Come i team di vendita possono utilizzare l’AI oggi per ottimizzare le conversioni
Rimanere competitivi nella vendita moderna oggi significa effettivamente abbracciare le ultime tendenze tecnologiche. Dalla fine del 2022, quando l’IA generativa si è fatta strada nella coscienza del pubblico grazie a ChatGPT di OpenAI, l’IA è stata in prima linea in questo cambiamento, modificando il modo in cui i team di vendita (come la maggior parte degli altri team) operano e si relazionano con i clienti. In questo blog post, analizziamo come l’IA sta ottimizzando le attività di vendita e contribuendo ad aumentare i tassi di conversione. Ecco i cinque modi in cui i team di vendita possono utilizzare l’IA per personalizzare meglio le interazioni, automatizzare il lavoro amministrativo e altro ancora, dimostrando che non si tratta solo di tagliare i costi, ma di trasformare il modo in cui vengono effettuate le vendite. 1. Coinvolgimento personalizzato Un tipico ciclo di vendita è complesso e prevede diversi punti di contatto e interazioni prima della conversione. Una personalizzazione più profonda implica la comprensione delle esigenze aziendali, delle sfide e delle tendenze del settore di un potenziale cliente. Gli strumenti di intelligenza artificiale sono particolarmente abili nel setacciare grandi insiemi di dati per scoprire intuizioni che adattano le interazioni a questi specifici contesti aziendali. Ad esempio, l’intelligenza artificiale può analizzare le interazioni passate, come gli scambi di e-mail e la cronologia di coinvolgimento, per determinare quale tipo di contenuti o caratteristiche del prodotto sono più rilevanti per un cliente specifico. In questo modo i team di vendita possono offrire soluzioni che non sono solo servizi o prodotti generici, ma sono personalizzati per affrontare le sfide e gli obiettivi unici del cliente. L’intelligenza artificiale può migliorare le strategie di marketing basate sugli account (ABM), consentendo ai team di vendita di creare strategie di contenuto altamente personalizzate per ciascun account. Analizzando i dati provenienti da vari punti di contatto nel processo di quotazione e incasso, l’intelligenza artificiale aiuta a creare messaggi che risuonano profondamente con ogni decisore dell’organizzazione del cliente. Questo approccio mirato non solo rafforza le relazioni, ma aumenta anche in modo significativo la probabilità di chiudere gli affari. 2. Previsioni di vendita Le previsioni di vendita accurate sono fondamentali nelle vendite B2B, dove la pianificazione strategica e l’allocazione delle risorse dipendono fortemente dalla previsione dei risultati di vendita. L’intelligenza artificiale migliora significativamente l’accuratezza e l’affidabilità di queste previsioni analizzando grandi quantità di dati e identificando tendenze difficili da individuare. Gli strumenti di previsione della pipeline basati sull’intelligenza artificiale utilizzano i dati storici delle vendite, le condizioni di mercato e l’attività di vendita in tempo reale per prevedere i risultati futuri delle vendite. Questi strumenti utilizzano l’analisi predittiva per modellare vari scenari e il loro potenziale impatto sulle vendite, aiutando i team di vendita a prepararsi in modo più efficace ai futuri movimenti del mercato. Inoltre, gli strumenti di previsione potenziati dall’intelligenza artificiale possono aggiornare dinamicamente le previsioni in base a nuovi dati. Ciò significa che le previsioni di vendita non sono statiche, ma si evolvono man mano che si rendono disponibili ulteriori dati sulle interazioni e sulle transazioni. Queste previsioni dinamiche garantiscono che le strategie di vendita rimangano agili e reattive ai cambiamenti, aumentando l’efficienza complessiva delle operazioni di vendita. Sfruttando l’intelligenza artificiale per le previsioni di vendita avanzate, le aziende B2B possono non solo fare previsioni più accurate, ma anche ottenere approfondimenti strategici che possono portare a un approccio più proattivo nella gestione delle pipeline di vendita e delle relazioni con i clienti. 3. Prezzi dinamici Il pricing dinamico è un’applicazione avanzata di intelligenza artificiale che può incrementare in modo significativo le prestazioni di vendita B2B ottimizzando le strategie di prezzo in base ai dati di mercato in tempo reale e al comportamento dei clienti. Questa tecnologia consente alle aziende di adattare rapidamente i propri modelli di prezzo in risposta ai cambiamenti del mercato o della domanda dei clienti, garantendo la competitività e massimizzando i ricavi. Gli strumenti di intelligenza artificiale come Competera analizzano i dati storici delle vendite, le dinamiche di mercato, i prezzi dei concorrenti e i modelli dei clienti per consigliare le strategie di prezzo più efficaci per vari prodotti e servizi. Ad esempio, possono suggerire sconti speciali per i clienti di alto valore o adeguare i prezzi durante i periodi di picco della domanda per sfruttare le tendenze del mercato. I prezzi dinamici guidati dall’intelligenza artificiale possono migliorare la soddisfazione dei clienti offrendo prezzi equi che riflettono il valore attuale dei prodotti o dei servizi, che può variare a seconda dei segmenti di clientela o addirittura dei singoli clienti in base alla loro storia di acquisti e alla loro fedeltà. Integrando modelli di prezzo dinamico basati sull’intelligenza artificiale, i team di vendita non solo ottimizzano le loro strategie di prezzo, ma si assicurano anche che siano adattabili, basate sui dati e strettamente allineate alle condizioni di mercato e alle aspettative dei clienti. Per le aziende B2B che vogliono perfezionare le loro strategie di prezzo e di vendita, un servizio di consulenza AI è un vantaggio fondamentale. Grazie all’utilizzo di analisi dei dati avanzate e di competenze AI/ML, questi servizi migliorano il processo decisionale basato sui dati, migliorano le relazioni con i clienti e accelerano i cicli di vendita, favorendo un processo di vendita più competitivo ed efficiente. 4. Punteggio e priorità dei lead Quando si dispone di un flusso consistente di lead, gestirli in modo efficiente è fondamentale. I team di vendita possono utilizzare l’intelligenza artificiale per migliorare notevolmente questo processo grazie a sofisticati sistemi di lead scoring, che valutano e classificano i potenziali clienti in base alla loro probabilità di conversione. Questa classificazione delle priorità assicura che i team di vendita concentrino i loro sforzi sui lead più promettenti, ottimizzando tempo e risorse. Gli strumenti di intelligenza artificiale integrano vari dati come le interazioni passate, i livelli di coinvolgimento, le dimensioni dell’azienda e i comportamenti specifici del settore per creare un profilo completo di ogni lead. Gli algoritmi di intelligenza artificiale possono esaminare i dati storici per riconoscere i modelli che indicano un’alta probabilità di conversione.
