Le novità dell’intelligenza artificiale secondo il Gartner Hype Cycle del 2022

Hype Cycle per l'Intelligenza Artificiale, 2024

Il Gartner Hype Cycle™ per l'Intelligenza Artificiale (IA) del 2022 identifica le innovazioni imprescindibili nella tecnologia IA che vanno oltre l'IA di uso quotidiano, aggiungendo intelligenza ad applicazioni aziendali, dispositivi e strumenti di produttività precedentemente statici.

"È interessante notare che l'Hype Cycle per l'IA è ricco di innovazioni che si prevede apporteranno vantaggi significativi e persino trasformativi", ha affermato Afraz Jaffri, analista principale di Gartner. "Particolare attenzione viene prestata alle innovazioni che si prevede raggiungeranno l'adozione diffusa entro due-cinque anni, tra cui l'IA composita, l'intelligenza decisionale e l'IA edge. L'adozione precoce di queste innovazioni può offrire un significativo vantaggio competitivo e valore aziendale, mitigando i problemi associati alla fragilità dei modelli di IA."

Scarica ora: una guida dettagliata alle 10 principali tendenze tecnologiche strategiche di Gartner per il 2023

Innovazioni dell'IA in quattro categorie

Si prevede che l'ampia gamma di innovazioni dell'IA avrà un impatto su persone e processi all'interno e all'esterno dell'azienda, rendendo fondamentale per molti stakeholder, dai dirigenti aziendali ai team di ingegneria aziendale responsabili dell'implementazione e della gestione dei sistemi di IA, comprenderle appieno.

Tuttavia, i responsabili dei dati e dell'analisi (D&A) possono ottenere i maggiori benefici utilizzando le prospettive dell'Hype Cycle per sviluppare una strategia di IA per il futuro e utilizzando tecnologie che hanno un impatto significativo già oggi.

Le innovazioni dell'IA nell'Hype Cycle riflettono priorità complementari e talvolta contrastanti in quattro categorie principali:

IA incentrata sui dati

IA incentrata sui modelli

IA incentrata sulle applicazioni

IA incentrata sull'uomo

Hype Cycle per l'IA 2022

Scopri di più: La guida esecutiva all'IA

IA incentrata sui dati

La community dell'IA si è tradizionalmente concentrata sul miglioramento dei risultati delle soluzioni di IA attraverso l'ottimizzazione dei modelli di IA stessi, ma l'IA incentrata sui dati sposta l'attenzione sul miglioramento e l'arricchimento dei dati utilizzati per addestrare gli algoritmi.

L'IA incentrata sui dati rivoluziona la gestione dei dati tradizionale nell'affrontare considerazioni specifiche dell'IA, ma le organizzazioni che investono nell'IA su larga scala si evolveranno per mantenere i classici concetti di gestione dei dati e estenderli all'IA in due modi:

Aggiungere le funzionalità necessarie per facilitare lo sviluppo dell'IA per un pubblico focalizzato sull'IA che non ha familiarità con la gestione dei dati.

Utilizzare l'IA per migliorare e potenziare i classici di governance dei dati, persistenza, integrazione e qualità dei dati.

Le innovazioni nell'intelligenza artificiale incentrata sui dati includono dati sintetici, grafici della conoscenza, etichettatura dei dati e annotazione.

Scarica ora: Un framework per catturare il valore aziendale dell'intelligenza artificiale

Ad esempio, i dati sintetici sono dati generati artificialmente anziché ottenuti attraverso l'osservazione diretta del mondo reale. I dati possono essere generati utilizzando diversi metodi, come il campionamento statisticamente rigoroso da dati reali, metodi semantici e reti generative avversarie, oppure creando scenari simulati in cui modelli e processi interagiscono per creare set di dati di eventi completamente nuovi.

L'adozione di dati sintetici è in aumento in tutti i settori con aree di applicazione nella visione artificiale e nel linguaggio naturale, ma Gartner prevede che l'uso di dati sintetici aumenterà significativamente in quanto:

Evitare l'uso di informazioni personali identificabili durante l'addestramento di modelli di machine learning (ML) con varianti sintetiche dei dati originali o la sostituzione sintetica di parti dei dati

Ridurre i costi di sviluppo del ML e risparmiare tempo perché è più economico e veloce da acquisire

Migliorare le prestazioni del machine learning perché più dati di training portano a risultati di training migliori

IA incentrata sui modelli

Sebbene gli approcci di IA si siano spostati verso un approccio incentrato sui dati, è ancora necessario prestare attenzione ai suoi modelli per garantire che i loro output continuino ad aiutarci a intraprendere azioni più intelligenti. Le innovazioni in questo settore includono l'IA basata sulla fisica, l'IA composita, l'IA causale, l'IA generativa, i modelli fondazionali e il deep learning.

L'IA composita si riferisce alla fusione di diverse tecnologie di IA per migliorare l'efficienza dell'apprendimento e ampliare il livello di rappresentazione della conoscenza. Poiché nessuna tecnologia di IA è onnipotente, l'IA composita alla fine fornirà una piattaforma per risolvere una gamma più ampia di problemi aziendali in modo più efficiente.

