# gartner-hype-cycle-genai-2025-critical-innovations-2025-07-29

## Veille

Gartner Hype Cycle GenAI 2025 - Innovazioni critiche - LLMs - AI engineering - Agentic AI - Infrastruttura

## Titre Article

The 2025 Hype Cycle for GenAI Highlights Critical Innovations

## Date

2025-07-29

## URL

https://www.gartner.com/en/articles/hype-cycle-for-genai

## Keywords

Generative AI, GenAI, Hype Cycle, Modelli IA, Large Language Models (LLMs), AI engineering, Agenti IA, Applicazioni IA, Casi d'uso IA, Infrastruttura, Self-supervised learning, AI supercomputing, Multimodal generative AI, AI TRiSM, Agentic AI, Embodied AI, investimento strategico

## Authors

Arun Chandrasekaran

## Ton

**Profilo:** Professionale-analitico | Ricerca-istituzionale | Analitico-prescrittivo | Esperto

Chandrasekaran (Gartner) adotta un tono autorevole da ricerca di mercato che combina analisi delle tendenze e raccomandazioni strategiche. La metodologia Hype Cycle (picco delle aspettative gonfiate, valle della disillusione, plateau della produttività) fornisce un framework sistematico per valutare la maturità tecnologica. La terminologia specializzata (innovazioni scatenanti, orizzonti di adozione mainstream, impatto trasformativo) si rivolge alla leadership esecutiva e agli architetti d'impresa. Quantificazioni temporali precise (orizzonti di adozione a 2-5 anni, 5-10 anni) ancorano le previsioni. Un tono misurato e professionale evita sia l'hype che un eccessivo conservatorismo. Tipico delle pubblicazioni di ricerca Gartner, posiziona l'azienda come consulente di fiducia sulla strategia tecnologica aziendale con framework proprietari riconosciuti in tutto il settore.

## Pense-betes

- **Entro il 2028**: **oltre il 95% delle imprese** si prevede utilizzerà API, modelli o applicazioni GenAI distribuite in produzione
- **4 aree tecnologiche critiche**: modelli GenAI, AI engineering, agenti/applicazioni/casi d'uso IA, infrastruttura/tecniche abilitanti
- **LLMs = pilastro**: la tecnologia più matura, altamente personalizzabile
- **LLM open-source, modelli specializzati per dominio, large reasoning model** emergono come alternative
- **L'AI engineering è critica** per la scalabilità: strumenti/tecniche per costruire, governare, personalizzare le applicazioni GenAI
- **AI TRiSM** (Trust, Risk and Security Management): garantisce un uso sicuro ed efficace dell'IA
- **Passaggio dai chatbot passivi all'IA agentique**: percepisce, decide, agisce in modo autonomo/semi-autonomo
- **Infrastruttura**: self-supervised learning, chip IA, strumenti specializzati per efficienza e riduzione dei costi
- **Andare oltre le proof of concept**: focus su costruzione, governance, personalizzazione per la produzione
- **Multimodal generative AI, Embodied AI, AI supercomputing** = tecnologie esemplificative evidenziate

## RésuméDe400mots

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.

## GrapheDeConnaissance

- Gartner —publie→ Hype Cycle for Generative AI 2025 (DOCUMENT, 0.99)
- Arun Chandrasekaran —a_créé→ Hype Cycle for Generative AI 2025 (DOCUMENT, 0.98)
- Arun Chandrasekaran —travaille_chez→ Gartner (ORGANISATION, 0.97)
- Hype Cycle for Generative AI 2025 —prédit→ 95% des entreprises utiliseront la GenAI en production d'ici 2028 (AFFIRMATION, 0.96)
- LLMs —fait_partie_de→ GenAI models (CONCEPT, 0.95)
- AI TRiSM —améliore→ sécurité et gouvernance IA (CONCEPT, 0.93)
- IA agentique —remplace→ chatbots passifs (TECHNOLOGIE, 0.91)
- self-supervised learning —réduit→ besoin de données étiquetées (CONCEPT, 0.9)
- AI engineering —améliore→ déploiement à l'échelle GenAI (CONCEPT, 0.92)
- Multimodal generative AI —fait_partie_de→ GenAI models (CONCEPT, 0.94)
- Embodied AI —fait_partie_de→ AI agents (TECHNOLOGIE, 0.9)
- AI supercomputing —réduit→ coûts entraînement et inférence modèles (CONCEPT, 0.87)
- large reasoning models —concurrence→ LLMs (TECHNOLOGIE, 0.88)

---
Canonical: https://www.thekb.eu/it/fiches/gartner-hype-cycle-genai-2025-critical-innovations-2025-07-29/