Un Framework Strategico per la Valutazione e la Valorizzazione di Soluzioni di Intelligenza Artificiale = Strategic Framework for the Evaluation and Valorization of Artificial Intelligence Solutions

L’Intelligenza Artificiale (AI) sta trasformando tutti i settori, con sempre più numerose sperimentazioni e applicazioni che hanno impatti sui processi; molto spesso risulta però difficile valutare correttamente la convenienza dell’investimento in questa tecnologia. L’incertezza nella scelta dei casi d’uso più convenienti, la difficoltà nella monetizzazione dei benefici, e la variabilità delle voci di costo, rendono il processo complicato. In questo contesto, il presente lavoro di tesi si pone l’obiettivo di fornire uno strumento ed una metodologia a supporto dell’adozione di sistemi di AI per la clientela di TIM Enterprise, business unit di TIM che fornisce prodotti e progetti tecnologici innovativi alle imprese e alla pubblica amministrazione. A tale scopo, dopo un’analisi dello stato dell’arte delle strategie digital e una contestualizzazione storica e tecnica dell’Intelligenza Artificiale, è stato sviluppato un framework che possa rispondere a questa esigenza. La funzionalità è duplice: da un lato guida strategicamente il cliente ad una corretta implementazione della soluzione AI fin dai primi momenti progettuali, e dall’altro accompagna nel processo di personalizzazione della metrica ROI. Il framework si compone di cinque step. Il primo è volto ad individuare le coordinate del problema dell’azienda cliente, sulla base delle quali vengono individuati gli use case più promettenti, attraverso una matrice appositamente sviluppata che tiene conto del settore di riferimento e del processo impattato. Il secondo step è stato progettato nella forma di un questionario che permette di valutare quanto l’organizzazione sia pronta all’introduzione dell’AI, individuando sulla base delle risposte, eventuali azioni abilitanti per il processo di cambiamento. Si procede quindi alle fasi di analisi del caso d’uso in esame: lo step tre classifica le voci di costo sulla base delle fasi progettuali, e lo step quattro ne valuta i benefici qualitativi e quantitativi in termini di creazione di valore e risparmi di costo. Il risultato delle stime diventa quindi input dello step 5, il quale, in ultima istanza, restituisce una indicazione monetaria della convenienza dell’investimento, fornendo alle aziende uno strumento di semplice impiego per scelte consapevoli. Il framework è stato infine validato su alcuni casi reali di applicazioni AI sia in ambito pubblico che privato.