A Las Vegas, 30.000 persone si sono riunite per ascoltare le ultime novità di Google Cloud che ha maggiormente riguardato l’intelligenza artificiale generativa, sempre. Google Cloud è innanzitutto un fornitore di infrastrutture e piattaforme cloud.
Google ha annunciato una serie di miglioramenti dell’intelligenza artificiale generativa
Google ha annunciato una serie di miglioramenti dell’intelligenza artificiale generativa progettati per aiutare i clienti a sfruttare il modello Gemini Large Language Model (LLM) e migliorare la produttività su tutta la piattaforma. È un obiettivo degno, ovviamente, e durante il keynote principale del primo giorno e il keynote degli sviluppatori del giorno successivo, Google ha arricchito gli annunci con un buon numero di demo per illustrare la potenza di queste soluzioni.
Alcuni di essi sono sembrati tuttavia un po’ troppo semplicistici, anche tenendo conto che dovevano essere inseriti in un keynote con un tempo limitato. Si sono basati principalmente su esempi interni all’ecosistema di Google, quando quasi tutte le aziende hanno gran parte dei propri dati in repository esterni a esso.
Alcuni esempi sembravano effettivamente essere possibili senza l’intelligenza artificiale. Durante una demo di e-commerce, ad esempio, il presentatore ha chiamato il venditore per completare una transazione online. È stato progettato per mostrare le capacità di comunicazione di un bot di vendita, ma in realtà il passaggio avrebbe potuto essere facilmente completato dall’acquirente sul sito web.
Questo non vuol dire che l’intelligenza artificiale generativa non abbia alcuni casi d’uso potenti, che si tratti di creare codice, analizzare un corpus di contenuti ed essere in grado di interrogarlo, o essere in grado di porre domande sui dati di registro per capire perché un sito web è andato in tilt. Inoltre, gli agenti basati su attività e ruoli introdotti dall’azienda per aiutare singoli sviluppatori, creativi, dipendenti e altri, hanno il potenziale per sfruttare l’intelligenza artificiale generativa in modi tangibili.
Quando si tratta di costruire strumenti di intelligenza artificiale basati sui modelli di Google, invece di consumare quelli che Google e altri fornitori stanno costruendo per i propri clienti, non si è potuto fare a meno di pensare che stessero sorvolando molti degli ostacoli che potrebbero trovarsi nel mercato per modo di implementare con successo l’intelligenza artificiale generativa. Anche se hanno cercato di farlo sembrare facile, in realtà è una problematica importante implementare qualsiasi tecnologia avanzata all’interno delle grandi organizzazioni.
Le problematiche dell’intelligenza artificiale generativa
Proprio come altri progressi tecnologici degli ultimi 15 anni, che si tratti di mobile, cloud, containerizzazione, automazione del marketing, di tutto, è stato realizzato con molte promesse di potenziali guadagni. Tuttavia, ciascuno di questi progressi introduce il proprio livello di complessità e le grandi aziende si muovono con più cautela di quanto immaginiamo. L’intelligenza artificiale generativa sembra un passo molto più grande di quello che Google, o francamente qualsiasi dei grandi fornitori, lasci intendere.
Quello che abbiamo imparato con questi precedenti cambiamenti tecnologici è che essi comportano molta pubblicità e portano a un sacco di disillusione. Anche dopo diversi anni, abbiamo visto grandi aziende che forse avrebbero dovuto trarre vantaggio da queste tecnologie avanzate ancora solo dilettarsi o addirittura restare del tutto in disparte, anni dopo la loro introduzione.
Ci sono molte ragioni per cui le aziende potrebbero non riuscire a trarre vantaggio dall’innovazione tecnologica, inclusa l’inerzia organizzativa; uno stack tecnologico fragile che rende difficile l’adozione di soluzioni più nuove; o un gruppo di oppositori aziendali che chiudono anche le iniziative più ben intenzionate, siano esse legali, risorse umane, IT o altri gruppi che, per una serie di ragioni, inclusa la politica interna, continuano a dire semplicemente no al cambiamento sostanziale.
