Il McKinsey 2024 Global survey on AI analizza come le aziende stiano integrando l'intelligenza artificiale nei propri processi, con quali vantaggi e difficoltà. Il 65% dei professionisti intervistati lavora in un'azienda che ha già adottato la AI, il doppio rispetto alla survey del 2023, e tre quarti ritiene, come nel 2023, che porterà a cambiamenti significativi nel proprio settore. Tra i vantaggi: riduzione dei costi aziendali, performance migliorate per le business unit che usano la AI. Tra i pericoli: inaccuratezza.
La McKinsey 2024 Global survey on AI è realizzata con intervista raccolte online da 1.363 professionisti rappresentativi di settori di attività diversi nel mondo, e di aziende di dimensioni diverse, dal 22 febbraio al 5 marzo 2024.
Intelligenza artificiale nella survey McKinsey
Il primo dato è l'incremento del +50% nell'adozione di questa tecnologia con un totale del 72% dei professionisti che dichiara di usarla per almeno una funzione aziendale. I dati suggeriscono che siano anche in aumento le attività aziendali nelle quali viene impiegata, con la metà dei rispondenti che dichiara di usarla in due o più funzioni aziendali (nel 2023 erano meno di un terzo). Cresce anche la diffusione a livello geografico.
In media, le aziende se ne servono per 2 funzioni aziendali, più spesso si tratta di marketing e vendite, e qui c'è stato un raddoppio dell'uso della AI rispetto al 2023, e dell'area di sviluppo prodotto e dei servizi. Sono quelle anche per le quali, insieme all'area IT, la AI ha dimostrato di dare i maggiori benefici.
Le attività più supportate dalla AI sono in particolare:
-supporto ai contenuti per la strategia di marketing
-marketing personalizzato
-Design per lo sviluppo del prodotto
-Indagini su letteratura scientifica e ricerche
-Chatbot di assistenza clienti
-Gestione dati
I dirigenti, soprattutto di grado più alto, hanno cominciato a servirsi della AI anche fuori dal contesto lavorativo, nella vita quotidiana, in particolare in Cina, Giappone, Australia (area Asia-Pacifico).
Investimenti per la AI generativa
Le aziende cominciano a mettere a budget anche gli investimenti per adottare la Ai generativa, con investimenti intorno al 5% del budget digitale totale, cioè lo stesso impiegato per la AI non generativa e le soluzioni di AI per l'analisi dei dati. Anche se gli investimenti nella AI non generativa sono superiori, la tendenza per i prossimi 3 anni è di spostare il budget sempre più verso la AI generativa.
Questa tecnologia porta due ordini di vantaggi. Il primo è la riduzione dei costi, e l'area di business coinvolta è quella delle risorse umane. L'altro vantaggio è l'incremento dei guadagni superiore al +5%, e qui le aree coinvolte sono la supply chain e la gestione inventario.
Per la AI analitica i benefici maggiori riscontrati dagli intervistati riguardano l'area dei servizi al cliente; per la AI invece l'area di maggior beneficio è quella del marketing e vendite.
Rischi percepiti per l'AI in azienda
Dopo i benefici, i rischi: sono legati alla scarsa accuratezza associata a questa tecnologia, in questa fase di prima adozione. Ed eccoli:
-Rischi legati alla privacy per i database aziendali
-Inesattezze sempre sui dati aziendali
-Violazione della proprietà intellettuale
-Risultati inaccurati
-Impossibilità di spiegare l'output della AI
-Sicurezza
-Uso scorretto
Modelli di adozione per la Intelligenza artificiale dal report McKinsey
I modelli che escono dalla survey sono 3:
TAKERS - Impiegano soluzioni AI accessibili a tutti, non professionali
SHAPERS - Personalizzano la AI pubblica con dati propri e sistemi propri
MAKERS - Sviluppano modelli propri.
Sono circa la metà del totale delle aziende che hanno adottato la AI, quelle che hanno puntato su soluzioni accessibili a tutti, con una personalizzazione nulla o minima. I settori che si sono impegnati di più per la customizzazione sono quelli energia e materiali, tecnologico, media e comunicazioni. Sono anche i settori che più facilmente hanno sviluppato soluzioni mirate alle specifiche esigenze dell'azienda.
