Tempo di Lettura: 5 minuti
Chi è Alex Karp? Mettiamola così: se la Silicon Valley fosse un film, lui non sarebbe il classico nerd in felpa col cappuccio, ma lo scienziato pazzo coi capelli sempre per aria che vive isolato nel bosco ma sa esattamente come far saltare in aria il pianeta. È il CEO di Palantir, un’azienda enorme che non si occupa di social media, ma mastica e analizza dati complessi per l’esercito, i servizi segreti e le più grandi multinazionali del mondo. Insomma, è uno che quando parla di algoritmi, di dati e di potere, sa perfettamente dove ha messo i piedi. Qualche giorno fa, durante un’intervista televisiva che si è trasformata in un monologo di venti minuti, Karp ha sganciato una bomba. Ha messo a nudo la grande ipocrisia che regge il circo dell’intelligenza artificiale in questo momento, puntando il dito contro i laboratori che sviluppano i grandi modelli linguistici proprietari.
Karp ha fatto notare una cosa tanto ovvia quanto ignorata: se questi colossi avessero davvero inventato la macchina definitiva per farti svoltare il business, perché diavolo ti farebbero pagare a consumo?
Pensiamoci un attimo. Se io invento una scatola magica che sputa lingotti d’oro nel tuo ufficio e decuplica il tuo fatturato senza sforzo, non vengo a chiederti un abbonamentino da venti euro al mese. Non ti chiedo una frazione di centesimo per ogni giro di manovella o per ogni parola letta dal sistema. Vengo da te, ti metto la scatola sulla scrivania gratis e ti dico: io ti do lo strumento, ma mi prendo il trenta per cento di tutti i milioni che ti farò guadagnare da qui in poi.
Invece loro ti vendono i token, ovvero i pacchetti di caratteri che il modello elabora. Ti fanno pagare la potenza di calcolo pura, l’usura dei loro server. Loro ti vendono lo strumento e ti fanno pagare l’infrastruttura, perché sanno benissimo che le ore passate a studiare la strategia, a calare la tecnologia nei tuoi processi aziendali e il rischio di fallire miseramente ce li devi mettere tutti tu.
Il paradosso del prezzo e il calcolo dei token contro il valore reale
Entrando nei dettagli tecnici, il prezzo basato sui token (i blocchi di testo elaborati dalle API, le interfacce di programmazione che collegano i software esterni ai modelli di intelligenza artificiale) è una metrica di puro costo di computazione, non di utilità aziendale. Per gli AI labs, calcolare la tariffa sui token serve a coprire i costi astronomici dei chip grafici e dell’energia elettrica consumata durante la fase di inferenza, ovvero il momento in cui il modello genera una risposta.
Se un modello ottimizza una linea di produzione industriale risparmiando milioni di euro di logistica, o se corregge semplicemente una mail di condoglianze, il consumo di token può essere identico. Questa disconnessione strutturale dimostra che il fornitore di tecnologia sta vendendo una risorsa computazionale grezza e non un risultato garantito. Chi acquista le API si assume l’intero rischio dell’integrazione del software, del tasso di errore e della manutenzione del sistema.
La spugna dei dati e l’estrazione della proprietà intellettuale
Karp ha spiegato perché le aziende più strutturate iniziano a essere terrorizzate da questi fornitori: il vero problema è che questi sistemi sono spugne progettate per assorbire informazioni. Quando un’azienda invia dati tramite API per alimentare i sistemi di recupero delle informazioni, invia flussi continui di conoscenza proprietaria.
Anche quando i contratti commerciali garantiscono che i dati dei clienti non verranno usati per riaddestrare i modelli di base, i laboratori di intelligenza artificiale hanno visibilità totale sulla telemetria. Possono analizzare quali flussi di lavoro vengono automatizzati più spesso, quali sono le richieste più ricorrenti e dove si concentra il valore economico generato dagli utenti.
Il caso più lampante e spietato di questa dinamica riguarda Figma, la celebre piattaforma per il design di interfacce. Figma stava collaborando a stretto contatto con Anthropic per sviluppare una funzione chiamata Claude Design. Pensate che il responsabile dello sviluppo prodotto di Anthropic, Mike Krieger, sedeva addirittura nel consiglio di amministrazione di Figma. Tutto sembrava procedere per il meglio in una partnership idilliaca. Poi, ad aprile, Krieger si dimette all’improvviso. Tre giorni dopo Anthropic lancia sul mercato il proprio Claude Design, un prodotto proprietario che fa esattamente le stesse cose del suo ex partner, tagliandolo di fatto fuori.
