Produttività alimentata da AI L’AI generativa apre una nuova era di efficienza in tutti i settori

AI generativa alimenta produttività in tutti i settori

Un momento di svolta il 22 novembre 2022, che è stato per lo più virtuale, ma ha scosso le fondamenta di quasi ogni settore del pianeta.

In quel giorno, OpenAI ha rilasciato ChatGPT, il chatbot di intelligenza artificiale più avanzato mai sviluppato. Questo ha generato una domanda di applicazioni di intelligenza artificiale generativa che aiutano le aziende a diventare più efficienti, fornendo risposte alle domande dei consumatori, accelerando il lavoro dei ricercatori nella ricerca di scoperte scientifiche e molto altro ancora.

Le aziende che in passato si sono avvicinate all’IA ora si stanno affrettando ad adottare e implementare le ultime applicazioni. L’IA generativa, cioè la capacità degli algoritmi di creare nuovi testi, immagini, suoni, animazioni, modelli 3D e persino codice informatico, sta avanzando a grande velocità, trasformando il modo in cui le persone lavorano e si divertono.

Utilizzando grandi modelli di linguaggio (LLM) per gestire le richieste, la tecnologia può ridurre drasticamente il tempo che le persone dedicano a compiti manuali come la ricerca e la compilazione delle informazioni.

Le sfide sono elevate. Secondo PwC, l’IA potrebbe contribuire con più di 15 trilioni di dollari all’economia globale entro il 2030. E l’impatto dell’adozione dell’IA potrebbe essere maggiore delle invenzioni di Internet, della banda larga mobile e dello smartphone – messe insieme.

Il motore che guida l’IA generativa è il calcolo accelerato. Utilizza GPU, DPU e networking insieme alle CPU per accelerare le applicazioni in diversi settori come la scienza, l’analisi, l’ingegneria, così come per i consumatori e le imprese.

I primi adottanti in diversi settori, dalla scoperta di farmaci, ai servizi finanziari, al commercio al dettaglio e alle telecomunicazioni, dall’energia all’istruzione superiore e al settore pubblico, stanno combinando il calcolo accelerato con l’IA generativa per trasformare le operazioni aziendali, le offerte di servizi e la produttività.

Fai clic per visualizzare l’infografica: Generare la prossima ondata di trasformazione dell’IA

IA generativa per la scoperta di farmaci

Oggi, i radiologi utilizzano l’IA per rilevare anomalie nelle immagini mediche, i medici la utilizzano per esaminare le cartelle cliniche e scoprire informazioni sui pazienti e i ricercatori la utilizzano per accelerare la scoperta di nuovi farmaci.

La scoperta di farmaci tradizionale è un processo intensivo in termini di risorse che può richiedere la sintesi di oltre 5.000 composti chimici e produce un tasso di successo medio del solo 10%. E ci vogliono più di dieci anni perché la maggior parte dei nuovi candidati ai farmaci raggiunga il mercato.

I ricercatori stanno ora utilizzando modelli di IA generativa per leggere la sequenza di amminoacidi di una proteina e prevedere con precisione la struttura delle proteine target in pochi secondi, anziché settimane o mesi.

Utilizzando i modelli NVIDIA BioNeMo, Amgen, un leader globale nel settore biotecnologico, ha ridotto il tempo necessario per personalizzare i modelli per lo screening e l’ottimizzazione delle molecole da tre mesi a poche settimane. Questo tipo di modello di base addestrabile consente agli scienziati di creare varianti per la ricerca su specifiche malattie, consentendo loro di sviluppare trattamenti mirati per condizioni rare.

Sia che si tratti di prevedere strutture proteiche o addestrare algoritmi in modo sicuro su grandi set di dati reali e sintetici, l’IA generativa e il calcolo accelerato stanno aprendo nuovi ambiti di ricerca che possono contribuire a mitigare la diffusione delle malattie, consentire trattamenti medici personalizzati e aumentare i tassi di sopravvivenza dei pazienti.

IA generativa per i servizi finanziari

Secondo un recente sondaggio NVIDIA, i principali casi d’uso dell’IA nell’industria dei servizi finanziari riguardano i servizi per i clienti e le analisi approfondite, dove l’elaborazione del linguaggio naturale e i LLM vengono utilizzati per rispondere meglio alle richieste dei clienti e scoprire informazioni sugli investimenti. Un’altra applicazione comune si trova nei sistemi di raccomandazione che alimentano esperienze bancarie personalizzate, ottimizzazione del marketing e consulenza sugli investimenti.

