Per comprendere meglio l'intelligenza artificiale e superare le incertezze

L'intelligenza artificiale (IA) e il machine learning (ML) sono due degli argomenti di discussione, se non i principali, in vari settori. Per rispondere a questa crescente esigenza, IBM e Red Hat hanno annunciato la disponibilità di prodotti innovativi come IBM watsonx e Red Hat OpenShift AI, rispettivamente. Questo articolo illustra una strategia semplice per gestire meglio i cambiamenti associati al deployment di prodotti di AI/ML che sono in procinto di rimodellare il modo in cui funziona il mondo.

Questo articolo è stato scritto dal punto di vista di un Red Hat Technical Account Manager (TAM). L'esclusivo ruolo di un TAM come punto di contatto principale per un cliente su argomenti tecnici di Red Hat, combinato con la nostra promozione per le procedure consigliate, ci consente di comprendere a fondo le esigenze dei clienti e di allinearle alle strategie interne di Red Hat. Tuttavia, ciò non risolve le incertezze che suscitano gli approcci AI/ML.

Red Hat, IBM e l'ecosistema di IA

Sia IBM watsonx che OpenShift AI supportano i flussi di lavoro AI/ML. Watsonx di IBM migliora lo sviluppo e il deployment dell'IA, mentre OpenShift AI utilizza le tecnologie cloud per distribuire e gestire i carichi di lavoro di IA/ML.

AI/ML, come altre innovazioni precedenti, è la tecnologia più recente in grado di mostrare risultati promettenti, ma può generare preoccupazioni. Una generazione fa, Internet ci offriva dati a portata di mano ovunque e in qualsiasi momento, ma suscitava preoccupazione in molti settori. Oggi, il timore di fondo è che l'AI/ML elimini le professioni automatizzando migliaia di attività manuali.

Cambiamento rivoluzionario o trasformativo

L'IA/ML potrebbe rendere obsoleti molti posti di lavoro, ma se segue le tendenze stabilite dalle precedenti tecnologie innovative, creerà anche molte nuove professioni, apportando cambiamenti globali fondamentali. Questi cambiamenti si dividono in due categorie: Rivoluzionario (o Trasformativo) e Evolutivo o (Adattivo).

Trasformativo si riferisce a un cambiamento fondamentale o radicale; un cambiamento fondamentale in cui la nuova tecnologia sostituisce drasticamente un'altra tecnologia, un sistema o un processo. Ad esempio, le piattaforme di streaming come Netflix hanno sostituito i supporti fisici come Compact Disc (CD) e Digital Versatile Disc (DVD), eliminando di fatto molte aziende del settore del noleggio di video, come Blockbuster. Un altro esempio sono i servizi online che sostituiscono gli agenti di viaggio per le prenotazioni aeree, di auto a noleggio e hotel.

Il cambiamento trasformativo è un cambiamento globale e rapido, mentre il cambiamento evolutivo è più iterativo e graduale, ma non per questo ha un impatto inferiore sul modo in cui gestiamo la nostra azienda.

Cambiamento evolutivo o adattivo

Il cambiamento evolutivo o adattivo sfrutta la tecnologia di tendenza per migliorare i processi o i sistemi esistenti, aumentando l'efficienza e la produttività, pur mantenendo la struttura e gli obiettivi generali. Ad esempio, le società di telecomunicazioni hanno iniziato a offrire il Voice Over Internet Protocol (VoIP) all'inizio del 21° secolo, offrendo questi servizi a una frazione del costo delle tecnologie meno recenti. Allo stesso modo, il digital banking ha rivoluzionato il modo in cui le persone gestiscono le proprie finanze. App come Venmo, Zelle e i sistemi di online/mobile banking hanno sostituito le attività di routine come i trasferimenti di contanti e i depositi di assegni, riducendo le visite di persona a banche e istituti finanziari per servizi principalmente specializzati.

In qualità di TAM che si occupa del settore delle telecomunicazioni e delle imprese, penso spesso a come le società di telecomunicazioni distribuiranno i prodotti e le soluzioni di IA di Red Hat. Il settore subirà un cambiamento attraverso un approccio trasformativo, adattivo o un mix dei due?

