AI Generativa: cos’è e come trasforma i processi aziendali

Negli ultimi anni, complice una forte spinta all’innovazione e alla Digital Transformation, l'Intelligenza Artificiale Generativa sta emergendo come una forza trainante nella trasformazione dei processi aziendali.

Soprattutto a seguito dei suoi recenti sviluppi (e del lancio di ChatGPT di OpenAI) che permettono pressoché a chiunque di generare con pochi click immagini, video, testi ex novo, sulla base di indicazioni fornite in linguaggio naturale.

Secondo Gartner, l’AI Generativa è destinata a condizionare lo sviluppo delle applicazioni. Se l’uso di API – Application Programmable Interface, modelli di AI o lo sviluppo di applicazioni “Gen AI-enabled” era minore del 5% nel 2023, tale percentuale supererà l’80% nel 2026. 

Ciò si spiega osservando l’evoluzione di alcuni tra più grossi player in questo ambito, quali OpenAI, Anthropic, Google e Microsoft:

• Tra maggio e luglio 2024, OpenAI ha rilasciato la versione ChatGPT 4o in grado di elaborare testo, immagini, audio e video in modo accurato, ha proseguito introducendo funzionalità di autoverifica che minimizzano o eliminano la necessità dello “human in the loop” con la versione o1, facendola progredire rapidamente ed arrivando in breve tempo alla versione o3 annunciata a fine anno, in grado di competere con l'intelligenza umana in ambito logico-matematico.
• Google ha fatto evolvere Gemini in un sistema multimodale di nuova generazione che combina l’elaborazione del linguaggio naturale con la comprensione avanzata di immagini, audio e video, integrandosi progressivamente nei prodotti e nei servizi di Google, per potenziarne le capacità di automazione e produttività.
• Anthropic ha sviluppato il suo nuovo modello Sonnet 3.5, un modello avanzato capace di affrontare compiti di elevata complessità, con notevoli miglioramenti in termini di accuratezza e affidabilità.
• Microsoft ha integrato Copilot in Microsoft 365, aumentando la produttività e facilitando l’uso delle applicazioni. A gennaio 2025, inoltre, ha lanciato Copilot Chat, in grado di creare agenti AI per automatizzare compiti di routine utilizzando linguaggi naturali.

Ma cos'è esattamente l'AI Generativa, in cosa si differenzia dall’AI “classica” e come può influire sui processi aziendali?

Generative AI: caratteristiche e utilizzi

L'AI Generativa si distingue da altre forme di Intelligenza Artificiale per la sua capacità di generare contenuti in modo autonomo. Come per l’AI classica, anche gli algoritmi generativi si basano sulla statistica. Vengono sviluppati e sottoposti ad un “addestramento”. In questa fase l’algoritmo processa un’alta quantità di dati di esempio e con questi “impara” (analizza statisticamente gli esempi e determina una serie di parametri di funzionamento).

A questo punto, un algoritmo di AI classica, al quale viene sottoposto un nuovo esempio, è in grado di ricondurlo ad una delle casistiche di addestramento. Un algoritmo di AI Generativa, invece, è in grado di creare un contenuto simile a quelli di addestramento, ma completamente nuovo. In altre parole, l’Intelligenza Artificiale Generativa non si limita a riconoscere i pattern secondo i modelli acquisiti in fase di training, ma produce risultati nuovi, diversi dai contenuti di addestramento. La Generative AI impara in che modo possono essere distribuiti i dati di addestramento. Durante la generazione di contenuti, l'intelligenza artificiale generativa prevede, in modo iterativo, l’elemento successivo da aggiungere (parola, pixel, ecc.) in base al contesto fornito, combinando i pattern appresi.

