Secondo un sondaggio di TCS, 86% dei dirigenti aziendali hanno già implementato intelligenza artificiale (AI) di migliorare le loro attuali fonti di reddito o di crearne di nuove nel 2024, dimostrando che la tendenza principale rappresentata dall'intelligenza artificiale.
Mentre si moltiplicano le dimostrazioni e i progetti pilota, la vera sfida sta nella capacità delle aziende di passare dalla sperimentazione all'utilizzo su larga scala. È quanto è emerso da una discussione tra Béatrice Kosowski, Presidente di IBM Francia, e Christophe Lesur, Amministratore Delegato di Cloud Temple.
Per guardare l'intero scambio seguite questo link per il video dello spettacolo
Oltre la GPU: ripensare le infrastrutture di IA
"La questione delle GPU è spesso sopravvalutata", afferma Christophe Lesur. "Alcuni modelli ad alte prestazioni possono essere eseguiti su infrastrutture modeste. Questo approccio pragmatico mette in discussione le infrastrutture massicce e costose. Le CPU possono essere sufficienti se il tempo di elaborazione non è critico.
Contrariamente a quanto si crede, la corsa alla potenza delle GPU non è l'unica strada da percorrere. IBM ora preferisce modelli di fondazione più mirati, come Granite 3.0, che comprendono da 2 a 8 miliardi di parametri, ben lontani dai giganti da 500 miliardi di parametri. Questi modelli più leggeri riducono il consumo di risorse da 3 a 23 volte, pur mantenendo prestazioni elevate.
La sfida della scalabilità
Le cifre sono impressionanti: secondo Béatrice Kosowski, 54% di POC (Proof of Concept) non raggiungono mai la fase di produzione. Secondo alcune analisi, questa cifra può arrivare a 70%.
Per garantire un'industrializzazione di successo, viene proposta una metodologia in tre fasi:
- Partendo dalle esigenze aziendali
È essenziale identificare con precisione i casi d'uso rilevanti e valutare il loro potenziale ROI. Questo primo passo vi permetterà di eliminare i processi superflui e di concentrarvi sulla creazione di valore reale. Come sottolinea Béatrice Kosowski, "dobbiamo mettere in moto l'automazione e l'IA per servire un processo che sia davvero vicino al business dell'azienda".
- Controllo dei dati
La qualità dei dati sembra essere il principale ostacolo ai progetti di IA nelle organizzazioni. I dati sono spesso dispersi, compartimentati e in stati eterogenei. L'implementazione di una governance efficace e l'uso di strumenti appropriati come watsonx.data stanno diventando essenziali per organizzare e aggiungere valore ai dati.
- Gestione dei rischi
La gestione dei rischi è essenziale: rischi di deriva, allucinazioni, distorsioni e non conformità normativa. L'implementazione di strumenti di governance e di gestione rigorosi consente alle aziende di controllare questi rischi, garantendo al contempo la conformità alle normative vigenti.
IBM e Cloud Temple hanno annunciato una partnership strategica per fornire la soluzione di intelligenza artificiale watsonx.ai di IBM sull'infrastruttura cloud sicura e sovrana di Cloud Temple. Questa collaborazione consentirà di distribuire applicazioni di intelligenza artificiale su larga scala garantendo la sicurezza e la sovranità dei dati, in conformità con gli standard SecNumCloud.
watsonx.ai offre un'ampia scelta di modelli di IA, funzionalità di distribuzione multi-cloud e strumenti avanzati per lo sviluppo e la gestione dei modelli di IA.
Questa soluzione combinata risponde alle esigenze dei clienti che desiderano sfruttare le tecnologie AI di IBM in un ambiente cloud affidabile, qualificato come SecNumCloud.
Se desiderate che il nostro team vi aiuti con un progetto di intelligenza artificiale, contattate i nostri team.
Fattori chiave di successo
Il coinvolgimento del senior management è un prerequisito essenziale. "Le prime persone che devono essere formate sono i direttori generali", insiste Christophe Lesur. Questa formazione deve essere accompagnata dalla creazione di team dedicati in grado di comprendere le sfide tecniche e commerciali.
IBM riporta risultati concreti: 3 miliardi di aumento della produttività dal 2023, con un contemporaneo miglioramento dell'esperienza dei clienti e dei dipendenti. Ad esempio, l'automazione di 70% di assistenza ai clienti ha ridotto il tempo necessario per risolvere le domande di 26%, aumentando la soddisfazione dei clienti di 25 punti.
L'approccio consigliato è quello di testare prima i casi d'uso con i modelli più performanti su dati anonimizzati, prima di prendere in considerazione modelli più specializzati o più leggeri. Questo approccio graduale consente di convalidare rapidamente la rilevanza dei progetti, controllando al contempo i rischi.
L'implementazione dell'IA generativa su larga scala richiede un approccio chiaro e strutturato che combini visione strategica, solide competenze tecniche e implementazione pragmatica. Il successo dipende dalla capacità di abbinare la tecnologia alle reali esigenze aziendali, di stabilire una governance efficace e di innovare gestendo i rischi associati.