Non solo AI: i robot polifunzionali e le 12 tecnologie emergenti del 2025 secondo Gartner

La capacità di anticipare il futuro è una componente essenziale della strategia aziendale. In una recente e approfondita analisi, Gartner ha identificato una serie di “disruptor” – 12 tecnologie e tendenze a uno stadio iniziale ma dall’impatto potenzialmente dirompente – che le organizzazioni non possono permettersi di ignorare.

In questo articolo vediamo quali sono queste 12 tecnologie, come e perché alcune di queste sono destinate a modificare le dinamiche di business e ci concentreremo su alcune delle più impattanti, come la robotica polifunzionale e la cybersecurity predittiva.

Le 12 tecnologie emergenti del 2025

Prima di addentrarci nelle singole dinamiche, è utile avere una visione d’insieme delle dodici tecnologie che, secondo Gartner, definiranno il futuro dei sistemi di business. Queste tecnologie si articolano in quattro aree principali.

Per le Applicazioni, troviamo la simulazione intelligente, i robot polifunzionali e le applicazioni composte dall’IA (AI-composed applications).

Per i Dati, i modelli linguistici specifici per dominio (DSLM), l’intelligenza terrestre (Earth intelligence) e i dati ipersintetici.

Per l’Infrastruttura, il silicio allineato agli algoritmi (algorithm-aligned silicon), il calcolo ad alta efficienza e basso consumo energetico (low power high compute) e la fusione dei sensori.

Infine, per la Sicurezza, l’etica digitale, la sicurezza contro la disinformazione e la cybersicurezza predittiva.

La robotica polifunzionale, oltre l’estetica umanoide

Una delle tendenze più visibili, anche grazie alla spinta mediatica, è quella dei robot umanoidi. Sebbene siano efficaci per attrarre l’attenzione, dal punto di vista prettamente pratico la forma umanoide non è sempre la più efficiente. Bill Ray, distinguished VP analyst di Gartner, sottolinea come il design tipico dei robot umanoidi non sia, per certi versi, il più adatto a molti compiti industriali. Per questo, il concetto più rilevante per l’industria è quello di robot polifunzionale.

Un robot polifunzionale, che può avere o meno sembianze umane, è progettato per eseguire compiti che il suo costruttore non aveva originariamente previsto. Questa versatilità è il suo vero punto di forza. Se un’azienda oggi impiega uno dei quasi quattro milioni di robot mono-funzione già operativi nel mondo, ad esempio uno specializzato nell’avvitare tappi, il suo mercato è limitato ai produttori di quel bene. Un robot capace di svolgere molteplici mansioni, invece, può essere venduto a un’ampia gamma di settori, generando economie di scala.

Il vero punto di svolta, secondo Ray, non risiede più nel costo dell’hardware, ma nel costo di implementazione. La metrica chiave per le aziende manifatturiere e logistiche è il time-to-value: quanto tempo intercorre tra l’arrivo del robot in fabbrica e il momento in cui inizia a generare valore? È qui che l’intelligenza artificiale generativa (GenAI) gioca un ruolo determinante, permettendo di programmare il robot “on the fly” attraverso interfacce intuitive, senza mesi di sviluppo software.

I benefici di questo approccio sono molteplici e concreti. In primo luogo, si ottiene una forza lavoro più flessibile: i robot polifunzionali possono essere riassegnati a compiti diversi a seconda delle necessità produttive del momento. In secondo luogo, aumenta l’utilità del robot (robot utility): la stessa macchina viene usata più spesso e può essere dedicata alle attività a più alto valore. Infine, si promuove una collaborazione uomo-macchina più forte. A differenza dei robot tradizionali, spesso confinati in gabbie per sicurezza, i robot polifunzionali sono progettati per operare in ambienti umani, utilizzando attrezzature pensate per l’accesso umano e muovendosi in spazi con scale o piani di lavoro.

Per i prossimi 24 mesi Gartner prevede un’accelerazione nell’adozione di questi sistemi, grazie a un’implementazione semplificata che non richiede programmazione personalizzata o infrastrutture fisse. Le imprese probabilmente inizieranno con pochi robot per poi scalare, fino a costruire vere e proprie flotte di robot polifunzionali, o addirittura noleggiandoli da terzi per picchi di domanda.

