Flossbach von Storch : La maggior parte di noi utilizza l’IA ogni giorno, principalmente in modo gratuito o tramite abbonamenti da pochi euro al mese, spesso per rispondere a domande casuali.
A cura di Bert Flossbach, co-fondatore di Flossbach von Storch
Poche persone, tuttavia, sarebbero disposte a pagare molto per questo. Il quadro cambia quando l’IA viene utilizzata per risolvere problemi specifici e complessi, come l’analisi di una questione legale o la stesura di un documento formale. Nel mondo aziendale, le aree di applicazione sono ancora più diverse: l’IA fornisce un prezioso supporto nella ricerca, elaborazione, formulazione e presentazione di dati, fatti e conclusioni.
Nuovi modelli di business. Per le start-up, l’IA può rappresentare un game changer, riducendo la necessità di personale e creando nuovi modelli di business, come gli studi legali online basati sull’IA. Ad esempio, una ricorrente in Inghilterra ha recentemente vinto una causa civile utilizzando il software dello studio legale Garfield AI. L’algoritmo ha preparato gli atti difensivi, i documenti della causa e le domande per i testimoni. È stato comunque necessario un avvocato abilitato per condurre l’udienza. L’importo in controversia era di 7.000 sterline e, secondo Garfield AI, l’intero processo è costato alla donna poco meno di 400 sterline.
Nonostante molti credano che l’IA sostituirà il lavoro intellettuale lasciando all’uomo solo i compiti che richiedono capacità di giudizio, la conoscenza resta fondamentale, poiché senza di essa non si possono formulare domande precise né valutare la plausibilità delle risposte fornite dall’IA prima di prendere decisioni importanti.
Nell’era dell’IA generativa, esperienza, intuizione e buon senso usati per smascherare i risultati privi di senso sono più cruciali che mai, e i vantaggi maggiori andranno a quelle aziende che sapranno unire curiosità e creatività alle potenzialità della tecnologia per guidare l’innovazione. A livello aziendale, un’integrazione efficace dell’IA offre un chiaro vantaggio competitivo. Tuttavia, anche se quasi tutte le imprese hanno iniziato ad adottarla, l’utilizzo concreto resta limitato a soluzioni isolate.
L’impatto degli agenti IA sulla forza lavoro. La narrativa sostenuta dagli investitori più ottimisti punta sull’aspettativa di enormi guadagni di produttività legati all’adozione diffusa di “agenti IA” capaci di automatizzare interi settori operativi in continuità, sostituendo profili specializzati che includono programmatori, analisti, ricercatori, sviluppatori e figure legate al marketing. A quantificare l’impatto economico intervengono diverse analisi istituzionali: uno studio del MIT stima che entro il 2030 l’automazione potrebbe colpire 18 milioni di lavoratori statunitensi (il 12% della forza lavoro), generando un risparmio netto sui salari di 1.200 miliardi di dollari, mentre altre stime arrivano addirittura ai 2.000 miliardi di dollari. I fornitori di modelli IA e apparecchiature per data centre sperano che queste risorse vengano reinvestite in token e infrastrutture IA. Parallelamente, McKinsey prevede l’automazione del 30% delle attuali ore lavorative negli USA entro la fine del decennio, mentre altre stime indicano incrementi di efficienza tra il 20% e il 70%, legati al livello di autonomia operativa concesso all’intelligenza artificiale rispetto alla supervisione umana.
L’efficienza viene spesso confusa con la produttività. Chi utilizza l’IA per scrivere una lettera commerciale in cinque anziché in 50 minuti è indubbiamente 10 volte più efficiente, ma non 10 volte più produttivo. Il miglioramento dell’efficienza non si traduce automaticamente, e raramente in modo immediato, in una maggiore produttività. Internet ha portato enormi miglioramenti in termini di efficienza, eppure questi sono diventati visibili in termini di produttività solo su un arco di tempo prolungato. Ciò che conta non sono le potenzialità teoriche dell’IA, ma la rapidità con cui le grandi organizzazioni sapranno integrarla nei propri processi in modo tale da ottenere lo stesso output con un personale significativamente ridotto.
