AI generativa: applicazioni attuali e prospettive future

AI generativa: un mercato in forte crescita

È passato quasi un anno da quando OpenAI ha rilasciato GPT-4, il suo modello di intelligenza artificiale (Artificial Intelligence, AI) più sofisticato e il “cervello” dietro ChatGPT, il rivoluzionario chatbot che ha ormai raggiunto una diffusione globale. Durante questo periodo, la capitalizzazione di mercato del settore tecnologico è aumentata in maniera dirompente: per citare l’esempio più eclatante, l’azienda Nvidia, che sviluppa chip utilizzati per addestrare e far funzionare modelli come GPT-4, lo scorso febbraio ha raggiunto una valutazione di mercato di circa 2 trilioni di dollari.

Tuttavia, le vendite di software di AI da parte delle grandi aziende tecnologiche rimangono limitate: ad esempio, nell’ultimo anno l’AI ha contribuito solo a circa un quinto della crescita dei ricavi di Azure, la divisione di cloud computing di Microsoft, mentre secondo gli analisti di mercato i ricavi di Alphabet (parent company di Google) e Amazon sono addirittura inferiori.

Per sostenere la crescita del mercato azionario legato all’AI, quindi, queste aziende dovranno invertire il trend, iniziando a generare ricavi significativi dalla vendita dei servizi di AI a seguito di un’adozione su larga scala di strumenti come ChatGPT da parte delle imprese.

Adozione dell’AI nelle aziende: a che punto siamo?

La storia mostra che ogni rivoluzione tecnologica che ha modificato radicalmente il lavoro d’ufficio ha richiesto del tempo prima che i corrispondenti benefici economici diventassero evidenti: nonostante l’entusiasmo iniziale, il PC ha iniziato ad avere effetti significativi sulla produttività almeno un decennio dopo la sua introduzione.

Analogamente, l’intelligenza artificiale potrebbe indurre cambiamenti altrettanto profondi, ma come le precedenti innovazioni tecnologiche potrebbe impiegare del tempo prima di evidenziare i suoi effetti. Molto dipenderà quindi dalla rapidità con cui si diffonderà all’interno delle aziende. Ma qual è la situazione attuale? Strumenti di AI generativa come ChatGPT, Alphabet Gemini o Microsoft Copilot sono utilizzati in modo sistematico nelle aziende, o sono piuttosto impiegati occasionalmente dai singoli dipendenti come supporto per attività lavorative specifiche?

Come riportato in un sondaggio di McKinsey, il 65% delle aziende a livello globale dichiara di aver adottato strumenti di AI generativa in almeno una funzione aziendale. Tuttavia, soltanto il 39% dei dipendenti afferma di utilizzarli regolarmente nelle attività lavorative.

Secondo l’ultimo Global AI Adoption Index di IBM, pubblicato lo scorso gennaio, il 42% delle aziende di grandi dimensioni (1.000 dipendenti) riferisce di aver implementato attivamente modelli di AI all’interno dei processi aziendali, mentre un ulteriore 40% è ancora in fase di esplorazione o sperimentazione.

Lo scenario è simile se consideriamo l’Italia. Uno studio realizzato su 500 aziende italiane da Minsait (società specializzata negli ambiti IT e trasformazione digitale) insieme all’Università Luiss, ha evidenziato che il 52% delle imprese ha già lanciato sperimentazioni su strumenti di AI, ma che soltanto il 22% ha predisposto un piano di sviluppo per integrarli all’interno dell’azienda.

Secondo un sondaggio di Deloitte, il 40% delle aziende intervistate prevede di investire in soluzioni di AI nei prossimi tre anni, principalmente al fine di ridurre i costi, migliorare i processi decisionali, migliorare prodotti e servizi esistenti. Tuttavia, soltanto il 26% ha attualmente un livello elevato di maturità implementativa (inteso come numero di sistemi AI implementati e tempo di utilizzo dell’AI nel contesto aziendale).

