23 previsioni AI per l’impresa nel 2023
È di nuovo quel periodo dell’anno in cui leader, consulenti e fornitori di intelligenza artificiale (AI ) osservano le tendenze aziendali e fanno le loro previsioni. Dopo un 2022 vorticoso, questa volta non è un compito facile.
Potresti non essere d’accordo con ognuno di questi, ma in onore del 2023, questi sono i 23 migliori esperti di previsioni di AI e ML che pensano saranno perfetti per il prossimo anno:
1. L’intelligenza artificiale sarà al centro degli ecosistemi connessi
“Nel 2023, vedremo più organizzazioni iniziare ad abbandonare l’implementazione di applicazioni AI e ML in silos che replicano le azioni umane per scopi altamente specifici e iniziare a costruire ecosistemi più connessi con l’IA al centro. Ciò consentirà alle organizzazioni di prendere i dati da tutta l’azienda per rafforzare i modelli di machine learning tra le applicazioni, creando efficacemente sistemi di apprendimento che migliorano continuamente i risultati. Affinché le aziende abbiano successo, devono pensare all’IA come a un moltiplicatore di business, piuttosto che semplicemente a un ottimizzatore”.
— Vinod Bidarkoppa, CTO di Sam’s Club e SVP di Walmart
2. L’IA generativa trasformerà le applicazioni aziendali
“L’entusiasmo per l’ IA generativa diventa realtà nel 2023. Questo perché le basi per una vera IA generativa sono finalmente poste, con un software in grado di trasformare modelli linguistici di grandi dimensioni e sistemi di raccomandazione in applicazioni di produzione che vanno oltre le immagini per rispondere in modo intelligente a domande, creare contenuti e anche scintille scoperte. Questa nuova era creativa alimenterà enormi progressi nel servizio clienti personalizzato, guiderà nuovi modelli di business e aprirà la strada a scoperte nel settore sanitario”.
— Manuvir Das, vicepresidente senior, informatica aziendale, Nvidia
3. L’intelligenza artificiale trasformerà completamente la sicurezza, i rischi e le frodi
“Stiamo assistendo all’intelligenza artificiale e alle potenti funzionalità relative ai dati che ridefiniscono i modelli e le funzionalità di sicurezza per le aziende. I professionisti della sicurezza e l’industria nel suo insieme avranno a disposizione strumenti molto migliori e informazioni molto più rapide e dovrebbero essere in grado di isolare i rischi per la sicurezza con una precisione molto maggiore. Utilizzeranno anche tecniche più simili al marketing per comprendere comportamenti anomali e cattive azioni. A tempo debito, potremmo benissimo vedere parti che utilizzano l’intelligenza artificiale per infiltrarsi nei sistemi, tentare di impossessarsi delle risorse software tramite ransomware e sfruttare i mercati delle criptovalute”.
– Ashok Srivastava, vicepresidente senior e chief data officer, Intuit
4. Gli strumenti ML open source guadagneranno una quota di mercato maggiore
“Il prossimo anno i team che si concentreranno su operazioni, gestione e governance di ML dovranno fare di più con meno. Per questo motivo, le aziende adotteranno più soluzioni standard perché sono meno costose da produrre, richiedono meno tempo di ricerca e possono essere personalizzate per soddisfare la maggior parte delle esigenze. I team MLOps dovranno anche prendere in considerazione l’infrastruttura open source invece di rimanere vincolati a contratti a lungo termine con i fornitori di servizi cloud. L’open source offre personalizzazione flessibile, risparmio sui costi ed efficienza. Soprattutto con i team che si riducono a livello tecnologico, questa sta diventando un’opzione molto più praticabile.
