AI, basta sperimentare: è l’infrastruttura del futuro

L’intelligenza artificiale non è più una semplice curiosità tecnologica. Oggi genera impatti concreti nei settori industriali e nella vita quotidiana. Alimenta conversazioni naturali, automatizza analisi complesse, controlla robot e droni. Le soluzioni più efficaci integrano più forme di AI: modelli generativi per il linguaggio, motori analitici per insight basati sui dati e sistemi autonomi in grado di prendere decisioni, i cosiddetti “agentic AI”. All’intelligenza artificiale è dedicato un intero capitolo del McKinsey Technology Outlook 2025 (vedi anche qui).

Questa convergenza tecnologica sta cambiando silenziosamente il modo in cui le aziende operano e gli individui interagiscono con la tecnologia.

AI e adozione aziendale: siamo ancora all’inizio

Il 78% delle organizzazioni coinvolte nel report The State of AI di McKinsey dichiara di utilizzare l’AI in almeno una funzione aziendale. E il 92% dei dirigenti prevede di aumentare gli investimenti nei prossimi tre anni, secondo il rapporto Superagency in the workplace. Tuttavia, solo l’1% dei leader afferma che la propria azienda ha raggiunto una maturità piena nell’adozione dell’AI.

L’abbattimento dei costi di implementazione e l’arrivo di modelli più piccoli e specifici stanno accelerando l’accesso all’intelligenza artificiale, anche per le PMI e i dispositivi embedded.

Multimodalità e democratizzazione del software

L’AI multimodale, capace di elaborare e generare testi, immagini, video e audio, ha aperto nuovi orizzonti creativi e scientifici. È una rivoluzione visibile anche nello sviluppo software: strumenti basati su linguaggio naturale hanno reso la programmazione più accessibile, consentendo sia ai professionisti che agli amatori di sviluppare prototipi in tempi record.

Ma questa velocità genera anche rischi: debito tecnico, calo della qualità del codice, difficoltà nella gestione della complessità.

Gen AI: corsa all’adozione, ma l’impatto economico è ancora da costruire

L’uso dell’AI generativa è esploso in meno di tre anni. Tuttavia, “le organizzazioni hanno ancora molta strada da fare per realizzare il pieno potenziale della gen AI”. Il divario tra possibilità e progresso è legato al tempo necessario per adattare i processi, sviluppare innovazioni complementari e aggiornare le competenze del personale.

Il vero impatto economico sarà visibile solo dopo cambiamenti strutturali significativi.

Verso il 2026: domande e nuove priorità

Mentre i costi di inferenza diminuiscono e i modelli specializzati si moltiplicano, emergono domande cruciali:

• Quali strategie aziendali massimizzeranno il valore?
• Come garantire etica e trasparenza?
• Come bilanciare innovazione e responsabilità in un’adozione su larga scala?

Numeri e trend: investimenti da record e hype consolidato

Tra il 2023 e il 2024, l’intelligenza artificiale ha dominato le tendenze in brevetti, ricerche, e investimenti. Nel primo trimestre del 2025, le aziende AI hanno raccolto 52 miliardi di dollari, compreso l’accordo da 40 miliardi guidato da SoftBank per OpenAI, il più grande investimento VC mai registrato.

Intelligenza artificiale: la situazione attuale

1. Costi giù, modelli su

I costi di inferenza stanno crollando. Start-up e big tech come Anthropic, Google, OpenAI e nuovi player come DeepSeek offrono accesso gratuito o a basso costo a modelli di alta qualità. La competizione ha stimolato l’innovazione e favorito l’esplosione di modelli “piccoli”, derivati da versioni più grandi tramite tecniche come distillazione e quantizzazione.

Questi modelli, con meno di 10 miliardi di parametri, offrono performance comparabili alle soluzioni più grandi, con un consumo energetico decisamente inferiore.

2. AI multimodale, dalla ricerca ai prodotti

Le aziende stanno puntando su modelli in grado di integrare testo, immagini, audio e video, migliorando l’interazione e le capacità generative. “Entro il 2027, il 40% delle soluzioni AI sarà multimodale”, secondo Gartner (dal solo 1% del 2023).

3. Ragionamento multistep: AI che pensa davvero

Modelli avanzati ora riescono a pianificare, adattarsi e generalizzare conoscenze. Nuovi algoritmi e strumenti di “deep research” consentono ad AI come Claude Code, Codex, Gemini Code di affrontare problemi complessi, ragionare su più passaggi e produrre soluzioni sofisticate in programmazione e oltre.

4. Da principi a pratiche responsabili

“Responsible AI” è la nuova parola d’ordine. L’adozione della gen AI ha sollevato dubbi su plagio, bias, uso di contenuti protetti da copyright e mancanza di trasparenza. Per affrontare questi temi, le aziende stanno implementando piattaforme di governance e strumenti di AI spiegabile.

