6 dure verità sull’AI generativa in azienda

Con i suoi tassi di adozione oggi alle stelle, l’AI generativa sta suscitando, all’interno delle aziende, una miriade di sentimenti, che vanno dall’eccitazione alla preoccupazione.

Secondo un sondaggio che McKinsey [in inglese] ha realizzato nel maggio scorso su scala globale, l’intelligenza artificiale generativa è utilizzata, oggi, dal 65% delle aziende, quasi il doppio rispetto a quanto era emerso nel precedente, analogo, studio condotto dall’azienda 10 mesi fa. E, a questo aumento si accompagna anche una proliferazione di casi d’uso [in inglese].

Come per altri modelli di adozione tecnologica del passato, la maggior parte delle tipologie di utilizzo si concentrano in aree che offrono vantaggi tattici, come il miglioramento dei processi esistenti e la riduzione dei costi, dice Jim Rowan, director di Deloitte Consulting. Questo approccio aiuta a trarre valore dai “frutti poco interessanti”, mentre si costruisce la conoscenza, l’esperienza e la fiducia nei confronti della nuova tecnologia, afferma il manager.

Tuttavia, le imprese si trovano in fasi molto diverse di utilizzo della GenAI. Alcuni early adopter stanno ora scalando i progetti pilota verso la produzione [in inglese], collegando più casi d’uso insieme per mostrare benefici tangibili in termini di efficienza. Altri hanno investito nella fluidità, provando alcuni proof-of-concept e cercando di adottare la tecnologia AI incorporata in software di terze parti, osserva Rowan. In altri casi, si preferisce adottare un approccio attendista.

Mentre le aziende cercano di capire come passare dall’apprendimento all’avvio di progetti pilota, fino a ciò che può rivelarsi veramente trasformativo, vale a dire l’implementazione su larga scala, ecco sei crude verità sull’intelligenza artificiale generativa che i leader IT hanno raccolto finora.

1. Le competenze tecniche: barriera numero 1 all’adozione

Le aziende che hanno dichiarato un alto livello di competenza nell’AI (33%) tendono a sentirsi più positive riguardo al suo sottoinsieme generativo, ma anche loro provano una certa ritrosia nell’adottare la tecnologia, considerando la GenAI come una minaccia al loro modello di business, secondo quanto si legge in un rapporto di Deloitte sull’AI generativa [in inglese].

“Ciò rivela come anche anche le aziende che si considerano ben preparate in materia di AI si stiano preparando a potenziali venti contrari”, spiega Rowan.

Di conseguenza, anche i leader IT che dichiarano alti livelli di competenza sull’AI all’interno dei loro team, stanno ripensando le strategie di acquisizione dei talenti [in inglese], con l’upskilling che gioca un ruolo fondamentale [in inglese] nel tentativo di colmare i gap di competenze nella tecnologia.

2. L’impatto della GenAI sui risultati è ancora lontano

Pur notando come la fase “della luna di miele” sia finita”, è probabile che in questo momento ci siano pochi progetti GenAI che generano un impatto sui risultati, secondo Aamer Baig, senior partner e global leader di McKinsey, che ha parlato delle dure verità della GenAI al MIT Sloan CIO Symposium di maggio.

Solo il 15% delle aziende intervistate da McKinsey ha in prospettiva di miglioramenti provenienti dalle iniziative GenAI, ha detto Baig. “Non tutti i casi d’uso sono uguali. Non sono molti quelli che, oggi, aggiungono valore”. Il manager suggerisce alle imprese di concentrarsi su “iniziative che risolvono problemi reali, tecnologicamente fattibili e con pochi rischi”.

Il rapporto Deloitte ha rilevato che il 48% delle aziende non si aspetta di vedere una trasformazione da GenAI prima di uno o tre anni.

“Mi sento come se fossimo in una grande fiera della scienza e stessimo progettando delle ipotesi e, in otto casi su dieci siano destinate al fallimento”.

