Una nuova ricerca di Cloudera condotta negli Stati Uniti ha rivelato che più della metà delle organizzazioni statunitensi (53%) attualmente si avvale di tecnologie di AI generativa e un ulteriore 36% si trova nelle prime fasi di esplorazione per una potenziale implementazione nel prossimo anno.
Tuttavia, l’84% dei decision maker IT e responsabili della gestione dei dati sono preoccupati di fronte alla prospettiva di condividerli con terze parti per l’addestramento o la messa a punto dei modelli di AI generativa.
La motivazione è la percezione di un ambiente ancora poco controllato quando si tratta di privacy, sicurezza e conformità.
L'importanza di creare fonti di dati affidabili e sicure
ChatGPT ha accelerato l’innovazione dell’intelligenza artificiale generativa, tuttavia rimangono preoccupazioni per quanto riguarda l’affidabilità, la conformità, l’autorizzazione e la proprietà intellettuale.
"Le aziende temono la potenziale esposizione di modelli addestrati utilizzando dati pubblicamente disponibili e/o che hanno ricevuto risposte errate da modelli di AI “non” addestrati in coerenza con il contesto aziendale”, ha dichiarato Abhas Ricky, Chief Strategy Officer di Cloudera.
“I risultati del sondaggio confermano la nostra convinzione che i problemi dei dati sono reali e che le aziende che sono riuscite a creare fonti di dati affidabili e sicure saranno avvantaggiate nel produrre risultati più affidabili con le applicazioni di AI generativa”.
È strategico portare i modelli di AI ai dati, e non il contrario
Tra i principali vantaggi che l’AI generativa offre alle organizzazioni, troviamo il miglioramento della comunicazione con i clienti tramite chatbot o altri strumenti (55%), il supporto allo sviluppo di prodotti (44%) e di concetti (44%) sono citati come
Seguono anche il supporto all’analisi dei dati (34%), lo sviluppo di software (32%) o l’automazione di attività e processi (28%).
Secondo Ricky, il successo di questi casi d’uso iniziali, come le domande e risposte in chat, la sintesi di testo e il miglioramento della produttività del copilota, si basa sul portare i modelli di AI ai dati lì dove vengono creati, e non il contrario.
Per esempio, un grande istituto finanziario sta attualmente prendendo 4 milioni di decisioni al giorno elaborando tutti i dati attraverso la propria AI Lakehouse di fiducia.