Da un lato, Red Hat OpenShift AI e Red Hat Enterprise Linux (RHEL) AI stanno rapidamente prendendo piede, offrendo funzionalità avanzate che potrebbero migliorare notevolmente l'efficienza operativa e l'erogazione dei servizi. D'altra parte, alcune società di telecomunicazioni preferiscono un approccio più cauto per continuare con la tecnologia che già utilizzano.

Per supportare questo approccio più prudente, Red Hat sta offrendo l'estensione del supporto Extended Life Cycle Support (ELS) a molti prodotti IT tradizionali, tra cui RHEL e OpenStack. Le società di telecomunicazioni più prudenti sembrano mantenere i loro deployment attuali, basati su questi prodotti ELS, mentre osservano da vicino come i loro concorrenti implementano la tecnologia basata sull'IA prima di prendere decisioni strategiche.

Proprio come nelle precedenti rivoluzioni tecnologiche, per affrontare con successo l'era dell'IA è necessario gestire i cambiamenti.

La sezione seguente introduce una tecnica per gestire i cambiamenti trasformativi e adattivi man mano che il deployment e l'adozione dell'IA aumentano, offrendo passaggi pratici per affrontare le complessità e sfruttare le opportunità dell'era dell'IA.

Gestire il cambiamento tramite ADKAR

ADKAR è un modello di gestione del cambiamento diffuso che può essere utilizzato per guidare il cambiamento individuale e organizzativo. Si tratta di un approccio strutturato e orientato agli obiettivi che sottolinea l'importanza di facilitare le transizioni individuali, riconoscendo che il successo dell'organizzazione dipende dalla capacità di ciascuna persona di adattarsi al cambiamento. Sviluppato da Jeff Hiatt, il fondatore di Prosci, ADKAR sta per:

• A - Awareness (consapevolezza)
• D - Desire (volontà)
• K - Knowledge (conoscenza)
• A - Ability (competenza)
• R - Reinforcement (perfezionamento)

Ogni componente del modello rappresenta una fase o un traguardo che le persone devono raggiungere per un'implementazione efficace del cambiamento. Il punto di forza di ADKAR risiede nel suo processo sequenziale, che consente una transizione graduale da una fase all'altra. Ad esempio, la volontà non può aumentare senza che aumenti la consapevolezza. Allo stesso modo, la conoscenza non può crescere senza la volontà, e la competenza si sviluppa solo dopo l'acquisizione della conoscenza, e così via.

Di seguito viene fornita un'analisi dettagliata di ciascun componente del modello ADKAR, con consigli su come gestire i cambiamenti individuali e aziendali adottando l'IA.

1. Consapevolezza

Obiettivo: L'obiettivo di aumentare la consapevolezza è comprendere i cambiamenti necessari per avere successo nell'era dell'IA, riconoscendo i cambiamenti nella tecnologia e nelle dinamiche di mercato e identificando in che modo questi cambiamenti possono influenzare il tuo ruolo e l'organizzazione.

Interventi:

• Comprendere l'importanza dell'IA/ML rispondendo alle domande fondamentali:
  • Quali prodotti Red Hat utilizzi e in che modo i prodotti abilitati per AI/ML si adattano ai tuoi flussi di lavoro?
  • Il deployment dell'IA migliorerà l'efficienza operativa?
  • Gli attuali prodotti di IA soddisfano gli obiettivi aziendali, le sfide tecniche e le esigenze dei clienti? In caso negativo, quali sono le lacune da colmare?
• Restare informati ricevendo gli aggiornamenti sul tema, approfondire come sfruttare i vantaggi di Red Hat OpenShift AI e Red Hat Enterprise Linux (RHEL) AI ed esplorare nuove funzionalità e applicazioni.
• Partecipare a webinar e conferenze. Leggere i white paper e gli articoli per rimanere aggiornati sulle tendenze e sugli sviluppi di AI/ML nel cloud computing. Può essere particolarmente utile consultare riviste autorevoli come Institute of Electrical and Electronics Engineers e siti web di settore come TechCrunch.
• Esaminare le tendenze del settore, come l'impatto dell'IA/ML sulle telecomunicazioni e su altri settori, e valutare le implicazioni aziendali collegando gli scenari di utilizzo ai miglioramenti in operazioni come l'automazione e la gestione delle risorse.

