EPAM ha identificato due ostacoli chiave all'adozione più ampia. Il primo era la preparazione dei dati. Molte organizzazioni mancavano dell'infrastruttura necessaria per supportare soluzioni di IA a livello Enterprise. "È molto difficile scalare l'IA se i dati non sono pronti per questo", spiega Tikhomirov. "La creazione di piattaforme di dati e l'avvicinamento dei dati ai modelli di IA, modernizzando e semplificando i dati, sono stati un trend importante".
La seconda sfida era l'allineamento dell'organizzazione. In molti casi, le iniziative legate all'intelligenza artificiale erano guidate da team tecnici senza il pieno consenso degli stakeholder aziendali. "Se si interviene solo su una parte di un processo con l'IA, non necessariamente si accelera l'intero processo", afferma Tikhomirov. "In questi casi, il ritorno sull'investimento è meno tangibile".
EPAM ha passato l'anno ad aiutare i clienti a colmare queste lacune fondamentali. Questo ha comportato anche la correzione dei patrimoni di dati, la gestione della conformità e l'allineamento dei team interni su obiettivi condivisi.