Nelle imprese moderne, numerose piattaforme, sistemi e strumenti di IA operano simultaneamente, spaziando da piattaforme per clienti e assistenti conversazionali all'automazione dei flussi di lavoro. Sebbene questi singoli componenti siano sofisticati e reattivi, il loro output collettivo si rivela spesso errato, confuso o scollegato dalla realtà aziendale effettiva. Questa disconnessione è identificata come una delle ragioni principali per cui molte organizzazioni faticano a realizzare un ritorno sugli investimenti in IA.
I dati di un sondaggio condotto da MIT Technology Review Insights evidenziano questa disparità. Sebbene ogni organizzazione intervistata utilizzi l'IA in qualche misura, solo il 16% riferisce di estrarre un valore trasformativo dalle proprie implementazioni. La maggior parte dei rispondenti, che rappresenta il 40%, osserva guadagni moderati in compiti o team specifici, mentre il 21% nota guadagni significativi. Al contrario, il 23% delle organizzazioni sta registrando rendimenti minimi o nulli.
Gli attuali modelli di utilizzo indicano che la maggior parte delle aziende rimane nella fase pilota o utilizza l'IA principalmente come strumento di supporto. Secondo il sondaggio, il 38% dei rispondenti sta pilotando casi d'uso dell'IA e il 35% utilizza strumenti come co-piloti o assistenti chat per supportare i dipendenti. Solo il 12% ha implementato agenti di IA in produzione e un misero 3% riferisce di utilizzare l'IA per gestire la maggior parte del lavoro all'interno dei processi chiave.
Prukalpa Sankar, co-fondatore di Atlan, sottolinea il significativo divario tra le capacità dei modelli e la loro utilità effettiva all'interno delle organizzazioni. Egli nota che, sebbene l'intelligenza artificiale generale esista per intenti della vita reale, rimane largamente inefficace nella maggior parte degli ambienti aziendali a causa della mancanza di uno strato di contesto. Questo strato funge da infrastruttura architetturale situata tra i sistemi aziendali, come i registri dei dati, e le piattaforme di IA. La sua funzione è tradurre l'intelligenza aziendale in un contesto governato e utilizzabile dalle macchine, consentendo alla conoscenza di accumularsi.
Sankar illustra la necessità di questa infrastruttura paragonando l'IA senza uno strato di contesto all'assunzione dell'assistente più intelligente del mondo, bendandolo e inserendolo immediatamente in un'organizzazione. Senza comprendere l'ambiente aziendale specifico, anche i modelli avanzati non possono fornire azioni accurate o utili. Questo contenuto è stato prodotto da Insights, il braccio per contenuti personalizzati di MIT Technology Review, in collaborazione con Atlan.
Fonti: MIT Technology Review.