C’è l’intelligenza artificiale generativa (AI gen) al centro del “Technology Trends Outlook 2024″ di McKinsey. Nel report si legge che nell’ultimo anno abbiamo assistito a straordinari progressi in questo campo. Le “star” del momento le conosciamo ormai: modelli di generazione di testo come GPT-4, Claude e Gemini che producono contenuti che imitano risposte generate dall’uomo; strumenti di generazione di immagini come DALL-E 3 e Midjourney che creano immagini fotorealistiche a partire da descrizioni testuali. Secondo l’ultima indagine globale McKinsey sullo stato dell’AI, il 65% degli intervistati afferma che la propria organizzazione utilizza regolarmente l’AI gen in almeno una funzione aziendale, rispetto a un terzo dello scorso anno.
Tuttavia, è importante riconoscere i rischi che accompagnano l’uso di questa potente tecnologia, tra cui pregiudizi, disinformazione e deepfake. Mentre procediamo nel 2024 ci aspettiamo che le organizzazioni investano nelle capacità di mitigazione dei rischi, nel modello operativo, nel talento e nelle tecnologie necessarie per scalare l’AI gen.
La dinamica del lavoro: nel 2023 licenziamenti significativi
Uno dei fattori che occorre subito evidenziare, osservando i dati del rapporto di McKinsey, è il quadro delle dinamiche del lavoro. Dinamiche che riprendono in larga parte il quadro degli investimenti nelle tecnologie del 2023. Il settore tecnologico ha dovuto far fronte a licenziamenti significativi, in particolare tra le grandi aziende tecnologiche, con annunci di lavoro relativi alle tendenze tecnologiche studiate sono diminuite del 26%, un calo maggiore rispetto al calo del 17% degli annunci di lavoro a livello globale.
Il maggior calo della domanda di talenti legati ai trend tecnologici potrebbe essere stato alimentato dagli sforzi di riduzione dei costi compiuti dalle aziende tecnologiche in seguito alla diminuzione delle previsioni di crescita dei ricavi. Nonostante questa riduzione, i trend con forti investimenti e innovazioni, come l’AI generativa, non solo hanno mantenuto, ma hanno anche aumentato i loro annunci di lavoro, riflettendo una forte domanda di competenze nuove e avanzate.
Anche se la domanda di talenti ha subito variazioni a breve termine, l’analisi di 4,3 milioni di annunci di lavoro nei 15 trend tecnologici ha evidenziato un ampio divario di competenze. Rispetto alla media mondiale, meno della metà dei potenziali candidati possiede le competenze tecnologiche ad alta richiesta specificate negli annunci di lavoro. Nonostante la diminuzione su base annua degli annunci di lavoro in molti trend tra il 2022 e il 2023, il numero di annunci di lavoro nel settore tecnologico nel 2023 rappresentava ancora un aumento dell’8% rispetto al 2021, suggerendo un potenziale di crescita a lungo termine.
Da quando la Gen AI ha catturato l’attenzione dell’opinione pubblica alla fine del 2022, ci si è concentrati molto sulla creazione di valore attraverso i modelli di base. Molti di essi stanno già dimostrando un valore intersettoriale, come l’accelerazione della codifica o i casi d’uso per le vendite e il marketing, oltre a modelli specifici per ogni settore, come i modelli di base per l’ingegneria proteica o la scoperta della chimica. Il campo continua a migliorare rapidamente con nuovi strumenti, come ad esempio i modelli multimodali basati su agenti. Le aziende dovrebbero concentrarsi sulla creazione di capacità in questo settore e dare priorità alle aree di interesse per assicurarsi di cogliere il valore iniziale e non rimanere indietro”.
- Matej Macak, partner, Londra
Lo sviluppo di applicazioni AI: l’importanza dell’industrializzazione
Attraversando il 2024, l’impatto delle tecnologie di intelligenza analitica, tra cui applicazioni di machine learning, visione artificiale e Natural Language Processing, continua a crescere in tutti i settori. Le aziende utilizzano i dati per ottenere informazioni, automatizzare i processi, trasformare le attività e prendere decisioni migliori. La ricerca McKinsey stima che le applicazioni di AI possano potenzialmente sbloccare un valore economico annuo compreso tra 11 e 18 trilioni di dollari. L’eccitazione attorno all’AI generativa ha portato a una maggiore consapevolezza del potenziale valore dell’AI applicata. Nell’indagine globale sullo stato dell’AI nel 2024, il 67% degli intervistati afferma che si aspetta che la propria organizzazione investa di più in AI nei prossimi tre anni.
