Il punto sul «momento iPhone» è importante, ma forse rischia di farci cercare la svolta nel posto sbagliato. L’iPhone non ha avuto successo perché gli utenti hanno dovuto ridisegnare i propri processi: ha incorporato in un oggetto quotidiano fotocamera, mappe, messaggi e web, con un costo di apprendimento molto basso. Nell’AI aziendale, invece, stiamo spesso chiedendo alle persone di aggiungere un’interfaccia conversazionale a processi che restano frammentati, pieni di eccezioni e senza dati affidabili.
Nell’esperienza con i sistemi agentici, il valore non emerge quando l’agente «fa tutto», ma quando gli si assegna un perimetro operativo stretto: raccogliere informazioni da fonti definite, preparare una prima istruttoria, aggiornare un CRM, controllare anomalie, proporre un’azione e lasciare a una persona l’autorizzazione nei punti che hanno conseguenze economiche o reputazionali. In questi casi non serve convincere l’organizzazione a reinventarsi da zero: si riduce un’attesa, un passaggio manuale o un costo di coordinamento misurabile.
Per questo il divario tra produttività e trasformazione rilevato da Gallup non è necessariamente un fallimento della tecnologia. È anche il segnale che molte aziende stanno ancora usando l’AI come assistente individuale, mentre la trasformazione richiede di progettare responsabilità, accessi ai dati, soglie di escalation e supervisione. Il prodotto mancante potrebbe non essere un nuovo chatbot universale, ma un modo affidabile di inserire capacità agentiche nei processi esistenti senza perdere controllo.
Il punto sul «momento iPhone» è importante, ma forse rischia di farci cercare la svolta nel posto sbagliato. L’iPhone non ha avuto successo perché gli utenti hanno dovuto ridisegnare i propri processi: ha incorporato in un oggetto quotidiano fotocamera, mappe, messaggi e web, con un costo di apprendimento molto basso. Nell’AI aziendale, invece, stiamo spesso chiedendo alle persone di aggiungere un’interfaccia conversazionale a processi che restano frammentati, pieni di eccezioni e senza dati affidabili.
Nell’esperienza con i sistemi agentici, il valore non emerge quando l’agente «fa tutto», ma quando gli si assegna un perimetro operativo stretto: raccogliere informazioni da fonti definite, preparare una prima istruttoria, aggiornare un CRM, controllare anomalie, proporre un’azione e lasciare a una persona l’autorizzazione nei punti che hanno conseguenze economiche o reputazionali. In questi casi non serve convincere l’organizzazione a reinventarsi da zero: si riduce un’attesa, un passaggio manuale o un costo di coordinamento misurabile.
Per questo il divario tra produttività e trasformazione rilevato da Gallup non è necessariamente un fallimento della tecnologia. È anche il segnale che molte aziende stanno ancora usando l’AI come assistente individuale, mentre la trasformazione richiede di progettare responsabilità, accessi ai dati, soglie di escalation e supervisione. Il prodotto mancante potrebbe non essere un nuovo chatbot universale, ma un modo affidabile di inserire capacità agentiche nei processi esistenti senza perdere controllo.
Credo che l’IA non evolverà proprio come aveva ipotizzato Altman ma in modo MOLTO diverso e più lento. Cambiare le abitudini è uno sforzo immane per la mente umana..
Ho apprezzato l'articolo e le argomentazioni. Tuttavia, penso che bisogna anche iniziare a guardare la sostanza delle cose nel caro, vecchio mondo reale. Qualunque statistica andrebbe innanzitutto contestualizzata: chi sono i rispondenti e in che settore lavorano?
Piccolo disclaimer prima di continuare: ho una società di Advisory, abbiamo anche noi un innovation manager che con il sapiente uso di alcuni strumenti costruisce software e interfacce. Lavoriamo anche e soprattutto con player della digital transformation e i nostri clienti sono in gran parte commerciali e manufacturing.
Cosa posso dire delle Ai: gli LLM sono inaffidabili e drenano le risorse mentali degli utilizzatori. Ciò che producono in termini di output è quasi sempre dozzinale (dai testi al codice) e ci "costa" di più in revisioni e tentativi di controllarne il filo logico rientrando e uscendo dal flow, che se facessimo "a manaza". Si salva solo la prototipazione. Le industrie cercano di capire cosa ci possono fare, ma disertano subito, del resto è la stessa storia che abbiamo già visto con il machine learning e compagnia cantante.
