Sam Altman rivede i tempi dell’IA: il collo di bottiglia è l’adozione, non la capacità

La revisione di Sam Altman riguarda soprattutto i tempi, non l’importanza ultima dell’intelligenza artificiale. Dopo il lancio di GPT-4 nel 2023, il CEO di OpenAI si aspettava che le aziende software e l’economia venissero sconvolte molto più rapidamente. Oggi sembra attribuire un peso maggiore al lavoro, più lento, necessario per trasformare la capacità dei modelli in applicazioni affidabili, cambiamenti organizzativi, infrastrutture fisiche e accettazione pubblica. 36

La distinzione è cruciale: un modello può essere tecnicamente impressionante senza sostituire subito prodotti, riorganizzare imprese o modificare l’economia nel suo complesso.

La nuova diagnosi di Altman: implementare l’IA è più difficile che addestrarla

Il collo di bottiglia di breve periodo non sarebbe quindi soltanto la creazione di modelli di base più potenti. Le aziende devono ancora sviluppare applicazioni davvero utili, integrarle nei flussi di lavoro esistenti, ripensare ruoli e processi e convincere clienti e dipendenti ad affidarsi a questi strumenti.

Questo aiuta a spiegare perché l’economia successiva a GPT-4 non abbia vissuto la discontinuità immediata prefigurata da alcune previsioni. La tecnologia può continuare a migliorare rapidamente, mentre l’adozione procede attraverso canali commerciali e istituzionali più lenti.

Le recenti osservazioni economiche dello stesso Altman puntano in entrambe le direzioni. Secondo lui, l’intelligenza di un modello cresce con le risorse impiegate per addestrarlo e farlo funzionare, mentre il costo di utilizzare un determinato livello di IA diminuisce rapidamente nel tempo: condizioni che potrebbero portare, alla fine, a un uso molto più diffuso. 40 Il calo dei prezzi, però, non elimina ostacoli come approvvigionamento, regolamentazione, fiducia, gestione dei dati e difficoltà nel cambiare il modo in cui le persone lavorano.

Perché Altman ha parlato di rallentare il ritmo

A luglio Altman ha affermato che il settore potrebbe dover “scandire” lo sviluppo dell’IA per dare alla società il tempo di “irrobustirsi” di fronte a nuovi livelli di capacità. Ha aggiunto che qualsiasi approccio di questo tipo dovrebbe evitare sia la cattura regolatoria sia accordi collusivi tra i laboratori di frontiera. 37

Non equivale a chiedere uno stop permanente. È piuttosto il riconoscimento che il progresso tecnico e l’adattamento sociale possono seguire orologi diversi. Più di 1.000 lavoratori di aziende leader nel campo dell’IA hanno inoltre firmato una lettera pubblica per chiedere regole più forti e tempo per sviluppare misure di sicurezza e sistemi di supervisione. 38

La conseguenza pratica è un ciclo di diffusione più controverso: sistemi potenti possono arrivare prima che governi, imprese, scuole e comunità abbiano concordato come utilizzarli.

I due rischi dietro l’avvertimento “anti-umano”

Altman ha sostenuto più volte che il potere dell’IA non dovrebbe concentrarsi eccessivamente e che il controllo del futuro dovrebbe restare nelle mani delle persone e delle loro istituzioni. 44 Nel quadro descritto dalle fonti, ci sono due esiti in particolare da evitare:

1. L’IA diventa così potente da sfuggire al controllo effettivo delle persone.
2. Le capacità dell’IA e il potere decisionale si concentrano in un numero troppo ristretto di aziende o governi.

Il primo rischio riguarda la perdita del controllo. Il secondo riguarda un controllo che rimane, ma nelle mani di un gruppo ristretto dotato di un’influenza economica e politica sproporzionata. I due rischi possono spingere la politica in direzioni opposte: le misure di sicurezza possono ridurre gli abusi, mentre l’accesso centralizzato e i sistemi chiusi possono aumentare la concentrazione del potere.

È una critica ad Anthropic?

Questa lettura va considerata un’interpretazione, non un attacco diretto dimostrato. Il materiale disponibile non mostra Altman mentre nomina esplicitamente Anthropic o definisce “anti-umano” il suo approccio centralizzato e orientato alla sicurezza.