Tuttavia, il percorso verso l’adozione dell’AI è pieno di sfide e opportunità di apprendimento, come la trasformazione della cultura organizzativa per favorire la collaborazione, la fiducia e l’adattamento a nuovi modi di lavorare, l’acquisizione, lo sfruttamento e l’organizzazione di preziose fonti di grandi set di dati e l’interpretazione dei risultati dei modelli per costruire la fiducia degli utenti finali. I leader dovrebbero prevedere sfide come i conflitti di governance attraverso l’intera attività, data la natura trasversale dell’AI, e la rapida evoluzione del panorama normativo ed etico.
L’AI di tipo genetico si trova attualmente nell’entusiasmante punto di incontro tra prove di valore dimostrate, innovazione rapida, investimenti pubblici e privati significativi e interesse diffuso da parte dei consumatori. Il 2023 è stato l’anno dei piloti e, andando avanti, possiamo aspettarci di vedere due importanti aree di attenzione per accelerare l’adozione e la creazione di valore: una è la rapida espansione di piattaforme aziendali modulari e sicure che serviranno come base per lo sviluppo di applicazioni di AI gen; due, un focus sulla riqualificazione e sul ricablaggio dei processi necessari in un dominio aziendale per guidare l’adozione da parte degli utenti e catturare il valore”.
- Delphine Nain Zurkiya, partner senior, Boston
AI Gen almeno in una funzione aziendale per il 65% degli utenti
Technology Trends Outlook 2024: industrializzazione del machine learning
L’industrializzazione del machine learning (ML), nota anche come machine learning operations (MLOps), è il processo di scalabilità e manutenzione delle applicazioni di ML all’interno delle aziende. Mentre ci avviciniamo al 2024, gli strumenti MLOps si stanno rapidamente evolvendo, migliorando sia in termini di funzionalità che di interoperabilità. Questi strumenti facilitano la transizione da progetti pilota a processi aziendali solidi, consentono di scalare le soluzioni di analisi e migliorano la produttività dei team. Un’industrializzazione di successo del ML può aiutare a sostenere le soluzioni, a ridurre i tempi di produzione delle applicazioni di ML di otto-dieci volte e a diminuire le risorse di sviluppo fino al 40%.1 Inizialmente introdotto da alcune aziende pionieristiche, l’MLOps sta diventando più ampiamente adottato man mano che un numero maggiore di aziende utilizza l’AI per un più ampio spettro di applicazioni.
Negli ultimi anni sono stati compiuti enormi progressi nella matematica dell’apprendimento automatico, ma i compiti di rendere questa matematica davvero utile sono rimasti indietro. L’MLOps – il modo in cui la matematica viene resa utile – sta finalmente recuperando terreno. Gli strumenti e i processi stanno iniziando a maturare, ma abbiamo ancora bisogno di ulteriori talenti e competenze per sfruttare i vantaggi dell’apprendimento automatico”.
- Douglas Merrill, partner, California
L’ascesa dell’AI generativa (gen AI) ha ridisegnato il panorama dell’AI, richiedendo un corrispondente aggiornamento delle capacità MLOps per soddisfare le sue esigenze specifiche. Questo è il campo più recente per i nuovi sviluppi nella tendenza all’industrializzazione del ML. Gli MLOps e le operazioni sui modelli di base (FMOps) sono essenziali per industrializzare e scalare la gen AI in modo sicuro ed efficiente.
in modo sicuro ed efficiente.
Technology Trends Outlook 2024: la rivoluzione del cloud e dell’edge computing
Le aziende stanno passando dalla tradizionale archiviazione e gestione on-site alla distribuzione su molteplici punti di infrastruttura, che vanno dai data center remoti hyperscale ai server on-site all’edge del business. Il cloud pubblico consente alle aziende di ospitare carichi di lavoro in remoto e di scalare il consumo di risorse di calcolo e storage su richiesta, con migliori economie di scala, flessibilità e velocità di implementazione delle applicazioni. Con l’edge computing, le organizzazioni possono elaborare i dati molto più vicino a dove vengono generati, fornendo una latenza inferiore, costi di trasferimento dati più bassi e una maggiore privacy dei dati rispetto al cloud. Il cloud e l’edge computing hanno amplificato le capacità di AI, sia per l’addestramento che per l’inferenza su modelli di base, e continueranno ad essere un importante driver per l’adozione di queste tecnologie.