La montagna di merda prodotta in termini di contenuto social & Co. è talmente bella e qualitativa che tutti stanno correndo ai ripari con filtri ai-slop di qualche tipo perché gli utenti quella roba non la vogliono.
I nostri partner esterni che fanno Ai da prima che diventasse mainstream, ci hanno confermato che richieste di implementazione siamo vicini allo zero, ma sono pieni di richieste di revisione e cybersec test.
Tutti i big player cercano la "next big thing" e penso che abbiano inteso che l'Ai sia l'ultima possibilità di crearla per il mass market, ma non hanno considerato che questo pompaggio selvaggio, unito alla sua quasi inutilità nella CONCRETEZZA del quotidiano, sta solo innervosendo il mercato (inteso come utilizzatori finali), allontanando le persone da un suo utilizzo realmente funzionale (non considero la signora Maria che cerca la ricetta, peraltro quasi sempre sbagliata).
Io non vedo tutta questa disruption, anche perché la tecnologia è vecchia, ma l'ultimo tentativo di fare all in a discapito di tutto e tutti.
Grazie della testimonianza, mi pare allineata a quello che c’è scritto nel post. Il tema non è se l’AI sia utile ma se sia abbastanza utile per gli investimenti che vengono fatto, sia da chi la sviluppa che da chi la vuole adottare
Bellissimo articolo come sempre, interessante e approfondito.
Volevo aggiungere una cosa che ho letto tempo fa e trovato molto interessante: la maggior parte delle aziende di AI generativa è in perdita. Questo perché i prezzi degli abbonamenti (i classici 20€ per ChatGPT o Claude Premium) sono estremamente più bassi di quanto all'azienda costi davvero far funzionare quei modelli. Parliamo di 20€ di prezzo al consumatore contro migliaia di euro di costo effettivo per l'azienda. Nel 2024, Open AI aveva perdite operative di $5 miliardi, contro circa $3.7 miliardi di entrate. Queste aziende vanno avanti grazie agli investimenti che raccolgono, non al valore che producono; ma la pazienza degli investitori ha un limite.
L'idea era di iniziare con abbonamenti molto economici per attirare più consumatori possibili, e poi alzare i prezzi. Finora sembra aver funzionato, ma non siamo ancora arrivati al momento del rincaro: cosa succederà quando le persone si troveranno a dover pagare 50 e 60€ per il loro Chat Gpt premium? Saranno disposti a mantenere l'abbonamento, oppure no? E quanti rincari potranno tollerare, considerato che anche un prezzo di 50€ è lontanissimo dalla soglia della sostenibilità economica per le aziende?
Io credo che sia stato fatto tutto con troppa fretta. Le aziende ci hanno venduto l'AI generativa come la panacea a tutti i mali, abbiamo iniziato a usarla pure per farci fare la lista della spesa, e ora ci sembra di non poterne più fare a meno. Ma poche cose fanno rivalutare l'effettiva utilità di qualcosa come un grosso aumento dei prezzi.
Grazie Cecilia, quello che scrivi è giusto, c’è anche da aggiungere il costo che molto stanno sostenendo per la costruzione dei data center, che mette ulteriore pressione, stiamo a vedere
Tutto vero, però che siano in perdita nei primi anni non é un dramma né qualcosa di strano.
Che i prezzi degli abbonamenti siano insostenibili per l’azienda é chiarissimo, e non a caso ormai tutti hanno limiti al consumo o modelli che addirittura si pagano solo al consumo.
Da pochi giorni sono arrivate le Ads su ChatGPT anche in Italia, e ricordo bene che Altam le aveva definite l’ultima spiaggia tra le opzioni per la monetizzazione.
Il punto sul «momento iPhone» è importante, ma forse rischia di farci cercare la svolta nel posto sbagliato. L’iPhone non ha avuto successo perché gli utenti hanno dovuto ridisegnare i propri processi: ha incorporato in un oggetto quotidiano fotocamera, mappe, messaggi e web, con un costo di apprendimento molto basso. Nell’AI aziendale, invece, stiamo spesso chiedendo alle persone di aggiungere un’interfaccia conversazionale a processi che restano frammentati, pieni di eccezioni e senza dati affidabili.