Le applicazioni avanzate di IA hanno il potenziale per aiutare il settore a prevenire meglio le frodi e trasformare ogni aspetto della banca, dalla pianificazione del portafoglio e la gestione del rischio alla conformità e all’automazione.

L’80% delle informazioni rilevanti per le aziende è in formato non strutturato, principalmente testo, il che lo rende un candidato ideale per l’IA generativa. Bloomberg News produce 5.000 storie al giorno legate alla comunità finanziaria e degli investimenti. Queste storie rappresentano un vasto tesoro di dati di mercato non strutturati che possono essere utilizzati per prendere decisioni di investimento tempestive.

NVIDIA, Deutsche Bank, Bloomberg e altri stanno creando LLM addestrati su dati specifici del settore e proprietari per alimentare applicazioni finanziarie.

I “FinFormers” finanziari possono apprendere il contesto e comprendere il significato dei dati finanziari non strutturati. Possono alimentare chatbot di domande e risposte, riassumere e tradurre testi finanziari, fornire segnali precoci di rischio controparte, recuperare rapidamente dati e identificare problemi di qualità dei dati.

Questi strumenti di IA generativa si basano su framework che possono integrare dati proprietari nell’addestramento e nel perfezionamento del modello, integrare la cura dei dati per prevenire il bias e utilizzare indicatori per mantenere conversazioni specifiche del settore finanziario.

Prevediamo che le startup fintech e le grandi banche internazionali espanderanno l’uso di LLM e IA generativa per sviluppare assistenti virtuali sofisticati per servire le parti interessate interne ed esterne, creare contenuti personalizzati iper-personalizzati, automatizzare la sintesi dei documenti per ridurre il lavoro manuale e analizzare terabyte di dati pubblici e privati per generare informazioni sugli investimenti.

AI Generativa per il Commercio al Dettaglio

Con il 60% di tutti i percorsi di acquisto che iniziano online e i consumatori sempre più connessi e informati, l’AI è diventata uno strumento vitale per aiutare i rivenditori a soddisfare le aspettative in continua evoluzione e a differenziarsi da una crescente concorrenza.

I rivenditori utilizzano l’AI per migliorare l’esperienza dei clienti, alimentare la tarificazione dinamica, creare segmentazioni dei clienti, progettare raccomandazioni personalizzate e effettuare ricerche visive.

L’AI generativa può supportare i clienti e i dipendenti in ogni fase del percorso di acquisto.

Con modelli di AI addestrati su dati specifici di marca e prodotto, possono generare descrizioni di prodotti robuste che migliorano la classifica dell’ottimizzazione dei motori di ricerca e aiutano i consumatori a trovare il prodotto esatto che cercano. Ad esempio, l’AI generativa può utilizzare i metatag contenenti attributi del prodotto per generare descrizioni di prodotti più complete che includono termini come “a basso contenuto di zucchero” o “senza glutine”.

Gli assistenti virtuali di AI possono controllare i sistemi di pianificazione delle risorse aziendali e generare messaggi di servizio clienti per informare i consumatori su quali articoli sono disponibili e quando verranno spediti gli ordini, e persino assistere i clienti con richieste di modifica degli ordini.

Fashable, membro della rete globale di startup tecnologiche di NVIDIA Inception, utilizza l’AI generativa per creare design virtuali di abbigliamento, eliminando la necessità di tessuto fisico durante lo sviluppo del prodotto. Con i modelli addestrati sia su dati proprietari che di mercato, ciò riduce l’impatto ambientale del design di moda e aiuta i rivenditori a progettare abiti secondo le tendenze e i gusti attuali del mercato.

Prevediamo che i rivenditori utilizzeranno l’AI per catturare e mantenere l’attenzione dei clienti, offrire esperienze di shopping superiori e aumentare i ricavi abbinando i consumatori ai prodotti giusti al momento giusto.

AI Generativa per le Telecomunicazioni

In un sondaggio NVIDIA che copre l’industria delle telecomunicazioni, il 95% dei rispondenti ha dichiarato di essere impegnato con l’AI, mentre due terzi credevano che l’AI sarebbe stata importante per il successo futuro della propria azienda.

Sia che si tratti di migliorare il servizio clienti, ottimizzare le operazioni e la progettazione delle reti, supportare i tecnici sul campo o creare nuove opportunità di monetizzazione, l’AI generativa ha il potenziale per reinventare l’industria delle telecomunicazioni.

Le aziende di telecomunicazioni possono addestrare modelli di AI diagnostici con dati proprietari su attrezzature e servizi di rete, prestazioni, problemi di ticket, rilevamenti sul campo e altro ancora. Questi modelli possono accelerare la risoluzione dei problemi di prestazioni tecniche, consigliare progettazioni di reti, verificare le configurazioni di rete per la conformità, prevedere guasti delle attrezzature e identificare e rispondere a minacce di sicurezza.

