Quello antropico Indice economico offre uno sguardo su come le organizzazioni e gli individui utilizzano effettivamente modelli linguistici di grandi dimensioni. Il rapporto contiene l’analisi dell’azienda di un milione di interazioni dei consumatori su Claude.ai, oltre a un milione di chiamate API aziendali, tutte datate novembre 2025. Il rapporto rileva che le sue cifre si basano su osservazioni, piuttosto che, ad esempio, su un campione di decisori aziendali o su un sondaggio generico.
Dominano i casi d’uso limitati
L’uso dell’intelligenza artificiale di Anthropic tende a concentrarsi attorno a un numero relativamente piccolo di attività, con le dieci attività eseguite più frequentemente che rappresentano quasi un quarto delle interazioni dei consumatori e quasi un terzo del traffico API aziendale. C’è un focus sull’uso di Claude per la creazione e la modifica del codice, come i lettori potrebbero aspettarsi.
Questa concentrazione dell’uso dell’intelligenza artificiale come strumento di sviluppo software è rimasta abbastanza costante nel tempo, suggerendo che il valore del modello è in gran parte basato su questo tipo di compiti, senza che emerga alcun uso di Claude per altri scopi di qualsiasi significato empirico. Ciò suggerisce che un’implementazione ampia e generale dell’IA ha meno probabilità di avere successo rispetto a quelle focalizzate su compiti in cui i modelli linguistici di grandi dimensioni si sono dimostrati efficaci.
L’aumento supera l’automazione
Sulle piattaforme consumer, l’uso collaborativo – in cui gli utenti ripetono le query all’intelligenza artificiale nel corso di una conversazione virtuale – è più comune rispetto all’utilizzo dell’intelligenza artificiale per produrre flussi di lavoro automatizzati. L’utilizzo dell’API aziendale mostra il contrario, poiché le aziende tentano di ottenere risparmi automatizzando le attività. Tuttavia, mentre Claude riesce a svolgere compiti più brevi, la qualità osservata dei risultati diminuisce quanto più complesso è il compito (o la serie di compiti) e quanto più lungo è il “tempo di riflessione” richiesto.
Ciò implica che l’automazione è più efficace per attività di routine e ben definite che sono più semplici, richiedono meno passaggi logici e dove le risposte alle domande possono essere rapide. Le attività che si stima richiedano diverse ore agli esseri umani mostrano tassi di completamento significativamente inferiori rispetto alle attività più brevi. Affinché le attività più lunghe abbiano successo, gli utenti devono ripetere e correggere gli output.
Gli utenti che suddividono attività di grandi dimensioni in passaggi gestibili e le presentano ciascuna separatamente (in modo interattivo o tramite API) hanno migliorato le percentuali di successo.
Le osservazioni dell’azienda mostrano che la maggior parte delle domande poste ai LLM sono associate ai ruoli dei colletti bianchi (anche se i paesi più poveri tendono a utilizzare Claude in contesti accademici più comunemente rispetto, ad esempio, agli Stati Uniti). Ad esempio, gli agenti di viaggio possono perdere complesse attività di pianificazione a favore del LLM e conservare elementi del loro lavoro più transazionale, mentre alcuni ruoli, come i gestori di proprietà, mostrano il contrario: le attività amministrative di routine possono essere gestite dall’intelligenza artificiale e le attività che richiedono un giudizio più elevato rimangono affidate al professionista umano.
Guadagni di produttività ridotti dall’affidabilità
IL note del rapporto che le affermazioni secondo cui l’intelligenza artificiale aumenta la produttività annuale del lavoro dell’1,8% (nell’arco di un decennio) è probabilmente meglio ridurle all’1-1,2%, a causa della necessità di tenere conto di manodopera e costi aggiuntivi. Sebbene un aumento di efficienza dell’1% nell’arco di un decennio sia ancora economicamente significativo, la necessità di attività come la convalida, la gestione degli errori e la rielaborazione ridurrà i tassi di successo e quindi dovrebbe esserci un aggiustamento simile nella mente dei decisori di un’azienda.
I potenziali guadagni per un’organizzazione che implementa l’intelligenza artificiale dipendono anche dal fatto che le attività assegnate al LLM integrino o sostituiscano il lavoro. In quest’ultimo caso, il successo della sostituzione di un’intelligenza artificiale per compiti normalmente svolti da un essere umano dipende dalla complessità del lavoro.
È interessante notare che il rapporto rileva una correlazione quasi perfetta tra la sofisticazione delle richieste degli utenti al LLM e i risultati positivi. Pertanto, il modo in cui le persone utilizzano l’intelligenza artificiale determina ciò che offre.
Punti chiave per i leader
- L’implementazione dell’intelligenza artificiale offre valore più rapidamente in aree specifiche e ben definite.
- I sistemi complementari (AI+uomo) superano la completa automazione per lavori complessi.
- L’affidabilità e il lavoro extra necessario “intorno” all’intelligenza artificiale riducono i guadagni di produttività previsti.
- I cambiamenti nella composizione della forza lavoro dipendono dal mix di compiti e dalla loro complessità, non da ruoli lavorativi specifici.
(Fonte immagine: “l’operaio edile virtuale” di antjeverena è concesso in licenza con CC BY-NC-SA 2.0.)
Vuoi saperne di più sull’intelligenza artificiale e sui big data dai leader del settore? Guardare Fiera dell’intelligenza artificiale e dei big data che si svolge ad Amsterdam, in California, e a Londra. L’evento completo è parte di TechEx e co-localizzato con altri importanti eventi tecnologici. Clic Qui per ulteriori informazioni
AI News è alimentato da Media TechForge. Esplora altri prossimi eventi e webinar sulla tecnologia aziendale Qui.
Fonte: www.artificialintelligence-news.com
