Immaginate questo: un dipinto a olio surrealista in cui una barca a vela dotata di intelligenza artificiale, le cui vele sono fatte di denaro, si trova sulla cresta di un’onda enorme. L’imbarcazione sta per surfare sul fronte di quest’onda e, così facendo, attraverserà la linea di partenza di una gara che si concluderà nel 2026.
Questa è la richiesta che ho digitato su Dall-E 3 e l’immagine che ne è risultata dopo alcune iterazioni. Perché mai ho chiesto a uno strumento di IA generativa di creare questa immagine? Al termine di re:Invent, è inevitabile riflettere sull’IA nel 2024, e questa immagine riassume le mie considerazioni di massima sull’argomento. Continua a leggere per scoprire le mie riflessioni sull’intersezione tra le regate veliche, l’Hype Cycle di Gartner per l’intelligenza artificiale e il keynote del Dr. Werner Vogels all’AWS re:Invent incentrato sui costi del cloud.
[Generato dall’IA] Ammirate questa rappresentazione surreale di una barca a vela guidata dall’intelligenza artificiale, con le vele decorate da motivi ispirati alle valute, pronta a solcare le onde verso la linea di partenza di una regata rivoluzionaria che raggiungerà il suo culmine nel 2026.
Cosa dice il Gartner Hype Cycle sull’IA generativa: il culmine dell’onda
Chiunque disponga di una connessione a Internet nel 2023 è stato travolto da un’ondata di discussioni sull’intelligenza artificiale, in particolare sull’IA generativa. È quindi appropriato che Gartner abbia collocato la genAI nel proprio Hype Cycle 2023 proprio in cima al “Picco delle aspettative gonfiate”, stimando che raggiungerà la “Piattaforma della produttività” tra 5-10 anni. Ciò significa che nei prossimi uno o due anni si assisterà a un precipitoso calo verso la «Fossa della disillusione». (Non è forse lì che Atreyu ha perso Artax in «La storia infinita»?)
In parole povere, il mercato non è mai stato così entusiasta dell’IA generativa come lo è ora. Da qui in poi sarà letteralmente tutta una discesa, ma non è del tutto una cattiva notizia. Mentre le aziende specializzate in IA generativa inizieranno a incontrare un crescente scetticismo, all’altra estremità del ciclo le attende una vera e propria accettazione da parte del mercato. Le aziende che riusciranno a superare questo percorso turbolento ne raccoglieranno i frutti. Quindi, in che modo le aziende che sviluppano prodotti di IA generativa possono prepararsi oggi per il successo futuro?
Perché è importante progettare tenendo conto delle dimensioni e dei costi: la barca a vela
Il discorso di apertura del dottor Werner Vogels all’AWS re:Invent si è concentrato sull’importanza di realizzare architetture scalabili e attente ai costi, soprattutto man mano che le aziende si evolvono e i mercati maturano. Ha tracciato un parallelo tra costi e sostenibilità e, sebbene siano state fornite poche prove relative alla sostenibilità ambientale implicita, l’ottimizzazione dei costi è un elemento evidente della sostenibilità aziendale.
Per le aziende che sviluppano applicazioni di intelligenza artificiale generativa, la sostenibilità aziendale sarà un aspetto fondamentale nella fase discendente verso la disillusione (e, infine, nella risalita e nell’uscita da essa). Il mercato ha intuito il potenziale dell’IA generativa, ma sta anche iniziando a rendersi conto dei limiti delle prime versioni. Le aziende che riusciranno a superare la prossima fase di scetticismo dovranno dimostrare il proprio valore in diversi modi.
I clienti dovranno vedere prodotti che funzionino come pubblicizzato, dimostrando il proprio valore con un minimo di illusioni, la massima autenticità e una reale utilità. Per raggiungere questo obiettivo saranno necessari modelli migliori e un flusso costante di dati in grande volume e di alta qualità. Allo stesso tempo, gli investitori dovranno vedere un’attività sostenibile che includa dati finanziari solidi con un percorso chiaro verso la redditività, caratterizzato da costi controllati e prevedibili. Ciò significa che progettare in vista della scalabilità e dell’efficienza dei costi dovrebbe essere la priorità assoluta dei costruttori.
Gli esperti hanno suggerito che, col passare del tempo, i modelli finiranno per diventare in qualche modo un bene di largo consumo e che il principale vantaggio competitivo deriverà dai set di dati. Questa previsione sottolinea l’importanza cruciale dei dati e, di conseguenza, della necessità di garantirne la disponibilità, la sicurezza e la resilienza. Tuttavia, alla velocità e su scala richieste dall’IA generativa, questi set di dati saranno sommersi da chiamate API, rendendo gli sforzi volti a garantire la resilienza ancora più impegnativi.
