Velocità vs lentezza: ecco quale sarà il reale impatto dei tempi di adozione dell’AI

Ci sono molte ragioni per adottare un approccio lento e attento all’AI generativa. La tecnologia sta cambiando rapidamente e, di conseguenza, investire molto denaro nella piattaforma sbagliata potrebbe rivelarsi un errore molto oneroso.

La GenAI ha ancora problemi di precisione e di sicurezza, e le questioni relative al copyright non sono ancora state risolte dai tribunali, e ciò potrebbe creare responsabilità legali o altri tipi di problemi. E, naturalmente, molti progetti iniziali non riusciranno a offrire un effettivo valore aziendale, rendendoli uno spreco di tempo e di risorse.

Secondo un sondaggio IDC [in inglese] di settembre, il 70% dei CIO ha riportato un tasso di fallimento del 90% per i loro progetti di app di intelligenza artificiale personalizzate, e i due terzi hanno riportato un tasso di fallimento del 90% con i proof-of-concept di AI guidati dai fornitori. In questo contesto, Rand Corp. stima il tasso di fallimento dell’AI a oltre l’80%.

Tuttavia, alcuni early adopter riferiscono di una crescita dei ricavi, di un aumento della produttività e di sforzi iniziali che hanno dato i loro frutti, aiutando le aziende a sviluppare competenze e abilità critiche legate all’intelligenza artificiale generativa. Il Boston Consulting Group, infatti, sostiene che le imprese che hanno adottato precocemente l’AI dichiarano una crescita dei ricavi 1,5 volte superiore rispetto alle altre aziende. Quindi, come si conciliano gli alti tassi di fallimento dei progetti di AI e le segnalazioni di benefici aziendali da parte degli early adopter? Entrambe le cose possono essere vere. Questi ultimi proveranno molti approcci diversi prima di trovare le soluzioni che funzionano, le quali saranno, a loro volta, scalate, messe in produzione e forniranno valore.

Creare o acquistare?

I vendor di tecnologia stanno aggiungendo rapidamente funzionalità di intelligenza artificiale a tutti i loro prodotti e servizi. Ma alcune aziende non possono aspettare così a lungo. Intuit, per esempio, ha creato un sistema di agentic AI per aiutare i proprietari di aziende a essere pagati il 45% più velocemente. “Aiuta gli imprenditori a capire quali sono le fatture, quando inviare i solleciti e come riscuotere il denaro”, spiega Ashok Srivastava, Chief Data Officer di Intuit. Per ottenere questo obiettivo, l’azienda ha costruito il suo sistema operativo GenAI. “Astrae la complessità della piattaforma in modo che gli sviluppatori possano sviluppare su di essa”, dichiara.

GenOS è stato lanciato nel giugno 2023 e lo scorso settembre è stato ampliato con GenOS AI Workbench, un ambiente di sviluppo dedicato. Intuit ha anche costruito un livello di orchestrazione per i flussi di lavoro agentic, una serie di guardrail per la sicurezza, il rischio e le frodi, un framework per la user experience con oltre 140 componenti, widget e modelli, e un model garden dei principali LLM commerciali e open-source, oltre a quelli specifici del dominio addestrati da Intuit.

“Siamo in anticipo di 18 mesi o due anni rispetto alle piattaforme”, aggiunge.

Quindi, cosa succederà quando Microsoft, Google o AWS lanceranno il loro sistema operativo per l’intelligenza artificiale? “Quando si metteranno al passo, ci sposteremo sui servizi nativi che offrono”, sottolinea Srivastava.

In un certo senso, quindi, tutto questo lavoro risulterebbe sprecato perché, a un certo punto, le aziende passerebbero a un sistema proposto dai principali fornitori. Tuttavia, fino ad allora, sarà in grado di raccogliere i benefici dei suoi primi investimenti.

