Secondo dati raccolti da un Report di Snowflake, la Data Cloud company, i modelli linguistici di grandi dimensioni (LLM) sono sempre più utilizzati nella creazione di chatbot. Con l’Intelligenza Artificiale generativa che sta rivoluzionando il mercato, i chatbot sono passati da circa il 18% del totale delle applicazioni LLM disponibili al 46% rilevato a maggio 2023, con numeri in costante e impetuosa crescita. Inoltre, da un sondaggio condotto sulla comunità di sviluppatori di Streamlit, è emerso che i progetti LLM di quasi il 65% degli utenti avevano finalità professionali, segnalando un cambiamento importante: l’AI viene implementata per migliorare la produttività, l’efficienza e gli insight della forza lavoro.
Data Trends 2024
Questi risultati si basano sui dati di utilizzo di oltre 9.000 clienti Snowflake e sono riassunti nel nuovo report “Data Trends 2024” dell’azienda. La ricerca si concentra sul modo in cui i leader aziendali e tecnologici globali stanno utilizzando risorse come l’intelligenza artificiale per costruire una data foundation e trasformare le proprie operazioni in ottica futura. I risultati più recenti mostrano il graduale passaggio da applicazioni LLM con input testuale (2023: 82%, 2024: 54%) a chatbot con input testuale iterativo, che abilitano conversazioni più fluide e naturali.
“Le applicazioni conversazionali sono in aumento poiché l’interazione rimane un aspetto innato dell’essere umano, anche quando avviene con un’applicazione”, spiega Jennifer Belissent, Principal Data Strategist di Snowflake. “Ci aspettiamo che questa tendenza continui man mano che diventa più facile sviluppare e distribuire applicazioni LLM conversazionali, soprattutto con la consapevolezza che i dati sottostanti rimangono gestiti e protetti. Con questa tranquillità, nuovi chatbot interattivi e particolarmente versatili soddisferanno sia le esigenze aziendali che le aspettative dei singoli utenti”.
Più di 33.000 applicazioni LLM in nove mesi
Il report evidenzia inoltre che 20.076 sviluppatori della comunità Streamlit di Snowflake hanno realizzato oltre 33.143 applicazioni LLM negli ultimi nove mesi. Quando si tratta di sviluppare progetti d’Intelligenza Artificiale, Python è il linguaggio di programmazione preferito grazie alla sua facilità d’uso, a una comunità di sviluppatori molto attiva e al vasto ecosistema di library e framework. Nell’ultimo anno, all’interno di Snowpark, piattaforma che consente agli sviluppatori di creare applicazioni in modo rapido ed economico, l’uso di Python è cresciuto molto più rapidamente rispetto a Java e Scala: Python ha registrato un +571%, rispetto a Scala (+387%) e Java (+131%). Con Python, gli sviluppatori possono lavorare più velocemente, accelerando la realizzazione di prototipi e la sperimentazione e, di conseguenza, l’apprendimento complessivo dei team di sviluppatori che lavorano a progetti di AI all’avanguardia.
Un’altra tendenza rilevante è quella di programmare le applicazioni LLM direttamente sulla piattaforma dove vengono gestiti anche i dati, come indicato dall’aumento del 311% delle Snowflake Native Apps – che consentono lo sviluppo di applicazioni direttamente sulla piattaforma di Snowflake – tra luglio 2023 e gennaio 2024. La possibilità di elaborare le applicazioni su un’unica piattaforma dati elimina la necessità di esportare copie di dati verso altre tecnologie, aiutando a sviluppare e distribuire le applicazioni più rapidamente e riducendo al contempo i costi di manutenzione operativa.
La Data Governance nelle aziende acquista importanza
Con l’adozione dell’intelligenza artificiale, le aziende stanno incrementando l’analisi e l’elaborazione dei loro dati non strutturati. Questo consente di scoprire fonti di dati non sfruttate, rendendo più che mai importante un approccio moderno alla governance per proteggere i dati sensibili e privati. Secondo il report, le aziende hanno aumentato l’elaborazione dei dati non strutturati del 123% nell’ultimo anno. IDC stima che il 90% dei dati di tutto il mondo sia costituito da video, immagini e documenti non strutturati. La possibilità di accedere a dati puliti migliora l’utilizzo e di conseguenza porta alle aziende una serie di vantaggi significativi.
“La data governance non significa per forza blindare i dati ma, al contrario, permettere di accrescerne il valore”, prosegue Belissent. “La governance si articola in tre pilastri: conoscenza, protezione e utilizzo dei dati per ottenere valore. I nostri clienti utilizzano nuove funzioni per etichettare e classificare i dati, in modo da poter applicare i criteri di accesso e utilizzo appropriati. L’utilizzo di tutte le funzioni di governance dei dati è aumentato del 70-100% e, parallelamente, anche il numero di query su oggetti protetti è cresciuto del 142%. Quando i dati sono protetti, possono essere utilizzati in modo sicuro, garantendo la massima tranquillità”.
“Prese singolarmente, ognuna di queste tendenze rappresenta un elemento che mostra come le organizzazioni di tutto il mondo stiano affrontando sfide diverse. Considerate insieme, raccontano invece una storia più ampia su come CIO, CTO e CDO stiano modernizzando le loro aziende, gestendo esperimenti di intelligenza artificiale e risolvendo problemi di dati: tutti passi necessari per sfruttare le opportunità offerte dall’AI avanzata. La questione importante da capire è che l’era dell’AI generativa non richiede un cambiamento fondamentale nella strategia dei dati, ma un’accelerazione dell’esecuzione di tale strategia. È importante abbattere i silos di dati ancora più rapidamente e semplificare l’accesso alle fonti, ovunque si trovino nell’azienda o in un ecosistema di dati più ampio”, conclude Belissent.
