Secondo un recente sondaggio globale di McKinsey sull’intelligenza artificiale (AI), dal titolo “The state of AI in early 2024: Gen AI adoption spikes and starts to generate value”, il 72% degli intervistati afferma che le loro organizzazioni hanno adottato l’AI in almeno una funzione aziendale, con un balzo significativo rispetto all’anno precedente. Questo aumento riflette l’adozione accelerata dell’AI generativa (gen AI), con il 65% degli intervistati che dichiara che le loro organizzazioni utilizzano regolarmente la gen AI, quasi il doppio rispetto a soli dieci mesi fa.
L’adozione dell’AI sta accelerando e inizia a generare valore
I risultati suggeriscono che le aziende stanno iniziando a trarre benefici tangibili dall’utilizzo della gen AI, registrando sia riduzioni dei costi che aumenti dei ricavi nelle unità aziendali che dispiegano questa tecnologia. Secondo il sondaggio, le funzioni aziendali che più spesso vedono riduzioni significative dei costi grazie all’uso della gen AI sono le risorse umane, mentre gli aumenti più significativi dei ricavi si riscontrano nella gestione della supply chain e delle scorte.
I rischi dell’AI generativa e come mitigarli
Mentre le aziende iniziano a vedere i benefici della gen AI, riconoscono anche i diversi rischi ad essa associati, che vanno dai rischi di gestione dei dati come la privacy dei dati, i pregiudizi o la violazione della proprietà intellettuale, ai rischi di gestione dei modelli, che tendono a concentrarsi sull’output impreciso o sulla mancanza di spiegabilità. Un’altra grande categoria di rischi riguarda la sicurezza e l’uso improprio. Secondo il sondaggio, l’imprecisione – che può influire sui casi d’uso lungo tutta la catena del valore della Gen AI, dall’esperienza del cliente al riassunto, alla codifica e ai contenuti creativi – è l’unico rischio che gli intervistati affermano con maggiore frequenza rispetto all’anno scorso che le loro organizzazioni stanno attivamente lavorando per mitigare.
Portare le capacità di AI generativa a supporto del business
Il sondaggio ha anche cercato di capire come e quanto rapidamente le organizzazioni stanno implementando questi nuovi strumenti di Gen AI. McKinsey ha individuato tre archetipi per l’implementazione di soluzioni di Gen AI:
- i “takers” utilizzano soluzioni pronte all’uso, disponibili pubblicamente;
- gli “shapers” personalizzano quegli strumenti con dati e sistemi proprietari;
- i “makers” sviluppano i propri modelli fondamentali da zero.
In base alle risposte, sembra che in molti settori le organizzazioni stiano trovando applicabili alle loro esigenze aziendali le offerte pronte all’uso, anche se molte stanno perseguendo opportunità per personalizzare i modelli o addirittura svilupparne di propri. Circa la metà delle applicazioni di Gen AI segnalate all’interno delle funzioni aziendali degli intervistati utilizza modelli o strumenti pubblicamente disponibili, con poca o nessuna personalizzazione.
Le sfide degli high performer nell’AI generativa
Solo un piccolo sottogruppo di intervistati (46 su 876) riferisce che una quota significativa dell’EBIT delle loro organizzazioni può essere attribuita all’implementazione della gen AI. Questi leader dell’AI generativa, che già attribuiscono più del 10% del loro EBIT all’uso della gen AI, stanno affrontando diverse sfide che possono servire da avvertimento per gli altri.
Il 70% afferma di aver incontrato difficoltà con i dati, compresa la definizione di processi per la governance dei dati, lo sviluppo della capacità di integrare rapidamente i dati nei modelli di AI e una quantità insufficiente di dati di formazione, evidenziando il ruolo essenziale che i dati svolgono nel creare valore. Inoltre, secondo il sondaggio, questi leader sono più inclini di altri a sperimentare sfide con i loro modelli operativi, come l’implementazione di modalità di lavoro agili e un’efficace gestione delle prestazioni degli sprint.
Gli investimenti in AI generativa e analitica stanno creando valore
Il sondaggio ha anche esaminato come le diverse industrie stanno investendo nelle loro risorse digitali per la Gen AI e le soluzioni di AI analitica. Le risposte suggeriscono che, in molti settori, le organizzazioni hanno circa la stessa probabilità di investire più del 5% dei loro budget digitali nella Gen AI come nelle soluzioni di AI analitica non generativa. Tuttavia, nella maggior parte dei settori, quote più grandi di intervistati riferiscono che le loro organizzazioni spendono più del 20% per l’AI analitica che per la gen AI. Guardando al futuro, la maggior parte degli intervistati (67%) prevede che le loro organizzazioni investiranno di più nell’AI nei prossimi tre anni.
Processi per sviluppare e implementare l’AI generativa
Secondo il sondaggio, gli intervistati riferiscono più spesso che le loro organizzazioni hanno richiesto da uno a quattro mesi dall’inizio di un progetto per mettere in produzione le capacità di Gen AI, anche se i tempi variano a seconda della funzione aziendale. Dipende anche dall’approccio per acquisire tali capacità. Non sorprende che le applicazioni segnalate di modelli altamente personalizzati o proprietari abbiano 1,5 volte più probabilità rispetto ai modelli pubblicamente disponibili di richiedere cinque mesi o più per essere implementati. Gli intervistati delle industrie energetiche e dei materiali, della tecnologia e dei media e delle telecomunicazioni sono più inclini a riferire una personalizzazione significativa o lo sviluppo di modelli proprietari per affrontare specifiche esigenze aziendali.
Competenze e talenti necessari per l’AI generativa
Il sondaggio ha anche esplorato le pratiche che distinguono gli high performer dell’AI generativa dagli altri. Questi leader sono molto più inclini a dire che le loro organizzazioni seguono una serie di best practice legate al rischio. Ad esempio, hanno quasi il doppio delle probabilità rispetto agli altri di coinvolgere la funzione legale e integrare le revisioni del rischio nelle prime fasi dello sviluppo delle soluzioni di gen AI, ovvero di “spostare a sinistra”. Inoltre, sono molto più propensi degli altri a impiegare una vasta gamma di altre best practice, dalle pratiche legate alla strategia a quelle relative al ridimensionamento. I leader dell’AI generativa sono anche più propensi di altri a riferire di aver sperimentato conseguenze negative dall’uso della Gen AI, dalla sicurezza informatica alla privacy individuale, dalla spiegabilità alla violazione della proprietà intellettuale.
Roadmap per l’implementazione dell’AI generativa
Secondo il sondaggio, gli high performer dell’AI generativa sono molto più inclini di altri a dire che le loro organizzazioni hanno processi chiari per incorporare la mitigazione dei rischi nelle loro soluzioni, come il coinvolgimento della funzione legale nelle prime fasi dello sviluppo. Sono anche più propensi a riferire di aver progettato modelli di Gen AI per consentire audit, controlli di prevenzione del rischio e valutazioni del rischio. Inoltre, sono più inclini a formare il personale tecnico per comprendere le pratiche di mitigazione del rischio e ad avere un consiglio o una commissione aziendale con l’autorità per prendere decisioni sulla governance responsabile dell’AI. Queste pratiche di governance e mitigazione del rischio saranno cruciali man mano che l’adozione della gen AI accelererà e le aziende cercheranno di catturare maggiore valore da questa tecnologia.
