Il rapido sviluppo dell’intelligenza artificiale ha portato a una fervente sperimentazione in vari settori. Tuttavia, molte aziende stanno vivendo una "fatica da Proof-of-Concept", dove le prove iniziali non riescono a tradursi in un valore aziendale tangibile. Ivan Zhang, co-fondatore di Cohere, una delle principali società di modelli linguistici di grandi dimensioni (LLM) per le imprese, ha affrontato questa crescente frustrazione durante un recente Web Summit, esortando i potenziali clienti a mantenere la propria fiducia nell’AI, sottolineando al contempo la fondamentale necessità di concentrarsi sul ritorno sull’investimento (ROI).
La Trappola del Proof-of-Concept
Zhang ha evidenziato la disillusione tra le imprese che hanno investito pesantemente in progetti pilota di AI senza vedere un corrispondente ritorno economico. Ha riconosciuto che molti clienti di Cohere, nonostante la creazione di applicazioni iniziali, hanno faticato a spostarle in produzione a causa di problemi che vanno dai costi e dalla governance alla sicurezza e alla privacy dei dati. Questo sentimento riflette una tendenza più ampia in cui la promessa dell’AI spesso si scontra con le realtà pratiche dell’implementazione.
Ha indicato le questioni relative alle spese, alla conformità normativa, alla protezione dei dati e ai protocolli sulla privacy, che Cohere spera di risolvere con la sua nuova piattaforma di workspace, North.
L’Imperativo del ROI
In un’intervista, Zhang ha sottolineato che la prossima fase di adozione dell’AI deve essere guidata da un ROI dimostrabile. Le aziende devono vedere una chiara giustificazione finanziaria per i loro investimenti in AI, assicurando che i benefici superino i costi. Ha avvertito che alcuni sistemi di AI sono così costosi da gestire da annullare qualsiasi potenziale risparmio sui costi derivante dall’automatizzazione delle attività.
"A volte i sistemi che finiscono per costruire, il costo del modello stesso è più costoso degli umani che lo gestiscono effettivamente", ha detto.
La domanda essenziale se ci sia un effettivo miglioramento con le implementazioni di AI deve essere affrontata per superare i ponti bruciati delle aziende di AI che intraprendono progetti che non vanno mai a buon fine.
Aumento dell’AI vs. Produttività
Zhang ha anche notato casi in cui le aziende hanno tentato di aumentare la forza lavoro esistente con l’AI, ma non sono riuscite a vedere alcun miglioramento nella produttività. In alcuni casi, i dipendenti hanno semplicemente ridotto il carico di lavoro senza aumentare la produzione, annullando di fatto i benefici dell’AI. Ciò evidenzia l’importanza di considerare attentamente come l’AI viene integrata nei flussi di lavoro esistenti e di garantire che porti a effettivi guadagni di efficienza.
Superare le Difficoltà Iniziali
Zhang prevede che le startup di AI saranno ora incaricate di riconquistare le aziende "bruciate" da progetti che non sono andati a buon fine. "La prossima fase di approccio al mercato per questa tecnologia è: dov’è il ROI?". Crede che le aziende di AI dovranno ricostruire la fiducia dimostrando il valore tangibile delle loro soluzioni e concentrandosi sulla fornitura di risultati misurabili.
Echi dalla Comunità di Ricerca
Le osservazioni di Zhang sono supportate dalla ricerca di organizzazioni come il National Bureau of Economic Research, che non ha riscontrato "alcun impatto significativo sui guadagni o sulle ore registrate in nessuna professione" dopo aver esaminato 7.000 luoghi di lavoro che utilizzano chatbot AI. Allo stesso modo, uno studio del Boston Consulting Group ha rivelato che solo un quarto dei dirigenti intervistati ha visto un valore significativo dall’AI, suggerendo che le aziende spesso disperdono i loro investimenti troppo sottilmente su più progetti pilota.
Dare la Priorità ai Problemi Aziendali Rispetto alle Soluzioni Appariscenti
Il consiglio di Zhang alle aziende che considerano gli LLM è di concentrarsi sulla risoluzione di specifici problemi aziendali piuttosto che sulla costruzione di soluzioni elaborate senza casi d’uso chiari. Ha messo in guardia contro il rischio di "perdersi nella costruzione di qualcosa e nella ricerca di un problema", sottolineando l’importanza di allineare gli investimenti in AI con gli obiettivi aziendali strategici.
L’AI come Strumento nella Cassetta degli Attrezzi
Zhang ha sostenuto che l’AI dovrebbe essere vista solo come uno strumento nella cassetta degli attrezzi per risolvere i problemi aziendali e creare valore per i clienti. Ha messo in guardia contro l’eccessivo entusiasmo per il potenziale della tecnologia di risolvere tutti i problemi del mondo, sottolineando che è più efficace se utilizzata strategicamente e in combinazione con altre soluzioni.
