Come afferma NVIDIA, alla sala riunioni alla sala relax, l’intelligenza artificiale generativa ha preso piede quest’anno, suscitando discussioni in tutti i settori su come sfruttare al meglio la tecnologia per potenziare l’innovazione e la creatività, migliorare il servizio clienti, trasformare lo sviluppo dei prodotti e persino potenziare la comunicazione.
Secondo un report di Bloomberg Intelligence, l’adozione dell’IA generativa e dei modelli linguistici di grandi dimensioni si sta diffondendo in quasi tutti i settori industriali, con l’obiettivo, per gli operatori storici e i nuovi arrivati, di reimmaginare prodotti e servizi per generare un fatturato stimato di 1,3 trilioni di dollari entro il 2032.
Tuttavia, alcune aziende e startup sono ancora lente nell’adottare l’IA, limitandosi a sperimentazioni e progetti isolati anche se la tecnologia avanza a un ritmo vertiginoso. Ciò è dovuto in parte al fatto che i benefici dell’IA variano a seconda dell’azienda, del caso d’uso e del livello di investimento.
La cautela sta lasciando il posto all’ottimismo, sostiene NVIDIA. Due terzi degli intervistati nell’indagine “2024 State of AI” di Forrester Research ritengono che le loro organizzazioni abbiano bisogno di un ritorno sugli investimenti inferiore al 50% per considerare le loro iniziative di IA un successo.
La prossima grande novità all’orizzonte è l’Agentic AI, una forma di IA autonoma o “ragionante” che richiede l’uso di diversi modelli linguistici, sofisticati stack di retrieval-augmented generation e architetture di dati avanzate.
Gli esperti NVIDIA che guidano l’innovazione dell’intelligenza artificiale nelle imprese, nella ricerca e nell’ecosistema delle startup hanno condiviso le loro aspettative per l’anno prossimo.
Ian Buck, Vice President of Hyperscale and HPC
L’inferenza guida la carica dell’IA: Con la crescita delle dimensioni e della complessità dei modelli di IA, aumenterà la richiesta di soluzioni di inferenza efficienti.
L’ascesa dell’IA generativa ha trasformato l’inferenza dal semplice riconoscimento della domanda e della risposta alla generazione di informazioni complesse, tra cui la sintesi da più fonti e modelli linguistici di grandi dimensioni come OpenAI o1 e Llama 450B, aumentando drasticamente le richieste di calcolo. Grazie alle nuove innovazioni hardware e ai continui miglioramenti del software, le prestazioni aumenteranno e il costo totale di gestione dovrebbe ridursi di 5 volte o più.
Accelerare tutto: con l’adozione sempre più diffusa delle GPU, le industrie cercheranno di accelerare tutto, dalla pianificazione alla produzione. Le nuove architetture si aggiungeranno a questo circolo virtuoso, offrendo efficienza dei costi e prestazioni di calcolo di un ordine di grandezza superiore a ogni generazione.
Mentre le nazioni e le aziende corrono a costruire AI factories per accelerare un numero ancora maggiore di carichi di lavoro, ci si aspetta che molti cerchino soluzioni di piattaforma e architetture di data center di riferimento o progetti che possano rendere un data center operativo in settimane anziché in mesi. Questo li aiuterà a risolvere alcune delle sfide più difficili del mondo, tra cui l’informatica quantistica e la scoperta di farmaci.
Quantum computing: L’informatica quantistica farà passi da gigante quando i ricercatori si concentreranno sul supercalcolo e sulla simulazione per risolvere le più grandi sfide di questo campo nascente: gli errori.
I Qubit, l’unità di base dell’informazione nell’informatica quantistica, sono suscettibili al rumore e diventano instabili dopo aver eseguito solo migliaia di operazioni. Questo impedisce all’hardware quantistico di oggi di risolvere problemi utili. Nel 2025, la comunità dell’informatica quantistica si orienterà verso tecniche di correzione degli errori quantistici impegnative, ma cruciali. La correzione degli errori richiede calcoli rapidi e a bassa latenza. Ci si aspetta anche di vedere hardware quantistico fisicamente collocato all’interno di supercomputer, supportato da infrastrutture specializzate.
Anche l’intelligenza artificiale svolgerà un ruolo cruciale nella gestione di questi complessi sistemi quantistici, ottimizzando la correzione degli errori e migliorando le prestazioni complessive dell’hardware quantistico. Questa convergenza di calcolo quantistico, supercalcolo e IA in supercomputer quantistici accelerati farà progredire la realizzazione di applicazioni quantistiche per la risoluzione di problemi complessi in vari campi, tra cui la scoperta di farmaci, lo sviluppo di materiali e la logistica.
