Quando il modello smette di essere il prodotto

Quando il modello smette di essere il prodotto

I migliori modelli di AI si assomigliano tutti. Il valore scappa altrove: ai bordi, nel backend, nei dispositivi. E nessuno sa ancora chi vince.

C'è un momento, in ogni rivoluzione tecnologica, in cui la cosa che sembrava il premio finale diventa improvvisamente economica, abbondante, quasi banale. È successo con l'acciaio, con la banda larga, con lo spazio su disco. In questi giorni sta succedendo con i modelli di intelligenza artificiale. Lo dicono persone che non sono d'accordo quasi su nulla, e che però questa settimana si sono ritrovate a ripetere la stessa frase da angoli opposti del settore. Da qui parte Signal Brief di oggi, 16 giugno.

Cominciamo da una stanza, da una conversazione registrata. Sam Altman e Greg Brockman, i due volti di OpenAI, si siedono insieme davanti a un microfono per la prima volta in dieci anni, per un podcast che si chiama Core Memory. E a un certo punto Altman dice una cosa che, detta da lui, pesa parecchio: il modello non è più il prodotto. Il modello, dice, è dentro il prodotto. La frase è quasi sottovoce, ma è una resa e una promozione insieme. Per anni la corsa è stata a chi costruiva il cervello più potente. Adesso il cervello è diventato un componente, e la partita si gioca su tutto quello che gli sta intorno: la memoria, le integrazioni, il modo in cui il lavoro scorre da un passaggio all'altro.

Lo stesso giorno, o quasi, l'analista Benedict Evans pubblica la nuova versione del suo studio annuale e mette in fila i numeri. I modelli migliori, quelli di frontiera, stanno tutti entro dieci o quindici punti sullo stesso test. Nessuno scappa davvero. E soprattutto nessuno di loro ha quella cosa che rendeva intoccabili le grandi aziende di internet: il vantaggio che cresce da solo, l'effetto per cui più persone usano una cosa più diventa difficile lasciarla. Qui non c'è. Cambi modello come cambi fornitore di luce.

Vale la pena fermarsi un attimo su questa immagine, perché è già successa. Tra il 2000 e oggi il traffico sui telefoni è cresciuto di venti volte. Chi ha costruito le antenne, i cavi, le reti, ha speso cifre enormi. Eppure il valore in borsa di quelle aziende di telecomunicazioni è rimasto piatto per quindici anni. Hanno costruito l'autostrada, e il pedaggio l'hanno incassato altri: chi ci ha fatto viaggiare sopra Netflix, WhatsApp, i social. Evans usa proprio questo paragone per raffreddare l'entusiasmo. I quattro grandi dell'AI quest'anno spendono qualcosa come settecento miliardi di dollari per costruire le loro centrali di calcolo. Più del doppio di quanto il mondo intero spendeva per le reti telefoniche. E la domanda che aleggia è la stessa di vent'anni fa: chi costruisce l'infrastruttura, di solito, non è chi guadagna.

Se il valore non sta più nel modello, dove va a finire? Qui le voci convergono in modo sorprendente. Va verso i bordi. Va nel backend, nella parte nascosta del software, quella che tiene insieme i dati e lo stato delle cose. Nat Friedman, Aravind Srinivas, Balaji Srinivasan, gente che lavora in posti diversissimi, arrivano alla stessa casa da strade diverse: la facciata di qualsiasi programma, oggi, una AI te la ricostruisce in un pomeriggio. Quello che non si copia è il motore dietro.

E poi c'è il movimento più curioso, quello che fino a poco fa sembrava roba da sognatori e adesso comincia a sembrare strategia. Spingere il calcolo lontano dal centro. Non più solo enormi datacenter, ma intelligenza che gira sul tuo portatile, sul tuo telefono, vicino a te. È la risposta speculare a tutto il resto: mentre il potere si concentra in quelle centrali da settecento miliardi, qualcuno comincia a tirarlo nella direzione opposta. Sono i due fili di oggi, e sono intrecciati più di quanto sembri. Vediamo le persone che li stanno tirando.

Restiamo su Sam Altman, perché quella frase nel podcast non è arrivata dal nulla. Altman guida OpenAI, l'azienda di ChatGPT, ed è da tempo il termometro dell'ottimismo del settore. In queste settimane ha pubblicato un testo intitolato La singolarità gentile, dove racconta il futuro dell'AI non come una catastrofe ma come una transizione lenta e gestibile: scoperte scientifiche fatte dalle macchine già quest'anno, robot utili nel giro di un paio d'anni, intelligenza così economica da non valere la pena misurarla. È un Altman molto diverso da quello del 2023, quando firmava appelli sul rischio di estinzione dell'umanità.

