Gettare le basi: velocità vs strategia nella corsa all’adozione dell’IA
L’Intelligenza artificiale generativa (GenAI) ha un grande potenziale trasformativo e riteniamo che una sua adozione efficace da parte del management delle aziende di tutti i settori possa contribuire al successo delle imprese nel lungo periodo. Ma, come per ogni strumento, se si vogliono sfruttare le capacità della GenAI è necessario comprenderne chiaramente le leve di valore e le complessità. A nostro avviso, i vertici societari dovrebbero valutare come integrare olisticamente la GenAI nelle strategie a livello aziendale. Il management deve valutare i possibili utilizzi di questa tecnologia come strumento per realizzare una vera differenziazione strategica, non solo per aumentare l’efficienza. Per i dirigenti nei settori che in passato hanno maturato una minore esperienza nel campo dell’innovazione tecnologica, le curve di apprendimento probabilmente saranno ripide. Tuttavia, riteniamo che un ampio ventaglio di aziende possa gettare le giuste basi per sfruttare il potenziale rivoluzionario della GenAI.
Valutare l’efficacia di una strategia di adozione della GenAI
Gli approcci all’adozione della GenAI chiaramente variano da un’azienda all’altra, ma riflettere sugli aspetti fondamentali può essere un utile punto di partenza per preservare la competitività, aggiungere valore ed evitare potenziali contrattempi. Riteniamo che vi siano quattro aspetti chiave che il management delle aziende deve affrontare.
In che modo la GenAI può contribuire alla nostra value proposition per i clienti?
Per quanto la GenAI possa migliorare in misura significativa l’esperienza del cliente, l’automazione e persino il rilevamento delle frodi, non tutti gli impieghi di questa tecnologia produrranno gli stessi effetti. Se ad esempio il valore per il cliente dipende fondamentalmente da prodotti o interazioni fisiche, la GenAI potrebbe non essere in grado di ricreare le caratteristiche e i servizi principali, un fatto che la renderebbe meno utile e quindi meno prioritaria per alcune imprese. L’eccessivo affidamento sulla GenAI per le interazioni con i clienti potrebbe causare la perdita del rapporto personale, danneggiando la fidelizzazione e anche la reputazione dell’impresa. La chiave sta nell’individuare le possibili sinergie tra le competenze umane e le capacità della GenAI. Le aziende che faticano a trovare il giusto equilibrio tra automazione e tocco umano potrebbero risentirne.
Come possiamo sfruttare la GenAI per distinguerci dalla concorrenza?
Le nuove tecnologie possono diventare rapidamente un elemento standard delle attività commerciali, mentre le successive innovazioni cambiano il panorama competitivo con il passare del tempo. La rapida ascesa ed evoluzione della GenAI fa capire che i vantaggi dell’essere pionieri svaniscono rapidamente. È probabile che, per rimanere competitive, le aziende abbiano bisogno di un livello di adattabilità particolarmente elevato. Per questo motivo, è importante non solo capire come i modelli di monetizzazione e i percorsi per la creazione di valore tramite la GenAI possono essere stravolti, ma anche se la GenAI consente ai nuovi operatori sul mercato di replicare rapidamente le principali proposte per i clienti. Ad esempio, l’aumento dell’efficienza determinato dalla GenAI potrebbe subire l’effetto concorrenziale dell’emergere di soluzioni a basso costo e potenzialmente native dell’IA. La riduzione dei costi di conversione, consentita dalla semplificazione dei processi di onboarding e di migrazione, potrebbe minacciare gli operatori storici che fanno affidamento sull’iperfidelizzazione.
Non tutte le imprese necessitano dello stesso livello di potenza analitica e precisione per promuovere la propria value proposition e mantenere il proprio vantaggio competitivo. Questo ha implicazioni sia per i requisiti di input dei dati per i modelli di GenAI, sia per la supervisione dell’output. Ad esempio, per un messaggio pubblicitario generato dalla GenAI è sufficiente un alto grado di precisione. Ma altre applicazioni, come l’interpretazione di un’immagine medica o la consulenza legale, impongono una tolleranza d’errore pari a zero. Con l’aumentare del livello di precisione richiesto, aumenta anche la necessità di istruire i modelli GenAI su un elevato volume di dati. In questi casi, l’accuratezza e la velocità di analisi sono maggiori, ma permane la necessità di una supervisione umana fino a quando non si raggiungerà un livello di affidabilità più elevato.
L’implementazione efficiente della GenAI dipende dalla disponibilità, dalla qualità, dall’integrazione, dalla sicurezza e dalla privacy dei dati. Riteniamo che il possesso di dati proprietari sia destinato a rappresentare il fattore chiave per aumentare l’efficacia della barriera d’ingresso per quanto riguarda l’IA. Dati unici produrranno prodotti e servizi unici. Al contrario, le aziende che applicano tecnologie simili a dati simili produrranno verosimilmente risultati indifferenziati e cadranno in un vuoto di creatività. Tuttavia, sussiste anche il rischio che il modello di un’azienda favorisca involontariamente la concorrenza (cioè che dati privati o proprietari possano essere utilizzati per migliorare modelli utilizzati dalla concorrenza). Allo stesso tempo, complessi programmi per la gestione dei dati, volti a garantire la sicurezza dei dati proprietari e potenzialmente regolamentati, possono comportare spese di manutenzione più elevate.
