Secondo un report di Enterprise Strategy Group (ESG) e Hitachi Vantara, nonostante il crescente interesse ed entusiasmo per l’IA generativa (o GenAI), stanno emergendo sfide significative che minacciano il successo di questi progetti. La ricerca, che ha intervistato 800 responsabili IT e aziendali negli Stati Uniti, in Canada e in Europa occidentale, analizza il ruolo critico dell’infrastruttura dati per la GenAI aziendale e le decisioni associate alla base di un’implementazione di successo.

Quasi due terzi degli intervistati (63%) affermano di aver già identificato almeno un caso d’uso per la GenAI, ma nonostante il crescente impegno nell’implementazione del GenAI, diversi fattori pongono seri rischi per le aziende:

  • Meno della metà (44%) delle organizzazioni dispone di politiche ben definite e complete in materia di IA generativa
  • Solo poco più di un terzo (37%) ritiene che la propria infrastruttura e il proprio ecosistema di dati siano ben preparati per l’implementazione di soluzioni GenAI
  • Il 61% degli intervistati concorda sul fatto che la maggior parte degli utenti non sa come capitalizzare su GenAI, e il 51% segnala la mancanza di dipendenti qualificati con conoscenze in materia di IA generativa
  • Il 40% degli intervistati ha dichiarato di non essere ben informato sulla pianificazione e l’esecuzione dei progetti GenAI

Hitachi genai

I dati del report mostrano inoltre che le organizzazioni stanno cercando attivamente opzioni di infrastruttura a basso costo, ma anche la privacy e la latenza sono fattori di primaria importanza. Il 71% degli intervistati concorda sulla necessità di ammodernare la propria infrastruttura prima di perseguire progetti GenAI: uno schiacciante 96% degli intervistati preferisce modelli non proprietari, l’86% sfrutterà la Retrieval-Augmented Generation (RAG) e il 78% cita un mix di cloud pubblico e on-premise per la creazione e l’utilizzo di soluzioni GenAI.

A lungo termine, tuttavia, le organizzazioni prevedono che l’uso di modelli proprietari aumenterà di sei volte, man mano che le aziende acquisiranno competenze e cercheranno di differenziarsi dalla concorrenza.

“L’esigenza di una maggiore accuratezza mostra come le organizzazioni diano priorità ai dati più rilevanti e recenti da incorporare in un LLM” ha dichiarato Mike Leone, analista di Enterprise Strategy Group. “La gestione dei dati con la giusta infrastruttura non solo consentirà di ottenere maggiori livelli di accuratezza, ma migliorerà anche l’affidabilità in base all’evoluzione dei dati e delle condizioni aziendali”.

Fattori trainanti e ostacoli all’adozione

Il report ha rilevato che diverse aree stanno spingendo le aziende verso l’IA generativa. I casi d’uso più citati riguardano l’automazione e l’ottimizzazione dei processi (37%), l’analisi predittiva (36%) e il rilevamento delle frodi (35%). Non sorprende quindi che il miglioramento dell’efficienza operativa sia l’area più citata per i risultati che le aziende stanno ottenendo; tuttavia, meno della metà (43%) ha ottenuto benefici fino a questo momento.

Per quanto riguarda infine le principali preoccupazioni e sfide da affrontare, più di quattro intervistati su cinque (81%) concordano sulla preoccupazione di garantire la privacy e la conformità dei dati durante la creazione e l’utilizzo di applicazioni che sfruttano la GenAI, mentre il 77% concorda sulla necessità di affrontare i problemi di qualità dei dati.