Il Gartner Hype Cycle for Generative AI 2025 (GenAI) fornisce informazioni critiche per i leader IT che affrontano un panorama di innovazioni GenAI in rapida evoluzione e spesso sopravvalutato. Il report prevede che entro il 2028, oltre il 95% delle imprese avrà integrato API, modelli di intelligenza artificiale generativa o distribuito applicazioni GenAI nei propri ambienti di produzione. Ciò sottolinea l'urgente necessità per le organizzazioni di andare oltre le prime proof of concept e investire strategicamente in tecnologie che creano valore tangibile e si allineano agli obiettivi organizzativi.

Quattro aree tecnologiche critiche

Gartner identifica quattro aree tecnologiche critiche che plasmano l'Hype Cycle GenAI e che richiedono un investimento strategico. La prima è costituita dai modelli GenAI, in cui i large language model (LLMs) restano il pilastro e la tecnologia più matura. Questi modelli fondazionali sono altamente personalizzabili per un'ampia gamma di casi d'uso. Tuttavia, altri tipi di modelli, come gli LLM open-source, i modelli GenAI specializzati per dominio e i large reasoning model, emergono rapidamente come alternative valide. Multimodal generative AI è citata come tecnologia esemplificativa in questa categoria, e promette risultati di intelligenza artificiale più potenti e rapidi.

AI engineering per la scalabilità

La seconda area chiave è l'AI engineering, che diventa critica man mano che le organizzazioni si preparano a scalare i propri programmi GenAI. Comprende l'ecosistema crescente di strumenti e tecniche progettati per costruire, governare e personalizzare le applicazioni GenAI. L'AI engineering garantisce che le applicazioni GenAI servano la strategia dell'organizzazione, fornendo framework per l'orchestrazione delle applicazioni, la riduzione delle allucinazioni, la mitigazione della disinformazione e la conformità normativa. AI TRiSM (Trust, Risk and Security Management) è presentata come tecnologia esemplificativa, incentrata sull'uso sicuro ed efficace dell'IA.

Agenti IA e applicazioni

La terza area copre agenti IA, applicazioni e casi d'uso. Gli assistenti virtuali GenAI, come ChatGPT, sono esempi noti che sfruttano gli LLM per capacità avanzate. La visione a lungo termine è quella di utilizzare agenti IA per automatizzare processi complessi e multi-fase su larga scala, al fine di aumentare la produttività, ridurre i costi operativi e migliorare l'esperienza del cliente. L'IA agentique, che percepisce, decide e agisce in modo autonomo o semi-autonomo per raggiungere obiettivi, rappresenta un cambiamento fondamentale rispetto ai chatbot passivi verso sistemi di IA più interattivi e capaci di creare valore. Embodied AI è citata come tecnologia esemplificativa in questo ambito.

Infrastruttura e tecniche abilitanti

Infine, l'infrastruttura e le tecniche abilitanti costituiscono la quarta area critica. L'evoluzione della GenAI si basa su una combinazione di nuove tecniche e pratiche IA consolidate. Il self-supervised learning, ad esempio, riduce la necessità di enormi dataset di addestramento etichettati e trova applicazioni in campi come la guida autonoma e la diagnostica medica, con un interesse crescente in tutti i settori. L'infrastruttura specializzata, inclusi i chip IA e gli strumenti, guadagna terreno per il suo ruolo nel migliorare l'efficienza e ridurre i costi di addestramento e inferenza dei modelli. AI supercomputing è evidenziata come tecnologia esemplificativa in questa categoria.

Direzione strategica

In sostanza, l'Hype Cycle GenAI 2025 funge da guida per i leader IT per prendere decisioni di investimento informate, andare oltre l'hype e integrare con successo l'intelligenza artificiale generativa nelle strategie aziendali per guidare l'innovazione e creare valore per il business.