Qual è l’impatto dell’AI Generativa sui processi di business

L’utilizzo dell’intelligenza artificiale generativa dipende, dunque, dall’addestramento dei modelli. Di conseguenza, il campo di applicazione è estremamente vasto e i nuovi contenuti da produrre possono essere di diverse tipologie e per settori merceologici diversi. Le attività sul campo hanno già dimostrato come l’AI Generativa possa dare un beneficio concreto ai processi di business dello specifico settore:

• Finance. L’AI generativa può, ad esempio, produrre comunicazioni personalizzate, dal tono familiare, per suggerire controlli o valutare investimenti specifici, in relazione ai singoli casi.
• Retail. L’AI generativa può essere utilizzata per produrre contenuti a fini comunicativi, promozionali o di carattere creativo (ad esempio leaflet promozionali, packaging di prodotto o design di accessori), in coerenza con il brand e secondo il “tone of voice” del caso.
• Information Technology. Nel processo di sviluppo delle applicazioni, operazioni quali, ad esempio, l’analisi della documentazione di progetto preesistente, l’analisi dei requisiti di business, o, infine, la scrittura vera e propria del codice applicativo, possono essere effettuate attraverso l’AI Generativa. Il risparmio di tempo è molto significativo e ciò diventa essenziale per il rispetto dei tempi di delivery del progetto.
• Manufacturing. Se il controllo di qualità è visivo, e se l’azienda vuole implementare un controllo automatico tramite la computer vision, è necessario istruire gli algoritmi di quest’ultima, attraverso immagini che mostrino il prodotto o parte di esso in una versione corretta, considerata “di riferimento”. Il numero necessario è estremamente elevato, e spesso non disponibile. In questo contesto, l’AI Generativa consente di generare un numero potenzialmente infinito di immagini sintetiche per addestrare i modelli. Una volta implementata la computer vision, questa può non limitarsi a segnalare un difetto (tramite confronto con i pattern corretti), ma generare immagini che mostrino come il prodotto specifico dovrebbe essere, aiutando il personale nelle operazioni di ripristino.
• Servizi. La formulazione di preventivi può essere eseguita in automatico dall’AI Generativa, a qualunque ora, in funzione delle richieste dei clienti, quasi senza l’intervento di un operatore umano. L’intelligenza artificiale generativa può anche essere addestrata per cercare e selezionare bandi di gara per l’azienda, secondo specifici parametri, segnalando i bandi di interesse dopo averli analizzati.

Vi sono, inoltre, una serie processi aziendali, trasversali ai settori di mercato, in cui l’AI Generativa può contribuire in modo significativo all’ottimizzazione dei flussi di lavoro:

• Human Resources. A partire dalla documentazione specifica presente nei repository aziendali, l’AI Generativa può produrre in automatico documenti o richieste formali (ad esempio ferie, permessi, ecc.), e i chatbot possono assistere i collaboratori nella ricerca di informazioni o documenti.
• Amministrazione e Controllo. L’analisi semantica dei documenti (fatture, ordini, ecc.) può individuare le informazioni di interesse e generare in automatico documenti o comunicazioni necessari per il prosieguo del processo.
• Assistenza ai Clienti. A partire dall’analisi delle interazioni con utenti o clienti, l’AI Generativa può essere utilizzata per interpretare la gravità del problema e il sentiment dell’interlocutore, e suggerire le azioni più opportune.
  
  

Risulta chiaro come il campo di applicazione sia molto vasto e, al tempo stesso, molto specifico. Di conseguenza, il punto cardine è l’addestramento del modello: più i pattern sono puntuali, circoscritti al caso d’uso, più facile sarà l’addestramento e maggiore sarà la precisione e la coerenza del risultato. Di contro, l’utilizzo della GenAI sarà estremamente specializzato, non adatto a scopi generali.

AI Generativa: come integrarla in azienda

L'integrazione dell'AI generativa nei processi aziendali rappresenta un cambiamento unico: anziché sostituire l'uomo nell'esecuzione di compiti ripetitivi, ne amplifica il potenziale creativo, collaborando con l’uomo per generare nuovi contenuti. Al fine di massimizzare il suo potenziale, è opportuno individuare un modello per integrare l’AI Generativa nei flussi di lavoro. Si tratta di un processo in 5 step:

1. Definizione dello use case. È il processo di business all’interno del quale si vuole implementare l’AI Generativa.
2. Uso del Process Mining. È l’analisi di dettaglio dei singoli passi che compongono il processo, e serve a individuare e quantificare operazioni che più di altre beneficiano dell’AI Generativa.
3. Scelta del modello. Possono essere utilizzati modelli di AI pre-addestrati, come, ad esempio, ChatGPT, oppure modelli personalizzati, sviluppati ad hoc.
4. Dataset per l’addestramento. I modelli di AI dipendono dalla qualità dell’addestramento, e, quindi, dai dati utilizzati allo scopo. È opportuno stabilire a priori se tali dati sono disponibili e validi: l’errato o non ottimale funzionamento dell’AI deriva dai dati (“garbage in, garbage out”)
5. Deploy and tuning. Il modello viene implementato e adeguato valutando i risultati prodotti.

