Cosa lascerà alle aziende la bolla dell’AI generativa

Molte aziende stanno realizzando sperimentazioni applicative dei grandi modelli linguistici (gli Llm) che però, nell’enfasi della corsa per non perdere il treno dell’intelligenza artificiale generativa, generalmente non tengono nella dovuta considerazione gli aspetti legati alla sicurezza, alla privacy e alla riservatezza. Spesso queste applicazioni sperimentali vengono fatte in scenari applicativi che in azienda non sarebbero mai permessi per le applicazioni tradizionali.

Prudenza e affidabilità

Ho incontrato aziende che, per sperimentazione, caricano propri dati sensibili aziendali su server che non si sa bene dove siano e quali misure di sicurezza siano adottate per prevenire un loro leak futuro (in genere non è possibile, se non a costi esorbitanti). Poi c’è il tema dell’affidabilità: quando si danno in pasto a un algoritmo dei dati spazzatura, si ottengono risultati spazzatura. Ma non ci sono dati, spazzatura o meno, che si possano dare in pasto a un Llm in modo che questo non produca occasionalmente spazzatura. È insito nella tecnologia. Queste applicazioni devono essere verificate da vicino e questo implica dei costi nascosti che – una volta tenuti in debita considerazione – a loro volta limitano drasticamente i casi d’uso economicamente giustificati per un’adozione reale.

Da tempo scrivo su queste pagine che le aspettative attuali non saranno soddisfatte. Sequoia, il principale operatore di venture capital al mondo, si riferisce a questo iato tra gli investimenti trainati da aspettative elevate e le reali possibilità di contribuzione ai margini aziendali come “La domanda da 600 miliardi di dollari”. Di recente il Financial Times titolava emblematicamente una intervista a James Manyka, vicepresidente di Google per la ricerca, tecnologia e società “I guadagni di produttività dall’AI non sono garantiti”. Jim Covello, responsabile della ricerca azionaria globale di Goldman Sachs ha scritto che per ottenere un rendimento adeguato “l’AI dovrà risolvere problemi molto complessi, cosa che attualmente non è in grado di fare e forse non lo sarà mai”.

Il rischio della bolla

Si sta diffondendo l’opinione che ci troviamo in una bolla speculativa dell’intelligenza artificiale generativa e che prima o poi la bolla sarò destinata a scoppiare. Cosa resterà? Con qualche analogia con lo scoppio della bolla del 2000, rimarranno tecnologie e competenze molto diffuse, vaste quantità di capacità di archiviazione e di calcolo, sottoutilizzate. E queste tecnologie e risorse verranno vendute a prezzi molto inferiori agli attuali. Dopo un momento di disorientamento, ciò alimenterà probabilmente un aumento dell’adozione dell’AI per casi d’uso che hanno un impatto reale sulla bottom line, possibilmente più in termini di efficienza che di aumento di ricavi. Applicazioni legate alle ottimizzazioni, alle previsioni, all’analisi, al supporto alle decisioni… Quella intelligenza artificiale meno sexy ma con impatti misurabili che chiamo “AI noiosa”. Questo spingerà ancora di più la raccolta di dati e l’intelligenza artificiale applicata a quei dati. Per riferirsi a questa nuova ondata di AI con uno slogan “ombrello”, per semplificarne la comprensione e alimentare le aspettative, è possibile che riprenda vigore il termine un po’ trascurato di Gemelli Digitali (i cosiddetti “Digital Twins”). La prossima ondata di intelligenza artificiale potrebbe essere quella delle Digital Twin AI Applications.