Il MIT e il Boston Consulting Group (BCG) hanno appena pubblicato uno studio che ha fatto notizia: il 95% dei progetti di intelligenza artificiale generativa aziendale non mostra alcun impatto misurabile su profitti e perdite (P&L).
La parte sorprendente? Non è la tecnologia a fallire. È il modo in cui le aziende cercano di utilizzarla. Lo studio indica una integrazione difettosa dei flussi di lavoro e la mancanza di un chiaro allineamento aziendale come le ragioni principali per cui così tanti sforzi di intelligenza artificiale risultano inefficaci.
Cosa dice il MIT a riguardo
I ricercatori del MIT Sloan Management Review e del BCG sottolineano che il divario più grande riguarda la preparazione organizzativa. Le aziende si lanciano in progetti di intelligenza artificiale senza riprogettare i processi, riqualificare i team o allineare i progetti ai risultati aziendali.
Come ha spiegato Michael Chu, amministratore delegato di BCG, in Tom's Hardware:
"L'intelligenza artificiale generativa è uno strumento potente, ma senza un'adeguata integrazione e casi d'uso chiari, rischia di diventare solo un altro esperimento con scarsi risultati".
(Fonte: rapporto di ricerca del MIT CISR, 2024)
Cosa significa (in parole umane)
Nonostante tutto questo fermento sull'intelligenza artificiale, la maggior parte delle aziende non ne vede i frutti.
Perché? Perché stanno cercando di integrare l'intelligenza artificiale nei vecchi sistemi invece di cambiarne il funzionamento effettivo.
Pensateci come se aggiungeste un nuovo motore potente a una vecchia auto arrugginita: non renderebbe l'auto improvvisamente più veloce se le ruote, i freni e il telaio non fossero costruiti apposta.
Cosa significa per te:
L'intelligenza artificiale da sola non è la risposta. Ciò che conta è il modo in cui la si usa.
Se la tua azienda non adatta i suoi processi, l'intelligenza artificiale sembrerà solo sofisticata, ma non farà alcun cambiamento.
Per trarne davvero beneficio, i leader devono ripensare i flussi di lavoro e non limitarsi a integrare strumenti.
Collegare i puntini
Noi di Frozen Light puntiamo a far emergere il maggior numero possibile di prospettive attorno a una notizia. Ecco cosa abbiamo scoperto:
Investimenti e reazioni del mercato – Tom's Hardware
I risultati del MIT provengono da 150 interviste, 350 dipendenti intervistati e 300 implementazioni di intelligenza artificiale. Il rapporto evidenzia che molte aziende investono budget per l'intelligenza artificiale in vendite e marketing, ignorando l'automazione del back-office, che spesso offre un ROI più elevato.
🔗 Tom's Hardware
Calo degli investitori – Investors.com
Lo studio del MIT ha scosso Wall Street, contribuendo al calo di titoli legati all'intelligenza artificiale come Nvidia e Palantir. Alcuni analisti suggeriscono che le opportunità si stiano spostando verso aziende di servizi e infrastrutture IT meglio posizionate per aiutare le aziende a implementare efficacemente l'intelligenza artificiale.
🔗 Investors.com
Scetticismo di Wall Street – Axios
Axios ha riferito come i risultati abbiano alimentato i dubbi degli investitori sulla redditività dell'IA. La conclusione: non è detto che la spesa aziendale in IA sia redditizia, soprattutto quando gli strumenti interni hanno prestazioni inferiori rispetto alle soluzioni esterne disponibili sul mercato.
🔗 Axios
Divario di apprendimento e impatto sulla forza lavoro – AInvest
Il MIT ha definito il "divario di apprendimento" come il vero problema: le organizzazioni sottovalutano il tempo necessario ai dipendenti per adottare efficacemente l'IA. Lo studio ha anche osservato una riduzione delle assunzioni in ruoli amministrativi, dimostrando che, anche senza licenziamenti di massa, l'adozione dell'IA sta rimodellando la domanda di forza lavoro.
🔗 AInvest
Prospettiva globale del fallimento – TechRadar
TechRadar ha ampliato la prospettiva, sottolineando che il tasso di fallimento non è limitato a un solo settore. Dalla finanza alla produzione, molti piloti falliscono perché non sono integrati nei flussi di lavoro esistenti. L'articolo mette in guardia dal crescente divario tra l'entusiasmo per l'IA e la realtà operativa.
🔗 TechRadar
Sollecitalo
Uno dei motivi principali per cui i progetti di intelligenza artificiale falliscono nelle aziende è che i flussi di lavoro non sono pronti per l'intelligenza artificiale.
Non è sempre una questione di modello, ma di come è strutturato il lavoro.
È qui che puoi utilizzare un LLM come "revisore del flusso di lavoro".
Invece di chiedergli di "fare il lavoro", chiedigli di verificare se il tuo modo di lavorare è compatibile con gli strumenti di intelligenza artificiale.
Ecco un prompt in stile "riempi gli spazi vuoti" che puoi provare:
Richiesta:
"Ecco il mio flusso di lavoro attuale: [descrivi il tuo processo passo dopo passo].
Questo flusso di lavoro è pronto per l'intelligenza artificiale?
In caso contrario, suggerisci le 3 principali modifiche che renderebbero più efficace l'uso dell'intelligenza artificiale.
Spiega perché questi cambiamenti sono importanti e fornisci semplici esempi di come potrebbero migliorare i risultati.
👉 Basta sostituire le parentesi con il tuo flusso di lavoro e avrai un'idea chiara se l'intelligenza artificiale ti sarà d'aiuto o se aggiungerai semplicemente un altro progetto fallito all'elenco.
Prospettiva del team di Frozen Light
Niente di nuovo: l'intelligenza artificiale è valida solo quanto lo sono le persone che la gestiscono. Scioccante, vero??!!!
Stiamo scherzando, lo sappiamo tutti. Ma ci ricordiamo quando il progetto di intelligenza artificiale in cui abbiamo investito è fallito? Questa è un'altra storia, ma pur sempre una storia umana 😉
È bello trovare messaggi come questo, in cui il MIT stesso investe i migliori ricercatori per supportare ciò che speriamo già di sapere. E se non lo sapessimo ancora, beh, le probabilità che lo ricorderemo in futuro sono appena aumentate.