Bryan Catanzaro, Vice President of Applied Deep Learning Research
Dare un volto all’IA: l’IA diventerà sempre più familiare da usare, reattiva dal punto di vista emotivo e caratterizzata da una maggiore creatività e diversità. I primi modelli di IA generativa che disegnavano immagini avevano difficoltà a svolgere compiti semplici come disegnare i denti. I rapidi progressi dell’IA stanno rendendo le immagini e i video molto più fotorealistici, mentre le voci generate dall’IA stanno perdendo l’aspetto robotico.
Questi progressi saranno guidati dal perfezionamento degli algoritmi e dei set di dati e dal riconoscimento da parte delle aziende che l’IA ha bisogno di un volto e di una voce per essere importante per 8 miliardi di persone. Ciò comporterà anche un passaggio da interazioni con l’IA basate su turni a conversazioni più fluide e naturali. Le interazioni con l’IA non sembreranno più una serie di scambi, ma offriranno invece un’esperienza di conversazione più coinvolgente e simile a quella umana.
Ripensare le infrastrutture industriali e la pianificazione urbana: Le nazioni e le industrie inizieranno a valutare come l’IA possa automatizzare vari aspetti dell’economia per mantenere l’attuale tenore di vita, anche se la popolazione globale si riduce.
Questi sforzi potrebbero contribuire alla sostenibilità e al cambiamento climatico. Ad esempio, il settore agricolo inizierà a investire in robot autonomi in grado di pulire i campi e rimuovere meccanicamente parassiti ed erbacce. Ciò ridurrà la necessità di pesticidi ed erbicidi, mantenendo il pianeta più sano e liberando capitale umano per altri contributi significativi. Ci si aspetta di vedere nuove idee negli uffici di pianificazione urbana per tenere conto dei veicoli autonomi e migliorare la gestione del traffico.
A lungo termine, l’intelligenza artificiale può aiutare a trovare soluzioni per ridurre le emissioni di carbonio e immagazzinarlo, una sfida globale urgente.
Kari Briski, Vice President of Generative AI Software
Una sinfonia di agenti – orchestratori di IA: Le aziende sono destinate a disporre di una serie di agenti IA, modelli semiautonomi e addestrati che operano nelle reti interne per aiutare il servizio clienti, le risorse umane, la sicurezza dei dati e altro ancora. Per massimizzare l’efficienza, si prevede un aumento degli orchestratori di IA che lavorano su numerosi agenti per instradare senza soluzione di continuità le richieste umane e interpretare i risultati collettivi per consigliare e intraprendere azioni per gli utenti.
Questi orchestratori avranno accesso a una comprensione più approfondita dei contenuti, a capacità multilingue e a un’abilità con diversi tipi di dati, dai PDF ai flussi video. Alimentati da volani di dati ad autoapprendimento, gli orchestratori di IA perfezioneranno continuamente gli insight specifici per l’azienda. Ad esempio, nel settore manifatturiero, un orchestratore di intelligenza artificiale potrebbe ottimizzare le catene di fornitura analizzando i dati in tempo reale e fornendo raccomandazioni sui programmi di produzione e sulle trattative con i fornitori.
Questa evoluzione dell’IA aziendale aumenterà in modo significativo la produttività e l’innovazione in tutti i settori, diventando al contempo più accessibile. I lavoratori della conoscenza saranno più produttivi perché potranno attingere a un team personalizzato di esperti di IA. Gli sviluppatori saranno in grado di costruire questi agenti avanzati utilizzando modelli di IA personalizzabili.
Il ragionamento a più fasi amplifica le intuizioni dell’IA: Per anni l’IA è stata brava a dare risposte a domande specifiche senza dover approfondire il contesto di una determinata richiesta. Con i progressi dell’elaborazione accelerata e le nuove architetture dei modelli, i modelli AI affronteranno problemi sempre più complessi e risponderanno con maggiore precisione e profondità di analisi.
Utilizzando una capacità chiamata ragionamento multistep, i sistemi di IA aumentano la quantità di “tempo di riflessione” suddividendo le domande grandi e complesse in compiti più piccoli – a volte anche eseguendo più simulazioni – per risolvere i problemi da diverse angolazioni. Questi modelli valutano dinamicamente ogni fase, garantendo risposte contestualmente pertinenti e trasparenti. Il ragionamento multistep prevede anche l’integrazione di conoscenze provenienti da varie fonti per consentire all’intelligenza artificiale di creare connessioni logiche e sintetizzare le informazioni in diversi ambiti.
