Il turbinio di emozioni scatenate dalla GenAI e l’esigenza di un’operatività sempre più fluida ed efficiente sono i due fattori responsabili dello scenario che, in Italia, fa impennare il mercato dell’intelligenza Artificiale in una maniera mai vista. “Impetuosa”, la definiscono gli analisti.
Con un +52% registrato nel 2023 dall’ Osservatorio Artificial Intelligence del Polimi, il giro d’affari della tecnologia del momento – e per molti, definitiva – coinvolge ormai sei grandi imprese italiane su dieci, almeno a livello di sperimentazione.
Eppure, la strada verso la piena adozione è ancora lunga. Davanti a un 11% di imprese avanguardiste, ovvero pienamente mature anche dal punto di vista tecnologico per integrare l’AI, e a un 23% che tende a ricorrere a soluzioni standard o pronte all’uso, resta un 66% fatto di realtà ancora arretrate sul fronte AI: sono in grado di percepire l’entità del tema, ma per lo più prive di infrastrutture IT adeguate alla gestione di grandi quantità di dati.
Infrastruttura IT per intelligenza artificiale: come orientarsi
L’infrastruttura IT per l’intelligenza artificiale è, dopo il salto culturale che consente di cogliere la portata del cambiamento, il primo gradino verso un utilizzo efficiente ed efficace dell’AI, qualunque sia la sua declinazione e il suo caso d’uso.
Non a caso, proprio su questo versante è atteso nel prossimo futuro un incremento vertiginoso del mercato: secondo Exactitude Consultancy, il giro d’affari di queste infrastrutture crescerà a un CAGR del 27.5% dal 2022 al 2029.Si prevede che raggiungerà oltre 164.12 miliardi di dollari entro il 2029, rispetto ai 23.5 miliardi di dollari del 2021.
La giusta selezione di un’infrastruttura IT per l’intelligenza artificiale non è però un’operazione banale: un’implementazione efficace richiede un supporto tecnologico robusto e ben progettato, in grado di fornire la potenza computazionale necessaria e garantire una solida governance dei dati.
I requisiti per l’infrastruttura IT per l’intelligenza artificiale
“Per garantire efficienza, scalabilità e sicurezza – spiega Paolo Delgrosso, Channel sales Director di HPE – un’infrastruttura IT deve soddisfare diversi requisiti fondamentali. Innanzitutto, la sicurezza dei dati è di primaria importanza. Le aziende vogliono essere sicure che i loro dati siano protetti e non accessibili a terzi non autorizzati. Questo implica l’implementazione di robusti sistemi di sicurezza per prevenire accessi non autorizzati e proteggere le informazioni sensibili”.
La gestione del dato è un aspetto cruciale. “È importante capire – racconta ancora Delgrosso – come spostare e gestire i dati in modo efficiente. Abbiamo condotto una survey su aziende di medie dimensioni e abbiamo riscontrato che molte di esse operano ancora in maniera molto frammentata, con dati organizzati a silos: questo rende difficile una gestione fluida e integrata dei dati, che è invece essenziale per ottimizzare le operazioni”.
Le performance sono un altro pilastro da considerare. “Non possiamo permetterci di impiegare tempi lunghissimi – puntualizza Delgrosso – per ottenere i risultati desiderati. Negli ultimi tempi, sono state sviluppate macchine che offrono performance molto interessanti, consentendo di accelerare notevolmente i processi e migliorare l’efficienza operativa”.
Infine, è fondamentale “un continuo investimento nell’infrastruttura IT per l’Intelligenza Artificiale. Le tecnologie evolvono rapidamente e per rimanere competitivi è necessario investire costantemente in aggiornamenti e miglioramenti delle infrastrutture esistenti. Solo così è possibile garantire che l’infrastruttura IT sia sempre in grado di rispondere alle nuove sfide e alle crescenti esigenze del mercato”.
