Promuovere l'alfabetizzazione all'intelligenza artificiale attraverso la democratizzazione dei dati: costruire una cultura basata sui dati

La mancanza di alfabetizzazione dei dati sta frenando le organizzazioni. Negli ultimi dieci anni, abbiamo sentito fino alla nausea parlare di big data e di quanti dati le organizzazioni raccolgono, ma molti dipendenti non sanno come gestirli o cosa farne.

In un rapporto del 2023 di Data Camp, il 78% dei leader statunitensi e l'89% dei leader del Regno Unito ritengono che la competenza in materia di dati sia importante per le attività quotidiane del loro team.

Campo dati sorgente

La data literacy è la capacità di esplorare, comprendere e comunicare con i dati in modo significativo. Se i dipendenti mettono in discussione e discutono sui dati, sono data literacy. Se accettano semplicemente i dati così come vengono presentati, non lo sono. Se sono curiosi dei dati e ne considerano il contesto, sono data literacy; se guardano i dati in modo isolato, non lo sono. Se comprendono il valore dei dati e riescono a bilanciare esperienza, dati e pensiero critico nel loro processo decisionale, sono data literacy. Se seguono semplicemente il loro istinto, non lo sono.

I leader intervistati ritengono inoltre che un processo decisionale accurato (63%), la capacità di innovare (48%) e la capacità di creare esperienze migliori per i clienti (41%) siano alcuni dei principali valori aggiunti dai dipendenti esperti di dati. Queste capacità sono importanti fattori di successo e di aumento del valore aziendale.

La mancanza di competenze e di formazione sui dati è uno dei fattori che contribuiscono in modo significativo alla mancanza di alfabetizzazione sui dati delle organizzazioni, ma lo è anche la mancanza di accesso a dati, strumenti e risorse di qualità.

Democratizzazione dei dati e alfabetizzazione dei dati

La democratizzazione dei dati può essere un fattore essenziale per migliorare la conoscenza dei dati in tutta la tua organizzazione.

La democratizzazione dei dati è una strategia che riduce le conoscenze tecniche richieste per accedere ai dati. Con meno barriere tecniche, le persone non tecniche possono accedere ai dati per contribuire ad aumentare il loro QI sui dati. Nello stesso modo in cui l'accesso a una biblioteca migliora le capacità di lettura e stimola la curiosità, l'accesso ai dati può aiutare i dipendenti a comprenderli meglio.

I dati non democratizzati sono bloccati in complessi archivi di dati tecnici con restrizioni di accesso severe e ampie. Per ottenere l'accesso ai dati, gli ingegneri dei dati devono creare pipeline di dati e navigare tra le policy di governance. Con questi tipi di barriere, l'accesso ai dati richiede tempo e scarse risorse di ingegneria dei dati. I dipendenti interessati a esplorare i dati devono anche ottenere l'autorizzazione per accedervi. Con queste barriere, l'ottenimento dei dati deve essere ben ponderato e deliberato. L'accesso e la combinazione di più set di dati solo per esplorare tendenze e convalidare idee non giustificano le risorse richieste per accedere e ripulire i dati.

Una strategia di democratizzazione dei dati fornisce ai consumatori di dati gli strumenti e l'autorità per accedere a set di dati appropriati. La democratizzazione dei dati consente anche una maggiore condivisione dei dati tra diversi reparti e silos di dati. Con una maggiore condivisione dei dati, i dipendenti possono esplorare dati con cui potrebbero non avere familiarità per favorire una maggiore comprensione e accrescere la curiosità. I dati provenienti da domini diversi potrebbero non essere presentati nello stesso modo o utilizzare la stessa terminologia o calcolare le metriche in modo uniforme. L'esposizione a queste differenze espande l'alfabetizzazione. Facilita anche maggiori discussioni tra domini sui dati, mettendo in discussione le ipotesi e aumentando l'apprendimento.

Mentre la democratizzazione dei dati può avere un impatto positivo sulla data literacy, senza una formazione efficace, il sistema potrebbe crollare. Proprio come la democrazia come forma di governo non funziona bene con un elettorato non istruito, anche la democratizzazione dei dati richiede istruzione e formazione. I lavoratori data literate dovrebbero comprendere le basi della statistica. Dovrebbero comprendere i concetti di media, mediana e deviazione standard. Devono comprendere la differenza tra correlazione e causalità e segnale vs. rumore.

Un maggiore accesso e una formazione più adeguata insegnano ai dipendenti come raccontare storie con i dati. Con l'esperienza aziendale combinata con l'alfabetizzazione dei dati e l'accesso, i dipendenti possono usare i dati per guidare una narrazione che cambia le menti e guida il progresso. È qui che si crea un valore aziendale significativo poiché le risorse possono essere investite in modo più efficace per guidare una maggiore performance aziendale.

Cambiare la mentalità dei dipendenti e fornire loro gli strumenti per ottenere prestazioni migliori li rende anche più felici e più propensi a restare nella loro azienda. Una ricerca di Tableau ha scoperto che l'80% dei dipendenti ha maggiori probabilità di restare in un'azienda che offre programmi di data skilling.

Con un accesso maggiore, i dipendenti possono essere ispirati a imparare di più, accrescere la propria base di conoscenze e guidare ancora più esplorazione e comprensione. Questo ciclo di feedback porta a conoscenza, alfabetizzazione, decisioni migliori, innovazione e valore aziendale più elevato.

L'alfabetizzazione sui dati supporta l'alfabetizzazione sull'intelligenza artificiale.

Con l'emergere di ChatGPT, la capacità dell'IA generativa ha raggiunto il mainstream, ma abbiamo ancora molta strada da fare per capire il modo migliore per implementarla per guidare l'efficienza gestendo al contempo il rischio. Per raggiungere il suo pieno potenziale è necessaria una maggiore alfabetizzazione dell'IA.