Il tempo impiegato per adattare la tecnologia all'impiego concreto è compreso tra uno e quattro mesi, in media, ma varia a seconda della funzione di business coinvolta. Come ci si aspetta, chi sceglie modelli di AI customizzati o proprietari impiega in genere più tempo per attivare lo strumento in azienda.
I leader nell'adozione della AI, chi sono?
Su 876 rispondenti che hanno dichiarato di aver adottato la AI generativa in azienda, solo 46 hanno dichiarato anche che una quota significativa dei propri introiti è legato a questa soluzione tecnologica: più del 10%. Tra questi, il 42% dichiara introiti legati alla AI pari a oltre il 20% del totale. Non sono focalizzati in un particolare settore o area geografica, ma in genere si tratta di imprese che hanno un fatturato annuo inferiore al miliardo di dollari.
A differenza delle altre aziende, questi "early adopters" della AI la impiegano in media per 3 funzioni aziendali (invece di 2). Accanto agli ambiti classici (marketing e vendite, prodotto e servizi) sono più propensi a servirsene anche in aree quali gestione rischi e legale, controllo conformità, finanza strategica e d'impresa, supply chain e gestione inventario, elaborazione documenti di fatturazione, test R&D, pricing, promozioni.
Queste aziende in genere preferiscono soluzioni di AI pubblica molto customizzate, oppure sviluppano soluzioni proprietarie.
A differenziare queste aziende dalle altre c'è anche la maggior attenzione ai rischi connessi all'uso della AI, e dichiarano di aver già sperimentato tutti i rischi connessi: sicurezza informatica, privacy personale, difficoltà di spiegazione, violazione della proprietà intellettuale. A questi ne aggiungono altri: conformità ai regolamenti, impatto ambientale, stabilità politica. Per questo hanno adottato delle best practice per evitarli. Per esempio, la funzione legale e il controllo intervengono prima, in fase di sviluppo della soluzione di AI, e così via.
La maggior esperienza di queste aziende con la AI si dimostra anche nelle sfide che evidenziano. Tra queste, le difficoltà inerenti i dati che vanno dalla definizione dei processi per la loro gestione, allo sviluppo della capacità di integrarli nei modelli AI in maniera rapida, nella difficoltà a reperire una quantità sufficiente di dati per addestrare la AI. I dati rimangono dunque al centro anche per questo tipo di tecnologia, e accanto ad essi, i processi aziendali che dovranno adattarsi.
Il commento di Luciano Martinoli, presidente di Axiante: "Se vi è già un uso della AI generativa per scopi professionali, esso non si è ancora tradotto nel supporto di processi aziendali. In particolare per consentire ai sistemi LLM di effettuare un salto di qualità in tale direzione, occorre un cambio di paradigma: abbandonare l’idea che si tratti di una forma di automazione da integrare nei consueti processi di business e considerare la GenAI un agente assistivo che aumenta l’efficacia delle attività e, in quanto tale, richiede un ripensamento globale dei processi aziendali". In particolare Martinoli suggerisce un approccio dialogante tra operatore umano e macchina, come se la AI fosse un collega, non uno strumento. "In questo modo sarà possibile suddividere le responsabilità tra uomo e macchina, soprattutto nel caso di processi in cui i task e le funzioni, dipendono dalla manipolazione di parole, immagini, numeri e suoni" (da qui l'acronimo di "attività PINS").
Il processo di reciproca integrazione avviene allora identificando delle regole di ingaggio bidirezionali, ovvero i punti decisionali, i rischi e i contesti nei quali la guida sarà umana o tecnologica; successivamente verranno stabilite delle linee guida rispetto a quando e come sistema e utente interagiranno, e infine il sistema dovrà essere addestrato con elementi di linguaggio opportunamente definiti (prompt).
"Il sistema - prosegue Luciano Martinoli - dovrà essere continuamente monitorato per inserire eventuali ulteriori prompt e il processo andrà raffinato. Questa ultima fase presenta un’ulteriore fondamentale differenza con i sistemi classici: non si interverrà con modifiche software per adeguare un sistema all’evoluzione del processo, ma con modifiche di profili di task e protocolli di interazione con gli utenti".
Intelligenza artificiale McKinsey