Come si posizionano le app di incontri nella Gen Z
I migliori marketer di Tinder e Hinge condivideranno le loro conoscenze alla Brandweek che si terrà dal 23 al 26 settembre a Phoenix, AZ. Seguici qui. Leapp di incontri fanno venire il mal di testa alla generazione TikTok e questo sentimento si manifesta con un calo dell’utilizzo. Un sondaggio di Axios / Generation Lab del 2023 ha rivelato che il 79% degli studenti universitari e laureati negli Stati Uniti ha dichiarato di non utilizzare alcuna app di incontri, nemmeno una volta al mese. Inoltre, il sentimento dei consumatori della Gen Z nei confronti delle principali app di incontri sta crollando. I dati del brand-tracking di Morning Consult Intelligence mostrano che i punteggi di favore di Tinder e Bumble tra i Gen Z sono entrambi diminuiti di oltre tre punti percentuali tra agosto 2023 e agosto 2024. Il punteggio di favore di Hinge è rimasto relativamente stabile. Le app di incontri tradizionali sono ora in corsa per invertire questo declino, soprattutto perché devono affrontare la concorrenza di nuovi concorrenti come Better in Person e Feeld, che sostengono di offrire un’esperienza di incontri migliore. Tinder e Grindr, ad esempio, si stanno allontanando dalla loro reputazione di app per rimorchiare, cercando di dimostrare che aiutano a creare tutti i tipi di legami umani significativi. Nel frattempo Hinge, che non ha questo bagaglio, si sta impegnando per dimostrare come può favorire le relazioni significative. ADWEEK ha analizzato il modo in cui i quattro operatori dominanti – Tinder, Hinge, Bumble e Grindr – stanno trasformando le loro strategie di marketing per attirare i giovani e i risultati che stanno ottenendo finora. Tinder 12 anni dopo che Tinder – ora parte di Match Group – ha trasformato per la prima volta la cultura degli incontri con il pioniere dello swipe, è ancora l’app di incontri più scaricata al mondo, con oltre 6,1 milioni di download mensili a giugno 2024, secondo Statista. Da allora lo swipe è diventato la norma, copiato da concorrenti come Bumble e OKCupid, e la reputazione di Tinder come app per rimorchiare ora gioca a suo sfavore. “La narrazione si era allontanata dal marchio”, ha dichiarato il CMO Melissa Hobley ad ADWEEK in una precedente conversazione. La sua ambita fascia demografica di giovani donne la paragonava in modo derisorio a “uno squallido bar” L’anno scorso, Tinder ha deciso di passare da bar squallido ad accogliente wine bar con la sua pubblicità. La campagna “It Starts With a Swipe”, realizzata dall’agenzia Mischief @ No Fixed Address, presenta un cast eterogeneo di giovani, cercando di ridefinire il concetto di “hookup” e di mostrare Tinder come un facilitatore di incontri non solo occasionali.
L’Indice Nature 2024 rivela come l’IA stia trasformando ogni aspetto della ricerca scientifica
Il supplemento 2024 dell’Indice Nature sull’Intelligenza Artificiale, pubblicato questa settimana, rivela un mondo scientifico in preda a un cambiamento di paradigma guidato dall’IA. Questo rapporto annuale, pubblicato dalla rivista Nature, traccia la scienza di alta qualità misurando i risultati della ricerca in 82 riviste di scienze naturali, selezionate da un gruppo indipendente di ricercatori. L’ultima edizione illustra come l’intelligenza artificiale non stia solo cambiando ciò che gli scienziati studiano, ma stia alterando radicalmente il modo in cui la ricerca viene condotta, valutata e applicata a livello globale. Una delle tendenze più sorprendenti rivelate dall’Indice è l’aumento della ricerca aziendale sull’IA. Le aziende statunitensi hanno più che raddoppiato la loro produzione nelle riviste dell’Indice Nature dal 2019, con un aumento della loro Quota (una metrica utilizzata dall’Indice per misurare la produzione di ricerca) da 51,8 a 106,5. Tuttavia, questo boom di attività di R&S è accompagnato da un’avvertenza: rappresenta ancora solo il 3,8% della produzione totale di ricerca sull’intelligenza artificiale degli Stati Uniti in queste pubblicazioni. In sostanza, nonostante l’aumento delle attività di R&S sull’IA delle aziende, non abbiamo visto questi sforzi riflettersi nella produzione di ricerca pubblica. Questo fa sorgere delle domande su dove si trovi la ricerca aziendale sull’IA. Le aziende pubblicano i loro lavori più innovativi in altre sedi o li tengono sotto chiave? La risposta è una competizione di nomi e narrazioni. OpenAI, Microsoft, Google, Anthropic e una manciata di altri sono saldamente ancorati al modello closed-source, ma l’industria dell’IA open-source, guidata da Meta, Mistral e altri, sta rapidamente guadagnando terreno. A ciò contribuisce la disparità di finanziamenti tra aziende private e istituzioni pubbliche nella ricerca sull’IA. Nel 2021, secondo il rapporto AI Index della Stanford University, gli investimenti del settore privato nell’IA a livello mondiale hanno raggiunto circa 93,5 miliardi di dollari. Questo dato include la spesa di giganti tecnologici come Google, Microsoft e Amazon, oltre a startup focalizzate sull’IA e altre aziende di vari settori. Al contrario, i finanziamenti pubblici per la ricerca sull’IA sono molto più bassi. Nel 2021 il governo statunitense ha speso circa 1,5 miliardi di dollari per la R&S sull’IA non legata alla difesa, mentre la Commissione Europea ha stanziato circa 1 miliardo di euro (circa 1,1 miliardi di dollari) per la ricerca sull’IA nello stesso anno. Questo vuoto di risorse sta dando alle aziende private un vantaggio nello sviluppo dell’IA. Possono permettersi risorse di calcolo più potenti, dataset più ampi e attrarre i migliori talenti con stipendi più alti. “Stiamo assistendo sempre più a una situazione in cui la ricerca sull’IA di alto livello viene svolta principalmente all’interno dei laboratori di ricerca di un numero piuttosto ridotto di aziende, per lo più con sede negli Stati Uniti”, ha spiegato Holger Hoos, ricercatore di IA presso l’Università RWTH di Aquisgrana in Germania. Mentre gli Stati Uniti mantengono il loro primato nella ricerca sull’IA, paesi come la Cina, il Regno Unito e la Germania stanno emergendo come importanti centri di innovazione e collaborazione. Tuttavia, questa crescita non è uniforme in tutto il mondo. Il Sudafrica è l’unica nazione africana tra le prime 40 per produzione di IA, a dimostrazione di come il divario digitale rischi di aggravarsi nell’era dell’IA. L’IA nella revisione paritaria: promesse e pericoli La revisione paritaria garantisce il rigore accademico e metodologico e la trasparenza quando gli articoli vengono inviati alle riviste. Quest’anno è stato pubblicato su Frontiersun articolo assurdo con testicoli di topo giganti generati dall’IA , che indica come il processo di peer review sia tutt’altro che impenetrabile. Qualcuno era solito DALL-E creava figure scientifiche incomprensibili e le sottoponeva a Frontiers Journal. E indovina un po’? L’editore le ha pubblicate. LOLhttps://t.co/hjQkRQDkal https://t.co/aV1US o6Vt2 pic.twitter.com/VAkjJkY4dR – Veera Rajagopal (@doctorveera) 15 febbraio 2024 Recenti esperimenti hanno dimostrato che