— Moses Guttman, CEO, ClearML
5. Le opportunità di deep learning aumenteranno la domanda di GPU
“La più grande fonte di miglioramento nell’intelligenza artificiale è stata l’implementazione del deep learning – e in particolare dei modelli di trasformazione – nei sistemi di addestramento, che hanno lo scopo di imitare l’azione dei neuroni di un cervello e i compiti degli esseri umani. Queste scoperte richiedono un’enorme potenza di calcolo per analizzare vasti set di dati strutturati e non strutturati. A differenza delle CPU, le unità di elaborazione grafica (GPU) possono supportare l’elaborazione parallela richiesta dai carichi di lavoro di deep learning. Ciò significa che nel 2023, con l’emergere di più applicazioni basate sulla tecnologia del deep learning per fare di tutto, dalla traduzione dei menu alla cura delle malattie, la domanda di GPU continuerà a salire”.
— Nick Elprin, CEO, Domino Data Lab
6. L’intelligenza artificiale creerà esperienze di coaching significative
“La moderna tecnologia AI è già utilizzata per aiutare manager, coach e dirigenti con feedback in tempo reale per interpretare meglio inflessioni, emozioni e altro e fornire consigli su come migliorare le interazioni future. La capacità di interpretare la risonanza significativa mentre accade è un livello di coaching che nessun essere umano può fornire.
— Zayd Enam, CEO, Cresta
7. I cambiamenti geopolitici rallenteranno l’adozione dell’IA
“Poiché la paura e il protezionismo creano barriere al movimento dei dati e ai luoghi di elaborazione, l’adozione dell’IA rallenterà. L’instabilità macroeconomica, compreso l’aumento dei costi energetici e una recessione incombente, ostacolerà il progresso delle iniziative di intelligenza artificiale mentre le aziende lottano solo per tenere le luci accese”.
— Rich Potter, amministratore delegato, Peak
8. Il ruolo degli ingegneri AI e ML diventerà mainstream
“Poiché l’implementazione del modello, il ridimensionamento dell’IA in tutta l’azienda, la riduzione del tempo per l’intuizione e la riduzione del tempo per il valore diventeranno i criteri chiave di successo, gli ingegneri AI/ML diventeranno fondamentali per soddisfare questi criteri. Oggi molti progetti di intelligenza artificiale falliscono perché non sono progettati per scalare o [per] integrarsi con i flussi di lavoro aziendali”.
— Nicolas Sekkaki, direttore generale delle applicazioni, dati e intelligenza artificiale, Kyndryl
9. Gli MLOps multi-cloud ibridi e l’interoperabilità saranno fondamentali
“Mentre il mercato AI/ML continua a inondare di nuove soluzioni, come evidente dal volume di startup e capitali VC distribuiti nello spazio, le aziende si sono trovate con una raccolta di strumenti di nicchia e disparati a loro disposizione. Nel 2023, le aziende saranno più consapevoli di selezionare soluzioni che saranno più interoperabili con il resto del loro ecosistema, inclusa la loro impronta on-premise e tra i fornitori di servizi cloud (AWS, Azure, GCP). Inoltre, le aziende graviteranno verso una manciata di soluzioni leader man mano che i diversi strumenti maturano e si uniscono in bundle come soluzioni autonome”.
— Anay Nawathe, consulente principale, ISG
10. Il machine learning avanzato consentirà l’intelligenza artificiale senza codice
“Le tecnologie avanzate di apprendimento automatico consentiranno agli sviluppatori senza codice di innovare e creare applicazioni mai viste prima. Questa evoluzione potrebbe aprire la strada a una nuova generazione di strumenti di sviluppo. In uno scenario probabile, gli sviluppatori di applicazioni “programmeranno l’applicazione” descrivendo il loro intento, piuttosto che descrivendo i dati e la logica come farebbero con gli strumenti low-code di oggi.”
