Il Ritmo dell’AI: La Prossima Fase nel Futuro dell’Innovazione

Dal momento dell’emergere di ChatGPT, il mondo è entrato in un ciclo di boom dell’AI. Ma ciò che la maggior parte delle persone non si rende conto è che l’AI non è esattamente nuova — è stata intorno per un bel po’ di tempo. Anche nei primi giorni del motore di ricerca di Google, ampiamente utilizzato, l’automazione era al cuore dei risultati. Ora, il mondo sta iniziando a svegliarsi e a rendersi conto di quanto l’AI sia già integrata nelle nostre vite quotidiane e di quanto potenziale inutilizzato abbia ancora.

Il ritmo dell’adozione e dell’innovazione dell’AI sta procedendo così velocemente – raggiungendo circa 1 trilione di dollari di spese – che molti si chiedono se possiamo prevedere con precisione l’espansione dei modelli futuri anche solo due anni da adesso. Ciò è alimentato ancora di più dal fatto che le aziende tecnologiche come Meta, Alphabet, Microsoft, Oracle e OpenAI presentano round dopo round di nuove avanzate e modelli di AI per cercare di stare al passo con la domanda dell’industria. Il produttore di chip di AI Nvidia sta crescendo così rapidamente che il suo business non può nemmeno essere valutato correttamente.

Ciò che sappiamo sul ritmo dell’AI è che man mano che la quantità di dati aumenta e la qualità dei dati continua a migliorare, anche la capacità dell’AI di guidare l’innovazione per le attività, le applicazioni e i processi aziendali in tutti i settori migliorerà. Per stimare dove sarà l’AI tra pochi anni, dobbiamo prima capire che i casi d’uso dell’AI sono duplice. Il primo è che è una tecnologia abilitante, che migliora le soluzioni esistenti per renderle più efficienti, accurate e impattanti. Il secondo è che l’AI ha il potenziale di essere una tecnologia innovatrice rendendo possibili avanzamenti o soluzioni inimmaginabili.

Ripensare il Ritmo dell’AI nel Corso della Storia

Sebbene sembri che il buzz dietro l’AI sia iniziato quando OpenAI ha lanciato ChatGPT nel 2022, l’origine dell’intelligenza artificiale e dell’elaborazione del linguaggio naturale (NLP) risale a decenni fa. Gli algoritmi, che sono la base per l’AI, sono stati sviluppati per la prima volta negli anni ’40, gettando le basi per l’apprendimento automatico e l’analisi dei dati. I primi utilizzi dell’AI in settori come la gestione della catena di approvvigionamento (SCM) risalgono agli anni ’50, utilizzando l’automazione per risolvere problemi nella logistica e nella gestione degli inventari. Negli anni ’90, gli approcci basati sui dati e l’apprendimento automatico erano già comuni nel mondo aziendale. Man mano che i 2000 proseguivano, tecnologie come l’automazione dei processi robotici (RPA) hanno reso più efficienti le attività ripetitive in molte funzioni aziendali complesse e amministrative.

Poi arrivò ChatGPT. È molto chiaro che la percezione dell’AI è cambiata a causa dell’AI generativa. Prima dell’invenzione dell’AI generativa, i consumatori non capivano i meccanismi dell’automazione, per non parlare del potere dell’automazione per le aziende. L’AI sottostà a molta della nostra tecnologia moderna, come il motore di ricerca di Google. La maggior parte dei consumatori si fida di Google per fornire risposte accurate a innumerevoli domande, raramente considerano i processi complessi e gli algoritmi dietro come quei risultati appaiono sul loro schermo del computer. Ma vedere è credere — con ChatGPT, il mondo ha iniziato a vedere casi d’uso reali. Tuttavia, c’è una concezione errata di quanto l’AI sia integrata nelle nostre vite quotidiane — anche nel mondo aziendale. Come menzionato sopra, l’AI consente alle tecnologie esistenti di essere migliori e, proprio come i microchip di Intel, l’AI si trova in background delle tecnologie che utilizziamo ogni giorno.

Se i leader non possono comprendere la portata dell’AI, come possono essere attesi a adottare con successo l’AI nelle loro operazioni quotidiane? È proprio questo il problema.

Sfide di Adozione e Crescita

Se qualcuno chiedesse a uno strumento GPT, ‘cosa dicono probabilmente i professionisti della gestione degli approvvigionamenti e della catena di approvvigionamento sull’AI’, probabilmente evidenzierebbe le lacune di conoscenza relative all’adozione dell’AI. A livello globale, l’adozione dell’AI è aumentata esponenzialmente nell’ultimo anno dopo una crescita limitata negli anni precedenti. Per i sei anni precedenti, solo il 50% dei leader aziendali ha affermato di aver investito nella tecnologia AI in tutta la loro operazione. Nel 2024, il tasso di adozione è balzato al 72%, mostrando che i leader aziendali stanno solo iniziando a rendersi conto del potenziale dell’AI per migliorare la loro organizzazione in tutte le linee di business.