– Marc Kermisch, responsabile globale per il digitale e l’informazione, CNH Industrial

CNH Industrial, che ha sede nel Regno Unito, è stata una delle prime aziende, nel novembre del 2023, ad adottare Copilot di Microsoft e a creare i propri modelli linguistici di grandi dimensioni (LLM), ricorda Marc Kermisch, global chief digital and information officer.

“Abbiamo sicuramente imparato che ci sono molti vincoli”, afferma il manager, aggiungendo come ‘non sia stata la panacea che tutti pensavamo’”.

Anche se ci sono stati degli aumenti di produttività, Kermisch si aspettava che fossero più significativi, per esempio in aree come l’elaborazione delle fatture. La GenAI è “principalmente quello che definisco uno strumento di sintesi delle informazioni”, tiene a precisare. Gli strumenti disponibili non sono stati, finora, per nulla efficaci nell’analisi finanziaria o numerica”, aggiunge.

Un altro problema è la proliferazione dei tool specifici e delle tecnologie che, secondo Baig, deve essere contenuta. Uno dei principali ostacoli alla realizzazione dell’IA generativa su scala è la presenza di troppe piattaforme”, ha detto.

“Non passa settimana senza che vi sia un altro nuovo strumento strabiliante per le sue capacità e il suo potenziale impatto futuro”, concorda David Higginson, responsabile dell’innovazione e vice president esecutivo del Phoenix Children’s Hospital. Ma, in questo momento, la GenAI “può essere eseguita solo da un piccolo numero di giganti della tecnologia, piuttosto che essere utilizzata a livello locale all’interno di un’organizzazione sanitaria”, rileva. “Pertanto, sembra che ci troviamo in uno stato di sospensione, in attesa che i vendor affermati forniscano soluzioni mature in grado di fornire il valore tangibile che tutti avevamo previsto”.

Higginson sostiene anche che emergeranno strumenti efficaci per risolvere i problemi reali degli operatori sanitari. Quando ciò accadrà, “costringerà le persone a prendere decisioni scomode tra tolleranza del rischio, costi, soddisfazione del fornitore e risultati per il paziente”, avverte.

3. Le questioni legali pongono l’IT in uno stato di limbo

I due fattori che Higginson ritiene stiano rallentando la fornitura di piattaforme su larga scala sono le incognite legali e normative legate all’affidarsi alla tecnologia [in inglese] e gli alti costi che derivano dall’essere un early adopter [in inglese].

“Mentre i rischi legali legati all’utilizzo di questa tecnologia rimangono oscuri, i costi del fornitore e la paranoia alimentata dai media di ‘sbagliare qualcosa’ rimangono elevati”, riflette. “Di conseguenza, molti amministratori scelgono di non essere il primo banco di prova di questa nuova e coraggiosa frontiera, soprattutto quando non hanno un’idea chiara di come funziona, e se non possono fornire agli avvocati alcuna garanzia sul suo effettivo funzionamento”.

Lo studio Deloitte ha rilevato che i problemi di conformità (28%) e di governance (27%) sono considerati ostacoli all’adozione dell’intelligenza artificiale. Meno della metà (42%) degli intervistati concorda sul fatto di aver preso tutte le necessarie precauzioni per governare l’adozione dell’AI generativa e mitigarne i rischi potenziali, sempre secondo quanto emerge dal rapporto.

Questo stato di cose dimostra una grande incertezza in termini di regolamentazione dell’AI, soprattutto per le organizzazioni globali che operano in più aree geografiche”, osserva Rowan. “Guardando al quadro generale, le difficoltà che il suo sottoprodotto generativo presenta in termini di governance aziendale e nel contesto dei rischi sono parallele alle omologhe della società in generale”.

Più della metà degli intervistati dello studio ha espresso la preoccupazione sul fatto che l’uso diffuso della GenAI accentri il potere economico globale (52%) e aumenti la disuguaglianza economica (51%).

