Report sull’influenza dell’Intelligenza Artificiale nel 2025

Premessa

Accessibilità 

L’accessibilità dell’AI è intesa in senso ampio come possibilità per le persone di avere accesso agli strumenti di Intelligenza Artificiale, ai contenuti e ai servizi digitali a prescindere da status economico, regione geografica, livello di istruzione, competenza, abilità.

L’Intelligenza Artificiale può essere un vero elemento “rivoluzionario” solo se in grado di offrire soluzioni che superano ogni forma di barriera anche discriminatoria.

Accessibilità economica – Good news!

I sistemi di AI sono diventati sempre più economicamente accessibili. Di seguito è possibile evidenziare alcuni dati:

• i costi necessari da sostenere per lanciare i modelli “intelligenti” sono diminuiti a favore di un miglioramento energetico.
• la presenza di modelli di piccole dimensioni sempre più performanti ha consentito di registrare una diminuzione del costo di inferenza per un sistema con prestazioni pari a GPT-3.5. Questo, infatti, è diminuito di oltre 280 volte tra novembre 2022 e ottobre 2024
• a livello hardware, i costi sono scesi del 30% all’anno, mentre l’efficienza energetica è migliorata del 40% ogni anno

Accessibilità economica – Punti di attenzione

Pur migliorando in generale l’accessibilità economica, restano degli aspetti su cui fare attenzione, in particolare:

• La necessità di grossi investimenti
• La presenza predominante di big tech (vedi le organizzazioni che patrocinano lo studio stesso di Stanford)
• Crescenti gap di competenza e di accesso all’istruzione per poter adottare l’AI e/o per restare competitivi in questo scenario globale

Educazione

All’interno di questa sezione del report si trattano tre temi interconnessi tra loro: 

• l’uso dell’AI in ambito educativo
• la comprensione dei principi base del funzionamento dell’AI (“Ai literacy”) 
• la formazione specifica sulle competenze tecniche che consentono di costruire modelli di AI.

Educazione – Good news!

Gli ultimi 5 anni hanno visto un aumento a livello globale dei percorsi di istruzione legati a materie informatiche, il che si traduce in maggiori possibilità di accesso a competenze che consentono non solo di usare ma anche di sviluppare sistemi di AI. Di seguito un grafico che visualizza, per continenti, il cambiamento nell’accesso alla educazione informatica (Computer Science- CS) nel quinquennio 2109-2024.

Il settore accademico rappresenta il primo per numero di pubblicazioni in ambito di Computer Science, come si evince da questo grafico:

Educazione – Punti di attenzione

Per garantire che si continui a far crescere i percorsi scolastici che trattano i temi dell’AI o che integrino l’AI nella didattica è necessaria anche una preparazione e un aggiornamento costante del corpo docenti: al momento l’88% del personale docente su un campione di ricerca US dichiara di avere bisogno di maggiori risorse per acquisire una “AI literacy” al fine di poter guidare gli studenti nell’uso e nella comprensione dell’Intelligenza Artificiale.

Inoltre, nel report non si fa riferimento ad accessibilità all’AI da parte di specifici gruppi (es. persone portatrici di disabilità o che risiedono in zone geografiche svantaggiate). 

Infine, all’interno del report viene fatto un breve riferimento al fatto che in molte zone dell’Africa l’accesso all’AI nelle scuole è limitato a causa di mancanza di infrastrutture: solo il 34% degli istituti scolastici localizzati nell’Africa sub-sahariana ha accesso all’elettricità).

Responsabilità

Lo Stanford Institute for Human-Centered AI ha delineato negli ultimi anni un focus particolare sulla“Responsible AI”, comprendendo sotto questo cappello sia l’uso responsabile dell’Intelligenza Artificiale da parte di chi la utilizza (singoli, aziende, governi) sia la richiesta che l’AI sia essa stessa responsabile, ovvero trasparente, equa, sicura, inclusiva, accessibile alle persone.

Sviluppo responsabile dell’AI – Good news!

Aziende e governi stanno mostrando un crescente impegno in questo ambito. Nel 2024, la cooperazione globale sulla governance dell’AI si è intensificata con organizzazioni come l’OCSE, l’UE, le Nazioni Unite e l’Unione Africana che hanno pubblicato quadri normativi incentrati su trasparenza, affidabilità e altri principi fondamentali dell’AI responsabile.

Per sostenere questo percorso, i governi coinvolti stanno intensificando l’impegno nell’AI, con regolamentazione e investimenti. Un dato rappresentativo di quanto sopra esposto riguarda le agenzie federali statunitensi che solo lo scorso anno hanno introdotto 59 normative relative all’Intelligenza Artificiale: più del doppio rispetto al 2023.

Di seguito un grafico interessante che mostra la proporzione di organizzazioni impattate dalle principali regolamentazioni in materia di AI nella fase decisionale di policy making.