Tuttavia, realizzare il pieno valore dell’AI richiede più che semplicemente distribuire soluzioni all’avanguardia. Richiede l’accesso ai dati giusti — dati che forniscono un ricco contesto sui modelli di spesa aziendale reali, le prestazioni dei fornitori, la dinamica del mercato e le vere limitazioni. L’accesso inadeguato ai dati significa vita o morte per l’innovazione dell’AI all’interno dell’impresa. Almeno il 30% di tutti i progetti di AI generativa è previsto essere abbandonato a causa della scarsa qualità dei dati, tra le altre sfide come controlli di rischio inadeguati, costi in aumento o valore aziendale non chiaro. Ma ci sono molte altre sfide che le aziende affrontano quando adottano l’AI e la portano alla scala.

Nelle grandi organizzazioni, è purtroppo comune avere silos che possono esporre le aziende a rischi significativi. Prendiamo, ad esempio, l’industria della catena di approvvigionamento. La catena di approvvigionamento gioca un ruolo critico all’interno della strategia aziendale e per le grandi organizzazioni globali, la scala interconnessa del settore è quasi inimmaginabile. Se un aspetto dell’azienda opera in un silo, può mettere a rischio l’intera organizzazione. Se i team della catena di approvvigionamento non comunicano i cambiamenti nella domanda ai loro fornitori, come possono i leader essere attesi a creare previsioni accurate? Se il team di vendita non comunica le previsioni aggiornate al team di approvvigionamento, potrebbero assicurarsi contratti a lungo termine basati su informazioni obsolete, bloccandosi in accordi che potrebbero non allinearsi con la domanda attuale dei clienti.

Se si tratta di un silo organizzativo o informativo, la mancanza di comunicazione può portare a un crollo nel servizio clienti, creare inefficienze e un arresto generale dell’innovazione. L’AI può dimostrare il suo valore nell’affrontare questi silos: se la loro tecnologia è connessa in modo efficiente, allora i loro dipendenti e fornitori possono esserlo anche.

I leader aziendali stanno attivamente investendo in soluzioni basate sull’AI per guidare l’automazione dei processi, le capacità di approvvigionamento strategico, la visibilità e il controllo della spesa, e la redditività complessiva. Per trovare il successo con queste capacità di AI e raggiungere i loro obiettivi di gestione della spesa totale, le aziende devono lavorare insieme per favorire la trasparenza e lavorare verso un obiettivo comune.

La Prossima Evoluzione per l’AI

Al momento, il miglior caso d’uso per l’AI che effettivamente guida l’efficienza aziendale e la crescita è l’automazione di compiti amministrativi semplici. Sia che si tratti di efficienze del flusso di lavoro, estrazione e analisi dei dati, gestione degli inventari o manutenzione predittiva, i leader stanno rendendosi conto che l’AI può velocizzare compiti monotoni e impegnativi a ritmi senza precedenti e con estrema precisione. Sebbene sembri semplice, quando utilizzato in settori come la catena di approvvigionamento o l’approvvigionamento, casi d’uso come questi possono salvare alle aziende innumerevoli ore e miliardi di dollari.

Abbiamo discusso l’AI come tecnologia abilitante — ma c’è ancora un potenziale inesplorato per l’AI per diventare una tecnologia innovatrice. Mentre siamo sull’orlo di un nuovo anno, ci sono molte avanzate dell’AI che i leader aziendali dovrebbero tenere d’occhio proprio oltre l’orizzonte.

Per la gestione della catena di approvvigionamento e l’approvvigionamento in particolare, una di queste avanzate sarà il miglioramento della fonte autonoma. Sfruttando l’AI e altre tecnologie avanzate, le aziende possono automatizzare compiti che tradizionalmente dipendevano dagli esseri umani, come la fonte e la contrattazione, per guidare l’efficienza e liberare risorse permettendo all’AI di analizzare grandi quantità di dati, identificare tendenze e prendere decisioni di fonte informate in tempo reale. La fonte completamente autonoma non offre solo risparmi di costo senza precedenti salvando il tempo dei dipendenti, promuovendo l’efficienza e riducendo gli errori, ma può anche mitigare il rischio di frode e contraffazione assicurando continuamente il rispetto degli standard etici e di sostenibilità.

Tuttavia, anche prima di introdurre la fonte autonoma, le aziende dovrebbero concentrarsi sul fornire un’esperienza utente (UX) che sia intuitiva, efficiente e facile da navigare sia per i team di approvvigionamento che per i fornitori. Una volta creata un’esperienza utente iper-personalizzata, le aziende possono implementare in modo coeso soluzioni autonome.

Il risultato dell’AI non è solo migliorare il ROI delle aziende, ma anche migliorare la presa di decisioni, prevedere modelli futuri e costruire resilienza. I dirigenti di alto livello in tutti i settori considerano sempre più l’adozione delle tecnologie AI come essenziale per trasformare e rendere future-proof le loro operazioni attraverso l’automazione. Nel tempo, come ogni altra tecnologia prima di essa, l’AI diventerà sempre più economica mentre il valore della sua produzione continuerà a salire. Ciò ci dà molte ragioni per essere ottimisti sul futuro dell’AI e sul ruolo equilibrato che giocherà nelle nostre vite — sia aziendali che personali.