Qual è il costo complessivo dell’implementazione dell’IA? La nostra azienda dispone delle risorse necessarie per sostenerlo?
I costi primari e diretti dell’implementazione dell’IA sono rappresentati dal costo della potenza computazionale e dal costo dei dati. Il tipo e il livello di IA che un’azienda adotterà, e quindi la relativa spesa, dipenderanno dalle risposte alle due domande sopra. Se ad esempio la strategia aziendale prevede lo sviluppo e la manutenzione di modelli linguistici proprietari di grandi dimensioni, i costi associati potrebbero essere estremamente elevati.
Sviluppare e istruire un modello di intelligenza artificiale può essere costoso e richiedere molto tempo. I costi riguardano l’hardware, la progettazione, l’acquisizione dei dati, i test e la capacità di elaborazione. Tuttavia, a differenza dei precedenti boom informatici, questi costi potrebbero non diminuire in modo significativo una volta che i modelli sono stati istruiti, poiché l’esecuzione dei modelli istruiti richiede comunque una notevole potenza di calcolo per eseguire i miliardi di calcoli necessari a rispondere a ogni richiesta. Ecco perché alcune aziende si stanno orientando verso l’utilizzo di modelli di dimensioni più ridotte (ma comunque istruiti su grandi quantità di dati). D’altra parte, i modelli open-source possono essere gratuiti (ma offriranno servizi di manutenzione e supporto potenzialmente limitati). Diverse imprese del settore tecnologico stanno ampliando l’ecosistema per offrire ai clienti soluzioni di IA più numerose, più efficaci e più economiche per un’ampia gamma di casi d’uso.
A prescindere dal fatto che i modelli siano di grandi o piccole dimensioni, i costi dell’infrastruttura di supporto alla GenAI sono un fattore determinante per il budget. Senza un’infrastruttura in grado di supportare il crescente fabbisogno di capacità di calcolo, la trasformazione basata sull’intelligenza artificiale non sarà possibile. I data center forniscono l’infrastruttura necessaria per istruire e implementare algoritmi complessi. L’apprendimento automatico (machine learning, ML) e i modelli linguistici di grandi dimensioni stanno già provocando un aumento del fabbisogno di capacità dei data center. Prevedibilmente, entro la fine del decennio il 20% circa della domanda in tutto il panorama dei data center sarà riconducibile ad attività legate all’IA.1 Inoltre, l’intelligenza artificiale aumenterà notevolmente la quantità di energia necessaria per il funzionamento dei data center. Ad esempio, una singola ricerca su ChatGPT consuma 6-10 volte l’energia di una tradizionale ricerca su Google.2 Alcuni studi recenti prevedono un tasso di crescita annuale composto (CAGR) del 15% del fabbisogno energetico dei data center nel periodo 2023-2030, che porterà questi ultimi a costituire l’8% del fabbisogno energetico totale degli Stati Uniti entro il 2030, a fronte dell’attuale 3% circa.3 In molti casi, l’aumento significativo del consumo di energia richiederà un miglioramento della rete elettrica esistente e lo sviluppo di nuove capacità di produzione energetica.
Poiché l’allacciamento alla rete elettrica richiede un accesso adeguato e lunghe attese, la concorrenza e i vincoli fisici dell’infrastruttura faranno verosimilmente lievitare i costi. La costruzione dei data center e delle strutture per la produzione di energia può richiedere un certo tempo e le posizioni strategiche per i data center sono limitate. Attualmente gli operatori nel campo dell’intelligenza artificiale faticano a trovare la capacità energetica necessaria ad alimentare la struttura richiesta per gestire gli attuali carichi di lavoro. Pertanto, i proprietari e i gestori dei data center hanno un forte potere di determinazione dei prezzi per una componente di costo chiave. Sebbene questo trend sia attualmente concentrato negli Stati Uniti, si ritiene che nel medio-lungo termine diventerà globale.
Anche il costo del talento è in aumento, poiché l’elevata domanda di talenti nel campo dell’intelligenza artificiale si scontra con un’offerta limitata di personale competente nei campi relativamente nuovi dell’elaborazione e dell’automazione dei processi robotici, del deep learning, del machine learning e dell’elaborazione del linguaggio naturale. I costi secondari includono la riqualificazione, la gestione del cambiamento organizzativo e gli aspetti legali, tutti elementi che potrebbero portare a ricadute significative sui business plan che non affrontano con accortezza l’implementazione della GenAI.
Stiamo tenendo adeguatamente conto dei timori della collettività e del potenziale impatto che tali timori potrebbero avere sull’adozione dell’IA?
A prima vista, questo interrogativo sembra ricadere oltre l’ambito di competenza di una singola azienda. Nondimeno, le tre problematiche descritte di seguito avranno un impatto sul futuro utilizzo dell’IA in generale e vanno quindi tenute in conto da chiunque investa in questo settore.