I guadagni di produttività richiedono tempo. Il cambiamento nel mondo aziendale procede più lentamente rispetto allo sviluppo dell’IA stessa. Le misure relative alle risorse umane sono spesso associate a elevate indennità di licenziamento, costi di ristrutturazione e di transizione, a cui si aggiungono ostacoli legati al diritto del lavoro, co-determinazione e inerzia istituzionale. Nel settore pubblico, i margini per ridurre l’organico tra i dipendenti statali sono ancora più limitati. Inoltre, a differenza delle aziende private, in molte amministrazioni pubbliche l’efficienza non è una priorità assoluta. Un’eventuale riduzione dei posti di lavoro avverrebbe quindi in modo graduale, di conseguenza, i reali risparmi sul costo del personale nei prossimi anni saranno molto più contenuti rispetto a quanto previsto dagli scenari più ottimistici sull’impatto dell’IA. Il vero punto di scontro tra i rialzisti e i ribassisti dell’IA non risiede tanto nel potenziale della tecnologia, quanto nell’orizzonte temporale entro il quale tale potenziale potrà essere realizzato.
Gli incrementi di efficienza che vanno ben oltre il costo del lavoro, in settori chiave come logistica, energia e costruzioni. Tuttavia, tradurre questo potenziale in produttività tangibile richiederà tempo. Le strutture pubbliche e le grandi imprese non sono ancora pronte a integrare rapidamente l’innovazione. Prima di giustificare gli elevati costi dell’IA, queste organizzazioni dovranno necessariamente riorganizzare a fondo i propri processi interni. Accanto alla riduzione dei costi, l’altra grande speranza è la crescita dei ricavi. L’IA potrebbe aiutare le aziende a sviluppare nuovi prodotti, migliorare le offerte esistenti, targettizzare i clienti in modo più efficace o generare entrate da servizi basati sui dati. Un’altra possibilità è l’emergere di una sorta di imperativo d’investimento nell’IA. Le aziende potrebbero sentirsi costrette a investire massicciamente nell’IA semplicemente per rimanere competitive, anche qualora i benefici commerciali immediati fossero difficili da quantificare.
Rischi per la sicurezza, un ostacolo allo sviluppo. Un elemento critico per i futuri sviluppi dell’IA riguarda i rischi connessi all’accelerazione tecnologica e all’auto-miglioramento ricorsivo (recursive self-improvement), ipotizzato dagli esperti già a partire dal 2028. L’emergere di modelli in grado di perfezionare autonomamente le versioni successive solleva rilevanti questioni di controllo, sicurezza e tenuta dei meccanismi di tutela esistenti. Di fronte a tale rischio, i governi considerano l’introduzione di test di sicurezza preventivi, la cui efficacia rimane tuttavia dubbia per modelli progettati proprio per superare ogni limite prestabilito.
In questo scenario, la competizione geopolitica (USA-Cina) e quella tra provider privati rendono difficile un’azione di contenimento globale coordinata: un blocco dello sviluppo imposto dalle autorità sarebbe pressoché impossibile da far rispettare a livello internazionale. Esperti come Mustafa Suleyman (cofondatore di DeepMind e Inflection AI, oggi CEO di Microsoft AI) invocano un master plan a lungo termine – un’architettura di controllo e governance paragonabile al pensiero strategico della Guerra Fredda.
Per i fornitori di modelli, la principale preoccupazione resta quella di diventare intercambiabili e perdere potere di prezzo. È proprio per questo che puntano a sviluppare soluzioni sempre più avanzate nel minor tempo possibile, così da ottenere un vantaggio competitivo e margini più elevati. Tuttavia, un intervento statale più invasivo su sviluppo, rilascio o utilizzo dei modelli per ragioni di sicurezza ridurrebbe inevitabilmente le loro prospettive di crescita.
Fonte: InvestmentWorld
Iscriviti alla Newsletter di Investment World.it
