Trasformazione Digitale Democratica: estendere le competenze tecnologiche oltre il reparto IT, verso uno stile piattaforma.

Negli ultimi dieci anni Novartis ha investito molto nella trasformazione digitale. Mentre il gigante farmaceutico svizzero spostava la sua infrastruttura tecnologica nel cloud e investiva in piattaforme e integrazione di dati, assumeva specialisti di intelligenza artificiale e data scientist per costruire modelli di apprendimento automatico e distribuirli in tutta l'azienda. Ma anche se i team tecnici sono cresciuti, i manager di tutta l'azienda - vendite, supply chain, risorse umane, finanza e marketing - non hanno accolto le nuove informazioni disponibili, né hanno pensato a come i dati potessero migliorare il lavoro dei loro team. Allo stesso tempo, i data scientist avevano poca visibilità sulle unità aziendali e non potevano integrare facilmente i dati nelle operazioni quotidiane. Di conseguenza, gli investimenti hanno portato a successi solo occasionali (in alcuni aspetti del processo di ricerca e sviluppo, per esempio), mentre molti progetti pilota si sono arenati.
Più di recente, tuttavia, i progetti pilota mirati alla R&S e alla personalizzazione del marketing hanno iniziato a mostrare un valore commerciale e hanno catturato l'attenzione e l'immaginazione di alcuni dei dirigenti aziendali più creativi di Novartis. Sono diventati sempre più entusiasti delle opportunità di impiego dell'IA in vari settori dell'azienda e hanno iniziato a sostenere seriamente gli sforzi. Si sono resi conto che i tecnologi e gli scienziati dei dati da soli non erano in grado di apportare il tipo di innovazione globale di cui l'azienda aveva bisogno, quindi hanno iniziato ad associare gli scienziati dei dati ai dipendenti dell'azienda che avevano intuito dove era necessario migliorare l'efficienza e le prestazioni.
Novartis ha anche investito nella formazione dei dipendenti aziendali in prima linea, affinché utilizzassero essi stessi i dati per promuovere l'innovazione. Un numero crescente di team ha adottato metodi agili per affrontare ogni tipo di opportunità. L'intensità e l'impatto della trasformazione hanno quindi subito una rapida accelerazione, dando vita a una serie di iniziative di innovazione, tra cui l'abilitazione digitale delle vendite e delle previsioni di vendita, la riconfigurazione del sistema di ordini e rifornimenti per i clienti dei servizi sanitari e il rinnovamento dei sistemi e dei processi di prescrizione.
I progressi nella trasformazione digitale sono diventati preziosi quando l'azienda ha affrontato il caos iniziale della pandemia. I team aziendali di Novartis hanno collaborato con gli scienziati dei dati per elaborare modelli per gestire le interruzioni della catena di approvvigionamento, prevedere la carenza di forniture critiche e consentire rapidi cambiamenti nel mix di prodotti e nelle politiche di prezzo. Hanno anche sviluppato analisi per identificare i pazienti a rischio perché rimandavano le visite mediche. Con l'avanzare della crisi di Covid, il valore dell'IA è diventato evidente per i manager di tutta l'azienda.
Prima di questa ondata di adozione dell'IA, gli investimenti tecnologici di Novartis consistevano quasi esclusivamente in applicazioni aziendali pacchettizzate, di solito implementate dal reparto IT con la guida di consulenti, fornitori o integratori di sistemi esterni. Ma per costruire una capacità digitale a livello aziendale, sotto la guida dell'allora chief digital officer Bertrand Bodson, Novartis non solo ha sviluppato nuove capacità nella scienza dei dati, ma ha anche iniziato a democratizzare l'accesso ai dati e alla tecnologia ben al di fuori dei tradizionali silos tecnologici. L'azienda sta ora formando i dipendenti a tutti i livelli e in tutte le funzioni per identificare e capitalizzare le opportunità di incorporare dati e tecnologia per migliorare il loro lavoro. Nel 2021, il summit annuale sull'intelligenza artificiale di Novartis ha visto la partecipazione di migliaia di dipendenti.
