L’intelligenza artificiale (AI) sta accelerando a un ritmo sorprendente: dalla creazione di agenti AI all’interazione con la tecnologia per conversare in modo naturale, le tecnologie AI sono pronte a trasformare il nostro modo di lavorare.
Ma cosa ci aspetta esattamente? Sono cinque i temi chiave per l’AI nel 2025 che comportano nuove sfide per le aziende, ma anche un elevato potenziale per ridefinire ci貌 che 猫 possibile.
- AI agentica: addio all鈥檃gent washing, benvenuto ai sistemi multi-agente
Quando parliamo di agenti AI, siamo agli albori. Mentre molti fornitori di software stanno rilasciando ed etichettando i primi 鈥渁genti AI鈥� sulla base di semplici ricerche conversazionali di documenti, all’orizzonte si profilano agenti AI avanzati in grado di pianificare, ragionare, utilizzare strumenti, collaborare con le persone e con altri agenti e riflettere ripetutamente sui progressi compiuti fino al raggiungimento dell’obiettivo.
A breve, gli utenti interagiranno con un copilot per svolgere i loro compiti, che distribuir脿 la richiesta e coordiner脿 i sistemi di pi霉 agenti AI esperti per completare un compito complesso. I futuri agenti di intelligenza artificiale, o sistemi multiagente (MAS), possono collaborare per capire le esigenze dell’utente, definire il contesto e strutturare il problema per poi interagire con gli agenti di intelligenza artificiale esperti in un dominio specifico. Questi agenti AI esperti eseguono sottocompiti specifici che insieme danno risposta al problema articolato. In futuro, gli utenti non avranno nemmeno bisogno di attivare un’azione. Gli agenti di intelligenza artificiale risponderanno in modo proattivo agli eventi di business, come ad esempio richieste dei clienti, interruzioni della supply chain o aumenti della domanda. Prepareranno inoltre in modo automatico un flusso decisionale, prima di chiedere un feedback all鈥檜tente.
Nei prossimi cinque anni, gli agenti di intelligenza artificiale semplificheranno sensibilmente i flussi di lavoro, anche in aree che sono state resistenti all’automazione, come la gestione delle eccezioni nel servizio clienti, o le attivit脿 di programmazione specifiche come la codifica o il debug del software. Gli agenti di intelligenza artificiale saranno flessibili e potranno pianificare, fallire e provare qualcos’altro o autocorreggersi in base al ragionamento. Gli agenti di intelligenza artificiale gestiranno e completeranno attivit脿 di routine e ripetitive end-to-end con la stessa efficacia, spesso anche maggiore, degli esseri umani, con conseguente aumento della produttivit脿 e riduzione dei costi. Gli agenti saranno pi霉 adattabili e robusti rispetto all’automazione robotica dei processi (RPA) convenzionale per le attivit脿 di lunga durata e di grande portata. Ci貌 significa individuare il risultato migliore tra i molti possibili esiti, cosa quasi impossibile da codificare in un algoritmo RPA con i metodi di automazione classici.
L’adozione dell’AI modificher脿 anche le dinamiche della forza lavoro, con l’evoluzione dei ruoli delle persone che si concentreranno sull’anticipazione di scenari insoliti, la gestione delle ambiguit脿, l鈥檃nalisi del comportamento umano, le decisioni strategiche e la guida dell’innovazione vera e propria, integrata, non sostituita, dalle capacit脿 dell’AI.
In breve, l’AI si occuper脿 di compiti banali e ad alto volume, mentre aumenter脿 il valore del giudizio umano, della creativit脿 e della qualit脿 dei risultati.
- Modelli: senza contesto, nessun valore
I modelli linguistici di grandi dimensioni (LLM) continueranno a diventare una commodity per le attivit脿 di AI generativa, una tendenza che 猫 gi脿 iniziata. I modelli linguistici di grandi dimensioni si basano su un bacino sempre pi霉 ampio di dati pubblici raccolti da Internet. Questa situazione 猫 destinata a crescere e le aziende devono imparare ad adattare i loro modelli a fonti di dati uniche e ricche di contenuti. I miglioramenti dei modelli in futuro non deriveranno da una maggiore quantit脿 di dati, ma da una migliore qualit脿 dei dati, da un maggiore contesto e dal perfezionamento delle tecniche sottostanti.
Le imprese dovranno dedicare pi霉 tempo all’innovazione per creare modelli migliori attraverso la messa a punto e l’adattamento dei modelli, anzich茅 limitarsi ad addestrare modelli sempre pi霉 grandi. Le tecniche di AI neurosimbolica, in particolare i knowledge graph, vedranno una rinascita perch猫 possono fornire sia obiettivi di apprendimento per i modelli di base che il contesto per migliorare significativamente le prestazioni dell’AI generativa, riducendo al contempo le allucinazioni.
