Gli investimenti globali nell’intelligenza artificiale stanno ancora accelerando KPMG i dati mostrano che il divario tra la spesa aziendale per l’intelligenza artificiale e il valore aziendale misurabile si sta ampliando rapidamente.
Il dato principale del primo sondaggio trimestrale Global AI Pulse di KPMG è schietto: nonostante le organizzazioni globali pianifichino di spendere una media ponderata di 186 milioni di dollari per l’intelligenza artificiale nei prossimi 12 mesi, solo l’11% ha raggiunto la fase di implementazione e scalabilità degli agenti IA in modo da produrre risultati aziendali a livello aziendale.
Tuttavia, la scoperta centrale è non che l’intelligenza artificiale sta fallendo; Il 64% degli intervistati afferma che l’intelligenza artificiale sta già fornendo risultati aziendali significativi. Il problema è che “significativo” significa molto in quella frase, e la distanza tra i guadagni incrementali di produttività e il tipo di efficienza operativa combinata che sposta l’ago sul margine è, per la maggior parte delle organizzazioni, ancora sostanziale.
L’architettura di un divario prestazionale
Il rapporto di KPMG distingue tra ciò che definisce “leader dell’intelligenza artificiale” (ovvero le organizzazioni che stanno espandendo o utilizzano attivamente l’IA agente) e tutti gli altri. Il divario nei risultati tra questi due gruppi è sorprendente.
Steve Chase, Global Head of AI and Digital Innovation presso KPMG International, ha dichiarato: “I primi risultati di Global AI Pulse rafforzano il fatto che investire di più nell’intelligenza artificiale non equivale a creare valore. Le organizzazioni leader stanno andando oltre l’abilitazione, implementando agenti AI per reimmaginare i processi e rimodellare il modo in cui le decisioni e il flusso di lavoro all’interno dell’azienda”.
Tra i leader dell’IA, l’82% riferisce che l’AI sta già offrendo un valore aziendale significativo. Tra i loro coetanei, questa cifra scende al 62%. Quella diffusione di 20 punti percentuali potrebbe sembrare modesta isolatamente, ma si aggrava rapidamente se si considera ciò che riflette: non solo strumenti migliori, ma filosofie di implementazione fondamentalmente diverse.
Le organizzazioni di quell’11% stanno implementando agenti che coordinano il lavoro tra le funzioni, indirizzano le decisioni senza l’intermediazione umana in ogni fase, fanno emergere informazioni a livello aziendale dai dati operativi quasi in tempo reale e segnalano le anomalie prima che si trasformino in incidenti.
Nelle funzioni IT e di ingegneria, il 75% dei leader dell’IA utilizza agenti per accelerare lo sviluppo del codice rispetto al 64% dei loro colleghi. Nelle operazioni, dove l’orchestrazione della catena di fornitura è il caso d’uso principale, la ripartizione è del 64% contro il 55%. Non si tratta di differenze marginali nei tassi di adozione degli strumenti; riflettono diversi livelli di riarchitettura dei processi.
La maggior parte delle aziende che hanno implementato l’intelligenza artificiale lo hanno fatto sovrapponendo modelli a flussi di lavoro esistenti (ad esempio un copilota qui, uno strumento di riepilogo là…) senza riprogettare il processo all’interno di tali strumenti. Ciò produce guadagni incrementali.
Le organizzazioni che colmano il divario prestazionale hanno invertito questo approccio: stanno prima ridisegnando il processo, quindi implementando gli agenti per operare all’interno della struttura riprogettata. La differenza nel ritorno sulla spesa per l’intelligenza artificiale tra questi due approcci, su un orizzonte da tre a cinque anni, sarà probabilmente la variabile competitiva che definisce in diversi settori.
Cosa si compra effettivamente con 186 milioni di dollari e cosa no
I dati sugli investimenti contenuti nei dati KPMG meritano un esame accurato. Una media globale ponderata di 186 milioni di dollari per organizzazione sembra sostanziale, ma la varianza regionale racconta una storia più interessante.
