L’intelligenza artificiale generativa può cambiare il mondo – ma solo se l’infrastruttura dei dati tiene il passo

Nonostante il clamore che circonda Generative AI, la maggior parte degli esperti del settore non ha ancora affrontato una domanda significativa: esiste una piattaforma infrastrutturale in grado di supportare questa tecnologia a lungo termine e, se sì, sarà sufficientemente sostenibile per supportare le radicali innovazioni che l’intelligenza artificiale generativa promette?

Gli strumenti di intelligenza artificiale generativa hanno già costruito una certa reputazione, grazie alla loro capacità di scrivere testi ben sintetizzati con un solo clic – compiti che altrimenti potrebbero richiedere ore, giorni, settimane o mesi per essere completati manualmente.

Va bene, ma in assenza della giusta infrastruttura, questi strumenti semplicemente non hanno la scalabilità per cambiare veramente il mondo. Presto supererà $76 miliardi, i costi operativi astronomici dell’intelligenza artificiale generativa sono una testimonianza di questo fatto già, ma ci sono altri fattori in gioco.

Le imprese devono concentrarsi sulla creazione e sulla connessione degli strumenti giusti per sfruttarla in modo sostenibile e devono investire in un’infrastruttura di dati centralizzata che renda tutti i dati rilevanti accessibili in modo uniforme ai loro LLM senza pipeline dedicate. Con l’implementazione strategica degli strumenti giusti, saranno in grado di fornire il valore aziendale che cercano nonostante i limiti di capacità che i data center attualmente impongono – solo allora la rivoluzione dell’intelligenza artificiale avanzerà veramente.

Un modello familiare

Secondo un nuovo rapporto dell’Istituto di ricerca Capgemini, 74% degli executive ritiene che i benefici dell’intelligenza artificiale generativa superino le preoccupazioni associate. Un tale consenso ha già portato a tassi di adozione elevati tra le imprese – circa il 70% delle organizzazioni dell’Asia-Pacifico ha espresso l’intenzione di investire in queste tecnologie o ha iniziato a esplorare casi d’uso pratici.

Ma il mondo è già stato su questa strada prima. Prendiamo ad esempio internet, che ha gradualmente attirato sempre più attenzione prima di superare le aspettative attraverso una miriade di applicazioni notevoli. Ma nonostante le sue capacità impressionanti, è decollato veramente solo quando le sue applicazioni hanno iniziato a fornire valore tangibile alle imprese su larga scala.

Oltre ChatGPT

L’intelligenza artificiale sta cadendo in un ciclo simile. Le imprese hanno rapidamente adottato la tecnologia, con un stima del 93% delle imprese già impegnate in diversi casi d’uso di AI/ML. Ma nonostante il tasso di adozione elevato, molte imprese continuano a lottare con il deploy – un segno inequivocabile di un’infrastruttura di dati incompatibile.

Con l’infrastruttura giusta, le aziende possono guardare oltre il livello superficiale delle capacità affascinanti dell’intelligenza artificiale generativa e sfruttarne il vero potenziale per trasformare i loro paesaggi aziendali.

In effetti, l’intelligenza artificiale generativa può aiutare a scrivere una breve nota rapidamente e, nella maggior parte dei casi, abbastanza efficacemente, ma il suo potenziale va ben oltre. Dalla scoperta di potenziali farmaci ai trattamenti sanitari all’ottimizzazione della catena di approvvigionamento, nessuna di queste scoperte è possibile se i data center che supportano e guidano le applicazioni di intelligenza artificiale non sono abbastanza robusti per gestire i loro carichi di lavoro.

Superare la barriera alla scalabilità

L’intelligenza artificiale generativa non ha ancora fornito un valore significativo alle imprese perché le manca la scalabilità. Ciò è dovuto al fatto che i data center hanno limiti di capacità – la loro infrastruttura non è stata originariamente progettata per supportare l’enorme esplorazione, l’orchestrazione e la regolazione dei modelli che i Large Language Model (LLM) richiedono per eseguire più cicli di formazione in modo efficiente.

Raccogliere i frutti dell’intelligenza artificiale generativa dipende quindi da come un’azienda sfrutta i propri dati, il che può essere migliorato sviluppando una robusta architettura dei dati. Ciò può essere ottenuto collegando fonti di dati strutturate e non strutturate ai LLM o aumentando il throughput dell’hardware esistente.

È essenziale che le aziende che desiderano formare i loro LLM sui dati organizzativi possano prima consolidare quei dati in modo unificato. Altrimenti, i dati lasciati in una struttura isolata probabilmente genereranno pregiudizi nei poteri di apprendimento dei LLM.

Un sistema di supporto

L’intelligenza artificiale generativa non è apparsa dal nulla – è stata in lavorazione per un bel po’ di tempo e il suo utilizzo e potenziale cresceranno nei decenni a venire. Ma per ora, le sue applicazioni aziendali stanno colpendo un muro che non è scalabile.

La realtà è che questi vari strumenti sono solo così forti come l’infrastruttura di elaborazione dei dati che li supporta. È quindi fondamentale che i leader aziendali sfruttino piattaforme in grado di elaborare i petabyte di dati che questi strumenti necessitano per fornire tangibilmente il valore significativo che promettono.