Eppure, per le imprese italiane che hanno integrato tecnologie di AI i benefici si fanno già sentire: una ricerca di Amazon AWS ha rilevato che l’88% delle aziende ha aumentato l’efficienza, il 75% ha semplificato l’innovazione e il 75% ha migliorato l’esperienza per i clienti.

AI generativa: possibili applicazioni

La velocità con cui gli strumenti di AI generativa si diffonderanno all’interno delle aziende dipenderà dalla capacità di queste ultime di individuare applicazioni in grado di creare valore, principalmente in termini di aumento di produttività.

In generale, i casi d’uso dell’AI generativa possono essere suddivisi in tre categorie principali:

1. Applicazioni “di facciata”: funzionalità che non incidono in maniera significativa sull’esperienza d’uso del prodotto o servizio, ma che vengono sviluppate dalle aziende per apparire più all’avanguardia. Un esempio è “AI DJ”, un DJ virtuale lanciato da Spotify che personalizza le playlist degli utenti con commenti dinamici generati dall’AI.
2. Applicazioni su attività che richiedono competenze medio-basse: ad esempio, nelle attività legate al servizio clienti gli strumenti di AI possono rispondere a domande comuni in modo efficiente. Diversi provider di servizi internet e telefonia utilizzano questi strumenti per gestire più rapidamente le richieste di assistenza.
3. Applicazioni su attività ad alto valore aggiunto: l’uso di strumenti di AI a supporto dei lavoratori con le competenze più elevate e con esigenze complesse è ancora limitato, ma comunque in crescita. L’AI viene ad esempio usata nella consulenza legale, per la due diligence e l’analisi dei contratti, nelle banche di investimento, come supporto agli analisti finanziari, e persino nello sviluppo software: GitHub Copilot di Microsoft, uno strumento di scrittura di codice basato sull’AI, conta 1,3 milioni di abbonati.

Adozione dell’AI: sfide ed opportunità

Nonostante le dichiarazioni di interesse ad investire in strumenti di AI, l’adozione di questa tecnologia da parte delle aziende deve superare alcuni ostacoli.

Molte aziende si stanno scontrando con la mancanza di competenze ed esperienza in ambito AI all’interno della propria forza lavoro (in Italia, solo il 20% delle imprese riesce facilmente ad assumere profili con le competenze digitali necessarie). Le paure di un’apocalisse di posti di lavoro causata dall’AI sembrano dunque infondate, soprattutto considerando che l’AI generativa sta creando nuovi tipi di lavoro: ad esempio, aziende di diversi settori sono alla ricerca di “prompt engineering“, figure deputate a formulare le richieste ai chatbot in modo da ottenere risposte precise ed accurate.

La prudenza delle aziende rispetto all’adozione dell’AI deriva inoltre da timori relativi alla complessità e frammentazione dei loro dati, percepite come eccessive per poter essere utilizzate da modelli di AI, e a preoccupazioni legate alla sicurezza dei dati aziendali.

C’è infine un elemento legato alla maturità dei modelli di AI: se da un lato alcune applicazioni hanno già dimostrato effetti positivi sulla produttività, dall’altro non sono infrequenti i casi in cui tali strumenti mostrano dei limiti evidenti in termini di affidabilità e qualità dell’output. Un caso emblematico è quello di Air Canada, che recentemente ha subito un danno di reputazione a causa di informazioni errate fornite dal suo chatbot ad un passeggero sulla politica di rimborso della compagnia.

I timori delle aziende rispetto all’adozione dell’AI sono comprensibili, ma non devono frenare l’innovazione tecnologica. Ogni nuova tecnologia necessita di tempo per maturare e conquistare la fiducia degli utenti, e l’AI generativa non fa eccezione. Gli investimenti continui da parte di giganti tecnologici come Microsoft, Alphabet e Amazon, insieme alla crescente adozione da parte di aziende di diversi settori, suggeriscono che siamo solo agli inizi di una trasformazione significativa.