I modelli di intelligenza artificiale diventano merci?

Il CEO di Microsoft (MSFT ), Satya Nadella, ha recentemente scatenato un dibattito suggerendo che i modelli di intelligenza artificiale avanzati sono sulla strada della commoditizzazione. In un podcast, Nadella ha osservato che i modelli fondamentali stanno diventando sempre più simili e ampiamente disponibili, al punto in cui “i modelli di per sé non sono sufficienti” per un vantaggio competitivo duraturo. Ha sottolineato che OpenAI – nonostante i suoi reti neurali all’avanguardia – “non è un’azienda di modelli; è un’azienda di prodotti che happens to avere modelli fantastici”, sottolineando che il vero vantaggio deriva dal costruire prodotti intorno ai modelli.

In altre parole, avere semplicemente il modello più avanzato non garantisce più la leadership del mercato, poiché qualsiasi vantaggio in termini di prestazioni può essere di breve durata nel rapido ritmo dell’innovazione dell’intelligenza artificiale.

La prospettiva di Nadella ha un peso significativo in un’industria in cui i giganti della tecnologia stanno correndo per addestrare modelli sempre più grandi. Il suo argomento implica un cambio di focus: invece di ossessionarsi per la supremazia del modello, le aziende dovrebbero dirigere la loro energia verso l’integrazione dell’intelligenza artificiale in “un full system stack e grandi prodotti di successo”.

Questo eco un sentimento più ampio che le attuali innovazioni dell’intelligenza artificiale diventano rapidamente le funzionalità di base di domani. Mentre i modelli diventano più standardizzati e accessibili, l’attenzione si sposta su come l’intelligenza artificiale viene applicata nei servizi del mondo reale. Aziende come Microsoft e Google (GOOGL ), con vasti ecosistemi di prodotti, potrebbero essere le migliori posizionate per capitalizzare questo trend di intelligenza artificiale commoditizzata integrando i modelli in offerte user-friendly.

Ampliamento dell’accesso e modelli aperti

Non molto tempo fa, solo una manciata di laboratori potevano costruire modelli di intelligenza artificiale all’avanguardia, ma quell’esclusività sta scomparendo rapidamente. Le capacità di intelligenza artificiale sono sempre più accessibili alle organizzazioni e anche agli individui, alimentando l’idea che i modelli siano merci. Il ricercatore di intelligenza artificiale Andrew Ng già nel 2017 ha paragonato il potenziale dell’intelligenza artificiale all’“elettricità nuova”, suggerendo che proprio come l’elettricità è diventata una merce ubiqua che sostiene la vita moderna, i modelli di intelligenza artificiale potrebbero diventare utilità fondamentali disponibili da molti fornitori.

La recente proliferazione di modelli open-source ha accelerato questo trend. Meta (la società madre di Facebook (META )), ad esempio, ha fatto scalpore rilasciando potenti modelli linguistici come LLaMA apertamente a ricercatori e sviluppatori senza costo. Il ragionamento è strategico: rilasciando il suo intelligenza artificiale open-source, Meta può stimolare un’adozione più ampia e ottenere contributi della comunità, mentre sottolinea i vantaggi propri rispetto ai concorrenti. E più recentemente, il mondo dell’intelligenza artificiale è esploso con il rilascio del modello cinese DeepSeek.

Nel campo della generazione di immagini, il modello Stable Diffusion di Stability AI ha mostrato come rapidamente una innovazione possa diventare una merce: entro pochi mesi dal suo rilascio open-source nel 2022, è diventato un nome noto nell’intelligenza artificiale generativa, disponibile in innumerevoli applicazioni. In realtà, l’ecosistema open-source sta esplodendo – ci sono decine di migliaia di modelli di intelligenza artificiale disponibili pubblicamente in repository come Hugging Face.

Questo significa che le organizzazioni non devono più affrontare una scelta binaria tra pagare per un modello segreto di un fornitore o nulla. Invece, possono scegliere da un menu di modelli (aperti o commerciali) o anche personalizzare i propri, proprio come selezionare merci da un catalogo. La grande quantità di opzioni è un forte indicatore che l’intelligenza artificiale avanzata sta diventando una risorsa condivisa ampiamente piuttosto che un privilegio strettamente custodito.

I giganti del cloud trasformano l’intelligenza artificiale in un servizio di utility

I principali fornitori di servizi cloud sono stati i principali attivatori – e motori – della commoditizzazione dell’intelligenza artificiale. Aziende come Microsoft, Amazon (AMZN ) e Google offrono modelli di intelligenza artificiale come servizi on-demand, simili a utility consegnate tramite il cloud. Nadella ha notato che “i modelli stanno diventando merci nel [cloud]”, sottolineando come il cloud renda l’intelligenza artificiale potente ampiamente accessibile.

