Cinque informazioni per un’adozione più intelligente dell’AI aziendale

 L’intelligenza artificiale non è più un concetto futuristico o uno strumento esclusivo delle aziende più avanzate. Per le aziende di tutto il mondo, l’AI sta diventando un elemento centrale della trasformazione del business, poiché supporta un processo decisionale più intelligente, un’efficienza superiore e un maggior vantaggio competitivo. Ma in che modo le aziende adottano l’AI e quali sfide devono affrontare per dimensionarla in modo efficace? 

Per rispondere a queste domande, abbiamo condotto il sondaggio di Dell Technologies sull’adozione dell’AI aziendale, a cui hanno partecipato 3.800 responsabili delle decisioni IT (ITDM) e professionisti dell’AI in cinque paesi. I risultati forniscono informazioni dettagliate sull’attuale stato di utilizzo globale dell’AI e sugli acceleratori che aiutano le aziende a raggiungere i loro obiettivi aziendali nell’ambito dell’intelligenza artificiale a realizzare valore. Continua a leggere per scoprire cinque informazioni chiave emerse dalla nostra ricerca. 

1. I dati sono la chiave per mettere ordine nel tuo ambiente AI 

L’efficacia dell’AI è direttamente proporzionale alla qualità dei dati su cui si basa e le aziende hanno difficoltà a gestire e sfruttare i dati in modo efficiente. Le aziende hanno citato la qualità, la disponibilità, la gestione e la sicurezza dei dati come principali ostacoli tecnici all’implementazione dell’AI. 

Senza dati puliti, ben organizzati e accessibili, anche i modelli di AI avanzati forniranno prestazioni scadenti. Queste problematiche suggeriscono che le organizzazioni dovrebbero concentrarsi sullo sviluppo di strategie che diano priorità all’integrazione ottimale dei dati, a misure di sicurezza avanzate e a soluzioni scalabili per dataset di grandi dimensioni. 

2. La flessibilità è fondamentale per il posizionamento dei carichi di lavoro AI 

La nostra ricerca mostra che un approccio multicloud è un’opzione interessante per le aziende che desiderano eseguire i carichi di lavoro AI: 

• Il 79% dei casi d’uso dell’AI in produzione viene eseguito al di fuori del public cloud 
• Il 98% delle organizzazioni ha calcolato i costi complessivi di gestione (TCO) per i casi d’uso dell’AI nel public cloud 

I carichi di lavoro AI con il maggiore impatto sono spesso legati a dati che si trovano ancora in ambienti locali.  Il public cloud offre praticità per la sperimentazione, ma ha un prezzo elevato: un’analisi di ESG del 2024 ha rilevato che l’inferenza on-premise può essere fino al 75% più conveniente rispetto al public cloud. Per gli investimenti in AI scalabili e a lungo termine, le soluzioni on-premise spesso favoriscono un miglior ritorno sul capitale investito, che la maggior parte delle organizzazioni ha scoperto dopo aver calcolato il TCO. Ma non si tratta solo di denaro: i deployment on-premise offrono anche maggiore sicurezza e governance, il che è particolarmente utile per i settori con rigorose esigenze di conformità come i servizi finanziari e l’assistenza sanitaria. Questo evidenzia la necessità di considerare attentamente il TCO per casi d’uso differenti e collocare i carichi di lavoro AI con il giusto equilibrio tra prestazioni, sicurezza e scalabilità. 

3. Aumenta l’efficienza del data center sfruttando l’alimentazione disponibile 

Nonostante la crescente discussione su alimentazione e raffreddamento come colli di bottiglia per l’adozione dell’AI, il nostro sondaggio ha indicato che le aziende potrebbero trascurare l’alimentazione bloccata e le soluzioni disponibili oggi: 

• Il 39% dell’alimentazione dei data center non viene utilizzato 
• Il 67% dei server GPU utilizzerà il raffreddamento a liquido direct-to-chip nei prossimi tre anni 

Mentre si preoccupano dei requisiti energetici per dimensionare l’AI, gli operatori di data center tralasciano una grande quantità di potenza. Le aziende devono ottimizzare la capacità di alimentazione del data center esistente prima di investire in costosi retrofit o nuove realizzazioni. È inoltre possibile liberare ulteriore energia bloccata aggiornando l’infrastruttura esistente da server rack 14G a 16/17G. 