Esempi? Il California AI Transparency Act impone la disponibilità di tool per rilevare contenuti AI e richiede etichette nei contenuti generati.

Geopolitica dell’AI: l’onda è globale, ma non ovunque

La corsa all’AI è globale: Francia, UK, Spagna e Italia stanno sviluppando infrastrutture nazionali. Il Vietnam collabora con Nvidia per un nuovo centro di ricerca. Il Giappone lavora su modelli specifici per sanità e gestione dei disastri. L’Africa, invece, resta indietro per via dei costi e della scarsa digitalizzazione.

Talenti: chi forma chi formerà l’AI?

La domanda di talenti è alta, soprattutto per data scientist e ingegneri AI. Tuttavia, c’è carenza di skill chiave come machine learning, Python e soprattutto cloud infrastructure. Il mismatch tra offerta e domanda potrebbe rallentare l’adozione, se non affrontato con programmi di upskilling mirati.

AI, dove si gioca il futuro

Le aziende si stanno muovendo verso un’integrazione profonda dell’AI nei flussi di lavoro. I ruoli stanno cambiando: si cercano meno programmatori e più figure ibride, capaci di collaborare con l’intelligenza artificiale per generare valore.

“Il vero fattore differenziante oggi non è solo la tecnologia, ma la capacità di reinventare modelli operativi, talenti e governance, integrando l’AI nei flussi di lavoro per generare impatti concreti”, dichiara Alex Singla, senior partner McKinsey.

“Quasi l’80% delle aziende dichiara di utilizzare l’AI. Ma solo l’1% ha raggiunto una piena maturità. C’è ancora molto spazio per trasformare interi settori”, spiega Michael Chui, senior fellow McKinsey.

Casi reali

Una vasta gamma di operatori del settore, come Anthropic, Google e OpenAI, e nuovi operatori, come DeepSeek, hanno ridotto significativamente i prezzi dei loro servizi di AI generativa. Attraverso una serie di benchmark e soglie di prestazione, Epoch AI ha rilevato che i costi di inferenza stanno diminuendo da nove a 900 volte all’anno, con una mediana di 50 volte all’anno. I prezzi più bassi dei fornitori di modelli proprietari, combinati con la continua innovazione tra le alternative open source, aumentano la disponibilità per gli sviluppatori e le aziende.

• Esempi reali dell’ascesa di modelli di AI più piccoli ed efficienti:

Inflection 3.0, un modello linguistico di grandi dimensioni (LLM) più piccolo, avrebbe raggiunto prestazioni paragonabili a quelle dei modelli all’avanguardia, ma utilizzando meno risorse computazionali, il che potrebbe fornire alle aziende assistenti AI efficienti in termini di costi. Versioni ottimizzate di questo modello possono alimentare chatbot di assistenza clienti che gestiscono richieste specifiche con risposte conversazionali ed empatiche. Anche Anthropic, Google e OpenAI offrono modelli più piccoli denominati rispettivamente “haiku”, ‘flash’ e “mini”.

I modelli quantizzati Llama 3 8B di Meta consentono la conversione linguistica in tempo reale direttamente sui telefoni degli utenti. Meta afferma che questi modelli più piccoli, utilizzati nelle app di traduzione, hanno migliorato la precisione durante il funzionamento offline, riducendo i costi del cloud e la latenza.

• Esempi reali di aziende che stanno raddoppiando gli sforzi per sviluppare modelli di AI multimodale:

L’ultimo modello di punta di OpenAI, GPT-4.1, rilasciato nell’aprile 2025, si basa sulla solida base multimodale di GPT-4o con una migliore gestione degli input multimodali estesi. Ottimizzato per l’efficienza e la codifica front-end ad alto volume, questo strumento aggiornato segue in modo affidabile le istruzioni e offre una solida generazione di immagini e interazioni vocali naturali in tempo reale.

Claude 4, l’ultima famiglia di modelli di AI di Anthropic, è stata rilasciata nel maggio 2025. Grazie alle sue avanzate capacità di integrare testo e dati, questo strumento multimodale offre prestazioni particolarmente elevate nella codifica e nell’analisi dei documenti. Le sue capacità di ragionamento in più fasi, la profonda comprensione contestuale e i modelli di pensiero ibrido (risposte quasi istantanee contro pensiero esteso) lo rendono ideale per la risoluzione di problemi complessi, incluse, ma non solo, le sfide di programmazione di alto livello.

Gemini 2.5, l’ultimo modello di AI di Google, offre multimodalità nativa con una finestra contestuale di un milione di token per un ragionamento migliorato e attività di codifica avanzate. Utilizza varie fonti di input, come testo, audio, immagini, video e persino repository di codice.

I significativi progressi di AlphaFold 3 di Google DeepMind possono consentire progressi nel campo farmaceutico, biotecnologico e persino alimentare. Questo strumento di AI multimodale accelera il processo di identificazione e ottimizzazione dei farmaci candidati, prevedendo con precisione le strutture proteiche e le interazioni molecolari. Lo strumento può essere utilizzato per ingegnerizzare proteine ed enzimi.