2. Volontà

Una forte consapevolezza dell'IA porterà naturalmente a una maggiore motivazione ad apprendere e ad applicare le tecnologie AI/ML.

Il desiderio crescente di supportare il cambiamento aiuta ad allineare gli obiettivi individuali o del team con le strategie aziendali, migliorando l'efficienza dei processi e dei flussi di lavoro e può contribuire alla crescita dei ricavi e all'avanzamento di carriera personale.

Interventi:

• Definire obiettivi chiari per l'apprendimento dell'IA/ML, specializzarsi in una materia o sfruttare l'IA/ML per ottimizzare i deployment OpenStack/OpenShift.
• Identificare fattori motivazionali come l'avanzamento di carriera, la curiosità sugli aspetti tecnici o la soddisfazione del cliente.
• Interagire con colleghi ed esperti del settore appassionati di AI/ML per restare motivati.
• Allineare l'apprendimento con obiettivi di carriera a lungo termine, come la specializzazione in AI/ML o la guida di progetti di AI/ML futuri.
• Creare una rete di contatti tramite community e gruppi di utenti di AI/ML.
• Chiedere consiglio agli esperti per definire il proprio percorso.

3. Conoscenza

La conoscenza del processo ADKAR implica l'acquisizione di informazioni e prevede la formazione, con la volontà di abbracciare il cambiamento.

Interventi:

• Studiare la documentazione tecnica sui fondamenti di AI/ML e sugli argomenti avanzati, specificatamente pensati per OpenStack/OpenShift e il cloud computing.
• Iscriversi a corsi di formazione, webinar ed eventi formativi pertinenti.
• Partecipare a corsi (ad esempio RHOAI / AI267) per approfondire le proprie conoscenze su AI/ML.
• Valutare le informazioni condivise da dirigenti e team dedicati a formazione e apprendimento per identificare le proprie lacune.
• Partecipare a workshop e bootcamp dedicati allo sviluppo di applicazioni pratiche di AI/ML con i prodotti Red Hat.

4. Competenza

La competenza si riferisce all'applicazione pratica delle conoscenze acquisite per eseguire attività associate al cambiamento e all'implementazione di nuovi requisiti.

Interventi:

• Applicare le tecniche di AI/ML per risolvere problemi specifici o ottimizzare i processi all'interno di OpenShift/OpenStack.
• Collaborare con team interfunzionali su progetti di AI/ML per acquisire esperienza pratica.
• Dirigere o partecipare a progetti proof-of-concept (POC) per AI/ML in OpenStack/OpenShift.

5. Perfezionamento

Il perfezionamento comporta l'integrazione di questi cambiamenti nella cultura aziendale o del team in modo che diventino parte integrante delle operazioni.

Interventi:

• Promuovere una cultura dell'apprendimento continuo in AI/ML tra colleghi.
• Documentare e condividere i successi e le lezioni apprese.
• Misurare l'impatto di AI/ML attraverso le metriche.
• Stabilire sistemi di supporto, come un repository di conoscenze condivise, e tenersi aggiornati sulle risorse per la formazione.
• Premiare e riconoscere i progressi e i traguardi raggiunti.

Conclusioni

Utilizza il modello ADKAR per valutare in modo sistematico la pertinenza di AI/ML per il tuo scenario di utilizzo specifico. Questo framework consente di applicare in modo strategico metodologie e strumenti di AI/ML. Sviluppa un approccio completo per padroneggiare le tecnologie AI/ML e promuovere cambiamenti di impatto nel team e nell'ecosistema, procedendo in sequenza attraverso le fasi di Consapevolezza, Volontà, Conoscenza, Competenza e Perfezionamento.

Scopri di più sull'IA di Red Hat

Blog

• Elevating AI Journey with TAM Services: Engage with a Red Hat Technical Account Manager and learn more about Red Hat's AI Strategy
• Panoramica di Red Hat OpenShift AI
• Attività relative all'IA