Il potenziale dell'innovazione digitale guidata dai dipendenti è impossibile da calcolare, ma secondo il rapporto Worldwide IT Industry 2020 Predictions della società di ricerche di mercato IDC, le imprese dell'economia globale dovranno creare circa 500 milioni di nuove soluzioni digitali entro il 2023, un numero superiore a quello totale creato negli ultimi 40 anni. Questo non può essere realizzato da piccoli gruppi di tecnologi e data scientist chiusi in silos organizzativi. Occorrerà che gruppi molto più ampi e diversificati di dipendenti - dirigenti, manager e lavoratori in prima linea - si uniscano per ripensare il funzionamento di ogni aspetto dell'azienda. La ricerca di HBR fa luce su come farlo.
I fattori di successo
Quando HBR ha iniziato la ricerca, voleva capire perché molte aziende faticano a raccogliere i benefici degli investimenti nella trasformazione digitale, mentre altre registrano enormi guadagni. Cosa fanno di diverso le aziende di successo?
HBR ha esaminato 150 aziende nei settori manifatturiero, sanitario, dei prodotti di consumo, dei servizi finanziari, aerospaziale e farmaceutico/biotecnologico, compreso un campione rappresentativo delle maggiori aziende di ciascun settore. Alcune non sono riuscite a muoversi, ma molte hanno fatto progressi notevoli. Forse sorprendentemente, abbiamo scoperto che i risultati non dipendevano dalle dimensioni relative dei budget IT. Né le storie di successo erano limitate alle organizzazioni "nate digitali". Giganti del passato come Unilever, Fidelity e Starbucks, per non parlare di Novartis, sono riusciti a creare una mentalità e una cultura dell'innovazione digitale.
La ricerca mostra che per consentire la trasformazione su scala, le aziende devono creare sinergie in tre aree:
_Capacità. Il successo degli sforzi di trasformazione richiede che le aziende sviluppino competenze digitali e sui dati nei dipendenti al di fuori delle funzioni tecnologiche tradizionali. Queste capacità da sole, tuttavia, non sono sufficienti per ottenere tutti i benefici della trasformazione; le aziende devono anche investire nello sviluppo dell'agilità dei processi e, più in generale, di una cultura che incoraggi la sperimentazione diffusa e frequente.
_Tecnologia. Naturalmente è importante investire nelle tecnologie giuste, soprattutto negli elementi di uno stack di IA: tecnologia della piattaforma dati, ingegneria dei dati, algoritmi di apprendimento automatico e tecnologia di implementazione degli algoritmi. Le aziende devono assicurarsi che la tecnologia impiegata sia facile da usare e accessibile ai molti dipendenti non tecnici che partecipano agli sforzi di innovazione. Gli investimenti nell'architettura organizzativa e tecnica sono necessari per garantire che le capacità umane e la tecnologia possano lavorare in sinergia per promuovere l'innovazione. Ciò richiede un'architettura, sia per la tecnologia che per l'organizzazione, che supporti la condivisione, l'integrazione e la normalizzazione dei dati (ad esempio, rendendo coerenti le definizioni e le caratteristiche dei dati) tra i silos tradizionalmente isolati. Questo è l'unico modo reale e scalabile per assemblare le risorse tecnologiche e di dati necessarie in modo che siano disponibili per una forza lavoro distribuita.
Molte grandi aziende stanno facendo progressi in ognuna di queste aree. Ma anche le aziende più importanti tendono a sottovalutare l'importanza di far sì che siano i dipendenti a introdurre la trasformazione nelle loro funzioni e nel loro lavoro, piuttosto che i gruppi tecnologici centrali e i consulenti a spingere i cambiamenti all'esterno dell'azienda. Come Eric von Hippel del MIT sostiene da molti anni, gli utenti in prima linea, che sono i più vicini ai casi d'uso e meglio posizionati per sviluppare soluzioni adatte alle loro esigenze, devono assumere un ruolo centrale, entrando a far parte di team agili che si aggregano e si sciolgono dinamicamente sulla base delle esigenze aziendali.
