4 idee per la resilienza e la crescita nel 2023, dal MIT Sloan Management Review | MIT Sloan

Con il parlare di recessione nell’aria, le aziende devono concentrarsi sulla resilienza e sull’agilità prima che le realtà economiche le costringano a intraprendere azioni drastiche. Gli ultimi approfondimenti da Revisione della gestione dello Sloan del MIT evidenziare i modi più efficaci per guidare le organizzazioni in mezzo all’incertezza economica e per consentire ai team di aiutare a trovare le giuste opportunità per innovare. Ci sono anche buoni consigli per le organizzazioni che cercano di ottenere il massimo dagli investimenti nell’intelligenza artificiale.

3 modi per guidare in mezzo all’incertezza economica

In media, gli economisti stimano la possibilità di recessione nel 2023 al 63%. Molti leader possono aspettarsi il peggio. Non dovrebbero: Il top performer durante la Grande Recessione è riuscita a far crescere i guadagni del 17% all’anno, in gran parte riconoscendo che l’interruzione dello status quo è l’unico modo in cui l’azienda resisterà e prospererà.

Ci sono tre modi fondamentali per gestire l’incertezzasecondo il docente senior del MIT Sloane il coautore Charles Sull. Il lato positivo è che, se implementati correttamente, questi approcci possono lasciare un’organizzazione più forte quando l’economia si riprende.

Resilienza aiuta ad attenuare il colpo di uno shock economico. Ciò può assumere molte forme: la diversificazione, l’accesso a denaro esterno, i bassi costi fissi e i clienti in mercati tradizionalmente a prova di recessione come l’istruzione e la sanità aiutano tutti. Lo stesso vale per la capacità di vendere asset non fondamentali o licenziare il personale senza compromettere le prestazioni.

Agilità locale consente alle funzioni indipendenti dell’azienda (dipartimenti, aree geografiche, team di prodotto e così via) di rispondere ai cambiamenti che li riguardano direttamente. Lasciare che i team in prima linea prendano decisioni sull’allocazione delle risorse aiuta l’azienda a muoversi rapidamente e ad adattarsi alle circostanze locali. Fondamentalmente, questo approccio dipende da una chiara comunicazione delle priorità aziendali da parte del livello dirigenziale.

Agilità del portafoglio consente a un’azienda di spostare le risorse all’interno dell’organizzazione. È importante evitare tagli netti e generalizzati, poiché le iniziative promettenti perderanno risorse nel momento esatto in cui un’azienda può capitalizzare un’opportunità di innovazione. Invece, i leader dovrebbero cercare i colli di bottiglia in cui i vincoli delle risorse stanno limitando la capacità di raggiungere le priorità strategiche.

Leggi: Preparare la tua azienda per la prossima recessione

Come gestire i team che cercano “fuori” i modi in cui un’azienda può innovare

Il successo dei lanci di prodotti e gli sforzi di vendita dipendono dalla comprensione di fattori esterni come le esigenze dei clienti e le minacce della concorrenza. Per quasi due decenni si sono formate organizzazioni lungimiranti x-team a valutare il panorama esterno prima di fissare obiettivi aziendali o allocare risorseadottando un mantra che il professore del MIT Sloandescrive come “esci prima di entrare”.

Il lavoro di un x-team consiste in tre attività principali e si svolge in tre fasi. Le tre attività sono:

  • Creazione di senso: Imparare dagli stakeholder esterni su mercati, tecnologie, clienti e altre tendenze competitive, oltre a cercare potenziali partner.
  • Ambasciatore: Incontro con la dirigenza senior per ottenere consenso e risorse per il lavoro dell’x-team e per allineare i risultati del team con obiettivi organizzativi più ampi.
  • Coordinamento delle attività: Gestire le persone sia all’interno che all’esterno dell’organizzazione che forniscono valore all’x-team, coordinare la frequenza con cui il team si riunisce e determinare come il team presenterà i propri risultati.

Nel frattempo, le tre fasi sono:

  • Esplorazione: Costruire reti e raccogliere input dal maggior numero possibile di parti interessate.
  • Sperimentazione ed esecuzione: Provare soluzioni diverse per il nuovo prodotto, processo o idea.
  • Esportazione: Trasferire il lavoro dell’x-team a coloro che all’interno dell’organizzazione possono eseguirlo.

