Perché l’adozione dell’IA generativa è così difficile

This article is featured on HBR Italy, and is written by Terence Tse, Mark Esposito, Danny Goh, and Paul Lee.

NELL’ULTIMO ANNO E MEZZO, cioè il periodo trascorso dal rilascio di ChatGPT 3.5, sia le aziende che i privati si sono affrettati a esplorare le tecnologie di IA generativa (GenIA). Per molti era palpabile il timore di perdersi la “next big thing”, di essere superati da concorrenti in grado di decifrare il codice di utilizzo per rivoluzionare le loro attività o di essere colti di sorpresa da un cambiamento radicale nel proprio settore. Un rapporto dopo l’altro ha sottolineato il potere trasformativo della GenIA in tutti i settori e le sue implicazioni sul futuro del lavoro. Ad aggiungere benzina sul fuoco, gli articoli dei media hanno continuamente ricordato che i posti di lavoro rischiano di andare persi rapidamente e su larga scala.

Oggi, la frenesia della GenIA sembra essersi calmata, almeno marginalmente. Molte aziende si trovano ancora di fronte alle stesse domande di un anno fa: come sfruttare i risparmi sui costi promessi e i sostanziali guadagni di efficienza che GenIA presumibilmente offre? Come possono effettivamente mettere in pratica queste promesse? Dal nostro osservatorio, e dall’esperienza che abbiamo tratto nell’aiutare le aziende ad adottare e utilizzare l’IA, vediamo che molte sono in difficoltà. Le ragioni sono molteplici.

In primo luogo, molte aziende, grandi e piccole, stanno ancora cercando di capire come integrare nelle proprie attività l’IA tradizionale, come gli algoritmi basati su regole e l’apprendimento automatico. Nel migliore dei casi si trovano in una fase esplorativa, nel peggiore si sentono semplicemente perse. Secondo un recente studio, oltre il 70% delle grandi aziende intervistate si chiede ancora come sfruttare i potenziali vantaggi offerti dall’IA.

In secondo luogo, la GenIA è molto più complessa ed è orientata a scopi specifici. Sebbene sia in grado di scrivere un rapporto di 5.000 parole in pochi istanti, non può, ad esempio, svolgere un’attività di inserimento di dati di base, come l’estrazione e la classificazione dei dati della patente di guida, che l’IA tradizionale può fare facilmente. Per questo motivo, le aziende devono riflettere a fondo su quali casi d’uso potrebbero essere appropriati per individuare i vantaggi offerti da GenIA. Navigare nell’IA tradizionale è come navigare in acque agitate con un’imbarcazione all’avanguardia, ma un po’ ingombrante; GenIA aggiunge ulteriore stazza e potenza in un mare ancora più agitato. Un’azienda ancora non stabilizzata rispetto alla prima farà ovviamente fatica con la seconda.

In terzo luogo, le implicazioni a lungo termine dell’adozione di GenIA, come i costi a lungo termine e l’impatto delle normative attuali e future, sono ancora incerte. A nostro avviso, la situazione attuale ci riporta a quanto sperimentato poco prima del nuovo millennio. Sebbene le aziende di allora avessero intuito la necessità di creare siti web, poche erano in grado di vedere chiaramente il ruolo specifico che avrebbe avuto Internet in generale come parte integrante delle strategie omnichannel, per non parlare dei dispositivi e delle app per lo smartphone.

Alla luce di tutto ciò, è logico che la maggior parte delle aziende sia ancora alla ricerca di un percorso da seguire (anche se può sembrare che tutti gli altri l’abbiano capito). Questo non significa che la ricerca sia una cosa impossibile. In questo articolo spieghiamo come le aziende possono orientarsi e capire cosa fare dopo.