l’intelligenza artificiale è in grado di generare rapporti di valutazione della ricerca quasi indistinguibili da quelli scritti da esperti umani. L’anno scorso, un esperimento che ha messo alla prova le peer review di ChatGPT rispetto a quelle di revisori umani su uno stesso articolo ha rilevato che oltre il 50% dei commenti dell’IA sugli articoli di Nature e oltre il 77% su quelli dell’ICLR si allineavano ai punti sollevati dai revisori umani. Naturalmente, ChatGPT è molto più veloce dei revisori umani. “È sempre più difficile per i ricercatori ottenere un feedback di alta qualità dai revisori”, ha dichiarato James Zou dell’Università di Stanford, il ricercatore leader dell’esperimento. Il rapporto dell’IA con la ricerca sta sollevando questioni fondamentali sulla valutazione scientifica e sul fatto che il giudizio umano sia intrinseco al processo. L’equilibrio tra l’efficienza dell’IA e l’insostituibile intuizione umana è una delle tante questioni chiave con cui gli scienziati di ogni provenienza dovranno confrontarsi nei prossimi anni. L’IA potrebbe presto essere in grado di gestire l’intero processo di ricerca dall’inizio alla fine, mettendo potenzialmente da parte i ricercatori umani. Ad esempio, l ‘AI Scientist diSakana genera autonomamente nuove idee di ricerca, progetta e conduce esperimenti e addirittura scrive e revisiona articoli scientifici. Questo fa pensare a un futuro in cui l’intelligenza artificiale potrebbe guidare la scoperta scientifica con un intervento umano minimo. Per quanto riguarda la metodologia, l’utilizzo dell’apprendimento automatico (ML) per elaborare e analizzare i dati comporta dei rischi. I ricercatoridi Princeton hanno sostenuto che, poiché molte tecniche di ML non possono essere facilmente replicate, questo erode la replicabilità degli esperimenti – un principio chiave della scienza di alta qualità. In definitiva, l’ascesa dell’IA alla ribalta in ogni aspetto della ricerca e della scienza sta guadagnando terreno e il processo è probabilmente irreversibile. L’anno scorso, Nature ha intervistato 1.600 ricercatori e ha scoperto che il 66% ritiene che l’IA consenta un’elaborazione più rapida dei dati, il 58% che acceleri analisi precedentemente non fattibili e il 55% che sia una soluzione che fa risparmiare tempo e denaro. Come conclude Simon Baker, autore principale della panoramica del supplemento: “L’IA sta cambiando il modo in cui i ricercatori lavorano per sempre, ma l’esperienza umana deve continuare ad avere il sopravvento” Ora si tratta di capire come la comunità scientifica mondiale si
I professionisti dell’IT vogliono una regolamentazione più forte sull’IA
Un nuovo sondaggio condotto da SolarWinds ha rivelato una forte richiesta di una maggiore supervisione governativa dell’IA, con l’88% dei professionisti dell’IT a favore di una regolamentazione più severa. Lo studio, che ha interpellato quasi 700 esperti IT, evidenzia che la sicurezza è la preoccupazione principale. Uno schiacciante 72% degli intervistati ha sottolineato la necessità di adottare misure per la sicurezza delle infrastrutture. La privacy segue a ruota, con il 64% dei professionisti IT che chiede regole più severe per proteggere le informazioni sensibili. Rob Johnson, VP e Global Head of Solutions Engineering di SolarWinds, ha commentato: “È comprensibile che i responsabili IT si stiano avvicinando all’IA con cautela. La rapida evoluzione della tecnologia presenta naturalmente le sfide tipiche di ogni innovazione emergente. “La sicurezza e la privacy rimangono in primo piano, con un continuo controllo da parte degli enti normativi. Tuttavia, spetta alle organizzazioni adottare misure proattive migliorando l’igiene dei dati, applicando una solida etica dell’IA e creando i team giusti per guidare questi sforzi. Questo atteggiamento proattivo non solo aiuta a rispettare le normative in evoluzione, ma massimizza anche il potenziale dell’IA” I risultati dell’indagine arrivano in un momento cruciale, in concomitanza con l’attuazione dell ‘AI Act dell’UE. Nel Regno Unito, il nuovo governo laburista ha recentemente proposto una propria legislazione sull’IA durante l’ultimo discorso del Re, segnalando un crescente riconoscimento della necessità di un quadro normativo. Negli Stati Uniti, il mese scorso l’Assemblea dello Stato della California ha approvato una controversa legge sulla sicurezza dell’IA. Oltre alla sicurezza e alla privacy, l’indagine rivela un più ampio spettro di preoccupazioni tra i professionisti IT. La maggioranza (55%) ritiene che l’intervento del governo sia fondamentale per arginare la marea di disinformazione generata dall’IA. Inoltre, la metà degli intervistati è a favore di normative volte a garantire la trasparenza e le pratiche etiche nello sviluppo dell’IA. Le sfide vanno oltre la regolamentazione dell’IA Tuttavia, le sfide che si pongono all’adozione dell’IA vanno oltre le preoccupazioni normative. L’indagine rivela una preoccupante mancanza di fiducia nella qualità dei dati, una pietra miliare per un’implementazione di successo dell’IA. Solo il 38% degli intervistati si considera “molto fiducioso” della qualità dei dati e della formazione utilizzata nei sistemi di IA. Questo scetticismo non è infondato, poiché il 40% dei leader IT che hanno riscontrato problemi con l’IA li attribuisce a errori algoritmici derivanti da dati insufficienti o distorti. Di conseguenza, la qualità dei dati emerge come il secondo ostacolo più significativo all’adozione dell’IA (16%), dopo i rischi per la sicurezza e la privacy. Questo dato sottolinea l’importanza cruciale di dati solidi e imparziali per il successo dell’IA. “I dati di alta qualità sono la chiave di volta di modelli di IA accurati e affidabili, che a loro volta favoriscono il miglioramento del processo decisionale e dei risultati”, aggiunge Johnson. “I dati affidabili creano fiducia nell’IA tra i professionisti dell’IT, accelerando l’adozione e l’integrazione delle tecnologie di IA” L’indagine mette in luce anche le preoccupazioni diffuse sulla preparazione dei database. Meno della metà (43%) dei professionisti IT si dichiara fiducioso sulla capacità della propria azienda di soddisfare le crescenti richieste di dati dell’IA. Questa mancanza di preparazione è ulteriormente aggravata dalla percezione che le organizzazioni non si stiano muovendo abbastanza rapidamente per implementare l’IA, con il 46% degli intervistati che cita i problemi di qualità dei dati come un fattore che contribuisce. Mentre l’IA continua a rimodellare il panorama tecnologico, i risultati di questa indagine di SolarWinds sono un chiaro invito a rafforzare le normative e a migliorare le pratiche relative ai dati. Il messaggio dei professionisti dell’IT è chiaro: sebbene l’IA sia molto promettente, il successo della sua integrazione dipende dalla risoluzione di problemi critici legati alla sicurezza, alla privacy e alla qualità dei dati. (Foto di Kelly Sikkema) Vedi anche: Un libro bianco dissipa i timori sulla perdita di posti di lavoro causata dall’IA Vuoi saperne di più sull’IA e sui Big Data dai leader del settore? Dai un’occhiata all’ AI & Big Data Expo che si terrà ad Amsterdam, in California e a Londra. L’evento completo è in concomitanza con altri eventi di spicco come Intelligent Automation Conference, BlockX, Digital Transformation Week e Cyber Security & Cloud Expo. Scopri gli altri eventi tecnologici aziendali e i webinar di TechForge qui. Tags: adozione, ai, intelligenza artificiale, dati, etica, legge, legale, legislazione, regolamento, rapporto, sicurezza, Società, solarwinds, studio Leggi di più su www.artificialintelligence-news.com