Costruire l'intensità tecnologica
La ricerca spiega come le capacità, la tecnologia e l'architettura lavorino insieme per costruire quella che viene chiamata intensità tecnologica. Derivata dal concetto economico di margine intensivo, ovvero la misura in cui una risorsa viene utilizzata o applicata, l'intensità tecnologica si riferisce alla misura in cui i dipendenti utilizzano la tecnologia per promuovere l'innovazione digitale e raggiungere i risultati aziendali. Dalla ricerca è emerso che le aziende che hanno fatto buoni investimenti in tecnologia e hanno reso gli strumenti accessibili a un'ampia comunità di dipendenti esperti di dati e tecnologia hanno ottenuto un'intensità tecnologica più elevata e prestazioni superiori. Le aziende che non sono riuscite a sviluppare le capacità tecnologiche e informatiche dei propri dipendenti e che hanno offerto solo un accesso limitato alla tecnologia sono rimaste indietro.
HBR ha classificato l'intensità tecnologica delle 150 aziende dello studio e ha scoperto che il quartile superiore del campione ha registrato una crescita dei ricavi più che doppia rispetto al quartile inferiore. HBR ha anche scoperto che gli indici di tecnologia, capacità e architettura sono correlati ad altre misure di performance, dalla produttività ai profitti, fino alla crescita del valore aziendale. Utilizzando una tecnica econometrica nota come variabili strumentali, HBR ha anche trovato prove del fatto che la relazione tra intensità tecnologica e performance è causale: In altre parole, una maggiore intensità (in particolare gli investimenti in architettura tecnica e organizzativa) ha alimentato una maggiore crescita dei ricavi.
Mettere in scena la trasformazione
L’analisi conferma che la semplice spesa in tecnologia non porta a una maggiore crescita o a migliori prestazioni; anzi, in alcuni casi può addirittura danneggiare l'azienda se accentua le divisioni e le incoerenze tra i gruppi. Sono invece gli approcci architetturali, manageriali e organizzativi alla trasformazione a spiegare meglio le differenze sostanziali e durature tra le aziende.
HBR ha riscontrato che le aziende in genere attraversano cinque fasi nel loro percorso di trasformazione.
Modello tradizionale. Non sorprende che molte aziende si adattino a quello che viene considerato il modello tradizionale di innovazione digitale, in cui gli investimenti digitali e tecnologici sono di competenza del reparto IT (o di altri gruppi tecnici specializzati) e l'impatto è disperso tra i gruppi, per lo più in modo incoerente. L'IT collabora con le unità aziendali per finanziare i progetti e gestirne l'implementazione, ad esempio per l'introduzione di un'applicazione aziendale o di una piattaforma tecnologica di dati. I progetti e le relative implementazioni sono personalizzati in base ai requisiti specifici dei singoli silos, unità aziendali o funzioni. Il risultato è che nel tempo la tecnologia e l'infrastruttura dei dati riflettono le peculiarità dei singoli gruppi, senza alcuna coerenza e connettività. Questo tipo di approccio disgiunto rende praticamente impossibile condividere, scalare o distribuire gli sforzi di innovazione all'interno dell'organizzazione.
Molte aziende che adottano il modello tradizionale spendono ancora molto per le tecnologie informatiche. Si consideri un'azienda di servizi finanziari studiata, il cui budget tecnologico e analitico è tra i migliori del settore, sia in termini assoluti che relativi. L'azienda ha speso molto in tecnologie all'avanguardia per le piattaforme di dati e ha assunto migliaia di specialisti IT e data scientist, che siedono isolati in un gruppo IT separato, mentre pochi (o nessuno) dipendenti sul lato aziendale sono coinvolti negli sforzi di innovazione digitale dell'organizzazione. L'azienda non dispone quindi dell'architettura e delle capacità necessarie per promuovere un'adozione tecnologica intensa. Non sorprende che gli sforzi dell'azienda nel campo dell'IT e delle scienze dei dati si siano arenati e che l'impatto sul business sia stato minimo.
Un segno rivelatore del fatto che un'azienda si trova nella fase tradizionale è che la percezione dell'impatto tra i dipendenti che si occupano di tecnologia e quelli che si occupano di business è drasticamente diversa. I primi percepiscono un impatto elevato (misurato in base all'impegno profuso nel loro lavoro), mentre i secondi lo misurano molto più basso (in base al beneficio che ne hanno tratto le loro attività quotidiane).
