Che cosa possiamo aspettarci dall’AI nelle aziende per il 2025

L’entusiasmo iniziale per l’IA, quest’anno, si è placato e le aspettative sono diventate più realistiche [in inglese]. Ciò è particolarmente vero per le implementazioni aziendali, in quanto le capacità dei modelli esistenti, unite alla complessità di molti flussi di lavoro aziendali, hanno portato a progressi più lenti di quanto molti si aspettassero. Al centro di tutto questo c’è la consapevolezza di molti utenti aziendali che non c’è I nell’AI – almeno finora. I modelli linguistici di grandi dimensioni (LLM) sono ottimi nell’individuare modelli in tutti i tipi di dati, e poi a creare artefatti in risposta alle richieste degli utenti che corrispondono a questi modelli. Ma questa non è intelligenza in senso umano. La propensione dei LLM a inventare informazioni plausibili ma imprecise ne è la prova.

Nonostante queste limitazioni e le preoccupazioni dei CIO sui costi dell’AI, quest’anno sono stati compiuti progressi reali e possiamo aspettarci di vederli crescere ulteriormente nel 2025. Vedo che questo si concretizza in 5 aree chiave.

Aumentare i dipendenti, non sostituirli

Che si tratti di tagliare i costi, innovare nuovi prodotti e servizi o migliorare la customer experience, la costruzione di un vantaggio competitivo è al centro della maggior parte delle implementazioni tecnologiche, e l’AI non è diversa. Tuttavia, l’ampia disponibilità di LLM, aperti e chiusi, e degli strumenti per implementarli, mette l’AI è a disposizione di tutte le imprese. Come la rivoluzione dei PC degli anni ‘80 e ‘90, e l’ascesa del cloud computing e del SaaS nei primi anni 2000, quando tutti hanno accesso agli stessi strumenti è il modo in cui vengono utilizzati che conferisce un vantaggio competitivo.

Con l’AI, questo significa aumentare la base di competenze esistenti e sfruttare le risorse umane. Le aziende che considerano l’AI come un sostituto dei lavoratori qualificati ed esperti, prenderanno la strada sbagliata. La conoscenza dei dipendenti dei prodotti, dei processi e dei mercati in cui operano e dei clienti a cui vendono è spesso non codificata e tacita. Supponendo che una tecnologia possa catturare questi elementi, fallirà come molte “soluzioni” di gestione della conoscenza negli anni ‘90, cercando di raggiungere l’impossibile. Michael Hobbs, fondatore della piattaforma per il trust e la compliance isAI, concorda. “Si possono ottenere risposte rapide dai sistemi di intelligenza artificiale”, afferma. “Ma i CIO devono chiedersi se si tratta di risposte valide e se stanno facendo crescere la base di competenze all’interno dell’azienda, accrescendola con gli strumenti, o se la stanno fondamentalmente riducendo”.

Se le preoccupazioni sulla saturazione degli LLM sono corrette, possiamo aspettarci rendimenti decrescenti da ogni GPU aggiuntiva utilizzata per creare nuovi modelli. In questo scenario, l’utilizzo dell’IA per migliorare le capacità dei dipendenti, basandosi sulla base di conoscenza esistente, sarà fondamentale.

Concentrarsi sulle risorse di dati

Sulla base del punto precedente, nel 2025, le risorse di dati di un’azienda e i suoi dipendenti diventeranno sempre più preziosi. I Foundation Model (FM), per loro stessa natura, sono basati su un’ampia gamma di dati raccolti e reperiti da più fonti pubbliche. La scala di questa formazione li rende capaci di fornire risposte a domande generali, ma limita il loro valore alle esigenze specifiche della maggior parte delle aziende. La Retrieval Augmented Generation (RAG) offre un percorso per combinare i dati proprietari con le capacità di un LLM per ottenere risultati più mirati e pertinenti. Forrester prevede che i servizi RAG diventeranno un’offerta chiave per la maggior parte dei fornitori di cloud nel 2025, offrendo alle aziende una scelta più ampia di fornitori e, probabilmente, offerte a prezzi competitivi.

Per beneficiare di questa più ampia gamma di servizi RAG, le imprese devono assicurarsi che i loro dati siano pronti per l’AI. Ciò comporta le attività prosaiche ma essenziali di una buona gestione delle informazioni: pulizia dei dati, deduplicazione, convalida, strutturazione e verifica della proprietà. Anche il software di governance dell’AI diventerà sempre più importante in questo processo, con Forrester che prevede che la spesa per le soluzioni off-the-shelf sarà più che quadruplicata entro il 2030, raggiungendo quasi 16 miliardi di dollari.

Quanto prima le aziende identificheranno le risorse di dati di tutta l’azienda, adotteranno un approccio creativo al loro utilizzo e le porteranno nella condizione di essere pronte per l’AI, tanto prima saranno in grado di trarre vantaggio dai nuovi servizi RAG in arrivo nel 2025.

