Durante la seconda edizione di cAIo, l’evento italiano dedicato alla governance e all’adozione dell’intelligenza artificiale, abbiamo intervistato Giorgio Dossena, esperto di QLIK, per approfondire come implementare una governance dell’AI efficace e assicurarsi che i dati utilizzati nei progetti siano affidabili e condivisi tra tutti gli stakeholder.
L’obiettivo condiviso come base della governance dell’AI
Secondo Dossena, il punto di partenza per un progetto di AI di successo è avere obiettivi chiari e condivisi. Solo quando tutti i team coinvolti comprendono lo scopo del progetto, è possibile definire KPI concreti e verificabili, fondamentali per guidare le decisioni e misurare i risultati.
“Prima ancora di pensare ai finanziamenti o ai dati, bisogna avere chiaro lo use case su cui sviluppare il progetto di AI,” spiega Dossena. “Gli obiettivi devono essere condivisi e comprensibili a tutti gli stakeholder, interni ed esterni.”
Come misurare l’affidabilità dei dati
La qualità dei dati è cruciale per il successo di qualsiasi progetto di intelligenza artificiale. Dossena introduce il concetto di Trust Score, un indice che permette di valutare se i dati utilizzati sono affidabili, funzionali e disponibili a tutti i team coinvolti.
“Non basta avere dati quantitativamente numerosi,” chiarisce Dossena. “È necessario poterli misurare attraverso indicatori concreti e soglie definite, in modo da sapere sempre se un sistema di AI è realmente affidabile.”
Questo approccio consente alle aziende di evitare errori nei processi decisionali e di garantire che l’AI fornisca risultati coerenti e attendibili, integrando sicurezza e trasparenza nel flusso operativo.
Governance e collaborazione: il binomio vincente
Un modello di governance efficace non riguarda solo la tecnologia: è fondamentale creare processi chiari e favorire la collaborazione tra le funzioni aziendali. I dati devono essere condivisi, accessibili e validati, in modo che ogni decisione basata sull’AI sia supportata da informazioni solide.
“La governance dell’AI deve essere un processo continuo,” conclude Dossena. “Definire KPI, misurare la qualità dei dati e coinvolgere tutti gli stakeholder è la strada per progetti affidabili e replicabili.”
L’AI al servizio del business con dati affidabili
L’intervista con Giorgio Dossena evidenzia come una governance chiara e dati di qualità siano essenziali per trasformare l’AI in un alleato concreto per le aziende. Solo con obiettivi condivisi, KPI ben definiti e strumenti di misurazione come il Trust Score, è possibile garantire progetti di AI affidabili, trasparenti e realmente efficaci.