Per il 2024, gli analisti di Forrester hanno selezionato alcune tecnologie emergenti in base agli orizzonti dei benefici raggiungibili: approfondiamone alcune. Osserveremo i vantaggi derivati da GenAI, sicurezza IoT e TuringBots immediatamente; AI agents, mobilità autonoma, Edge Intelligence e Quantum Security sveleranno il loro potenziale a medio termine, tra i 2 e i 5 anni, mentre per valutare i benefici concreti di Extended Reality (XR) e Zero Trust Edge si considera un orizzonte a lungo termine, oltre i 5 anni.
L’intelligenza artificiale generativa per i contenuti visivi rappresenta un importante potenziale per marketer e altre figure creative, ma al tempo stesso introduce anche nuove problematiche legate alla proprietà intellettuale che andranno analizzate e regolamentate. Modelli avanzati di machine learning che generano immagini, video, composizioni musicali si stanno diffondendo con rapidità impressionante. L’utilizzo informato di questi strumenti rivoluzionerà i processi creativi e promette numerosi benefici, accanto agli ovvi rischi (deepfake, immagini filologicamente non accurate, responsabilità legali per violazione del copyright dei dati di addestramento o dei contenuti visivi prodotti).
Ad avvantaggiarsi maggiormente della produzione con GenAI – secondo Forrester con un ritorno sugli investimenti previsto entro un anno o due – saranno le multinazionali globali che gestiscono un ampio e diversificato portafoglio di più brand, con grossi budget e capacità mediatiche importanti. Alcuni esempi sono la recente partnership tra L’Oreal e NVIDIA, basata sullo GenAI Content Lab – spazio di sperimentazione creativa per la produzione non solo di contenuti legati al marketing e per consolidare il rapporto con i clienti, ad esempio le consulenze virtuali sempre più precise su pelle e tonalità, ma anche per il brainstorming e la progettazione interna (la piattaforma Omniverse per costruire modelli 3D dettagliati dei prodotti, operazione che abbatte tempo e risorse normalmente impiegate per progettare e pianificare la presentazione dei prodotti stessi). Altro esempio, la partnership strategica tra The Coca-Cola Company e Microsoft – con un investimento di 1,1 miliardi di dollari per implementare e sviluppare casi d’uso di AI generativa innovativi in varie funzioni aziendali, dal marketing alla produzione fino alla supply chain.
GenAI per contenuti visivi e GenAI per il linguaggio sono state analizzate singolarmente, perché si stanno evolvendo intorno a modelli, casi d’uso e fornitori differenti.
La GenAI per il Linguaggio include modelli di linguaggio di grandi dimensioni (LLM), Natural Language Querying (NQL) e elaborazione del linguaggio naturale basata su trasformatori (vedi Figura 3). Questi modelli alimentano comunemente le interfacce AI basate sul linguaggio come chatbot AI, assistenti di scrittura AI e assistenti virtuali. Hanno anche assunto un ruolo centrale come motori di generazione di codice per i TuringBots e la creazione di dati sintetici. I flussi di lavoro collaborativi e le pratiche di gestione della conoscenza in aree come il supporto clienti, la creazione di contenuti e l’analisi dei testi si trasformeranno nel tempo. Le innovazioni multimodali si integreranno sempre meglio con i modelli di GenAI per contenuti visivi, espandendo i casi d’uso in meno di due anni. Oltre alle conversazioni, le distribuzioni degli agenti AI stanno sperimentando gli LLM come motori decisionali per pianificare e orchestrare azioni come l’analisi approfondita, l’elaborazione delle richieste, il pagamento delle fatture e il servizio clienti. Gli analisti si aspettano una domanda crescente per modelli specifici, specializzati per domini e settori diversi. La proliferazione di dispositivi e piattaforme basate su GenAI per il linguaggio e di modelli LLM sempre più sofisticati, che non si limitano più alla creazione di soli contenuti testuali come in origine, avanzerà quindi sia pure tra le oggettive difficoltà legate alla potenziale esplosione di attacchi alla sicurezza: dal bias dell’automazione alle linee guida per l’utilizzo di strumenti AI non regolamentati in azienda.
La sicurezza IoT sta evolvendo per proteggere dati e dispositivi critici
Parliamo di quelle tecnologie che combinano la sicurezza dei dispositivi IoT, delle applicazioni e delle reti per identificare, proteggere, gestire, autenticare e autorizzare i dispositivi IoT, proteggere i dati, controllare l’accesso ai dispositivi e consentire il deployment sicuro del firmware. La tecnologia di sicurezza IoT include componenti familiari alla gestione e alla sicurezza degli endpoint: gestione delle risorse, gestione delle identità e degli accessi (IAM), gestione della sicurezza dei dati, rete Zero Trust e gestione del rischio della superficie d’attacco. Per la maggior parte delle aziende, l’implementazione di soluzioni di sicurezza IoT crescerà di pari passo con altri servizi legati alla cybersecurity: i fornitori offrono sempre più funzionalità come parte di altre piattaforme.