Bilanciare i carichi di lavoro tra cloud e edge (e le posizioni intermedie) consentirà alle aziende di ottimizzare le risorse, la latenza, la privacy dei dati e la sicurezza su larga scala e, di conseguenza, sbloccare valore aziendale.
Risolvere le lacune nel monitoraggio automatizzato e nella gestione del ciclo di vita delle soluzioni di AI implementate garantirà un impatto duraturo e scalabile dell’AI. Ciò include una continua attenzione all’AI genetica: l’industrializzazione di soluzioni di AI genetica su misura richiederà solidi ecosistemi operativi di AI genetica, e vediamo emergere più opzioni per l’elaborazione di dati non strutturati, la progettazione e la gestione di flussi LLM e l’automazione del ciclo di vita delle soluzioni di AI genetica. I continui progressi nell’abilitare l’allineamento normativo ed etico e la spiegabilità contribuiranno a sbloccare nuove aree di impatto dell’AI”.
- Alex Arutyunyants, senior principal data engineer, QuantumBlack, AI by McKinsey, Boston
Le nuove frontiere dell’ingegneria all’avanguardia
I progressi tecnologici, uniti alle crescenti preoccupazioni per la sostenibilità, hanno dato vita a una nuova era della mobilità. Veicoli autonomi ed elettrici, mobilità aerea urbana e tecnologie ACES (autonomous driving, connectivity, electrification, and shared/smart mobility) sono diventate il focus di molte organizzazioni che cercano di rivoluzionare il trasporto di persone e merci, migliorando accessibilità, sicurezza e sostenibilità. Sebbene l’ambiente normativo rimanga ancora acerbo, le tecnologie ACES hanno visto un’adozione accelerata sia da parte di nuovi player del settore che da parte di incumbent dell’industria automobilistica e aerospaziale. Nel 2023, per esempio, abbiamo assistito a importanti passi avanti verso l’adozione su larga scala di queste tecnologie, con programmi pilota commerciali di robo-taxi in grandi città e test di volo di aeromobili urbani.
Nonostante le elevate proiezioni di crescita e i primi segnali di successo per molte di queste tecnologie, gli innovatori devono ancora affrontare problemi tecnologici, normativi e di percezione da parte dei consumatori, che hanno aggiunto volatilità al settore nell’ultimo anno.
La mobilità del futuro: veicoli elettrici e autonomi
Secondo il Technology Trends Outlook 2024, la domanda di veicoli elettrici (EV) rimane elevata, nonostante il recente rallentamento della crescita nelle principali regioni. Nel 2023, le vendite di EV hanno raggiunto un record, ma i produttori stanno vedendo una domanda di consumo in calo con proiezioni di crescita più basse per il 2024, parzialmente a causa degli alti prezzi e dell’ansia da autonomia dei consumatori. Ciò sta lasciando le case automobilistiche con un eccesso di scorte di EV e le sta costringendo a ridurre i prezzi. L’industria sta ora esplorando come rendere significativamente più economici gli EV, in particolare negli Stati Uniti e in Europa.
I robo-taxi stanno affrontando ostacoli per raggiungere un utilizzo commerciale più diffuso. Nell’agosto 2023, le autorità della California hanno concesso a Waymo e Cruise l’autorizzazione a operare servizi commerciali di robo-taxi a San Francisco. Tuttavia, dopo una serie di incidenti di sicurezza, la licenza di Cruise è stata revocata nell’ottobre successivo. Waymo continua le sue operazioni commerciali e ha ottenuto l’approvazione iniziale per espandersi in California e operare sulle autostrade.
Il bioengineering e le sue applicazioni rivoluzionarie
La combinazione di progressi biologici e informatici ha portato a una serie di innovazioni in prodotti e servizi per settori come l’assistenza sanitaria, l’alimentare e l’agricoltura, i beni di consumo, la sostenibilità e l’energia e i materiali.
I ricercatori continuano inoltre a scoprire nuovi usi dell’AI nel bioingegneria, con recenti progressi nell’ingegneria delle proteine e nel reimpiego dei farmaci utilizzando algoritmi di AI proprietari.