Vedremo anche una maggiore variet脿 di modelli che rispondono a scopi diversi. Prendiamo ad esempio le reti neurali informate dalla fisica (Physics-Informed Neural Networks, PINN), che generano risultati basati su previsioni fondate a loro volta sulla realt脿 fisica o sulla robotica. Le PINN sono destinate ad acquisire maggiore importanza nel mercato del lavoro perch茅 consentiranno ai robot autonomi di navigare ed eseguire compiti nel mondo reale, dai magazzini agli impianti di produzione, ai modelli addestrati su dati tabellari e strutturati, come il 麻豆原创 Foundation Model, e potranno gestire compiti che gli LLM non sono in grado di svolgere bene, come le previsioni di valori numerici.
I modelli diventeranno sempre pi霉 multimodali, il che significa che un sistema di AI 猫 in grado di elaborare informazioni provenienti da diversi tipi di input. Le applicazioni di AI si evolveranno in soluzioni con modalit脿 鈥渁ny-to-any鈥�, in grado di comprendere, elaborare e ragionare su testi, voci, immagini, video e dati di sensori all’interno di un unico modello. Inoltre, i LLM pi霉 piccoli e specializzati, con tecniche di perfezionamento scalabili e la capacit脿 di lavorare su qualsiasi dispositivo, diventeranno sempre pi霉 comuni, una tendenza che in futuro potrebbe portare a modelli iper-personalizzati per le organizzazioni o persino per gli individui.
Le imprese si orienteranno verso strategie che utilizzano pi霉 modelli di base (da non confondere con le capacit脿 multimodali in un unico modello, descritte in precedenza), sfruttando una serie diversificata di modelli e tecniche di intelligenza artificiale adattati a casi d’uso specifici. Ci貌 猫 sostenuto dalla tendenza a perfezionare piccole porzioni di modelli, che richiede meno risorse e molti meno dati, con conseguente piena flessibilit脿 dei modelli e la possibilit脿 per le aziende di estrarre pi霉 valore dai loro dati unici e ottenere un vantaggio competitivo.
I fornitori di software per il mondo del business offriranno o amplieranno piattaforme e marketplace integrati di modelli di AI che supportano l’implementazione, la gestione e l’aggiornamento dei modelli senza soluzione di continuit脿. Il benchmarking e la riduzione dei costi per il cambio di modello aiuteranno a distribuire gli stessi casi d’uso in ambienti eterogenei. Contesto uguale valore. La tecnologia knowledge graph esiste da 40 anni e ora sta vivendo una rinascita perch茅 猫 in grado di superare le principali sfide dell’LLM, come la comprensione di formati complessi, gerarchie e relazioni tra i dati dell鈥檃zienda. I knowledge graph spiegano i dati e le relazioni tra le entit脿, potenziando in modo importante le capacit脿 dei LLM. Il prossimo passo in questo ambito saranno i graph model di grandi dimensioni, che consentiranno ulteriori progressi nell’AI generativa.
La conoscenza implicita 猫 potere, e rendere la conoscenza esplicita a tutti 猫 un superpotere.
- Adozione: dal buzz al business
Mentre il 2024 猫 stato l鈥檃nno dell’introduzione dei casi d’uso dell’AI e del suo valore all鈥檌nterno delle organizzazioni e per i singoli individui, il 2025 vedr脿 un’adozione senza precedenti dell’AI soprattutto da parte delle aziende. Si capir脿 meglio quando e come utilizzare l’AI e la tecnologia maturer脿 al punto da poter affrontare problemi critici come la gestione delle complessit脿 per una multinazionale. Molte imprese faranno anche esperienza pratica, affrontando per la prima volta questioni come la gestione legale e la privacy dei dati specifici per l’AI, costruendo le basi per l’applicazione della tecnologia nei processi di business.
Da un punto di vista tecnologico, il 2024 ha visto l鈥橝I progredire sensibilmente. Quest鈥檃nno le aziende lavoreranno per rendere questi progressi ancora pi霉 significativi attraverso una perfetta integrazione dei dati, migliorando l’accuratezza dei risultati alimentati dall’AI e aumentandone l’adozione. Infine, nel 2025 potremmo assistere a uno spostamento del modello di business del software dallo sviluppo di caratteristiche e funzioni statiche a un modello di outcome-as-a-service, incentrato sul raggiungimento degli obiettivi del processo.
- Esperienza utente: l’intelligenza artificiale sta diventando la nuova interfaccia utente
La prossima frontiera dell’AI consiste nell’unificare senza soluzione di continuit脿 persone, dati e processi per amplificare i risultati aziendali. Nel 2025 assisteremo a una maggiore adozione dell’AI, man mano che le persone scopriranno i vantaggi potenziati dal suo utilizzo.