Ciò avrà probabilmente un impatto su campi che vanno dalla finanza alla sanità, dalla ricerca scientifica all’intrattenimento. Ad esempio, un modello sanitario con ragionamento multistep potrebbe fornire al medico una serie di raccomandazioni da prendere in considerazione, a seconda della diagnosi del paziente, dei farmaci e della risposta ad altri trattamenti.
Avviare il motore di interrogazione dell’intelligenza artificiale: Con le imprese e le organizzazioni di ricerca che dispongono di petabyte di dati, la sfida consiste nell’ottenere un accesso rapido ai dati per ottenere informazioni utili.
I motori di ricerca AI cambieranno il modo in cui le aziende sfruttano questi dati e i motori di ricerca specifici per le aziende saranno in grado di setacciare i dati strutturati e non strutturati, compresi testi, immagini e video, utilizzando l’elaborazione del linguaggio naturale e l’apprendimento automatico per interpretare l’intento dell’utente e fornire risultati più pertinenti e completi.
Questo porterà a processi decisionali più intelligenti, a una migliore esperienza dei clienti e a una maggiore produttività in tutti i settori. Le capacità di apprendimento continuo dei motori di interrogazione AI creeranno volani di dati auto-miglioranti che aiuteranno le applicazioni a diventare sempre più efficaci.
Charlie Boyle, Vice President of DGX Platforms
L’Agentic AI rende l’inferenza ad alte prestazioni essenziale per le aziende: L’avvento dell’IA agenziale porterà alla richiesta di risposte quasi istantanee da parte di sistemi complessi di modelli multipli. Ciò renderà l’inferenza ad alte prestazioni importante quanto l’infrastruttura di training ad alte prestazioni. I responsabili IT avranno bisogno di un’infrastruttura di accelerated computing scalabile, costruita ad hoc e ottimizzata, in grado di tenere il passo con le richieste dell’agentic AI per fornire le prestazioni necessarie per il processo decisionale in tempo reale.
Le aziende espandono le AI factory per elaborare i dati in intelligenza: Le AI factory aziendali trasformano i dati grezzi in intelligenza aziendale. L’anno prossimo le aziende amplieranno queste factory per sfruttare enormi quantità di dati storici e sintetici, per poi generare previsioni e simulazioni per qualsiasi cosa, dal comportamento dei consumatori all’ottimizzazione della catena di fornitura, dai movimenti dei mercati finanziari ai gemelli digitali di fabbriche e magazzini. Le factory di intelligenza artificiale diventeranno un vantaggio competitivo fondamentale che aiuterà i primi ad anticipare e modellare gli scenari futuri, anziché limitarsi a reagire.
Fattore freddo – data center AI raffreddati a liquido: Poiché i carichi di lavoro dell’intelligenza artificiale continuano a crescere, le organizzazioni all’avanguardia passeranno al raffreddamento a liquido per massimizzare le prestazioni e l’efficienza energetica. Gli hyperscale cloud provider e le grandi aziende faranno da apripista, utilizzando il raffreddamento a liquido nei nuovi data center AI che ospitano centinaia di migliaia di acceleratori AI, reti e software.
Le imprese sceglieranno sempre più spesso di distribuire l’infrastruttura di IA in strutture di colocation piuttosto che costruirne una propria, in parte per alleggerire l’onere finanziario della progettazione, dell’implementazione e della gestione della produzione di intelligenza su scala. Oppure affitteranno la capacità secondo le necessità. Queste implementazioni aiuteranno le imprese a sfruttare le infrastrutture più recenti senza doverle installare e gestire direttamente. Questo cambiamento accelererà l’adozione più ampia del raffreddamento a liquido come soluzione mainstream per i data center AI.
Gilad Shainer, Senior Vice President of Networking
Addio network, benvenuto al tessuto di calcolo: Il termine “networking” nei data center sembrerà datato, poiché l’architettura dei data center si trasforma in un fabric di calcolo integrato che consente a migliaia di acceleratori di comunicare in modo efficiente fra loro tramite comunicazioni scale-up e scale-out, estendendosi a chilometri di cablaggio e a più strutture di data center.
