L’AI sta cambiando il mercato: ecco l’impatto industriale

Nonostante l’entusiasmo che circonda la Generative AI, è importante mantenere un approccio equilibrato.

Da un lato, le potenzialità sono immense: può rivoluzionare interi settori economici e offrire soluzioni a problemi complessi. Dall’altro, ci sono ancora ostacoli da superare: la scarsità di competenze specializzate, le questioni etiche legate all’utilizzo dell’intelligenza artificiale e la necessità di una regolamentazione adeguata. Le aspettative sono alte ma è fondamentale procedere con realismo e responsabilità.

La trappola della tecno-mitologia

Sam Altman e Satya Nadella, amministratori delegati, rispettivamente di OpenAI e di Microsoft, da tempo alimentano la tecnomitologia dell’intelligenza artificiale. “Mi preparo per sopravvivere, anche nel caso in cui AI ci attacchi (…) Ho pistole, oro, ioduro di potassio, antibiotici, batterie, acqua, maschere antigas delle forze di difesa israeliane e un grande pezzo di terra a Big Sur dove posso volare”, diceva Altman all’inizio della sua avventura con l’intelligenza artificiale.^[1]

E più recentemente Nadella, “C’è il rischio esistenziale, che è: ‘E se l’intelligenza artificiale iniziasse a migliorarsi e noi perdessimo il controllo?’ (…) Prima di lanciare un nuovo modello di frontiera, ci sarà una governance attorno ad esso, non solo da parte delle aziende, ma da parte della società in generale”.^[2]

Altman e Nadella sono però i più convinti propugnatori dei benefici che l’intelligenza artificiale generativa produrrà nei più diversi settori. Da un lato, essi alimentano la tecnomitologia che crea un alone di onnipotenza intorno all’intelligenza artificiale generativa. Questo produce a breve una corsa all’oro (virtuale) ossia un gonfiamento delle quotazioni di borsa delle aziende che operano nell’AI. Naturalmente questa corsa può essere assai pericolosa anche per chi la promuove, se non si smarca presto dal rischio che il mercato, dopo qualche mese o anche anno di promesse non mantenute, smetta di credere alla tecnomitologia e cominci a guardare ai dati dei ricavi e dei margini effettivi.

D’altra parte, la tecnomitologia è stata utilissima a creare aspettative e curiosità, la chiave del successo iniziale di ChatGPT, successo stimolato anche dall’aura sulfurea che circondava il nuovo demone liberato dalla smagliante provetta della tecnologia.

Generative AI: applicazioni e settori di utilizzo (e chi li domina)

Se guardiamo chi, fino ad ora, ha maggiormente guadagnato con l’ondata di interesse per l’AI, troviamo Nvidia, ossia il principale produttore di microprocessori adatti al training dell’intelligenza artificiale, mentre se vogliamo trovare i settori dove essa viene sviluppata e indirizzata ai diversi mercati di utilizzo, dobbiamo allontanarci dalle promesse della tecnomitologia ed addentrarci nelle aree dove l’intelligenza artificiale semplifica e rende più produttivo il lavoro umano.

Analisi, classificazione interpretazione dei dati

Nell’analisi, classificazione interpretazione dei dati e nella loro rappresentazione, ossia il campo statistico, l’intelligenza artificiale e quella generativa in particolare consente di effettuare quantità di operazioni e di conseguire una finezza di risultati che richiederebbero, senza di essa, molto più tempo e, in molti casi, risulterebbero impossibili da realizzare. Nelle analisi e negli esperimenti di laboratorio, che possono ormai seguire i comportamenti delle singole cellule e dei singoli microorganismi, il machine learning offre strumenti di uso quotidiano nei laboratori delle università e delle aziende. La classificazione e la previsione vengono oggi affidate ai sistemi di machine learning che si applicano ad app, API, strumenti di sviluppo e addestramento. Qui si contendono il mercato i colossi come Ad Text, Amazon, Fractal Analytics, Google, Microsoft.

Le piattaforme di deep learning servono a individuare trend e correlazioni nei dati rilevati, che sfuggono alle analisi di correlazione tradizionali. Piattaforme dedicate a questo tipo di analisi sono sviluppate da aziende come: Deep Instinct, Ersatz Lab, Levertron, Peltarion, Saffron Technology, Sentient Technologies.

Supporto alle decisioni

Il supporto alle decisioni si applica nelle aree della formazione, della gestione del controllo di qualità e di processo. Sono applicate da aziende come Informatica, Maana, Pegasystems, UiPath.

