Secondo Bain & Company modelli linguistici e strumenti di intelligenza artificiale potrebbero aiutare le aziende a velocizzare di circa il 30% le attività lavorative. Le prime adozioni e sperimentazioni stanno interessando tutti i settori, in primis le aziende che lavorano nell’IT in cui scrittura del codice, supporto dei servizi e gestione di sistemi e infrastrutture sono attività ad alto potenziale di automazione. E a seguire sales & marketing, manifatturiero, sanità, finance, retail. «Con l’IA generativa si riescono a rivedere processi liberando i white collar da moltissime attività ripetitive. E ragionando per processi verticali si può arrivare a scoprire che vi sono attività automatizzabili al 100%. L’IA è un vero game changer: inciderà sulla qualità del lavoro e sulla produttività delle imprese. Siamo però nella fase di start-up: nonostante sia nei piani delle aziende l’IA generativa non è ancora stata adottata su larga scala e non fa parte, se non per eccezioni, della vita quotidiana delle aziende.

Ma è solo l’inizio. La velocità di propagazione sta avvenendo in modo molto più rapido rispetto a quanto avvenuto in passato con altre tecnologie», afferma Emanuele Veratti, partner e digital practice leader di Bain & Company Italia, che Industria Italiana ha intervistato per analizzare e comprendere il valore della Generative AI per il business delle imprese. «L’intelligenza generativa ha messo in moto una dinamica rivoluzionaria paragonabile all’avvento del personal computer, di internet e della robotica, dice Veratti. È vero, esiste ancora un livello di incertezza su dove e come investire, ma è un fenomeno del tutto fisiologico poiché abbiamo a che fare con una tecnologia apparsa sul mercato da poco più di un anno». Nel manifatturiero l’attenzione è sul knowledge sharing, sulla possibilità di utilizzare l’intelligenza generativa per avere risposte immediate in termini di istruzioni operative, favorendo l’utilizzo di interfacce vocali che eliminino la necessita di avere un’interazione testuale, modalità che semplifica attività che devono essere eseguite in ambienti di fabbrica. «La GenAI avrà sicuramente un impatto sulle soluzioni di manutenzione predittiva, una delle aree su cui si sono concentrati gli investimenti Industry 4.0, dice Veratti. La capacità dei modelli multimodali di lavorare sulle immagini potrebbe dare un contributo significativo nel modo in cui si eseguono interventi a bordo macchina e negli impianti».

Per Bain & Company è dalla commistione di machine learning e intelligenza generativa che si svilupperanno i principali casi d’uso. «Sta accadendo nel mondo della pianificazione, in tutte quelle applicazioni dove le capacità previsionali sono fondamentali», racconta Veratti. «Nella supply chain, per esempio, un ambito dove già oggi si utilizzano modelli di machine learning dove l’IA generativa potrà semplificare l’accesso alle informazioni restituendo risposte più puntuali e comprensibili».

Quale l’applicabilità dei modelli linguistici nelle singole line of business? Quanto importante è avere una chiara strategia per la gestione dei dati?

«Il limite è la sola immaginazione, ma attenzione: l’adozione e introduzione dell’IA generativa implica un grande sforzo in termini di change management, dal momento che mette in discussione competenze e modi di lavorare. Non basta avere il copilot, le persone devono capire quali sono i veri vantaggi. E sì, deve esistere anche una data strategy, anche se i requisiti sono meno stringenti e vincolanti rispetto al machine learning. Diciamo che vale un principio generale, che è quello del single source of truth: avere una base dati univoca per alimentare molteplici varianti dei processi produttivi altrimenti il rischio – sottolinea Veratti – è che si lavori su dati diversi con il risultato di prendere decisioni che non sono coerenti tra loro».

Con GenAI si entra nella dimensione del software che automatizza lavori ripetitivi a basso valore aggiunto. Aspettative troppo alte? L’informatica in stile ChatGpt sarà capace di soddisfare le promesse di una nuova produttività?