Modello ponte. Per liberarsi dai vincoli tradizionali dei silos - organizzativi e infrastrutturali - le aziende iniziano in genere a lanciare progetti pilota che collegano gruppi precedentemente separati e sviluppano dati e risorse tecnologiche condivisibili per consentire nuove innovazioni. Potrebbero prima concentrarsi su opportunità funzionali specifiche, come l'ottimizzazione delle capacità pubblicitarie, produttive o della catena di fornitura. Queste aziende stanno sperimentando non solo la tecnologia, ma anche un modello di innovazione fondamentalmente diverso, in cui i dirigenti, i manager e i lavoratori in prima linea del settore commerciale lavorano in collaborazione con l'IT e i data scientist. Victor Bulto, responsabile del settore farmaceutico statunitense di Novartis, è stato determinante nel lancio dei primi progetti pilota (incentrati, ad esempio, sull'identificazione dei pazienti a rischio) e ha svolto il ruolo di campione per molte iniziative man mano che l'organizzazione passava alla fase ponte. Lori Beer, CIO globale di JPMorgan Chase, ama parlare dell'impatto dimostrato della sperimentazione dell'IA per semplificare la rendicontazione e l'approvazione delle spese: una sperimentazione che ha migliorato i processi e che ha conquistato molti dipendenti.
Hubs. Man mano che un numero crescente di progetti pilota dimostra il successo del nuovo approccio, le organizzazioni formano hub di dati e capacità e sviluppano gradualmente la capacità di collegare e coinvolgere altre funzioni e unità aziendali alla ricerca di opportunità di trasformazione. Man mano che procedono lungo questo percorso, i leader iniziano a rendersi conto che il collo di bottiglia dell'innovazione si è spostato dagli investimenti in tecnologia a quelli nella forza lavoro. Il fattore limitante in questa fase è il numero di dipendenti aziendali con la capacità - il know-how e l'accesso - di guidare l'innovazione digitale. Le aziende devono quindi investire nel coaching e nella formazione di una comunità di dipendenti molto più ampia.
Fidelity si sforza di sviluppare quelli che chiama atleti digitali. Ha iniziato a costruire hub creando asset di dati centralizzati (un lago di dati a livello aziendale, per esempio); ora sta aumentando la formazione per migliaia di dipendenti aziendali, dando loro la capacità di implementare soluzioni abilitate dal digitale in tutta l'azienda. Gli specialisti degli investimenti e gli esperti fiscali, ad esempio, lavorano a stretto contatto con i data scientist e i tecnologi per creare soluzioni innovative con particolare attenzione alla personalizzazione e all'impatto personalizzato sui clienti. Hanno anche creato un'app per l'onboarding e il coinvolgimento degli investitori più giovani e un'altra app per fornire raccomandazioni basate sull'intelligenza artificiale ai consulenti finanziari di Fidelity, per citare solo alcuni esempi.
Anche Starbucks si concentra non solo sulla tecnologia e sull'architettura, ma anche sullo sviluppo di competenze di innovazione agile e su vasta scala nei suoi dipendenti per alimentare i suoi hub. L'amministratore delegato Kevin Johnson spiega: "Siamo passati da grandi team che lavorano in silos a team più piccoli e interfunzionali [ovunque], e dalla valutazione di ogni idea come pass-fail alla rapida iterazione". Starbucks è ora una centrale di innovazione digitale, con sofisticate app per i clienti che consentono di ordinare a distanza, programmi di fidelizzazione e sistemi di pagamento, oltre a sistemi interni che consentono l'allocazione del lavoro e la gestione dell'inventario basati sull'intelligenza artificiale.
Modello di piattaforma. Quando le aziende entrano nella fase della piattaforma, gli hub di dati si fondono in una base software completa che consente la rapida implementazione di applicazioni basate sull'IA. Le aziende si concentrano sulla creazione di sofisticate capacità di data engineering e incoraggiano il riutilizzo e l'integrazione dei modelli di apprendimento automatico. I modelli di previsione basati sull'analisi vengono applicati in tutta l'azienda, con una crescente attenzione all'automazione delle attività operative di base. Le organizzazioni iniziano a funzionare un po' più come aziende di software, sviluppando capacità complete che consentono la gestione di prodotti e programmi e la sperimentazione rapida.