Controllo dei costi

Secondo Gartner, oltre il 90% dei CIO intervistati nel 2024 riteneva che la gestione dei costi limitasse la capacità di ottenere valore per l’azienda dagli investimenti nell’AI. Una parte della soluzione, sostiene Gartner, consiste nel calcolare come i costi si scaleranno prima di effettuare implementazioni diffuse. In caso contrario, i loro calcoli potrebbero subire un aumento di errore dal 500% al 1.000%. Nel 2025, possiamo aspettarci di vedere condizioni migliori per il calcolo di questi costi da parte di aziende come Gartner, IDC e Forrester, che si basano sulle loro crescenti basi di conoscenza derivanti dalle prove di concetto e dalle prime implementazioni.

Con lo sviluppo delle offerte di AI da parte dei fornitori di cloud come Microsoft Azure, AWS e Google Cloud, nel 2025, possiamo aspettarci di vedere prezzi più competitivi che potrebbero aiutare a tenere sotto controllo i costi per le aziende. Tuttavia, ciò dipenderà dalla velocità di costruzione di nuovi data center pronti per l’AI rispetto alla domanda. McKinsey ha calcolato che la domanda globale di capacità dei data center potrebbe aumentare a un tasso annuo compreso tra il 19% e il 22% dal 2023 al 2030. L’approvvigionamento di elettricità sufficiente per alimentare questi nuovi centri continuerà a limitare la domanda nel 2025 e oltre.

Misurare il ROI dell’AI

Man mano che la complessità dell’implementazione dell’IA in azienda diventerà più evidente nel 2025, cresceranno anche le preoccupazioni sul ROI. Tuttavia, potremmo aspettarci di vedere un approccio più sfumato al calcolo del ROI nel prossimo anno. Misurare l’impatto delle nuove tecnologie da una prospettiva finanziaria e di produttività è stata una sfida per molti anni. Nel 1987, il premio Nobel per l’economia Robert Solow ha detto: “L’era del computer si vede ovunque, ma non nelle statistiche sulla produttività”.

Ciò continuerà ad essere vero nel 2025, quando i manager lotteranno per quantificare i benefici dei loro investimenti nell’AI. Parte del problema è la mancanza di standard comuni per misurare i rendimenti. I costi sono relativamente facili da calcolare, in quanto possono essere ridotti a un importo in dollari e confrontati con gli anni precedenti. Tuttavia, dare un valore ai miglioramenti qualitativi dei risultati dei lavoratori grazie all’AI presenta maggiori sfide. Come per il calcolo dei costi di implementazione dell’AI, nel 2025 emergeranno nuovi framework per aiutare i manager a misurare il valore dei loro investimenti. Questi andranno oltre i KPI tradizionali e dovranno incorporare misure come i livelli di soddisfazione dei clienti, il miglioramento del processo decisionale e l’accelerazione dei processi di innovazione.

Evitare l’irrilevanza

La natura trasformativa dell’attuale ondata di prodotti AI minaccia i modelli di business di molte aziende, nello stesso modo in cui Internet ha minato e poi allontanato aziende come Blockbuster, Borders e HMV. Il concetto di dilemma dell’innovatore di Clayton Christensen spiega come le aziende ben gestite e di successo possano essere rese obsolete da nuovi player che sfruttano le nuove tecnologie e le pratiche commerciali in modo innovativo. Quest’anno abbiamo visto il gigante dell’istruzione online Chegg perdere il 99% del suo valore di mercato, pari a 14,5 miliardi di dollari, dopo che gli studenti sono passati all’aiuto gratuito di ChatGPT per i compiti, piuttosto che pagare 19,95 dollari al mese per un servizio in abbonamento.

Possiamo aspettarci di vedere esempi simili, ma forse non così drammatici, nel 2025. Questi saranno presenti in diversi settori, tra cui il marketing, l’editoria, l’intrattenimento e l’istruzione, sia in ambienti B2C che B2B. La sfortuna di Chegg dovrebbe essere un campanello d’allarme per tutte le aziende, ma può anche essere vista come un’opportunità per molti. La pianificazione dello scenario dovrebbe essere una priorità, sulla falsariga di un’analisi SWOT, che è un buon punto di partenza: quali sono i punti di forza della tua azienda che possono capitalizzare i vantaggi dell’AI, e come potrebbero influire le opportunità e le minacce esterne?

Il prossimo anno sarà impegnativo sotto molti aspetti. Dal punto di vista aziendale, il cambiamento guidato dall’AI non farà che accelerare, anche se in modo lento e costante. L’accessibilità di così tanti modelli e la loro crescente integrazione nelle applicazioni esistenti significa che sono disponibili per qualsiasi azienda che desideri adottarli. Il modo in cui vengono implementati e utilizzati per integrare i punti di forza e le risorse di dati aziendali esistenti, nonché allineati agli obiettivi strategici, separerà i vincitori dagli altri.