“È così che rimaniamo all’avanguardia”, dice. “Non possiamo aspettare. Dobbiamo costruire la tecnologia e, mentre lo facciamo, la piattaforma continua a evolversi. Certo, ci sono servizi che spostiamo dalle nostre capacità a quelle di altri. Quello che posso dirle è che si tratta di investimenti fondamentali che stiamo facendo per far progredire il business”. PEr esempio, le funzionalità AI di nuova generazione hanno determinato un aumento medio della produttività del 15% e tempi di codifica più rapidi del 30%.

Un’altra azienda che sta costruendo il proprio framework di agentic AI è Capgemini. “La GenAI è stata trasformativa”, afferma Jiani Zhang, EVP e Chief Software Officer di Capgemini Engineering. “C’è un enorme potenziale, in particolare nell’ingegneria del software”.

Così, nel maggio dello scorso anno, la società ha iniziato a costruire il proprio agentic framework. “Abbiamo costruito qualcosa internamente perché volevamo essere più open source, in modo da essere più adattabili e poi, a luglio, abbiamo iniziato a utilizzarlo. Ora è molto robusto”. La piattaforma è composta da molti agenti con varie tipologie di specializzazione, utilizzati per migrare il vecchio codice, con uno di essi che può generare il codice, un altro capace di costruire i requisiti e un altro ancora in gradi di mettere in piedi l’architettura. Un ulteriore gruppo è deputato a svolgere compiti particolari, come, per esempio, lavorare sul codice di software per l’automotive.

C’è, infine, anche un livello di orchestrazione che permette a tutti gli agenti di parlare tra loro, un modo per tenere traccia delle diverse iterazioni del codice e della capacità di autodiagnosi.

All’inizio del 2024, l’AI generativa era incentrata su singoli casi d’uso lungo il ciclo di vita del software, riflette Zhang. Oggi, si tratta di esaminare il codice in modo molto più olistico, con un ritmo di cambiamento molto rapido. “Non si può prendere la tecnologia in base a dove si trovava a marzo”, commenta. “Dal punto di vista dell’adozione, non si può restare fermi”.

Intuit e Capgemini non sono le sole ad adottare un approccio aggressivo alle implementazioni e all’innovazione dell’AI. Secondo un recente sondaggio condotto da Google Cloud e National Research Group su 2.500 senior leader di aziende globali, i leader della GenAI sono quelle aziende che hanno quattro o più casi d’uso in produzione e che hanno investito più del 15% delle loro spese operative totali in questa tecnologia nel corso dell’anno precedente.

Inoltre, il 69% dei leader utilizza l’AI generativa per almeno la metà delle sue funzioni principali, rispetto al 36% delle altre imprese. E stanno vedendo dei ritorni. Nel sondaggio, i leader della GenAI hanno il 33% di probabilità in più di dichiarare aumenti di fatturato del 10% o più guidati dalla tecnologia in questione, e vedono anche sostanziali guadagni di efficienza, dichiarando il ROI per i progetti di di AI generativa relativi al miglioramento dei processi di back office, della produttività individuale e di quella di ingegneri e sviluppatori, nonché nelle vendite e nel marketing.

Muoversi velocemente sfruttando le piattaforme commerciali

Tuttavia, non tutti i leader dell’intelligenza artificiale costruiscono tutto da zero per muoversi velocemente. Prendiamo, per esempio, RSM, colosso globale dell’accounting con circa 20.000 dipendenti.

“Tutti i fornitori di dati come Dun & Bradstreet, e i vendor di software come ServiceNow, stanno incorporando l’AI nei loro prodotti”, afferma Sergio de la Fe, enterprise digital leader di RSM. “Stiamo lavorando per capire cosa stanno sviluppando. Non voglio sprecare il mio denaro se uno dei miei partner sta per costruire qualcosa che può fare al caso mio. Preferiamo investirlo nelle aree in cui abbiamo un’esperienza di dominio. E nemmeno voglio andare veloce e costruire qualcosa che poi butterò via. Non è intelligente”.

