L’adozione dell’intelligenza artificiale sta maturando, ma rimangono ostacoli alla sua diffusione

L’IA ha superato la fase di sperimentazione per diventare una parte fondamentale delle operazioni aziendali, ma le sfide di implementazione persistono.

Una ricerca condotta da Zogby Analytics, per conto di Prove AI, mostra che la maggior parte delle organizzazioni è passata dal testare le acque dell’IA al tuffarsi a capofitto in sistemi pronti per la produzione. Nonostante questi progressi, le aziende sono ancora alle prese con problemi di base legati alla qualità dei dati, alla sicurezza e alla formazione efficace dei modelli.

I numeri sono piuttosto eloquenti. il 68% delle organizzazioni dispone di soluzioni di intelligenza artificiale personalizzate e in produzione. L’81% delle aziende sta investendo almeno un milione di euro all’anno in iniziative di IA. Circa un quarto sta investendo più di 10 milioni all’anno, a dimostrazione del fatto che siamo andati ben oltre la fase “sperimentiamo” per impegnarci seriamente e a lungo termine nell’IA.

Questo cambiamento sta rimodellando anche le strutture di leadership. l’86% delle organizzazioni ha nominato qualcuno a capo delle proprie attività di IA, in genere con il titolo di “Chief AI Officer” o simile. Questi leader dell’IA hanno ormai un’influenza quasi pari a quella degli amministratori delegati quando si tratta di definire la strategia: il 43,3% delle aziende afferma che è l’amministratore delegato a prendere le decisioni in materia di IA, mentre il 42% attribuisce questa responsabilità al capo dell’IA.

Ma il viaggio verso l’implementazione dell’IA non è tutto rose e fiori. Più della metà dei leader aziendali ammette che l’addestramento e la messa a punto dei modelli di IA sono stati più difficili del previsto. I problemi relativi ai dati continuano ad emergere, causando problemi di qualità, disponibilità, copyright e convalida dei modelli, compromettendo l’efficacia dei sistemi di IA. Quasi il 70% delle organizzazioni dichiara di avere almeno un progetto di IA in ritardo rispetto alla tabella di marcia, e i problemi con i dati sono i principali responsabili.

Man mano che le aziende prendono confidenza con l’IA, trovano nuovi modi per utilizzarla. Mentre i chatbot e gli assistenti virtuali rimangono popolari (55% di adozione), le applicazioni più tecniche stanno guadagnando terreno.

Lo sviluppo di software è ora in cima alla lista con il 54%, insieme all’analisi predittiva per le previsioni e il rilevamento delle frodi con il 52%. Ciò suggerisce che le aziende stanno andando oltre le applicazioni appariscenti rivolte ai clienti per utilizzare l’IA al fine di migliorare le operazioni principali. Le applicazioni di marketing, un tempo porta d’ingresso per molte iniziative di implementazione dell’IA, stanno ricevendo meno attenzione in questi giorni.

Per quanto riguarda i modelli di IA, c’è una forte attenzione per l’IA generativa, con il 57% delle organizzazioni che la considera una priorità. Tuttavia, molte stanno adottando un approccio equilibrato, combinando questi nuovi modelli con le tradizionali tecniche di apprendimento automatico.

Gemini di Google e GPT-4 di OpenAI sono i modelli linguistici di grandi dimensioni più utilizzati, ma anche DeepSeek, Claude e Llama si stanno facendo notare. La maggior parte delle aziende utilizza due o tre LLM diversi, il che suggerisce che l’approccio multi-modello sta diventando una pratica standard.

L’aspetto forse più interessante è il cambiamento dei luoghi in cui le aziende utilizzano l’IA. Sebbene quasi nove organizzazioni su dieci utilizzino servizi cloud per almeno una parte della loro infrastruttura di IA, c’è una tendenza crescente a riportare le cose all’interno dell’azienda.

Due terzi dei leader aziendali ritengono che le implementazioni non in cloud offrano maggiore sicurezza ed efficienza. Di conseguenza, il 67% prevede di spostare i dati di formazione sull’intelligenza artificiale in ambienti on-premise o ibridi, alla ricerca di un maggiore controllo sui propri asset digitali. La sovranità dei dati è la priorità principale per l’83% degli intervistati quando si tratta di implementare sistemi di IA.

I leader aziendali sembrano fiduciosi delle loro capacità di governance dell’IA, con circa il 90% che dichiara di gestire efficacemente le policy dell’IA, di essere in grado di impostare i guardrail necessari e di tracciare il percorso dei dati. Tuttavia, questa fiducia è in contrasto con le sfide pratiche che causano ritardi nei progetti.

I problemi legati all’etichettatura dei dati, all’addestramento dei modelli e alla convalida continuano a rappresentare degli ostacoli. Questo suggerisce un potenziale divario tra la fiducia dei dirigenti nei loro quadri di governance e la realtà quotidiana della gestione dei dati. Anche la carenza di talenti e le difficoltà di integrazione con i sistemi esistenti sono motivi spesso citati per i ritardi.

I giorni della sperimentazione dell’IA sono ormai alle spalle e l’IA è diventata una parte fondamentale del funzionamento delle aziende. Le organizzazioni stanno investendo molto, rimodellando le loro strutture dirigenziali e trovando nuovi modi per implementare l’IA nelle loro attività.

Tuttavia, con la crescita delle ambizioni, crescono anche le sfide legate alla realizzazione di questi piani. Il passaggio dalla fase pilota a quella di produzione ha messo in luce problemi fondamentali relativi alla disponibilità dei dati e all’infrastruttura. Il conseguente spostamento verso soluzioni on-premises e ibride mostra un nuovo livello di maturità, con le organizzazioni che danno priorità al controllo, alla sicurezza e alla governance.

Con l’accelerazione della diffusione dell’IA, garantire trasparenza, tracciabilità e fiducia non è solo un obiettivo, ma una necessità per il successo. La fiducia è reale, ma lo è anche la cautela.

(Immagine di Roy Harryman)