In entrambi i campi, i potenziali benefici e i potenziali danni della tecnologia sono elevati”, sottolinea Rowan. “Le organizzazioni nazionali e i governi dovranno trovare un equilibrio per garantire che i benefici dell’AI generativa siano distribuiti in modo ampio ed equo, senza ostacolare eccessivamente l’innovazione o fornire un vantaggio ingiusto alle aziende con regole diverse”.

4. La gestione dei costi è un problema enorme

Facendo eco alle preoccupazioni di Higginson sui costi di implementazione dell’AI, Baig di McKinsey ha sottolineato come le organizzazioni debbano gestire i costi, prima che i costi gestiscano loro. Ciò è dovuto all’alta intensità di calcolo e all’elevata gestione del cambiamento che la GenAI richiede.

Ha anche raccomandato alle imprese di investire in queste aree il necessario per realizzare la trasformazione digitale, perché l’AI generativa richiederà cambiamenti nei flussi di lavoro, nei processi aziendali e nei nuovi KPI. Inoltre, occorre prendere in considerazione la formazione sui rischi e sulle hallucination, e mettere a disposizione un budget per la manutenzione continua, ha detto Baig.

Le barriere fondamentali all’adozione della GenAI sono la scarsità e il costo dell’hardware, dell’energia e dei dati necessari per addestrare i modelli, afferma Higginson. Con questa scarsità, è necessario dare priorità alle soluzioni che hanno un’attrattiva più ampia per la popolazione e che possono generare il maggior numero di entrate a lungo termine”, ha aggiunto.

Kermisch di CNH aveva grandi speranze che l’intelligenza artificiale generativa “potesse aiutarci a piegare le nostre curve di costo”, ma non è successo. Le piattaforme sono molto costose da implementare e più GenAI viene utilizzata, più diventa costoso, rileva.

Se potessi recuperare l’investimento in termini di produttività, sarebbe fantastico ma, ad oggi, non si traduce ancora in un rapporto uno a uno”, indica. CNH Industrial dispone di un numero limitato di licenze Copilot e l’IT le fa ruotare tra i dipendenti, che di solito sono entusiasti di utilizzare una nuova tecnologia.

Tuttavia, di solito entro 30 giorni, si assiste a una drastica diminuzione dei tempi di utilizzo”, osserva Kermisch. “C’è sicuramente il [fenomeno] del nuovo strumento scintillante. Dopodiché, aprono un foglio di calcolo Excel e provano a usare Copilot per poi rendersi subito conto di non poterlo usare”.

Copilot è efficace quando si utilizza il suggerimento giusto, aggiunge. “Più preciso è il prompt, meglio è”. Tuttavia, “dobbiamo ancora trovare un utente esperto che lo sappia utilizzare nel modo giusto”.

Brian Olsson, vice president e CIO di Briggs & Stratton, ha effettuato un rollout considerevole di Google Gemini e afferma che, oltre al fatto che il costo sarà un problema, la cosa più preoccupante è capire come monitorare l’adozione e l’utilizzo. Come Kermisch, anche Olsson è consapevole che ciò aiuterà l’IT a determinare se lo strumento è un buon investimento [in inglese].

L’aspetto cruciale dell’AI è che si evolve rapidamente e che stiamo cercando di essere agili e di distribuirlo cercando di vedere dove sono le efficienze”, dice. “Stiamo valutando i dati finanziari e il tasso di adozione, ma non stiamo ponendo così tanti ostacoli da rischiare di rimanere indietro”.

5. Ottenere i dati giusti è difficile

In questo momento, molte imprese hanno necessità di utilizzare dati di alta qualità, perché i modelli GenAI richiedono grandi quantità di dati accurati e pertinenti per funzionare in modo efficace.

Le aziende non dovrebbero concentrarsi sulla ricerca dei dati perfetti, perché si tratta di una “sfida enorme e scoraggiante”, ha detto Baig di McKinsey. In molte guardano ai dati dall’alto verso il basso e “finiscono per farli assomigliare a un enorme foglio di calcolo”, ha aggiunto. “Concentratevi su dati che vi aiutano con molteplici casi d’uso”.