Ci貌 significa stravolgere l’esperienza tradizionale dell鈥檜tente, passando da interazioni guidate dal sistema a conversazioni basate sull’obiettivo e guidate dalle persone, con l’AI che agisce in background. I copiloti dell’AI diventeranno la nuova interfaccia utente per interagire con il sistema, rendendo il software pi霉 accessibile e semplice. L’intelligenza artificiale non si limiter脿 a un’applicazione, ma un giorno potrebbe addirittura sostituirla. Con l’AI, frontend, backend, browser e app si confondono. 脠 come dare all’AI 鈥渂raccia, gambe e occhi鈥�. Mentre i power user continueranno ad avere interfacce singole ed esperte, la maggior parte degli utenti richieder脿 flessibilit脿 attraverso molteplici modelli di accesso. Allo stesso tempo, saranno accettati tempi di inferenza pi霉 lunghi per ricevere risposte di alta qualit脿 a problemi complessi, precedentemente irrisolvibili, e per azioni in domini che richiedono analisi e ricerche approfondite. In definitiva, gli utenti riconosceranno il compromesso tra latenza e complessit脿 dei compiti gestiti dall’AI.
脠 importante notare che le organizzazioni non considereranno pi霉 l’AI come un insieme di strumenti di produttivit脿, ma inizieranno a reimmaginare la loro forza lavoro come una rete di intelligenza collaborativa con agenti di AI e persone che lavorano per accelerare l’innovazione. Ad esempio, la combinazione delle competenze umane per il pensiero strategico con i punti di forza dell’AI per l’analisi su larga scala e il riconoscimento dei modelli creer脿 nuovi vantaggi competitivi per le aziende che sapranno orchestrare efficacemente queste reti di intelligenza ibrida per guidare scoperte rivoluzionarie e identificare nuove opportunit脿 di mercato. Il prossimo anno segner脿 anche le prime fasi di un cambiamento significativo nel modo in cui gli esseri umani e l’AI lavorano insieme: gli agenti evolveranno il loro ruolo diventando partner del flusso di lavoro, compiendo i primi passi verso la navigazione indipendente negli ambienti software e l’automazione delle attivit脿 di routine, dall’analisi dei dati e la generazione di report al coordinamento dei programmi al test del software. Ci貌 dar脿 inizio a un percorso verso la trasformazione dei processi e dei modelli di lavoro, dove le organizzazioni lungimiranti svilupperanno nuovi ruoli, metriche e approcci formativi per una collaborazione efficace tra uomo e AI.
- Regolamentazione: innovare, poi regolamentare
Oggi, i governi di tutto il mondo sono impegnati a tenere il passo con i rapidi progressi della tecnologia dell’AI e a sviluppare solidi quadri normativi che stabiliscano i giusti limiti alI鈥橝I senza compromettere l’innovazione. Il panorama normativo diventer脿 ancora pi霉 frammentato: l’Osservatorio sulle politiche dell’AI dell’OCSE sta monitorando centinaia di normative sull’intelligenza artificiale in tutto il mondo. Ci貌 richiede la valutazione della conformit脿 dei modelli e dell’interpretazione tecnica dei vari quadri normativi.
Nel 2025, la discussione si sposter脿 da ci貌 che cerchiamo di regolamentare da un punto di vista tecnico a come innoviamo e a ci貌 che consideriamo fondamentalmente umano. Questa discussione elever脿 il ruolo delle persone, contribuir脿 a dare una prospettiva molto pi霉 positiva e aiuter脿 a delineare una visione pi霉 chiara nel lungo termine di come vogliamo che le persone e l’AI vivano e lavorino insieme.
In questo contesto, continuer脿 a essere fondamentale per le aziende che sviluppano e distribuiscono tecnologie di AI aderire a principi responsabili in materia di sicurezza, protezione ed etica.
Questi sono solo alcuni di quelli che, ne siamo certi, saranno i molti ed entusiasmanti progressi dell’AI nel 2025. Complessivamente, l’aspetto pi霉 importante sar脿 quello di rendere pi霉 significative le tecnologie innovative esistenti. Vedremo l’AI integrata in modo molto pi霉 profondo e quasi invisibile nelle applicazioni consumer e business, con i fornitori di tecnologia e le aziende in grado di incorporare nell鈥橝I i loro specifici contesti e dati senza soluzione di continuit脿.
Per trarre pieno vantaggio dall鈥檌nnovazione e dall’AI, tuttavia, le imprese dovranno sfruttare una moderna business suite in cloud con accesso unificato ai dati e ai modelli di dati armonizzati per superare i classici silos. Questo aumenter脿 drasticamente l’accuratezza e l’importanza dei risultati dell’AI, favorendone la rapida adozione in tutta l鈥檕rganizzazione.
Non vediamo l’ora di vedere cosa ci riserver脿 il futuro.
