Le voci dell’AI – Episodio 17: Strategie per l’adozione dell’AI nel business

Ciao a tutti, siamo all’episodio diciassette di Le Voci dell’AI. Oggi parliamo delle strategie possibili in termini di competenze per l’adozione dell’intelligenza artificiale in azienda. Le tecnologie emergenti che vale la pena abbracciare sono fondamentalmente di tre tipi: il primo tipo, una tecnologia che può portare a un’enorme riduzione dei costi, il secondo tipo, una tecnologia che può renderci molto più competitivi, per esempio facilitando il rilascio del software per i nostri utenti ai clienti finali. E il terzo tipo, una tecnologia che può generare un profitto enorme, per esempio abbattendo la frizione nell’utilizzo di un prodotto, facilitandone l’adozione di massa.

Alcune tecnologie emergenti hanno tutte e tre queste caratteristiche, altre solo una o due altre ancora nessuna delle tre. e vale la pena lasciarle lì dove sono. Facciamo tre esempi pratici: una tecnologia a suo tempo emergente che ha portato a un’enorme riduzione dei costi è stata la virtualizzazione, una tecnologia anche questa non più emergente che invece ha portato a un vantaggio competitivo è il cloud computing. E una tecnologia oggi emergente che può portare un profitto enorme all’azienda è l’intelligenza artificiale. In tutti e tre questi casi le aziende che vogliono adottare la tecnologia in questione si trovano di fronte a una serie di scelte strategiche.

Una di queste, per esempio, è il famoso dilemma Build or Buy, cioè: costruisco in casa il prodotto che mi serve basato su questa nuova tecnologia o lo compro da un fornitore tecnologico? Nella primissima fase dall’adozione del cloud computing, un numero enorme di aziende decise di optare per il Build, il costruire in casa.

Una scelta, questa, che in seguito si dimostrò nefasta per praticamente tutte quelle aziende. Troppo spesso questa scelta viene fatta per le ragioni sbagliate che ho articolato qualche anno fa in questo grafico.

Prima ancora del dilemma Build or Buy, cioè un’altra scelta strategica che le aziende devono fare quando si preparano ad adottare una tecnologia emergente: vale la pena sviluppare un centro di competenza in casa o affidarsi ai servizi professionali delle varie aziende di consulenza del mondo? Questa scelta andrebbe fatta prima di affrontare il Bild or Buy perché ci sono situazioni dove può essere strategicamente vincente sviluppare grosse competenze interne anche per una tecnologia provvista da fornitori tecnologici esterni.

Prima di rispondere a questa domanda cruciale, vi parlo di un paio di notizie della settimana che mi spingono ad affrontare questo argomento e diventano così il contesto per questa discussione. La prima notizia riguarda Accenture, una delle società di consulenza più grandi del mondo, che pianifica di raddoppiare il suo personale assumendo quarantamila esperti in intelligenza artificiale in tre anni un investimento da tre bilioni di dollari, un numero straordinario in un tempo veramente breve. E questo appena tre mesi dopo aver licenziato diciannove mila dipendenti che erano nei settori delle risorse umane, finanza e ufficio legale.

La seconda notizia riguarda un’altra, azienda di consulenza quotata in Borsa, questa volta in India, chiamata Happiest Minds, molto più piccola di Accenture. Con un totale di cinque mila dipendenti, Happiest Minds ha annunciato un piano per assumere 1.300 dipendenti, il 26% della forza lavoro. Anche questo è straordinario. Queste due notizie suggeriscono un parallelo. Da un lato abbiamo una miriade di startup che si stanno affrettando a costruire prodotti basati sui modelli di OpenAI e dei suoi concorrenti. Dall’altro lato abbiamo un enorme crescente numero di società di consulenza che si stanno precipitando a creare servizi per aiutare i clienti ad utilizzare quei modelli.

Sono tutti spinti dalla speranza di ottenere il cosiddetto vantaggio della prima mossa che arriva per primo a possibilità di accaparrarsi una grossa fetta del mercato che nel caso dell’intelligenza artificiale generativa è praticamente tutto quello che è prodotto digitalmente dagli esseri umani. Il problema è che l’offerta di queste aziende non è difendibile.

Tanto le startup quanto le società di servizi professionali non controllano i modelli di intelligenza artificiale su cui si basa il loro prodotto, il loro servizio, il valore incrementale che queste aziende promettono verrà piano piano offerto direttamente dai fornitori tecnologici. che controllano i modelli di fondazione man mano che la tecnologia matura. Faccio due esempi.

