L’intelligenza artificiale generativa è pronta a scatenare la prossima ondata di produttività. McKinsey analizza per la prima volta i settori in cui potrebbe essere generato il valore aziendale, e i potenziali impatti sulla forza lavoro.

L’intelligenza artificiale generativa è con noi da tempo

L’intelligenza artificiale (IA) è gradualmente integrata nelle nostre vite. Lo è dalla tecnologia che alimenta i nostri smartphone alle funzioni di guida autonoma delle automobili, fino agli strumenti che i rivenditori utilizzano per attirare i clienti. Di conseguenza, il suo sviluppo è passato quasi inosservato. Alcune pietre miliari, come quando AlphaGo, un programma alimentato dall’IA sviluppato da DeepMind, (una controllata di Google) ha sconfitto un giocatore di Go campione del mondo nel 2016, sono state celebrate, ma sono rapidamente svanite dalla memoria pubblica.

Applicazioni di IA generativa come ChatGPT, GitHub Copilot e Stable Diffusion hanno catturato l’attenzione delle persone di tutto il mondo in un modo diverso da AlphaGo. Ciò è dovuto alla loro ampia gamma di utilizzi. Utilizzi che consentono a quasi tutti di comunicare e creare, nonché alla loro straordinaria capacità di intrattenere conversazioni con gli utenti. Le più recenti applicazioni di IA generativa sono in grado di eseguire una serie di compiti di routine, come l’organizzazione e la classificazione dei dati. Tuttavia, è la loro capacità di scrivere testi, comporre musica e creare arte digitale che ha attirato l’attenzione dei media, e incoraggiato consumatori e aziende a sperimentarle. Di conseguenza, una gamma più ampia di soggetti interessati sta valutando l’impatto dell’IA generativa sulle imprese e sulla società. Manca ancora, purtroppo, il contesto necessario per comprenderla appieno.

Ecco alcuni esempi specifici di come l’IA generativa viene utilizzata nelle aziende e nella società:

• I chatbot sono utilizzati dalle aziende per fornire assistenza e supporto ai clienti.
• L’IA generativa è utilizzata per creare campagne di marketing personalizzate.
• Viene anche utilizzata per generare contenuti creativi, come articoli, post di blog e post sui social media.
• …ma anche per sviluppare nuovi prodotti e servizi.
• L’IA generativa è utilizzata per migliorare l’efficienza delle operazioni.

L’impatto dell’IA generativa sulle imprese e sulla società è ancora in fase di sviluppo. Tuttavia, è chiaro che questa tecnologia ha il potenziale per rivoluzionare il nostro modo di vivere e lavorare.

La velocità dello sviluppo della tecnologia IA generativa

Lo sviluppo della tecnologia IA generativa sta avvenendo molto rapidamente. Nel novembre 2022 è stato rilasciato ChatGPT. Quattro mesi dopo, OpenAI ha rilasciato un nuovo modello linguistico di grandi dimensioni, o LLM, chiamato GPT-4 (quello che abbiamo imparato a conoscere tutti), con capacità notevolmente migliorate. Allo stesso modo, nel maggio 2023, l’intelligenza artificiale generativa di Anthropic, Claude, era in grado di elaborare 100.000 token di testo in un minuto, l’equivalente di circa 75.000 parole. Si tratta di un miglioramento significativo rispetto a quando è stata introdotta per la prima volta nel marzo 2023, quando era in grado di elaborare solo 9.000 token di testo in un minuto. Sempre nel maggio del 2023, Google ha anche annunciato diverse nuove funzionalità basate sull’IA generativa, tra cui Search Generative Experience e un nuovo LLM chiamato PaLM 2, che alimenterà il suo chatbot Bard, oltre ad altri prodotti Google.

Per capire quale sia il futuro dell’intelligenza artificiale generativa, è importante comprendere le scoperte che ne hanno permesso lo sviluppo. Queste scoperte hanno richiesto decenni di lavoro. Le applicazioni di IA generativa sono in genere costruite utilizzando modelli di base, ovvero reti neurali artificiali ispirate ai miliardi di neuroni del cervello umano. I modelli di base fanno parte del cosiddetto deep learning (o apprendimento profondo) un tipo di apprendimento automatico che utilizza reti neurali artificiali per imparare dai dati. L’apprendimento profondo ha alimentato molti dei recenti progressi nell’IA, ma i modelli di base che alimentano le applicazioni di IA generativa rappresentano un significativo passo avanti. A differenza dei precedenti modelli di deep learning, sono in grado di elaborare insiemi estremamente ampi e variegati di dati non strutturati e di eseguire molteplici compiti.