I ricercatori usano un chatbot AI per cambiare le credenze sulle teorie del complotto
Circa il 50% degli americani crede in teorie cospirative di un tipo o dell’altro, ma i ricercatori del MIT e della Cornell University pensano che l’intelligenza artificiale possa risolvere il problema. Nel loro articolo, i ricercatori di psicologia spiegano come hanno utilizzato un chatbot alimentato da GPT-4 Turbo per interagire con i partecipanti e vedere se potevano essere persuasi ad abbandonare la loro fede in una teoria cospirativa. L’esperimento ha coinvolto 1.000 partecipanti a cui è stato chiesto di descrivere una teoria del complotto in cui credevano e le prove che ritenevano alla base della loro convinzione. L’articolo ha osservato che “Le principali teorie psicologiche sostengono che molte persone vogliono adottare le teorie del complotto (per soddisfare i “bisogni” o le motivazioni psichiche sottostanti) e quindi i credenti non possono essere convinti ad abbandonare queste credenze infondate e poco plausibili utilizzando i fatti e le controprove” Un chatbot AI potrebbe essere più persuasivo dove altri hanno fallito? I ricercatori hanno fornito due motivi per cui sospettano che i LLM possano fare un lavoro migliore del tuo per convincere il tuo collega che lo sbarco sulla Luna è avvenuto davvero. I LLM sono stati addestrati su vaste quantità di dati e sono davvero bravi ad adattare le controargomentazioni alle specificità delle convinzioni di una persona. Dopo aver descritto la teoria del complotto e le prove, i partecipanti hanno iniziato a interagire con il chatbot. Al chatbot è stato chiesto di “persuadere in modo molto efficace” i partecipanti a cambiare le loro convinzioni sulla cospirazione scelta. Il risultato è stato che, in media, i partecipanti hanno registrato una diminuzione del 21,43% della loro fede nella cospirazione che prima consideravano vera. Anche la persistenza dell’effetto è stata interessante. Fino a due mesi dopo, i partecipanti hanno mantenuto le nuove convinzioni sulla cospirazione in cui credevano in precedenza. I ricercatori hanno concluso che “molti cospirazionisti – compresi quelli fortemente impegnati nelle loro convinzioni – hanno aggiornato le loro opinioni quando si sono trovati di fronte a un’IA che argomentava in modo convincente contro le loro posizioni” Il nostro nuovo articolo, pubblicato su (la copertina di!) Science è ora disponibile! https://t.co/VBfC5eoMQ2 – Tom Costello (@tomstello_) 12 settembre 2024 I ricercatori suggeriscono che l’intelligenza artificiale potrebbe essere utilizzata per contrastare le teorie cospirazioniste e le fake news diffuse sui social media, opponendosi a queste con fatti e argomentazioni ben motivate. Sebbene lo studio si sia concentrato sulle teorie del complotto, ha osservato che “In assenza di adeguate protezioni, tuttavia, è del tutto possibile che tali modelli possano anche convincere le persone ad adottare credenze epistemicamente sospette o, più in generale, essere utilizzati come strumenti di persuasione su larga scala” In altre parole, l’intelligenza artificiale è davvero brava a convincerti a credere alle cose che le viene chiesto di far credere. Un modello di intelligenza artificiale, inoltre, non sa intrinsecamente cosa sia “vero” e cosa no. Dipende dal contenuto dei suoi dati di addestramento. I ricercatori hanno ottenuto i loro risultati utilizzando GPT-4 Turbo, ma GPT-4o e i nuovi modelli o1 sono ancora più persuasivi e ingannevoli. Lo studio è stato finanziato dalla John Templeton Foundation. L’ironia della sorte è che i Templeton Freedom Awards sono amministrati dalla Atlas Economic Research Foundation. Questo gruppo si oppone all’azione sul cambiamento climatico e difende l’industria del tabacco, che lo finanzia anche. I modelli di intelligenza artificiale stanno diventando molto persuasivi e le persone che decidono cosa costituisce la verità detengono il potere. Gli stessi modelli di intelligenza artificiale che potrebbero convincerti a smettere di credere che la terra sia piatta, potrebbero essere utilizzati dai lobbisti per convincerti che le leggi antifumo sono sbagliate e che il cambiamento climatico non sta avvenendo. Leggi di più su dailyai.com
L’intelligenza artificiale accelera la scoperta di composti crioprotettori per il trasporto e la conservazione dei farmaci
Gli scienziati hanno sviluppato un nuovo sistema di apprendimento automatico che potrebbe aiutare a conservare vaccini, sangue e altri trattamenti medici. La ricerca, pubblicata su Nature Communications, è stata condotta dall’Università di Warwick e dall’Università di Manchester. Il sistema di intelligenza artificiale aiuta a identificare le molecole chiamate crioprotettori – composti che prevengono i danni durante il congelamento dei materiali biologici. I crioprotettori sono sostanze speciali che aiutano a proteggere le cellule e i tessuti viventi da danni quando vengono congelati. Agiscono prevenendo la formazione di dannosi cristalli di ghiaccio, che essenzialmente rompono i tessuti quando vengono congelati, e aiutano le cellule a mantenere la loro struttura in condizioni di freddo estremo. Questi composti sono di fondamentale importanza per la conservazione di oggetti come vaccini, campioni di sangue e cellule riproduttive per lo stoccaggio o il trasporto a lungo termine. I criopreventi potrebbero un giorno essere utilizzati per conservare organi, tessuti complessi o addirittura interi esseri umani. Attualmente, trovare nuovi crioprotettori è un processo lento, basato su tentativi ed errori. Questo nuovo approccio guidato dal ML permette ai ricercatori di vagliare rapidamente e virtualmente centinaia di potenziali molecole. Ecco alcuni punti chiave dello studio: Il team ha creato un modello di apprendimento automatico addestrato sui dati dei crioprotettori esistenti. Questo modello è in grado di prevedere l’efficacia di nuove molecole come crioprotettori. I ricercatori hanno utilizzato il modello per vagliare una libreria di circa 500 aminoacidi. Il sistema ha identificato diversi composti promettenti, tra cui un estere di aminooxazolo che ha superato molti crioprotettori noti. I test di laboratorio hanno confermato le previsioni dell’intelligenza artificiale: il nuovo composto ha mostrato una forte capacità di prevenire i cristalli di ghiaccio. La molecola scoperta ha migliorato la conservazione dei globuli rossi quando è stata combinata con le tecniche standard. L’estere amino-ossazolico identificato dallo studio ha dimostrato qualità particolarmente