Gartner raccomanda di identificare fin da ora i compiti che possono essere trasferiti a un robot o condivisi, di valutare per ogni nuovo acquisto se un robot polifunzionale offrirebbe maggior valore e di costruire competenze interne di “robotologia” per gestire e riprogrammare queste macchine in azienda.

La cybersecurity diventa predittiva

Nel campo della sicurezza informatica si sta verificando un cambiamento di paradigma: si passa da un approccio basato su “rilevamento e risposta” a uno di cybersecurity predittiva. Gartner prevede che entro il 2030, il 50% della spesa per la sicurezza IT sarà destinato a soluzioni di questo tipo. L’obiettivo non è più solo rilevare un attacco in corso o rispondere dopo che è avvenuto, ma preparare preventivamente le reti per renderle più resilienti.

Un esempio classico è quello degli “honeypot”, server civetta progettati per attrarre gli hacker. Tradizionalmente, la loro creazione richiedeva tempo e sforzi. Oggi, grazie alla GenAI, è possibile creare migliaia di honeypot in modo automatizzato. Un hacker che si introduce nella rete si trova di fronte a migliaia di server, e non appena interagisce con uno di quelli finti, fa scattare l’allarme. Si tratta di un approccio che rientra in quella che viene definita difesa con bersaglio mobile automatizzato (Automated Moving Target Defense), ovvero la capacità di modificare dinamicamente la rete per confondere gli aggressori e prevedere le minacce.

La disinformazione come nuovo perimetro di rischio aziendale

Gartner identifica la disinformazione come una minaccia di business destinata a diventare, entro il 2030, tanto grave quanto le violazioni della sicurezza informatica. La capacità di danneggiare la reputazione di un’azienda o di un prodotto tramite la diffusione di notizie false è un rischio tangibile. Ray ricorda il caso, pre-internet, dello shampoo “Wash and Go” in Russia, la cui popolarità fu azzerata da una voce infondata, costringendo l’azienda al ritiro del prodotto.

Oggi, con la GenAI, è possibile generare un’enorme quantità di contenuti denigratori in modo automatizzato. Il concetto stesso di verità e di fatto è sotto attacco. Questo tipo di minaccia si manifesta al di fuori del perimetro di sicurezza tradizionale dell’azienda, sfruttando i social network e il dibattito pubblico. Stanno già nascendo strumenti e aziende specializzate nell’identificare le fonti dei contenuti e nell’aiutare le imprese a gestire la narrazione che si sviluppa online, un nuovo e indispensabile fronte della difesa aziendale.

L’era dei modelli linguistici specializzati (DSLM)

Contrariamente a una percezione diffusa, il futuro dell’IA generativa nelle applicazioni aziendali non apparterrà esclusivamente ai grandi modelli linguistici generalisti come ChatGPT o Gemini. Secondo Gartner, entro il 2030, il 90% delle soluzioni basate su GenAI utilizzerà modelli linguistici specifici per dominio (DSLM). Questi modelli sono molto più piccoli, ma estremamente più efficaci e affidabili quando operano all’interno di un contesto specifico.

Ray offre un esempio calzante: chiedere a ChatGPT di impostare una sveglia tra 10 minuti potrebbe funzionare, ma non c’è la garanzia assoluta, data la natura probabilistica dei grandi modelli. Un modello più limitato e specializzato, come quello di un assistente vocale, eseguirà quel compito con una affidabilità del 100%. Per le applicazioni aziendali, questa prevedibilità è fondamentale. Le aziende avranno bisogno di modelli specializzati per compiti specifici, integrati nelle loro applicazioni.

La scarsità di energia: un limite per la crescita digitale?

Una delle sfide più concrete e potenzialmente limitanti per lo sviluppo tecnologico è la crescente scarsità di energia. Gartner stima che entro il 2026, oltre il 30% dei progetti di espansione dei data center subirà ritardi a causa della mancanza di energia. Il problema non è solo la produzione di elettricità, ma anche la sua distribuzione e trasmissione.

L’intelligenza artificiale, con l’enorme consumo energetico richiesto per l’addestramento dei grandi modelli linguistici, è certamente un fattore che aggrava la situazione, ma il trend di consumo eccessivo dei data center era già in atto prima del boom dell’IA. Per qualsiasi azienda che pianifichi di costruire, localizzare o utilizzare un data center, la domanda “da dove arriverà l’elettricità e quanto sarà affidabile?” diventerà centrale.