Guardando al futuro, la crescente adozione di innovazioni come il raffreddamento a liquido direct-to-chip sarà un fattore chiave per affrontare i vincoli di potenza e prestazioni delle GPU, con la contemporanea riduzione dei costi di raffreddamento del data center e l’aumento della scalabilità per i deployment di AI aziendale. 

4. Pregiudizi verso l’open source e la necessità di supporto per il deployment dei carichi di lavoro AI on-premise 

Le organizzazioni si stanno muovendo in direzione di una maggior trasparenza e flessibilità nei loro ecosistemi AI, nonché verso fornitori che offrono un unico punto di riferimento: 

• Si prevede che il 63% dei casi d’uso dell’AI utilizzerà modelli open source nei prossimi 12 mesi 

• Il 77% delle organizzazioni desidera che i vendor di infrastrutture forniscano funzionalità in tutti gli aspetti del percorso di adozione dell’AI 

• L’83% delle organizzazioni desidera che i vendor di AI PC forniscano funzionalità in tutti gli aspetti del percorso di adozione dell’AI 

Questo passaggio a framework open source evidenzia la richiesta di soluzioni personalizzabili, trasparenti e a costi contenuti. Gli ecosistemi aperti offrono ampie funzionalità oltre a quelle che qualsiasi singolo vendor può fornire. Per soddisfare le loro esigenze specifiche, i responsabili delle decisioni IT cercano vendor con soluzioni AI end-to-end in grado di favorire l’integrazione completa dell’intelligenza artificiale nell’intero ambiente IT. 

5. I modelli di piccole dimensioni in esecuzione sui dispositivi forniscono un altro livello di flessibilità per i casi d’uso dell’AI

Gli AI PC sono un’opzione interessante per democratizzare l’accesso all’AI, soprattutto con l’impiego di modelli linguistici di piccole dimensioni (SLM): 

• Il 35% delle organizzazioni prevede di testare SLM (modelli linguistici di piccole dimensioni) sui AI PC nei prossimi 12 mesi 

A differenza delle controparti di grandi dimensioni, gli SLM sono più efficienti in termini di costi ed energia, poiché richiedono meno potenza di elaborazione e sono sufficienti per molte applicazioni, come gli assistenti di codice. 

Cosa potrebbe significare tutto questo per le aziende? Gli SLM supportano l’elaborazione AI integrata nei dispositivi e in tempo reale, che non solo riduce la latenza, ma migliora anche la produttività e riduce al minimo l’impatto ambientale. L’adozione degli AI PC da parte delle aziende potrebbe migliorare ulteriormente l’accessibilità delle soluzioni AI per i team di tutte le dimensioni, offrendo ai dipendenti potenti strumenti per la collaborazione e l’automazione. 

Potenzia il tuo percorso verso l’AI in tutta sicurezza 

Cosa comporta tutto questo per le aziende oggi? In base ai nostri risultati, gli acceleratori chiave dell’adozione dell’intelligenza artificiale sono: 

• Valutazione del TCO per ottimizzare la combinazione di deployment cloud, on-premise ed edge in base al caso d’uso 
• Miglioramento della qualità, dell’accesso e della gestione dei dati 
• Utilizzo ottimizzato dell’attuale capacità di alimentazione dei data center per i carichi di lavoro AI 
• Adozione di modelli e framework open source per la collaborazione e l’innovazione 
• Esecuzione di SLM su AI PC per aumentare l’efficienza e l’accessibilità 

L’AI è diventata un fattore essenziale, non più opzionale, per promuovere il vantaggio competitivo e l’eccellenza operativa nel panorama aziendale odierno. Sebbene abbia il potenziale per supportare efficienze diffuse e innovazioni rivoluzionarie, il successo di un’organizzazione sarà determinato dalle decisioni prese adesso. 

Vuoi compiere il passo successivo? Lo scopo di Dell Technologies è aiutarti a definire una strategia AI funzionale per la tua organizzazione. Contattaci per richiedere ulteriori informazioni sulle nostre soluzioni AI e su come possono consentire al tuo team di ottenere di più.