Le tendenze dell’IA per il 2026: cosa devono sapere gli imprenditori?
Eliminiamo subito l’AI agentica, ovvero che svolge compiti in modo indipendente: è una scommessa sicura per la ‘tendenza AI più in voga’ del futuro. L’AI agentica sembra essere in inevitabile ascesa: tutti nel mondo dei fornitori di tecnologia e degli analisti sono entusiasti della prospettiva di avere programmi di AI che collaborano per svolgere un lavoro reale invece di limitarsi a generare contenuti, anche se nessuno è del tutto sicuro di come funzionerà. Alcuni leader IT pensano di averla già (il 37%, in un prossimo sondaggio sponsorizzato da UiPath su 252 leader IT statunitensi); la maggior parte si aspetta che ciò avvenga presto ed è pronta a investire in questo settore (il 68% entro sei mesi o meno); alcuni scettici (che abbiamo incontrato principalmente durante le interviste) ritengono che si tratti principalmente di una campagna pubblicitaria dei fornitori. La maggior parte dei manager con ruoli legati alla tecnologia ritiene che questi programmi di AI autonomi e collaborativi saranno basati principalmente su bot di AI generativa mirati che svolgeranno compiti specifici. La maggioranza ritiene che ci sarà una rete di questi agenti e molti sperano che gli ecosistemi degli agenti richiederanno un intervento umano minore rispetto a quello richiesto dall’AI in passato. Alcuni ritengono che la tecnologia sarà interamente orchestrata da strumenti di automazione dei processi robotici; altri propongono che gli agenti saranno recuperati dai sistemi di transazione aziendali; altri ancora ipotizzano l’emergere di un ‘super agente’ che controllerà tutto.
Ecco cosa ne pensiamo: ci saranno (e in alcuni casi ci sono già) bot di AI Generativa (Gen AI) che eseguiranno gli ordini delle persone su compiti specifici di creazione di contenuti. Sarà necessario più di uno di questi strumenti di Gen AI per fare qualcosa di significativo, come effettuare una prenotazione di viaggio o condurre una transazione bancaria. Ma questi sistemi funzionano ancora prevedendo la parola successiva, e a volte questo porterà a errori o imprecisioni. Quindi ci sarà ancora bisogno che gli esseri umani li controllino di tanto in tanto. I primi agenti saranno quelli per piccoli compiti interni strutturati che comportano poco denaro, per esempio aiutare a cambiare la password dal punto di vista informatico o prenotare le ferie nei sistemi HR. Non riteniamo molto probabile che le aziende utilizzino questi agenti con clienti reali che spendono denaro reale nel breve termine, a meno che non ci sia la possibilità di una revisione umana o dell’annullamento di una transazione. Di conseguenza, non prevediamo un impatto significativo di questa tecnologia sulla forza lavoro umana, a eccezione di nuovi lavori che consistono nello scrivere post sui blog riguardanti l’AI agentica (aspetta, gli agenti possono farlo?).
Misurare i risultati degli esperimenti di AI Generativa
Uno dei motivi per cui tutti sono entusiasti degli agenti è che è ancora difficile dimostrare il valore economico della Gen AI. Nell’articolo sulle tendenze dell’AI di qualche anno fa abbiamo sostenuto che il valore della Gen AI doveva ancora essere dimostrato. I leader nel campo dei dati e dell’AI che hanno partecipato al sondaggio di Randy “2025 AI & Data Leadership Executive Benchmark Survey” si sono detti fiduciosi che il valore della Gen AI sia generato: il 58% ha affermato che la propria organizzazione ha ottenuto un aumento esponenziale della produttività o dell’efficienza grazie all’AI, presumibilmente soprattutto dall’AI generativa. Un altro 16% ha affermato di aver “liberato i knowledge worker dai compiti banali” attraverso l’uso di strumenti Gen AI. Speriamo che queste convinzioni altamente positive siano corrette.
Ma le aziende non dovrebbero riporre tale fiducia ciecamente. Sono pochissime le aziende che misurano attentamente i guadagni in termini di produttività o che cercano di capire cosa fanno i knowledge worker liberati dal lavoro di routine con il tempo a loro disposizione. Solo pochi studi accademici hanno misurato i guadagni in termini di produttività della Gen AI e, quando lo hanno fatto, hanno generalmente riscontrato alcuni miglioramenti, ma non esponenziali. Goldman Sachs è una delle rare aziende che ha misurato i guadagni in termini di produttività nel settore della programmazione. Gli sviluppatori hanno riferito che la loro produttività è aumentata di circa il 20%. La maggior parte degli studi simili ha riscontrato fattori contingenti nella produttività, in cui i lavoratori inesperti ottengono maggiori vantaggi (come nel servizio clienti e nella consulenza) o i lavoratori esperti ottengono risultati migliori (come nella generazione di codice).