Infrastruttura IT per intelligenza artificiale: il grado di maturità delle aziende
Ma le imprese sono pronte a una tale sfida? Secondo Simone Cavazzoni, General Manager di Quanture, il mercato italiano non è ancora completamente maturo, ma sta mostrando un crescente interesse verso le giuste modalità di applicazione dell’AI.
“La sfida chiave – sottolinea – è quella di dotarsi di un’infrastruttura adeguata, scalabile e sicura, e di saperla gestire e manutenere. In questo quadro molte aziende stanno cercando di capire come implementare l’AI in modo efficace e vantaggioso: in particolare, l’area produttiva e quella di marketing sono le più coinvolte in questo processo”.
“Sebbene la soglia di infrastruttura necessaria per implementare modelli di AI si sia abbassata, è comunque essenziale avere una base solida” fa notare Cavazzoni. “Un caso d’uso interessante riguarda il settore ceramico: la nostra sede è situata nel distretto e molti nostri clienti desiderano capire come l’AI possa aiutare nella creazione di pattern e design dei prodotti, accelerando il lavoro dei team di designer. Questo cambia il modo in cui le organizzazioni del settore approcciano il mercato, velocizzando i processi creativi e migliorando l’efficienza”.
Questo interesse crescente indica che le aziende italiane stanno iniziando a vedere il valore dell’AI e stanno investendo per adottarla. Guidarle verso la giusta linea d’azione è quindi necessario, il che rende cruciale il supporto di una consulenza specifica. “È qui – chiarisce Cavazzoni – che entra in gioco Quanture. Grazie alle tecnologie di HPE e conoscendo a fondo le esigenze dei clienti, la società accompagna le aziende nell’adozione delle tecnologie necessarie, rendendo il processo più semplice e gestibile. In questo modo, le imprese possono concentrarsi sul loro core business mentre noi ci occupiamo di fornire e gestire le soluzioni tecnologiche indispensabili per raggiungere i loro obiettivi strategici”.
Analisi dei dati, modello e testing: le tre fasi dell’implementazione dell’AI
“D’altro canto il ruolo dell’infrastruttura è decisivo – puntualizza Delgrosso di HPE – e nessuna delle fasi di implementazione dei progetti AI deve essere sottovalutata”. Massima attenzione va dunque posta innanzitutto alla preparazione dei dati. “Molte aziende – chiarisce il Channel Sales Director di HPE – operano a compartimenti stagni. È quindi fondamentale capire se si dispone dei dati necessari per il tipo di analisi che si intende fare. Questo processo di preparazione dei dati è essenziale per garantire che questi siano adeguatamente organizzati e accessibili per l’analisi”.
Altrettanto importante è lo sviluppo del modello. Delgrosso puntualizza che, “durante questa fase, HPE utilizza modelli già consolidati. Questo approccio consente di accelerare il processo di sviluppo e di garantire che i modelli siano ottimizzati per le specifiche esigenze dell’azienda”. Segue quindi la fase di testing, che è determinante per valutare l’efficacia del modello e apportare eventuali correzioni prima della sua implementazione definitiva.
L’importanza della partnership
Ma integrare l’infrastruttura IT per l’intelligenza artificiale è anche una questione di partnership. “I partner – chiarisce Delgrosso – sono fondamentali per comprendere le esigenze specifiche delle aziende e per sviluppare soluzioni su misura che possano soddisfare queste esigenze”.
“Su questo fronte, la conoscenza del cliente, del territorio e delle esigenze di business sono valori fondamentali che Quanture mette a disposizione” afferma Cavazzoni. “La capacità di qualificare l’opportunità e di mettere in piedi la soluzione più adatta, combinata con la partnership con HPE che permette l’accesso a tecnologie all’avanguardia e garantisce principi etici e morali dell’AI, assicurano che le soluzioni proposte siano sempre in linea con le migliori pratiche del settore. Ed è questo che rende Quanture un partner affidabile.”.