Le applicazioni di AI generativa su dispositivi portatili possono supportare i tecnici sul campo scansionando le attrezzature e generando tutorial virtuali per guidarli durante le riparazioni. Le guide virtuali possono poi essere potenziate con la realtà aumentata, consentendo ai tecnici di analizzare le attrezzature in un ambiente immersivo 3D o di chiedere supporto a un esperto remoto.

Si apriranno anche nuove opportunità di guadagno per le aziende di telecomunicazioni. Con grandi infrastrutture di bordo e accesso a vaste raccolte di dati, le aziende di telecomunicazioni di tutto il mondo offrono ora l’AI generativa come servizio a clienti aziendali e governativi.

Con l’avanzamento dell’AI generativa, prevediamo che i provider di telecomunicazioni utilizzeranno la tecnologia per ottimizzare le prestazioni di rete, migliorare il supporto clienti, rilevare intrusioni di sicurezza e potenziare le operazioni di manutenzione.

AI Generativa per l’Energia

Nell’industria dell’energia, l’AI alimenta la manutenzione preventiva e l’ottimizzazione degli asset, la gestione delle reti intelligenti, le previsioni di energia rinnovabile, la sicurezza delle reti e altro ancora.

Per soddisfare le crescenti esigenze di dati su infrastrutture invecchiate e nuove normative di conformità governativa, gli operatori energetici si affidano all’AI generativa.

Negli Stati Uniti, le compagnie di servizi pubblici elettrici spendono miliardi di dollari ogni anno per ispezionare, mantenere e aggiornare l’infrastruttura di generazione e trasmissione di energia.

Fino a poco tempo fa, l’uso dell’AI visiva per supportare l’ispezione richiedeva che gli algoritmi fossero addestrati su migliaia di foto di asset di rete raccolte e etichettate manualmente, con i dati di addestramento costantemente aggiornati per nuovi componenti. Ora, l’AI generativa può fare gran parte del lavoro pesante.

Con un piccolo set di dati di addestramento delle immagini, gli algoritmi possono generare migliaia di immagini fisicamente accurate per addestrare modelli di visione artificiale che aiutano i tecnici sul campo a identificare la corrosione, le rotture, gli ostacoli delle attrezzature di rete e persino a rilevare gli incendi boschivi. Questo tipo di manutenzione proattiva migliora l’affidabilità e la resilienza della rete riducendo i tempi di inattività, riducendo al minimo la necessità di inviare squadre sul campo.

L’AI generativa può anche ridurre la necessità di ricerca e analisi manuali. Secondo McKinsey, i dipendenti dedicano fino a 1,8 ore al giorno alla ricerca di informazioni, quasi il 20% della settimana lavorativa. Per aumentare la produttività, le aziende energetiche possono addestrare modelli di apprendimento del linguaggio naturale su dati proprietari, tra cui appunti di riunioni, registrazioni SAP, e-mail, migliori pratiche sul campo e dati pubblici come schede di dati sui materiali standard.

Con questo tipo di repository di conoscenza collegato a un chatbot di AI, gli ingegneri e i data scientist possono ottenere risposte immediate a domande altamente tecniche. Ad esempio, un ingegnere di manutenzione che risolve problemi di controllo passo su un sistema idraulico di una turbina potrebbe chiedere al chatbot: “Come dovrei regolare la pressione o il flusso idraulico per correggere i problemi di controllo passo su una turbina modello dell’azienda X?” Un modello adeguatamente addestrato fornirebbe istruzioni specifiche all’utente, che non dovrebbe cercare risposte in un manuale ingombrante.

Con le applicazioni di intelligenza artificiale per la progettazione di nuovi sistemi, l’assistenza clienti e l’automazione, ci si aspetta che l’IA generativa migliori la sicurezza e l’efficienza energetica e riduca i costi operativi nel settore dell’energia.

L’IA generativa per l’istruzione superiore e la ricerca

Dai sistemi di tutoraggio intelligente alla valutazione automatica degli elaborati, l’IA viene impiegata nell’istruzione da decenni. Mentre le università utilizzano l’IA per migliorare le esperienze degli insegnanti e degli studenti, stanno sempre più dedicando risorse alla creazione di iniziative di ricerca incentrate sull’IA.

