Secondo i tre manager di SAP Sean Kask – Vice President and Head of AI Strategy for SAP Business AI, Walter Sun – Senior Vice President and Global Head of AI for SAP Business AI e Jonathan von Rueden – Head of AI Frontrunner Innovation for SAP Business AI, nel 2025, sono cinque i temi chiave per l’Intelligenza Artificiale che comporteranno nuove sfide per le aziende, ma anche un elevato potenziale per ridefinire ciò che è possibile.
Buona lettura!
I cinque temi fondamentali dell’AI nel 2025: dai sistemi multi-agente all’intelligenza collaborativa
L’intelligenza artificiale (AI) sta accelerando a un ritmo sorprendente: dalla creazione di agenti AI all’interazione con la tecnologia per conversare in modo naturale, le tecnologie AI sono pronte a trasformare il nostro modo di lavorare.
Ma cosa ci aspetta esattamente? Sono cinque i temi chiave per l’Intelligenza Artificiale nel 2025 che comportano nuove sfide per le aziende, ma anche un elevato potenziale per ridefinire ciò che è possibile.
1. Intelligenza Artificiale Agentica: addio all’agent washing, benvenuto ai sistemi multi-agente
Quando parliamo di agenti AI, siamo agli albori. Mentre molti fornitori di software stanno rilasciando ed etichettando i primi “agenti AI” sulla base di semplici ricerche conversazionali di documenti, all’orizzonte si profilano agenti AI avanzati in grado di pianificare, ragionare, utilizzare strumenti, collaborare con le persone e con altri agenti e riflettere ripetutamente sui progressi compiuti fino al raggiungimento dell’obiettivo.
A breve, gli utenti interagiranno con un copilot per svolgere i loro compiti, che distribuirà la richiesta e coordinerà i sistemi di più agenti AI esperti per completare un compito complesso. I futuri agenti di intelligenza artificiale, o sistemi multiagente (MAS), possono collaborare per capire le esigenze dell’utente, definire il contesto e strutturare il problema per poi interagire con gli agenti di intelligenza artificiale esperti in un dominio specifico. Questi agenti AI esperti eseguono sottocompiti specifici che insieme danno risposta al problema articolato. In futuro, gli utenti non avranno nemmeno bisogno di attivare un’azione. Gli agenti di intelligenza artificiale risponderanno in modo proattivo agli eventi di business, come ad esempio richieste dei clienti, interruzioni della supply chain o aumenti della domanda. Prepareranno inoltre in modo automatico un flusso decisionale, prima di chiedere un feedback all’utente.
Nei prossimi cinque anni, gli agenti di intelligenza artificiale semplificheranno sensibilmente i flussi di lavoro, anche in aree che sono state resistenti all’automazione, come la gestione delle eccezioni nel servizio clienti, o le attività di programmazione specifiche come la codifica o il debug del software. Gli agenti di intelligenza artificiale saranno flessibili e potranno pianificare, fallire e provare qualcos’altro o autocorreggersi in base al ragionamento. Gli agenti di intelligenza artificiale gestiranno e completeranno attività di routine e ripetitive end-to-end con la stessa efficacia, spesso anche maggiore, degli esseri umani, con conseguente aumento della produttività e riduzione dei costi. Gli agenti saranno più adattabili e robusti rispetto all’automazione robotica dei processi (RPA) convenzionale per le attività di lunga durata e di grande portata. Ciò significa individuare il risultato migliore tra i molti possibili esiti, cosa quasi impossibile da codificare in un algoritmo RPA con i metodi di automazione classici.
L’adozione dell’AI modificherà anche le dinamiche della forza lavoro, con l’evoluzione dei ruoli delle persone che si concentreranno sull’anticipazione di scenari insoliti, la gestione delle ambiguità, l’analisi del comportamento umano, le decisioni strategiche e la guida dell’innovazione vera e propria, integrata, non sostituita, dalle capacità dell’AI.
In breve, l’Intelligenza Artificiale si occuperà di compiti banali e ad alto volume, mentre aumenterà il valore del giudizio umano, della creatività e della qualità dei risultati.
2. Modelli: senza contesto, nessun valore
I modelli linguistici di grandi dimensioni (LLM) continueranno a diventare una commodity per le attività di Intelligenza Artificiale generativa, una tendenza che è già iniziata. I modelli linguistici di grandi dimensioni si basano su un bacino sempre più ampio di dati pubblici raccolti da Internet. Questa situazione è destinata a crescere e le aziende devono imparare ad adattare i loro modelli a fonti di dati uniche e ricche di contenuti. I miglioramenti dei modelli in futuro non deriveranno da una maggiore quantità di dati, ma da una migliore qualità dei dati, da un maggiore contesto e dal perfezionamento delle tecniche sottostanti.
