L'AI quantistica sta attirando l'attenzione di un numero crescente di aziende che cercano nuove strade per accelerare l'innovazione e risolvere problemi complessi. Tuttavia, nonostante il potenziale riconosciuto, molte organizzazioni continuano a muoversi con prudenza.
Lo conferma un recente sondaggio realizzato da Sas su oltre 500 professionisti di diversi settori a livello globale. La ricerca evidenzia come il principale ostacolo all'adozione non sia più soltanto il costo della tecnologia, ma soprattutto la difficoltà di individuare applicazioni concrete in grado di generare valore per il business.
Che cos'è l'AI quantistica
L'AI quantistica combina algoritmi di machine learning con le capacità offerte dai computer quantistici. L'obiettivo è affrontare problemi che richiedono enormi capacità di elaborazione, riducendo drasticamente i tempi di calcolo rispetto alle piattaforme tradizionali.
Secondo Sas, il futuro non sarà caratterizzato da una sostituzione dell'informatica classica, bensì da un approccio ibrido. In questo modello, elaborazione tradizionale e quantistica lavorano insieme, sfruttando i punti di forza di entrambe le tecnologie.
I potenziali benefici sono significativi. L'AI quantistica potrebbe consentire di completare in pochi minuti attività che oggi richiedono ore di elaborazione. Inoltre, potrebbe affrontare problemi attualmente considerati troppo complessi per i sistemi convenzionali e migliorare l'efficienza dei modelli di apprendimento automatico utilizzando quantità inferiori di dati.
Opportunità e vantaggi per le imprese
Il sondaggio di Sas mostra come le aspettative siano particolarmente elevate in diversi settori industriali. Tra i casi d'uso considerati più promettenti emergono il miglioramento dei sistemi antifrode nei servizi finanziari, l'ottimizzazione in tempo reale delle reti 5G, la simulazione molecolare per accelerare la scoperta di nuovi farmaci e l'ottimizzazione della supply chain.
Grande interesse riguarda anche la logistica avanzata, dove la tecnologia potrebbe contribuire a migliorare la distribuzione delle merci e la gestione dei flussi operativi. Un'altra area strategica è il machine learning, con la possibilità di sviluppare modelli predittivi più accurati sul comportamento dei clienti e di ridurre tempi e risorse necessari per l'addestramento dei grandi modelli linguistici.
Le criticità che frenano l'adozione
Nonostante le prospettive positive, la ricerca evidenzia numerose barriere. La principale criticità indicata dagli intervistati è l'incertezza sulle applicazioni pratiche nel mondo reale. Seguono gli elevati costi di implementazione, la carenza di personale qualificato e la limitata conoscenza della tecnologia.
Tra gli altri ostacoli figurano la disponibilità ancora ridotta di soluzioni mature e la mancanza di linee guida regolatorie chiare. Si tratta di elementi che contribuiscono a rallentare gli investimenti, nonostante il forte interesse manifestato dai dirigenti aziendali.
Bill Wisotsky, Principal Quantum Architect di SAS, sottolinea come molte organizzazioni siano interessate a sviluppare competenze e proprietà intellettuale nel settore, ma preferiscano evitare investimenti troppo onerosi in assenza di casi d'uso consolidati.
In questo contesto si inserisce Sas Quantum Lab, annunciato dall'azienda per il quarto trimestre del 2026 come ambiente di sperimentazione dedicato ai clienti della piattaforma SAS Viya. L'iniziativa punta a consentire test e validazioni su casi reali, riducendo i costi di esplorazione della tecnologia.
Per il momento, tuttavia, il dato più rilevante emerso dal sondaggio è un altro: l'AI quantistica non viene più percepita come una prospettiva lontana. Le imprese iniziano a considerarla una possibile leva competitiva per il prossimo decennio, pur consapevoli che il percorso verso una diffusione su larga scala richiederà ancora tempo, competenze e casi applicativi capaci di dimostrarne concretamente il ritorno sull'investimento.