La diffusione è un altro campionato

La diffusione è un altro campionato

Il baricentro dell'innovazione si sposta dal modello alla diffusione. Chi cattura il valore quando i modelli diventano commodity, e cosa resta irriducibilmente umano nella scoperta.

Ventuno luglio, questo è Signal Innovazione. Per mesi ci siamo chiesti quale modello avrebbe vinto la corsa. Oggi la domanda è cambiata, e quasi nessuno se n'è accorto. Non è più chi costruisce l'intelligenza più potente, ma chi riesce a farla entrare davvero nel mondo — negli uffici, negli ospedali, nelle abitudini di chi lavora. Il campo di gioco si è spostato mentre guardavamo altrove. E come spesso accade, chi comanda la tecnologia e chi ne raccoglie il valore potrebbero non essere la stessa persona. Cominciamo da qui.

C'è un dato che, letto di sfuggita, sembra solo una curiosità da addetti ai lavori. Nell'ultima infornata di startup passate da Y Combinator, un quarto delle aziende aveva una base di codice scritta per il novantacinque per cento da un'intelligenza artificiale. Garry Tan, che quell'incubatrice la guida, aggiunge un dettaglio su di sé: oggi produce quattrocento volte il codice che scriveva nel duemilatredici. Sono numeri che a prima vista raccontano la solita storia dell'accelerazione. Guardati meglio, raccontano l'opposto.

Perché se scrivere codice diventa quasi gratis, il valore non abita più lì. Tan lo dice con una parola secca: il fossato difensivo non è il modello, sono gli evals — la conoscenza minuziosa di un cliente e del suo mestiere, quella parte di economia che nessun modello generalista conosce dall'interno. Patrick Collison spinge la stessa intuizione fino in fondo: il software smette di essere un prodotto di massa e diventa un abito su misura, cucito al momento, a costo quasi zero. E Reid Hoffman aggiunge il gesto che manca — la capacità di orchestrare più agenti insieme, di coordinarli, che diventa la vera abilità scarsa.

Torna qui il tema di ieri, la scarsità che si sposta: non ripetiamolo, ma teniamolo presente. Ciò che è nuovo è dove si è fermato l'ago. Nandan Nilekani, l'uomo che ha dato all'India un sistema di identità digitale per un miliardo di persone, l'ha detto a un summit di poche settimane fa con una formula che vale l'intero episodio: il vero test dell'intelligenza artificiale è la diffusione, non la disruzione. E ha aggiunto, da costruttore che sa cosa vuol dire scalare davvero, che la diffusione è un altro campionato. Tyler Cowen converge da tutt'altra strada: il collo di bottiglia non è la frontiera tecnica, è l'essere umano capace di integrarla. Carlota Perez, che studia le rivoluzioni tecnologiche da decenni, colloca questo momento ancora nella fase di installazione — quella delle bolle e della speculazione — prima del dispiegamento maturo, quando la ricchezza si diffonde davvero. È il ritmo delle ferrovie, della prima ondata industriale, di Internet negli anni Novanta: il valore vero arriva dopo, quando la finanza si riconnette alla produzione.

E qui la storia si divide in due. Da un lato Tan, Collison, Hoffman leggono modelli diventati commodity come un'apertura per chi costruisce sopra di essi. Dall'altro Alex Karp e Satya Nadella vedono lo stesso identico panorama e lo chiamano estrazione. Karp definisce i prezzi dei laboratori di frontiera una tassa patrimoniale sulle imprese; Nadella parla di pagare due volte l'intelligenza. La stessa scena, due film diversi. È la vecchia tensione tra chi porta l'elettricità e chi la usa per illuminare una città — e la domanda, come ai tempi di Edison e Tesla, non è tecnica ma su chi trattiene il potere.

Sotto tutto, una domanda quasi teologica che Tim O'Reilly e Jennifer Doudna riportano al centro: la scoperta, la decisione ultima, restano atti umani. Il conflitto si è spostato dal terreno di cosa può la macchina a quello di chi decide come impiegarla, e a vantaggio di chi. Ed è lì che passiamo il resto del racconto.

Satya Nadella ha passato tre anni a fare da alfiere dell'ottimismo di frontiera. Microsoft ha investito cifre da capogiro, ha cucito partnership, ha portato l'intelligenza artificiale dentro ogni suo prodotto. Per questo il tono del suo saggio più recente sorprende: è cauto, quasi difensivo, e parla la lingua dell'economia industriale più che quella dell'entusiasmo tecnologico.