Il mercato della GenIA

La prima decisione che la maggior parte delle aziende deve prendere è quale prodotto GenIA vuole utilizzare. Ci sono oggi molti fornitori di GenIA, sia titani del settore come Meta e Alphabet sia nuovi arrivati come Hugging Face, Anthropic e Stability.ai. Questo mercato è destinato a diventare ancora più affollato, con aziende ricche di dati come Bloomberg e JPMorgan Chase che hanno segnalato la loro intenzione di entrare nella mischia e una Apple che sta lavorando a una propria offerta, chiamata Ajax. Ci sono alcuni fattori che le aziende dovrebbero considerare.

Innanzitutto, Open AI e i suoi attuali rivali sono in lizza per diventare la scelta migliore degli sviluppatori di soluzioni GenIA, mentre i ritardatari potrebbero aver già perso il treno. La recente introduzione da parte di OpenAI di un semplice strumento per la creazione di applicazioni alimentate da ChatGPT è un chiaro tentativo di consolidare la propria posizione, poiché chi è abituato a un sistema probabilmente lo utilizzerà di nuovo in futuro. Con la più grande – e probabilmente la migliore – GenAI sul mercato, OpenAI è nella posizione di creare un ecosistema.

Detto questo, è probabile che gli sviluppatori di soluzioni non vogliano giurare fedeltà a nessuno dei produttori di GenIA, per mantenere la possibilità di scegliere quella migliore per il proprio specifico progetto. Ciò ha dato origine a toolkit come LangChain, una piattaforma open-source progettata per consentire agli utenti di lavorare contemporaneamente su diversi tipi di GenIA.

La competizione in atto tra le diverse aziende GenIA assomiglia un po’ ai primi giorni del duello tra iOS e Android. Un ecosistema di grandi dimensioni consentirebbe a OpenAI di rimanere il leader di mercato (per fare utili) per alcuni anni, fino a quando i rivali non saranno in grado di unire le forze. Questo non significa necessariamente che Apple e Google si uniranno per competere con Microsoft. È più probabile che i rivali si mettano d’accordo su uno stesso standard su cui collaborare per contrastare il dominio di OpenAI. Riteniamo che questa situazione non sia dissimile da quella del 2015, quando i sostenitori di Android riuscirono finalmente a creare un ecosistema significativo per competere con iOS. Man mano che il mercato GenIA si consolida, possiamo aspettarci di vedere due o tre grandi fazioni in competizione tra loro. Aspettiamoci che altre aziende, sia big tech che start-up, raddoppino gli sforzi per essere al centro di questi sistemi.

Considerazioni chiave per trarre vantaggio dalla GenIA

Alla luce di questo stato di cose, come possono le aziende sfruttare l’intelligenza artificiale generativa? Qui di seguito trovate i nostri suggerimenti.

Scegliere la performance piuttosto che la novità

Nella nostra lunga esperienza di lavoro con GenIA, le sue prestazioni non derivano da risposte testuali simili a quelle umane in modo colloquiale o da un modello addestrato su una vasta quantità di dati. Per ottenere il meglio da GenIA, è necessario chiedersi se sia la tecnologia giusta per un particolare compito od obiettivo.

Per esempio, mentre ChatGPT è (per il momento) il meglio nel gestire parole e lingue, abbiamo scoperto che i modelli tradizionali di deep-learning danno risultati molto migliori nell’elaborazione delle immagini. Un’altra scoperta: in un prodotto che stiamo costruendo, abbiamo scoperto che ChatGPT-4 è migliore nel “comprendere” le domande degli utenti, mentre la versione 3.5 è più veloce e migliore nel convertire l’output elaborato in risposte agli utenti.

In altre parole, invece di abbracciare senza riserve l’ultima tecnologia di IA, le aziende devono comprendere i problemi aziendali che stanno cercando di risolvere e trovare lo strumento di IA più adatto in base ai punti di forza e di debolezza di ciascuna delle opzioni disponibili.

Combinare l’IA con la potenza dei database vettoriali

Si tratta di una nuova forma di database che si specializza nel recuperare i record più vicini per rispondere al meglio a query specifiche (a differenza dei database tradizionali che si limitano a conservare i record). Le aziende possono utilizzare un GenIA come ChatGPT per suddividere le domande degli utenti e poi utilizzare un database vettoriale per cercare le risposte migliori che corrispondono a tali parametri.