— Esko Hannula, SVP della gestione dei prodotti, Copado
11. Con la spesa ridotta, l’IA passerà alle applicazioni pratiche
“Lo scorso anno è stato pieno di progressi tecnologici incredibilmente impressionanti, resi popolari da ChatGPT, DALL-E 2, Galactica e Make-A-Video di Facebook. Questi enormi modelli sono stati resi possibili in gran parte grazie alla disponibilità di volumi infiniti di dati di addestramento e enormi risorse di elaborazione e infrastruttura. Verso il 2023, i finanziamenti per la vera ricerca del cielo blu rallenteranno man mano che le organizzazioni diventeranno più prudenti nella spesa per prepararsi all’incombente recessione e passeranno dall’investimento nella ricerca fondamentale ad applicazioni più pratiche. Con sempre più aziende che diventano sempre più parsimoniose per mitigare questa minaccia imminente, possiamo prevedere un maggiore utilizzo di modelli pre-addestrati e una maggiore attenzione sull’applicazione dei progressi degli anni precedenti ad applicazioni più concrete”.
—John Kane, responsabile dell’elaborazione dei segnali e dell’apprendimento automatico, Cogito
12. ChatGPT cambierà il contact center, ma non il modo in cui pensi
“I chatbot sono l’applicazione ovvia per ChatGPT, ma probabilmente non saranno i primi. Innanzitutto, ChatGPT oggi può rispondere alle domande, ma non può intraprendere azioni. Quando un utente contatta un marchio, a volte desidera solo delle risposte, ma spesso desidera che venga fatto qualcosa: elaborare un reso, cancellare un account o trasferire fondi. In secondo luogo, quando viene utilizzato per rispondere alle domande, ChatGPT può rispondere in base alle conoscenze [trovate] su Internet. Ma non ha accesso alla conoscenza che non è online. Infine, ChatGPT eccelle nella generazione di testo, creando nuovi contenuti derivati da informazioni online esistenti. Quando un utente contatta un marchio, non desidera risultati creativi, desidera azioni immediate. Tutti questi problemi verranno risolti, ma significa che il primo caso d’uso probabilmente non sono i chatbot”.
— Jonathan Rosenberg, CTO, Five9
13. L’intelligenza artificiale guiderà il futuro dell’esperienza del cliente
“Il coinvolgimento digitale è diventato l’impostazione predefinita piuttosto che il fallback e ogni interazione conta. Sebbene l’emergere dell’automazione abbia inizialmente risolto le domande frequenti di base, ora fornisce funzionalità più avanzate: personalizzazione delle interazioni in base all’intento del cliente, consentendo alle persone di agire e self-service e fare previsioni sulla loro prossima azione migliore.
“L’unico modo per le aziende di scalare un’esperienza digitale VIP per tutti è con una soluzione di automazione basata sull’intelligenza artificiale. Questa diventerà una priorità di livello dirigenziale per i marchi nel 2023, poiché determinano come evolversi da un modello di interazione principalmente basato su agenti dal vivo a uno che può essere servito principalmente attraverso interazioni automatizzate. L’intelligenza artificiale sarà necessaria per ridimensionare le operazioni e comprendere e rispondere correttamente a ciò che dicono i clienti, in modo che i marchi possano apprendere ciò che vogliono i loro clienti e pianificare di conseguenza”.
— Jessica Popp, CTO di Ada
14. Emergeranno mercati modello AI
“Prossimamente saranno mercati di modelli di intelligenza artificiale specifici del settore che consentiranno alle aziende di consumare e integrare facilmente i modelli di intelligenza artificiale nella propria attività senza dover creare e gestire il ciclo di vita del modello. Le aziende si iscriveranno semplicemente a un negozio di modelli AI. Pensa all’Apple Music Store o a Spotify per i modelli di intelligenza artificiale suddivisi per settore e dati che elaborano”.
— Bryan Harris, vicepresidente esecutivo e chief technology officer, SAS
15. La spiegabilità creerà un’IA più affidabile
“Poiché le persone continuano a preoccuparsi di come le aziende e i datori di lavoro utilizzeranno l’intelligenza artificiale e la tecnologia di apprendimento automatico, diventerà più importante che mai per le aziende fornire trasparenza su come la loro intelligenza artificiale viene applicata ai dati dei lavoratori e finanziari. Explainable AI contribuirà sempre più a promuovere l’adozione dell’IA aziendale stabilendo una maggiore fiducia. Sempre più fornitori inizieranno a rivelare in che modo i loro modelli di machine learning conducono ai loro risultati (ad esempio raccomandazioni) e previsioni, e vedremo che questo si espanderà ulteriormente al livello del singolo utente con la spiegabilità integrata direttamente nell’applicazione utilizzata.
