L’esplosione dell’AI continua nel 2025: cosa le organizzazioni dovrebbero anticipare quest’anno

Con l’AI prevista per continuare la sua esplosione nel 2025, la tecnologia in continua evoluzione presenta sia opportunità senza precedenti che sfide complesse per le organizzazioni di tutto il mondo. Per aiutare le organizzazioni e i professionisti di oggi a ottenere il massimo valore dall’AI nel 2025, ho condiviso i miei pensieri e le tendenze AI anticipate per quest’anno.

Le organizzazioni devono pianificare strategicamente il costo dell’AI

Il mondo continua a essere entusiasta del potenziale dell’AI. Tuttavia, il costo dell’innovazione AI è una metrica che le organizzazioni devono pianificare. Ad esempio, l’AI necessita di GPU, ma molti CSP hanno deploy più grandi di N-1, N-2 o GPU più vecchie che non sono state costruite esclusivamente per i carichi di lavoro AI. Inoltre, le GPU cloud possono essere proibitive in termini di costo in scala e possono essere facilmente attivate per gli sviluppatori mentre i progetti crescono/scala (ulteriore spesa); inoltre, l’acquisto di GPU (se possibile procurarle a causa della scarsità) per l’uso on-prem può essere anche una proposta molto costosa con chip individuali che costano ben oltre i diecimila dollari. Di conseguenza, i sistemi server costruiti per i carichi di lavoro AI impegnativi stanno diventando proibitivi o fuori portata per molti con budget operativi (OpEx) di reparto bloccati. Nel 2025, i clienti aziendali devono livellare i costi dell’AI e ri-sincronizzare i livelli di budget di sviluppo dell’AI. Con così tanti dipartimenti isolati che ora prendono l’iniziativa e costruiscono i propri strumenti AI, le aziende possono involontariamente spendere migliaia di dollari al mese per utilizzi di GPU cloud di base o isolati e per la richiesta di istanze di calcolo AI, che si sommano (soprattutto se gli utenti lasciano queste istanze in esecuzione).

I modelli open-source promuoveranno la democratizzazione di diversi casi d’uso dell’AI

Nel 2025, ci sarà una grande pressione sulle organizzazioni per dimostrare il ROI dei progetti AI e dei budget associati. Con il costo che sfrutta gli strumenti low code o no code forniti dai principali ISV per costruire app AI, le aziende continueranno a cercare modelli open-source che possano essere più facilmente ottimizzati piuttosto che costruiti e addestrati da zero. L’ottimizzazione dei modelli open-source utilizza più efficientemente le risorse AI disponibili (persone, budget e/o potenza di calcolo), aiutando a spiegare perché attualmente ci sono oltre 900.000+ (e in crescita) modelli disponibili per il download su Hugging Face da solo. Tuttavia, quando le aziende adottano modelli open-source, sarà fondamentale assicurarsi e controllare l’utilizzo di software, framework, librerie e strumenti open-source in tutta l’organizzazione. L’accordo recente di Lenovo con Anaconda è un ottimo esempio di questo supporto, dove il portfolio di workstation Lenovo alimentato da Intel e Anaconda Navigator aiutano a semplificare i flussi di lavoro di data science.

La conformità AI diventa una pratica standard

I cambiamenti nelle politiche AI vedranno il calcolo dell’AI avvicinarsi alla fonte dei dati aziendali e più on-premises (soprattutto per le fasi di sviluppo AI di un progetto o flusso di lavoro). Man mano che l’AI si avvicina al cuore di molte aziende, si sposterà da un flusso di lavoro separato o speciale a uno in linea con molte funzioni aziendali di base. Assicurarsi che l’AI sia conforme e responsabile è un obiettivo reale oggi, quindi mentre ci dirigiamo verso il 2025 diventerà più una pratica standard e farà parte dei blocchi fondamentali per i progetti AI nelle aziende. In Lenovo, abbiamo un Comitato per l’AI responsabile, composto da un gruppo diversificato di dipendenti che assicurano che le soluzioni e i prodotti soddisfino gli standard di sicurezza, etica, privacy e trasparenza. Questo gruppo esamina l’utilizzo e l’implementazione dell’AI in base al rischio, applicando le politiche di sicurezza in modo coerente per allinearsi con una posizione di rischio e conformità normativa. L’approccio inclusivo del comitato affronta tutte le dimensioni dell’AI, assicurando una conformità globale e una riduzione del rischio complessiva.

Le workstation emergono come strumenti AI efficienti in ufficio e fuori

L’utilizzo di workstation come appliance AI di base e dipartimentali più potenti è già in aumento. Ad esempio, il portfolio di workstation Lenovo, alimentato da AMD, aiuta i professionisti dei media e dell’intrattenimento a colmare il divario tra le aspettative e le risorse necessarie per fornire il contenuto visivo di alta fedeltà. Grazie al loro fattore di forma ridotto e alla loro impronta, ai requisiti di potenza standard e all’utilizzo di sistemi operativi client, possono essere facilmente distribuiti come soluzioni di inferenza AI dove i server tradizionali potrebbero non adattarsi. Un altro caso d’uso è all’interno dei flussi di lavoro standard dell’industria in cui l’analisi dei dati AI può fornire un valore commerciale reale e VERY line of sight agli executive di C suite che cercano di fare la differenza. Altri casi d’uso sono gli strumenti AI di dominio specifico più piccoli creati da individui per il proprio uso. Questi strumenti di risparmio di efficienza possono diventare superpoteri AI e possono includere tutto, dal MS Copilot, ai chatbot privati agli assistenti AI personali.

Ottimizzare il potenziale dell’AI nel 2025

L’AI è una delle evoluzioni tecnologiche più veloci della nostra era, che si sta facendo strada in ogni industria come tecnologia trasformativa che migliorerà l’efficienza per tutti – abilitando risultati aziendali più veloci e più preziosi.

L’AI, compreso il machine learning e il deep learning e l’AI generativa con LLM, richiede un’enorme potenza di calcolo per costruire e mantenere l’intelligenza necessaria per esperienze AI senza soluzione di continuità per i clienti. Di conseguenza, le organizzazioni dovrebbero assicurarsi di sfruttare soluzioni di calcolo desktop e mobile ad alte prestazioni e sicure per rivoluzionare e migliorare i flussi di lavoro dei professionisti AI e degli scienziati dei dati.