Le imprese dovranno dedicare più tempo all’innovazione per creare modelli migliori attraverso la messa a punto e l’adattamento dei modelli, anziché limitarsi ad addestrare modelli sempre più grandi. Le tecniche di Intelligenza Artificiale neurosimbolica, in particolare i knowledge graph, vedranno una rinascita perchè possono fornire sia obiettivi di apprendimento per i modelli di base che il contesto per migliorare significativamente le prestazioni dell’AI generativa, riducendo al contempo le allucinazioni.
Vedremo anche una maggiore varietà di modelli che rispondono a scopi diversi. Prendiamo ad esempio le reti neurali informate dalla fisica (Physics-Informed Neural Networks, PINN), che generano risultati basati su previsioni fondate a loro volta sulla realtà fisica o sulla robotica. Le PINN sono destinate ad acquisire maggiore importanza nel mercato del lavoro perché consentiranno ai robot autonomi di navigare ed eseguire compiti nel mondo reale, dai magazzini agli impianti di produzione, ai modelli addestrati su dati tabellari e strutturati, come il SAP Foundation Model, e potranno gestire compiti che gli LLM non sono in grado di svolgere bene, come le previsioni di valori numerici.
I modelli diventeranno sempre più multimodali, il che significa che un sistema di Intelligenza Artificiale è in grado di elaborare informazioni provenienti da diversi tipi di input. Le applicazioni di AI si evolveranno in soluzioni con modalità “any-to-any”, in grado di comprendere, elaborare e ragionare su testi, voci, immagini, video e dati di sensori all’interno di un unico modello. Inoltre, i LLM più piccoli e specializzati, con tecniche di perfezionamento scalabili e la capacità di lavorare su qualsiasi dispositivo, diventeranno sempre più comuni, una tendenza che in futuro potrebbe portare a modelli iper-personalizzati per le organizzazioni o persino per gli individui.
Le imprese si orienteranno verso strategie che utilizzano più modelli di base (da non confondere con le capacità multimodali in un unico modello, descritte in precedenza), sfruttando una serie diversificata di modelli e tecniche di intelligenza artificiale adattati a casi d’uso specifici. Ciò è sostenuto dalla tendenza a perfezionare piccole porzioni di modelli, che richiede meno risorse e molti meno dati, con conseguente piena flessibilità dei modelli e la possibilità per le aziende di estrarre più valore dai loro dati unici e ottenere un vantaggio competitivo.
I fornitori di software per il mondo del business offriranno o amplieranno piattaforme e marketplace integrati di modelli di Intelligenza Artificiale che supportano l’implementazione, la gestione e l’aggiornamento dei modelli senza soluzione di continuità. Il benchmarking e la riduzione dei costi per il cambio di modello aiuteranno a distribuire gli stessi casi d’uso in ambienti eterogenei. Contesto uguale valore. La tecnologia knowledge graph esiste da 40 anni e ora sta vivendo una rinascita perché è in grado di superare le principali sfide dell’LLM, come la comprensione di formati complessi, gerarchie e relazioni tra i dati dell’azienda. I knowledge graph spiegano i dati e le relazioni tra le entità, potenziando in modo importante le capacità dei LLM. Il prossimo passo in questo ambito saranno i graph model di grandi dimensioni, che consentiranno ulteriori progressi nell’AI generativa.
La conoscenza implicita è potere, e rendere la conoscenza esplicita a tutti è un superpotere.
3. Adozione: dal buzz al business
Mentre il 2024 è stato l’anno dell’introduzione dei casi d’uso dell’Intelligenza Artificiale e del suo valore all’interno delle organizzazioni e per i singoli individui, il 2025 vedrà un’adozione senza precedenti dell’AI soprattutto da parte delle aziende. Si capirà meglio quando e come utilizzare l’Intelligenza Artificiale e la tecnologia maturerà al punto da poter affrontare problemi critici come la gestione delle complessità per una multinazionale. Molte imprese faranno anche esperienza pratica, affrontando per la prima volta questioni come la gestione legale e la privacy dei dati specifici per l’AI, costruendo le basi per l’applicazione della tecnologia nei processi di business.
Da un punto di vista tecnologico, il 2024 ha visto l’AI progredire sensibilmente. Quest’anno le aziende lavoreranno per rendere questi progressi ancora più significativi attraverso una perfetta integrazione dei dati, migliorando l’accuratezza dei risultati alimentati dall’AI e aumentandone l’adozione. Infine, nel 2025 potremmo assistere a uno spostamento del modello di business del software dallo sviluppo di caratteristiche e funzioni statiche a un modello di outcome-as-a-service, incentrato sul raggiungimento degli obiettivi del processo.
4. Esperienza utente: l’intelligenza artificiale sta diventando la nuova interfaccia utente
La prossima frontiera dell’AI consiste nell’unificare senza soluzione di continuità persone, dati e processi per amplificare i risultati aziendali. Nel 2025 assisteremo a una maggiore adozione dell’AI, man mano che le persone scopriranno i vantaggi potenziati dal suo utilizzo.
