In arrivo SAS Quantum Lab per aiutare le aziende a sperimentare l’intelligenza artificiale quantistica su casi d’uso reali e costruire ROI misurabile
Con la progressiva stabilizzazione della supply chain a supporto dell’hardware quantistico, molti esperti prevedono che questa tecnologia emergente diventerà popolare e pronta all’uso nei primi anni del prossimo decennio. Per alcuni, questo significa che ottenere benefici dal “quantum” oggi sia fuori discussione.
L’IA quantisticaè un approccio potente che prevede l’esecuzione di algoritmi di machine learning su un hardware quantistico già disponibile. In pratica, applicare l’IA quantistica può voler dire aiutare le organizzazioni a completare in pochi minuti attività che oggi richiedono ore, oppure rendere affrontabili problemi che, con l’hardware tradizionale, sono considerati irrisolvibili. Può anche significare calibrare i modelli così che apprendano in modo efficiente con meno dati, aumentando la stabilità nel tempo e molto altro.
Con tutti questi potenziali vantaggi, cosa frena le organizzazioni dall’investire di più?
SAS, leader nei dati e nell’IA, ha condotto un sondaggio su oltre 500 professionisti di diversi settori a livello globale sull’IA quantistica. Nella prima edizione del 2025, il costo elevato dell’implementazione era indicato come la principale barriera all’adozione, seguito dalla scarsa comprensione o conoscenza. Nel 2026 lo scenario è cambiato.
SAS, leader nei dati e nell’IA, ha condotto un sondaggio su oltre 500 professionisti di diversi settori a livello globale sull’IA quantistica. Nella prima edizione del 2025, il costo elevato dell’implementazione era indicato come la principale barriera all’adozione, seguito dalla scarsa comprensione o conoscenza. Nel 2026 lo scenario è cambiato.
Quali sono le principali barriere all’adozione dell’IA quantistica nel 2026?
Secondo i partecipanti al sondaggio, i principali ostacoli alla diffusione dell’IA quantistica nel 2026 sono:
1.Incertezza sulle applicazioni pratiche nel mondo reale.
2.Elevato costo di implementazione.
3.Carenza di personale formato.
4.Scarsa conoscenza o comprensione.
5.Disponibilità limitata di soluzioni di IA quantistica.
6.Mancanza di linee guida regolatorie chiare.
2.Elevato costo di implementazione.
3.Carenza di personale formato.
4.Scarsa conoscenza o comprensione.
5.Disponibilità limitata di soluzioni di IA quantistica.
6.Mancanza di linee guida regolatorie chiare.
Che cos’è l’IA quantistica e perché le organizzazioni vogliono usarla?
SAS considera il calcolo classico e quello quantistico come un continuum: da un lato l’informatica tradizionale, consolidata e comprovata; dall’altro il calcolo quantistico, ancora sperimentale e potenzialmente più potente. Molti problemi di business e di settore si collocano nel mezzo e possono beneficiare di un approccio ibrido, che divide i carichi di lavoro: elaborazione quantistica ed elaborazione classica, ciascuna per ciò che sa fare meglio.
“Organizzazioni di ogni dimensione sono impazienti di sviluppare una proprietà intellettuale, un approccio originale e brevettabile, per farsi trovare pronte quando l’IA quantistica raggiungerà la maturità”, ha dichiarato Bill Wisotsky, Principal Quantum Architect di SAS. “Nonostante il forte interesse, i leader delle aziende stanno comprensibilmente procedendo con cautela e non vogliono puntare tutto su costosi investimenti nel settore quantistico, temendo che questi possano non tradursi in casi d’uso significativi e nella risoluzione di problemi concreti. SAS sta lavorando per ridurre queste barriere, definendo casi d’uso reali già oggi e facendo in modo che in futuro i clienti possano assicurarsi una parte della ‘torta quantistica’”.
Come possono prepararsi i clienti all’economia quantistica?
“Questo sondaggio mette in luce ciò che gli esperti SAS osservavano già sul mercato: i leader sono entusiasti di usare il quantum, ma le barriere d’ingresso sono troppo alte, e questo richiede una soluzione”, ha dichiarato Amy Stout, Head of Quantum Product Strategy di SAS. “Siamo lieti di offrire un’anteprima di SAS Quantum Lab, un ambiente pratico per imparare e innovare puntando a un ROI reale”.
Che cos’è SAS Quantum Lab?
In arrivo nel Q4 per i clienti SAS Viya, SAS Quantum Lab è un punto di partenza per il percorso nell’IA quantistica. È progettato come complemento di lavoro per gli esperti di quantistica e, allo stesso tempo, offre strumenti a utenti che non sono fisici quantistici ma sono pronti a esplorare, testare e validare le proprie idee. Riduce in modo significativo i costi dell’esplorazione dell’IA quantistica e aiuta i clienti a evitare falsi segnali, permettendo di sperimentare questa tecnologia in modo efficiente e credibile.
SAS Quantum Lab includerà:
• La possibilità di confrontare, fianco a fianco, risultati tradizionali, quantistici e ibridi su casi d’uso di settore, aiutando gli utenti a individuare le soluzioni migliori per i propri problemi di business.
• Funzionalità per aumentare le prestazioni: i test attuali indicano un’accelerazione superiore a 100 volte e un risparmio dei costi del 99%.
• Un tutor virtuale di IA quantistica per accelerare l’apprendimento, rispondendo alle domande, offrendo esempi di codice e suggerendo i prossimi passi.
• Funzionalità per aumentare le prestazioni: i test attuali indicano un’accelerazione superiore a 100 volte e un risparmio dei costi del 99%.
• Un tutor virtuale di IA quantistica per accelerare l’apprendimento, rispondendo alle domande, offrendo esempi di codice e suggerendo i prossimi passi.
Che cosa potrebbe diventare possibile con l’IA quantistica?
Alla fine del sondaggio, i partecipanti potevano rispondere a una domanda aperta: se stessero lavorando oggi sul quantum, quali casi d’uso spererebbero di realizzare o quale problema di business vorrebbero risolvere?
Tra le risposte:
• Migliorare l’accuratezza dei sistemi di rilevazione frodi nei servizi finanziari, consentendo
un’identificazione più efficiente di pattern complessi nelle transazioni.
• Ottimizzare in tempo reale l’instradamento del traffico nelle reti 5G.
• Accelerare la simulazione molecolare e il processo di drug discovery per nuovi candidati
terapeutici.
• Migliorare la distribuzione nella supply chain e ottimizzare problemi logistici.
• Potenziare i workflow di machine learning con un focus sulla modellazione predittiva del comportamento dei clienti.
• Addestrare modelli linguistici di grandi dimensioni per attività di elaborazione del linguaggio naturale, riducendo tempi e risorse necessari per l’ottimizzazione dei modelli.
SAS