La Sfida dell’Allucinazione
Sebbene l’AI abbia fatto progressi significativi, rimangono delle sfide, in particolare nell’area delle "allucinazioni", dove gli LLM generano informazioni false o inventate. Nonostante i progressi in questo settore, i tassi di allucinazione degli LLM sono rimasti ostinatamente alti, con anche i modelli più recenti delle principali aziende che producono errori. Questo problema sottolinea l’importanza della trasparenza e della fornitura agli utenti di informazioni su come i modelli di AI arrivano alle loro conclusioni.
Il co-fondatore ha riconosciuto a numerosi professionisti che l’allucinazione rimane un problema nell’AI generativa. Ha affermato che l’azienda ha cercato di aiutare essendo trasparente, includendo la visualizzazione agli utenti del "pensiero grezzo" dei suoi LLM e quali strumenti utilizzano i suoi sistemi, insieme a come e alle citazioni delle risposte derivate.
Il Panorama Competitivo
Cohere deve affrontare una forte concorrenza da parte di rivali più finanziati nello spazio dell’AI. Tuttavia, Zhang ritiene che più grande non sia sempre meglio quando si tratta di costruire modelli di AI convenienti ed efficienti dal punto di vista energetico. Ha sostenuto che un modello è "buono solo quanto i dati e i sistemi a cui può accedere", sottolineando l’importanza di costruire soluzioni che possano essere eseguite completamente all’interno degli ambienti dei clienti. Zhang ha promosso la "crescita intensa" di Cohere e ha affermato che la natura "relativamente nascente" dello spazio lascia ampio spazio all’espansione dell’azienda.
Crescita dei Ricavi e Sfide
La crescita di Cohere è stata recentemente oggetto di attenzione da parte dei media tecnologici. Cohere ha raggiunto i 100 milioni di dollari USA (138 milioni di dollari canadesi) di entrate annualizzate questo mese dopo aver più che raddoppiato le sue vendite dall’inizio del 2025, e l’amministratore delegato Aidan Gomez ha recentemente dichiarato a Bloomberg che l’azienda non era "lontana" dalla redditività. Ma The Information ha riferito che si tratta ancora di 350 milioni di dollari USA in meno rispetto a quanto Cohere ha detto agli investitori nel 2023 che si aspettava di guadagnare annualmente entro ora. Gli obiettivi di fatturato e la forte concorrenza non sono le uniche sfide che Cohere deve affrontare.
Causa per Violazione del Copyright
La startup di AI ha anche quella che un esperto ha definito una causa per violazione del copyright potenzialmente "che crea un precedente" da parte delle principali società di media. Un gruppo di organizzazioni di media tra cui il Toronto Star, Condé Nast e Vox hanno affermato che Cohere ha raschiato contenuti multimediali senza consenso e li ha utilizzati per addestrare modelli di AI, ha avuto accesso ai contenuti in tempo reale senza autorizzazione e ha generato output che violavano il copyright. Cohere è solo una delle tante startup di AI che affrontano cause simili. Cohere ha negato queste affermazioni, sostenendo che gli editori che fanno causa si erano spinti fino a "fabbricare" un caso e ha contestato l’idea che si fosse verificata una violazione pratica del copyright.
Zhang ha rifiutato di offrire molti commenti sulla questione, indirizzando BetaKit a un post sul blog che descrive in dettaglio il pensiero di Cohere. "Siamo fiduciosi in questo", ha detto.
Un’Analisi Più Approfondita delle Sfide dell’Implementazione dell’AI
Molte aziende si tuffano inizialmente nelle iniziative di AI con notevole entusiasmo, credendo che l’AI rivoluzionerà rapidamente le loro operazioni e creerà efficienze mai sentite prima. Ma molte si trovano ad affrontare sfide sostanziali che non avevano previsto. Queste difficoltà possono assumere varie forme, dalla complessità tecnica alla resistenza organizzativa. Comprendere queste sfide è essenziale per le aziende che sperano di implementare con successo l’AI e ottenere un ritorno positivo sui loro investimenti.
Complessità Tecnica e Requisiti di Dati
Uno dei primi ostacoli che le aziende incontrano frequentemente è la complessità tecnica dei sistemi di AI. I modelli di AI, in particolare quelli basati sull’apprendimento profondo, sono computazionalmente impegnativi e richiedono conoscenze specialistiche per creare, addestrare e distribuire. Sono necessari anche i dati. La qualità e la quantità dei dati di addestramento hanno un impatto sostanziale sulle prestazioni dei modelli di AI. La raccolta e la preparazione di enormi set di dati possono essere un processo lungo e ad alta intensità di risorse. I progetti di AI possono essere ostacolati dalla mancanza di dati etichettati di alta qualità, il che si traduce in modelli inaccurati o pregiudicati.