Sono tanti e diversi i modelli linguistici, large and small, in cloud e in open source. È del tutto naturale che in questa fase gli investimenti siano considerati con grande attenzione. Non si sa quale sarà la tecnologia che si affermerà più di altre e non è dato sapere quali saranno i large language model che più si affermeranno nel lungo termine. Ci si interroga sul livello di adattabilità dei modelli alle singole knowledge base aziendali. Le aziende che hanno già predisposto dei piani di intervento si sono quindi organizzate per fare degli sviluppi che siano riadattabili, per avere quella flessibilità necessaria per poter lavorare su tecnologie diverse. Serve poi attenzione sulla questione della regolamentazione, dove vi sono aspetti che devono essere ancora chiariti. Tuttavia, pur in presenza di fattori che possono frenare decisioni di investimento, il mercato sembra avere compreso che esistono potenzialità che è bene non sottovalutare.

L’approccio strategico più corretto all’IA generativa?

Non si tratta più di capire come utilizzare la tecnologia nel processo, ma di trasformare il processo in funzione di quello che può fare la tecnologia. Ed è la modalità con cui le aziende stanno pianificando i propri sviluppi. Un approccio profondamente diverso dal passato in cui, una volta rilasciato il software, le persone iniziavano ad usarlo facendo sostanzialmente le stesse identiche cose di prima. Ripensare il modo di lavorare valutando in anticipo il contributo a valore aggiunto che può apportare la tecnologia. È questa la tendenza per implementare con successo l’AI generativa”.

Quali sono gli obiettivi delle prime sperimentazioni e progetti che si stanno facendo nelle aziende?

Ci si sta orientando verso obiettivi di produttività, di riduzione dei costi, individuando quelle che sono le attività a più basso valore aggiunto che possono essere automatizzate, e verso lo sviluppo di nuovi processi per incrementare i ricavi. Ripeto, siamo ancora in una fase molto sperimentale. Ci sono poche realtà in cui la tecnologia viene utilizzata su larga scala. Si tratta di un cantiere in pieno sviluppo. Per riuscire a generare la tanto auspicata produttività servono tanti abilitatori e serve fare chiarezza sui costi, in primis, a quelli legati al modello infrastrutturale, cloud o meno, che questa tecnologia porta con sé. Una cosa è fare sperimentazione su piccoli processi, altra cosa applicare l’AI in modo diffuso. Sarà quello il momento in cui si capirà quali sono i veri risultati che si potranno raggiungere. Da quello che vediamo c’è un grande interesse sullo sviluppo di soluzioni verticali, per settore di industria o per processo.

Vi siete già confrontati con le aziende? Come sta rispondendo il mercato?

Certo che sì. Non facciamo praticamente altro da un anno a questa parte. C’è chi ha lavorato bene e ha già iniziato a impostare un piano di trasformazione complessivo per sfruttarne le potenzialità. Ci sono aziende dove è in corso una mappatura dei processi aziendali. Si vuole capire dove questa tecnologia possa portare reali cambiamenti. Una volta individuate le aree applicative, il passo successivo è passare alla fase esecutiva, con l’obiettivo di trasformare il modo in cui si lavora in azienda. Le aziende più lungimiranti hanno iniziato a lavorare su questi temi a partire dal 2023 e ora stanno scalando le prime soluzioni. Sono realtà dove sono stati fatti dei veri e propri business plan, sia in termini di sviluppo delle soluzioni che di ritorni potenziali. L’efficienza di processo genera una riduzione dei costi, si riescono a fare le stesse cose di prima in maniera molto più snella.

Copilot e soluzioni dedicate: quali sono le opzioni in termini di utilizzo dell’IA generativa?

