Progetti IA, dopo la fase di entusiasmo ecco i primi delusi
![assolombarda ia assolombarda ia](https://static.digitalworlditalia.it/wp-content/uploads/2023/04/shutterstock_2287315871-320x210.jpg)
I risultati di uno studio condotto da Lucidworks (2024 Generative AI Global Benchmark Study) rivelano che l’entusiasmo iniziale per i progetti di IA generativa sta lasciando spazio a un approccio più cauto da parte delle aziende.
Tra aprile e maggio 2024, Lucidworks ha intervistato leader aziendali coinvolti nell’adozione dell’IA in Nord America, EMEA e regione APAC. I partecipanti provenivano da 1.000 aziende con oltre 100 dipendenti e attive in 14 settori industriali, tutte con iniziative legate all’IA in corso. Secondo la ricerca, il 63% delle aziende globali prevede di aumentare la spesa in IA nei prossimi 12 mesi, rispetto al 93% del 2023. Questo rallentamento può essere attribuito a due fattori principali.
- L’IA non ha ancora dato risultati significativi per molte aziende: il 42% non ha ancora visto benefici rilevanti dalle proprie iniziative di IA generativa e solo il 25% degli investimenti pianificati in IA generativa è stato completato
- Crescente preoccupazione per i costi dei progetti di IA, aumentati di 14 volte rispetto allo scorso anno e per la precisione delle risposte fornite dai sistemi di IA. Oltre ai costi iniziali, è infatti necessario considerare aspetti come la sicurezza, l’accuratezza delle risposte, l’allineamento con le politiche aziendali e i costi di acquisizione dei dati
Secondo la ricerca il 49% delle organizzazioni ha optato per l’utilizzo di LLM commerciali come Gemini e GPT, mentre il 30% utilizza sia LLM commerciali, sia open-source. Solo il 21% si è affidato esclusivamente a LLM open-source come Llama 3 e Mistral, che saranno sempre più utilizzati in futuro grazie ai miglioramenti nelle prestazioni e ai minori costi rispetto ai modelli commerciali.
Tra le organizzazioni intervistate, le iniziative di IA generativa di maggior successo hanno riguardato la governance (standardizzazione dei modelli, limitazione dell’accesso agli strumenti di IA in base al ruolo, ecc.) e la riduzione dei costi, sia generali che amministrativi (test di domande e risposte, debug, suggerimenti di codice, documentazione per le risorse umane). Quello della governance è un dato che non deve stupire, considerando che le organizzazioni stanno dando priorità alla gestione dei rischi legati alle potenti capacità dell’IA generativa anche in considerazione del crescente panorama normativo come l’AI Act dell’UE.
Le applicazioni qualitative, che utilizzano testo e forniscono risposte limitate come la generazione di FAQ e il supporto alle risorse umane, hanno rappresentato circa un quarto delle implementazioni riuscite. Le applicazioni con una componente quantitativa, come l’ottimizzazione dei risultati di ricerca, la selezione dei candidati e il supporto alla chiusura dei risultati finanziari, hanno invece avuto maggiori difficoltà, con meno del 15% di implementazioni di successo.
Infine, anche la generazione di codice è emersa come uno dei principali casi d’uso dell’IA generativa, essendo un esempio di come i “copilot” di IA possono supportare i lavoratori della conoscenza in attività creative come la scrittura di codice o la stesura di documenti.