Come usare l’IA generativa nelle Pmi

IL NUMERO 2/2024 DELLA RIVISTA DI POLITICA ECONOMICA

L’Intelligenza artificiale generativa ha battuto molti record, diventando una delle tecnologie più rapidamente diffuse nel panorama globale. Soluzioni come ChatGPT, DeepSeek e altri strumenti di IA hanno raggiunto milioni di utenti in pochi giorni, alimentando un’ondata di interesse non solo tra i privati, ma anche nelle imprese. Tuttavia, mentre le opportunità offerte dall’IA generativa crescono, molte piccole e medie imprese italiane faticano a integrarla nei processi produttivi. Se ne riscontra piuttosto un “uso silenzioso”, in quanto i dipendenti la utilizzano senza una supervisione aziendale adeguata, esponendo l’azienda a rischi significativi. Tra questi spiccano non solo le violazioni della privacy, ma anche la compromissione della proprietà intellettuale e gli errori operativi causati dalle cosiddette “allucinazioni”, cioè le risposte inesatte o fuorvianti che possono generare decisioni errate o inefficienze.

Le radici di questo fenomeno sono da ricercare nella rapidità con cui la tecnologia si è diffusa, che supera la velocità con cui le organizzazioni riescono ad adattare il governo delle proprie risorse IT. Questa difficoltà è confermata da una recente indagine di Confindustria Servizi Innovativi e Tecnologici (Csit), che ha rilevato che il 52% delle Pmi non disponga di misure per gestire i rischi associati all’uso dell’IA generativa. La mancanza di politiche chiare e strutturate rende le aziende vulnerabili agli effetti collaterali di una tecnologia che, se mal gestita, rischia di generare più insidie che opportunità.

Per superare queste difficoltà e identificare le condizioni necessarie all’uso responsabile dell’IA generativa, un recente studio realizzato nell’ambito della Vodafone Chair in Cybersecurity and Digital Transformation della Luiss in collaborazione con Csit, ha coinvolto un gruppo di 30 imprese che hanno sperimentato al loro interno una varietà di soluzioni e condiviso concreti esempi di applicazione.

I risultati preliminari dello studio sono stati pubblicati sull’ultimo numero della Rivista di Politica Economica intitolato “Vettore IA: Algoritmi, Impresa, Società” ed evidenziano tre strategie a disposizione di imprenditori e manager delle Pmi – Plug-and-Play, Interventi Architetturali e Iniziative di Mercato – dei percorsi pratici per integrare l’IA generativa in modo efficace e responsabile. Il framework proposto e illustrato in figura 1 fornisce una mappa per posizionare le modalità alternative all’uso silenzioso dell’IA generativa che le Pmi possono implementare per bilanciare rischi, tempi, risorse e impatti organizzativi.

FIGURA 1 – FRAMEWORK PER L’IA GENERATIVA NELLE PMI

Il modello Plug-and-Play rappresenta un punto di partenza immediato per molte Pmi. Si tratta di regolare internamente l’uso di servizi facilmente accessibili al personale, quali ChatGPT, CoPilot o Notebook LM, che supportano attività operative quotidiane come la generazione di report o la correzione di codice software.

Per evitare utilizzi impropri o non allineati agli obiettivi aziendali, risulta cruciale introdurre misure di governance adeguate. Ad esempio, una Pmi può implementare policy che regolino l’uso degli strumenti, meccanismi per la revisione e il monitoraggio delle interazioni con il sistema e programmi di formazione sul prompt engineering per massimizzare l’efficacia degli input forniti all’IA. Questi interventi aiutano a minimizzare il rischio di errori operativi e garantiscono la conformità con il quadro normativo.

Gli Interventi Architetturali si concentrano sull’integrazione delle soluzioni di IA generativa nei sistemi aziendali esistenti, come Crm o Erp. Ad esempio, un’impresa può migliorare la gestione dei rapporti con i clienti implementando l’IA per analizzare le interazioni passate e suggerire strategie di fidelizzazione personalizzate. Questo approccio consente di migliorare l’accesso ai dati, automatizzare processi complessi e ottimizzare la gestione delle informazioni interne. La realizzazione di questi interventi richiede risorse significative, sia in termini di competenze tecniche che di infrastruttura tecnologica.