L’ASPAC guida con 245 milioni di dollari, le Americhe con 178 milioni di dollari e l’EMEA con 157 milioni di dollari. All’interno dell’ASPAC, le organizzazioni, comprese quelle in Cina e Hong Kong, stanno investendo in media 235 milioni di dollari; nelle Americhe, le organizzazioni statunitensi ammontano a 207 milioni di dollari.
Queste cifre rappresentano la spesa pianificata per modelli di licenza, infrastrutture informatiche, servizi professionali, integrazione e apparati di governance e gestione del rischio necessari per gestire l’IA in modo responsabile e su vasta scala.
La questione non è se 186 milioni di dollari siano troppi o troppo pochi; è la percentuale di quella cifra che viene assegnata all’infrastruttura operativa necessaria per trarre valore dai modelli stessi. I dati dell’indagine suggeriscono che la maggior parte delle organizzazioni continua a sottoponderare quest’ultima categoria.
I costi di calcolo e di licenza sono visibili e relativamente facili da preventivare. I costi di attrito – le ore di progettazione spese per integrare gli output dell’intelligenza artificiale con i sistemi ERP legacy, la latenza introdotta da pipeline di generazione aumentata di recupero costruite su dati scarsamente strutturati e il sovraccarico di conformità derivante dal mantenimento degli audit trail per le decisioni assistite dall’intelligenza artificiale nei settori regolamentati – tendono ad emergere tardi nei cicli di implementazione e spesso superano le stime iniziali.
L’integrazione del database vettoriale è un esempio utile. Molti flussi di lavoro degli agenti dipendono dalla capacità di recuperare il contesto rilevante da archivi di documenti di grandi dimensioni e non strutturati in tempo reale. Costruire e mantenere l’infrastruttura per questo – selezionando tra fornitori come Pinecone, Weaviate o Qdrant, incorporando e indicizzando dati proprietari e gestendo i cicli di aggiornamento man mano che i dati sottostanti cambiano – aggiunge una significativa complessità ingegneristica e costi operativi continui che raramente compaiono nelle proposte iniziali di investimento nell’IA.
Quando l’infrastruttura è assente o mal mantenuta, le prestazioni dell’agente peggiorano in modi spesso difficili da diagnosticare, poiché il comportamento del modello è corretto rispetto al contesto che riceve, ma quel contesto è obsoleto o incompleto.
La governance come variabile operativa, non come esercizio di conformità
Forse la scoperta più utile dal punto di vista pratico emersa dall’indagine KPMG è la relazione tra maturità dell’IA e fiducia nel rischio.
Tra le organizzazioni ancora in fase di sperimentazione, solo il 20% si sente fiducioso nella propria capacità di gestire i rischi legati all’intelligenza artificiale. Tra i leader dell’intelligenza artificiale, questa cifra sale al 49%. Il 75% dei leader globali cita la sicurezza dei dati, la privacy e i rischi come preoccupazioni costanti indipendentemente dal livello di maturità, ma la maturità cambia il modo in cui tali preoccupazioni vengono rese operative.
Si tratta di una distinzione importante per i consigli di amministrazione e le funzioni di rischio che tendono a inquadrare la governance dell’IA come un vincolo all’implementazione. I dati KPMG suggeriscono la dinamica opposta: i quadri di governance non farlo lenta adozione dell’IA tra le organizzazioni mature; lo abilitano. La fiducia necessaria per muoversi più velocemente – per implementare gli agenti in flussi di lavoro con una posta in gioco più alta, per espandere il coordinamento degli agenti tra le funzioni – è direttamente correlata alla maturità dell’infrastruttura di governance che circonda tali agenti.
In pratica, ciò significa che le organizzazioni che considerano la governance come un livello di conformità retrospettiva sono doppiamente svantaggiate. Sono più lenti da implementare, perché ogni nuovo caso d’uso innesca una nuova revisione della governance, e sono più esposti al rischio operativo, perché l’assenza di meccanismi di governance integrati significa che i casi limite e le modalità di errore vengono scoperti nella produzione piuttosto che nei test.
Le organizzazioni che hanno incorporato la governance nella pipeline di distribuzione stessa (ad esempio schede modello, monitoraggio automatizzato dell’output, strumenti di spiegabilità e percorsi di escalation human-in-the-loop per decisioni con scarsa certezza) sono quelle che operano con la sicurezza che consente loro di crescere.