Il concetto che ha coniato è tagliente — pagare due volte l'intelligenza. La prima volta è ovvia: un'azienda paga i token, il costo del modello che consuma. La seconda è invisibile e molto più costosa. Per rendere davvero utile un modello, bisogna nutrirlo con la conoscenza proprietaria: i processi, i dati, il sapere accumulato che distingue un'impresa dai suoi concorrenti. E qui sta la sua frase più affilata: quanto meglio vuoi che il modello funzioni, tanta più di quella conoscenza sei costretto a cedergli. Paghi per usare lo strumento, e nel farlo consegni il tuo vantaggio.

L'immagine che usa è quella dello svuotamento. Pochi modelli di frontiera rischiano di assorbire l'expertise di interi settori e di renderla banale, ripetendo — dice — il copione della globalizzazione: un mondo in cui ogni azienda cede valore a una manciata di modelli che divorano tutto ciò che vedono. Non è la paura fantascientifica della macchina che si ribella. È la paura, molto più concreta, della concentrazione — un pugno di aziende che controlla l'infrastruttura su cui tutti gli altri devono appoggiarsi.

E c'è una tensione dentro le sue stesse parole, che Nadella sembra avvertire. Attacca l'accelerazionismo con una battuta che è quasi un rimprovero interno all'industria: non puoi dire che tutti i lavori impiegatizi spariranno e insieme che userai tutta la potenza disponibile per costruire data center. Le due affermazioni non stanno in piedi assieme. O l'intelligenza artificiale genera abbastanza valore diffuso da giustificare quegli investimenti — e allora il lavoro non evapora — oppure li giustifica solo per pochi, e a quel punto l'industria perderà il consenso pubblico di cui ha bisogno.

È la voce di qualcuno che vede il rischio dall'interno della macchina, non dagli spalti. E la sua posizione è esattamente il rovescio di quella dei costruttori ottimisti: dove Tan vede una porta che si apre per le startup, Nadella vede una porta girevole che riporta tutto verso il centro. Hanno davanti lo stesso panorama. Non è ancora chiaro chi dei due lo stia leggendo bene.

Jennifer Doudna ha vinto un Nobel per la chimica per aver co-scoperto CRISPR, lo strumento che permette di riscrivere il codice genetico. Nessuno può accusarla di essere ostile all'innovazione biologica. Proprio per questo la sua diffidenza verso l'intelligenza artificiale come motore della scoperta scientifica pesa più di molte altre.

In un'intervista di fine giugno alla Bloomberg è stata netta. Contesta l'idea che i grandi laboratori di intelligenza artificiale possano presto rivendicare meriti nella scoperta di nuovi farmaci. La macchina, dice, accelera e organizza — mette ordine, esplora, scarta. Ma l'intuizione, l'ipotesi non ovvia, la scoperta vera restano un atto umano. È un contrappunto diretto all'ottimismo dei laboratori che promettono una scienza automatizzata, e arriva da chi la scienza la fa con le mani.

Ma la parte più interessante è dove sposta la vera rottura. Non è nell'intelligenza artificiale, dice — è nel tempo che passa dalla diagnosi alla cura. Il suo Innovative Genomics Institute, insieme all'ospedale pediatrico di Filadelfia e alla Penn Medicine, ha fatto qualcosa che fino a poco fa sembrava impossibile: ha progettato, ottenuto l'approvazione dell'ente regolatore americano e prodotto una terapia CRISPR su misura per un singolo paziente, in sei mesi. Una cura costruita per una persona sola, per la sua specifica mutazione.

È il modello che chiama delle terapie n-di-uno, dove n è il numero di pazienti: uno. Ripensare la medicina non come produzione di massa ma come artigianato di precisione, comprimere il ciclo dalla malattia alla cura fino a farlo stare dentro una manciata di mesi. E qui c'è un'eco che vale la pena cogliere: è la stessa figura che Collison usa per il software — l'abito su misura al posto del prodotto standardizzato — trasferita al corpo umano. Due mondi lontanissimi, la stessa direzione.

Doudna traccia una linea netta, quasi un principio di divisione del lavoro tra uomo e macchina. All'intelligenza artificiale la velocità, l'organizzazione, la capacità di setacciare possibilità. All'essere umano la scoperta, l'intuizione, la decisione su dove guardare. E qui incontra la resistenza più tenace di tutte, quella regolatoria: portare una terapia unica, irripetibile, dentro un sistema di approvazione pensato per farmaci prodotti in serie per milioni di persone. È lì che l'innovazione rallenta — non nel laboratorio, ma nella burocrazia che deve imparare a dire sì a qualcosa che esiste in un solo esemplare. La sua scommessa è che il modello industriale della medicina stia per cambiare forma. E che, qualunque cosa faccia la macchina, la mano che decide resti umana.

Tyler Cowen è un economista che scrive ogni giorno, spesso più volte, e da mesi ha un'unica ossessione: l'adozione. Non la frontiera, non il modello più grande — l'uso concreto, quotidiano, ostinato. A metà luglio ha pubblicato un manifesto dal titolo volutamente provocatorio: il futuro appartiene ai maniaci dell'intelligenza artificiale.

