Gen AI: Il passaggio delle aziende da grandi marche a soluzioni startup

L’intelligenza generativa e i chatbot non sono qualcosa che il mondo non abbia mai visto prima del 2022. Non si tratta nemmeno di Siri o Alexa, ma della vecchia ELIZA, uno dei primi esempi di elaborazione del linguaggio naturale, che adesso sarebbe una signora di 57 anni. Tuttavia, solo mezzo secolo dopo, quando Chat GPT e altri notevoli modelli linguistici di grandi dimensioni hanno dimostrato la tecnologia come commercialmente fattibile in una vasta gamma di settori, le aziende hanno capito che avevano bisogno di soluzioni di intelligenza generativa il prima possibile.

Tuttavia, poche di loro si rendono conto di cosa hanno bisogno di intelligenza generativa e ancora meno capiscono la complessità del compito e le risorse necessarie. È qui che entriamo in scena – acceleratori e società di consulenza.

Su misura o pronta per l’uso?

Un buon abito, confezionato secondo le misure individuali con tessuto preferito, colore e con una particolare occasione in mente, è un investimento degno. Le persone che indossano tali abiti non si preoccupano del loro aspetto. Sanno di essere perfetti e si sentono di conseguenza. Una soluzione tecnologica di intelligenza artificiale personalizzata, che è stata progettata per raggiungere specifici obiettivi aziendali, con una sicurezza avanzata e perfettamente integrata nei sistemi aziendali, è un vero e proprio abito di James Bond.

Questa è una buona analogia, che dà un’idea generale. Ma andiamo un po’ più a fondo nelle ragioni per cui la maggior parte delle aziende preferisce non implementare soluzioni di intelligenza artificiale già pronte, anche se provenienti da leader di mercato:

Innanzitutto, l’integrazione efficace dell’intelligenza generativa è impossibile senza un lavoro altamente individualizzato per ogni azienda, che richiede un team separato, informato sui piani di sviluppo strategico dell’azienda, sugli obiettivi e sulla disponibilità di risorse. Una soluzione di intelligenza generativa che si è rivelata efficace per un’azienda probabilmente si rivelerà inutile per un’altra.

In secondo luogo, una startup più piccola si immergerà completamente nelle specifiche dell’azienda e offrirà una soluzione su misura da un team di esperti di intelligenza artificiale, che sono in grado di lavorare con modelli open-source, addestrati in modo sicuro sui dati aziendali e posizionati sui server del cliente. Ciò consente di creare una soluzione on-premise e di rispettare i requisiti di distribuzione e archiviazione dei dati sicuri, che è una priorità per le aziende.

Cosa hanno bisogno le aziende di intelligenza generativa?

Poiché l’intelligenza generativa è relativamente una nuova arrivata nel mercato aziendale, il principale modo per acquisire esperienza e fare progressi è attraverso la prova e l’errore, il che significa lanciare progetti pilota. Finché non avremo abbastanza benchmark in vari settori, questo è di gran lunga il modo più produttivo per trovare una soluzione che si adatti perfettamente alle esigenze uniche dell’azienda.

Tuttavia, ci sono alcune tendenze nelle richieste aziendali di soluzioni di intelligenza generativa:

1. Bot di testo e voce intelligenti basati su LLM per fornire assistenza di alta qualità alle query di servizio clienti e supporto di diversi livelli di complessità.

2. Assistente AI per dipendenti (ad esempio un aiutante del gestore delle vendite, che analizza una conversazione in tempo reale con il potenziale cliente e genera contemporaneamente idee e offerte per lo specialista)

3. Copilota per sviluppatori

4. Soluzioni HR per l’automazione del reclutamento e dell’onboarding

5. Strumenti di marketing: generazione di immagini e avatar, scrittura di articoli e recensioni di prodotti.

‘Non è necessaria l’intelligenza generativa’ – questa è la conclusione che alcuni clienti non si aspettano di raggiungere, ma concordano prontamente dopo aver analizzato lo stato attuale dell’azienda e gli obiettivi aziendali. L’intelligenza artificiale per il sake dell’intelligenza artificiale è uno spreco di risorse, che la tecnologia è chiamata ad eliminare.

Opportunità di mercato dell’intelligenza generativa

Secondo la stima di PitchBook, il mercato dell’intelligenza generativa raggiungerà i 42,6 miliardi di dollari entro la fine del 2023 e si prevede che cresca al tasso del 32% per raggiungere i 98,1 miliardi di dollari entro il 2026. Queste previsioni non tengono conto del potenziale dell’intelligenza generativa per espandere il mercato totale dei software di intelligenza artificiale.