Questa struttura di elaborazione integrata includerà NVIDIA NVLink, che consente comunicazioni di tipo scale-up, nonché capacità di scale-out abilitate da switch intelligenti, SuperNIC e DPU. Questo aiuterà a spostare in modo sicuro i dati da e verso gli acceleratori e a eseguire calcoli al volo che riducono drasticamente il movimento dei dati. La comunicazione su scala ridotta attraverso le reti sarà cruciale per le implementazioni di data center AI su larga scala e sarà la chiave per renderli operativi in settimane anziché in mesi o anni.
Con l’aumento dei carichi di lavoro di agentic AI – che richiedono la comunicazione tra più modelli di intelligenza artificiale interconnessi che lavorano insieme piuttosto che modelli di intelligenza artificiale monolitici e localizzati – i tessuti di calcolo saranno essenziali per fornire l’intelligenza artificiale generativa in tempo reale.
IA distribuita: tutti i data center saranno accelerati dall’emergere di nuovi approcci alla progettazione Ethernet che consentiranno a centinaia di migliaia di GPU di supportare un singolo carico di lavoro. Ciò contribuirà a democratizzare l’implementazione di AI factory per cloud di IA generativa multi-tenant e data center di IA aziendali.
Questa tecnologia rivoluzionaria consentirà inoltre all’IA di espandersi rapidamente nelle piattaforme aziendali e di semplificare la creazione e la gestione dei cloud di IA.
Le aziende costruiranno risorse di data center più dislocate geograficamente, a centinaia o addirittura migliaia di chilometri di distanza l’una dall’altra, a causa dei limiti di potenza e della necessità di costruire più vicino a fonti di energia rinnovabile. Le comunicazioni scale-out garantiranno un movimento affidabile dei dati su queste lunghe distanze.
Linxi (Jim) Fan, Senior Research Scientist, AI Agents
La robotica si evolverà sempre più verso gli umanoidi: I robot inizieranno a comprendere comandi in linguaggio arbitrario. Attualmente i robot industriali devono essere programmati a mano e non rispondono in modo intelligente a input imprevedibili o a linguaggi diversi da quelli programmati. I modelli di base dei robot multimodali che incorporano la visione, il linguaggio e le azioni arbitrarie faranno evolvere questo “cervello dell’intelligenza artificiale”, così come l’intelligenza artificiale agenziale che consente un maggiore ragionamento dell’intelligenza artificiale.
Certo, non aspettatevi di vedere immediatamente robot intelligenti nelle case, nei ristoranti, nelle aree di servizio e nelle fabbriche. Ma questi casi d’uso potrebbero essere più vicini di quanto si pensi, dato che i governi cercano soluzioni all’invecchiamento della società e alla riduzione della forza lavoro. L’automazione fisica avverrà gradualmente e in 10 anni sarà onnipresente come l’iPhone.
Gli agenti di intelligenza artificiale si basano sull’inferenza: A settembre, OpenAI ha annunciato un nuovo modello linguistico di grandi dimensioni addestrato con l’apprendimento per rinforzo per eseguire ragionamenti complessi. OpenAI o1, soprannominato Strawberry, pensa prima di rispondere: È in grado di produrre una lunga catena interna di pensieri, correggendo gli errori e scomponendo i passaggi difficili in semplici, prima di rispondere all’utente.
Il 2025 sarà l’anno in cui gran parte del calcolo inizierà a spostarsi verso l’inferenza all’edge. Le applicazioni avranno bisogno di centinaia di migliaia di token per una singola interrogazione, mentre i modelli linguistici di piccole dimensioni eseguiranno una domanda dopo l’altra in microsecondi prima di fornire una risposta.
I modelli di piccole dimensioni saranno più efficienti dal punto di vista energetico e diventeranno sempre più importanti per la robotica, per la creazione di umanoidi e robot in grado di assistere l’uomo nelle attività quotidiane e per la promozione di applicazioni di intelligenza mobile.
Bob Pette, Vice President of Enterprise Platforms
Ricerca di una scalabilità sostenibile: Mentre le aziende si preparano a adottare una nuova generazione di agenti di IA semiautonomi per migliorare i vari processi aziendali, si concentreranno sulla creazione di infrastrutture solide, governance e capacità simili a quelle umane per un’efficace distribuzione su larga scala. Allo stesso tempo, le applicazioni di IA utilizzeranno sempre più la potenza di elaborazione locale per consentire l’esecuzione di funzioni di IA più sofisticate direttamente sulle workstation, compresi i laptop sottili e leggeri e i fattori di forma compatti, e miglioreranno le prestazioni riducendo la latenza per le attività guidate dall’IA.