Negli ultimi cinque anni, Microsoft ha attraversato quasi tutte le fasi di questo percorso. Anni fa, era isolata come la maggior parte delle aziende, con ogni organizzazione basata sui prodotti che segregava i propri dati, software e capacità. Collegando e normalizzando i dati di diverse funzioni e gruppi di prodotti, Microsoft è stata in grado di implementare soluzioni integrate in aree che vanno dal servizio clienti alla gestione della catena di fornitura.
Ha integrato tutti i dati in un lago di dati a livello aziendale e ha costruito quella che viene chiamata una piattaforma di processi aziendali, che fornisce componenti software e analitici che i team utilizzano per consentire l'innovazione in aree che vanno dalla produzione di Xbox alla gestione della spesa pubblicitaria. Ha anche investito in programmi di formazione per i dipendenti non tecnici, coltivando capacità incentrate sui dati e sull'apprendimento automatico in tutta l'organizzazione.
Modello nativo. Le aziende di maggior successo tra le 150 dello studio hanno adottato un tipo di architettura operativa completamente diverso, incentrata su risorse di dati e librerie software integrate e progettata per implementare l'IA su scala in un'ampia gamma di applicazioni distribuite. I suoi tratti distintivi sono un nucleo di esperti, strumenti ampiamente accessibili e facili da usare e investimenti nella formazione e nello sviluppo di capacità tra ampi gruppi di imprenditori. Queste aziende si stanno avvicinando alla capacità di nativi digitali come Airbnb e Uber, che sono stati costruiti appositamente per scalare l'analitica aziendale e l'innovazione basata sul software. Airbnb e Uber non sono certo perfetti, ma si avvicinano all'ideale di nativi.
In Microsoft abbiamo ancora molto da imparare, ma in alcune parti dell'organizzazione stiamo iniziando ad avvicinarci al modello nativo. Come accade in ogni azienda, i progressi non sono stati uniformi. I diversi gruppi hanno raggiunto livelli diversi di capacità, ma i risultati complessivi sono incoraggianti, in quanto si vedono soluzioni sempre più innovative ai problemi interni e a quelli dei clienti. L'aspetto più critico è che l’approccio aziendale alla comprensione, alla protezione e al lavoro con i dati è progredito di anni luce.
L'imperativo per i leader
Il mandato per la trasformazione digitale crea un imperativo per la leadership: Abbracciare la trasformazione e lavorare per sostenerla. Bisogna articolare una strategia chiara e comunicarla senza sosta. Stabilire un'architettura organizzativa in cui evolvere mentre si prendono le miriadi di decisioni quotidiane che definiscono la propria strategia tecnologica. Implementare un vero e proprio processo di governance per tenere traccia dei numerosi progetti tecnologici in corso, coordinandoli e integrandoli quando possibile. Promuovere l'agilità in tutte le iniziative aziendali che si toccano e si influenzano. Infine, liberarsi dalla tradizione. Formare e allenare i propri dipendenti a comprendere il potenziale della tecnologia e dei dati e liberare gli innovatori all'interno della propria forza lavoro.
Questo mandato si estende ai fornitori di tecnologia. Nonostante i numerosi investimenti, le tecnologie sono ancora troppo complesse e spesso troppo difficili da usare e implementare. Si ha bisogno di strumenti e tecnologie che rendano intuitiva la trasformazione per i lavoratori in prima linea, mantenendo al contempo la sicurezza dei dati. Non si dimentichi che fino a poco tempo fa molti si affidavano a specialisti in Fortran e Cobol per modellare i problemi aziendali e persino per eseguire operazioni matematiche di base. I fogli di calcolo hanno portato una rivoluzione nella modellazione matematica; si ha bisogno di fornitori di tecnologia che portino la stessa rivoluzione nell'IA e che rendano l'uso di un'applicazione di apprendimento automatico facile come la creazione di una tabella pivot.
L'impulso sta crescendo. Ma si devono sostenere gli sforzi per garantire che le aziende di ogni tipo riescano a superare il divario digitale.
Login
Per poter acquistare i prodotti su multimac.it è necessario accedere con la propria email e password.
Recupera password dimenticata
Non possiedi i dati di accesso? Registrati

Login
Per poter acquistare i prodotti su multimac.it è necessario accedere con la propria email e password.
Recupera password dimenticata
Non possiedi i dati di accesso? Registrati