— Jim Stratton, CTO, Giornata lavorativa
16. Il 2023 sarà un anno importante per l’apprendimento federato
“L’apprendimento federato è una tecnica di apprendimento automatico che può essere utilizzata per addestrare modelli di apprendimento automatico nella posizione delle origini dati, comunicando solo i modelli addestrati da singole origini dati per raggiungere un consenso per un modello globale. Pertanto, invece di utilizzare l’approccio tradizionale di raccolta di dati da più fonti in una posizione centralizzata per l’addestramento del modello, questa tecnica apprende un modello collaborativo. L’apprendimento federato affronta alcuni dei principali problemi che prevalgono nell’attuale tecnica di apprendimento automatico, come la privacy dei dati, la sicurezza dei dati, i diritti di accesso ai dati e l’accesso ai dati da fonti eterogenee.
— David Murray, direttore aziendale, Devron
17. La NLP più il riconoscimento degli oggetti porterà la ricerca al livello successivo
“Mentre la maggior parte delle persone oggi scrive scraper per ottenere dati dai siti Web, sono stati compiuti progressi nell’elaborazione del linguaggio naturale (NLP) in cui presto puoi descrivere in linguaggio naturale ciò che desideri estrarre da una determinata pagina Web e la macchina lo estrae per te. Ad esempio, potresti dire: “Cerca in questo sito di viaggi tutti i voli da San Francisco a Boston e inseriscili tutti in un foglio di calcolo, insieme a prezzo, compagnia aerea, ora e giorno del viaggio”. È un problema difficile, ma potremmo effettivamente risolverlo nel prossimo anno”.
— Varun Ganapathi, CTO e co-fondatore, AKASA
18. I progressi stanno arrivando nella traduzione vocale in tempo reale
“Con il lavoro a distanza, i confini stanno diventando sempre più sfumati. Oggi è comune per le persone lavorare e conversare con i colleghi oltre confine, anche se non condividono una lingua comune. La traduzione manuale può diventare un ostacolo che rallenta la produttività e l’innovazione. Ora disponiamo della tecnologia per utilizzare strumenti di comunicazione come Zoom che consente a qualcuno in Turchia, ad esempio, di parlare la propria lingua madre ma consente a qualcuno negli Stati Uniti di ascoltare ciò che sta dicendo in inglese. Questa traduzione vocale in tempo reale, in ultima analisi, contribuisce all’efficienza e alla produttività, offrendo al tempo stesso alle aziende maggiori opportunità di operare a livello globale”.
— Manoj Chaudhary, CTO e SVP dell’ingegneria, Jitterbit
19. Il phishing basato sull’intelligenza artificiale crescerà
“Ormai tutti hanno visto i video deepfake creati dall’intelligenza artificiale . Vengono sfruttati per una varietà di scopi, che vanno dalla rianimazione di una persona cara perduta, alla diffusione di propaganda politica o al miglioramento di una campagna di marketing. Tuttavia, immagina di ricevere un’e-mail di phishing con un video deepfake del tuo CEO che ti dice di andare a un URL dannoso. O un utente malintenzionato che crea e-mail di phishing più credibili e apparentemente legittime utilizzando l’intelligenza artificiale per imitare meglio le comunicazioni aziendali. Le moderne funzionalità di intelligenza artificiale potrebbero offuscare completamente i confini tra e-mail, siti Web, comunicazioni aziendali e video legittimi e dannosi. Il cybercrime AI-as-a-Service potrebbe essere la prossima tattica monetizzata”.
