Il Technology Trends Outlook 2022 di McKinsey, pubblicato il 24 agosto, nomina l’intelligenza artificiale applicata e l’industrializzazione dell’apprendimento automatico come due delle 14 tendenze tecnologiche più significative di oggi.
L’AI applicata, considerata da McKinsey come basata su tecnologie comprovate e mature, ha ottenuto il punteggio più alto di tutte le 14 tendenze sulle misure quantitative di innovazione, interesse e investimento, con applicazioni praticabili in più settori e più vicine a uno stato di adozione mainstream rispetto ad altre tendenze.
In un sondaggio globale McKinsey del 2021 sullo stato dell’AI, il 56% degli intervistati ha dichiarato che le proprie organizzazioni avevano adottato l’AI, rispetto al 50% del sondaggio del 2020. Secondo il rapporto del 2022, le industrie tecnologiche sono leader nell’adozione dell’AI, mentre lo sviluppo del prodotto e le operazioni di servizio sono le funzioni aziendali che hanno visto i maggiori benefici dall’AI applicata.
Il rapporto McKinsey, tuttavia, ha evidenziato anche una serie di incertezze chiave che potrebbero influenzare il futuro dell’AI applicata, tra cui la disponibilità di talenti e finanziamenti, le preoccupazioni sulla sicurezza informatica e le domande delle parti interessate sull’uso responsabile e affidabile dell’AI.
L’industrializzazione dell’AI
McKinsey afferma che l’industrializzazione dell’AI è una tendenza in crescita. Secondo il rapporto McKinsey, l’industrializzazione dell’apprendimento automatico (ML) “comporta la creazione di uno stack interoperabile di strumenti tecnici per automatizzare il ML e aumentarne l’uso in modo che le organizzazioni possano realizzare il suo pieno potenziale”. Il rapporto ha osservato che McKinsey si aspetta che l’industrializzazione del ML si diffonda man mano che sempre più aziende cercano di utilizzare l’IA per un numero crescente di applicazioni.
Il report cita soluzioni software corrispondenti al flusso di lavoro ML, tra cui la gestione dei dati, lo sviluppo del modello, la distribuzione del modello e le operazioni del modello in tempo reale. Include anche hardware integrato e elaborazione eterogenea utilizzata nelle operazioni del flusso di lavoro ML.
