Il potenziale economico dell’IA generativa
e le nuove frontiere della produttività

L’IA GENERATIVA ha recentemente catturato l’attenzione del pubblico dopo anni di sviluppo della tecnologia, segnando un punto di svolta. Si tratta di strumenti progettati e realizzati utilizzando foundational model basati su reti neurali artificiali ispirate ai miliardi di neuroni connessi alla base del funzionamento del cervello umano. A differenza dei precedenti modelli tradizionali di deep learning, queste soluzioni sono in grado di svolgere diverse funzioni: dalla classificazione, revisione o sintesi di un testo, alla creazione di nuovi contenuti. Per comprenderne le potenzialità e stimarne l’impatto economico, abbiamo sviluppato uno studio intitolato The economic potential of generative AI, frutto della collaborazione del McKinsey Global Institute e di QuantumBlack, la società di McKinsey specializzata in intelligenza artificiale. Tale analisi prende in esame sia i potenziali benefici di questa tecnologia in oltre 60 casi d’uso concreti in 16 funzioni aziendali, sia il suo impatto su specifiche attività lavorative in oltre 850 professioni.

Il potenziale in gioco

La nostra ricerca stima il potenziale economico dell’IA generativa in un valore compreso tra 2.600 e 4.400 miliardi di dollari all’anno, fino a due volte l’intero PIL dell’Italia. È stato inoltre approfondito l’incremento di produttività in oltre 2.000 attività lavorative tradizionali, che porterebbe a un impatto complessivo sull’economia globale compreso tra 6.100 e 7.900 miliardi ogni anno (figura 1).

La maggior parte di questo impatto, fino al 75% del valore annuale potenziale, è stato stimato in quattro funzioni aziendali chiave: customer operations, marketing & vendite, software engineering e ricerca & sviluppo (figura 2).

Customer operations. L’IA generativa ha già guadagnato terreno nelle customer operations grazie alla sua capacità di automatizzare le interazioni con i clienti utilizzando il linguaggio naturale. In base alla nostra ricerca, in un’azienda con 5.000 persone dedicate al servizio clienti, l’applicazione di questa tecnologia ha aumentato i problemi risolti del 14% ogni ora e ha ridotto del 9% il tempo impiegato nella gestione di un problema. Ha inoltre ridotto il tasso di abbandono dei talenti e le richieste di escalation verso un manager del 25%. In particolare, la produttività e la qualità del servizio sono migliorate soprattutto tra le figure meno esperte, che hanno potuto trovare nell’IA un supporto concreto per adottare migliori tecniche comunicative. L’applicazione di questa tecnologia consente inoltre l’attivazione di nuove funzionalità, tra cui chatbot in grado di fornire risposte immediate e personalizzate a richieste complesse, indipendentemente dalla lingua o dalla situazione del cliente, recuperando e sfruttando istantaneamente i dati a disposizione dell’azienda. Può ridurre significativamente il tempo di risposta della forza vendita, fornendo assistenza in tempo reale e suggerendo i prossimi passi, con un conseguente aumento delle vendite guidato da suggerimenti di prodotti e offerte personalizzate. L’impatto stimato dell’IA generativa sui livelli di produttività delle customer operations potrebbe variare tra il 30 e il 45% sul totale dei costi attuali della funzione.

Marketing & Vendite. L’IA generativa può creare messaggi personalizzati sulla base degli interessi, delle preferenze e dei comportamenti del singolo cliente, oltre a svolgere attività come ad esempio la produzione di prime bozze di pubblicità, slogan, post sui social media e descrizioni dei prodotti. La tecnologia offre diversi benefici operativi, consentendo di creare contenuti in modo efficiente ed efficace, con un significativo risparmio di tempo. Può aiutare i professionisti del marketing a incrementare i tassi di conversione a un costo inferiore, attraverso l’ottimizzazione dei motori di ricerca (SEO) e una ricerca personalizzata basata su una profonda comprensione dei profili cliente mediante input multimodali provenienti da testi e immagini destrutturati. L’impatto stimato di queste applicazioni nel marketing è quantificabile in un aumento di produttività compreso tra il 5 e il 15% della spesa totale.

L’IA generativa potrebbe evolvere anche gli approcci alla vendita delle aziende B2B e B2C. Analizzando dati strutturati e non, è possibile creare profili di consumo completi, automatizzando il suggerimento di azioni per il miglioramento dell’interazione con il cliente in ogni touchpoint, aumentando le probabilità di conversione e vendita. Inoltre, questa tecnologia può assistere il commerciale nell’interazione con i prospect, sintetizzando informazioni pertinenti su offerte prodotti e sui profili dei clienti. L’impatto stimato delle applicazioni di generative AI potrebbe aumentare la produttività delle vendite di un valore compreso tra il 3 e il 5% delle spese attuali della funzione.

Software engineering. Dalla nostra ricerca emerge come l’impatto diretto dell’IA generativa sulla produttività della funzione di sviluppo software potrebbe variare dal 20 al 45% della sua spesa annuale. Questo valore deriverebbe principalmente dalla riduzione del tempo speso in determinate attività a minore valore aggiunto, quali la generazione di versioni iniziali del codice alla base del software, la sua correzione, il refactoring dei linguaggi di programmazione e la root-causes analysis. Ciò potrebbe implicare una ridefinizione delle competenze necessarie in ambito ingegneria del software, con una maggiore rilevanza del code and architecture design.

