Satya Nadella avverte: le aziende stanno pagando l'IA due volte
Il CEO di Microsoft Satya Nadella ha lanciato un avvertimento sorprendente alle imprese, mettendo in guardia sul fatto che l'attuale modello di consumo di IA proprietaria comporta un costo nascosto e ad alto rischio. Oltre alle semplici quote di abbonamento, le aziende stanno involontariamente cedendo il loro asset più prezioso: la loro intelligenza istituzionale.
Il costo nascosto: pagare con la conoscenza proprietaria
In un recente e provocatorio post sul blog, Nadella ha sostenuto che gli "acquirenti" di IA stiano essenzialmente pagando l'intelligenza due volte. Il primo pagamento è monetario: i token e le quote di abbonamento versate a laboratori come OpenAI e Anthropic. Il secondo, e molto più pericoloso, è la conoscenza proprietaria rivelata per rendere i modelli utili.
Nadella sottolinea che, mentre le imprese cercano di perfezionare le prestazioni, alimentano i modelli con dati sensibili. Ancora più critico è il fatto che i modelli imparano dai "residui" (exhaust): i prompt, gli strumenti specifici utilizzati dagli agenti e le correzioni umane apportate quando un modello sbaglia. Questo ciclo di feedback crea una distillazione del know-how istituzionale che un concorrente non potrebbe mai acquistare, eppure viene consegnata direttamente ai fornitori di modelli.
Il dibattito sulla distillazione e l'ipocrisia nell'addestramento
Una tensione centrale nel panorama dell'IA è il concetto di "distillazione": la pratica di utilizzare gli output di un modello per addestrare un nuovo modello più efficiente. Nadella ha evidenziato una percepita ipocrisia nel settore: mentre i laboratori di IA rivendicano diritti di "fair use" per scansionare l'intero internet al fine di addestrare i loro modelli fondativi, impongono simultaneamente termini restrittivi che impediscono alle imprese di distillare o apprendere dai loro modelli proprietari.
Questo dibattito non è solo teorico. Attori del settore come Anthropic hanno precedentemente sollevato preoccupazioni riguardo a modelli open-source cinesi che presuntamente utilizzano milioni di prompt di Claude per migliorare le proprie capacità, scatenando richieste di controlli governativi più severi sulle esportazioni.
La svolta verso l'orchestrazione e i modelli on-premise
Per mitigare questi rischi, Nadella suggerisce un cambiamento strategico nel modo in cui le imprese progettano i propri stack di IA. Egli sostiene due difese principali:
- Ambienti di apprendimento proprietari: Le aziende dovrebbero mantenere la proprietà assoluta dei propri dati, prompt e feedback, costruendo ambienti dedicati nel cloud (come Microsoft Azure).
- Livelli di orchestrazione: Invece di essere vincolate a un singolo fornitore, le aziende dovrebbero utilizzare "AI gateway" per passare senza problemi da un modello all'altro.
Questo cambiamento architettonico si sta già manifestando sul mercato. Esperti del settore, come Idit Levine di Solo.io, riportano una crescente tendenza delle imprese verso i modelli open-source "on-prem" (on-premise). Questi modelli possono eseguire fino al 90% dei compiti dei giganti proprietari a una frazione del costo, garantendo al contempo che i dati rimangano sotto il controllo fisico o virtuale dell'azienda.
I dati supportano questa tendenza; piattaforme come Vercel hanno riferito che i modelli aperti hanno rappresentato il 29% di tutto il traffico instradato attraverso il loro gateway in un singolo mese. Come conclude Nadella: "Consumando intelligenza, si crea intelligenza. E ciò che si crea dovrebbe appartenerti".
Punti chiave
- La trappola del doppio pagamento: Le imprese non stanno pagando solo in contanti; stanno pagando con i "residui" della propria logica di business proprietaria e delle proprie correzioni.
- L'ascesa dell'orchestrazione dei modelli: Per evitare il vendor lock-in e la fuga di dati, le aziende stanno adottando sempre più AI gateway e livelli di orchestrazione per gestire molteplici modelli.
- La svolta verso l'open source: È in corso un movimento significativo verso l'uso di modelli open-source on-premise per mantenere la sovranità dei dati e ridurre i costi a lungo termine.