• Esempi reali di AI che eseguono ragionamenti complessi e in più fasi:

I ricercatori del MIT hanno sviluppato un algoritmo più efficiente, MBTL, che addestra modelli di apprendimento rinforzato per compiti variabili e complessi. MBTL seleziona un sottoinsieme di compiti per l’addestramento al fine di massimizzare le prestazioni complessive di un algoritmo su una serie di compiti correlati. MBTL modella le prestazioni di un algoritmo su un compito in modo indipendente e il degrado delle sue prestazioni quando viene applicato ad altri compiti (prestazioni di generalizzazione). Lo fa scegliendo prima il compito che offre le prestazioni migliori, quindi selezionando compiti aggiuntivi per ottenere miglioramenti marginali. MBTL è da cinque a 50 volte più efficiente rispetto agli approcci standard.

A partire dalla fine del 2024, giganti tecnologici come Anthropic, Google, OpenAI e Perplexity hanno iniziato a introdurre strumenti avanzati di AI per la “ricerca approfondita” (o “deep research”). Questi assistenti AI sono in grado di navigare rapidamente sul web, analizzare grandi quantità di dati e produrre rapporti completi, riducendo significativamente i tempi di ricerca. Questo potenziale di ridefinizione del lavoro cognitivo ha implicazioni per i lavoratori della conoscenza, aumentando le preoccupazioni relative alla verifica dei risultati e alla sostituzione.

I prodotti più recenti di Anthropic (Claude Code), Google (Gemini Code) e OpenAI (Codex) dimostrano forti capacità di ragionamento in più fasi che vanno oltre la comprensione e la generazione di codice. Ciò consente loro di gestire scenari di codifica difficili utilizzando deduzioni logiche, suddividendo i compiti e producendo codice che dimostra una comprensione più profonda di un problema e dei passaggi necessari per risolverlo. Questi agenti possono agire in modo semi-autonomo, espandendo le loro capacità durante tutto il ciclo di vita dello sviluppo di un prodotto.

• Esempi reali dell’impulso dato al settore per passare dai principi all’azione in materia di AI responsabile:

Negli Stati Uniti sono in corso iniziative per promulgare una legislazione che stabilisca delle linee guida per l’AI, riflettendo un movimento all’interno del settore tecnologico noto come “AI responsabile”. Ad esempio, l’AI Transparency Act della California (Senate Bill 942), in vigore dal 1° gennaio 2026, ha stabilito un precedente richiedendo ai fornitori di sistemi di AI generica ampiamente adottati di offrire strumenti gratuiti di rilevamento dell’AI e di includere informazioni di trasparenza nei contenuti generati dall’AI.
Il 12 agosto 2024, il giudice distrettuale statunitense William Orrick ha stabilito che diverse aziende di AI stavano archiviando illegalmente le opere di artisti visivi nei loro sistemi di generazione di immagini. La sentenza ha stabilito un precedente nel diritto d’autore in quanto si applica ai contenuti generati dall’AI che potrebbero influenzare casi futuri riguardanti l’AI e i diritti di proprietà intellettuale.

• Esempi reali di innovazioni guidate da investimenti di venture capital e aziendali nell’AI:

GitLab, una piattaforma AI completa per DevSecOps (sviluppo, sicurezza e operazioni), sta migliorando i processi di sviluppo del software. Integrando le funzionalità AI nell’intero ciclo di vita del software, la piattaforma consente agli sviluppatori di automatizzare le attività ripetitive e semplificare i flussi di lavoro. Ad esempio, quando Ally Bank ha implementato GitLab, ha aumentato la sua capacità di aggiornare e distribuire applicazioni software del 55% e ha realizzato notevoli risparmi sui costi.

Regrello, una piattaforma ERP (Enterprise Resource Planning) basata sull’intelligenza artificiale, genera applicazioni di flusso di lavoro complesse in pochi minuti. Snellendo i flussi di lavoro e la collaborazione, Regrello sostiene di ridurre le attività manuali fino al 45%.

Bolt.new, sviluppato da StackBlitz, aiuta gli utenti a creare e distribuire rapidamente applicazioni web utilizzando l’intelligenza artificiale. Integrato nell’ambiente browser di StackBlitz, aiuta gli utenti a installare facilmente i pacchetti e a configurare i backend, rendendolo adatto alla prototipazione rapida.

Intelligenza artificiale: le domande frequenti secondo McKinsey

1. Quali use case dovrebbero essere prioritari per innovare davvero?
2. Come far evolvere i modelli organizzativi e le competenze?
3. I modelli open-source spezzeranno il predominio dei big player?
4. Come affrontare i rischi legati a privacy, copyright e bias?
5. L’aumento dei costi energetici limiterà la scalabilità dell’AI?
6. Come rendere più trasparente il processo decisionale delle AI?