Ci si misura su una logica make or buy. Da una parte l’intelligenza artificiale che viene integrata all’interno dei prodotti standard, è il caso Microsoft e del suo copilot, ma è la direzione su cui stanno procedendo un po’ tutti i software provider: rendere l’intelligenza artificiale embedded nelle soluzioni. Dall’altra lo sviluppo di soluzioni ad hoc. Quest’ultima è l’attività più costosa e va concentrata nei processi a maggiore valore aggiunto, nel momento in cui ci accorge che si può ottenere un reale vantaggio competitivo. O, ancora, per modernizzare processi di business molto specifici, dove le soluzioni standard si rivelano limitate. Ma è bene sfatare alcuni miti. Non è sufficiente installare il copilot nel software e sperare che le cose cambino automaticamente.

Qualsiasi nuovo modo di lavorare va accompagnato da un change management. Se in Teams la GenAi ha aggiunto la capacità di fare il transcript, o se mi permette di fare del coding automatizzato, ci deve essere qualcuno che mi dice perché quel lavoro che faccio quotidianamente debba essere eseguito con una diversa modalità. In assenza di questo, tutte quelle funzioni che un copilot rende disponibili rimarranno congelate: avrò il mio pulsante da cui attivare tutta una serie di funzioni generative, ma non lo userò mai.

La GenAI è ormai diffusa nel mondo consumer. Per quanto riguarda il mondo enterprise, siamo all’anno zero, molto fumo e poco arrosto, oppure, nonostante l’hype e il grande rumore di fondo, esistono già oggi le tecnologie/soluzioni abilitanti per poterla implementare?

Mi occupo di digital transformation da oltre dieci anni, periodo in cui si sono alternati momenti di entusiasmo e di disillusione. Questo mi sembra il momento in cui le aziende vedono davvero una reale possibilità di cambiamento. Hanno messo le mani su ChatGpt, ormai disponibile a livello di massa, e ne hanno intuito le potenzialità. C’è un entusiasmo che nasce dalla percezione che il cambiamento possa produrre risultati tangibili in modo molto più rapido rispetto alle esperienze e ai progetti passati. Certo, da qui ad essere capaci di sfruttare appieno le potenzialità ce ne manca, ma nostri studi indicano che un aumento medio di produttività del 30% sia un obiettivo possibile. Analizzare i documenti per produrre un draft che viene poi completato da un knowledge worker per un uso amministrativo specifico, automatizzare la ricerca di fatture anomale, sono attività in cui l’IA generativa si rivela di grande efficacia. Lo stesso nel procurement: quando ricevo delle offerte devo fare una miriade di controlli su documenti di centinaia di pagine per trovare informazioni specifiche e verificare che quell’informazione sia vera. Anche questa un’attività che può essere conferita all’algoritmo. Altrettanto in ambito risorse umane, dove l’IA può produrre in automatico un ranking dei curriculum disponibili, analizzando in brevissimo tempo centinaia o migliaia di domande.

Una delle aree su cui si sono concentrati i primi sviluppi è quella del sales & marketing, vero non vero?

Un nostro studio a livello globale ha scoperto che nei mercati b2b, le vendite e il marketing saranno tra le prime funzioni a essere trasformate dall’IA generativa, con il 40% delle aziende già in fase di test della tecnologia. Non è una sorpresa. I Large language models sono multimodali, lavorano su testo, immagini e voce. L’ideale per la creazione di un advertising creativo su specifici segmenti target. Vero, sono i primi progetti ad essere stati implementati. Ma a seguire sono nati tantissimi altri casi d’uso sulle più diverse funzioni corporate. Nel legal, nel procurement, nelle risorse umane. Si riescono a rivedere processi liberando i white collar da moltissime attività ripetitive che sono ancora presenti in tante aziende. Analisi sui comportamenti dei clienti, per estrarre in automatico offerta e pricing mirati con una comunicazione che integra testo e immagini. In modo semplice e immediato si serializzano i più disparati processi generando un contenuto più creativo.