In molti casi, il modo migliore per misurare i guadagni di produttività sarà quello di stabilire esperimenti controllati. Per esempio, un’azienda potrebbe chiedere a un gruppo di esperti di marketing di utilizzare la Gen AI per creare contenuti senza revisione umana, a un altro di utilizzarla con revisione umana e a un gruppo di controllo di non utilizzarla affatto. Anche in questo caso, poche aziende lo stanno facendo, e questo dovrà cambiare. Dato che attualmente la Gen AI riguarda principalmente la generazione di contenuti per molte aziende, se vogliamo comprenderne davvero i vantaggi, dovremo anche iniziare a misurare la qualità dei contenuti. Questo è notoriamente difficile da fare con i risultati del lavoro intellettuale. Tuttavia, se la Gen AI aiuta a scrivere post sul blog molto più velocemente, ma i post sono noiosi e imprecisi, è importante misurarlo: in quel particolare caso d’uso ci saranno pochi vantaggi.
La triste realtà è che, se molte organizzazioni dovessero effettivamente ottenere aumenti esponenziali della produttività, tali miglioramenti potrebbero essere misurati in licenziamenti su larga scala. Ma non ci sono segni di licenziamenti di massa nelle statistiche sull’occupazione. Inoltre, il vincitore del Premio Nobel per l’Economia 2025, Daron Acemoglu del MIT, ha commentato che finora non abbiamo visto reali aumenti di produttività grazie all’AI e non si aspetta nulla di eccezionale nei prossimi anni, forse un aumento dello 0,5% nel prossimo decennio. In ogni caso, se le aziende vogliono davvero vedere e trarre profitto dalla Gen AI, dovranno misurarne e sperimentarne i benefici.
Si afferma la realtà della cultura basata sui dati
Sembra che ci stiamo rendendo conto che la Gen AI è molto interessante. Ma essa non cambia tutto, cambia in particolare gli attributi culturali a lungo termine. Nel nostro articolo sulle tendenze del 2023 abbiamo osservato che il sondaggio di Randy ha rilevato che la percentuale di aziende intervistate che hanno dichiarato di aver “creato un’organizzazione basata sui dati e sull’AI” e di aver “istituito una cultura organizzativa basata sui dati e sull’AI” è raddoppiata rispetto all’anno precedente (dal 24% al 48% per la creazione di organizzazioni basate sui dati e sull’AI e dal 21% al 43% per l’istituzione di culture basate sui dati). Siamo rimasti entrambi piuttosto sorpresi da questo drastico miglioramento e abbiamo attribuito i cambiamenti alla Gen AI, poiché è stata ampiamente pubblicizzata e adottata rapidamente dalle organizzazioni.
I numeri sono tornati un po’ più con i piedi per terra. Il 37% degli intervistati ha dichiarato di lavorare in un’organizzazione basata sui dati e sull’AI, mentre il 33% ha affermato di avere una cultura basata sui dati e sull’AI. È comunque positivo che i leader nel campo dei dati e dell’AI ritengano che le loro organizzazioni siano migliorate in questo senso rispetto al passato, ma la nostra previsione a lungo termine è che l’AI generativa da sola non sia sufficiente per rendere le organizzazioni e le culture basate sui dati.
Nello stesso sondaggio, il 92% degli intervistati ha affermato di ritenere che le sfide culturali e di gestione del cambiamento siano il principale ostacolo per diventare guidati dai dati e dall’AI. Ciò suggerisce che qualsiasi tecnologia da sola è insufficiente. Vale la pena notare che la maggior parte dei dipendenti intervistati proveniva da organizzazioni tradizionali fondate più di una generazione fa e con una storia di trasformazione graduale. Molte di queste aziende hanno fatto di più per attuare le loro strategie digitali durante la pandemia che nei due decenni precedenti.
I dati non strutturati sono tornati a essere importanti
La Gen AI ha avuto un altro impatto sulle organizzazioni: sta rendendo nuovamente importanti i dati non strutturati. Nel sondaggio 2025 “AI & Data Leadership Executive Benchmark Survey”, il 94% dei leader nel campo dei dati e dell’AI ha affermato che l’interesse per l’AI sta portando a una maggiore attenzione ai dati. Poiché l’AI analitica tradizionale esiste da diversi decenni, pensiamo che si riferissero all’impatto della Gen AI. In un altro sondaggio che abbiamo citato nell’articolo sulle tendenze dell’AI dello scorso anno, c’erano prove sostanziali che la maggior parte delle aziende non aveva ancora iniziato a gestire realmente i dati per prepararsi alla Gen AI.
