Per decidere su quali tecnologie investire, serve un metodo

Più una tecnologia evolve rapidamente, meno è ragionevole aspettarsi che gli esperti ci dicano con certezza che cosa succederà. Sull’intelligenza artificiale, sulle criptovalute e sulla cybersecurity persone con competenze indiscutibili arrivano a conclusioni opposte. Chi deve prendere decisioni ma non può stabilire chi abbia ragione deve almeno evitare che l’incertezza si trasformi in immobilismo o in una frenetica rincorsa a ogni novità.

Gli esempi non mancano. Dario Amodei, CEO di Anthropic, ha richiamato l’attenzione sulla possibilità che i modelli di frontiera rendano possibili attacchi informatici catastrofici e ha sostenuto la necessità di rallentarne lo sviluppo; Yann LeCun, un’autorità accademica nel settore, ha espresso posizioni radicalmente più scettiche sui rischi catastrofici attribuiti all’AI. Nel mondo finanziario, Jamie Dimon, Chairman e CEO di JPMorganChase, ha ripetutamente associato Bitcoin a uno schema Ponzi, mentre Larry Fink, Chairman e CEO di Blackrock, dopo essere stato a lungo scettico, è arrivato a considerarlo uno strumento finanziario legittimo.

Se anche gli esperti sono divisi, dobbiamo capire dove si trova oggi una tecnologia e in quale direzione si sta muovendo. È la logica dell’HIT Radar, lo strumento ideato dal DEVO Lab e giunto alla sua tredicesima edizione, che legge ogni tecnologia attraverso tre parametri: distanza dall’adozione, impatto e velocità di evoluzione verso la disponibilità commerciale.

• La distanza dall’adozione indica quanto una tecnologia sia vicina a poter essere utilizzata concretamente dalle organizzazioni. Una tecnologia può trovarsi ancora nella ricerca, essere entrata nella sperimentazione oppure essere già disponibile sul mercato. La distinzione è essenziale perché essere tecnicamente possibile non significa essere pronti per l’adozione: possono mancare prodotti maturi, competenze, infrastrutture, standard o semplicemente una domanda sufficiente.
• L’impatto legge il cambiamento che una tecnologia potrebbe apportare. Una soluzione relativamente vicina al mercato può avere conseguenze limitate, mentre una tecnologia ancora lontana può promettere di modificare profondamente processi, modelli di business o interi mercati. Distanza e impatto, quindi, non coincidono. Ed è proprio la loro separazione a evitare un errore frequente: scambiare una grande promessa tecnologica per un’urgenza manageriale.
• La terza dimensione, la velocità, rende il quadro dinamico. Misura quanto rapidamente una tecnologia stia procedendo verso la disponibilità commerciale. È il parametro che serve a capire quando cominciare a muoversi: una tecnologia ancora sperimentale può non richiedere investimenti immediati, ma merita attenzione se la sua evoluzione sta accelerando. Viceversa, una tecnologia dal grande impatto potenziale può restare per anni lontana da un utilizzo concreto.

È dall’incrocio delle tre dimensioni che emerge l’informazione utile a chi decide. Una tecnologia vicina all’adozione, ad alto impatto e in rapida evoluzione richiede evidentemente la massima attenzione. Ma anche una tecnologia oggi poco matura può diventare strategicamente rilevante se la sua velocità aumenta. L’approccio del Radar serve a capire quali segnali osservare e quando una possibilità tecnologica comincia a trasformarsi in una questione manageriale.

Guardare in questo modo alle tecnologie emergenti produce risultati meno semplici, ma più utili, delle contrapposizioni tra entusiasti e scettici. Nel mondo delle criptovalute, per esempio, le stablecoin mostrano già un’applicazione concreta della blockchain nei pagamenti, in particolare quelli transfrontalieri. La tokenizzazione dei real-world assets (la possibilità di rappresentare e scambiare digitalmente azioni, obbligazioni o altri beni) è invece ancora in una fase esplorativa: l’evoluzione tecnologica è rapida, ma manca ancora una domanda di mercato sufficiente.

Qualcosa di simile accade nell’intelligenza artificiale. La local AI, cioè l’insieme di tecnologie che permette di utilizzare e governare modelli all’interno dell’infrastruttura di un’organizzazione, può offrire maggiore controllo sui dati, minore dipendenza dai fornitori cloud e, in alcuni casi, vantaggi economici. Rimane prevalentemente sperimentale e comporta una maggiore complessità gestionale, ma la sua velocità di evoluzione è elevata. Non occorre stabilire oggi se il futuro sarà nel cloud o in locale: occorre accorgersi se e quando cambia il punto di equilibrio tra le due alternative.

La cybersecurity rende ancora più evidente l’importanza della velocità. Il tempo che separa la scoperta di una vulnerabilità dal suo sfruttamento si è drasticamente ridotto, anche grazie all’AI. Parallelamente avanzano tecnologie difensive diverse per maturità e impatto: dal confidential computing, che protegge i dati durante l’elaborazione, alle architetture che devono governare il crescente numero di identità non umane, fino alla crittografia post-quantistica. Quest’ultima appare più lontana, ma impone di ragionare in anticipo, perché c’è già chi sta sottraendo dati, sperando di poterli decifrare in futuro con computer quantistici.

Questi esempi mostrano perché una tecnologia non può essere classificata semplicemente come importante o irrilevante, matura o immatura. Ciò che conta è la traiettoria. Una tecnologia può avere un impatto limitato ma avvicinarsi molto rapidamente al mercato; un’altra può promettere conseguenze enormi ma restare lontana dall’adozione; una terza può essere già disponibile ma avere senso soltanto per casi d’uso circoscritti.

In un contesto caratterizzato da forti divergenze anche tra gli esperti, alle imprese serve la capacità di organizzare l’incertezza, costruendo un sistema che permetta di vedere quando il futuro comincia ad avvicinarsi: quanto manca all’adozione, quanto grande potrebbe essere l’impatto e, soprattutto, quanto rapidamente quella distanza si sta riducendo.