Il primo è Stability.ai, la società inglese di cui parliamo spesso, che ha collaborato alla creazione del modello Stable Diffusion. Il modello di business di questa azienda è dichiaratamente basato sull’offerta di servizi professionali, direttamente o attraverso partnership con aziende come Amazon o Accenture, in sinergia con il rilascio di modelli di AI open source. Il secondo esempio è Anthropic, che a tempo di record ha ottenuto le certificazioni Sock 2 Type 1 e HIPAA (Health Insurance Portability and Accountability Act) per l’infrastruttura che utilizza per offrire i modelli di AI come Claude; perdipiù l’azienda è già nel periodo di osservazione. per ottenere la certificazione SOC 2 Type 2.

Questo livello di sicurezza e certificazione è una delle cose più richieste dai clienti enterprise di tutto il mondo. È una delle cose che le aziende di consulenza più grandi possono aiutare a ottenere. Ritorniamo al valore aggiunto di questa società di consulenza. Una delle cose in cui queste società di consulenza potrebbero specializzarsi e di sicuro si specializzeranno sarà il miglioramento dell’efficacia dei modelli di fondazione attraverso il processo che abbiamo chiamato fine tuning. Ne abbiamo parlato in molti episodi di Le voci dell’AI. È quel processo che evolve la competenza di base di un modello come GPT-4 grazie a un training aggiuntivo sul materiale proprietario di un cliente finale. Per esempio, un modello di fondazione come Stability Diffusion è perfettamente in grado di generare cartoni animati ma non è particolarmente bravo a generare cartoni animati nello stile delle classiche favole Disney o in quello più moderno delle animazioni Pixart. Attraverso il processo di fine tuning, il modello di AI impara gli stili di Disney e Pixart studiando milioni di immagini che sono parte dell’archivio privato di Disney.

Anche il processo di fine tuning ad un certo punto diventerà banale e poco dispendioso in termini di risorse computazionali. grazie a una serie di nuove tecniche di training come quella chiamata Low Rank Adaption of Large Language Models o LoRA.

Quindi abbiamo tre forze diverse, capaci di esercitare enorme pressione sulle aziende di consulenza: la prima forza è una competizione esplosiva all’interno dell’industria dei servizi professionali. La seconda è la commoditization del valore aggiunto per mano dei fornitori dei modelli di fondazione, e la terza è l’evoluzione tecnologica che semplifica enormemente certi processi oggi costosi e complessi come il fine tuning. A causa della pressione esercitata da queste forze, a un certo punto l’offerta di servizi di consulenza potrebbe diventare talmente economica da essere finanziariamente insostenibile. E se questo è vero, il processo porterà a un degrado della qualità di quei servizi di consulenza via via crescente in cambio di un valore aggiunto che è tutto da dimostrare e questo ci porta al punto di oggi.

Tutto quello che ci siamo detti fino ad ora è il motivo per cui in più di un’occasione, pubblicamente, ho esortato le organizzazioni di tutto il mondo a creare team interni di esperti AI e a sviluppare una solida competenza in intelligenza artificiale. È un consiglio che non ho mai dato nella mia carriera.

Infatti, mentre la maggior parte delle persone ha suggerito lo sviluppo di una competenza interna avanzata per altre tecnologie emergenti, io ho sempre suggerito esattamente il contrario. Per quasi due decenni, incluso il periodo in cui ho lavorato come direttore di ricerca presso Gartner, ho consigliato alle aziende più grandi del mondo di concentrarsi sul proprio core business piuttosto che distrarsi nel cercare di sviluppare competenze su questa o quella tecnologia emergente.

Inevitabilmente, anno dopo anno, azienda dopo azienda, ho visto i miei ex clienti e molte altre aziende dichiarare pubblicamente di voler tornare al loro core-business e abbandonare ogni distrazione. Eppure oggi ed esclusivamente per quanto riguarda l’intelligenza artificiale, non vedo altra scelta se non quella di fare un’inversione di centottanta gradi e darvi il suggerimento opposto a quello che ho sempre dato. Sono assolutamente convinto che non sviluppare un expertise interna avanzata sull’intelligenza artificiale sia un errore strategico che avrà profonde conseguenze in futuro. Non vi sto suggerendo di acquisire l’expertise per lo sviluppo da zero di un modello di fondazione. Abbiamo visto nell’episodio quattordici che il costo di una simile operazione è proibitivo per la stragrande maggioranza delle aziende al mondo, ma la capacità di fare Il fine tuning dei modelli dei che esistono oggi sul mercato e di quelli che esisteranno domani, dovrebbe essere considerata una competenza strategica.

E assemblare un team in grado di fare quel fine tuning dovrebbe essere una priorità assoluta per qualunque business voglia rimanere competitivo nell’era dell’intelligenza artificiale. Ok, ci fermiamo qui per oggi. come sempre, scrivetemi i vostri commenti e le domande o i suggerimenti sugli argomenti da trattare per i prossimi episodi.

Ciao!