— Heather Gantt-Evans, CISO, SailPoint
20. Le aziende passeranno a un approccio ibrido alla NLP
“Nell’anno a venire, vedremo le aziende passare a un approccio ibrido all’elaborazione del linguaggio naturale che combina l’AI simbolica con il ML, che ha dimostrato di produrre risultati spiegabili, scalabili e più accurati, lasciando un’impronta di carbonio minore. Le aziende espanderanno l’automazione a processi più complessi, richiedendo un’accurata comprensione dei documenti ed estendendo le loro attività di analisi dei dati per includere i dati incorporati in testo e documenti. Pertanto, gli investimenti nelle tecnologie del linguaggio naturale basate sull’intelligenza artificiale aumenteranno. Queste soluzioni dovranno essere accurate, efficienti, sostenibili dal punto di vista ambientale, spiegabili e non soggette a pregiudizi. Ciò richiede alle aziende di abbandonare l’approccio a tecnica singola come il solo machine learning (ML) o il deep learning (DL) per i loro limiti intrinseci”.
— Luca Scagliarini, chief product officer, Expert.ai
21. La musica generata dall’intelligenza artificiale vedrà progressi
“I progressi nella musica generata dall’intelligenza artificiale saranno uno sviluppo particolarmente interessante. Ora [che] esistono strumenti che generano arte visiva dai prompt di testo, questi stessi strumenti saranno migliorati per fare lo stesso con la musica. Sono già disponibili modelli che utilizzano suggerimenti di testo per generare musica e voci umane realistiche. Una volta che questi modelli inizieranno a funzionare abbastanza bene da essere notati dal pubblico, i progressi nel campo dell’audio generativo accelereranno ulteriormente. Non è irragionevole pensare che, nei prossimi anni, i video musicali generati dall’intelligenza artificiale potrebbero diventare realtà, con video, musica e voce generati dall’intelligenza artificiale”.
— Ulrik Stig Hansen, presidente, Encord
22. Gli investimenti in IA si sposteranno verso applicazioni completamente prodotte
“Ci saranno meno investimenti all’interno delle organizzazioni Fortune 500 assegnate ai team interni di ML e data science per creare soluzioni da zero. Sarà sostituito con investimenti in applicazioni o interfacce di piattaforma completamente prodotte per fornire i risultati desiderati di analisi dei dati e esperienza del cliente in modo mirato. [Questo perché] nei prossimi cinque anni, quasi tutte le applicazioni saranno alimentate da pipeline di dati alimentate da reti neurali basate su LLM per aiutare a classificare, arricchire, interpretare e servire.
“[Ma] la produzione della tecnologia delle reti neurali è uno dei compiti più difficili nel campo dell’informatica in questo momento. È uno spazio in rapida evoluzione che senza un’attenzione dedicata e l’esposizione a molti diversi tipi di dati e casi d’uso, sarà difficile per i team ML di soluzioni interne eccellere nello sfruttare queste tecnologie”.
— Amr Awadallah, CEO, Vectara
23. L’intelligenza artificiale consentirà a devop più efficienti
“Quando si tratta di devops, gli esperti sono fiduciosi che l’IA non sostituirà i posti di lavoro; piuttosto, consentirà a sviluppatori e tester di lavorare in modo più efficiente. L’integrazione dell’intelligenza artificiale sta aumentando le persone e consentendo ai tester esplorativi di trovare più bug e problemi in anticipo, semplificando il processo dallo sviluppo alla distribuzione. Nel 2023, vedremo i team già snelli lavorare in modo più efficiente e con meno rischi man mano che l’IA continuerà a essere implementata durante tutto il ciclo di sviluppo.
“In particolare, l’aumento dell’intelligenza artificiale aiuterà a informare i processi decisionali per i team devops trovando schemi e sottolineando i valori anomali, consentendo alle applicazioni di ‘auto-guarirsi’ continuamente e liberando tempo per i team per concentrare il proprio potere cerebrale sulle attività che gli sviluppatori effettivamente vogliono fare e che sono strategicamente più importanti per l’organizzazione.
– Kevin Thompson, CEO, Tricentis