I rischi per la sicurezza sono un timore di fondamentale importanza, visto che eventuali attacchi informatici potrebbero manipolare i dati sottostanti ai modelli, modificando l’output e compromettendo l’integrità di un modello in modi difficilmente individuabili.
Questi timori nascono sia dalla quantità di energia consumata dai modelli, sia dall’elevato fabbisogno di materie prime necessarie per costruire e sostituire l’hardware associato (con cicli di sostituzione rapidi dovuti alla rapida evoluzione della tecnologia).
I problemi di ricadute sociali nascono dalla mancanza di trasparenza e interpretabilità degli output generati dall’IA, che solleva questioni di responsabilità e potenziali distorsioni nei dati, soprattutto in applicazioni cruciali dove possono essere in gioco vite o diritti umani. La disinformazione, i deepfake e i vari tentativi di influenzare la condotta umana possono minare la fiducia nelle istituzioni, esacerbare le divisioni sociali e potenzialmente sconvolgere i processi democratici.
Questi timori possono avere ricadute commerciali suscettibili di influire su una più ampia adozione delle tecnologie. E se questi timori rendessero il pubblico più riluttante ad accettare la GenAI come mezzo chiave di interazione con alcune aziende ed esperienze? I proprietari dei dati sottostanti possono citare in giudizio i proprietari dei modelli per violazione del copyright? Eventi di rilievo del mondo reale (ad esempio, gli incidenti industriali causati dall’intelligenza artificiale) ed eventi online (ad esempio, la disinformazione mirata e l’ascesa dei deepfake) possono combinarsi con i timori sociali ed ecologici e condurre a una svolta?
La supervisione umana e l’impiego ibrido della tecnologia e del giudizio umano saranno cruciali per gestire le sfide sociali e i conseguenti impatti commerciali. Riteniamo che le strutture di governance possano diventare un fattore di differenziazione competitivo essenziale per le aziende. La responsabilità rivestirà un’importanza fondamentale per conquistare e preservare la fiducia dei clienti e le aziende che creeranno sistemi di GenAI trasparenti e comprensibili, che stabiliranno linee guida chiare e che si guadagneranno la fiducia sulla sicurezza e sulla privacy avranno indubbiamente un vantaggio a lungo termine.
A livello di singole aziende, le modalità adottate per affrontare questi problemi possono essere esse stesse uno strumento di differenziazione strategica. Le aziende possono implementare la GenAI in modo tale da risolvere i timori dei clienti, tenendo conto della propria value proposition specifica e dei rischi e trattando in via prioritaria le principali aree di interesse dei clienti. Considerando la complessità e il ritmo di adozione di questa tecnologia, le iniziative intraprese dalle aziende per sviluppare e conservare la fiducia dei propri clienti attraverso una comunicazione chiara e trasparente potrebbero diventare un fattore di differenziazione decisivo.
Uno sguardo al futuro
Nell’implementare la GenAI, è importante gettare oggi le basi in termini di complessità e preparazione dei dati, infrastruttura tecnica, talento, organizzazione e governance, al fine di cavalcare la rapida evoluzione di questa tecnologia in futuro.
È inoltre importante comprendere in che modo la GenAI si differenzia dall’IA/ML tradizionale. L’IA/ML non ha fatto un ottimo lavoro nel ragionamento e nella generazione di contenuti e la creatività è rimasta solo un ambito traguardo. Al contrario, la GenAI sta diventando molto brava a gestire entrambe queste aree, consentendo di raggiungere livelli di creatività precedentemente inimmaginabili. Non è escluso che con il passare del tempo la GenAI non solo risponda con precisione alle nostre domande, ma ci dica anche cos’avremmo dovuto chiedere. Tutto ciò può portare a un profondo cambio di paradigma in tutti i settori.
Tenere il passo con la curva sarà indispensabile: neppure il miglior prodotto e la migliore azienda possono permettersi di abbassare il livello di attenzione nell’attuale contesto in rapida evoluzione. Come abbiamo evidenziato in precedenza, la tesi della tecnologia non sarà sufficiente, da sola, a generare rendimenti. Più ancora che dalla velocità, riteniamo che i vincitori e i vinti a lungo termine di questa gara saranno decisi dalla strategia utilizzata per l’adozione delle nuove tecnologie. Ponendosi le domande sopra illustrate, il management può approfondire gli aspetti peculiari della propria azienda e integrare efficacemente la GenAI in modo da generare un valore trasformativo tangibile.
1. Goldman Sachs Global Investment Research. “Crescita generazionale, IA, data center e l’imminente impennata del fabbisogno di energia elettrica negli Stati Uniti.” Ad aprile 2024
2. Goldman Sachs Global Investment Research. “Crescita generazionale, IA, data center e l’imminente impennata del fabbisogno di energia elettrica negli Stati Uniti.” Ad aprile 2024
3. Goldman Sachs Global Investment Research. “Crescita generazionale, IA, data center e l’imminente impennata del fabbisogno di energia elettrica negli Stati Uniti.” Ad aprile 2024