Ricerca & Sviluppo. Tipicamente, i requisiti in termini di dati e specificità dei modelli limitano l’impiego del machine learning “tradizionale” nelle funzioni di ricerca e sviluppo. Tuttavia, l’utilizzo dell’IA generativa potrebbe portare a un aumento della produttività mediante la rapida produzione di candidate design e il supporto ai product designer per la selezione dei materiali più efficienti, l’ottimizzazione del design per la produzione e il miglioramento del testing dei prodotti e della qualità. I benefici potenziali in termini di produttività nelle attività di R&S potrebbero raggiungere un valore compreso tra il 10 e il 15% dei costi totali della funzione.

In aggiunta all’impatto stimato nelle singole funzioni aziendali, questa tecnologia potrebbe generare benefici per l’intera organizzazione, rivoluzionando i sistemi di gestione di knowledge interna. La sempre maggiore padronanza del linguaggio naturale da parte dell’IA generativa può infatti contribuire a recuperare e sfruttare il patrimonio informativo interno proprietario, non sempre strutturato. Questo consentirebbe ai team di accedere rapidamente a informazioni mirate e pertinenti, agevolando così i processi decisionali e l’esecuzione.

Nuove dinamiche lavorative

Spesso la tecnologia comporta trasformazioni molto profonde nel mondo del lavoro, quando si affacciano sul mercato soluzioni innovative in grado di svolgere attività umane di routine e che nel tempo modificano alcune professioni, evolvendole e ampliandole. Se da un lato l’aspettativa è che l’IA generativa consentirà di automatizzare determinate attività, e non intere professioni, allo stesso tempo è ragionevole attendersi un impatto pervasivo sul lavoro di molti, anche in settori e funzioni dove oggi l’adozione dell’IA tradizionale è ancora limitata.

Un esempio è quello degli insegnanti, le cui attività comprendono la preparazione dei test e la valutazione del lavoro degli studenti. Con le capacità potenziate di elaborazione del linguaggio naturale dell’IA generativa, molte di queste attività potrebbero essere velocizzate con l’ausilio della tecnologia, liberando tempo prezioso che potrebbe così essere investito in altre attività a maggior valore aggiunto, come le discussioni in classe o il tutoraggio agli studenti che necessitano di maggiore assistenza.

I vantaggi in termini di produttività del lavoro in tutti i settori economici sono considerevoli. Non c’è dubbio, tuttavia, che questa trasformazione richiederà ingenti sforzi, a partire dalle organizzazioni, di riqualificazione e formazione continua del personale. Le imprese devono identificare e sviluppare nuove competenze, che andranno oltre i ruoli tecnici per includere un mix di talenti specializzati ad esempio in ingegneria, analisi dei dati, design, risk management, strategia e sviluppo prodotto.

A questo fine, non sarà solo necessario ricercare e assumere i talenti più promettenti, ma anche sviluppare percorsi strutturati di reskilling e upskilling della forza lavoro esistente. Oltre a ridefinire le professioni attuali, è prevedibile che questa trasformazione porti alla nascita di nuove professioni, oggi difficili persino da immaginare. La velocità di evoluzione e adozione della tecnologia è sotto gli occhi di tutti: occorre quindi porsi ambizioni elevate e prepararsi sin da ora per coglierne appieno i benefici.

Principali sfide da affrontare

Data la velocità con cui l’IA generativa si è diffusa finora e continuerà a diffondersi, la necessità di comprendere a fondo questa tecnologia per poterla gestire al meglio, ed eventualmente contenere, è evidente. Sono già emerse alcune questioni circa il contenuto che i sistemi di IA generativa producono: infrangeranno la proprietà intellettuale a causa del “plagio” nei dati di addestramento utilizzati per creare modelli di base? Le risposte che i Large Language Model producono quando interrogati saranno accurate? Il contenuto che questa tecnologia creerà sarà equo e giusto o rifletterà stereotipi dannosi?

La portata e l’ampiezza di applicazione pone anche delle sfide sul piano economico: con fino a un terzo delle attività potenzialmente impattate entro i prossimi 10 anni, quali conseguenze organizzative si prospettano? Quali costi sociali e ambientali (anche in termini di emissioni) comporterà lo sviluppo e il training dei modelli?

Questi strumenti hanno il potenziale per creare un enorme valore per l’economia globale; allo stesso tempo, possono essere più destabilizzanti rispetto alle precedenti generazioni di intelligenza artificiale. Sono capaci di quella che è la facoltà più umana, il linguaggio, requisito fondamentale per la maggior parte delle attività lavorative legate all’esperienza e alla conoscenza, ma anche competenza che può essere utilizzata per ferire sentimenti, creare fraintendimenti, oscurare la verità.

Regolatore, imprese, consumatori e cittadini dovranno lavorare insieme per garantire che l’IA generativa mantenga la sua promessa di alimentare la crescita economica e la prosperità, trasformando radicalmente il modo in cui lavoriamo, garantendo un’adozione giusta e responsabile.

Jacopo Ghidoni ed Elena Pizzocaro sono Partner McKinsey responsabili di QuantumBlack Italia.