Leggi News

L’intelligenza artificiale sta dominando le conversazioni aziendali e spinge le imprese a ripensare le proprie strategie di business. Per prosperare in questo ambiente in cambiamento, è necessario adottare una moderna strategia di protezione dei dati che affronti la complessità dell’IT e favorisca l’efficienza, senza mettere a rischio la sicurezza delle informazioni.

Quando si parla di AI, la sicurezza è più importante che mai. Le strategie devono considerare attentamente i nuovi utilizzi dei dati e le nuove modalità di accesso. Altrettanto essenziali sono le minacce autonome sempre più pervasive da parte di malintenzionati che utilizzeranno attacchi informatici basati su AI.

Ma prima è bene fare un passo indietro. Nell’ultimo decennio, le aziende hanno già speso miliardi di dollari in investimenti tecnologici con l’obiettivo di sfruttare appieno la potenza dei propri dati. Molte hanno migrato gran parte dei loro sistemi on-premise verso il cloud per semplificare la gestione dei grandi volumi di informazioni che stanno raccogliendo. Inoltre, hanno collegato sistemi in silo per creare archivi comuni che consentano ai dipendenti di trarre il massimo vantaggio da tutti i dati che l’azienda sta accumulando.

Questi aggiornamenti hanno permesso ai data analyst di utilizzare le informazioni per creare, tra l’altro, grafici di facile lettura che illustrano lo stato di salute dell’azienda, che si tratti del totale delle vendite di un giorno specifico, o della minaccia costante di attacchi IT. Queste tipologie di informazioni rimangono preziose, ma le aziende non devono più guardare solamente indietro, per comprendere il valore dei propri dati.

Al contrario, il flusso di informazioni in tempo reale, combinato con l’AI, può essere utilizzato per generare insight predittivi che possano aiutare a guidare il futuro aziendale. Le possibilità includono l’utilizzo di un sistema di AI generativa per rispondere alle domande dei dipendenti e fungere da assistente digitale per il processo decisionale interno. Oppure, ad esempio, potrebbe essere un sistema che avvisa i venditori quando un cliente è sul punto di andarsene.

Tuttavia, perché questa svolta si realizzi, molte aziende dovranno ripensare il modo in cui i dati vengono ingeriti e utilizzati al proprio interno.

Il passaggio ai dati in tempo reale
Il flusso di tecnologie digitali comporta la raccolta di informazioni a velocità e volumi sbalorditivi per le aziende. In passato, tutti questi dati passavano attraverso un processo di pulizia, protezione e trasporto in un repository in cui gli analisti potevano accedere per alimentare le dashboard aziendali che forniscono, ai responsabili, aggiornamenti regolari sulle principali statistiche operative.

Se questa impostazione è stata utile in passato, non funziona per l’AI. Al contrario, le aziende devono essere in grado di utilizzare i dati nel momento in cui vengono creati, per alimentare gli algoritmi predittivi e guidare una maggiore automazione. Da qui è nato l’elevato interesse per i moderni motori di analisi come Spark, che supportano l’uso di dati in streaming.

Ad esempio, le istituzioni finanziarie stanno conducendo un trading algoritmico, in cui le scommesse di acquisto o vendita vengono effettuate in millisecondi, sulla base di informazioni di mercato in tempo reale. Le banche utilizzano l’intelligenza artificiale anche per analizzare i dati delle transazioni in entrata e individuare potenziali frodi in pochi millisecondi.

Per acquisire capacità simili, aziende di ogni tipologia devono rivedere le proprie strategie di gestione dei dati, supportate da una piattaforma IT che consenta a tutti i dipendenti di accedere alle informazioni in tempo reale.

Definire una strategia dei dati per l’era dell’intelligenza artificiale

Quando si elabora un piano dati incentrato sull’AI, i responsabili devono considerare diversi fattori chiave:
Gestire un ambiente ibrido. Sebbene le aziende si stiano rapidamente spostando verso il cloud, molte continuano a conservare on-premise gran parte dei loro dati, spesso quelli più sensibili. Queste imprese devono adottare strumenti in grado di interconnettere l’intera base IT, compresi cloud pubblici e privati e hardware legacy, come i mainframe. In questo modo, possono trarre vantaggio da tutti i dati che stanno raccogliendo.

Ottimizzare i costi. La gestione dei dati non è economica e raccolta e archiviazione di tutte le informazioni comportano costi non indifferenti. Ma gli strumenti moderni possono ora consentire di risparmiare su queste spese ottimizzando, tra l’altro, l’archiviazione delle informazioni. Ad esempio, mentre quelle più sensibili devono essere conservate in un repository con un livello di sicurezza di alto livello, in cui è probabile ci siano altri dati, informazioni che non richiedono una protezione così robusta possono essere trasferite in un altro centro storage più economico.

Proteggere gli asset. L’ondata di nuove applicazioni digitali sta fornendo alle aziende una conoscenza approfondita delle loro attività e clienti, mai stata possibile prima. Ma un footprint IT più ampio significa anche essere molto più vulnerabili agli attacchi. Le minacce autonome e pervasive degli attaccanti abilitati dall’intelligenza artificiale sono il motivo per cui la protezione dei dati sia un aspetto sempre più critico. Prima o poi le aziende dovranno affrontare una violazione. Non è una questione di se, ma di quando. Adottando strumenti che aggiungono importanti difese, come backup e disaster recovery automatici, un’azienda può assicurarsi che le sue risorse digitali più importanti rimangano protette da malintenzionati sempre più potenti - che useranno l’intelligenza artificiale in modo pericoloso.

Per l’azienda moderna, l’AI non è un fenomeno così nuovo come potrebbe sembrare dal suo clamore. Da anni AI e machine learning vengono gradualmente sperimentati per automatizzare un maggior numero di operazioni e migliorare la capacità dei dipendenti di utilizzare i dati per ottimizzare l’intelligence.

La novità è la frenesia con cui i vertici aziendali, e persino molti consigli di amministrazione, chiedono una “strategia di AI” in risposta all’attenzione suscitata dall’AI generativa.

La buona notizia è che molte aziende stanno lavorando da anni per costruire moderne basi di dati al fine di supportare un futuro predittivo e automatizzato. Le basi ci sono, ora è fondamentale che queste stesse aziende si prendano il tempo necessario per adottare la giusta strategia di AI, in modo da restare all’avanguardia dell’innovazione per i prossimi dieci anni e oltre.