Ciò si confronta con il 22,6% di tasso di crescita annuo composto per l’industria dell’intelligenza artificiale nel suo complesso, il che significa che GenAI continuerà a superare le prestazioni rispetto all’industria più ampia.

Se le stime non sono abbastanza convincenti, ecco un fatto illustrativo dalla nostra esperienza come acceleratore. Dopo il 2022 turbolento, associato alla recessione economica e al rapido declino degli investimenti venture, i programmi di accelerazione di Intema hanno spostato l’attenzione dal fundraising al lancio di progetti pilota con le aziende.

Nel 2023, Intema ha tenuto due programmi di accelerazione con tecnologie dominanti assolutamente diverse: Metaverse e intelligenza generativa. Durante il programma, connettiamo le startup con i clienti aziendali per discutere potenziali soluzioni tecnologiche, organizzare demo e, se riuscito, raggiungere accordi sui potenziali progetti pilota. Il programma di accelerazione Metaverse ha portato a 4 progetti pilota con clienti aziendali, il che è grande considerando la specificità e la complessità della tecnologia.

Il programma di intelligenza generativa, anche diverse settimane prima della sua scadenza, aveva 7 progetti pilota in discussione con una serie di aziende. È solo l’effetto dell’ipnosi che un tempo circondava Blockchain e Metaverse? O è perché Gen AI è un vero e proprio cambiamento di gioco?

Tutto si riduce alla domanda: GenAI vale la pena dell’ipnosi?

Innanzitutto, non è insolito per una nuova tecnologia promettente o un’idea diventare eccessivamente ipotizzata nel breve termine, forse a svantaggio delle sue prospettive a lungo termine. Se continuiamo a tracciare paralleli tra GenAI e Blockchain, al suo stadio di maturità preliminare, la blockchain è stata descritta da molti come una rivoluzione tecnologica, che ridisegnerà il mondo, proprio come GenAI è considerata oggi. Tuttavia, anni dopo, nel 2018, Gartner ha annunciato che la blockchain ha raggiunto il Trough of Disillusionment, che corrisponde anche a più del 30% di calo dell’interesse dei consumatori rispetto ai livelli di picco e a una diminuzione del 45% degli investimenti VC dal 2018 al 2019.

A differenza della blockchain, al suo stadio di maturità iniziale, GenAI ha già molti casi d’uso in una vasta gamma di settori che sono commercialmente fattibili. Il loro numero è previsto crescere man mano che più settori adottano soluzioni GenAI. Nella sua recente pubblicazione, Gartner ha collocato la tecnologia di intelligenza generativa al picco della cosiddetta “curva dell’ipnosi”, che indica che potrebbe esserci una correzione delle aspettative e una sorta di disillusione nel prossimo futuro.

Conclusione

Significa che dopo una così grande domanda di soluzioni di intelligenza generativa, la tecnologia è destinata a uscire dal radar? Questo scenario è improbabile, poiché GenAI ha già dimostrato la sua fondamentale tenuta e flessibilità in vari campi dell’attività umana, dalla scienza all’arte alla catena di approvvigionamento.

Tuttavia, una riduzione nello sviluppo della tecnologia è inevitabile, con la principale causa qui rappresentata dalla necessità urgente di controllare e regolare l’uso di GenAI. Finora, questo strumento è stato utilizzato relativamente in libertà, senza alcun vincolo legale. La regolamentazione legale stabilirà una nuova traiettoria nel percorso di evoluzione della tecnologia, ed è difficile prevedere dove andrà, poiché GenAI con le sue attuali capacità è assolutamente senza precedenti nella storia dell’umanità.

L’altro fattore, previsto per limitare l’intelligenza generativa nel futuro, ironicamente è la crescente dimensione dei grandi modelli linguistici. Presto o tardi le capacità dei chip AI non saranno in grado di stare al passo con lo sviluppo della tecnologia, e l’aspirazione a costruire l’intelligenza artificiale generale e i volumi di dati in aumento richiedono un ingegneria altamente complessa e molto più potenza di calcolo.

Queste limitazioni, tuttavia, aprono un vasto campo per la ricerca, gli esperimenti e gli approcci non standard alla compressione senza perdita dei LLM, alla crescita della potenza di calcolo, all’archiviazione dei dati, ecc.