Nel 2023, RSM ha riunito un comitato direttivo sull’AI e ha identificato quattro tipi principali di casi d’uso critici per la sua attività: chat, creazione e valutazione di documenti, analisi dei dati.

“Questi quattro temi principali rappresentano centinaia di casi d’uso”, dice de la Fe. “E siamo partiti dai casi d’uso, non dalla tecnologia. Crediamo che sia questa a supportare i casi d’uso, non il contrario”.

L’azienda ha scelto OpenAI in esecuzione su un cloud privato Azure. “Siamo un negozio Microsoft”, dice, “quindi siamo sulla piattaforma Microsoft Azure e per noi è stato semplice”.

Per il suo sistema di conformità automatizzato, RSM ha messo a punto un modello OpenAI, mappando le normative governative di tutto il mondo con i controlli interni dei clienti e formulando raccomandazioni. Oggi, ci sono alcune dozzine di casi d’uso diversi in produzione, e altre due dozzine in fase di sviluppo. “Ci stiamo muovendo molto velocemente per metterli in coda alla fase esecutiva, pilotarli e testarli”, indica. Finora, il beneficio maggiore è stato rappresentato dal miglioramento dell’efficienza e dall’aumento della qualità.

“Si tratta di permettere ai nostri professionisti di dedicare più tempo alle parti a valore aggiunto del loro lavoro”, aggiunge. “Se riusciamo a ridurre il tempo dedicato alle attività banali e a dedicare più tempo all’aumento della qualità, otterremo un vantaggio importante”.

Un’altra realtà che sta accelerando l’adozione della GenAI sfruttando le capacità dei fornitori è la società specializzata in pagamenti ACI Worldwide. Con oltre 3.500 dipendenti, tutti hanno a disposizione un qualche tipo di intelligenza artificiale generativa, sia per le e-mail che per riassumere le riunioni dei team. Per la sua base di conoscenza interna, utilizza una versione perfezionata di ChatGPT di OpenAI. “Non stiamo assolutamente andando piano”, nota Abe Kuruvilla, CTO dell’azienda. Ma neppure stiamo costruendo internamente tutte le piattaforme di intelligenza artificiale. Per la generazione di codice, per esempio, l’azienda utilizza GitHub Copilot. “Ci stiamo trovando a nostro agio”, precisa Kuruvilla. “Tuttavia, i nostri ingegneri senior guardano il codice prima di controllarlo”.

Oggi, il 50% dello staff di ingegneri lo utilizza e l’azienda spera di arrivare a due terzi quest’anno. Per la produttività generale dei dipendenti, l’azienda utilizza Office 365 Copilot di Microsoft, è anche cliente di Salesforce e sta cercando di implementare le funzionalità di tipo agentic che stanno diventando disponibili nella piattaforma.

La strategia principale, dice Kuruvilla, è quella di implementare l’AI per i casi d’uso interni, con la validazione della qualità e dei risultati che spetta agli esseri umani [in inglese]. “Si tratta di impatto e di assicurarsi di identificare i casi d’uso giusti”, afferma.

Il caso della formazione

I leader dell’AI segnalano chiari vantaggi finanziari per le loro implementazioni di GenAI, ma la promessa di un’adozione precoce va oltre il semplice ROI a breve termine.

“L’apprendimento avviene attraverso la sperimentazione e l’iterazione”, riferisce Arun Chandrasekaran, analista di Gartner. “Bisogna avere una mentalità di crescita quando si tratta di AI. Bisogna sperimentare attivamente”.

Questo non significa che le aziende debbano fare progetti di intelligenza artificiale a caso, aggiunge. Le imprese devono avere in mente degli obiettivi chiari, ma devono essere pronte a non ottenere il risultato giusto al primo tentativo.

“Bisogna imparare dai fallimenti e iterare”, conclude. “Il fallimento non è uno stigma, fa parte del percorso di apprendimento. E questo vale per la vita in generale. Se si ha successo al primo tentativo, significa solo che si è fissato un livello troppo basso”.