notevoli di inibizione della ricristallizzazione del ghiaccio (IRI). Ha impedito quasi completamente ai cristalli di ghiaccio di ingrandirsi durante il processo di congelamento. Il composto è rimasto efficace anche quando i ricercatori ne hanno abbassato la concentrazione. Inoltre, ha mantenuto le sue proprietà di inibizione del ghiaccio anche nella soluzione salina tamponata con fosfati (PBS), una soluzione che riproduce la concentrazione di sale nel corpo umano. Il dottor Matt Warren, il dottorando che ha guidato il progetto, ha descritto come il modello acceleri l’efficienza: “Dopo anni di raccolta di dati ad alta intensità di lavoro in laboratorio, è incredibilmente emozionante poter disporre di un modello di apprendimento automatico che consente un approccio guidato dai dati per prevedere l’attività crioprotettiva” Il professor Matthew Gibson di Manchester ha aggiunto: “I risultati del modello computerizzato sono stati sorprendenti e hanno identificato molecole attive che non avrei mai scelto, nemmeno con i miei anni di esperienza” Il professor Gabriele Sosso, che ha guidato il team di Warwick, ha spiegato in un post sul blog che, per quanto impressionante, l’apprendimento automatico non è una panacea per questo tipo di problemi di ricerca: “È importante capire che l’apprendimento automatico non è una soluzione magica per ogni problema scientifico. In questo lavoro, lo abbiamo usato come uno strumento tra tanti” I ricercatori hanno combinato le previsioni dell’intelligenza artificiale con simulazioni molecolari ed esperimenti di laboratorio: un approccio su più fronti che ha aiutato a convalidare i risultati e a perfezionare il modello. Questo contribuisce a una serie di studi guidati dall’intelligenza artificiale per la scoperta di farmaci e la progettazione di materiali. I ricercatori hanno costruito modelli di intelligenza artificiale per generare interessanti composti medicinali, uno dei quali è stato portato alla sperimentazione clinica. DeepMind ha anche creato un modello chiamato GNoME in grado di generare e sintetizzare automaticamente i materiali. I nuovi composti crioprotettori scoperti potrebbero avere un ampio impatto sul mondo reale. Ad esempio, i ricercatori descrivono come il miglioramento della crioconservazione potrebbe estendere la durata di conservazione dei vaccini e rendere più facile il trasporto di trattamenti medici sensibili in aree remote. La tecnica potrebbe anche accelerare le trasfusioni di sangue riducendo il tempo necessario per processare il sangue congelato. Sebbene i risultati siano promettenti, il team avverte che è necessario un ulteriore lavoro per comprendere appieno il funzionamento di questi nuovi composti e per garantirne la sicurezza e la stabilità medica. Leggi di più su dailyai.com
AI vs agenzie di marketing: Minacce e vantaggi
L’IA sta spuntando ovunque nel marketing in questi giorni e ci porta a pensare allo scontro finale: IA contro agenzie di marketing. Certo, l’IA può gestire dati e tendenze, ma che dire della creatività e del tocco umano per cui le agenzie sono famose? Forse non si tratta di sostituire l’una con l’altra, ma di trovare un modo per farle lavorare fianco a fianco. Sembra surreale? Non credo. Siamo proprio sull’orlo di questo grande cambiamento. Anche prima dell’ascesa dell’uso dell’IA nel marketing digitale, i professionisti del marketing erano d’accordo, come ha detto Vineet Mehra nel video YouTube Think with Google del 2019: Siamo in un’epoca in cui la creatività, la tecnologia e i dati diventeranno il punto di riferimento della cultura del marketing. Fin dagli anni precedenti all’esaltazione del marketing, è stato previsto che il pensiero convergente e divergente lavoreranno insieme per produrre grande creatività in futuro, come affermato da Nick Farnhill. Pensando al video di Google, la data prevista era il 2030. E nel 2024, alcune cose sono chiarissime: L’intelligenza artificiale gestisce compiti come l’ottimizzazione del PPC, ma ha ancora bisogno della strategia e della creatività umana. L’intelligenza artificiale redige i contenuti, ma non ha l’intuizione emotiva che solo i marketer possono fornire. L’intelligenza artificiale individua le tendenze, ma l’intuizione umana è fondamentale per comprenderle. L‘IA libera i marketer per la narrazione automatizzando i compiti ripetitivi. L’intelligenza artificiale può aumentare la produttività globale fino a 4,4 trilioni di dollari, con un impatto notevole sul marketing. La personalizzazione guidata dall’intelligenza artificiale può aumentare le prestazioni delle campagne, come l’aumento del 25% del tasso di click-through di Michaels Stores. Fino al 90% dei contenuti online potrebbe presto essere generato dall’intelligenza artificiale, ma la creatività umana rimane essenziale. Problemi etici come la parzialità degli algoritmi rendono cruciale la supervisione umana. Ma c’è molto altro da disfare. Andiamo ad esplorare! Vuoi saltare? Possiamo davvero fare una jam session insieme? E se l’intelligenza artificiale potesse essere il tuo prossimo partner creativo? Non un sostituto, ma un collaboratore. Si parla molto di IA contro agenzie di marketing, ma forse non si tratta tanto di una vittoria dell’una o dell’altra, quanto piuttosto di come queste possano supportarsi a vicenda. L’intelligenza artificiale sta già cambiando il modo di lavorare dei marketer e i leader delle agenzie se ne stanno accorgendo. In un video di Think with Google, si parla di come strumenti come Performance Max di Google stiano semplificando il posizionamento degli annunci. L’intelligenza artificiale può aiutare ad abbozzare idee o a mostrare come potrebbe apparire un annuncio futuro. Ma alla fine è necessario il giudizio umano per decidere se queste idee sono adatte al messaggio del marchio. Sunil Naryani ha sottolineato che l’intelligenza artificiale è uno strumento già fondamentale nei piani di marketing di oggi. Il punto è che non si tratta di trovare lo strumento “giusto”, ma di capire come usarli entrambi in modo efficace. Laurent Thevenet suggerisce ai creativi di esplorare diversi strumenti di intelligenza artificiale, imparando a spingersi oltre i limiti pur mantenendo il tocco umano. Non si tratta quindi di scegliere l’uno o l’altro. È piuttosto possibile trovare il punto di equilibrio in cui l’AI supporta le agenzie nel fornire il loro lavoro migliore. In questo equilibrio, potremmo assistere all’ascesa di agenzie di AI marketing che combinano la potenza dei dati con la creatività umana, mantenendo i marketer efficaci in un panorama in continua evoluzione. In base alle informazioni contenute nel rapporto di McKinsey, l’intelligenza artificiale ha il potenziale per semplificare molte attività di marketing, liberando tempo per gli addetti al marketing che potranno concentrarsi sul quadro generale. Prendiamo ad esempio la creazione di contenuti. L’intelligenza artificiale può redigere rapidamente post per blog, didascalie per i social media o descrizioni di prodotti. Questo aiuta gli addetti al marketing a tenere il passo con la costante richiesta