La percentuale di aziende che adottano l’AI è rimasta stabile negli ultimi cinque anni, ma il loro uso delle funzionalità di intelligenza artificiale è raddoppiato, secondo l’ultimo rapporto Mckinsey.
Nel 2017, il 20% delle aziende intervistate ha adottato l’AI in almeno un’area di business. Nel 2022, il 50% delle aziende sta implementando l’AI e il livello è rimasto nell’intervallo dal 50% al 58% dal 2019, secondo il McKinsey Global Survey on AI.
Tuttavia, l’uso delle capacità di intelligenza artificiale da parte delle aziende è decollato. Il numero medio di funzionalità che sono state incorporate in almeno una funzione o business unit è passato da 1,9 nel 2018 a 3,8 quest’anno. Le funzionalità principali sono l’automazione dei processi robotici e la visione artificiale, mentre la PNL è arrivata terza, avanzando dal centro del gruppo.
Investimenti in forte crescita negli ultimi cinque anni
Il rapporto McKinsey ha raccolto risposte da quasi 1.500 partecipanti, la metà dei quali aveva adottato l’AI e ha rilevato che i principali casi d’uso sono rimasti abbastanza costanti negli ultimi quattro anni: l’ottimizzazione delle operazioni di servizio continua a guidare il grafico. Il secondo è la creazione di nuovi prodotti basati sull’intelligenza artificiale, quindi l’analisi del servizio clienti, la segmentazione dei clienti e nuovi miglioramenti dei prodotti basati sull’intelligenza artificiale.
Gli investimenti nell’AI sono saliti alle stelle. Nel 2017, il 40% degli intervistati ha dichiarato che oltre il 5% dei propri budget digitali è stato destinato all’AI. Questo è ora fino al 52% degli intervistati che dice la stessa cosa nel 2022. Guardando ai prossimi tre anni, il 63% ritiene che le proprie aziende aumenteranno ancora di più gli investimenti nell’AI.
Anche il modo in cui le aziende vedono il valore dell’AI è cambiato. Nel 2018, il rischio e la produzione sono stati visti come le due aree in cui le aziende hanno visto valore. Nel 2022, i maggiori guadagni di entrate sono nel marketing e nelle vendite, nello sviluppo di prodotti e servizi, nella strategia e nella finanza aziendale.
Per quanto riguarda l’area con il più alto beneficio di costo dall’AI, è la gestione della catena di approvvigionamento.
Nell’ultimo mezzo decennio, ”abbiamo visto l’inverno dell’AI trasformarsi in una ’primavera AI’”, scrive Michael Chui, partner del McKinsey Global Institute, nel rapporto. Ma dopo un periodo di ”esuberanza iniziale”, sembra che abbiamo raggiunto un plateau… Potremmo vedere la realtà affondare in alcune organizzazioni del livello di cambiamento organizzativo necessario per incorporare con successo questa tecnologia. ”Esiste un playbook emergente per ottenere il massimo valore dall’AI”, ha aggiunto.
Il valore di fondo realizzato dall’AI rimane forte
Per circa un quarto delle aziende, almeno il 5% dei loro utili prima di interessi e imposte (EBIT) può essere attribuito all’AI. ”Il valore di fondo realizzato dall’AI rimane forte e in gran parte coerente”, afferma il rapporto.
Tra i leader dell’AI, l’aumento dei profitti è venuto più dai guadagni dei ricavi che dalla riduzione dei costi. Le loro migliori pratiche includono il collegamento della strategia AI ai risultati aziendali e l’impegno in pratiche ”di frontiera” per passare dalla sperimentazione con l’AI all’industrializzazione, secondo Bryce Hall, partner associato di McKinsey.
Esempi sono le pratiche operative di machine learning come l’assetizzazione o la trasformazione di elementi come il codice in risorse riutilizzabili che possono essere riapplicate a diverse applicazioni aziendali. Inoltre, i leader spesso sviluppano un’architettura dei dati abbastanza modulare da adattarsi rapidamente alle nuove applicazioni AI.
Infine, automatizzano la maggior parte dei processi relativi ai dati per migliorare ”l’efficienza nello sviluppo dell’IA ed espandere il numero di applicazioni AI che possono sviluppare fornendo più dati di alta qualità da alimentare. negli algoritmi di intelligenza artificiale.”
Gli high performer avevano 1,6 volte più probabilità di utilizzare programmi low-code e no-code per coinvolgere i propri dipendenti non tecnici nella creazione di applicazioni AI. Ciò accelera lo sviluppo di queste applicazioni.
Gli high performer erano anche più propensi a seguire pratiche di ridimensionamento specifiche, come ”l’utilizzo di set di strumenti standardizzati per creare pipeline pronte per la produzione e l’utilizzo di una piattaforma end-to-end per la scienza dei dati correlata all’intelligenza artificiale, l’ingegneria dei dati e lo sviluppo di applicazioni” che hanno creato internamente.
I leader erano più propensi a mitigare il rischio garantendo l’intelligenza artificiale e la governance dei dati, standardizzando processi e protocolli, automatizzando processi come il controllo della qualità dei dati per rimuovere gli errori introdotti manualmente e testando la validità dei modelli e monitorandoli nel tempo.
I data scientist sono i più difficili da trovare sul mercato
Tuttavia, una preoccupazione è che, con l’aumento dell’uso delle funzionalità di intelligenza artificiale, le azioni intraprese per mitigare il rischio non hanno tenuto il passo dal 2019. Questi rischi legati all’AI comprendono la conformità normativa, la sicurezza informatica, la privacy, la spiegabilità, la reputazione organizzativa, l’equità e l’equità, lo spostamento della forza lavoro, la sicurezza fisica, la sicurezza nazionale e la stabilità politica.
L’assunzione rimane una sfida continua anche in un mercato AI in espansione. Mentre gli ingegneri del software e gli ingegneri dei dati sono in cima alle classifiche di assunzione, i data scientist AI sono i più difficili da trovare. Le organizzazioni si sono rivolte al miglioramento delle competenze e alla riqualificazione come alternativa per colmare le lacune.