La grande maggioranza dei dati con cui lavora la Gen AI è relativamente non strutturata, in forme quali testo, immagini, video e simili. Un manager di una grande compagnia di assicurazioni ha recentemente condiviso con Randy che il 97% dei dati dell’azienda era non strutturato. Molte aziende sono interessate a utilizzare la Gen AI per aiutare a gestire e fornire accesso ai propri dati e documenti, in genere utilizzando un approccio chiamato generazione aumentata dal recupero, o RAG. Tuttavia, alcune aziende non hanno lavorato molto sui propri dati non strutturati dai tempi della gestione della conoscenza, più di 20 anni fa. Si sono concentrate sui dati strutturati, in genere righe e colonne di numeri provenienti da sistemi transazionali.
Per mettere in ordine i dati non strutturati, le organizzazioni devono selezionare i migliori esempi di ogni tipo di documento, taggare o rappresentare graficamente il contenuto e caricarlo nel sistema (benvenuti nel mondo arcano degli embedding, dei database vettoriali e degli algoritmi di ricerca per similarità). Questi approcci offrono notevoli vantaggi in termini di accesso alle conoscenze per i dipendenti, motivo per cui molte organizzazioni li stanno perseguendo. Tuttavia, questo lavoro richiede ancora un grande impegno umano. A un certo punto, forse, saremo in grado di caricare semplicemente tonnellate di documenti interni in una finestra di prompt Gen AI. Anche quando ciò sarà possibile, ci sarà ancora bisogno di una notevole cura umana dei dati, perché ChatGpt non è in grado di stabilire quale sia la migliore tra 20 diverse proposte di vendita.
Chi dovrebbe gestire i dati e l’AI?
Forse non dovrebbe sorprendere che, mentre i dati e i tentativi di sfruttarli con l’AI stanno ricevendo sempre più attenzione e investimenti da parte delle organizzazioni, la funzione di leadership dei dati stessa continui a lottare. Il ruolo è ancora relativamente nascente: solo il 12% delle organizzazioni nel primo sondaggio annuale di Randy del 2012 aveva nominato un Chief data officer. Si stanno compiendo progressi: l’85% delle organizzazioni nell’ultimo sondaggio di Randy ha nominato un Chief data officer e una percentuale crescente di questi leader dei dati si concentra principalmente sulla crescita, l’innovazione e la trasformazione (anziché sull’evitare rischi o problemi normativi). Anche un numero maggiore di organizzazioni ha nominato dei Chief AI officer: un sorprendente 33%.
Mentre questi ruoli continuano ad evolversi, le organizzazioni continuano a lottare con i loro mandati, le loro responsabilità e strutture gerarchiche. Meno della metà dei leader nel campo dei dati (per lo più Chief data officer) che hanno risposto al sondaggio “AI & Data Leadership Executive Benchmark Survey” di Randy ha affermato che la propria funzione è molto efficace e ben consolidata, e solo il 51% ha dichiarato di ritenere che il proprio lavoro sia ben compreso all’interno delle proprie organizzazioni. Non siamo ancora sicuri che le responsabilità di un Chief AI officer e di un Chief data (e analytics-AI) officer (CDAO) richiedano ruoli separati, anche se alcune organizzazioni, tra cui Capital One e Cleveland Clinic, hanno istituito il ruolo di Chief AI officer come pari al Chief data officer.
L’unica cosa che possiamo affermare con certezza è che la domanda di leadership nel campo dei dati e dell’AI è destinata a crescere, indipendentemente dalla forma, dalla struttura e dalle modalità che questa domanda assumerà. Siamo indecisi sul futuro più ampio del responsabile dei dati e dell’AI. Randy crede fermamente che il ruolo del CDAO dovrebbe essere un ruolo aziendale che riporta alla leadership aziendale. Egli osserva che il 36% dei leader dei dati e dell’AI nel suo sondaggio di quest’anno riferiva al CEO, al Presidente o al COO. Randy crede fermamente che i leader dei dati e dell’AI debbano fornire un valore aziendale misurabile e comprendere e parlare il linguaggio dell’azienda.
Tom concorda sul fatto che i leader tecnologici debbano concentrarsi maggiormente sul valore aziendale. Tuttavia, come abbiamo sostenuto nel rapporto sulle tendenze del 2024, ritiene che nella maggior parte delle organizzazioni ci siano troppi “responsabili tecnologici”, compresi i CDAO. Molti di questi CDAO ritengono che i loro clienti interni siano confusi da tutti i manager tecnologici di livello C e che la proliferazione di tali ruoli renda difficile la collaborazione e improbabile che facciano capo al CEO. Tom preferirebbe vedere dei “leader supertech”, con tutti i ruoli tecnologici che fanno capo a loro, come avviene in un numero crescente di aziende che hanno promosso CIO orientati alla trasformazione per ricoprire questo ruolo. Qualunque sia la risposta giusta, è chiaro che le organizzazioni devono intervenire e fare in modo che coloro che gestiscono i dati siano rispettati quanto i dati stessi.
Traduzione dell’articolo originale “Five Trends in AI and Data Science for 2025”, gennaio 2025
