L’Intelligenza Artificiale (IA) è al centro dell’attenzione per le imprese di ogni dimensione, con il 90% degli intervistati che la considera una priorità. Tuttavia, emergono sfide significative nel processo di adozione di questa tecnologia, evidenziando la mancanza di best practices consolidate e di architetture di riferimento. Le organizzazioni sono ancora in fase di valutazione degli ambienti IT più adatti per eseguire i vari processi legati all’IA, oltre a identificare le applicazioni specifiche più adatte al loro settore. Lo spiega bene uno studio di Nutanix.
Attualmente, le decisioni in materia di IA sono guidate da considerazioni di sicurezza e governance dei dati, superando addirittura le preoccupazioni legate ai costi. La qualità dei dati, la scalabilità e la velocità di sviluppo sono al centro delle preoccupazioni dei partecipanti, con oltre il 90% che ritiene la sicurezza e l’affidabilità come fattori cruciali nella strategia legata all’IA. Questo atteggiamento potrebbe portare a un aumento degli investimenti nei mercati correlati all’infrastruttura IT, come la protezione dei dati, la sicurezza e la governance.
Le imprese stanno affrontando una carenza di competenze nell’ambito dell’IA, con il 100% dei partecipanti che ritiene necessario acquisire ulteriori competenze nel prossimo anno. La mancanza di risorse potrebbe spingere molte aziende a sfruttare modelli preaddestrati, sia commerciali che open source, per massimizzare le risorse e accelerare il time-to-market delle nuove applicazioni legate all’IA.
L’adozione dell’IA sta catalizzando una nuova ondata di modernizzazione dell’infrastruttura IT, con il 99% degli intervistati che prevede di aggiornare le proprie applicazioni o infrastrutture legate all’IA. Tuttavia, molte aziende faticano a individuare il percorso più efficiente per modernizzare la loro infrastruttura e supportare i carichi di lavoro legati all’IA. L’implementazione di tecnologie legate all’IA potrebbe portare all’avanguardia le strategie di edge computing e la distribuzione dell’infrastruttura centrale, ridefinendo il concetto di modernizzazione IT.
Le tendenze emergenti indicano che le applicazioni e i carichi di lavoro legati all’IA stanno diventando centrali per le aziende, con il 90% degli intervistati che le considera una priorità. Allo stesso tempo, le sfide e gli ostacoli legati all’implementazione sono evidenti. La necessità di modernizzare l’infrastruttura IT, la carenza di competenze, e le preoccupazioni sulla sicurezza e la governance dei dati sono elementi critici che le imprese dovranno affrontare nel percorso verso una piena adozione dell’IA.
In termini di applicazioni concrete, le aziende stanno attualmente sfruttando l’IA in generative video, testo e immagini, nonché nelle soluzioni di assistenza virtuale e supporto clienti. Altre aree di utilizzo includono la rilevazione delle frodi, la sicurezza informatica e una vasta gamma di applicazioni legate al riconoscimento di immagini, al riconoscimento del linguaggio naturale e alla visione artificiale.
L’implementazione pratica dell’IA si riflette anche nelle scelte di deployment, con la maggior parte degli intervistati che esegue i processi di inferenza legati all’IA nei data center privati o in ambienti edge. Questa scelta è guidata dalla necessità di rispettare requisiti normativi e di sicurezza dei dati, oltre alle esigenze di prestazioni e latenza. La frequenza di aggiornamento dei modelli AI è un altro aspetto interessante, con il 60% delle aziende che prevede di effettuare aggiornamenti mensili o trimestrali.
La modernizzazione dell’infrastruttura per supportare l’IA è considerata una necessità pressante, con il 91% degli intervistati che ritiene che la propria infrastruttura IT debba essere migliorata per supportare e scalare facilmente i carichi di lavoro legati all’IA. La sicurezza dei dati, la resilienza e la scalabilità sono le sfide principali che le aziende devono affrontare, ma fortunatamente, l’85% prevede un aumento degli investimenti nella modernizzazione dell’infrastruttura nei prossimi 1-3 anni.
La mobilità dei dati attraverso ambienti come il data center, il cloud e l’edge è diventata cruciale per sostenere i flussi di lavoro end-to-end legati all’IA. Le aziende dovranno pianificare attentamente l’ottimizzazione della loro infrastruttura per gestire efficacemente questa esigenza di mobilità dei dati, che rappresenta una delle sfide principali.
L’investimento nelle competenze legate all’IA è un altro aspetto critico, con il 84% degli intervistati che prevede un aumento degli investimenti per espandere le proprie squadre di data science e ingegneria nei prossimi anni. Settori come la generative AI, l’ingegneria dei prompt e l’analisi dei dati sono identificati come le aree principali in cui sono necessarie nuove competenze nei prossimi 12 mesi.
Un aspetto sorprendente emerso dalla ricerca riguarda l’importanza attribuita alla segnalazione ESG (Ambiente Sociale Governance) come area chiave che richiederà lo sviluppo di competenze legate all’IA nei prossimi 12 mesi. Questo potrebbe essere influenzato dalle nuove normative e requisiti di conformità che richiedono alle organizzazioni di divulgare informazioni sulle emissioni di gas serra e sull’impatto ambientale. Le aziende stanno già considerando l’impatto energetico delle loro soluzioni legate all’IA, preparandosi a integrare le iniziative ESG nelle loro strategie di implementazione.
Un elemento distintivo è emerso nel modo in cui le organizzazioni pianificano di utilizzare i modelli AI. Mentre solo il 10% degli intervistati ha indicato l’intenzione di sviluppare i propri modelli, l’85% ha dichiarato l’intenzione di utilizzare modelli esistenti, sia acquistati che open source. Questo suggerisce un’importante tendenza verso l’ottimizzazione delle risorse attraverso l’utilizzo di modelli preaddestrati, che possono essere adattati per soddisfare specifiche esigenze.
Il panorama dell’implementazione dell’IA è caratterizzato da sfide significative, con la sicurezza dei dati, la qualità dei dati e la governance dei dati identificati come i tre fattori più importanti nella gestione dei carichi di lavoro legati all’IA. La percezione comune è che l’adozione dell’IA stia attraversando una “fase di luna di miele”, con poca attenzione ai costi, ma si prevede che questa fase non durerà a lungo. Le aziende stanno già pensando a come ottimizzare i costi delle loro infrastrutture per supportare l’IA nei prossimi 1-2 anni.