Un aspetto cruciale è il fine-tuning dei modelli di IA: adattarli a specifici contesti aziendali attraverso un’adeguata governance del dato consente di migliorare l’accuratezza e la rilevanza operativa delle risposte. Inoltre, la gestione dei log delle interazioni offre un ulteriore livello di controllo, permettendo di monitorare l’uso del sistema e identificare eventuali anomalie o inefficienze.

Le Iniziative di Mercato, infine, rappresentano la frontiera più avanzata, in cui l’IA generativa viene usata per creare nuovi prodotti e servizi capaci di scalare il business, generando valore significativo per gli stakeholder. Attraverso l’automazione delle interazioni e la personalizzazione dei servizi, le Pmi possono migliorare l’esperienza cliente, ampliare il proprio mercato di riferimento e ottimizzare le operazioni, rendendo il modello di business più competitivo e sostenibile.

Questo approccio consente alle Pmi di ottimizzare le capacità produttive e raggiungere un maggior numero di stakeholder attraverso interazioni automatizzate. Un esempio concreto riguarda l’utilizzo dell’IA generativa per personalizzare strategie di marketing su larga scala. Il successo di queste iniziative richiede, in fase di progettazione, un alto livello di collaborazione con clienti, fornitori di tecnologie e gestori di data spaces.

Per iniziative di questo tipo risulta essenziale bilanciare i benefici offerti dalla tecnologia con i rischi, come la possibilità di perdere il controllo sui dati o di compromettere l’immagine aziendale a causa di risultati inaspettati. Test approfonditi in ambienti sandbox e iterazioni costanti risultano fondamentali per garantire che le soluzioni producano valore senza compromettere la sostenibilità del business.

I policy maker possono trarre beneficio dai risultati dello studio per definire politiche di incentivo che favoriscano la diffusione dell’IA generativa nelle Pmi, promuovendo crescita e competitività senza trascurare etica e sicurezza. In particolare, si potrebbe stimolare la definizione di standard operativi e linee guida che aiutino le Pmi nelle implementazioni. Inoltre, gli incentivi potrebbero agevolare la creazione di consorzi o reti collaborative tra aziende IT e Pmi di diversi settori, promuovendo lo scambio di conoscenze e l’innovazione. Anche la ricerca gioca un ruolo importante nell’identificazione di nuovi modelli collaborativi che favoriscano scelte responsabili, limitando disuguaglianze e rischi per la società.

(Il capitolo integrale è disponibile a questo link.
Per informazioni e acquistare il volume cliccare QUI)

Nota sugli autori

PAOLO SPAGNOLETTI

Paolo Spagnoletti è professore ordinario di Organizzazione aziendale presso la Luiss Guido Carli di Roma, dove dirige il corso di studi triennale in Economia e management, ed è titolare della Vodafone Chair in Cybersecurity and Digital Transformation.

È membro del comitato di coordinamento e gestione del Competence Center Cyber 4.0. Collabora in maniera stabile con l’Università di Agder in Norvegia e ha ricoperto incarichi didattici e di ricerca presso le Università di Warwick, Georgia State, St. Gallen, Paris Dauphine, Lausanne, SKEMA ed LSE. È caporedattore della serie Springer Lecture Notes in Information Systems and Organisation.

TIZIANO VOLPENTESTA

Tiziano Volpentesta è assegnista di ricerca e lecturer presso la Luiss Guido Carli di Roma. La sua attività di ricerca si concentra sull’innovazione e la trasformazione digitale delle organizzazioni, con un interesse particolare per l’Intelligenza artificiale, le sue strategie di adozione e le implicazioni per le aziende.

Ha collaborato con istituzioni accademiche internazionali, tra cui la Dublin Business School, l’Aarhus Business School e la York University. I suoi lavori sono stati pubblicati su riviste scientifiche, come IEEE ed European Journal of Innovation Management.