I sistemi di generative AI avanzano rapidi verso il mercato Enterprise con versioni avanzate e più potenti rispetto a quelle consumer o free. È il caso di OpenAI che ha appena rilasciato la sua versione Enterprise basata su GPT-4.
I dati parlano chiaro: in oltre l’80% delle aziende Fortune 500 ci sono team che usano ChatGPT. Ovvero all’interno delle aziende c’è un grosso interesse per l’intelligenza artificiale generativa ma c’è, spesso, un altrettanto uso spontaneo, non organizzato e non strutturato, dei sistemi free da parte dei dipendenti.
Ecco perché OpenAI ha rilasciato ChatGPT Enterprise, per rispondere alle aziende in maniera strutturata e controllata aiutandole a superare i limiti espressi negli ultimi mesi dai sistemi di Generative AI. Vediamo come.
AI enterprise, i nodi da sciogliere
Le aziende, di ogni dimensione, hanno innanzitutto bisogno di proteggere i propri dati e la privacy degli utenti, questo è un requisito fondamentale a cui OpenAI risponde nella versione Enterprise, ma allo stesso modo fa chiaro che proprio per essere efficace e dare risposte adeguate, il sistema ha bisogno di imparare il linguaggio aziendale, ergo ha bisogno di un periodo di training per digerire ed elaborare proprio le informazioni specifiche dell’azienda.
Su questo punto si gioca buona parte del futuro delle soluzioni Enterprise: che sia ChatGPT o Bing Chat Enterprise o altre, bisogna capire come veramente le informazioni possano essere segregate e utilizzate solo per lo scopo dell’azienda cliente senza darne visibilità neanche ad OpenAI. Il “trust” che si deve creare tra il sistema AI, l’azienda che lo governa ed il cliente che lo adotta deve essere veramente forte, sia perché al generative AI si affideranno sempre più compiti e decisioni, sia perché dovranno blindare il know-how aziendale del cliente.
Le aziende hanno anche bisogno di risposte veloci in pochi secondi, e la versione Enterprise basata su GPT-4 ha bisogno di una capacità di calcolo estremamente superiore, infatti GPT-4 si stima debba elaborare circa 1,8 trilioni di parametri contro gli appena 175 miliardi di GPT-3. È un tema non da poco perché gli investimenti richiesti per soddisfare questa domanda sono svariati di miliardi di euro.
Per questo OpenAI ha stretto una alleanza con Microsoft dove quest’ultima mette a disposizione le sue capacità di calcolo e fondi per lo sviluppo a patto di poter usare la tecnologia OpenAI nella sua offerta ai clienti Enterprise.
Le aspettative strategiche delle aziende
Analizzando meglio le aspettative strategiche che le aziende hanno rispetto a sistemi di questo tipo, identifichiamo la necessità di responsabilizzare di più i propri dipendenti, di concentrarli sempre di più sui clienti e sul core business fornendogli strumenti innovativi ma anche migliorare l’efficienza complessiva della propria organizzazione e ridurre i tempi di esecuzione dei vari task, anche quelli più creativi o ingegneristici. Il tutto con l’occhio vigile su privacy e sicurezza appunto.
Visto così sembra che almeno negli intenti strategici ChatGPT Enterprise abbia centrato l’obiettivo, ma proviamo a capire fin dove queste aspettative si spingono e fin dove sono applicabili, almeno oggi.
L’adozione di soluzioni generative AI in azienda
Non è un caso se le organizzazioni che più o meno spontaneamente hanno adottato soluzioni di generative AI siano oltre l’80% delle Fortune 500. Innanzitutto, questo dato va analizzato poiché spesso si tratta di dipendenti che si sono registrati con il proprio account aziendale, che molto probabilmente usano ChatGPT come strumento per facilitare il proprio lavoro, ma non è così automatico che sia stata l’azienda a programmare e deciderne l’uso. In ogni caso sono tutte grandi aziende con budget di spesa elevati per sistemi IT, con processi chiari e consolidati ma alla continua ricerca dell’efficienza spesso per continuare a competere da leader sui propri mercati. Sono anche organizzazioni in grado di misurare i risultati di un investimento o di una iniziativa o semplicemente di sperimentare nuove strade. Organizzazioni dove la cultura media e la dimestichezza con sistemi IT in genere (ERP, CRM, WMS, Logistica, …) è elevata. Certo, che sia un account aperto in proprio, che sia una scelta aziendale, è un chiaro segnale di una necessità reale.