Riconoscimento vocale

Nel campo del riconoscimento vocale, ossia della traduzione della voce e delle frasi in dati comprensibili dalla macchina, tutto il sistema del reporting, della verbalizzazione degli appunti etc è investito da nuove opportunità di accelerazione del lavoro e di riduzione della sua componete compilativa. Open Text, NICE, Nuance Communications, Verint Systems sono alcune della aziende che offrono servizi avanzati di riconoscimento voce.

Biometrica

La biometrica è in pieno sviluppo, sia sotto il profilo della sensoristica, sia sotto il profilo della interazione tra uomini e macchine. Le aziende che sono più presenti sono: Affectiva, Agnitio, FaceFirst, Sensory, Sybquera, Tahzoo, VR.

Sistemi di comunicazione uomo-macchina

Si stanno sviluppando anche i sistemi di comunicazione uomo-macchina, sia per gestire la Chatbot, sia per gestire la domotica ovvero la casa intelligente che monitora la qualità degli ambienti e ottimizza i consumi energetici e la sicurezza. Qui sono presenti Apple, Amazon, Artificial Solutions, AssistAI, Creative Virtual, Google, IBM, IPsoft, Microsoft, Satisfi .^[3]

Ottimizzazione dell’hardware

L’ottimizzazione dell’hardware viene realizzata dalle aziende che investono in intelligenza artificiale dotando le apparecchiature ultime uscite di processori che si avvalgono dell’AI per segnalare i possibili miglioramenti delle nuove release dell’HW. Automazione di processo via robotica, è una delle forme di supporto al lavoro umano più diffuse. Hanno sviluppato conoscenze supporto operativo in questo campo Alluviate, Cray, Google, IB, Intel, Nvidia.

Cyberdifesa

Infine, la cyberdifesa protegge computer e reti dagli attacchi terroristici aggiungendo ai tradizionali strumenti di sorveglianza-segnalazione-correzione, quelli resi disponibili dall’applicazione di machine learning e sistemi di comunicazione uomo-macchina.

Lo squilibrio tra domanda e offerta di competenze in AI

È stato rilevato e sottolineato che vi è uno squilibrio tra domanda e offerta di competenze sul mercato del lavoro: gli addetti che hanno competenze in materia di intelligenza artificiale sono contesi dalla aziende. E’ bastato che il management e i quadri di OpenAi annunciassero che se ne sarebbero andati se Sam Altman non fosse tornato al suo posto, per mettere in fibrillazione i competitori e soprattutto far rimangiare le decisioni agli azionisti e al board di Open AI.

Ma il tema delle competenze è più ampio della questione quantitativa, ossia della carenza di competenze per poter sviluppare e applicare in modo efficace l’intelligenza artificiale. Il problema è che le competenze sono concentrate in pochi investitori: come abbiamo visto i giganti di Big Tech sono presenti in tutti i settori applicativi, quasi senza eccezioni. Questo significa che gli utilizzatori hanno scarsa visibilità su ciò che viene loro offerto: in larga misura sono nella mani dell’offerta stessa. Un questione non nuova per l’economia digitale: fu così per l’advertising sul search e poi sui social, per il cloud, per l’internet delle cose, per la cybersecurity. I costi per gli utenti apripista sono sempre troppo elevati e ciò dipende, in misura non secondaria, dalla mancanza di capacità di utilizzo efficace di ciò che viene offerto.

La nuova offerta è una scatola nera e viene venduta come una pentola magica che necessita della assidua presenza di uno stregone: è difficile scoprire se si rivelerà una promessa senza futuro o un osso duro da domare all’interno dell’organizzazione aziendale.

Lo studio Microsoft sull’impatto di strumenti di intelligenza artificiale LLM

Microsoft sta conducendo molti studi, per ora rimasti ancora senza peer review, i cui primi risultati danno qualche indicazione sull’impatto di strumenti di intelligenza artificiale LLM come Copilot della stessa Microsoft. ^[4]

Le aree di applicazione indagate

Le aree di applicazione indagate sono:

• COMMON TASK, ovvero lavoro di ufficio generico (e-mail, sommario di riunioni, ricerca di informazioni, creazione di contenuti);
• COPILOT TEAM MEETING, ovvero sommario di un meeting sulla base della trascrizione;
• LLM BASED RESEARCH, ovvero verifica della capacità di recupero di informazioni complesse;
• OUTLOOK E-MAIL, ovvero qualità delle e-mail scritte usando Copilot, rispetto ad un gruppo di controllo che non lo usava;
• M365 DEFENDER, ovvero confronto tra efficacia nella difesa usando M365 Defender e accedendo a Security Copilot;
• GITHUB, ovvero scrittura di codici con e senza ausilio di GitHub Copilot.