Mentre la ricerca e lo sviluppo continuano a spingere l’ago della bilancia su ciò che può fare l’AI, “sappiamo che i dati sono un aspetto critico per abilitare le soluzioni di intelligenza artificiale e riconosciamo anche che molte aziende stanno scoprendo il lavoro necessario a costruire le giuste basi di dati per supportare le implementazioni di AI in scala”, riflette Rowan di Deloitte.

Kermisch di CNH afferma di aver imparato che la creazione di LLM utilizzando documenti o archivi di dati basati sul testo ha “un valore relativamente alto ed è relativamente facile da realizzare rapidamente”.

Alla fine, dice, i dirigenti di CNH credono che la GenAI avrà un impatto significativo sulla loro attività, ma sanno anche che i tempi non sono ancora maturi. Pensavamo di vedere enormi miglioramenti nella nostra capacità di progettare veicoli e di ridurre i costi automatizzando i compiti in pochi mesi”, dice Kermisch. “Niente di tutto questo si è realmente realizzato. Stiamo assistendo a risultati positivi, ma che riguardano una quantità di casi d’uso limitata”.

Di conseguenza, l’approccio che Kermisch sta adottando è quello di formare un gruppo di leader tecnologici sulla tecnologia e di collaborare con Microsoft per fornire una formazione a una base di dipendenti più ampia. “Stiamo incoraggiando la sperimentazione e consentendo ai team aziendali di uscire e imparare”, dice. “Mi sento come se fossimo in una grande fiera della scienza e stessimo progettando delle ipotesi, e otto su dieci falliscono. Che va anche bene, al momento, purché quei fallimenti avvengano rapidamente”.

6. È qui per restare

Nonostante le difficoltà di crescita, i leader IT riconoscono che la GenAI andrà lontano.

“Una cosa è certa: sarà un viaggio accidentato, con successi e fallimenti spettacolari, e non vedo l’ora di vedere come cambierà il settore nei prossimi 5-10 anni”, dichiara Higginson del Phoenix Hospital.

Michael Corrigan, CIO di World Insurance, evidenzia che mentre l’AI generativa è potente e si evolve molto rapidamente, la sua maturazione sta avvenendo con più lentezza. Inoltre, c’è molto clamore e confusione al riguardo, afferma.

“Sicuramente richiede una strategia e una roadmap da implementare correttamente per avere un impatto positivo sull’azienda, per essere in grado di migliorare le sue capacità e raggiungere i suoi obiettivi”, sostiene Corrigan.

Richiede anche che le aziende stabiliscano i casi di utilizzo e i relativi strumenti, perché lo shadow GenAI si sta insinuando [in inglese].

“Anche se un’azienda non ha lanciato un particolare strumento di AI, i dipendenti stanno usando ChatGPT e tutti i generi di tool di terze parti, perché li rendono più efficienti”, rileva Olsson di Briggs & Stratton. “La dura verità è che se non si inizia a dare loro degli strumenti, li troveranno da soli con tutto quello che ne consegue in termini di rischi per la sicurezza delle informazioni”.

Dave Pawlak, direttore esecutivo dell’IT di Consumers Energy, è d’accordo, affermando che l’AI deve essere implementata in modo sicuro [in inglese] “e non è facile come quello che il pubblico sta sperimentando con OpenAI o altri strumenti aperti di AI generativa”.

Tuttavia, anche con tutte queste dure verità, Kermisch, Pawlak, Baig e altri concordano sul fatto che ci sia un valore elevato nell’implementazione di GenAI in modo rapido, sicuro e su larga scala.

“Si passerà dalla sperimentazione all’adozione di massa”, ha detto Baig. “A differenza di altre fasi digitali, credo che siamo in un contesto nel quale sia necessario investire”, oltre a una migliore comprensione della tecnologia. “C’è un’opportunità incredibile di trarre vantaggio da questo stato di cose e ciò rende ancora più importante per i CIO il ruolo di guida in azienda”.