Prepararsi per tempo per un successo a lungo termine: la linea di partenza
La partenza di una regata velica è caotica. A differenza di altre forme di competizione in cui si parte da fermi, le barche a vela attraversano la linea di partenza già a tutta velocità. La regata inizia di fatto prima della partenza ufficiale, con le imbarcazioni che si contendono una posizione di partenza ottimale. Si avvicinano a pochi pollici l’una dall’altra, con l’obiettivo di attraversare la linea di partenza proprio nel momento in cui viene sparato il colpo di pistola e di trovarsi nella posizione giusta per sfruttare al massimo il vento. Se si attraversa la linea al momento giusto, nella posizione giusta e con le vele giuste, la vittoria è assicurata. Se invece si parte troppo presto o troppo tardi, con le vele sbagliate o nel punto sbagliato, la regata è praticamente finita prima ancora di iniziare.
In questo momento, gli sviluppatori di IA generativa stanno procedendo a tutta velocità, in procinto di tagliare il traguardo di partenza, e non tutti riusciranno a raggiungere il traguardo finale, il “Plateau of Productivity”. La corsa prima della corsa è stata caotica (con Bard che si è lasciato prendere un po’ troppo dall’entusiasmo) ed emozionante (grazie all’ubiquità di ChatGPT). Sebbene si intravedano già alcuni elementi di differenziazione, siamo ben lontani dal poter dichiarare vincitori e vinti. Nei prossimi anni potrebbero succedere molte cose.
Le aziende che hanno già sviluppato prodotti promettenti, progettandoli in un’ottica di contenimento dei costi e scalabilità, partiranno con un vantaggio iniziale, ma anche le altre hanno ancora la possibilità di intraprendere mosse strategiche che si riveleranno vantaggiose nel lungo periodo. Tali cambiamenti includerebbero la creazione di flussi affidabili di dati di alta qualità, un’infrastruttura in grado di scalare in modo economicamente vantaggioso di pari passo con tali dati e strumenti per la governance dei dati volti a garantire un’efficienza costante.
Proteggi il tuo vantaggio competitivo proteggendo i tuoi dati: preparati alla sfida che ti attende
Mentre le aziende si preparano a partire, emerge un terzo aspetto importante della sostenibilità aziendale, particolarmente rilevante per le società che operano nel campo dell’IA generativa: la protezione e la conservazione dei dati critici.
L’intelligenza artificiale si basa su enormi quantità di dati per la creazione dei modelli, l’addestramento e l’inferenza, e tali dati sono generalmente ospitati in un data lake, spesso archiviato su Amazon S3. La natura critica di questi dati rende indispensabile il loro backup, un’operazione che diventa sempre più complessa con l’aumentare del volume dei dati e delle chiamate alle API.
Le strategie di backup che inizialmente risultavano efficaci possono diventare rapidamente costose e soggette a errori man mano che i dati superano le capacità della soluzione. Peggio ancora, le soluzioni di backup che non si adattano per ottimizzare il carico sulle API possono causare il blocco dell’intera applicazione. La vela giusta può trasformarsi in quella sbagliata al variare delle condizioni e, nel peggiore dei casi, può diventare un’ancora.
Resilienza dei dati scalabile e automatizzata: la vela che va sempre nella direzione giusta
Il modo più semplice è partire con una “vela” che si adatti automaticamente alle condizioni. In termini di dati, una soluzione con scalabilità automatizzata e infinita, anche in ambienti altamente mutevoli. Clumio esegue il backup di data lake di dimensioni che vanno da poche centinaia di oggetti e singoli terabyte fino a 40 miliardi di oggetti e centinaia di petabyte, oltre a tutte le dimensioni intermedie, garantendo un RPO (Recovery Point Objective) basso per il ripristino a un punto nel tempo con un massimo di 20 milioni di modifiche all’ora. Aiuta i clienti a tenere sotto controllo i costi del cloud individuando snapshot orfani e altre copie di dati non necessarie, e si allinea a un approccio progettuale attento ai costi offrendo un modello di tariffazione conveniente e basato sul consumo.
La sfida è aperta. Le aziende che operano nel settore dell’IA generativa devono sviluppare prodotti migliori, concentrandosi al contempo sulla sostenibilità aziendale attraverso la scalabilità e l’attenzione ai costi.
Parti in vantaggio rispetto alla concorrenza:
