L鈥檌ntelligenza artificiale generativa (GenAI) 猫 probabilmente la tecnologia pi霉 popolare dei nostri giorni. Si prevede che gli investimenti globali in AI raggiungeranno , si tratta infatti di un鈥檃rea prioritaria di investimento per le aziende di tutto il mondo per sbloccare produttivit脿, efficienza e innovazione.
Tuttavia, sebbene tutti concordino sul fatto che questa tecnologia possa cambiare le carte in tavola per le imprese, la domanda che ci si pone sempre pi霉 spesso nei consigli di amministrazione 猫 se l鈥橝I sia davvero pronta per le aziende.
L鈥橝I per il business non 猫 una novit脿
L鈥檈ntusiasmo per l鈥橝I ha raggiunto livelli senza precedenti, ma non si tratta di una tecnologia del tutto nuova.
Nick Bostrom, nel suo libro 鈥淪uperintelligence鈥�*, pubblicato per la prima volta pi霉 di dieci anni fa, fornisce un鈥檈ccellente sintesi della progressione dell鈥橝I. Quest鈥檕pera contemporanea coglie gli stadi dell鈥橝I: le aspettative gonfiate, l鈥檃pice e le scoperte.
Le organizzazioni si affidano da tempo all鈥檃pprendimento automatico per alimentare analisi avanzate e capacit脿 predittive per aree molto diverse, dalla produzione alle operazioni finanziarie, fino all鈥檃pprovvigionamento e alla supply chain. Questi algoritmi offrono ai responsabili le informazioni necessarie per ottenere una maggiore efficienza operativa.
L鈥橝I 猫 stata utilizzata ampiamente anche nelle forme tradizionali di algoritmi, ad esempio nei motori di ricerca, che hanno definito un鈥檌ntera era del nostro sviluppo tecnologico e trasformato interi settori, in particolare quello pubblicitario.
Prepararsi all鈥檌ntelligenza artificiale in azienda: le sfide
Ma ci貌 che funziona sul web non funziona necessariamente all鈥檌nterno di un鈥檕rganizzazione. Internet non si preoccupa delle autorizzazioni. Il management s矛.
Con l鈥檃umento delle preoccupazioni sulla privacy e sulla protezione dei dati, soprattutto alla luce delle attuali pressioni normative, molte imprese hanno implementato restrizioni sull鈥檜so di strumenti aperti di AI.
E questo per una buona ragione. Immaginate che un dipendente condivida i bilanci, i contratti con i fornitori o le informazioni sullo stipendio con uno strumento di AI generativa che poi riutilizza quelle informazioni per rispondere alle richieste di altri utenti.
Uno strumento di AI generativa senza un elemento di autorizzazione non 猫 semplicemente adatto per un鈥檃zienda e probabilmente 猫 destinato a rimanere confinato a un solo caso d鈥檜so o a un solo reparto, limitando la sua capacit脿 di fornire maggior valore al business.
I problemi di sicurezza sorgono anche con il concetto di data lake, che combina fonti di dati 聽interne ed esterne al servizio dell鈥橝I. I data lake possono essere insidiosi per un鈥檕rganizzazione, soprattutto quando i dati devono essere esportati al di fuori delle grandi applicazioni aziendali.
In questo caso, 猫 necessario un approccio federato che lasci i dati all鈥檕rigine e non li copi o trasferisca. 脠 fondamentale che le imprese mantengano il livello semantico dei dati, aspetto che pu貌 essere il tallone d鈥橝chille di ogni progetto di data lake e, di conseguenza, dei modelli di AI generativa addestrati su quei dati.
Attenzione alle allucinazioni
Tuttavia, il pericolo maggiore dell鈥橝I, quando non 猫 pronta per il mondo aziendale, risiede nella sua tendenza ad avere 鈥渁llucinazioni鈥�.
La AI generativa 猫 un ottimo algoritmo che fondamentalmente impara guardando a ci貌 che 猫 disponibile nel suo dominio, di solito Internet. Siamo onesti: non ci si pu貌 pi霉 fidare di tutte le informazioni che si trovano sul web.
In un ambiente di business, i CEO cercano un鈥欌�渦nica versione della verit脿鈥�. Ci貌 significa che la verifica dei fatti 猫 importante, da cui segue la domanda: 鈥淨ual 猫 il set di dati su cui dovrei addestrare la mia AI generativa?鈥�. La verit脿 猫 che i responsabili non possono costruire prodotti o sviluppare innovazione utilizzando modelli che inventano cose o utilizzano insight basati su informazioni false o imprecise.
In questo caso, i fornitori di suite applicative, come SAP, possono intervenire per aiutare. Le applicazioni enterprise che alimentano le imprese di tutto il mondo sono ricche di dati di business che possono essere estratti dagli algoritmi di intelligenza artificiale per creare insight accurati, rilevanti e affidabili. I vendor che operano in questo contesto hanno anche una notevole esperienza nei processi e nei dati contestualizzati: le fonti perfette per formare una AI generativa efficace.
Non c’猫 dubbio che le imprese beneficeranno della potenza dell鈥橝I nei prossimi anni. Il fatto che sia pronta per le aziende dipende dai singoli sistemi e strumenti. Mentre alcuni modelli di AI sono gi脿 dotati di funzionalit脿 di livello enterprise, altri potrebbero non soddisfare ancora tutti i requisiti di affidabilit脿 e sicurezza. I responsabili devono prestare attenzione a creare casi d鈥檜so basati sull鈥橝I in grado di generare valore per il business, ad affidarsi a set di dati solidi e ad essere all鈥檃ltezza delle aspettative. Solo con questi binari di sicurezza si potranno garantire soluzioni di AI rilevanti, affidabili e responsabili per il mondo aziendale.
* 鈥淪uperintelligenza. Tendenze, pericoli, strategie鈥� 猫 stato scritto dall鈥檃utore Nick Bostrom e pubblicato per la prima volta nel 2013 dalla Oxford University Press.