Sono documentati casi reali di utilizzo dell’AI Generativa che hanno portato vantaggi misurabili, quali, ad esempio, la moltiplicazione dei preventivi di servizio consegnati nell’unità di tempo, con il conseguente aumento di ordini di lavoro e ricavi; la gestione ragionata dei reclami (sentiment analysis) comporta un miglioramento sensibile della Customer Experience; infine, l’individuazione di difetti o imperfezioni nei tessuti di alta moda (computer vision), permette ai brand del Fashion di garantire standard qualitativi elevati e consolidare la reputazione.

Intelligenza Artificiale Generativa: quali sono i rischi per le aziende

Nonostante i numerosi vantaggi e le possibilità offerte da questa nuova tecnologia, l'AI Generativa non è priva di rischi. Uno di questi deriva dalla fase di addestramento: la non accuratezza dei dati o la loro non omogeneità, potrebbe portare alle cosiddette “allucinazioni” in termini di bias o discriminazione nei contenuti generati.

Il tema attualmente più discusso riguarda, però, etica e privacy, poiché la generazione di contenuti può portare a problemi legati alla falsificazione, alla manipolazione e all’utilizzo improprio delle informazioni.

Il nodo più grosso in queste discussioni è il trattamento dei dati e della proprietà intellettuale. Ad animare il dibattito sono principalmente 3 interrogativi:

1. I dati immessi sono utilizzati per ulteriore addestramento delle AI?

2. I dati in questione sono da considerarsi vulnerabili?

3. Qual è il reale rischio di violazioni privacy e copyright e in che modo il Garante tutela gli utilizzatori?

Per molti legislatori, come anche per l’Unione Europea, la regolamentazione sulle tecnologie emergenti è sempre più spesso all’ordine del giorno, ma ancora fatica a raggiungere la completezza e la chiarezza necessaria, a causa della complessità dei fattori in gioco: da un lato l’irrefrenabile sviluppo tecnologico e i suoi benefici, dall’altro la salvaguardia di diritti che, pur essendo già riconosciuti da tempo, assumono nuove forme e vanno adattati a nuovi contesti. In questo scenario, ricopre un ruolo decisivo la Governance dell’AI, ovvero l’implementazione di meccanismi stabili per assicurare trasparenza (utilizzo dei dati degli utenti), sicurezza e protezione (prevenire accessi non autorizzati, perdita o manipolazione), accountability (documentare la conformità in fase di audit).

In conclusione, è chiaro che l'Intelligenza Artificiale Generativa stia rivoluzionando il modo in cui le aziende creano contenuti, ottimizzano i processi e offrono servizi ai propri clienti. La GenAI porta con sé un alto potenziale in termini efficienza ed efficacia, riducendo tempi e costi, sollevando i lavoratori da task ripetitive e a basso valore aggiunto, migliorando la funzionalità operativa e ponendosi, in questo modo, come una vera opportunità per le aziende e non una semplice tendenza.

Gartner individua i tre punti chiave su cui le aziende devono concentrarsi per garantire stabilità alle implementazioni dell’AI Generativa:

1. Uso di modelli specifici. Nel 2027, più del 50% dei modelli GenAI saranno specifici per il tipo di industria o di business (nel 2023 la percentuale era di circa l’1%).
2. Uso di dati sintetici. La necessità di addestrare i modelli con dati di qualità farà ricorso ai dati sintetici, generati anch’essi da algoritmi di AI.
3. Sostenibilità dei modelli. Alle aziende è richiesto di ridurre al minimo le risorse necessarie per istruire i modelli di AI, che per loro natura assorbono molta energia, a prescindere che siano on-premise o in cloud. Entro il 2028, il 30% delle implementazioni di AI Generativa utilizzerà il green computing, al fine di garantire la sostenibilità delle iniziative.

Sono, queste, indicazioni molto chiare che aiutano le aziende a orientarsi nel modo migliore in un ambito tecnologico, quello dell’AI Generativa, che influenzerà sempre più l’evoluzione tecnologica e, di conseguenza, lo sviluppo del business aziendale.