Intelligenza artificiale in italia, come può rivoluzionare le aziende?

I modelli di Intelligenza Artificiale (AI) in rapido sviluppo stanno trasformando i modelli di business delle imprese. Dalla conoscenza dei trend di mercato e analisi predittive, al decision making e automazione di attività e processi di routine, ai servizi alle persone e ottimizzazione delle risorse, sono alcuni degli ambiti oggetto di questa rivoluzione tecnologica. Tuttavia, in Italia, le imprese hanno ancora molta strada da fare per sfruttare appieno il potenziale di queste nuove applicazioni.

Analisi del Rapporto Minsait-Luiss

Il rapporto “Intelligenza Artificiale in Italia – rivoluzione cambiando business”, presentato al Campus Luiss di Viale Pola a Roma, analizza l’adozione delle nuove tecnologie nelle aziende italiane, il quadro delle motivazioni che spingono a investire e gli ostacoli che ne frenano la diffusione. L’analisi dei dati, raccolti da oltre 500 realtà, rivela che solo il 22% delle aziende dispone di un piano di sviluppo sull’AI coerente con le strategie aziendali. La maggior parte delle imprese non sa come applicare l’Intelligenza Artificiale al business, né ha piani di integrazione della tecnologia.

Pedro García di Minsait in Italia ha affermato che “molte aziende non hanno una solida base tecnologica a supporto di un’implementazione agile dell’AI”. Tuttavia, il mondo dell’impresa italiana è consapevole dell’importanza della sfida per guidare e sfruttare il contributo della tecnologia. Infatti, il 52% delle aziende intervistate ha lanciato progetti sull’AI, con l’efficienza operativa come motivazione principale (25%) per migliorare la competitività, seguita dalla volontà di consolidare l’esperienza dei clienti e cittadini (20%).

Settori di Applicazione e Ostacoli

Le imprese mostrano interesse per l’utilizzo di modelli basati sull’AI nel settore legale (50%), focalizzati su gestione e analisi documentale, nell’area marketing e vendite (45%), Information Technology (IT) ed Environmental, Social & Governance (ESG) con il 45% di use case AI utilizzati in entrambi i contesti. Nell’IT, l’AI può supportare le Direzioni IT con tool di scrittura di codice, gestione dell’infrastruttura e sicurezza informatica, mentre nell’ESG può realizzare sistemi con maggiori performance e livelli sofisticati di monitoring.

La ricerca evidenzia che i fattori principali che rallentano l’implementazione delle nuove tecniche sono il deficit di competenze dei professionisti specializzati nell’AI (19%) e la mancanza di fattori tecnologici abilitanti (16%). Le figure del Ricercatore dell’AI e del Data Scientist sono tra le più ambite sul mercato del lavoro: tre aziende su quattro dichiarano di essere alla ricerca di questi talenti.

Inoltre, il 65% delle aziende non possiede un’infrastruttura tecnologica adeguata, con l’eccezione del settore bancario, dove l’80% delle società è già fortemente abilitata. Tra le imprese più “infrastrutturate”, c’è una preferenza nel conservare dati market sensitive “in casa”, utilizzando infrastrutture “ibride” senza trasferirli su cloud pubblico. Alla base di queste scelte c’è l’esigenza di controllo dei propri dati e la mancanza di fiducia nell’affidarli a servizi esterni: il 95% delle aziende ha infrastrutture on-premise gestite tramite reti locali oppure ibride.

Normative e Responsabilità

L’Intelligenza Artificiale, e in particolare l’AI generativa, richiede un costante aggiornamento sulle normative applicabili e linee guida con principi chiari per lo sviluppo, l’utilizzo e l’implementazione. Il 60% delle aziende intervistate nello studio Minsait-Luiss ammette di non avere una corretta conoscenza del quadro legislativo, mentre il 13% teme l’instabilità normativa. La recente approvazione dell’AI Act dell’Unione Europea rappresenta il primo, serio, intervento per bilanciare le opportunità di innovazione e gestire i rischi e le sfide all’introduzione delle nuove tecnologie.

Un’AI responsabile non è solo compito del legislatore e della regolamentazione: è una responsabilità comune che richiede una forte partnership pubblico-privata tra il sistema delle imprese, il mondo accademico, la società civile e le istituzioni pubbliche. Irene Finocchi dell’Università Luiss ha osservato che “l’impatto pervasivo delle nuove tecnologie sul tessuto economico e sociale deve essere conosciuto e applicato meglio”. La Luiss è impegnata nello sviluppo di programmi di educazione e ricerca interdisciplinare per formare i talenti del futuro, abilitatori per le imprese per rispondere con competenza alle esigenze del business.

Bullet Executive Summary

In conclusione, l’Intelligenza Artificiale sta rapidamente trasformando i modelli di business delle imprese italiane, ma ci sono ancora molte sfide da affrontare. La mancanza di competenze specializzate e di infrastrutture tecnologiche adeguate sono tra i principali ostacoli, ma c’è una crescente consapevolezza dell’importanza di questa rivoluzione tecnologica. La recente approvazione dell’AI Act dell’Unione Europea rappresenta un passo significativo verso un’AI responsabile, ma è necessaria una forte partnership pubblico-privata per sviluppare e implementare queste tecnologie in modo efficace.

Una nozione base di intelligenza artificiale correlata al tema principale dell’articolo è il machine learning, che consente ai sistemi di apprendere e migliorare automaticamente dalle esperienze senza essere esplicitamente programmati. Una nozione avanzata è il deep learning, una sottocategoria del machine learning che utilizza reti neurali artificiali con molti strati (deep neural networks) per analizzare dati complessi e fare previsioni accurate. Riflettendo su queste tecnologie, è evidente che l’adozione dell’AI può portare a una trasformazione radicale dei modelli di business, ma richiede un impegno congiunto per superare le sfide e sfruttare appieno il suo potenziale.