Si nota come due regolamentazioni europee, la GDPR e l’AI Act, siano le più impattanti:

Sviluppo responsabile dell’AI – Punti di attenzione

Un capitolo dedicato all’AI responsabile sottolinea l’esistenza di bias sul tema del genere e dell’origine e mette in guardia sulla possibile amplificazione di bias e stereotipi nel momento in cui i Large Language Model continuano a scalare. Non è un tema nuovo a chi si occupa di aspetti etici legati alla diffusione dei LLM, ma il report non menziona azioni concrete nella mitigazione dei bias impliciti in LLM considerati privi di bias. Il tema viene ripreso nel capitolo dedicato all’opinione pubblica sottolineando come l’esistenza di bias nell’AI sia uno dei maggiori motivi di preoccupazione e diffidenza verso l’adozione di strumenti e soluzione intelligenti.

Gli ostacoli principali che gli attori coinvolti riscontrano nell’implementare misure di AI responsabile non sono di natura organizzativa o di tipo tecnico, bensì dovuti a mancanza di conoscenza delle tematiche e di gaps nella formazione.

AI in ricerca e medicina

Per la prima volta nel report compare il capitolo “Science and Medicine” che esplora l’applicazione dell’AI soprattutto nella diagnosi, ricerca e nel miglioramento delle performance dei dispositivi medici (vedi in US l’impennata dei dispositivi medici AI-powered: da 5 a 223 in otto anni).

AI in ricerca e medicina – Good news!

La ricerca medica è stato uno dei settori in cui l’AI ha portato un’accelerazione mai vista prima. In questo campo, la sua applicazione ha contribuito a diminuire i tempi di esecuzione di compiti complessi che richiedono l’elaborazione di dataset molto estesi (vedi ad esempio la ricostruzione delle sinapsi di una parte del cervello umano, ma anche il miglioramento del processo di diagnosi grazie alla possibilità di prendere decisioni basandosi su una base dati molto estesa).

Il report evidenzia come l’attuale GPT 4 viene impiegato e testato per migliorare le decisioni cliniche complesse. Talvolta è in grado di fornire dei contributi valutativi superiori in termini di specificità e dettagli rispetto a quelle dei medici nella diagnosi di casi clinici complessi e nella rilevazione del cancro. A questo modello di linguaggio di grandi dimensioni applicato al contesto sanitario, se ne aggiungono molte altre anche più operative. A titolo d’esempio, ritroviamo modelli come GluFormer, studiato per il monitoraggio continuo del glucosio e la previsione di rischi di diabete e mortalità cardiovascolare, e Ambient AI Scribe, tecnologia di trascrizione automatizzata per ridurre il carico di documentazione clinica. Questi sono considerati come veri e propri esempi di applicazioni pratiche dell’AI in ambito medico, per la raccolta dati e per il monitoraggio di alcune patologie.

Non dobbiamo comunque dimenticarci che queste applicazioni devono essere viste come un supporto alla conoscenza e all’esperienza del medico e dei professionisti sanitari, non un sostituto.

AI in ricerca e medicina – Punti di attenzione

Il report non sottolinea particolari punti di attenzione in questo ambito, ma abbiamo provato a farci noi alcune domande: 

• come possiamo garantire che i dati usati siano raccolti ed elaborati in modo etico?
• l’AI sarà in grado di migliorare la condizione anche di gruppi più ristretti (es. pazienti con malattie rare)?
• possibile che anche nell’applicazione medica e scientifica siano presenti bias impliciti?

Questa è stata la selezione di temi di Tech4Inclusion, ma il report è davvero ricchissimo di argomenti importanti e vi consigliamo di approfondire la lettura focalizzandovi sulle aree di vostro maggior interesse.

Tech4Inclusion è un Inspiration Corner volto a esplorare l’inclusione e la diversità nel mondo della tecnologia e dell’AI con uno sguardo intersezionale, dando particolare rilievo al contributo femminile nel settore.

In questo spazio raccogliamo risorse di approfondimento, mappiamo best practices e condividiamo storie, eventi e iniziative di chi è già attivo nell’ambito Diversity Equity Inclusion & Tech – AI. Un contesto in cui confrontarci, individuare criticità e bisogni oltre che a costruire insieme soluzioni concrete.

Per scoprire di più, entra nella community →

FONTE:

Nestor Maslej, Loredana Fattorini, Raymond Perrault, Yolanda Gil, Vanessa Parli, Njenga Kariuki, Emily Capstick, Anka Reuel, Erik Brynjolfsson, John Etchemendy, Katrina Ligett, Terah Lyons, James Manyika, Juan Carlos Niebles, Yoav Shoham, Russell Wald, Tobi Walsh, Armin Hamrah, Lapo Santarlasci, Julia Betts Lotufo, Alexandra Rome, Andrew Shi, Sukrut Oak. “The AI Index 2025 Annual Report,” AI Index Steering Committee, Institute for Human-Centered AI, Stanford University, Stanford, CA, April 2025.