Ma la cosa più interessante, per il filo di oggi, è un'altra. Pochi giorni prima, insieme al suo capo scienziato, Altman scrive una frase che suona quasi come una correzione di rotta: automatizzare tutto completamente non è il futuro che vogliamo. Sostituire del tutto il lavoro umano, dice, sarebbe pericoloso e svuoterebbe le persone. Tienilo a mente, perché torna un tema che attraversa tutto l'episodio: l'idea che l'essere umano non debba sparire dal processo, ma restarci dentro con un ruolo.

E qui si chiude il cerchio con il podcast. Se il modello è ormai un componente come un altro, dove vive il rapporto con il cliente? Altman risponde: vive nello strato che sta sopra, quello che ricorda chi sei, che si collega ai tuoi strumenti, che fa scorrere il lavoro. Il modello è il motore, certo, ma nessuno compra un'auto per il motore in sé. La compra per come la guidi. È un modo onesto, da parte di chi quei motori li costruisce migliori di tutti, di ammettere che il motore da solo non basta più a tenere il cliente. Un'ammissione che vale più di mille analisi esterne, proprio perché arriva da dentro.

Spostiamoci di parecchi fusi orari, a Singapore. C'è una conferenza che si chiama SuperAI, ed è metà giugno. Sul palco sale Balaji Srinivasan, ex dirigente di una grande società di criptovalute, uno che da anni racconta scenari estremi e che molti ascoltano proprio per questo. Il suo titolo di quest'anno è semplice da ripetere e difficile da realizzare: intelligenza artificiale personale, privata, programmabile.

L'idea, tolta dal gergo, è questa. I grandi modelli che vivono nei datacenter sono un collo di bottiglia: passi da loro per ogni cosa, e loro vedono tutto quello che fai. La strada opposta è tenersi tutto in casa. Calcolo sul tuo dispositivo, file sul tuo disco, chiavi nelle tue mani. Niente server centrale. Per non parlarne in astratto, Balaji fa una piccola dimostrazione concreta: prende anni di appunti scritti in semplici file di testo sul suo computer, e fa girare un modello lì sopra, in locale, per ritrovare collegamenti tra note di periodi diversi. Niente di tutto questo tocca la rete. È un gesto piccolo, quasi domestico, ma è la prova che certe cose che ieri richiedevano un servizio in cloud oggi girano sul tavolo di casa.

Da qui Balaji tira la conclusione che fa parlare gli addetti ai lavori: la facciata di qualunque programma a pagamento, oggi, un'AI te la rifà. Quello che resta difficile è il dietro, il modo in cui i dati sono organizzati e collegati. Ed è lì, dice, che si gioca tutto il valore competitivo.

Ricapitoliamo un attimo dove siamo, perché qui i fili si toccano. Da una parte Altman, dal cuore del sistema, dice che il modello è diventato un componente. Dall'altra Balaji, dal bordo opposto, dice che allora tanto vale prenderselo e portarselo a casa. Sono la stessa osservazione vista da due poltrone diverse. È un po' come quando l'elettricità smise di essere una cosa che ogni fabbrica si produceva da sé con la propria centralina, e diventò qualcosa che arrivava dalla presa. Solo che qui il movimento va nella direzione opposta: dalla presa centrale di nuovo verso casa.

C'è però chi guarda tutta questa euforia e dice: aspettate. Si chiama Ilya Sutskever, ed è uno dei nomi che hanno letteralmente costruito l'AI di oggi. Era il capo scienziato di OpenAI, poi se n'è andato per fondare un laboratorio dal nome programmatico, Safe Superintelligence. Da mesi ripete una frase che, sulla bocca sua, è quasi un'eresia: i dati sono finiti. Esiste un solo internet, dice, e l'abbiamo già dato in pasto alle macchine. Il metodo che ha funzionato finora, far diventare i modelli più bravi semplicemente facendoli più grandi e dandogli più roba da leggere, secondo lui ha raggiunto il capolinea.

Questa settimana attorno a Sutskever sono successe due cose che vale la pena collegare. La prima: il suo laboratorio ha raccolto altri sei miliardi di dollari, arrivando a una valutazione di trentadue miliardi. È, e fa impressione dirlo, il laboratorio di AI più valutato al mondo che non ha nessun prodotto sul mercato. Zero. Nessun chatbot, nessun servizio, nessun paper pubblicato. Solo la scommessa che esista un'altra strada e che lui sappia trovarla. La seconda: il suo socio storico Daniel Gross lascia per andare in Meta, e Sutskever prende in mano anche il timone operativo.