Considerate un’analogia: se si sta facendo un colloquio di lavoro, ChatGPT e i suoi concorrenti offrirebbero la capacità di “leggere la situazione”, analizzando la postura, le espressioni facciali, le scelte di parole e i toni degli intervistatori. I database vettoriali, invece, agirebbero come banche della memoria e dell’esperienza, avendo la capacità di trovare le cose migliori da dire.

In altre parole, la GenIA da sola potrebbe non essere sufficiente. A seconda dei problemi da affrontare, può rappresentare solo metà della soluzione tecnologica. La necessità di un database vettoriale per rendere GenIA veramente utile significa che le aziende devono aspettarsi di dover affrontare una complessità ancora maggiore e tempi lunghi per la messa a punto della soluzione.

Non lasciate mai fuori l’uomo

Come sempre, per quanto potenti possano sembrare le tecnologie di IA, le loro capacità sono buone solo in funzione del coinvolgimento degli esseri umani. Questo non è diverso per GenIA. Gli esseri umani svolgono un ruolo fondamentale nel guidare la GenIA verso gli obiettivi aziendali, nel gestire le interazioni all’interno dei sistemi IT, nel progettare le azioni necessarie per i dati che vanno e vengono dai modelli di IA e nell’attenuare le allucinazioni – le informazioni inventate o del tutto false prodotte dalla GenIA – che oggi costituiscono un problema importante.

Tracciare i dati

Anche se il problema delle allucinazioni rimane dilagante, è importante stabilire una traccia chiara dalla fonte dei dati fino agli utenti finali. La tracciabilità consente agli utenti di conoscere la fonte originale dei dati, il che rafforza l’affidabilità e l’attendibilità dei risultati GenIA, creando così una base più solida per un processo decisionale informato.

Le aziende devono assicurarsi che la tracciabilità dei dati sia un elemento di spicco sia nei loro stack tecnologici sia nei processi e nei flussi di lavoro. Solo in questo modo le aziende possono essere pienamente consapevoli di utilizzare il giusto tipo di dati.

Avere aspettative realistiche

La GenIA è una nave che viaggia veloce, con molte cose che accadono sottocoperta. È difficile sapere esattamente cosa, quanto e quanto velocemente le aziende GenIA possano realisticamente ottenere. Credere con convinzione che possa dare risultati immediati e ritorni finanziari eccezionali porterà molto probabilmente a delle delusioni. I leader devono comprendere che il viaggio esplorativo e sperimentale della GenIA sarà probabilmente lungo.

L’utilizzo delle tecnologie GenIA nelle operazioni aziendali trascende un semplice investimento tecnologico; è fondamentalmente un imperativo commerciale. Per quanto difficile sia l’impresa, per integrare la GenIA nelle operazioni aziendali è necessario comprendere le sfumature degli attuali sviluppi e avere un’acuta consapevolezza delle sfide presentate. Tuttavia, per quelle aziende che riusciranno a utilizzare con successo la GenIA per raggiungere i propri obiettivi commerciali, i vantaggi non potranno che essere promettenti ed enormi.

Terence Tse è professore di Finanza presso la Hult International Business School, nonché cofondatore e direttore esecutivo di Nexus FrontierTech, e co-fondatore di The Chart Thinktank. Mark Esposito è professore alla Hult International Business School e affiliato alla facoltà del Centro per lo sviluppo internazionale della Kennedy School di Harvard. È cofondatore di Nexus FrontierTech e di The Chart Thinktank. Danny Goh è cofondatore e amministratore delegato di Nexus FrontierTech ed esperto di imprenditorialità presso la Said Business School dell’Università di Oxford. Inoltre, ha co-fondato The Chart Thinktank e AI Native Foundation. Paul Lee è cofondatore di Ximplar, Vocofy AI, AUMEO e The Chart Thinktank.