Il risultato sui mercati è stato brutale: da inizio anno il titolo di Figma ha perso oltre il quaranta per cento del suo valore, mentre quello di Anthropic è schizzato alle stelle. Questo è l’esempio perfetto di come un fornitore di infrastruttura possa osservare dove nasce il valore, assorbire il know-how dei clienti e poi lanciare la sua versione nativa distruggendo il business di chi ha fatto il vero lavoro.
Pensa a un padrone di casa che ti affitta un locale con una cucina già attrezzata: tu porti la ricetta segreta dell’impasto della tua famiglia, scegli i fornitori migliori, lavori giorno e notte. La gente inizia a fare la fila fuori dalla tua porta. Il proprietario dei muri sta lì, guarda le telecamere, si appunta quanta farina compri, a che temperatura tieni il forno e quanto fai pagare una margherita. Un bel giorno, visto che ha capito come si fa, non ti rinnova il contratto. Ti sbatte fuori, si tiene i forni, cambia l’insegna fuori dalla porta e inizia a fare la tua stessa pizza ai tuoi stessi clienti, magari a un prezzo più basso. Ha usato la sua infrastruttura per assorbire il tuo talento e poi ti ha eliminato dal mercato.
L’alternativa tecnica dei modelli a pesi aperti e la sovranità computazionale
Per contrastare questo fenomeno, la tendenza tecnica più forte a livello internazionale si sta spostando verso i modelli open-weight, ovvero i modelli di cui vengono rilasciati i parametri interni che determinano il comportamento dell’algoritmo. Aziende come Meta, con la serie Llama, o l’ecosistema dei modelli cinesi, permettono di scaricare l’intero pacchetto software ed eseguirlo su macchine proprietarie.
Questo approccio offre enormi vantaggi tecnici: isolamento totale dei dati, per cui i flussi informativi non lasciano mai i server aziendali azzerando il rischio di fughe di notizie; ottimizzazione mirata, perché i modelli possono essere sintonizzati utilizzando esclusivamente la documentazione aziendale per renderli estremamente precisi su un singolo compito; e riduzione dei costi di gestione, dato che l’esecuzione di un modello specializzato di dimensioni ridotte su un server dedicato costa molto meno rispetto al pagamento continuo di tariffe a consumo per modelli generalisti giganti.
Il collo di bottiglia italiano e il debito di processo delle nostre aziende
E qui arriviamo a noi, perché se lo scenario americano fa paura, quello italiano fa quasi sorridere per quanto è paradossale.
In America le aziende tremano all’idea che un algoritmo possa rubare i loro processi digitalizzati, i loro flussi di lavoro perfetti scritti nei database. In Italia il problema è che questi flussi di lavoro non sono mai stati scritti. La nostra conoscenza aziendale, il nostro vero valore, vive quasi sempre nella testa delle persone. Vive nelle scorciatoie che nessuno ha mai messo su carta, nelle eccezioni che si tramandano a voce tra colleghi, nel capofficina che sa esattamente come tarare quel macchinario perché lo sente dal rumore che fa.
Per noi la situazione è molto diversa: è come se fossimo terrorizzati dall’idea che un ladro acrobata entri in casa nostra per scassinare la cassaforte e rubare la ricetta segreta di famiglia, quando in realtà non abbiamo nessuna cassaforte. La ricetta ce l’ha in testa la nonna, che va a occhio e decide gli ingredienti a seconda di come si sveglia la mattina.
Dal punto di vista puramente tecnico, un’azienda non può implementare alcuna architettura di intelligenza artificiale se non dispone prima di dati strutturati, puliti e documentati. Se le procedure operative, i cataloghi prodotti, i registri delle assistenze clienti e i manuali tecnici non sono digitalizzati e organizzati secondo standard chiari, l’algoritmo non ha nulla da leggere. Non può esserci alcuna automazione se manca il materiale di partenza.
Il rischio immediato per una piccola o media impresa italiana non è che un colosso americano le rubi il vantaggio competitivo copiandole i dati. Il rischio reale è non poter nemmeno scendere in campo, perché quel vantaggio competitivo non è mai stato mappato, organizzato e reso esplicito nemmeno all’azienda stessa. Fino a quando non faremo lo sforzo di strutturare i nostri processi, non ci sarà nessuna intelligenza artificiale in grado di aiutarci. Non possiamo delegare questo lavoro di pulizia a un software. Dobbiamo farlo noi, a testa bassa, prima che sia troppo tardi.
