Per tutte le organizzazioni riuscire a valorizzare i dati rappresenta un punto chiave nei progetti di trasformazione digitale. La correlazione ‘intelligente’ tra le informazioni, insights e decisioni di valore per il business è passaggio necessario ma tutt’altro che scontato. Lo confermano i numeri. Da una parte i dati archiviati sono in crescita del 300% da qui al 2025 ma cresce anche la loro ‘complessità’ per la varietà crescente di applicazioni e formati. Data warehouse e data lake in cloud e on-premise inefficienti per prestazioni e costi limitano le possibilità di utilizzo ed è quindi necessario ripensare le architetture e semplificare l’accesso alle diverse fonti.

Su questi temi in occasione di Ibm Think 2023 a Milano, abbiamo raccolto gli spunti offerti dall’esperienza di Inail, raccontata nello Spotlight Transforming Organizations with a New, Open, Governed Approach to Storing Data and Accelerating AI da Francesco Saverio Colasuonno, dirigente Ufficio Dati & Analytics dell’istituto.
Gli spunti suggeriscono come le aziende data-driven possano utilizzare nuove soluzioni di gestione dei dati per ridurre significativamente i costi, semplificare l’accesso ai dati stessi e automatizzare la governance unificata per scalare analytics e AI, con l’AI generativa che oggi rende possibile realizzare use case che prima risultavano antieconomici, abilitando nuovi modelli di business. Un esempio di “democratizzazione” dell’AI oggi sono proprio i foundation model di Ibm che rendono accessibile l’AI anche alle Pmi, solitamente non in grado di sostenere investimenti importanti per lo sviluppo e il perfezionamento dei modelli e la gestione di tutto il loro ciclo di vita. 

Inail, strategia digitale e strategia dei dati

Il caso di Inail racconta quindi come i dati possano rappresentare una leva strategica in un modello enterprise-wide con l’utilizzo dell’AI generativa e della platform Ibm Watsonx.
“In Inail abbiamo scelto di utilizzare un approccio strutturato – esordisce Colasuonnosviluppando una strategia dati strettamente interconnessa alla strategia digitale. E non può essere diversamente. La strategia digitale individua i driver per la digitalizzazione e  l’innovazione digitale e questi sono abilitanti solo se supportati dai dati di riferimento”. Entriamo nei dettagli.
Il “flusso” dati Inail prevede la gestione di banche dati con migliaia di transazioni al secondo. Individuare un percorso di sviluppo proiettato per un piano triennale significa quindi avere chiare le idee su quali “aree dati” insistere perché suggeriscano nuove opportunità per operare al meglio. “In questo senso ci sono stati di aiuto i contest di riferimento. Sulla base di una prima riflessione: i dati non sono un problema dell’IT ma riguardano l’intero ecosistema aziendale.

Francesco Saverio Colasuonno
Francesco Saverio Colasuonno, dirigente Ufficio Dati & Analytics dell’istituto

Per questo Inail ha sviluppato una strategia dati con tutti gli interlocutori istituzionali di riferimento, quindi il dipartimento per la trasformazione digitale, Istat, etc. e con i partner quindi solution provider e system integrator.

Con tutti l’istituto si è confrontato su quali fossero le opportunità da cogliere e “cosa fare” con i dati per sviluppare una strategia coerente, per rispettare i tempi del piano triennale e pensare quale modello di data governance implementare, attraverso quali processi, per gestire il ciclo di vita dei dati stessi. “Oltre a questo ci siamo chiesti anche come assegnare i ruoli alle persone – prosegue Colasuonno –  con i relativi strumenti sia conoscitivi sia tecnologici, per poter consentire di gestire al meglio ognuno il proprio lavoro, i propri task. Aspetto importante che vale nella PA, come nelle aziende private”.  Si tratta sì di assegnare incarichi ‘formali’ ma anche in modo sostenibile, “perché i carichi di lavoro sono importanti ma non ha senso assegnare compiti non gestibili”.

