È sempre la stessa storia: appare una nuova tecnologia e tutti iniziano a parlare di come cambierà tutto. Poi il capitale affluisce, le società si formano da un giorno all’altro e le valutazioni salgono più velocemente di quanto chiunque possa giustificare. Poi, molti mesi dopo, arrivano gli avvertimenti e le persone improvvisamente ricordano il crollo delle dot-com o delle criptovalute.
Probabilmente l’hai già visto. E se sì, probabilmente pensi che l’intelligenza artificiale sarà la prossima bolla. Gli esseri umani sono bravissimi nell’abbinamento dei modelli. Ci siamo evoluti per vedere gli schemi, quindi quando emerge qualcosa di familiare, lo mappiamo istintivamente sulla storia più vicina che già conosciamo. Pensiamo di averlo già visto e siamo fiduciosi di sapere come andrà a finire.
Ma quell’istinto può fuorviarci. AI sente come una bolla perché stiamo forzando qualcosa di veramente discontinuo in una storia familiare. L’thought che tutto ciò che cresce rapidamente alla nice debba crollare sembra prudente. Ma ciò non significa che sarà sempre vero.
Perché i mercati continuano a superare i limiti
Ogni importante cambiamento tecnologico produce gli stessi sintomi esteriori: aspettative gonfiate, seguite da un fallimento evidente. Le dot-com, i dispositivi mobili e le criptovalute hanno attraversato una fase in cui il mondo ha perso il senso delle proporzioni.
Perché continua a succedere? Perché i mercati non hanno una struttura per il cambiamento discontinuo. I modelli di flussi di cassa scontati presuppongono una crescita costante e stabile e le società comparabili presuppongono che la categoria esista già. Quindi le persone presumono che il prossimo futuro assomigli al recente passato, ma ciò non funziona quando la categoria sottostante stessa sta cambiando.
La maggior parte degli strumenti di valutazione sono progettati per progressi incrementali, quindi gli analisti esaminano le previsioni trimestrali e i miglioramenti incrementali. Non sanno cosa fare con i cambiamenti graduali e non possono modellare l’adozione non lineare.
Quindi, quando si osserva un superamento del capitale o un’estrema dispersione dei risultati, significa che il mercato cerca di valutare le scommesse decennali utilizzando la logica trimestrale. (Il che non funziona.) Ed è proprio questo che è una bolla: un’indicazione che nessuno sa ancora come valutare ciò che accadrà. Questa incertezza sembra invalidante, ma mette semplicemente in luce i limiti dei quadri esistenti.
L’errore di categoria che continuiamo a fare
Quando arriva qualcosa di nuovo, cerchiamo i confronti.
L’intelligenza artificiale è come l’elettricità.
L’intelligenza artificiale è come i pc.
L’intelligenza artificiale è come Web.
L’intelligenza artificiale è come il cellulare.
Questi confronti sono confortanti perché tutti hanno prodotto un cambiamento massiccio a livello economico e hanno attratto enormi capitali. Hanno cambiato il modo in cui veniva svolto il lavoro.
Condividono anche qualcosa di più profondo. Ognuna di queste tecnologie ha esteso le capacità umane senza sostituire la cognizione umana. Macchine alimentate dall’elettricità, ma gli esseri umani decidevano ancora cosa costruire. I pc elaboravano i dati, ma gli esseri umani li interpretavano. Web ha spostato le informazioni, ma gli esseri umani hanno deciso cosa contava. Il cell ha messo l’informatica in tasca, ma l’attenzione umana è rimasta la risorsa scarsa. In ogni caso, l’intelligenza umana ha ancorato tutto. Period anche il collo di bottiglia.
L’intelligenza artificiale è diversa perché svolge un lavoro cognitivo. E se questo ti mette a disagio, dovrebbe. Perché se l’intelligenza artificiale potesse davvero pensare, allora gran parte di ciò su cui abbiamo costruito la nostra carriera, come la nostra esperienza e le nostre capacità conquistate con fatica, potrebbero non essere così difendibili come pensavamo. L’ingegnere junior che ha trascorso anni a sviluppare l’intuizione ora lavora insieme a uno strumento che la possiede istantaneamente. Lo stesso fa l’analista finanziario noto per la sua analisi della varianza. Le persone non sono più completamente sicure di dove risieda effettivamente il valore, e questo è terrificante.
