Gli agenti di intelligenza artificiale e i dati AI-ready sono i due ambiti tecnologici in più rapida evoluzione. Per lo meno secondo l’Hype Cycle di Gartner del 2025, un’analisi che fornisce una rappresentazione grafica non solo della maturità e dell’adozione di tecnologie e applicazioni, ma anche della loro potenziale rilevanza per risolvere problemi aziendali reali e sfruttare nuove opportunità di business.
La metodologia degli Hype Cycle di Gartner offre anche una panoramica di come una tecnologia o un’applicazione si trasformerà nel tempo, il che consente di ottenere una solida fonte di informazioni per gestirne l’implementazione nel contesto di specifici obiettivi di crescita.
Indice degli argomenti
Focus su scalabilità operativa e l’intelligence in tempo reale
“Con gli investimenti nell’AI che si mantengono solidi quest’anno, si sta ponendo maggiore enfasi sull’utilizzo della tecnologia per la scalabilità operativa e l’intelligence in tempo reale”, commenta Haritha Khandabattu, senior director analyst di Gartner. “Ciò ha portato a un graduale passaggio dalla GenAI come focus centrale, verso gli abilitatori fondamentali che supportano la distribuzione sostenibile delle piattaforme, come i dati pronti per l’AI e gli agenti di intelligenza artificiale.”
Tra le innovazioni che Gartner prevede raggiungeranno l’adozione diffusa entro i prossimi cinque anni, l’intelligenza artificiale multimodale e la gestione della fiducia, del rischio e della sicurezza (trust, risk and security management, Trism) sono state identificate come dominanti nel cosiddetto picco delle aspettative inflazionate. In sinergia, lo sviluppo di questi approcci consentirà, secondo la società di analisi, applicazioni di intelligenza artificiale più solide, innovative e responsabili, trasformando il modo in cui aziende e organizzazioni operano.
“Nonostante l’enorme potenziale valore commerciale dell’intelligenza artificiale, questo non si materializzerà spontaneamente”, continua Khandabattu. “Il successo dipenderà da progetti pilota strettamente allineati con il business, da un benchmarking proattivo delle infrastrutture e dal coordinamento tra i team di intelligenza artificiale e quelli aziendali per creare un valore aziendale tangibile”.
Mettere a frutto gli agenti e i dati AI-ready
“Per sfruttare i vantaggi degli agenti di intelligenza artificiale, le organizzazioni devono determinare i contesti aziendali e i casi d’uso più rilevanti, il che è impegnativo dato che nessun agente di intelligenza artificiale è uguale all’altro e ogni situazione è diversa”, precisa Khandabattu. “Sebbene gli AI agent continueranno a diventare più potenti, non potranno essere utilizzati in ogni caso, quindi il loro utilizzo dipenderà in larga misura dai requisiti della situazione specifica”.
I dati compatibili con l’AI garantiscono che i set di dati siano ottimizzati per le applicazioni di intelligenza artificiale, migliorandone accuratezza ed efficienza. La prontezza è determinata dalla capacità dei dati di dimostrare la propria idoneità all’uso per specifici casi d’uso di AI. Può essere determinata solo contestualmente al caso d’uso e alla tecnica specifica utilizzata, il che impone nuovi approcci al data management.
Secondo Gartner, le organizzazioni che investono nell’AI su larga scala devono far evolvere le proprie pratiche e capacità di gestione dei dati per estenderle alle nuove applicazioni. Ciò soddisferà le esigenze aziendali attuali e future, garantirà la fiducia, eviterà rischi e problemi di conformità, preserverà la proprietà intellettuale e ridurrà pregiudizi e allucinazioni.
Ci sono poi i modelli di AI multimodale, che vengono addestrati con più tipi di dati contemporaneamente, come immagini, video, audio e testo. Integrando e analizzando diverse fonti di dati, possono comprendere meglio situazioni complesse rispetto ai modelli che utilizzano un solo tipo di dati. Questo aiuta gli utenti a dare un senso al mondo e apre nuove strade per le applicazioni.
L’AI al servizio del trust, risk and security management
Non si può infine sottovalutare il ruolo che ricopre l’AI Trism nel garantire un’implementazione etica e sicura della tecnologia. La metodologia, ricorda Gartner, comprende quattro livelli di capacità tecniche che supportano le policy aziendali per tutti i casi d’uso dell’AI e contribuiscono a garantire governance, affidabilità, correttezza, sicurezza, affidabilità, privacy e protezione dei dati.
“L’AI porta con sé nuove sfide di gestione della fiducia, del rischio e della sicurezza che i controlli convenzionali non affrontano”, chiosa Khandabattu. “Le organizzazioni devono valutare e implementare l’AI Trism su più livelli per supportare e applicare costantemente le policy in tutte le entità di intelligenza artificiale in uso”.