Vineet Jain, CEO di Egnyte, un’azienda che si concentra su storage, governance e sicurezza, vede due tipi di aziende: quelle che hanno già effettuato un passaggio significativo al cloud e che avranno vita più facile quando si tratterà di adottare l’intelligenza artificiale generativa, e quelli che si sono mossi lentamente e probabilmente avranno difficoltà.
Parla con molte aziende che hanno ancora la maggior parte della loro tecnologia in sede e hanno molta strada da fare prima di iniziare a pensare a come l’intelligenza artificiale può aiutarle: “Parliamo con molti utilizzatori del cloud ‘tardivi’ che non hanno iniziato o sono all’inizio del loro percorso verso la trasformazione digitale“, ha dichiarato Jain.
L’intelligenza artificiale generativa potrebbe costringere queste aziende a riflettere attentamente sulla possibilità di intraprendere una corsa verso la trasformazione digitale, ma potrebbero avere difficoltà a partire da così lontano, ha affermato: “Queste aziende dovranno prima risolvere questi problemi e poi utilizzare l’intelligenza artificiale una volta che avranno un modello maturo di sicurezza e governance dei dati”.
I grandi fornitori come Google fanno sì che l’implementazione di queste soluzioni sembri semplice, ma come tutte le tecnologie sofisticate, sembrare semplice sul front-end non significa necessariamente che non sia complicato sul back-end. Quando si tratta dei dati utilizzati per addestrare Gemini e altri modelli linguistici di grandi dimensioni, è ancora un caso di “garbage in, garbage out” e questo è ancora più applicabile quando si parla di intelligenza artificiale generativa.
Conclusioni
Dal punto di vista di Google, l’azienda ha creato strumenti di intelligenza artificiale generativa per aiutare più facilmente gli ingegneri dei dati a creare pipeline di dati per connettersi a origini dati all’interno e all’esterno dell’ecosistema Google.
“Ha davvero lo scopo di velocizzare i team di ingegneria dei dati, automatizzando molte delle attività ad alta intensità di manodopera coinvolte nello spostamento dei dati e preparandoli per questi modelli“, Gerrit Kazmaier, vicepresidente e direttore generale per database, analisi dei dati e Looker presso Google, ha detto a TechCrunch.
Questo dovrebbe essere utile per connettere e pulire i dati, soprattutto nelle aziende che sono più avanti nel percorso di trasformazione digitale. Ma per quelle aziende come quelle a cui fa riferimento Jain, quelle che non hanno compiuto passi significativi verso la trasformazione digitale, potrebbe presentare maggiori difficoltà, anche con questi strumenti creati da Google.
Tutto questo non tiene nemmeno conto del fatto che l’intelligenza artificiale generativa presenta una serie di problematiche che vanno oltre la pura implementazione, sia che si tratti di un’app basata su un modello esistente, o soprattutto quando si tenta di costruire un modello personalizzato, ha affermato Andy Thurai, analista di Ricerca sulle costellazioni.
“Durante l’implementazione di entrambe le soluzioni, le aziende devono pensare alla governance, alla responsabilità, alla sicurezza, alla privacy, all’uso etico e responsabile e alla conformità di tali implementazioni”. E niente di tutto ciò è banale.
Dirigenti, professionisti IT, sviluppatori e altri potrebbero essere andati a cercare le prossime novità di Google Cloud. Ma se non fossero andati alla ricerca dell’intelligenza artificiale generativa, o semplicemente non fossero pronti come organizzazione, potrebbero essere usciti da Sin City un po’ scioccati dalla piena concentrazione di Google sull’intelligenza artificiale generativa.
Potrebbe passare molto tempo prima che le organizzazioni prive di sofisticazione digitale possano trarre il massimo vantaggio da queste tecnologie, al di là delle soluzioni più predefinite offerte da Google e altri fornitori.