Infatti, il cloud di Microsoft Azure ha una partnership con OpenAI, che consente a qualsiasi sviluppatore o azienda di accedere a GPT-4 o ad altri modelli di punta tramite una chiamata API, senza dover costruire la propria intelligenza artificiale da zero. Amazon Web Services (AWS) è andato oltre con la sua piattaforma Bedrock, che agisce come un mercato dei modelli. La piattaforma Bedrock di AWS offre una selezione di modelli fondamentali da diverse aziende leader dell’intelligenza artificiale – dai modelli di Amazon ai modelli di Anthropic, AI21 Labs, Stability AI e altri – tutti accessibili tramite un servizio gestito.

Questo approccio “molti modelli, una piattaforma” esemplifica la commoditizzazione: i clienti possono scegliere il modello che si adatta alle loro esigenze e passare a un altro fornitore con relativa facilità, proprio come fare la spesa per una merce.

In termini pratici, ciò significa che le aziende possono affidarsi alle piattaforme cloud per avere sempre un modello all’avanguardia disponibile, proprio come l’elettricità da una rete – e se un nuovo modello fa scalpore (ad esempio, una innovazione di un’azienda startup), il cloud offrirà prontamente quel modello.

Differenziarsi oltre il modello stesso

Se tutti hanno accesso a modelli di intelligenza artificiale simili, come possono le aziende di intelligenza artificiale differenziarsi? Questo è il cuore del dibattito sulla commoditizzazione. Il consenso tra i leader dell’industria è che il valore risiederà nell’applicazione dell’intelligenza artificiale, non solo nell’algoritmo. La strategia di OpenAI riflette questo cambio di direzione. La società si è concentrata negli ultimi anni sul fornire un prodotto rifinito (ChatGPT e la sua API) e un ecosistema di miglioramenti – come servizi di personalizzazione, plugin aggiuntivi e interfacce utente user-friendly – piuttosto che semplicemente rilasciare il codice del modello grezzo.

Nella pratica, ciò significa offrire prestazioni affidabili, opzioni di personalizzazione e strumenti per gli sviluppatori intorno al modello. Allo stesso modo, i team di DeepMind e Brain di Google, ora parte di Google DeepMind, stanno canalizzando la loro ricerca nei prodotti di Google come la ricerca, le app di office e le API cloud – integrando l’intelligenza artificiale per rendere quei servizi più intelligenti. La sofisticazione tecnica del modello è certamente importante, ma Google sa che gli utenti si preoccupano ultimate delle esperienze abilitate dall’intelligenza artificiale (un motore di ricerca migliore, un assistente digitale più utile, ecc.), non del nome o della dimensione del modello.

Stiamo anche vedendo aziende differenziarsi attraverso la specializzazione. Invece di un modello per governare tutti, alcune aziende di intelligenza artificiale costruiscono modelli adattati a domini o compiti specifici, dove possono affermare una qualità superiore anche in un paesaggio commoditizzato. Ad esempio, ci sono startup di intelligenza artificiale che si concentrano esclusivamente sulla diagnostica sanitaria, finanza o legge – aree in cui i dati proprietari e l’esperienza di dominio possono produrre un miglior modello per quella nicchia rispetto a un sistema generico. Queste aziende sfruttano la personalizzazione dei modelli open-source o modelli su misura più piccoli, abbinati a dati proprietari, per distinguersi.

Interfaccia di ChatGPT di OpenAI e raccolta di modelli specializzati (Unite AI/Alex McFarland)

Un’altra forma di differenziazione è l’efficienza e il costo. Un modello che fornisce prestazioni uguali a un costo computazionale inferiore può essere un vantaggio competitivo. Ciò è stato evidenziato dall’emergere del modello R1 di DeepSeek, che ha segnalato di aver eguagliato alcune delle capacità di GPT-4 di OpenAI con un costo di addestramento inferiore a 6 milioni di dollari, drasticamente inferiore ai 100 milioni di dollari stimati per GPT-4. Tali guadagni di efficienza suggeriscono che mentre le uscite di modelli diversi potrebbero diventare simili, un fornitore potrebbe distinguersi raggiungendo quei risultati più a buon mercato o più velocemente.

Infine, c’è la corsa a costruire la fedeltà degli utenti e gli ecosistemi intorno ai servizi di intelligenza artificiale. Una volta che un’azienda ha integrato profondamente un particolare modello di intelligenza artificiale nel proprio flusso di lavoro (con prompt personalizzati, integrazioni e dati personalizzati), passare a un altro modello non è privo di attrito. Fornitori come OpenAI, Microsoft e altri stanno cercando di aumentare questo attrito offrendo piattaforme complete – dalle SDK per gli sviluppatori ai mercati dei plugin di intelligenza artificiale – che rendono la loro versione di intelligenza artificiale più una soluzione full-stack che una merce sostituibile.