Nell’esperienza con i sistemi agentici, il valore non emerge quando l’agente «fa tutto», ma quando gli si assegna un perimetro operativo stretto: raccogliere informazioni da fonti definite, preparare una prima istruttoria, aggiornare un CRM, controllare anomalie, proporre un’azione e lasciare a una persona l’autorizzazione nei punti che hanno conseguenze economiche o reputazionali. In questi casi non serve convincere l’organizzazione a reinventarsi da zero: si riduce un’attesa, un passaggio manuale o un costo di coordinamento misurabile.
Per questo il divario tra produttività e trasformazione rilevato da Gallup non è necessariamente un fallimento della tecnologia. È anche il segnale che molte aziende stanno ancora usando l’AI come assistente individuale, mentre la trasformazione richiede di progettare responsabilità, accessi ai dati, soglie di escalation e supervisione. Il prodotto mancante potrebbe non essere un nuovo chatbot universale, ma un modo affidabile di inserire capacità agentiche nei processi esistenti senza perdere controllo.
Su come organizzare questi confini operativi, la supervisione umana e la responsabilità degli output, abbiamo raccolto evidenze e casi negli Stati Generali dell’AI Agentica: https://datamoney.ch/api/report-agentica/vai?utm_source=substack&utm_medium=commento&utm_campaign=commento-monitor
Il punto sul «momento iPhone» è importante, ma forse rischia di farci cercare la svolta nel posto sbagliato. L’iPhone non ha avuto successo perché gli utenti hanno dovuto ridisegnare i propri processi: ha incorporato in un oggetto quotidiano fotocamera, mappe, messaggi e web, con un costo di apprendimento molto basso. Nell’AI aziendale, invece, stiamo spesso chiedendo alle persone di aggiungere un’interfaccia conversazionale a processi che restano frammentati, pieni di eccezioni e senza dati affidabili.
Nell’esperienza con i sistemi agentici, il valore non emerge quando l’agente «fa tutto», ma quando gli si assegna un perimetro operativo stretto: raccogliere informazioni da fonti definite, preparare una prima istruttoria, aggiornare un CRM, controllare anomalie, proporre un’azione e lasciare a una persona l’autorizzazione nei punti che hanno conseguenze economiche o reputazionali. In questi casi non serve convincere l’organizzazione a reinventarsi da zero: si riduce un’attesa, un passaggio manuale o un costo di coordinamento misurabile.
Per questo il divario tra produttività e trasformazione rilevato da Gallup non è necessariamente un fallimento della tecnologia. È anche il segnale che molte aziende stanno ancora usando l’AI come assistente individuale, mentre la trasformazione richiede di progettare responsabilità, accessi ai dati, soglie di escalation e supervisione. Il prodotto mancante potrebbe non essere un nuovo chatbot universale, ma un modo affidabile di inserire capacità agentiche nei processi esistenti senza perdere controllo.
Su come organizzare questi confini operativi, la supervisione umana e la responsabilità degli output, abbiamo raccolto evidenze e casi negli Stati Generali dell’AI Agentica: https://datamoney.ch/api/report-agentica/vai?utm_source=substack&utm_medium=commento&utm_campaign=commento-monitor
Credo che l’IA non evolverà proprio come aveva ipotizzato Altman ma in modo MOLTO diverso e più lento. Cambiare le abitudini è uno sforzo immane per la mente umana..
Serve qualcosa di comodo che provochi discontinuità, forse il gadget che sta progettando proprio Altman con Ive
Ho apprezzato l'articolo e le argomentazioni. Tuttavia, penso che bisogna anche iniziare a guardare la sostanza delle cose nel caro, vecchio mondo reale. Qualunque statistica andrebbe innanzitutto contestualizzata: chi sono i rispondenti e in che settore lavorano?
Piccolo disclaimer prima di continuare: ho una società di Advisory, abbiamo anche noi un innovation manager che con il sapiente uso di alcuni strumenti costruisce software e interfacce. Lavoriamo anche e soprattutto con player della digital transformation e i nostri clienti sono in gran parte commerciali e manufacturing.
Cosa posso dire delle Ai: gli LLM sono inaffidabili e drenano le risorse mentali degli utilizzatori. Ciò che producono in termini di output è quasi sempre dozzinale (dai testi al codice) e ci "costa" di più in revisioni e tentativi di controllarne il filo logico rientrando e uscendo dal flow, che se facessimo "a manaza". Si salva solo la prototipazione. Le industrie cercano di capire cosa ci possono fare, ma disertano subito, del resto è la stessa storia che abbiamo già visto con il machine learning e compagnia cantante.
