L'intelligenza artificiale sta vivendo una trasformazione significativa, passando da modelli generalisti a soluzioni specializzate per settori specifici. Questo cambiamento è guidato dalla necessità di padroneggiare il know-how contesto-specifico e di affrontare nuovi rischi, come dimostrato da recenti incidenti di sicurezza.
Dai modelli polivalenti agli esperti settoriali
Negli ultimi anni, i modelli di linguaggio generalisti hanno fatto progressi significativi assimilando sempre più dati disponibili sul web. Tuttavia, questo serbatoio di dati ha raggiunto i suoi limiti nell'esploitare le informazioni pubbliche. Il nuovo obiettivo è la captazione dei dati di riferimento, ovvero il know-how contestuale e i legami logici tra una decisione e il suo contesto operativo, che solo gli attori sul campo possiedono.
Le grandi aziende del web e dell'IA dispongono di un volume considerevole di dati grezzi, ma non sempre hanno accesso a un insieme di dati così specializzati e dettagliati. Un esempio di questa competizione è il recente acquisto di Cursor, una società di codifica assistita da IA, da parte di SpaceX.
Questa corsa ha un costo che le aziende stanno iniziando a misurare. Il dispiegamento di agenti su larga scala si scontra con il consumo di token, al punto che alcune aziende stanno frenando le loro infrastrutture per contenere la deriva di bilancio, come nel caso di Meta.
Il DSLM: la fine della confusione tra potenza bruta e intelligenza
Sul campo, persiste una confusione tra la corsa alla potenza bruta, che consiste nel saturare modelli giganti con dati web, e l'intelligenza artificiale specializzata, che richiede precisione, contestualizzazione e apprendimento continuo. Questa distinzione spiega perché la verticalizzazione si impone come prossima fase del mercato.
Gartner conferma questa tendenza nei suoi recenti rapporti attraverso il concetto di DSLM (modello di linguaggio specializzato per dominio). A differenza di un'IA generalista che può avere allucinazioni, un DSLM si basa su un corpus ristretto legato a un dominio di esperienza e validato da specialisti: regolamentazione, metodi interni, feedback.
Questa approccio è l'unico valido per le organizzazioni critiche: cybersicurezza, banca, assicurazioni, difesa. L'enjeu supera la performance tecnica. Di fronte ai rischi di extraterritorialità, la competitività delle grandi aziende francesi passa attraverso modelli di dimensioni intermedie, "fine-tuned" e ospitati localmente in circuiti sicuri, che garantiscono il mantenimento della proprietà del know-how.
Organizzazioni e capacità aumentate
Questo cambiamento non si limita a una scelta architettonica. Ridistribuisce i ruoli all'interno delle aziende. I collaboratori diventano veri e propri produttori di conoscenze capaci di alimentare i modelli. Assisteremo a un massiccio spostamento di competenze: dall'ingegneria informatica alla modellazione matematica e scientifica, per valutare le prestazioni degli agenti e monitorare le deviazioni in tempo reale, ripensando così il ruolo delle squadre di fronte alla tecnologia.
Lontana dall'essere distrutta, la valore umano è ridistribuito su compiti ad alto valore aggiunto.
Molte aziende francesi ed europee si accontentano ancora di un uso fisso dell'IA in un cloud chiuso. Si privano così dell'essenziale, ovvero la capacità del modello di arricchirsi continuamente con i loro dati operativi, sfruttando solo una frazione minima delle capacità agentiche disponibili. Alcune, tuttavia, hanno fatto il passo, come Safran Aircraft Engineering, che ha implementato quest'anno un'architettura che combina diversi modelli di linguaggio, riducendo il trattamento di dossier di omologazione regolamentare da settimane a minuti, senza degradare la rigorosità del controllo.
In un mercato in cui la cybersicurezza diventa uno dei primi terreni di applicazione della verticalizzazione, la vera domanda non è più chi disporrà del modello più "grande", ma chi saprà trasformare più rapidamente la sua esperienza in capacità aumentate, senza perdere il controllo dei suoi dati.