Ciò significa stravolgere l’esperienza tradizionale dell’utente, passando da interazioni guidate dal sistema a conversazioni basate sull’obiettivo e guidate dalle persone, con l’Intelligenza Artificiale che agisce in background. I copiloti dell’AI diventeranno la nuova interfaccia utente per interagire con il sistema, rendendo il software più accessibile e semplice. L’intelligenza artificiale non si limiterà a un’applicazione, ma un giorno potrebbe addirittura sostituirla. Con l’AI, frontend, backend, browser e app si confondono. È come dare all’AI “braccia, gambe e occhi”. Mentre i power user continueranno ad avere interfacce singole ed esperte, la maggior parte degli utenti richiederà flessibilità attraverso molteplici modelli di accesso. Allo stesso tempo, saranno accettati tempi di inferenza più lunghi per ricevere risposte di alta qualità a problemi complessi, precedentemente irrisolvibili, e per azioni in domini che richiedono analisi e ricerche approfondite. In definitiva, gli utenti riconosceranno il compromesso tra latenza e complessità dei compiti gestiti dall’AI.
È importante notare che le organizzazioni non considereranno più l’Intelligenza Artificiale come un insieme di strumenti di produttività, ma inizieranno a reimmaginare la loro forza lavoro come una rete di intelligenza collaborativa con agenti di AI e persone che lavorano per accelerare l’innovazione. Ad esempio, la combinazione delle competenze umane per il pensiero strategico con i punti di forza dell’AI per l’analisi su larga scala e il riconoscimento dei modelli creerà nuovi vantaggi competitivi per le aziende che sapranno orchestrare efficacemente queste reti di intelligenza ibrida per guidare scoperte rivoluzionarie e identificare nuove opportunità di mercato. Il prossimo anno segnerà anche le prime fasi di un cambiamento significativo nel modo in cui gli esseri umani e l’Intelligenza Artificiale lavorano insieme: gli agenti evolveranno il loro ruolo diventando partner del flusso di lavoro, compiendo i primi passi verso la navigazione indipendente negli ambienti software e l’automazione delle attività di routine, dall’analisi dei dati e la generazione di report al coordinamento dei programmi al test del software. Ciò darà inizio a un percorso verso la trasformazione dei processi e dei modelli di lavoro, dove le organizzazioni lungimiranti svilupperanno nuovi ruoli, metriche e approcci formativi per una collaborazione efficace tra uomo e AI.
5. Regolamentazione: innovare, poi regolamentare
Oggi, i governi di tutto il mondo sono impegnati a tenere il passo con i rapidi progressi della tecnologia dell’Intelligenza Artificiale e a sviluppare solidi quadri normativi che stabiliscano i giusti limiti alI’AI senza compromettere l’innovazione. Il panorama normativo diventerà ancora più frammentato: l’Osservatorio sulle politiche dell’AI dell’OCSE sta monitorando centinaia di normative sull’intelligenza artificiale in tutto il mondo. Ciò richiede la valutazione della conformità dei modelli e dell’interpretazione tecnica dei vari quadri normativi.
Nel 2025, la discussione si sposterà da ciò che cerchiamo di regolamentare da un punto di vista tecnico a come innoviamo e a ciò che consideriamo fondamentalmente umano. Questa discussione eleverà il ruolo delle persone, contribuirà a dare una prospettiva molto più positiva e aiuterà a delineare una visione più chiara nel lungo termine di come vogliamo che le persone e l’AI vivano e lavorino insieme.
In questo contesto, continuerà a essere fondamentale per le aziende che sviluppano e distribuiscono tecnologie di Intelligenza Artificiale aderire a principi responsabili in materia di sicurezza, protezione ed etica.
Questi sono solo alcuni di quelli che, ne siamo certi, saranno i molti ed entusiasmanti progressi dell’AI nel 2025. Complessivamente, l’aspetto più importante sarà quello di rendere più significative le tecnologie innovative esistenti. Vedremo l’Intelligenza Artificiale integrata in modo molto più profondo e quasi invisibile nelle applicazioni consumer e business, con i fornitori di tecnologia e le aziende in grado di incorporare nell’AI i loro specifici contesti e dati senza soluzione di continuità.
Per trarre pieno vantaggio dall’innovazione e dall’AI, tuttavia, le imprese dovranno sfruttare una moderna business suite in cloud con accesso unificato ai dati e ai modelli di dati armonizzati per superare i classici silos. Questo aumenterà drasticamente l’accuratezza e l’importanza dei risultati dell’AI, favorendone la rapida adozione in tutta l’organizzazione.
Non vediamo l’ora di vedere cosa ci riserverà il futuro.
di Sean Kask – Vice President and Head of AI Strategy for SAP Business AI di SAP, Walter Sun – Senior Vice President and Global Head of AI for SAP Business AI di SAP e Jonathan von Rueden – Head of AI Frontrunner Innovation for SAP Business AI di SAP