L'alfabetizzazione AI è l'espansione dell'alfabetizzazione dati. Come l'alfabetizzazione dati, l'alfabetizzazione AI consiste nell'avere le capacità e le competenze necessarie per utilizzare applicazioni e tecnologie AI in modo efficace. Mentre l'alfabetizzazione AI include competenze professionali aggiuntive, inizia nello stesso posto dell'alfabetizzazione dati con capacità di pensiero critico.

Poiché l'IA è ancora una tecnologia relativamente nuova, esiste una grande confusione su come funziona e di cosa è capace. L'alfabetizzazione dell'IA richiede la comprensione di base di come funziona l'IA. Questo potrebbe non includere la matematica e le statistiche sofisticate che guidano gli algoritmi, ma i lavoratori alfabetizzati sui dati devono comprendere i concetti alla base dei modelli.

Comprendere concetti come reti neurali, alberi decisionali e regressione lineare e conoscere i punti di forza e di debolezza di ogni approccio nella risoluzione di problemi specifici sono abilità importanti da apprendere per diventare più alfabetizzati. Non devi essere in grado di costruire un modello di regressione lineare, ma è importante capire di cosa è capace e cosa non lo è.

Come la data literacy, anche la AI literacy richiede ai dipendenti di comprendere come i dati vengono raccolti ed elaborati e come ciò influenza l'output. Il ruolo dei dati sintetici è un altro concetto importante di cui essere consapevoli.

Anche comprendere dove i modelli di IA sbagliano è fondamentale per essere esperti di IA. Avere una solida conoscenza di come identificare i pregiudizi nei modelli per garantire che vengano utilizzati in modo etico è importante per implementazioni efficaci. I modelli di IA sono in continua evoluzione e apprendimento. In alcuni casi, i nuovi dati possono causare la deriva dei modelli e il degrado delle prestazioni. I dipendenti esperti di data dovrebbero comprendere questo rischio.

I dipendenti che hanno una buona conoscenza dei dati saranno in grado di vedere oltre i tipici casi d'uso dell'IA e di innovare. I dipendenti con una buona conoscenza dei dati possono diventare esperti di IA e imparare come scalare il valore che apportano e aumentare la loro produttività. Una sana dose di scetticismo sulla qualità dei dati è fondamentale per garantire che i modelli di IA non commettano grandi errori o amplifichino i pregiudizi. I dipendenti con una buona conoscenza dei dati possono comprendere la qualità e le sfumature dei dati utilizzati per addestrare i modelli di dati e interpretare i loro comportamenti e output.

Democratizzazione dei dati e alfabetizzazione dell'intelligenza artificiale

Man mano che l'intelligenza artificiale diventa più comune, sarà molto importante che le persone siano in grado di tenerla sotto controllo. Per garantire che l'intelligenza artificiale funzioni correttamente, più dipendenti alfabetizzati in materia di dati e intelligenza artificiale hai nella tua organizzazione, minore è il rischio che l'intelligenza artificiale commetta grandi errori. Con la maggior parte dei dipendenti che comprende come funziona l'intelligenza artificiale e che ha a disposizione strumenti e dati di test e integrati nei flussi di lavoro, ciò rappresenterà un fattore di differenziazione competitiva nell'era emergente dell'intelligenza artificiale. Se ogni dipendente può testare un modello ogni volta che ottiene un output che sembra un po' fuori posto, il potenziale che l'intelligenza artificiale commetta grandi errori sarà ridotto.

Il modo in cui gli esseri umani e le macchine interagiscono con i dati e lavorano insieme avrà un impatto profondo sulle prestazioni delle organizzazioni competitive. Minori sono le barriere e gli attriti tra persone e macchine, maggiori sono le opportunità di collaborare sui dati e guidare una maggiore performance organizzativa.

Mentre la democratizzazione dei dati può aumentare la produttività del tuo tipico dipendente, può anche avvantaggiare gli scienziati dei dati altamente qualificati. Gli scienziati dei dati possono migliorare le prestazioni dei loro modelli con set di dati discreti che possono risiedere nell'organizzazione. In molti casi, quando i dati non sono democratizzati, l'accesso ai dati in altri silos di dati richiede autorizzazione e competenze di ingegneria dei dati. Senza una strategia di democratizzazione dei dati abbinata a una strategia di scoperta dei dati, gli scienziati dei dati potrebbero non sapere nemmeno che esiste un set di dati che potrebbe migliorare il loro modello. Senza accesso a tutti i dati, gli scienziati dei dati potrebbero ricorrere a set di dati scadenti con errori o pregiudizi che possono degradare una strategia di intelligenza artificiale.

Promuovere l'intelligenza artificiale e l'alfabetizzazione dei dati

Integrare la democratizzazione dei dati, l'alfabetizzazione e la formazione nella tua cultura porterà a risultati migliori. Un facile accesso alla formazione è un modo semplice per aiutare a guidare l'alfabetizzazione dei dati e dell'IA. Sebbene richieda un investimento leggermente maggiore, implementare una strategia di democratizzazione dei dati per consentire un facile accesso ai dati consente ai dipendenti di utilizzare le proprie competenze per contribuire a migliorare le prestazioni aziendali. Per rafforzare la tua cultura dei dati, incoraggiare gli scienziati dei dati più esperti ad assumere ruoli di leadership nel guidare una maggiore alfabetizzazione ha pensato all'organizzazione. Facilitare le chat sui dati e stimolare la discussione e gli esercizi di narrazione dei dati può aiutare a creare fiducia nella comprensione dei dati e dell'IA.