Inoltre, garantire l’interoperabilità dei sistemi di AI con l’infrastruttura IT esistente introduce ulteriore complessità. Diverse piattaforme e framework di AI potrebbero non essere compatibili con i sistemi legacy, il che implica modifiche sostanziali ai flussi di lavoro e alle architetture esistenti. L’integrazione dell’AI in ambienti organizzativi complicati spesso richiede una notevole esperienza e una forte comprensione sia delle tecnologie di AI sia delle operazioni commerciali sottostanti.
Barriere Organizzative e Culturali
Oltre agli ostacoli tecnici, le organizzazioni possono incontrare sostanziali ostacoli organizzativi e culturali all’adozione dell’AI. Un problema prevalente è la riluttanza dei lavoratori ad abbracciare i cambiamenti guidati dall’AI. I dipendenti possono essere preoccupati per la perdita del posto di lavoro, nonché per la necessità di apprendere nuovi talenti e adattarsi a nuovi metodi di lavoro. La resistenza dei lavoratori può ostacolare le iniziative di AI e impedire la realizzazione dei vantaggi previsti.
Inoltre, la distribuzione dell’AI richiede una notevole collaborazione tra dipartimenti e team. Scienziati dei dati, professionisti IT, analisti aziendali ed esperti in materia devono collaborare per definire i problemi, creare soluzioni di AI e distribuirle in produzione. I silos e la mancanza di comunicazione possono soffocare la cooperazione e impedire l’efficace integrazione dell’AI nelle operazioni commerciali. Il superamento di questi ostacoli organizzativi e culturali richiede una forte leadership, una comunicazione efficace e una dedizione alla gestione del cambiamento.
Preoccupazioni Etiche e di Governance
Man mano che l’AI si diffonde, le questioni etiche e di governance diventano sempre più importanti. I sistemi di AI hanno la capacità di perpetuare i pregiudizi, prendere decisioni ingiuste e violare la privacy delle persone. Le organizzazioni devono affrontare queste preoccupazioni sviluppando linee guida etiche solide e procedure di governance per la progettazione, lo sviluppo e la distribuzione dell’AI. Trasparenza, responsabilità e correttezza sono principi chiave per un’AI responsabile.
La privacy dei dati è una questione importante da considerare. Le regole sulla privacy dei dati devono essere seguite durante la costruzione di sistemi di AI, insieme a salvaguardie per proteggere le informazioni sensibili da accessi o abusi indesiderati. Le organizzazioni devono ottenere il consenso dell’utente per la raccolta e l’utilizzo dei dati, nonché fornire trasparenza su come i modelli di AI stanno prendendo decisioni. Inoltre, le organizzazioni dovrebbero avere meccanismi in atto per il monitoraggio e il controllo dei sistemi di AI per scoprire e mitigare eventuali rischi etici o conseguenze indesiderate.
Misurare e Dimostrare il ROI
In definitiva, il successo di qualsiasi progetto di AI dipende dalla sua capacità di produrre un ritorno sull’investimento (ROI) quantificabile. Tuttavia, determinare il ROI dei progetti di AI può essere difficile, in particolare quando i vantaggi sono immateriali o a lungo termine. Le organizzazioni devono stabilire obiettivi e indicatori chiari per le loro iniziative di AI, nonché monitorare i progressi e misurare regolarmente i risultati. Ciò richiede una profonda comprensione del valore aziendale che l’AI dovrebbe fornire, nonché delle risorse necessarie per raggiungere tale valore.
Inoltre, comunicare i vantaggi dell’AI alle parti interessate è fondamentale per ottenere supporto e stabilire fiducia negli investimenti in AI. Ciò può comportare la presentazione di casi d’uso, la presentazione di primi successi e la quantificazione dell’impatto dell’AI sugli indicatori aziendali essenziali. Per quantificare e mostrare con successo il ROI dell’AI, le aziende devono creare un framework definito per misurare le prestazioni ed esprimere chiaramente la proposta di valore alle parti interessate.
Il Futuro dell’Adozione dell’AI: una Prospettiva Equilibrata
Le intuizioni di Ivan Zhang evidenziano l’importanza di un approccio equilibrato all’adozione dell’AI, uno che riconosca il potenziale della tecnologia pur rimanendo ancorato alle realtà pratiche. Man mano che l’AI continua a evolversi, le aziende dovranno concentrarsi sulla costruzione di soluzioni che offrano un ROI tangibile, affrontino le preoccupazioni etiche e si integrino perfettamente nei flussi di lavoro esistenti. Dando la priorità ai problemi aziendali rispetto alle soluzioni appariscenti e vedendo l’AI come uno strumento nella cassetta degli attrezzi, le organizzazioni possono sbloccare il vero potenziale dell’AI e guidare risultati aziendali significativi.