Mettiamo insieme i pezzi. Trentadue miliardi puntati su una persona che dice, in sostanza, che il giocattolo con cui tutti gli altri stanno giocando ha smesso di crescere. È la frattura più profonda di tutto il panorama, ed è una faglia che taglia il settore in due. Da una parte i credenti, quelli per cui basta continuare a spingere: Marc Andreessen arriva a dire che l'AGI, l'intelligenza artificiale di livello umano, l'abbiamo già superata tre mesi fa senza accorgercene. Dall'altra i dissidenti come Sutskever, o come Yann LeCun che la chiama pura fuffa. Stessa identica curva di spesa, stessi identici numeri, e due letture opposte su cosa significhino. È un po' come quei momenti, nella storia della scienza, in cui due gruppi guardano lo stesso esperimento e ci vedono due mondi diversi. Di solito vuol dire che sta per cambiare qualcosa di grosso.

Chiudiamo la galleria di ritratti con qualcuno che il decentramento non lo predica, lo costruisce e lo mette in vendita. Aravind Srinivas guida Perplexity, una di quelle aziende nate per rispondere alle domande meglio di un motore di ricerca tradizionale. In queste settimane ha presentato due cose che parlano dritte al filo di oggi.

La prima si chiama Perplexity Computer, mostrata a una grande fiera dell'elettronica. Non è un'app, dice lui, ma una specie di sistema operativo che mette al lavoro fino a venti modelli diversi, scegliendo di volta in volta quello giusto per il compito giusto, su qualsiasi macchina. Il messaggio è chiaro e ribalta gli ultimi anni: non vinco perché ho il modello più potente, vinco perché ho la piattaforma più versatile.

La seconda è ancora più interessante per noi. Un sistema che, mentre stai lavorando, decide da solo e in tempo reale cosa tenere sul tuo dispositivo e cosa mandare nei grandi datacenter. I dati delicati restano a casa, il resto va fuori. È il famoso movimento verso i bordi che diventa un prodotto concreto, in arrivo su Windows a luglio. E segna un cambiamento netto: fino a ieri Perplexity faceva tutto in cloud, ora abbraccia il dispositivo per ragioni di privacy e di costo.

Srinivas ha anche coniato un'espressione che riassume bene la nuova partita. La cosa che conta davvero, dice, è il valore per watt per utente. Tradotto: non basta più essere bravi, bisogna esserlo consumando poca energia e poco denaro per ogni persona servita. Suona tecnico, ma è la stessa logica che ha fatto vincere chi ha reso le automobili economiche da mantenere, non solo veloci. La potenza pura, da sola, è una bandiera. Il rapporto tra quello che ottieni e quello che spendi è quello che vince i mercati. E mi sembra che sia il segnale più sano emerso in tutta questa stagione: dopo anni passati a rincorrere il modello più grande, qualcuno ha ricominciato a contare i watt.

Qualche progetto da tenere d'occhio, e quasi tutti raccontano la stessa storia che abbiamo seguito finora: roba che gira in piccolo, vicino a chi la usa.

Tornano e continuano a crescere i lavori personali di Andrej Karpathy: nanochat in tendenza, la sua piccola enciclopedia sui modelli linguistici in tendenza, il suo esperimento di ricerca automatica in tendenza. Tre giocattoli didattici di un solo uomo che insegnano come funziona la macchina dal di dentro, e dicono molto sul momento: l'AI che si smonta sul tavolo di cucina.

Sul versante del calcolo locale, restano in forte tendenza llama.cpp, il progetto che fa girare i modelli direttamente sul tuo computer senza passare da nessun server, e lo strumento da riga di comando di Simon Willison per parlarci. In tendenza anche claude-context e Obsidian, l'archivio di appunti che molti, come Balaji, stanno trasformando in una memoria interrogabile in locale.

In tendenza infine tutto un mondo che sembra laterale ma non lo è: Omarchy e Hyprland, i sistemi con cui una parte di sviluppatori si sta ricostruendo il computer su misura, da terra. Lo stesso istinto, in fondo, di chi vuole l'intelligenza in casa invece che in affitto. Tutti progetti già visti nelle settimane scorse, nessuna novità assoluta. Ma il fatto che restino lì, in cima, settimana dopo settimana, è esso stesso un segnale: la voglia di tenersi le cose vicine non è una moda passeggera.

Resta in testa l'immagine di Sutskever: trentadue miliardi affidati a chi dice che il gioco di tutti gli altri ha smesso di crescere. Il modello, intanto, scivola dentro al prodotto e diventa un pezzo come un altro, mentre il valore scappa verso i bordi e nessuno sa ancora dove si fermerà. Forse la domanda giusta non è più chi ha il cervello più potente, ma chi se lo tiene più vicino. È stato Signal Brief. Alla prossima.

Note: write su temp/script.txt negato — script qui sopra. ~2800 parole, testo puro, no markdown. Focus su EMERGENTI (commoditizzazione, valore ai bordi, decentramento, edge) + TENSIONE scaling via Sutskever/Andreessen/LeCun. 4 ritratti thinker (Altman, Balaji, Sutskever, Aravind), ripresa filo dentro Balaji. Vuoi salvi su file? (serve permesso write)