L'AI di Anthropic: casi d'uso specifici dominano

L'analisi di Anthropic sull'utilizzo di modelli linguistici di grandi dimensioni (LLM) indica una concentrazione su un numero ristretto di attività. Circa un quarto delle interazioni consumer e un terzo del traffico API enterprise si focalizzano sulle dieci attività più frequenti. La creazione e la modifica di codice sono tra gli impieghi principali di Claude.

Questa tendenza suggerisce che il valore del modello risiede principalmente in questi ambiti, senza un'espansione significativa verso altri utilizzi. Pertanto, implementazioni mirate dell'AI, focalizzate su compiti in cui i modelli linguistici hanno dimostrato efficacia, potrebbero rivelarsi più efficaci rispetto a implementazioni generalizzate.

Aumentare, non solo automatizzare

Sulle piattaforme consumer, l'uso collaborativo, in cui gli utenti iterano le query all'AI, è più comune dell'automazione completa dei flussi di lavoro. L'utilizzo delle API enterprise mostra il contrario, con le aziende che cercano di risparmiare automatizzando i compiti. Tuttavia, la qualità dei risultati diminuisce con la complessità del compito e con i tempi di elaborazione più lunghi.

L'automazione è più efficace per compiti semplici e ben definiti, che richiedono pochi passaggi logici e risposte rapide. Per i compiti più lunghi, gli utenti devono iterare e correggere gli output. La suddivisione di compiti complessi in fasi più gestibili migliora i risultati.

La maggior parte delle query agli LLM proviene da professionisti, anche se nei paesi meno sviluppati Claude è utilizzato più spesso in ambito accademico. Alcuni professionisti, come gli agenti di viaggio, possono delegare compiti complessi di pianificazione all'AI, mantenendo le attività transazionali. Al contrario, i gestori immobiliari possono automatizzare compiti amministrativi di routine, mantenendo le attività che richiedono maggiore giudizio.

Produttività: i guadagni sono ridimensionati dall'affidabilità

Le stime di un aumento dell'1,8% della produttività del lavoro grazie all'AI dovrebbero essere ridotte all'1-1,2%, considerando i costi e il lavoro extra necessari per validazione, gestione degli errori e rielaborazione. Un aumento dell'1% è comunque significativo, ma i decisori aziendali devono tenere conto di questi fattori.

I guadagni potenziali dipendono anche dal fatto che l'AI complementi o sostituisca il lavoro umano. La sostituzione dipende dalla complessità del compito. Una correlazione quasi perfetta è stata riscontrata tra la sofisticazione dei prompt e il successo dei risultati: l'uso che si fa dell'AI determina ciò che essa fornisce.

Conclusioni per i leader

  • L'implementazione dell'AI genera valore più rapidamente in aree specifiche e ben definite.
  • I sistemi complementari (AI + umano) superano l'automazione completa per i lavori complessi.
  • Affidabilità e lavoro extra riducono i guadagni di produttività previsti.
  • I cambiamenti nella composizione della forza lavoro dipendono dalla combinazione di compiti e dalla loro complessità, non dai ruoli specifici.