NetApp IT sta sbloccando la potenza dell'analisi AI

In NetApp, non stiamo solo parlando di AI, ma la stiamo esplorando, testando e implementando attivamente per risolvere problemi di business reali. Mentre il clamore attorno all'AI generativa continua a crescere, stiamo adottando un approccio più mirato, identificando casi d'uso ad alto impatto e ottenendo risultati significativi in tutto il nostro ecosistema di dati. Ecco come l'IT di NetApp si approccia all'analisi AI e cosa abbiamo imparato.

L'AI generativa incontra i dati strutturati

Una delle nostre prime sfide è stata consentire interazioni basate su chat con i documenti in NetAIChat, il nostro strumento interno di intelligenza artificiale generativa. Gli utenti potevano caricare file—Word, PowerPoint, Excel—e porre domande su di essi. Ha funzionato bene per la maggior parte dei formati, ma Excel ha posto un problema unico: i modelli di intelligenza artificiale generativa hanno difficoltà con i numeri.

Invece di arrenderci, abbiamo cambiato strategia. Abbiamo sostituito l'interpretazione del linguaggio naturale con una nuova funzionalità: Text-to-SQL. Quando un utente carica dati strutturati, il sistema traduce la sua domanda in query SQL. Il risultato? Analisi accurate e utilizzabili a partire da fogli di calcolo e file strutturati che in precedenza non venivano interpretati correttamente dai grandi modelli linguistici (LLM). 

Accesso basato sull'intelligenza artificiale al nostro data warehouse

Il passo successivo è stato sbloccare insight dal nostro data warehouse aziendale, ospitato su Snowflake. Anziché affidarci ad analisti umani per generare report, stiamo costruendo un sistema in cui l'AI determina i dati necessari per rispondere a una domanda e genera risposte al volo. Ad esempio, una richiesta come “Mostrami le prenotazioni in Germania per Product X nell’ultimo trimestre” non richiederebbe più un ticket e tempi di risposta: potrebbe essere gestita in pochi secondi.

L'obiettivo non è solo la velocità; è la scala. Vogliamo permettere ai nostri analisti di concentrarsi sul lavoro strategico, non sulla creazione manuale di report.

Analisi in real-time e guardrail del mondo reale

Sebbene la reportistica storica sia preziosa, c'è una crescente domanda di informazioni in real-time da sistemi transazionali come sales e supply chain. Attualmente stiamo valutando come integrare AI con questi sistemi senza compromettere la sicurezza o i controlli degli accessi.

La sicurezza è una preoccupazione fondamentale. Non stiamo solo guardando a quali dati è possibile accedere; ci assicuriamo che solo le persone giuste possano accedervi. L'AI generativa deve rispettare le autorizzazioni dei dati proprio come qualsiasi altro sistema aziendale. Ciò significa nessuna scorciatoia guidata dall'AI per le informazioni sensibili.

Verso l'intelligenza predittiva

NetApp investe anche nel machine learning tradizionale per casi d'uso come la pianificazione della capacità e il rilevamento di ransomware. Qui, i dati storici vengono utilizzati per addestrare modelli per prevedere il comportamento futuro, come l'identificazione dei primi segnali di allarme di ransomware in base all'attività anomala del sistema.

Questi modelli richiedono competenze specialistiche e un'attenta supervisione, ma integrano i nostri sforzi di AI generativa. Insieme, ci aiutano a rispondere a “cosa è successo?” e “cosa è probabile che accada dopo?”

Il ruolo della governance—e del realismo

Abbiamo anche istituito un comitato per la governance dell'AI per garantire che utilizziamo queste tecnologie in modo responsabile. Questo comitato è cresciuto organicamente e ora lavora con la leadership esecutiva per dare priorità ai casi d'uso che offrono un valore di business tangibile, non solo esperimenti scientifici.

Una delle maggiori sfide che abbiamo riscontrato è la gestione delle aspettative. I dirigenti spesso vogliono risposte basate sull'intelligenza artificiale con lo stesso livello di precisione dei report generati dall'uomo. Ma l'AI generativa non è progettata per una precisione del 100%. È più adatta per approfondimenti ad hoc, brainstorming e supporto decisionale, non per report finanziari.

Mentre continuiamo a sviluppare strumenti di AI, stiamo perfezionando modi per migliorare la fiducia nelle risposte generate dall'AI, comunicando al contempo le loro limitazioni.

L'AI come elemento di differenziazione strategica

Credo che l'IA diventerà onnipresente come Internet, ma ci vorrà del tempo. Attualmente, NetApp è all'avanguardia, ma il settore si sta evolvendo rapidamente. Nell'anno fiscale 2026, la nostra priorità è raddoppiare gli sforzi sui casi d'uso comprovati, renderli operativi su larga scala e garantire investimenti in ciò che offre il maggior valore.

Il nostro CEO ha recentemente sottolineato in una comunicazione aziendale che "l'IA non è solo una tendenza. È una leva strategica per migliorare l'efficienza". In NetApp IT, stiamo trasformando questa visione in realtà. 

Per ulteriori informazioni, visita NetApp AI data management per applicazioni AI.