Esiste però una tensione politica reale. Una strategia basata su modelli di frontiera strettamente controllati può rendere più semplici il monitoraggio e l’applicazione delle regole di sicurezza, ma può anche lasciare più potere a un piccolo numero di laboratori. I sistemi open-weight, invece, possono ampliare l’accesso e la personalizzazione, creando però ulteriori problemi di abuso e responsabilità. Le evidenze permettono di discutere questo compromesso, non di sostenere che Anthropic sia il bersaglio o che la sua filosofia sia intrinsecamente dannosa.

La resistenza ai data center mostra il vero limite fisico dell’adozione

L’adozione dell’IA richiede molto più del software. Servono data center, elettricità, capacità di trasmissione, acqua, terreni, permessi e consenso politico da parte delle comunità locali.

Questa espansione sta già incontrando resistenze. Secondo quanto riportato su un sondaggio Gallup, il 71% degli adulti statunitensi si oppone alla costruzione di un data center per l’IA nella propria zona, mentre più di una dozzina di progetti sarebbe stata bloccata o rinviata a causa dell’opposizione locale. 18 Altri resoconti hanno evidenziato timori per l’elettricità, l’acqua, l’impatto ambientale e gli accordi fiscali locali. 20

Altman ha riconosciuto perché gli abitanti potrebbero non volere un data center vicino a casa e ha suggerito che località desertiche e remote possano essere più adatte. 23 L’idea sottolinea il punto centrale: far crescere l’IA è anche un problema di infrastrutture e uso del territorio, non soltanto una corsa ad acquistare più GPU.

La stessa tensione emerge nel sostegno di OpenAI ai grandi progetti infrastrutturali. In un sito per un data center in Michigan, Altman ha descritto un progetto dal valore riportato di 16 miliardi di dollari come una grande scommessa sul futuro dell’IA, mentre le preoccupazioni locali riguardavano risorse come acqua ed elettricità. 2130 Le aspettative del settore restano enormi, ma trasformarle in capacità operativa richiede che le comunità accettino i costi fisici del progetto.

L’accordo NVIDIA-Poolside segnala preparazione, non una ritirata

La transazione riportata tra NVIDIA e Poolside mostra perché una tempistica di adozione più lenta non debba essere confusa con una fiducia in calo nell’IA. Secondo le indiscrezioni, NVIDIA avrebbe accettato di pagare 6 miliardi di dollari per ottenere in licenza la tecnologia di Poolside e di investire un altro miliardo nella startup. Più di 100 dipendenti di Poolside dovrebbero entrare nel lavoro di NVIDIA sulla famiglia di modelli open-weight Nemotron. 15

L’operazione suggerisce che NVIDIA stia ampliando il proprio raggio d’azione, andando oltre l’hardware verso i sistemi di sviluppo dei modelli e il software open-weight. Secondo i resoconti sull’accordo, i modelli open-weight possono essere più facili da personalizzare e offrire costi operativi inferiori rispetto ad alcune alternative chiuse. 5

La strategia è compatibile con un ciclo di implementazione più lungo e competitivo. Se le imprese hanno bisogno di modelli flessibili, adattabili alla propria infrastruttura, i sistemi open-weight potrebbero diventare una componente importante dell’adozione aziendale. L’operazione resta comunque un investimento aggressivo nelle capacità di IA: non dimostra che NVIDIA si aspetti un crollo della domanda. 15

La lezione più ampia: la diffusione dell’IA sarà graduale, costosa e contesa

Nel complesso, questi sviluppi sostengono una tempistica più sfumata:

• La capacità dei modelli può crescere più rapidamente dell’adozione da parte delle imprese. 36
• Sono le applicazioni e la riprogettazione delle organizzazioni a determinare se quella capacità si tradurrà in un impatto economico. 36
• L’espansione delle infrastrutture deve fare i conti con energia, acqua, permessi e opposizione delle comunità. 182023
• Sicurezza e governance possono richiedere tempo perché le istituzioni si adeguino. 3738
• Il settore continua a investire con decisione in nuovi modelli e alternative open-weight. 15

La conclusione più solida, dunque, non è che l’IA avrà un effetto economico marginale, né che il settore abbia raggiunto un consenso per rallentare deliberatamente lo sviluppo. Le evidenze indicano piuttosto una diffusione più lenta, disomogenea e ad alta intensità di capitale: l’IA può trasformare l’economia, ma il percorso passa da applicazioni, infrastrutture, regolamentazione, adattamento istituzionale e legittimazione pubblica, non da uno sconvolgimento istantaneo dopo GPT-4.