“In definitiva, non esiste futuro degli agenti senza fiducia, né fiducia senza una governance che tenga il passo”, spiega Steve Chase, responsabile globale dell’intelligenza artificiale e dell’innovazione digitale presso KPMG International. “L’indagine chiarisce che investimenti sostenuti nelle persone, nella formazione e nella gestione del cambiamento sono ciò che consente alle organizzazioni di scalare l’intelligenza artificiale in modo responsabile e di acquisire valore”.
Divergenza regionale e cosa indica per un dispiegamento globale
Per le multinazionali che gestiscono programmi di intelligenza artificiale in diverse regioni, i dati KPMG evidenziano differenze sostanziali nella velocità di implementazione e nella postura organizzativa che influenzeranno la pianificazione dell’implementazione globale.
ASPAC sta avanzando in modo più aggressivo sul ridimensionamento degli agenti; Il 49% delle organizzazioni utilizza agenti IA scalabili, rispetto al 46% nelle Americhe e al 42% nell’EMEA. ASPAC è leader anche nella capacità più complessa di orchestrare sistemi multi-agente, con il 33%.
I profili delle barriere differiscono anche in modi che comportano reali implicazioni operative. Sia nell’ASPAC che nell’EMEA, il 24% delle organizzazioni cita la mancanza di fiducia e di consenso da parte della leadership come il principale ostacolo all’implementazione degli agenti AI. Nelle Americhe, questa cifra scende al 17%.
I sistemi agentici, per definizione, prendono o avviano decisioni senza l’approvazione umana di volta in volta. Nelle culture organizzative in cui la responsabilità decisionale è strettamente concentrata al livello senior, ciò può generare una resistenza istituzionale che nessuna capacità tecnica può risolvere. La soluzione è la progettazione della governance; in particolare, definendo in anticipo quali categorie di decisioni un agente è autorizzato a prendere autonomamente, cosa innesca l’escalation e chi è responsabile dei risultati avviati dall’agente.
Vale la pena notare anche il divario di aspettative riguardo alla collaborazione uomo-intelligenza artificiale per chiunque progetti flussi di lavoro assistiti da agenti su scala globale.
Gli intervistati dell’Asia orientale prevedono che gli agenti di intelligenza artificiale guideranno i progetti ad un tasso del 42%. Il 34% degli intervistati australiani preferisce l’intelligenza artificiale diretta dall’uomo. Il 31% degli intervistati nordamericani propendono per la collaborazione peer-to-peer tra uomo e intelligenza artificiale. Queste differenze influenzeranno il modo in cui i processi assistiti da agenti dovranno essere progettati in diverse implementazioni regionali dello stesso sistema sottostante, aggiungendo complessità di localizzazione che è facile da sottovalutare nella pianificazione della piattaforma centralizzata.
Un dato del sondaggio KPMG che merita particolare attenzione da parte di CFO e consigli di amministrazione: il 74% degli intervistati afferma che l’intelligenza artificiale rimarrà una delle massime priorità di investimento anche in caso di recessione. Questo è un segno di genuina convinzione riguardo al ruolo dell’intelligenza artificiale nella struttura dei costi e nel posizionamento competitivo, oppure riflette un impegno collettivo che non è stato ancora messo alla prova rispetto alle effettive pressioni di bilancio. Probabilmente entrambi, in proporzioni diverse nelle diverse organizzazioni.
Ciò che indica è che la finestra temporale per le organizzazioni ancora in fase di sperimentazione non è indefinita. Se l’11% dei leader dell’intelligenza artificiale continua ad aumentare il proprio vantaggio (e i dati KPMG suggeriscono che i meccanismi per farlo sono in atto) la domanda per il restante 89% non è se accelerare l’implementazione dell’intelligenza artificiale, ma come farlo senza aggravare il debito di integrazione e i deficit di governance che stanno già limitando i loro rendimenti.
Vedi anche: Hershey applica l’intelligenza artificiale in tutte le operazioni della catena di fornitura
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 ed è situato in concomitanza con altri importanti eventi tecnologici tra cui Fiera sulla sicurezza informatica e sul cloud. 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
