Post di Luca Boffa, Senior Equity Portfolio Manager di Symphonia SGR – 

A circa un anno dal lancio di ChatGPT, con cui OpenAI ha svelato al mondo il potenziale dei modelli di interazione basati sul linguaggio, la competizione per creare le applicazioni più produttive e remunerative dell’intelligenza artificiale è davvero globale, intensa e sfrenata. In palio c’è la supremazia nella distribuzione globale della tecnologia, la spartizione dei benefici economici della produttività e l’influenza di Usa e Cina sull’economia globale.

Oltre il 90% delle 500 maggiori imprese statunitensi già oggi impiega soluzioni basate sull’intelligenza artificiale, con impatti significativi. La corsa ai profitti dell’intelligenza artificiale è uno dei grandi temi per il 2024: ampliare l’infrastruttura, consentire uno standard elevato di sicurezza, allenare modelli, far comprendere alle aziende come sfruttare il suo potenziale, creare software e servizi per facilitarlo, abbassare le barriere all’entrata per le società piccole e i consumatori.

Intelligenza artificiale, le conseguenze del boom della domanda

L’infrastruttura di calcolo arranca dietro alla domanda, i processori grafici avanzati progettati da Nvidia e prodotti su larga scala da TSMC non consentono di soddisfare gli ordini, è perciò corsa all’accaparramento. Quando dalla fase del training massivo dei modelli passeremo a quella centrata sul loro utilizzo ordinario, nel giro di pochi anni, la capacità di calcolo aggiuntiva richiesta ogni anno sarà più contenuta, con rischi crescenti di investimenti eccessivi e ritorni limitati. Anche per questo molti sviluppi di IA sono realizzati sulle piattaforme cloud dedicate dei big tech, che ne controllano la crescita complessiva, e anche per questo alcune società leader nell’IA già ora finiscono per convergere con un grande partner-piattaforma, come è Microsoft per OpenAI o Google per Anthropic.

La complessità e la performance dei modelli sono in forte crescita, per poterli impiegare sempre di più in applicazioni critiche, con margini di errore infinitesimi. Allenare i modelli costa, per l’impiego della capacità di calcolo, l’energia consumata e le emissioni che si generano. Se la qualità dei dati su cui i modelli si allenano è alta, si possono allenare meno per raggiungere la stessa affidabilità di risposta. Lavorando su archivi verificati e testi accademici, e rinforzando con feedback umani esperti, la qualità della risposta dei modelli migliora.

La necessità di utilizzare dati sintetici

Più pretendiamo affidabilità di risposta, più gli archivi su cui allenare i modelli diventano un limite: The New York Times ha deciso di non concedere i suoi archivi per allenare i modelli e altre testate di livello potrebbero seguirli. L’esaurimento delle fonti informative è una questione che preoccupa già adesso e la creazione mediante algoritmi di dati sintetici su cui affinare le capacità dei modelli si sta affermando in alcuni segmenti: Gartner, ad esempio, stima che i dati su cui allenare i modelli saranno per metà sintetici già nel 2026.

La regolamentazione delle applicazioni di IA è un tema ricorrente: il dibattito è complesso, accanto all’opportunità di contenere il danno collaterale di sviluppi indesiderati e criminali, occorre evitare di introdurre handicap per le imprese che incarnano gli interessi del proprio blocco geopolitico. Sam Altman, CEO di OpenAI, nel giro di poche ore è stato licenziato in tronco, nominato membro del board di Microsoft, e infine nuovamente il CEO più acclamato di sempre dai dipendenti della sua azienda: il tempo per affrontare le questioni di visione e autoregolamentazione si misura in giorni, perché queste possono mettere in dubbio la capacità di competere nel mondo dell’IA.

Come investire nell’ intelligenza artificiale per ottenerne benefici sostenibili?

Dal punto di vista delle aziende, c’è da investire in capacità di calcolo, allenare con dati proprietari modelli che consentano di migliorare i processi aziendali, integrare l’IA nei software aziendali, guadagnare produttività nel lavoro dei dipendenti, al fine di aumentare i margini operativi. Alcuni filoni molto promettenti riguardano la pubblicità, il lavoro professionale digitale e assistito, i modelli predittivi, i ChatBot, la mobilità autonoma.

(Adobestock)

Nella pubblicità, per esempio, i modelli di interazione stanno evolvendo verso capacità multimodali, in grado di definire corrispondenze tra testo e immagini e supportare la creatività: FireFly e Stable Diffusion consentono di creare immagini e animazioni a partire da descrizioni testuali. Google e Meta offrono strumenti con IA per generare soluzioni testuali e grafiche che migliorano i ritorni sugli investimenti pubblicitari.

I benefici per gli individui, dalla produttività all’assistenza sanitaria

Dal punto di vista degli individui, l’IA segna l’avvio di una nuova era contrassegnata da accelerazione delle scoperte scientifiche, boom di produttività del lavoro e aumento del tempo libero a disposizione. Istruzione, assistenza sanitaria e intrattenimento diverranno disponibili a prezzi molto inferiori, anche nei paesi poveri.

Da investitori possiamo partecipare al successo delle società più coinvolte negli sviluppi dell’IA, un’opportunità storica: lo sviluppo dell’infrastruttura e dei servizi collegati garantiranno margini molto elevati per alcuni anni. Per menzionarne alcuni, capacità di calcolo, componenti per networking e comunicazione ottica fronteggiano condizioni di domanda storicamente favorevoli.

Nel medio e lungo periodo, le grandi società di software e di consulenza saranno altri tra i maggiori beneficiari, perché potranno condividere con i loro clienti una parte crescente dei grandi guadagni di produttività in tutti i settori produttivi.