Questo approccio porta tre vantaggi principali alle grandi organizzazioni, scrivono Ancona e il coautore Henrik Bresman: supporta forme operative più agili, consente il cambiamento a piccole dosi e aiuta a identificare e sviluppare leader a tutti i livelli dell’organizzazione.

Leggi: Capovolgi le tue squadre

I vantaggi della creazione di modelli di intelligenza artificiale da set di dati più piccoli

Molti settori industriali hanno difficoltà ad addestrare modelli di intelligenza artificiale a causa della scarsità di dati di addestramento etichettati. Ad esempio, anche un grande ospedale con milioni di cartelle cliniche probabilmente ha solo una manciata di cartelle etichettate come “morte cardiaca improvvisa”. Ciò rende difficile costruire modelli per prevedere il rischio di morte di un paziente, anche se sarebbe un calcolo molto prezioso da fare.

articoli Correlati

Fortunatamente, le reti neurali su cui si basa la maggior parte dei modelli di intelligenza artificiale offrono una soluzione, scrive il professore della pratica Sloan del MIT Questo perché le reti neurali imparano a rappresentare i dati e, a quanto pare, le rappresentazioni dei dati apprese nel processo di risoluzione di un problema possono essere applicate a un altro. Ciò rende possibile costruire modelli AI con set di dati più piccolipoiché un modello può riutilizzare le rappresentazioni dei dati come input anziché essere costretto a creare nuove rappresentazioni utilizzando set di dati molto più grandi.

Le organizzazioni che cercano di costruire modelli di intelligenza artificiale in questo modo possono adottare tre approcci. Il punto di partenza è trasferire l’apprendimento, che ripropone una rete neurale aggiungendo un nuovo livello di output e addestrando la rete sul nuovo output. Il passo successivo è apprendimento autocontrollato, che addestra una rete rimuovendo determinati input e costringendo la rete a imparare a prevedere quali erano gli input rimossi. Il passo finale è IA incentrata sui datiche raccoglie deliberatamente più dati di input dalle aree in cui è più probabile che si verifichino errori per migliorare le prestazioni di un modello.

Leggi: Come creare buone soluzioni di intelligenza artificiale quando i dati sono scarsi

Assicurati che i modelli di intelligenza artificiale si facciano strada nei prodotti di dati

L’addestramento dei modelli di intelligenza artificiale è una cosa; usarli è un altro. La sfida principale è che la maggior parte dei data scientist crea modelli che funzionano bene per i propri set di dati, ma non necessariamente per l’organizzazione in generale. Nella maggior parte delle organizzazioni, non viene implementato più del 20% dei modelli di intelligenza artificiale. Lavorare con altre parti interessate, integrare i modelli nei sistemi esistenti e modificare i processi aziendali in genere rappresenta un ostacolo.

Thomas H. Davenport del Iniziativa del MIT sull’economia digitale e il CEO di NewVantage Partners, Randy Bean, hanno parlato con Manav Misra, chief data and analytics officer di Regions Bank, del suo lavoro creare prodotti di dati che incorporino modelli di intelligenza artificiale per uso interno o esterno. Il processo è iniziato con l’identificazione di partner di prodotti di dati per gestire lo sviluppo del prodotto, con un occhio attento a come l’IA si allinea al meglio con le esigenze aziendali. Da lì, i partner di prodotti di dati hanno riunito team con una combinazione di esperienza incentrata sui dati e sui prodotti, tra cui la progettazione dell’interfaccia e lo sviluppo dell’infrastruttura.

L’obiettivo delle persone nei ruoli di partner di prodotto era quello di spostare l’organizzazione dal considerare i modelli di intelligenza artificiale come progetti una tantum a vederli come prodotti che richiedono un monitoraggio e un adattamento continui, ma che, a lungo termine, forniscono un valore significativo. Nel caso di Regioni, i prodotti di successo hanno incluso uno strumento di gestione delle relazioni con i clienti che ha aumentato le entrate e ridotto i costi associati all’attrito, nonché un modello per la valutazione del feedback dei clienti che consente di risolvere i problemi cinque volte più velocemente.

Leggi: Sviluppo di progetti di dati di successo presso Regions Bank



We would love to thank the writer of this short article for this incredible web content

4 idee per la resilienza e la crescita nel 2023, dal MIT Sloan Management Review | MIT Sloan


Discover our social media accounts as well as other pages that are related to them.https://lmflux.com/related-pages/