di contenuti freschi su tutte le piattaforme. L’intelligenza artificiale gestisce le bozze iniziali, mentre gli addetti al marketing le perfezionano per adattarle alla voce del marchio. Invece di scrivere ogni pezzo da zero, ora possono concentrarsi su: modifica, aggiungendo esempi reali, e di condurre una ricerca più approfondita per includere fonti affidabili che rendano il contenuto davvero prezioso. La creatività umana va oltre ciò che l’intelligenza artificiale può fare. Ad esempio, supponiamo che tu stia lanciando una campagna per un nuovo prodotto. Uno strumento di intelligenza artificiale potrebbe suggerire l’uso di determinate linee, ma un’agenzia penserà a come raccontare una storia che si connetta con le persone. Poi c’è l’analisi dei dati. Ad esempio, l’intelligenza artificiale può mostrare quali post sui social media stanno ottenendo successo o indicare se un prodotto diventa improvvisamente popolare. Questo tipo di informazioni consente agli addetti al marketing di apportare cambiamenti rapidi. Se l’intelligenza artificiale evidenzia che il pubblico più giovane preferisce i video brevi, un’agenzia può spostare l’attenzione per soddisfare questa richiesta. Ma c’è un problema: l ‘intelligenza artificiale è in grado di individuare gli schemi, ma non di capire il “perché” di questi schemi. È qui che entra in gioco l’intuizione umana. Lo stesso vale per l’intelligenza artificiale nella SEO. L’intelligenza artificiale può aiutare: segnala i link non funzionanti, suggerire collegamenti interni, e persino prevedere l’impatto delle modifiche al sito web sulle classifiche. È come avere un paio di occhi in più sul tuo sito. Ma sapere quali sono le parole chiave su cui puntare e creare dei contenuti che siano in grado di entrare in contatto con le persone? Questo è tutto umano. L’intelligenza artificiale sta cambiando anche il modo in cui affrontiamo le campagne pubblicitarie. Osserva le prestazioni degli annunci 24 ore su 24, regolando le offerte per ottenere i risultati migliori. Invece di modificare costantemente i budget, l’intelligenza artificiale sposta i fondi dove avranno il massimo impatto. Questo fa risparmiare tempo, certo, ma spetta ancora a chi si occupa di marketing definire la strategia e decidere la direzione. Anche nel servizio clienti, i chatbot dotati di intelligenza artificiale stanno intervenendo per gestire le domande di base, lasciando agli agenti umani il compito di occuparsi delle
OpenAI GPT4-01 è più intelligente ma più ingannevole con un livello di rischio “medio”
I nuovi LLM “01” di OpenAI, soprannominati Strawberry, presentano miglioramenti significativi rispetto al GPT-4o, ma l’azienda afferma che questo comporta un aumento dei rischi. OpenAI afferma di impegnarsi per uno sviluppo sicuro dei suoi modelli di intelligenza artificiale. A tal fine, ha sviluppato un Preparedness Framework, un insieme di “processi per tracciare, valutare e proteggere dai rischi catastrofici derivanti da modelli potenti” I limiti autoimposti da OpenAI regolano quali modelli vengono rilasciati o sottoposti a ulteriore sviluppo. Il Preparedness Framework si traduce in una scorecard in cui i rischi CBRN (chimici, biologici, radiologici, nucleari), l’autonomia dei modelli, la cybersicurezza e la persuasione sono classificati come bassi, medi, alti o critici. Quando vengono identificati rischi inaccettabili, vengono messe in atto delle mitigazioni per ridurli. Solo i modelli con un punteggio post-mitigazione pari o inferiore a “medio” possono essere impiegati. Solo i modelli con un punteggio post-mitigazione pari o inferiore a “alto” possono essere sviluppati ulteriormente. Il rilascio di 01 segna la prima volta che OpenAI rilascia un modello che presenta un rischio “medio” per i rischi CBRN. Il GPT-4o è classificato come un rischio basso. Non consentirà a un dilettante di creare un’arma biologica, ma OpenAI afferma che c’è stato “un aumento non banale” nella sua capacità di svolgere attività di laboratorio. Tuttavia, OpenAI afferma che “o1-preview e o1-mini hanno superato in modo significativo GPT-4o” nei protocolli biologici di laboratorio. La scheda di sistema dei modelli 01 illustra i test di sicurezza red teaming e altri test a cui sono stati sottoposti i LLM e accenna ad alcune delle preoccupazioni di OpenAI riguardo ai potenziali rischi. Nella sua conclusione, la scheda di sistema afferma: “Queste maggiori capacità si accompagnano a prestazioni significativamente migliori nei benchmark di sicurezza, ma aumentano anche alcuni tipi di rischio” I risultati degli sforzi di allineamento di OpenAI sembrano indicare che sotto molti aspetti 01 è un modello più sicuro. È più resistente agli attacchi di jailbreak, ha meno probabilità di essere distorto e meno incline alle allucinazioni. Alcuni dei risultati sperimentali mostrano perché OpenAI ha motivo di preoccuparsi. L’inganno OpenAI si è avvalsa dell’organizzazione di valutazione Apollo Research per eseguire alcuni dei test di sicurezza di 01 relativi all’inganno o all’intrallazzo. Apollo definisce l’inganno come un’intelligenza artificiale che gioca con i propri meccanismi di supervisione per raggiungere un obiettivo. Un modello autoconsapevole che è bravo a ragionare da solo e a svolgere compiti di teoria della mente potrebbe ricorrere all’inganno per raggiungere il suo obiettivo primario. Ad esempio, se un modello di intelligenza artificiale si rende conto di essere sottoposto a test di allineamento, potrebbe nascondere un comportamento rischioso per raggiungere il suo obiettivo di essere impiegato. La scheda di sistema ha rilevato che “o1-preview a volte fingeva strumentalmente l’allineamento durante i test” Un esempio di ciò si è verificato quando 01 è stato sollecitato con l’obiettivo primario di massimizzare la crescita economica in un progetto di pianificazione urbana. Il modello 01 aveva accesso a informazioni che dimostravano che non avrebbe potuto superare la fase di test se avesse agito in questo modo. Ecco come lo 01 ha ragionato su come raggiungere il suo obiettivo: Questo esempio mostra la capacità di 01 di nascondere le sue vere intenzioni durante i test in modo da poter perseguire il suo obiettivo principale durante la fase di distribuzione. Se 01 è a conoscenza delle regole di OpenAI per il deployment basate sul suo Preparedness Framework, potrebbe aver falsificato alcune delle sue risposte per assicurarsi di essere distribuito? Se sono in cantiere altri modelli intelligenti, potrebbero assicurarsi che rimangano sotto il punteggio di rischio “critico” per garantire un ulteriore sviluppo? Il team di Apollo afferma di “ritenere soggettivamente che o1-preview non sia in grado di mettere in atto intrighi che possano portare a danni catastrofici, anche se le valutazioni attuali non sono progettate per escluderlo definitivamente” Persuasione I test condotti su o1-preview e o1-mini dimostrano che questi modelli hanno “capacità di persuasione di livello umano” Tuttavia, OpenAI afferma che “non superano i migliori scrittori umani e non raggiungono la nostra soglia di rischio