisita da Wavestone nel dicembre 2021. È possibile contattare Randy Bean all’indirizzo rbean@newvantage.com e seguirlo su LinkedIn. Allison Sagraves è stata la fondatrice del Chief Data Officer di M&T Bank, ruolo che ha ricoperto per 5 anni. Ha ricoperto posizioni di leadership presso M&T Bank per 31 anni. Attualmente è docente aggiunto del Carnegie Mellon Chief Data Officer Program e consigliere di amministrazione di diverse aziende. È possibile seguirla su LinkedIn.