Una nuova ricerca Snowflake rivela che il 92% degli early adopter prevede un ROI dagli investimenti in AI

Lo studio rivela che due terzi degli intervistati hanno calcolato il ROI relativo all’AI generativa: per ogni milione di dollari investiti, si registrano 1,41 milioni di dollari di utili derivanti da riduzione dei costi e incremento dei ricavi

Secondo la ricerca “Radical ROI of Generative AI”, realizzata da Snowflake, l’AI Data Cloud company, in collaborazione con Enterprise Strategy Group, il 92% delle aziende intervistate ha già registrato un ROI dai propri investimenti in AI e il 98% prevede di aumentare il focus sulle iniziative di intelligenza artificiale nel corso del 2025.

Lo studio ha coinvolto 1900 leader aziendali e IT in nove Paesi, tra cui Regno Unito, Francia e Germania, che stanno già utilizzando attivamente l’AI generativa in uno o più casi d’uso. A soli due anni e mezzo da quando questa tecnologia ha assunto un ruolo di primo piano nel mondo IT, i primi che l’hanno adottata stanno ottenendo risultati positivi nei casi d’uso sia interni che esterni. Oltre la metà (55%) degli intervistati ha dato priorità a soluzioni dedicate ai dipendenti allo scopo di migliorare produttività ed efficienza, mentre il 44% ha indirizzato i propri sforzi iniziali in soluzioni rivolte ai clienti per migliorare la loro esperienza e soddisfazione.

“Dopo quasi 20 anni dedicati allo sviluppo dell’AI finalmente posso dire che siamo arrivati al punto in cui questa tecnologia sta creando un valore reale e tangibile per le aziende di tutto il mondo”, ha dichiarato Baris Gultekin, Head of AI di Snowflake. “Con oltre 4000 clienti che utilizzano settimanalmente Snowflake per l’AI e il ML, possiamo testimoniare l’enorme impatto che questi strumenti hanno portato in tutte le organizzazioni in termini di efficienza e produttività dei team, e di democratizzazione dell’accesso ai dati”.

“La rivoluzione portata dall’intelligenza artificiale è sotto gli occhi di tutti e coinvolge anche l’Italia, con un mercato che nel 2024 è cresciuto del 58% secondo i dati dell’Osservatorio Artificial Intelligence del Politecnico di Milano”, ha aggiunto Marika Lilla, Country Manager Italia di Snowflake. “Proprio per questo, è più importante che mai che le imprese traccino i loro investimenti in vista di un ROI che la nostra ricerca mostra essere particolarmente significativo, a patto che siano accompagnati da un’adeguata strategia dati.”

Guidare gli investimenti nell’AI verso il successo

Secondo il report la maggior parte delle aziende giudica molto positivamente i primi investimenti in intelligenza artificiale, con il 93% che attribuisce alle proprie iniziative di AI generativa un grande o notevole successo. Gli intervistati hanno registrato miglioramenti misurabili in termini di efficienza (88%), customer experience (84%) e innovazione accelerata (84%). Di fatto, due terzi dei partecipanti stanno già iniziando a quantificare il ROI derivante dall’AI generativa: per ogni milione di dollari spesi, si registrano ritorni di 1,41 milioni di dollari grazie alla riduzione dei costi e all’incremento dei ricavi.

Si registrano tuttavia differenze importanti relative a dove le organizzazioni stanno concentrando i loro sforzi in materia di AI, direttamente correlate al grado di maturità dell’intelligenza artificiale di ciascun Paese e ai risultati in termini di ROI nelle varie aree geografiche.

• Francia: il mercato francese si trova ancora nella fase iniziale di adozione, con un più elevato numero di intervistati che stanno lavorando su casi d’uso di AI iniziali (41% rispetto alla media globale del 36%). Qui è stato registrato un rendimento del 31% sugli investimenti in AI generativa.
• Germania: il mercato tedesco eccelle nell’integrazione dei dati proprietari, con i partecipanti allo studio che affermano di perfezionare sempre più spesso i loro LLM con i propri dati (88% rispetto a una media globale dell’80%). Qui, il ritorno sugli investimenti in AI generativa è stato del 34%.
• Regno Unito: il mercato britannico privilegia il valore che l’AI offre agli utenti finali, con gli intervistati che hanno superato la media globale nel citare efficienza operativa (57% contro il 51%) e innovazione (46% contro il 40%) come principali fattori di business per le loro iniziative di intelligenza artificiale. Il ritorno sugli investimenti in AI generativa è stato del 42%.

Man mano che le aziende avanzano nel loro percorso verso l’intelligenza artificiale, gli intervistati hanno affermato di aver destinato ulteriori risorse alle loro iniziative di AI, in particolare per quanto riguarda dati (81%), LLM (78%), software di supporto (83%), infrastrutture (82%) e talenti (76%). Questo focus strategico sottolinea un cambiamento fondamentale nelle priorità aziendali al fine di operare ed essere competitive in futuro.

Superare le difficoltà legate ai dati per massimizzare l’efficacia dell’AI

Per sfruttare il vero potenziale dell’intelligenza artificiale è necessaria una piattaforma dati solida. Sempre più spesso, le aziende stanno integrando i propri dati proprietari per massimizzare l’efficacia dell’AI, attività intrapresa dal’80% degli intervistati. Nonostante ciò, molti dei partecipanti stanno affrontando sfide significative in tal senso, indicando proprio i dati come l’elemento di maggior ostacolo per il successo dell’intelligenza artificiale:

• Costi superiori alle aspettative: il 96% degli early adopter riferisce che uno o più componenti delle loro soluzioni di intelligenza artificiale sono costate più del previsto e il 78% afferma che la messa in produzione di metà o più dei casi d’uso di AI ha avuto costi superiori alle previsioni.
• Abbattere i silos di dati: il 64% degli early adopter afferma che l’integrazione dei dati provenienti da varie fonti rappresenta ancora una sfida.
• Organizzare i dati non strutturati: la grande maggioranza dei dati (stimata nell’80%-90%) non è strutturata. Tuttavia, solo l’11% degli early adopter ritiene che più della metà dei propri dati non strutturati sia pronta per essere utilizzata per formazione e tuning di LLM.
• Applicazione di linee guida per la governance: secondo il 59% dei partecipanti è difficile far rispettare una data governance.
• Misurare e monitorare la qualità dei dati: il 59% definisce difficili queste operazioni.
• Integrare la preparazione dei dati: il 58% sostiene che rendere i dati pronti per l’AI rappresenta una sfida.
• Scalare in modo efficiente capacità di storage e di elaborazione: il 54% ritiene che sia difficile soddisfare i requisiti di capacità di storage e di potenza di calcolo.