La corsa è lanciata e secondo gli autori del report “Time to place our bets: Europe’s AI opportunity”, a firma di McKinsey Global Institute, il compito a cui è chiamata l’Europa è chiaro: concentrarsi su diverse aree chiave per essere più competitiva sul fronte dell’intelligenza artificiale e recuperare il gap in fatto di adozione delle nuove tecnologie che le organizzazioni del Vecchio Continente lamentano nei confronti delle loro controparti statunitensi. Le opportunità in gioco, è noto, sono enormi. E lo confermano le stime secondo cui l’AI potrebbe aiutare l’ecosistema Europa a raggiungere un tasso di crescita annuale della produttività fino al 3% entro il 2030, per un controvalore superiore ai 570 miliardi di dollari.
Fabbisogno di energia al 5% del totale
Per centrare questo obiettivo, però, aziende e governi dovranno sostenere a velocità più sostenuta la progettazione e lo sviluppo di infrastrutture cloud e di semiconduttori e supercomputer per l’AI, con un occhio di riguardo ai consumi di energia. L’Ai accelererà infatti non solo la trasformazione dei processi di interi settori ma anche l’operatività dei data center dove le applicazioni e i dati sono ospitati ed elaborati (e dove i modelli di linguaggio di grandi dimensioni sono allenati), portando la domanda di elettricità necessaria per farli funzionare a pesare per oltre il 5% sul fabbisogno totale europeo entro il 2030.
La questione urgente della sostenibilità
La sostenibilità ambientale, guarda caso, è una delle tendenze legate all’AI che gli esecutive di Sas hanno delineato per descrivere lo scenario di business e tecnologico che ci attende per il 2025. L’addestramento più rapido dei modelli Llm avrà una ripercussione diretta in chiave energetica, perché – come ha osservato Bryan Harris, Chief Technology Officer della società americana specializzata in data analytics – «la velocità e l’efficienza algoritmica non possono essere ignorate come leve fondamentali per ridurre il consumo di risorse cloud». Al di là della progressiva adozione di fonti alternative (come il nucleare), insomma, un contributo importante al taglio dei consumi dovrebbe arrivare dalla crescente richiesta per i modelli AI meno energivori. A condividere la responsabilità di rendere più green l’adozione su larga scala delle tecnologie generative, sempre secondo la visione dei manager di Sas, non saranno comunque solo i grandi cloud provider e i fornitori di hardware ma anche gli utilizzatori finali dell’intelligenza artificiale, e in particolare coloro che gestiscono dati e carichi di lavoro. Una maggiore efficienza nello sviluppo dei modelli AI attraverso piattaforme (di dati e algoritmi) ottimizzate per il computing nella nuvola sarà in altre parole la strada maestra per ridurre duplicazioni e sprechi inutili, minimizzando i consumi.
Piattaforme cloud native
C’è infine un ulteriore elemento di razionalizzazione e di efficientamento legato all’accelerazione dell’Ai (e simultaneamente del cloud) e toccherà da vicino le infrastrutture It. Se fino a oggi le aziende hanno operato con sistemi isolati, ciascuno dedicato a una funzione o a un segmento di clientela diverso, la decisa virata verso la modernizzazione in chiave flessibile delle risorse informatiche esistenti premierà (in termini di velocità, risparmio sui costi e capacità di gestione dei dati) quelle imprese che scommetteranno su piattaforme “cloud native” e potenziate dall’AI in grado di supportare più funzioni.
La convinzione degli executive, proiettandoci verso il 2025 e oltre, vede da una parte la necessità di sfruttare la Gen AI per la creazione di valore per le imprese e dall’altra il fatto che, già a partire dai prossimi 12 mesi, i modelli linguistici di grandi dimensioni diventeranno una commodity mentre cresceranno sensibilmente gli Llm open-source. La conseguenza? Il possibile crollo dei prezzi (poiché molte funzionalità di base saranno disponibili gratuitamente) e lo spostamento del vero valore di questa tecnologia verso servizi specializzati e applicazioni per singoli settori. Un esempio? Nel 2025, come ipotizzano da Sas, i marketer passeranno dalle applicazioni più semplici dell’AI generativa (focalizzate sulla produttività e sulla creazione di contenuti) a capacità più avanzate e in grado di garantire esperienze più personalizzate e vantaggi tangibili in termini di ricavi. Parliamo di dati sintetici e digital twin, che verranno impiegati in stretta sinergia con tecnologie ormai consolidate come il machine e il deep learning.