Ecco un riassunto di alcune delle principali scoperte che hanno permesso lo sviluppo dell’IA generativa:

• Sviluppo di modelli linguistici di grandi dimensioni, come GPT-4 e PaLM 2, in grado di elaborare enormi quantità di dati testuali e di generare testi indistinguibili da quelli scritti dall’uomo.
• Lo sviluppo di nuovi algoritmi per l’addestramento di modelli di deep learning, come l’algoritmo GAN (Generative Adversarial Network), in grado di generare immagini e video realistici.
• Lo sviluppo di nuovi modi per migliorare le prestazioni dei modelli di deep learning, come l’utilizzo del transfer learning per trasferire la conoscenza da un modello all’altro.

Lo sviluppo dell’IA generativa è ancora agli inizi, ma ha il potenziale per rivoluzionare molti settori, tra cui quello sanitario, finanziario e dell’intrattenimento. Con il persistente sviluppo di questa tecnologia, è comunque sempre più importante, giorno dopo giorno (ed il continuo dibattito mediatico ed accademico lo dimostra) importante essere consapevoli dei potenziali rischi e benefici, e sviluppare linee guida etiche per il suo utilizzo.

I “key findings” della ricerca di McKinsey

I modelli fondativi hanno reso possibili nuove capacità e migliorato notevolmente quelle esistenti in un’ampia gamma di settori, tra cui immagini, video, audio e codice informatico. L’intelligenza artificiale addestrata su questi modelli può svolgere molteplici compiti, come classificare, modificare, riassumere, rispondere a domande e redigere nuovi contenuti.

Siamo ancora all’inizio del nostro viaggio per comprendere la potenza, la portata e le capacità dell’IA generativa. Questa ricerca è solo l’ultima degli sforzi per valutare l’impatto di questa nuova era dell’IA. Suggerisce che l’IA generativa è pronta a trasformare i ruoli e a incrementare le prestazioni in aree come le vendite e il marketing, le operazioni con i clienti e lo sviluppo di software. Nel processo, potrebbe sbloccare trilioni di dollari di valore in settori che vanno dalle banche alle scienze della vita.

Ecco alcuni dei principali risultati della ricerca:

• L’IA generativa ha il potenziale per trasformare i ruoli in molti settori. Ad esempio, potrebbe automatizzare compiti attualmente svolti dall’uomo, come il servizio clienti e l’inserimento dei dati. Potrebbe anche creare nuovi ruoli, come gli ingegneri dell’IA e gli scienziati dei dati.
• L’intelligenza artificiale generativa ha il potenziale per aumentare le prestazioni in molti settori. Ad esempio, potrebbe aiutare le aziende a migliorare le campagne di marketing, il servizio clienti e lo sviluppo dei prodotti. Potrebbe anche aiutare gli scienziati a fare nuove scoperte e gli ingegneri a progettare nuovi prodotti.
• L’IA generativa ha il potenziale per sbloccare trilioni di dollari di valore. Ad esempio, potrebbe aiutare le aziende a risparmiare sul costo del lavoro e a migliorare la loro produttività. Potrebbe anche aiutare gli scienziati a sviluppare nuovi farmaci e trattamenti, e gli ingegneri a progettare nuovi prodotti.

La ricerca evidenzia anche alcune delle sfide che devono essere affrontate per realizzare il pieno potenziale dell’IA generativa. Queste sfide includono:

• La necessità di più dati. I modelli di IA generativa richiedono molti dati per essere addestrati. Questo può rappresentare una sfida per le aziende che non hanno accesso a grandi quantità di dati.
• Necessità di algoritmi migliori. Gli algoritmi utilizzati per addestrare i modelli di IA generativa sono ancora in fase di sviluppo. Ciò significa che c’è il rischio di distorsioni ed errori nei modelli.
• La necessità di linee guida etiche. L’IA generativa ha il potenziale per essere utilizzata per scopi dannosi, come la generazione di fake news o la creazione di deepfakes. È importante sviluppare linee guida etiche per l’uso di questa tecnologia.

Nel complesso, la ricerca suggerisce che l’IA generativa ha il potenziale per essere una tecnologia trasformativa con un’ampia gamma di applicazioni. Tuttavia, ci sono anche sfide che devono essere affrontate prima che questo potenziale possa essere pienamente realizzato.