Parlo con i CFO ogni settimana. Sei mesi fa mi hanno posto domande astratte come “cos’è l’intelligenza artificiale?” e “dovremmo avere una strategia di intelligenza artificiale?” Ora le domande sono concrete: “Quali parti del lavoro del mio group non devono più essere svolte in questo modo?” Questo cambiamento è avvenuto così rapidamente che sta già cambiando il modo in cui le risorse vengono allocate.
Advert esempio, una fondatrice che conosco ha iniziato a utilizzare Claude per scrivere question SQL che impiegavano un paio di giorni al suo analista. Ha sostituito l’analista? Ovviamente no. Ma ha eliminato il collo di bottiglia e non deve più dipendere da lui per avere risposte rapide. Poi il ruolo del suo analista cambiò completamente. È passato dal dedicare il 60% del suo tempo a scrivere domande al 10% a controllarle e al 90% a fornire consigli strategici. L’azienda non ha ridotto l’organico o i costi e l’analista è passato dal supportare tre stakeholder a quindici.
È qui che i confronti storici iniziano davvero a fallire. Strumenti come GitHub Copilot stanno comprimendo le competenze. Un ingegnere junior può ora operare a un livello che una volta richiedeva anni di esperienza lavorativa. E ogni volta che lo strumento viene utilizzato, impara. Un martello non migliora solo perché ci hai costruito una casa, ma gli strumenti di intelligenza artificiale sì. E quando gli strumenti migliorano con l’uso, il tasso di miglioramento aumenta. Questa dinamica non si adatta perfettamente a nessuna analogia tecnologica precedente, motivo per cui l’istinto di chiamarla “bolla” non coglie il vero punto.
Le tecnologie precedenti presupponevano un tetto fisso alla cognizione umana. Ci hanno reso più veloci e più forti, ma il fattore limitante è sempre stato lo stesso: quante persone intelligenti potremmo attribuire a un problema? L’intelligenza artificiale estende quel limite ben oltre ciò a cui siamo abituati. Prima, comprendere meglio il proprio enterprise solitamente significava una di queste tre cose: più dati, più analisti o chief più esperti. Il vincolo period quanta attenzione e giudizio umano potevi permetterti. Con l’intelligenza artificiale, questo vincolo cambia. Quando l’analisi che una volta richiedeva giorni viene visualizzata in pochi secondi, il nuovo vincolo è sapere cosa cercare. Quali domande contano? Il fattore limitante smette di essere il talento e inizia advert essere il giudizio.
Gli scettici hanno ragione riguardo a questa pubblicità, ma hanno torto riguardo al suo significato
Prendiamo per oro colato la versione più forte dell’argomentazione della bolla. Forse l’intelligenza artificiale è effettivamente sopravvalutata e la maggior parte di queste aziende fallirà. Forse siamo in anticipo e per un impatto reale ci vorranno altri cinque o dieci anni. Tutto ciò potrebbe essere completamente vero, e comunque non cambierebbe il punto fondamentale, che è questo:
Anche se la maggior parte delle startup legate all’intelligenza artificiale falliscono, e anche se l’adozione è molto più lenta del previsto, l’intelligenza artificiale è ancora la prima tecnologia in grado di svolgere lavoro di conoscenza. Ciò non scompare perché i mercati superano i limiti o le aspettative si ripristinano. Gli scettici hanno ragione nel dire che l’hype è gonfiato. Ma si sbagliano nel ritenere che l’hype esagerato renda la tecnologia irrilevante. Lo abbiamo già visto: la bolla delle dot-com period reale e… Pets.com si è schiantato e bruciato, ma Web ha comunque cambiato tutto. Entrambe le cose erano vere allo stesso tempo.
I chief finanziari con cui lavoro non discutono se l’intelligenza artificiale sia importante. Ora stanno cercando di capire quali flussi di lavoro cambiano per primi e quanto velocemente devono adattarsi. Quella conversazione avviene in silenzio, sotto tutto il rumore.
E i flussi di lavoro che vengono compressi per primi condividono tre proprietà:
-
Richiedono esperienza, ma sono ripetitivi.