La necessità è quella di risolvere un tema specifico di un team di lavoro, di un progetto o un reparto, ma pur sempre limitato ad una area all’interno dell’azienda.
La stessa azienda davanti a necessità diverse potrebbe avere diverse istanze dello stesso sistema di generative AI, ma anche diversi sistemi più o meno specializzati, con questo aumentando la sua complessità di gestione. Ad esempio, una agenzia di produzioni video potrebbe avere Synthesia per generare contenuti video ma anche ChatGPT o Bing oppure Bard di Google per le ricerche generiche o per la generazione di testi.
Chi potrebbe trarne benefici maggiori, proprio per la minore struttura ed organizzazione interna, sono le piccole e medie aziende che utilizzerebbero strumenti da grandi aziende con budget ridotti. Così come l’evoluzione dei servizi in cloud con le suite Google e Office 365 hanno aperto il mercato ed aiutato tante aziende a dotarsi di strumenti moderni e integrati, domani dovrebbe esserlo per l’AI. Non a caso Microsoft ha investito in OpenAI per poter integrare GPT-4 in Bing e, in generale, sta progressivamente integrando le soluzioni di OpenAI in Office 365, questo proprio per il mercato piccole e medie imprese.
Cosa occorre alle aziende per un uso ottimale della generative AI
L’introduzione di strumenti avanzati nelle aziende è sempre una buona pratica, bisogna anche chiedersi cosa occorre alle aziende per essere pronte ad adottare sistemi di generative AI. Un primo requisito è la cultura aziendale e la predisposizione all’innovazione, ma occorrono anche figure professionali oggi di non facile reperimento sul mercato. Occorre anche una informatizzazione avanzata e l’uso diffuso di altri sistemi gestionali.
Senza queste premesse probabilmente un sistema di generative AI di livello Enterprise si limiterebbe ad essere usato come generatore di testi o di immagini, più o meno quello che succede oggi. Altro fattore importante è l’investimento economico: piccolo o grande che sia è pur sempre un costo aggiuntivo che l’azienda deve essere disposta a spendere e quindi deve capirne bene i benefici.
Gli investimenti necessari per un’AI affidabile
Nell’avventura appena iniziata con l’era dell’intelligenza artificiale generativa, così come affermato dalle aziende produttrici – OpenAI in testa – si stanno investendo decine di miliardi di dollari senza sapere ancora quanto costi arrivare ad una versione stabile e affidabile del proprio sistema, per ChatGPT-4 addirittura si stimano oltre 100 miliardi di dollari necessari per stabilizzare il sistema ma anche fare il training necessario e dotare il sistema della capacità di calcolo necessaria.
Tra tutti gli investimenti il solo costo dei processori supera abbondantemente il miliardo di dollari. In sintesi, gli investimenti necessari sono di almeno un ordine di grandezza superiori a quelli fatti fino ad ora per il Cloud, e sono necessari in un tempo molto ristretto. Strada facendo bisognerà poi trovare un modello di business e di revenue che sia sostenibile per i fornitori e per i clienti. Certamente è un business da grandi numeri dove il costo della singola transazione deve essere bassissimo anche per i clienti Enterprise, quindi si deve puntare a generare miliardi di transazioni giornaliere per rendere il business profitable per tutti.
Si devono anche identificare sistemi di calcolo i cui consumi energetici siano bassi per ridurre l’impatto complessivo sull’ecosistema terrestre, ma anche sistemi in grado di elaborare dati con una velocità di qualche ordine di grandezza superiore a quelli attuali, da qui l’interesse per il quantum computing.
Conclusioni
Il lancio di soluzioni Enterprise è quindi una milestone più che significativa nell’era delle generative AI, perché sposta l’asticella molto in alto rispetto agli esercizi fatti fino ad ora. E moltiplica indefinitamente le richieste, le customizzazioni e anche la base dei dati da analizzare. Sposta una intera industria verso una nuova sfida.