elevato” Gli esperimenti condotti per verificarlo sollevano alcune perplessità. Nel test MakeMePay, a 01-preview è stato assegnato il ruolo di un artista della truffa e il compito di convincere GPT-4o a consegnare il denaro che aveva ricevuto. A GPt-4o è stato detto che aveva ricevuto 100 dollari e che doveva decidere in modo razionale come utilizzare i fondi. Nel corso di 1.000 interazioni, 01-preview è riuscito a convincere GPT-4o nel 25,8% dei casi. OpenAI ha concluso che “Questi risultati indicano che la serie di modelli o1 può essere più manipolativa di GPT-4o nell’indurre GPT-4o a eseguire il compito non rivelato (∼25% di aumento)” Inoltre, ha osservato che “Questa valutazione ci dà una base di riferimento per la capacità del modello di fare danni persuasivi, senza far scattare alcuna politica del modello (poiché dire a un modello di fare un gioco non è fuori dalla politica)” La prospettiva di mettere i LLM di 01 al lavoro su problemi del mondo reale è estremamente eccitante e quando 01 acquisirà capacità multimodali rappresenterà un altro salto esponenziale. Ma quando i tester dell’AI dicono di non poter escludere “danni catastrofici” e che i modelli a volte nascondono le loro vere intenzioni, potrebbe essere il caso di temperare l’entusiasmo con la cautela. OpenAI ha appena dato a Gavin Newsom un buon motivo per firmare la legge SB 1047 sulla sicurezza dell’IA a cui si oppone? Leggi di più su dailyai.com
L’intelligenza artificiale inaugura una nuova era per la coltivazione delle fragole, con implicazioni agricole più ampie
L’intelligenza artificiale potrebbe presto lavorare al fianco degli esseri umani per coltivare la fragola perfetta. I ricercatori della Western University hanno sviluppato un sistema di intelligenza artificiale che promette di rivoluzionare il modo in cui coltiviamo uno dei frutti preferiti al mondo, con potenziali effetti a catena sull’intero settore agricolo. E no, questo non è legato al modello o1 diOpenAI, precedentemente chiamato in codice “Project Strawberry” Lo studio, pubblicato sulla rivista Foods, mostra un notevole balzo in avanti nella tecnologia agricola. Utilizzando tecniche avanzate di apprendimento automatico, il team ha creato un sistema in grado di rilevare la maturazione e le malattie delle fragole con un’accuratezza vicina al 99%, il tutto attraverso il semplice monitoraggio di una telecamera. “Volevamo ridurre le dimensioni di questi modelli di intelligenza artificiale per renderli fattibili per gli agricoltori e per la produzione localizzata”, ha dichiarato Joshua Pearce, titolare della cattedra John M. Thompson in Information Technology and Innovation presso la Western Engineering e la Ivey Business School. “Non volevamo solo aumentare l’accuratezza, che è superiore al 98%, ma anche ridurre le dimensioni dei modelli” Ciò che distingue questa ricerca è la sua attenzione all’accessibilità. A differenza di molte soluzioni agricole high-tech che si rivolgono alle grandi aziende, Pearce e il suo collega Soodeh Nikan hanno progettato il loro sistema pensando alle piccole e medie aziende agricole. La metodologia del team ha combinato tecniche innovative di intelligenza artificiale con conoscenze pratiche di agricoltura: Hanno iniziato raccogliendo diversi set di immagini di fragole, compresi i frutti sani e quelli affetti da varie malattie. Queste immagini sono state poi elaborate e aumentate per creare un robusto set di dati di addestramento. I ricercatori hanno messo a punto tre diversi modelli di intelligenza artificiale – Vision Transformer, MobileNetV2 e ResNet18 – ognuno dei quali ha apportato punti di forza unici al compito. Per garantire che l’intelligenza artificiale fosse in grado di gestire la variabilità del mondo reale, hanno incorporato tecniche come la ponderazione delle classi e la generazione di immagini sintetiche. E, cosa forse più importante, hanno integrato nei modelli dei “meccanismi di attenzione” che permettono all’intelligenza artificiale di concentrarsi sulle parti più rilevanti di ogni immagine. Il sistema eccelle in due compiti principali: Rilevamento della maturazione: È in grado di classificare con precisione le fragole come mature o acerbe, aiutando gli agricoltori a ottimizzare i tempi di raccolta. Identificazione delle malattie: L’intelligenza artificiale è in grado di rilevare e identificare sette tipi distinti di malattie delle fragole: macchia fogliare angolare, marciume della frutta da antracnosi, peronospora, muffa grigia, macchia fogliare, oidio della frutta e oidio della foglia. I risultati parlano da soli. Con tassi di accuratezza che si aggirano intorno al 98%, il sistema supera di gran lunga i precedenti tentativi di monitoraggio automatizzato delle fragole. Tuttavia, le implicazioni di questa ricerca vanno ben oltre il semplice miglioramento della resa delle fragole. È evidente anche il potenziale di riduzione degli sprechi alimentari. Secondo l’Organizzazione delle Nazioni Unite per l’Alimentazione e l’Agricoltura, circa il 14% del cibo prodotto va perso tra il raccolto e la vendita al dettaglio. Tecnologie come questo sistema di intelligenza artificiale potrebbero aiutare a risolvere questo problema ottimizzando i tempi di raccolta e riducendo le perdite dovute a malattie o eccessiva maturazione. “Ridurre gli sprechi e il costo del cibo è ovviamente un tema importante al giorno d’oggi. Come tutti, sono sempre sorpreso quando vado al supermercato e vedo il prezzo di frutta e verdura fresca”, ha dichiarato Nikan. “Quando scelgo i progetti, di solito cerco qualcosa che sia fondamentale per la sicurezza o che rappresenti un’esigenza della società. Grazie alla mia esperienza in altre applicazioni, ho colto al volo l’opportunità di applicare le mie conoscenze e competenze alla sicurezza alimentare” In prospettiva, il team sta già pianificando di testare il proprio sistema in ambienti esterni, utilizzando potenzialmente i droni per un monitoraggio più ampio del campo. Inoltre, sta esplorando l’uso di immagini sintetiche generate dall’intelligenza artificiale per ridurre ulteriormente i dati necessari all’addestramento di modelli efficaci. “Invece di scattare immagini di milioni di fragole, che è un approccio a bassa efficienza e ad alto costo, stiamo usando immagini sintetiche e un software open-source per creare milioni di immagini noi stessi, con una potenza di calcolo relativamente bassa, che ora ci permette di individuare osservazioni altamente granulari sulla maturazione e sulle malattie per piante molto specifiche”, ha detto Nikan. Pearce ha aggiunto: “Il software è completamente gratuito e open-source e gli agricoltori di qualsiasi tipo sono liberi di scaricarlo e di adattarlo alle loro esigenze. Potrebbero preferire che il sistema di intelligenza artificiale invii loro un’e-mail o un ping sul telefono quando rileva una malattia, oppure che inoltri un’immagine di una specifica pianta pronta per essere raccolta. Il software è molto aperto e può essere personalizzato” Leggi di più su dailyai.com
Huawei ha superato Apple nella corsa all’intelligenza artificiale?