Ad esempio, i ricercatori dell’Università della Florida hanno accesso a uno dei supercomputer accademici più veloci al mondo. Lo hanno utilizzato per sviluppare GatorTron, un modello di elaborazione del linguaggio naturale che consente ai computer di leggere e interpretare il linguaggio medico nelle note cliniche archiviate nei registri elettronici della salute. Con un modello che comprende il contesto medico, gli sviluppatori di IA possono creare numerose applicazioni mediche, come app di dettatura che supportano i medici nella compilazione automatica delle cartelle cliniche.

In Europa, una collaborazione tra industria e università che coinvolge il Politecnico di Monaco sta dimostrando che i LLM addestrati su dati genomici possono generalizzare su una moltitudine di compiti genomici, a differenza degli approcci precedenti che richiedevano modelli specializzati. Il LLM genomico è destinato ad aiutare gli scienziati a comprendere le dinamiche di come il DNA viene tradotto in RNA e proteine, aprendo nuove applicazioni cliniche che gioveranno alla scoperta di farmaci e alla salute.

Per condurre questo tipo di ricerca innovativa e attirare gli studenti più motivati e i professionisti accademici qualificati, gli istituti di istruzione superiore dovrebbero considerare un approccio di università intera per condividere il budget, pianificare le iniziative di IA e distribuire risorse e benefici dell’IA tra le discipline.

L’IA generativa per il settore pubblico

Oggi, la più grande opportunità per l’IA nel settore pubblico è aiutare i pubblici dipendenti a svolgere il loro lavoro in modo più efficiente e risparmiare risorse.

Il governo federale degli Stati Uniti impiega oltre 2 milioni di dipendenti civili, due terzi dei quali svolgono lavori professionali e amministrativi.

Questi ruoli amministrativi spesso comportano attività manuali che richiedono molto tempo, come la stesura, la modifica e il riassunto di documenti, l’aggiornamento di database, la registrazione delle spese per la revisione e la conformità e la risposta alle richieste dei cittadini.

Per controllare i costi e migliorare l’efficienza delle funzioni di lavoro di routine, le agenzie governative possono utilizzare l’IA generativa.

La capacità dell’IA generativa di riassumere documenti ha un grande potenziale per aumentare la produttività di decisori politici, funzionari, ufficiali di approvvigionamento e appaltatori. Prendiamo ad esempio un rapporto di 756 pagine recentemente pubblicato dalla Commissione sulla sicurezza nazionale sull’intelligenza artificiale. Con rapporti e leggi che spesso coprono centinaia di pagine di testo accademico o legale denso, i riassunti generati dall’IA in pochi secondi possono rapidamente analizzare contenuti complessi in linguaggio semplice, risparmiando le risorse umane altrimenti necessarie per completare il compito.

Gli assistenti virtuali e i chatbot alimentati da LLM possono fornire istantaneamente informazioni rilevanti alle persone online, alleggerendo il carico di lavoro del personale sovraccaricato che lavora nei call center di agenzie come il Dipartimento del Tesoro, l’IRS e il DMV.

Con semplici input di testo, la generazione di contenuti AI può aiutare i pubblici dipendenti a creare e distribuire pubblicazioni, corrispondenza via email, rapporti, comunicati stampa e annunci di servizio pubblico.

Le capacità analitiche dell’IA possono anche contribuire a elaborare documenti per accelerare la fornitura di servizi vitali forniti da organizzazioni come Medicare, Medicaid, Veterans Affairs, USPS e il Dipartimento di Stato.

L’IA generativa potrebbe essere uno strumento fondamentale per aiutare gli enti governativi a lavorare all’interno dei limiti di bilancio, fornire servizi governativi più rapidamente e ottenere un sentimento pubblico positivo.

L’IA generativa: un ingrediente chiave per il successo aziendale

In ogni settore, le organizzazioni stanno trasformando la produttività dei dipendenti, migliorando i prodotti e offrendo servizi di migliore qualità grazie all’IA generativa.

Per mettere in pratica l’IA generativa, le aziende hanno bisogno di una quantità estesa di dati, di una profonda competenza in AI e di una potenza di calcolo sufficiente per distribuire e mantenere i modelli rapidamente. Le imprese possono accelerare l’adozione con il framework di intelligenza artificiale generativa NeMo, parte del software NVIDIA AI Enterprise, in esecuzione su DGX Cloud. I modelli fondamentali preaddestrati di NVIDIA offrono un approccio semplificato per la creazione e l’esecuzione di soluzioni personalizzate di IA generativa per casi d’uso aziendali unici.

Scopri di più sugli strumenti potenti di IA generativa per aiutare la tua azienda a incrementare la produttività, automatizzare compiti e scoprire nuove opportunità per dipendenti e clienti.