Si prevede che l'IA composita raggiungerà un'applicazione diffusa tra due e cinque anni e che i suoi vantaggi aziendali potrebbero essere trasformativi, potenziando tutti i settori, dando vita a nuovi modelli di business e, in definitiva, determinando un cambiamento radicale nel panorama industriale. Ad esempio, l'IA composita:

Offre la potenza dell'IA a un gruppo più ampio di organizzazioni che non hanno accesso a grandi quantità di dati storici o classificati, ma dispongono di una vasta competenza umana

Contribuisce ad ampliare la portata e la qualità delle applicazioni dell'IA (ovvero, è possibile integrare più tipi di sfide di ragionamento)

L'IA causale include una varietà di tecnologie, come grafici causali e simulazioni, che aiutano a rivelare relazioni causali per migliorare il processo decisionale. Sebbene ci vorranno dai 5 ai 10 anni prima che l'IA causale raggiunga un'applicazione diffusa, si prevede che i suoi vantaggi aziendali saranno molto significativi: fornirà nuovi modi per eseguire processi orizzontali o verticali, aumentando significativamente i ricavi dell'azienda o riducendo i costi. I vantaggi dell'IA causale includono:

Aumento dell'efficienza dei modelli di IA causale con set di dati più piccoli grazie all'aggiunta di conoscenza di dominio

Miglioramento delle decisioni e autonomia dei sistemi di IA

Miglioramento della spiegabilità grazie all'acquisizione di relazioni causali facilmente interpretabili

Maggiore robustezza e adattabilità grazie all'utilizzo di relazioni causali che rimangono valide in ambienti in continua evoluzione

Riduzione dei bias nei sistemi di IA rendendo le relazioni causali più esplicite

IA incentrata sulle applicazioni

Le innovazioni in questo ambito includono l'ingegneria dell'IA, l'intelligenza decisionale, i sistemi di IA operativi, ModelOps, i servizi cloud di IA, i robot intelligenti, l'elaborazione del linguaggio naturale (NLP), le auto a guida autonoma, le applicazioni intelligenti e la visione artificiale.

Si prevede che l'intelligenza decisionale e l'IA edge raggiungeranno un'adozione diffusa entro due-cinque anni, con vantaggi trasformativi per le aziende.

L'intelligenza decisionale è una disciplina pratica che migliora il processo decisionale comprendendo e progettando in modo esplicito come vengono prese le decisioni e come valutare, gestire e migliorare i risultati attraverso il feedback.

Decision Intelligence aiuta a:

Ridurre il debito tecnico e migliorare la visibilità, aumentando l'impatto dei processi aziendali, migliorando significativamente la sostenibilità dei modelli decisionali organizzativi in base alla pertinenza e alla qualità della trasparenza, rendendo le decisioni più trasparenti e verificabili.

Ridurre l'imprevedibilità dei risultati decisionali, catturando e tenendo conto dell'incertezza nel contesto aziendale e rendendo i modelli decisionali più resilienti.

Scarica ora: Come definire una strategia per il tuo processo decisionale.

Edge AI si riferisce all'integrazione di tecnologie di intelligenza artificiale in endpoint, gateway e server edge dell'Internet of Things (IoT) per applicazioni che spaziano dalle auto a guida autonoma all'analisi dei dati in streaming. I suoi vantaggi aziendali includono:

Miglioramento dell'efficienza operativa, ad esempio nei sistemi di ispezione visiva in produzione

Miglioramento dell'esperienza del cliente

Riduzione della latenza decisionale con analisi locali

Riduzione dei costi di connettività e del traffico dati tra edge e cloud

Soluzioni sempre disponibili indipendentemente dalla connettività di rete

IA incentrata sull'uomo

Questo gruppo di innovazioni include l'IA Trust, Risk, and Security Management (TRiSM), l'IA Responsabile, l'Etica Digitale e i Kit per Maker e Formazione sull'IA.

Quando l'IA sostituisce il processo decisionale umano, amplifica sia i risultati positivi che quelli negativi. L'IA Responsabile affronta la tensione tra la creazione di valore e l'assunzione di rischi per raggiungere i risultati desiderati. L'IA Responsabile è un termine generico che comprende tutti gli aspetti delle scelte aziendali ed etiche appropriate nell'adozione dell'IA, inclusi valore aziendale e sociale, rischio, fiducia, trasparenza, equità, mitigazione dei pregiudizi, spiegabilità, responsabilità, sicurezza, privacy e conformità normativa. L'IA Responsabile richiederà dai cinque ai dieci anni per raggiungere un'adozione diffusa, ma alla fine avrà un impatto trasformativo sulle aziende. L'etica digitale è una tendenza a breve termine (da due a cinque anni) che potrebbe avere un impatto significativo sul business. L'etica digitale comprende un sistema di valori e principi etici per le interazioni elettroniche tra persone, organizzazioni e cose. Queste questioni, in particolare quelle relative alla privacy e ai pregiudizi, rimangono un punto focale per molti. Le persone sono sempre più consapevoli del valore delle proprie informazioni e sono frustrate dalla mancanza di trasparenza, dall'uso improprio delle informazioni e dalle fughe di notizie. Le organizzazioni stanno adottando misure per ridurre i rischi nella gestione e nella protezione dei dati personali e i governi stanno implementando una legislazione più rigorosa.