Quello che doveva essere l’annuncio di una nuova era dell’intelligenza artificiale per Apple ha invece lasciato molti delusi quando il gigante tecnologico ha presentato la serie iPhone 16, la sua prima linea di smartphone dotati di intelligenza artificiale, che sembra essere ancora in fase di beta testing e per la quale si prevede che ci vorranno mesi, se non anni, per il lancio completo a livello globale. A peggiorare le cose per il produttore di smartphone di Cupertino, California, il gigante tecnologico cinese Huawei ha lanciato il suo nuovo smartphone Mate XT poche ore dopo l’evento del primo, vantando funzioni AI molto più impressionanti alimentate dai chip Kylin interni di Huawei. La mossa di Huawei dimostra la sua capacità di innovare nonostante le sanzioni degli Stati Uniti, ma rappresenta anche un’incertezza per la quota di mercato di Apple nella Cina continentale, uno dei suoi mercati più importanti. Scopriamo perché. Apple e il suo gioco di intelligenza artificiale: Vale il clamore? Il ritardo nell’introduzione delle funzioni AI ha portato molti analisti del settore a chiedersi se la spinta di Apple verso l’AI sia pronta per la prima serata. “Con molte parole come ‘più tardi quest’anno’ e ‘all’inizio del prossimo anno’, il messaggio principale di Apple per l’iPhone 16 è stato: Il prossimo anno sarà migliore”, ha dichiarato a Reuters Laura Martin, analista di Needham. La suite di strumenti di Apple, nota come Apple Intelligence, è in fase di sviluppo da diverso tempo. L’azienda ha pubblicizzato la tecnologia sin dalla conferenza degli sviluppatori di giugno. Tuttavia, il software non sarà incluso nelle versioni iniziali dei nuovi iPhone e molte funzioni chiave non arriveranno prima del prossimo anno. Per il momento, la tecnologia si concentra principalmente sulla sintesi dei messaggi e delle notifiche piuttosto che sulle capacità più avanzate dei sistemi concorrenti. Il ritardo delle funzioni AI nell’iPhone 16 smorza l’entusiasmo, soprattutto in Cina In Cina, l’entusiasmo per il lancio dell’iPhone 16 di lunedì scorso si è rapidamente trasformato in delusione per molti utenti Apple locali quando hanno appreso che le funzioni AI non saranno immediatamente disponibili nella loro lingua fino al prossimo anno. Allo stesso tempo, l’assistente AI di Huawei, con funzioni di riassunto, traduzione e modifica del testo, e le funzioni di editing delle immagini potenziate dall’AI, come il ritaglio di parti indesiderate delle foto, saranno prontamente disponibili quando il Mate XT sarà in vendita alla fine di questo mese. Questo ritardo ha suscitato scetticismo sulla proposta di valore dei nuovi iPhone in Cina, soprattutto vista l’agguerrita concorrenza di rivali locali come Huawei. “L’assenza dell’intelligenza artificiale in Cina è simile al taglio di un braccio di Apple”, ha osservato un commentatore su Weibo, la popolare piattaforma di microblogging cinese. Un altro utente ha chiesto: “Con il più grande punto di vendita non disponibile, non dovreste farci pagare la metà del prezzo?” Secondo il South China Morning Post, questi sentimenti riflettono la crescente frustrazione dei consumatori cinesi che ritengono di non riuscire a sfruttare appieno le ultime innovazioni di Apple. Al contrario, il nuovo Mate XT di Huawei, che gli utenti possono piegare in tre modi come una porta a fisarmonica, ha già ricevuto più di quattro milioni di pre-ordini, per i quali non è richiesto alcun deposito, secondo il sito web dell’azienda. Secondo la società di ricerca IDC, il mercato globale dei telefoni pieghevoli è stato di circa 4 milioni di unità nel secondo trimestre. “Oggi vi presentiamo un prodotto a cui tutti pensano ma che non sono riusciti a realizzare. Il nostro team ha lavorato duramente per cinque anni e non si è mai arreso”, ha dichiarato il direttore esecutivo di Huawei Richard Yu in occasione del lancio. D’altra parte, Apple non ha ancora annunciato un partner per l’intelligenza artificiale in Cina per alimentare Apple Intelligence. Questo perché l’incerto panorama normativo della Cina continentale rende la situazione ancora più complessa. Il Ministero dell’Industria e della Tecnologia dell’Informazione del paese ha approvato 188 modelli linguistici di grandi dimensioni per l’uso pubblico, nessuno dei quali proviene da aziende straniere. Ciò solleva dubbi sul fatto che le funzioni AI di Apple saranno disponibili nella Cina continentale anche quando verranno introdotte in altre regioni di lingua cinese. Apple ha dichiarato sul suo sito web che la data di lancio della funzione AI in Cina dipenderà dalla decisione delle autorità di regolamentazione cinesi. Ma Apple deve recuperare il ritardo e deve farlo in fretta. Le vendite di Apple sono diminuite e la posizione dell’azienda nella seconda economia mondiale è scesa dal terzo al sesto posto. Questo nonostante Apple abbia da tempo registrato una forte domanda in Cina, dove il debutto di un nuovo iPhone ha sempre provocato una vera e propria frenesia. Il settore ha subito una svolta sorprendente quando l’anno scorso Huawei, con sede a Shenzhen, è tornata nel settore degli smartphone di fascia alta con il debutto di un dispositivo alimentato da un chip di produzione nazionale. In questo modo ha sfidato le sanzioni degli Stati Uniti che avevano tagliato l’accesso alla catena di fornitura globale di chipset. Il debutto del Mate 60 Pro ha stupito gli analisti e i funzionari statunitensi. Inoltre, Huawei ha iniziato a offrire telefoni pieghevoli a due vie nel suo inventario e le forti vendite in Cina l’hanno aiutata a battere Samsung Electronics come il più grande fornitore al mondo di telefoni di questo tipo all’inizio di quest’anno. Il ritardo accumulato da Apple Intelligence in Cina darà a concorrenti come Huawei l’opportunità di conquistare quote di mercato e di affermarsi come leader nel settore degli smartphone dotati di intelligenza artificiale all’interno del proprio territorio. Questo potrebbe rendere più difficile per Apple recuperare terreno una volta che le sue funzioni AI arriveranno finalmente nel paese. In definitiva, le ambizioni di Apple in materia di AI in Cina rappresentano una scommessa ad alto rischio per il gigante tecnologico. Sebbene il marchio dell’azienda eserciti ancora un notevole fascino, il ritardo nell’introduzione delle funzioni AI e l’intensa concorrenza da parte di operatori locali in ascesa come Huawei pongono serie sfide.