-
Sono colli di bottiglia per il lavoro strategico.
-
Sono facili da verificare ma difficili da generare.
Questi flussi di lavoro sono abbastanza importanti da poter essere finanziati, ma non così strategici da rendere la loro automazione una minaccia per il vantaggio competitivo. Richiedono abilità, ma quell’abilità non si aggiunge drammaticamente alla ripetizione, il che li rende economicamente fragili e spiega perché vengono già automatizzati.
Dove gli esseri umani contano ancora (per ora)
L’intelligenza artificiale è bravissima nel riconoscere le tendenze, ma pessima nel sapere quali contano davvero. Può generare analisi della varianza, ma non può dirti se un’oscillazione del 12% nella spesa segnala una crescita sana o un problema più profondo. Può elaborare strategie, ma non può dirti quale strategia si adatta a questo mercato e a questa squadra in questo preciso momento. Il giudizio in condizioni di incertezza e i compromessi advert alto rischio in cui il lato negativo è catastrofico, rimangono responsabilità umane. Per ora.
Quando il vincolo non è più “abbiamo abbastanza persone intelligenti”, il problema diventa prioritario. Cosa merita attenzione? Cosa vale la pena costruire dopo? È lì che vedo che molti fondatori rimangono bloccati. Chiedono se si tratta di una bolla e se è troppo presto, ma queste non sono le domande più utili. Quella giusta è: “Cosa posso costruire nel prossimo anno che crei valore reale, indipendentemente da ciò che fanno le valutazioni?”
Le aziende che resisteranno saranno quelle che itereranno e incorporeranno silenziosamente l’intelligenza artificiale in flussi di lavoro reali che risolvono problemi reali. Prendiamo advert esempio i CFO. Stanno comprando l’intelligenza artificiale perché il loro consiglio di amministrazione vuole un’analisi della varianza più rapida e sono stanchi di assumere analisti che lasciano dopo sei mesi. Questo è un problema reale che le aziende devono risolvere.
E lo stesso vale per gli investitori. Quelli che avranno successo a lungo termine saranno coloro che tollereranno l’incertezza abbastanza a lungo da vedere cosa funziona effettivamente.
Questa volta è in realtà diverso
Nel breve termine, l’intelligenza artificiale deluderà. Molti casi d’uso non manterranno ciò che promettono e molte aziende nate in questa ondata non sopravviveranno. Ma la tecnologia lo farà. E, nel lungo termine, l’intelligenza artificiale rimodellerà ogni campo che dipende dal lavoro della conoscenza. Non tutto in una volta, e non in modo uniforme, ma tra un decennio, sarà difficile trovare un’industria basata sulla conoscenza che abbia lo stesso aspetto di oggi.
L’intelligenza artificiale è diversa perché l’intelligenza stessa, che storicamente rappresentava il vincolo principale dell’innovazione umana, è ora diventata scalabile. Questo è un fatto osservabile con conseguenze misurabili. Il dibattito sulle bolle svanirà, come sempre, e ciò che rimarrà saranno i sistemi che si sono adattati silenziosamente mentre tutti gli altri discutevano sulle valutazioni. Gli scettici avranno avuto ragione riguardo all’eccesso, e torto riguardo a ciò che realmente contava, perché, tra cinque anni, probabilmente guarderemo indietro al panico di oggi nello stesso modo in cui guardiamo alle persone che hanno rifiutato Web perché una manciata di aziende hanno fallito. E i vincitori saranno coloro che hanno costruito mentre tutti gli altri discutevano sulle valutazioni.
Col tempo, quelle sono le uniche storie che qualcuno ricorda.
Siqi Chen è co-fondatore e CEO di Runway.
Benvenuto nella comunità VentureBeat!
Il nostro programma di visitor posting è il luogo in cui gli esperti tecnici condividono approfondimenti e forniscono approfondimenti neutrali e non conferiti su intelligenza artificiale, infrastruttura dati, sicurezza informatica e altre tecnologie all’avanguardia che plasmano il futuro dell’impresa.
Per saperne di più dal nostro programma di publish per gli ospiti e dai un’occhiata al nostro linee guida se sei interessato a contribuire con un tuo articolo!