Qualità

I risultati della ricerca sono ancora provvisori, sia in termini di precisione delle conclusioni sia in termini di attendibilità. Per quanto riguarda la qualità essa non risulta sempre in un miglioramento evidente, anzi in alcuni casi risulta ridotta. I risultati ottenuti con il supporto di Copilot, dimostrano che sia nella scrittura delle mail, sia nel riassunto di meeting da trascrizioni, sia nella ricerca avanzata la qualità del lavoro con il supporto di Copilot è analoga o anche inferiore a quella ottenuta con le procedure tradizionali.

Velocità di esecuzione

L’aspetto dove è più evidente l’impatto dell’uso di Copilot, è quello della velocità di esecuzione, come si vede nella tabella che segue.

Figura 1. Tempo di esecuzione con supporto di Copilot. in % del tempo di chi non dispone di Copilot (=100)^[5]

In linea con un approccio di continuità con quanto fatto fino ad oggi nell’ambito dei pacchetti di produttività Office e successivi, l’azienda di Redmond interpreta il ruolo dell’intelligenza artificiale in chiave “riduzione” dei tempi di lavorazione. È anche l’approccio dei responsabili di 500 aziende, intervistate da Enterprise Technology Reasearch, che in maggioranza (53%) hanno risposto che devono riservare risorse aggiuntive alla tecnologie ChatGPT. ^[6] Le attese volano in alto: il mercato globale dell’intelligenza artificiale generativa è previsto in crescita del 32% all’anno, per raggiungere quasi 100 miliardi nel 2026. Secondo Microsoft, ci sono oltre 1000 organizzazioni che lavorano e investono in ChatGPT.

Il rapporto costi/benefici per le attività specifiche e concrete

Ma per le attività specifiche e concrete il rapporto costi/benefici risulta ancora largamente imprevedibile. Quali sono, allora, le competenze necessarie per lo sviluppo di queste applicazioni diversificate, quali le risorse che scarseggiano sul mercato del lavoro e nei programmi universitari?

Le previsioni sul futuro della Generative AI

Una recente ricerca dimostra che il 72% dei manager IT ritiene che le tre aree critiche di oggi e domani sono: AI, Strategie di sviluppo, e Cybersecurity. Le preoccupazioni sorgono non solo per la mancanza di offerta, ma anche per le carenze organizzative: il budget per la formazione, la eccessiva complessità degli ambienti software e la connessa impermeabilità dei diversi team.^[7] I manager senior ritengono che le capacità e la produttività dei dipendenti aumenterà per effetto dell’introduzione della GenAI. Ma allo stesso tempo, i manager che hanno maturato maggior esperienza con l’intelligenza artificiale, ovvero quelli che hanno completato almeno 5 iniziative per accertarne le capacità, stimano di dover attendere 3-5 anni per vedere l’impatto dell’AI nell’azienda, contro i due anni di chi in realtà non ha ancora valutato le capacità disponibili internamente.

Conclusioni

Questa discrepanza dà il segno e la dimensione del gap che separa le aspettative dalla realtà: il potenziale reale impatto dell’AI sul business sarà, in generale assai più difficile e costoso da raggiungere, rispetto alle promesse.^[8]

Note

1. ) Tad Friend, Sam Altman’s Manifest Destiny, The New Yorker, October 3 2016 ↑
2. ) Naoki Watababe, Microsoft CEO calls for AI governance by broader society, Nikkei ASIA, Novembre 17, 2023. ↑
3. ) Nikita Duggal, Top 10 Artificial Intelligence Technologies in 2024, Simplilearn, Agi& machine Learning, Novembre 24, 2023. ↑
4. ) AAVV, Early LLM-based Tools for Enterprise Information Workers Likely Provide Meaningful Boosts to Productivity A first update from Microsoft’s research initiative on AI and Productivity Microsoft December 2023. ↑
5. ) Microsoft, cit. ↑
6. )Angus Loten, PricewaterhouseCoppers to Pour $1 Billion Into Generative AI, WSJ News Exclusive, April 26, 2023. ↑
7. ) Craig Hale, The AI skills gap is becoming incredibly troubling for companies everywhere, Techradar, Decembre 8, 2023. ↑
8. ) Andrea Guerzoni, Nadine Mirchandani, Barry Perkins, Gautam Jaqqi, Is the AI buzz creating too much noise for CEOs to cut through?, Ernst Young, October 2023. ↑