Le architetture di riferimento convalidate, che forniscono indicazioni sulle piattaforme hardware e software appropriate, diventeranno fondamentali per ottimizzare le prestazioni e accelerare le implementazioni dell’IA. Queste architetture serviranno come strumenti essenziali per le organizzazioni che navigano nel complesso terreno dell’implementazione dell’IA, aiutando a garantire che i loro investimenti siano in linea con le esigenze attuali e con i futuri progressi tecnologici.
Rivoluzionare l’edilizia, l’ingegneria e il design con l’IA: si prevede un aumento dei modelli di IA generativa adattati ai settori dell’edilizia, dell’ingegneria e della progettazione, che aumenteranno l’efficienza e accelereranno l’innovazione.
Nel settore delle costruzioni, l’intelligenza artificiale agenziale estrarrà il significato da enormi volumi di dati raccolti da sensori e telecamere in loco, offrendo spunti di riflessione che porteranno a una gestione più efficiente delle tempistiche e del budget dei progetti.
L’intelligenza artificiale valuterà i dati di acquisizione della realtà (lidar, fotogrammetria e campi di radiazione) 24 ore su 24, 7 giorni su 7, ricavandone informazioni critiche su qualità, sicurezza e conformità, con conseguente riduzione degli errori e degli infortuni in cantiere.
Per gli ingegneri, la fisica predittiva basata su reti neurali informate dalla fisica accelererà la previsione delle inondazioni, l’ingegneria strutturale e la fluidodinamica computazionale per soluzioni di flusso d’aria personalizzate per le singole stanze o piani di un edificio, consentendo una più rapida iterazione dei progetti.
Nella progettazione, la retrieval-augmented generation consentirà la conformità già nella fase di progettazione, assicurando che la modellazione delle informazioni per la progettazione e la costruzione di edifici sia conforme alle normative edilizie locali. I modelli di intelligenza artificiale a diffusione accelereranno la progettazione concettuale e la pianificazione del sito, consentendo ad architetti e designer di combinare parole chiave e schizzi di massima per generare immagini concettuali ricche di dettagli per le presentazioni ai clienti. In questo modo si libererà tempo per concentrarsi sulla ricerca e sulla progettazione.
Sanja Fidler, Vice President of AI Research
Prevedere l’imprevedibilità: Aspettiamoci di vedere sempre più modelli in grado di apprendere nel mondo di tutti i giorni, aiutando gli esseri umani digitali, i robot e persino le auto autonome a comprendere situazioni caotiche e talvolta imprevedibili, utilizzando competenze molto complesse con un intervento umano minimo.
Dal laboratorio di ricerca a Wall Street, stiamo entrando in un ciclo di hype simile all’ottimismo sulla guida autonoma di 5-7 anni fa. Ci sono voluti molti anni perché aziende come Waymo e Cruise fornissero un sistema che funzionasse, e non è ancora scalabile perché i dati raccolti da queste aziende e da altre, tra cui Tesla, possono essere applicabili in una regione ma non in un’altra.
Grazie ai modelli introdotti quest’anno, ora possiamo utilizzare più rapidamente – e con una spesa di capitale molto inferiore – i dati su scala Internet per comprendere il linguaggio naturale ed emulare i movimenti osservando le azioni umane e di altri soggetti. Le applicazioni edge come i robot, le automobili e i macchinari di magazzino impareranno rapidamente la coordinazione, la destrezza e altre abilità per navigare, adattarsi e interagire con il mondo reale.
Un robot sarà in grado di preparare il caffè e le uova nella vostra cucina e di pulire dopo? Non ancora. Ma potrebbe arrivare prima di quanto si pensi.
Diventare reali: La fedeltà e il realismo stanno arrivando nell’IA generativa attraverso la pipeline della grafica e della simulazione, portando a giochi iperrealistici, film generati dall’IA e umani digitali.
A differenza della grafica tradizionale, la maggior parte delle immagini proverrà da pixel generati anziché da rendering, con conseguenti movimenti e apparenze più naturali. Gli strumenti che sviluppano e iterano i comportamenti contestuali daranno vita a giochi più sofisticati a una frazione del costo degli attuali titoli AAA.
I settori adottano l’IA generativa: quasi tutti i settori sono pronti a utilizzare l’IA per migliorare il modo in cui le persone vivono e giocano.