La montagna di merda prodotta in termini di contenuto social & Co. è talmente bella e qualitativa che tutti stanno correndo ai ripari con filtri ai-slop di qualche tipo perché gli utenti quella roba non la vogliono.
I nostri partner esterni che fanno Ai da prima che diventasse mainstream, ci hanno confermato che richieste di implementazione siamo vicini allo zero, ma sono pieni di richieste di revisione e cybersec test.
Tutti i big player cercano la "next big thing" e penso che abbiano inteso che l'Ai sia l'ultima possibilità di crearla per il mass market, ma non hanno considerato che questo pompaggio selvaggio, unito alla sua quasi inutilità nella CONCRETEZZA del quotidiano, sta solo innervosendo il mercato (inteso come utilizzatori finali), allontanando le persone da un suo utilizzo realmente funzionale (non considero la signora Maria che cerca la ricetta, peraltro quasi sempre sbagliata).
Io non vedo tutta questa disruption, anche perché la tecnologia è vecchia, ma l'ultimo tentativo di fare all in a discapito di tutto e tutti.
Grazie della testimonianza, mi pare allineata a quello che c’è scritto nel post. Il tema non è se l’AI sia utile ma se sia abbastanza utile per gli investimenti che vengono fatto, sia da chi la sviluppa che da chi la vuole adottare
Allineata, certo, il mio commento era rivolto ai dati che portano le statistiche. Mi hai dato ispirazione per un post, grazie ;)
Bellissimo articolo come sempre, interessante e approfondito.
Volevo aggiungere una cosa che ho letto tempo fa e trovato molto interessante: la maggior parte delle aziende di AI generativa è in perdita. Questo perché i prezzi degli abbonamenti (i classici 20€ per ChatGPT o Claude Premium) sono estremamente più bassi di quanto all'azienda costi davvero far funzionare quei modelli. Parliamo di 20€ di prezzo al consumatore contro migliaia di euro di costo effettivo per l'azienda. Nel 2024, Open AI aveva perdite operative di $5 miliardi, contro circa $3.7 miliardi di entrate. Queste aziende vanno avanti grazie agli investimenti che raccolgono, non al valore che producono; ma la pazienza degli investitori ha un limite.
L'idea era di iniziare con abbonamenti molto economici per attirare più consumatori possibili, e poi alzare i prezzi. Finora sembra aver funzionato, ma non siamo ancora arrivati al momento del rincaro: cosa succederà quando le persone si troveranno a dover pagare 50 e 60€ per il loro Chat Gpt premium? Saranno disposti a mantenere l'abbonamento, oppure no? E quanti rincari potranno tollerare, considerato che anche un prezzo di 50€ è lontanissimo dalla soglia della sostenibilità economica per le aziende?
Io credo che sia stato fatto tutto con troppa fretta. Le aziende ci hanno venduto l'AI generativa come la panacea a tutti i mali, abbiamo iniziato a usarla pure per farci fare la lista della spesa, e ora ci sembra di non poterne più fare a meno. Ma poche cose fanno rivalutare l'effettiva utilità di qualcosa come un grosso aumento dei prezzi.
Vedremo cosa succederà.
Fonte: https://www.mindstudio.ai/blog/ai-pricing-shock-end-of-cheap-subscriptions
Grazie Cecilia, quello che scrivi è giusto, c’è anche da aggiungere il costo che molto stanno sostenendo per la costruzione dei data center, che mette ulteriore pressione, stiamo a vedere
Tutto vero, però che siano in perdita nei primi anni non é un dramma né qualcosa di strano.
Che i prezzi degli abbonamenti siano insostenibili per l’azienda é chiarissimo, e non a caso ormai tutti hanno limiti al consumo o modelli che addirittura si pagano solo al consumo.
Da pochi giorni sono arrivate le Ads su ChatGPT anche in Italia, e ricordo bene che Altam le aveva definite l’ultima spiaggia tra le opzioni per la monetizzazione.
Che sia un segnale anche questo? Vedremo 👌
“I primi anni” stanno passando e i bilanci sono sempre più in rosso, seguo la storia come la migliore serie tv di sempre