La “one-page strategy” prevede in primis il raggiungimento degli obiettivi di digitalizzazione di Inail che vuole essere ‘advisor’ per la prevenzione e la sicurezza sul lavoro, inserita in un network di care management end to end con le aziende sanitarie e gli altri operatori in ambito di salute e sicurezza ed una focalizzazione forte sull’organizzazione e sull’aspetto culturale interno, tenendo al centro l’importanza di integrare il patrimonio informativo con quello gli altri organismi pubblici e privati.

“Le capacità da sviluppare in questi tre anni saranno quindi quelle relative all’integrazione di dati e servizi anche con altri enti, per consentire al cittadino di rivolgersi once-only alla PA; allo sviluppo di percorsi culturali sul dato, per fare crescere le competenze interne riferite a specifici cluster (medicina legale, statistica, etc.); alla qualità del dato, perché abiliti decisioni di business. E si ricordi che un dato mancante è meno pericoloso di un dato errato nel condurre a decisioni inadeguate”. Machine learning e AI esaltano questo aspetto. “Serve quindi un linguaggio comune per indirizzare in modo corretto le relazioni con i colleghi, quindi servirà un’architettura dati scalabile” e naturalmente la capacità di estrapolare informazioni dai dati anche con strumenti di intelligenza artificiale – anche generativa – per cui “servono capacità tecnologie e competenze per affinare il petrolio, che sono i dati, e renderlo fruibile in termini di business”.

Strategia dati e strategia digitale di Inail
Strategia dati e strategia digitale di Inail

Prosegue Colasuonno: “Le architetture di data management sono un elemento fondamentale della strategia Inail. Su questo task si innesta la collaborazione con Ibm quindi”. Quando si parla di architetture si pensa soprattutto alle tecnologie, “Inail invece vuole adottare un approccio differente perché prima di tutto le architetture dati siano funzionali al business”.

Da qui la conferma della valorizzazione del data warehouse, utilizzato dagli analisti, con elementi di innovazione per aggiornarlo a partire dai dati operazionali con una cadenza near-realtime mentre ora si parla di una cadenza mensile. “Serve correlare decine di migliaia di terabyte con corrette metadatazione, semantica e ontologie, e curando il data lineage, ovvero il percorso che compie il dato passando da mero contenuto operazionale a contenuto fruibile per il business. La costituzione della data fabric è l’elemento di novità in fase di sviluppo. Orientata al business, così che partendo da un’esigenza di analisi da parte del business, sia possibile produrre data product di valore, tenendo insieme dati eterogenei e rendendoli fruibili. La governance è centrale. Inail utilizzerà Ibm Cloud Pak for Data per la gestione del modello architetturale.

Tra gli use case concreti su cui Inail lavora per esempio quello relativo all’analisi degli infortuni stradali, con Ibm Watson che valorizza insieme dati strutturati e non strutturati (come i verbali ispettivi) così da individuare correlazioni utili per mitigare i rischi e prevenire gli incident. Chiude Colasuonno: “L’AI, ed in particolare l’AI generativa, sta rivoluzionando divesri settori, consente di efficentare i processi e ridurre gli errori umani. E’ importante però pensare ad un suo utilizzo che sia effettivamente sostenibile, etico, rispettoso dei diritti, senza però generare gap rispetto alle possibilità di utilizzo che ne lasciano fare altri Paesi fuori dall’UE. Serve trovare un giusto punto di equilibrio, ma stare fermi ed aspettare sarebbe comunque un errore grave. Le best practice non possono che aiutare anche a fare chiarezza in questo senso”.

Inail ha in corso diversi progetti con l’AI generativa anche di supporto alla valutazione del medico legale per gli infortuni sul lavoro con una base di conoscenza di qualche decina di anni che può essere data da elaborare ad un motore di intelligenza artificiale, così da fornire profili di riferimento utili per la valutazione di nuovi infortuni. Si parla quindi di dati e AI per offrire soluzioni a problemi reali di business, non di possibilità tecnologiche “in cerca” di possibili utilizzi. Con Ibm Technology e Ibm Consulting è possibile, sulla base delle tecnologie disponibili, definire quindi una strategia dati, una strategia per l’utilizzo dell’AI e dell’AI generativa, gli use case per industry con gli esperti, e un approccio di governance dei modelli oltre che del dato.

© RIPRODUZIONE RISERVATA

Condividi l'articolo: