Negli ultimi anni, l’intelligenza artificiale generativa in azienda ha fatto rapidi progressi, conquistando non solo l’interesse di individui e lavoratori, ma anche quello dei colossi tecnologici come Amazon, Microsoft e Google. Mentre le big tech registrano una domanda crescente per i loro servizi cloud basati su AI, l’adozione dell’AI generativa nelle aziende più tradizionali procede più lentamente. Le aziende sembrano soffrire di una “pilotite” cronica, continuando a sperimentare piuttosto che implementare l’AI su larga scala.
Secondo un recente report di Deloitte, il “State of Generative AI in the Enterprise 2024” meno dell’8% delle aziende coinvolte in un sondaggio globale ha dichiarato di aver implementato più della metà delle proprie sperimentazioni con AI generativa. Il rapporto evidenzia come, nonostante l’entusiasmo iniziale, molte organizzazioni affrontino sfide sostanziali nel passare dai progetti pilota all’integrazione operativa su larga scala.
Indice degli argomenti
L’avanguardia dei lavoratori e il ritardo delle aziende
Un’indagine della Federal Reserve Bank di St. Louis ha rivelato che quasi il 39% degli americani usa già l’AI generativa, con il 28% che la sfrutta per scopi lavorativi e l’11% che ne fa uso quotidiano.
Ciò indica che, mentre le aziende procedono lentamente, i singoli dipendenti stanno adottando questi strumenti in modo autonomo. Molti di loro, definiti “secret cyborg”, stanno utilizzando l’AI generativa per migliorare la propria produttività, anche in assenza di un supporto strutturale dall’alto.
Questa adozione individuale è in contrasto con il fatto che solo il 5% delle imprese americane utilizza l’AI generativa per produrre beni o servizi, secondo i dati del Census Bureau. Questa tendenza contrapposta riflette l’esitazione dei vertici aziendali che affrontano preoccupazioni su governance, rischi legali e ritorno sull’investimento.
Preoccupazioni di governance e rischio
Un’importante barriera è rappresentata dai timori legati alla governance e alla gestione dei rischi. Il report di Deloitte rileva che solo il 25% dei dirigenti aziendali ritiene che la propria organizzazione sia “altamente” o “molto altamente” preparata a fronteggiare questioni di rischio e governance legate all’AI generativa. Le aziende, specialmente in settori regolamentati come sanità e servizi finanziari, temono ripercussioni su privacy, sicurezza e conformità normativa. A complicare le cose ci sono anche le nuove normative come l’AI Act dell’Unione Europea e le numerose leggi in discussione negli Stati Uniti.
Sfide di talento e competenze
La mancanza di competenze specifiche rappresenta un’altra barriera. L’analisi di Deloitte indica che il 37% dei leader aziendali ha dichiarato che le loro organizzazioni erano solo marginalmente preparate a rispondere alla sfida del talento nell’AI. [4]
Negli Stati Uniti, la domanda per specialisti in AI è aumentata del 122% quest’anno. Alcuni ruoli che richiedono competenze AI, come rappresentanti commerciali, possono offrire premi salariali significativi, fino a 45.000 dollari in più all’anno rispetto ai colleghi meno esperti.
Dati disordinati e sistemi IT obsoleti
Per integrare efficacemente l’AI generativa, le aziende devono prima migliorare la qualità e la gestione dei propri dati e sistemi IT. Lan Guan, responsabile AI di Accenture, sottolinea che molte organizzazioni sono meno preparate per l’AI generativa rispetto alle precedenti ondate tecnologiche come internet o cloud computing. Il report di Deloitte conferma che il problema dei “dati disorganizzati” è prevalente: spesso le informazioni aziendali sono disperse in vari formati e tra diversi sistemi, complicando l’uso dell’AI per funzioni automatizzate o assistenti virtuali.
Per esempio, una grande azienda di telecomunicazioni che desiderava formare un assistente AI per il proprio call center ha scoperto di avere ben 37 versioni diverse delle procedure operative standard, accumulate in decenni. La mancanza di un’unica “fonte di verità” e dati non strutturati aumenta il rischio di “allucinazioni” e errori generati dall’AI, rendendo più complessa l’integrazione della tecnologia.
La questione dei ritorni sull’investimento
Infine, il ritorno sull’investimento (ROI) è una preoccupazione significativa. L’uso di modelli di linguaggio di grandi dimensioni (LLM) è costoso, sia che venga effettuato sui server aziendali interni che sui provider di servizi cloud. Sebbene l’adozione dell’AI generativa possa portare a un aumento delle entrate e a una riduzione dei costi, i benefici non sono immediati, ciò solleva dubbi tra i dirigenti su quando e quanto sia effettivamente conveniente adottare queste tecnologie.
Secondo Deloitte, l’interesse dei dirigenti per l’AI generativa è sceso dal 74% al 63% nel corso del 2024. Questo dato riflette un certo scetticismo diffuso tra i leader aziendali, che chiedono risultati concreti prima di fare investimenti significativi. Un dirigente ha riassunto questa esitazione raccontando la storia di un CIO a cui è stato chiesto di ridurre il proprio team del 20% prima di promettere miglioramenti di produttività della stessa entità.
Conclusioni
L’AI generativa rappresenta una svolta potenziale per molte aziende, ma una serie di sfide tecniche, organizzative e culturali ne stanno rallentando l’adozione. I dati non strutturati, i sistemi IT obsoleti, le carenze di competenze specifiche e le incertezze sul ROI continuano a frenare molte imprese. Come ha sottolineato il CEO di Amazon Andy Jassy, il rischio di sotto-investire in questa tecnologia potrebbe essere maggiore del rischio di sovrainvestire. Mentre alcuni dipendenti si stanno già adattando autonomamente, l’esitazione da parte delle aziende potrebbe far perdere loro un vantaggio competitivo nel lungo periodo.
Partecipa alla community