Non è una battuta. La sua tesi è che il vantaggio competitivo, negli anni che vengono, andrà a chi è ossessivo nell'usare i modelli più recenti — chi li mastica per ore, li innesta nel lavoro e nella vita, li prova fino a conoscerne le pieghe. È un'idea profondamente dal basso: la disruzione non la fanno le grandi aziende né le politiche pubbliche, la fanno gli individui che si trasformano da soli, uno alla volta. Chi resta a guardare, chi tiene l'intelligenza artificiale in modalità pilota, cede terreno — e lo cede in modo composto, come un interesse che matura contro di lui.

C'è poi un'osservazione più sottile, che Cowen ha messo in un pezzo di inizio luglio e che merita attenzione. Il vero regalo di questa tecnologia alla scienza, dice, è che collassa il costo dell'esplorazione preliminare. Un'analisi che prima richiedeva due settimane oggi si abbozza in un pomeriggio. E l'effetto non è solo la velocità: è che si abbandonano prima le domande sbagliate. Se esplorare costa poco, scarti in fretta i vicoli ciechi, e le domande che tieni sul tavolo sono migliori. Un guadagno di selezione, non solo di rapidità. È il modo di pensare di chi ha capito che lo strumento cambia non tanto le risposte, quanto le domande che vale la pena porsi.

Cowen legge anche la geografia di tutto questo. Prevede una domanda crescente di insegnanti di intelligenza artificiale dai paesi che l'hanno adottata per primi verso tutti gli altri — un arbitraggio dell'adozione, la conoscenza di come si usa che diventa merce di scambio tra nazioni. E osserva la Cina, dove la scommessa è diversa: legare l'apertura tecnologica all'espansione dell'intelligenza artificiale nel mondo fisico, la robotica, dove Pechino è avanti.

La sua posizione è il contraltare perfetto di quella di Nadella. Dove il capo di Microsoft vede concentrazione e rischio di estrazione, Cowen vede una frontiera aperta a chiunque abbia la disciplina di attraversarla. Uno guarda le imprese e teme che il valore risalga verso pochi. L'altro guarda gli individui e scommette che il valore scenda verso chi si dà da fare. Non è detto che uno dei due abbia torto: potrebbero descrivere due strati diversi della stessa economia.

Qualche realtà da tenere d'occhio, per capire dove si muove concretamente l'energia.

La prima è l'intesa tra Palantir e Nvidia attorno ai modelli chiamati Nemotron. È la scommessa opposta a quella dei grandi laboratori chiusi: portare l'intelligenza artificiale avanzata dentro perimetri controllati, con i pesi dei modelli aperti e ispezionabili, soprattutto per ambienti governativi e militari. È la traduzione operativa della tesi di Alex Karp — possedere lo stack invece di affittarlo dietro un'interfaccia opaca.

La seconda è l'Innovative Genomics Institute di Jennifer Doudna, il laboratorio che ha prodotto quella terapia genetica su misura in sei mesi. Il modello delle cure costruite per un singolo paziente è il fronte più concreto della medicina personalizzata, e la prova che la vera rottura può stare nell'organizzazione, non solo nella scienza.

La terza è Y Combinator stessa, che sta sperimentando un'idea curiosa: le organizzazioni fatte non di organici ma di skill files — agenti con mansioni definite che replicano intere funzioni aziendali. Poche persone, la scala operativa di un'impresa da centinaia di dipendenti. Un modo radicale di ripensare cosa sia un'azienda.

La quarta è Stripe, che sta costruendo l'infrastruttura per il commercio guidato dagli agenti — pagamenti tra macchine, gestiti da software che compra e vende per conto nostro. Patrick Collison, storicamente scettico sulle criptovalute, oggi vede negli stablecoin un livello concreto per questi scambi automatici ad altissima frequenza.

E infine X, la fabbrica di moonshot di Alphabet guidata da Astro Teller, che continua a difendere un'idea preziosa: l'innovazione radicale è un sistema ripetibile, non un colpo di genio. Un tasso di successo del due per cento, una macchina ottimizzata per uccidere presto le idee sbagliate. In un momento di entusiasmo generale, è la disciplina di chi conta le carte invece di sperare nella fortuna.

Resta un'immagine. Un'azienda che paga per un modello e, senza accorgersene, gli consegna ciò che la rendeva unica. Il valore si sposta dal costruire l'intelligenza al saperla diffondere — ma chi la diffonde e chi la trattiene potrebbero non coincidere. La domanda vera, ormai, non è cosa può la macchina. È chi decide come usarla, e a beneficio di chi. È stato Signal Innovazione. Alla prossima.