L’agricoltura utilizzerà l’IA per ottimizzare la catena alimentare, migliorando la consegna del cibo. Ad esempio, l’IA può essere utilizzata per prevedere le emissioni di gas serra prodotte dalle diverse colture nelle singole aziende agricole. Queste analisi possono contribuire a informare le strategie di progettazione che aiutano a ridurre i gas serra nelle catene di approvvigionamento. Nel frattempo, gli agenti di intelligenza artificiale nel campo dell’istruzione personalizzeranno le esperienze di apprendimento, parlando nella lingua madre di una persona e ponendo o rispondendo a domande basate sul livello di istruzione in una particolare materia.
Con l’ingresso sul mercato degli acceleratori di nuova generazione, si assisterà anche a una maggiore efficienza nella fornitura di queste applicazioni di IA generativa. Migliorando l’addestramento e l’efficienza dei modelli in fase di test, le aziende e le startup vedranno un migliore e più rapido ritorno sugli investimenti in queste applicazioni.
Andrew Feng, Vice President of GPU Software
L’analisi accelerata dei dati offre approfondimenti senza modifiche al codice: Nel 2025, l’accelerazione dell’analisi dei dati diventerà la prassi per le organizzazioni alle prese con volumi di dati sempre maggiori.
Le aziende generano centinaia di petabyte di dati all’anno e ogni azienda sta cercando un modo per utilizzarli. A tal fine, molte adotteranno il calcolo accelerato per l’analisi dei dati.
Il futuro è nelle soluzioni di analisi accelerata dei dati che supportano “nessuna modifica del codice” e “nessuna modifica della configurazione”, consentendo alle organizzazioni di combinare le applicazioni di analisi dei dati esistenti con l’elaborazione accelerata con il minimo sforzo. La tecnologia analitica generativa basata sull’intelligenza artificiale amplierà ulteriormente l’adozione dell’analisi accelerata dei dati, consentendo agli utenti, anche a quelli che non hanno conoscenze di programmazione tradizionali, di creare nuove applicazioni di analisi dei dati.
La perfetta integrazione dell’elaborazione accelerata, facilitata da un’esperienza semplificata per gli sviluppatori, contribuirà a eliminare le barriere all’adozione e consentirà alle organizzazioni di sfruttare i propri dati esclusivi per nuove applicazioni di intelligenza artificiale e per una business intelligence più ricca.
Nader Khalil, Director of Developer Technology
La forza lavoro delle startup: Se non avete ancora sentito parlare di ingegneri tempestivi o di progettisti di personalità AI, lo farete nel 2025. Man mano che le aziende abbracciano l’IA per aumentare la produttività, ci si aspetta di vedere nuove categorie di lavoratori essenziali sia per le startup che per le imprese, che mescolano competenze nuove ed esistenti.
Un prompt engineer progetta e perfeziona stringhe di testo precise che ottimizzano l’addestramento dell’IA e producono i risultati desiderati, basandosi sulla creazione, la sperimentazione e l’iterazione di progetti di prompt per chatbot e IA agenziali. La domanda di prompt engineer si estenderà oltre le aziende tecnologiche a settori come quello legale, dell’assistenza clienti e dell’editoria. Con la proliferazione degli agenti di IA, le aziende e le startup si affideranno sempre più ai progettisti di personalità di IA per migliorare gli agenti con personalità uniche.
Proprio come l’ascesa dei computer ha generato titoli di lavoro come scienziati informatici, scienziati dei dati e ingegneri dell’apprendimento automatico, l’IA creerà diversi tipi di lavoro, ampliando le opportunità per le persone con forti capacità analitiche e di elaborazione del linguaggio naturale.
Comprendere l’efficienza dei dipendenti: Le startup che incorporano l’IA nelle loro pratiche aggiungeranno sempre più spesso al loro lessico i ricavi per dipendente (RPE, “revenue per employee”) quando parleranno con investitori e partner commerciali.
Invece di una mentalità di “crescita a tutti i costi”, l’integrazione dell’IA nella forza lavoro consentirà ai proprietari delle startup di capire come l’assunzione di ogni nuovo dipendente aiuti tutti gli altri a generare maggiori entrate. Nel mondo delle startup, l’RPE si inserisce nelle discussioni sul ritorno dell’investimento nell’IA e sulle sfide di ricoprire ruoli in concorrenza con le grandi imprese e le aziende tecnologiche.