Le tecnologie di sicurezza IoT riducono le possibilità di compromettere dati critici e possono accelerare il valore della tecnologia dell’intelligenza edge. Le soluzioni tradizionali di sicurezza degli endpoint e di gestione della superficie d’attacco non sono attrezzate per proteggere questi dispositivi.
In particolare le industrie che mescolano l’interazione umana con la tecnologia, come l’assistenza sanitaria o il settore bancario, lavoreranno abitualmente con più dispositivi IoT. Poiché queste industrie hanno distribuito dispositivi IoT anni fa, devono affrontare la sfida di gestire dispositivi legacy insieme a nuove tecnologie intelligenti. Questo richiederà alle organizzazioni di scegliere una soluzione di sicurezza IoT più flessibile e capace di operare in questi ambienti eterogenei.
L’accelerazione dei TuringBots libererà la creatività dei team di sviluppo software
Gli analisti di Forrester inseriscono i TuringBots nella lista delle principali tecnologie da tenere d’occhio per il terzo anno di seguito: i software alimentati da AI stanno potenziando le capacità dei team di sviluppo per pianificare, analizzare, progettare, codificare, testare e distribuire applicazioni.I TuringBots sono destinati ad accelerare i cicli di innovazione e a ridurre i compiti manuali nel ciclo di sviluppo, rendendo lo sviluppo più veloce, scalabile, di maggiore qualità e più collaborativo.
Le aziende che introducono il low-code vedranno benefici maggiori più rapidamente. Le industrie in cui le esperienze digitali e le applicazioni personalizzate offrono un vantaggio competitivo, vedranno l’impatto maggiore per prime. Anche le aziende di servizi finanziari e le fintech stanno già trovando modi per utilizzare i TuringBots per la codifica e i test. A lungo termine, i TuringBots aiuteranno le organizzazioni tradizionali a migrare interi stack software da vecchie tecnologie a nuove piattaforme basate su cloud e microservizi.
AI agents, mobilità autonoma, Edge AI e sicurezza quantistica sono inclusi dagli analisti di Forrester in un orizzonte di beneficio a medio termine.
Per mobilità autonoma si intende una combinazione di hardware, software, dati e infrastrutture di comunicazione sui veicoli e intorno a essi, che permette loro di percepire e rispondere all’ambiente con poco o nessun input umano. La mobilità autonoma fa parte di un panorama più ampio di automazione con connettività ubiqua e comunicazione dei dati in tempo quasi reale al centro del processo decisionale, della generazione di insight e del coinvolgimento dei clienti. I produttori di veicoli adotteranno l’interoperabilità dei dati, poiché devono condividere dati con partner e concorrenti, secondo un modello di comunicazione veicolo-veicolo e veicolo-infrastruttura.
I veicoli passeggeri completamente autonomi sono ancora lontani dall’essere diffusi. La mobilità autonoma permetterà un miglioramento del trasporto personale – i veicoli passeggeri moderni utilizzano già sensori e telecamere per cambiare corsia o mantenere una distanza di sicurezza dagli altri veicoli – anche se le esperienze completamente autonome richiederanno tecnologia più avanzata e una migliore integrazione con i sistemi esterni al veicolo. Le auto autonome promettono di ridurre gli incidenti, ottimizzare il flusso del traffico e migliorare la qualità dell’aria. Potrebbero anche migliorare l’esperienza a bordo, consentendo ai passeggeri di svolgere altre attività durante la guida. Tuttavia, le preoccupazioni sottostanti sulla sicurezza personale e sulla sicurezza dei dati, nonché l’esitazione dei conducenti a rinunciare all’autonomia personale, continueranno a rendere difficile per i produttori fornire questi benefici.
La mobilità autonoma sosterrà ecosistemi di trasporto resilienti entro i prossimi due-cinque anni: la mobilità autonoma accelererà le collaborazioni tra costruttori, manutentori, regolatori e operatori di trasporto. I partecipanti orchestreranno esperienze di mobilità personalizzate, sia per i clienti che per le aziende. Emergeranno nuovi modelli di business per la mobilità come servizio, coinvolgendo assicurazioni, finanza, ospitalità e media. Un’ampia gamma di attori potrebbe assumere la leadership dell’orchestrazione del servizio, inclusi produttori automobilistici, trasporto pubblico, servizi finanziari o organizzazioni tecnologiche.
Nel breve termine, saranno gli operatori commerciali e logistici e il settore pubblico a vedere i primi benefici. Camion, treni, navi e droni autonomi stanno rapidamente avanzando nella logistica commerciale e nel trasporto pubblico. La mobilità autonoma sta trasformando le industrie ad alta intensità di asset come la manifattura, le costruzioni e la logistica attraverso robot industriali, droni e robot mobili autonomi, ma anche il settore dell’agricoltura. Queste tecnologie affrontano sfide come la carenza di manodopera e l’aumento dei costi energetici, migliorando le operazioni della catena di fornitura e l’esperienza del cliente nella vendita al dettaglio. Queste tecnologie si integreranno con i sistemi di gestione del traffico e il tracciamento della catena di fornitura, migliorando l’efficienza e la prevedibilità adattandosi in tempo reale alle condizioni meteorologiche e del traffico.