Le aziende stanno salendo la catena del valore: quando il modello stesso non è un baluardo, la differenziazione deriva da tutto ciò che circonda il modello – i dati, l’esperienza dell’utente, l’esperienza verticale e l’integrazione nei sistemi esistenti.

Ripercussioni economiche della commoditizzazione dell’intelligenza artificiale

La commoditizzazione dei modelli di intelligenza artificiale porta con sé significative implicazioni economiche. Nel breve termine, sta guidando verso il basso il costo delle capacità di intelligenza artificiale. Con più concorrenti e alternative open-source, i prezzi per i servizi di intelligenza artificiale sono stati in una spirale discendente simile ai mercati delle merci classiche.

Negli ultimi due anni, OpenAI e altri fornitori hanno drasticamente ridotto i prezzi per l’accesso ai modelli linguistici. Ad esempio, il prezzo dei token per la serie GPT di OpenAI è sceso di oltre l’80% dal 2023 al 2024, una riduzione attribuita a una maggiore concorrenza e guadagni di efficienza.

Allo stesso modo, nuovi entranti che offrono modelli più economici o open-source costringono gli incumbent a offrire di più per meno – sia attraverso piani gratuiti, rilasci open-source o offerte bundle. Ciò è una buona notizia per i consumatori e le aziende che adottano l’intelligenza artificiale, poiché le capacità avanzate diventano sempre più accessibili. Significa anche che la tecnologia dell’intelligenza artificiale si sta diffondendo più rapidamente in tutta l’economia: quando qualcosa diventa più economico e standardizzato, più settori lo incorporano, alimentando l’innovazione (proprio come il hardware dei PC a buon mercato negli anni 2000 ha portato a un’esplosione di software e servizi internet).

Stiamo già vedendo un’ondata di adozione dell’intelligenza artificiale in settori come il servizio clienti, il marketing e le operazioni, guidata da modelli facilmente disponibili e servizi. Una maggiore disponibilità può quindi ampliare il mercato complessivo per le soluzioni di intelligenza artificiale, anche se i margini di profitto sui modelli stessi si riducono.

Dinamiche economiche dell’intelligenza artificiale commoditizzata (Unite AI/Alex McFarland)

Tuttavia, la commoditizzazione può anche ridisegnare il paesaggio competitivo in modi impegnativi. Per i laboratori di intelligenza artificiale stabiliti che hanno investito miliardi nello sviluppo di modelli all’avanguardia, la prospettiva che quei modelli producano solo vantaggi transitori solleva domande sul ROI. Potrebbero dover adattare i loro modelli di business – ad esempio, concentrandosi sui servizi aziendali, sui vantaggi dei dati proprietari o sui prodotti di abbonamento costruiti sopra i modelli, piuttosto che vendere solo l’accesso alle API.

C’è anche un elemento di corsa agli armamenti: quando qualsiasi innovazione nelle prestazioni è rapidamente eguagliata o superata da altri (o anche dalle comunità open-source), la finestra per monetizzare un modello innovativo si restringe. Ciò spinge le aziende a considerare alternative barriere economiche. Una di queste barriere è l’integrazione con dati proprietari (che non sono merci): l’intelligenza artificiale regolata sui dati di un’azienda può essere più preziosa per quell’azienda di qualsiasi modello disponibile sul mercato.

Un’altra barriera è costituita dalle funzionalità di regolamentazione o conformità, dove un fornitore potrebbe offrire modelli con garanzia di privacy o conformità per l’uso aziendale, differenziandosi in un modo che va oltre la tecnologia grezza. A livello macro, se i modelli di intelligenza artificiale fondamentali diventano ubiqui come i database o i server web, potremmo vedere uno spostamento in cui i servizi intorno all’intelligenza artificiale (hosting cloud, consulenza, personalizzazioni, manutenzione) diventano i principali generatori di entrate. Già, i fornitori di servizi cloud traggono beneficio dalla maggiore domanda di infrastrutture di calcolo (CPU, GPU, ecc.) per eseguire tutti questi modelli – un po’ come un’azienda di servizi elettrici trae profitto dall’uso anche se gli elettrodomestici sono merci.

In essenza, l’economia dell’intelligenza artificiale potrebbe riflettere quella di altre merci IT: costi più bassi e maggiore accesso stimolano un uso più ampio, creando nuove opportunità costruite sopra lo strato mercificato, anche se i fornitori di quel livello affrontano margini più stretti e la necessità di innovare costantemente o differenziarsi altrove.