Super Intelligence: chi ha davvero bisogno di chi?

La Super Intelligence è il futuro visto dall’interno della “bolla IA”.

Il 29 settembre Donald Trump ha firmato un Executive Order dal titolo particolarmente impegnativo: Inaugurating the Era of Super Intelligence.

L’ordine va persino oltre, chiedendo all’amministrazione federale di sostituire, nei propri documenti e comunicazioni, Artificial Intelligence con Super Intelligence.

Vi siete mai chiesti perché Trump dialoghi con tanta enfasi pubblica con i leader delle Big Tech?

I protagonisti della tecnologia arrivano al tavolo della politica non soltanto per chiedere sostegno. Dichiarano la potenza dei loro sistemi, il loro ruolo strategico e quanto saranno indispensabili per il futuro. Allo stesso tempo, ci raccontano quanto quegli stessi sistemi potrebbero diventare pericolosi.

Ma chi ne sta governando lo sviluppo?

Non si discute più soltanto di un’industria da sostenere o regolamentare. Le Big Tech portano al tavolo della politica una visione molto più ambiziosa: i propri modelli di IA come infrastruttura intorno alla quale organizzare lo sviluppo economico globale.

Ma potrebbe essere una distorsione prospettica.

Chi sviluppa una tecnologia tende inevitabilmente a guardare il futuro attraverso le possibilità che quella tecnologia offre. Eppure, lo sviluppo digitale non è mai avvenuto intorno a un’unica tecnologia dominante.

È sempre avanzato attraverso l’integrazione.

Nuove tecnologie sono entrate nei sistemi esistenti, li hanno modificati e sono state, a loro volta, adattate ai processi nei quali dovevano operare.

Il mondo non riparte da zero ogni volta che arriva una nuova tecnologia.

Con l’intelligenza artificiale questa distorsione prospettica può essere ancora maggiore. La capacità dei modelli di attraversare attività, competenze e settori diversi può facilmente trasformarsi nell’idea che essere in grado di attraversare il mondo significhi diventarne il centro.

Le Big Tech accelerano. Ma non dettano il ritmo.

Nel dibattito sulla Super Intelligence ascoltiamo molto le Big Tech e la politica, molto meno i CxO e i leader delle imprese che queste tecnologie dovranno concretamente utilizzarle.

Nuovi modelli si susseguono. Le capacità aumentano. Ciò che ieri sembrava impossibile diventa rapidamente disponibile. Questa velocità può dare l’impressione che chi sviluppa l’IA possieda già le chiavi del futuro.

Ma il ritmo della tecnologia e quello dell’impresa non sono gli stessi.

Una tecnologia entra realmente nell’impresa quando incontra processi, investimenti, dati, competenze, responsabilità e risultati attesi. È lì che viene selezionata, governata e talvolta rallentata. Non per resistere all’innovazione, ma per integrarla.

La tecnologia può accelerare quanto vuole. Il ritmo dell’adozione lo detta l’impresa.

Le Big Tech corrono per dimostrare ciò che presto sarà possibile fare. Le imprese devono decidere quando quelle possibilità sono abbastanza utili, affidabili e verificate da entrare nel proprio funzionamento.

Forse, allora, stiamo osservando questa relazione dalla prospettiva sbagliata.

Le grandi aziende tecnologiche hanno realizzato qualcosa di straordinario. Hanno scalato capacità computazionale, infrastrutture e modelli fino a elaborare quantità di informazioni difficilmente immaginabili solo pochi anni fa.

Ma questa potenza ha bisogno di continuare a crescere. Più capacità computazionale significa più data center, semiconduttori, energia e reti. Significa investimenti enormi, capitale, infrastrutture, autorizzazioni e regolamentazione.

La Super Intelligence non si costruisce soltanto con algoritmi.

La forza delle Big Tech deriva dalla scalabilità. Il loro vincolo sta nel rapporto tra le risorse necessarie a sostenerla e il valore economico che riescono a generare.

La storia della tecnologia dovrebbe averci insegnato proprio questo. Warren Buffett lo ricordava già durante la dot-com era: una tecnologia può cambiare profondamente il mondo senza trasformare automaticamente in profitti le aspettative finanziarie costruite intorno ad essa.

Innovazione, crescita e valore economico non sono la stessa cosa.

Per continuare a crescere, i grandi modelli devono poter fare sempre di più: operare in domini differenti, attingere a quantità crescenti di informazioni e affrontare una gamma sempre più ampia di problemi.

La loro forza sta nella capacità di generalizzare a partire da enormi quantità di informazioni eterogenee: conoscenza scientifica, documenti, immagini, opinioni, esperienze, interpretazioni, errori e contraddizioni. Possono incontrare una tesi e il suo contrario e generare una quantità potenzialmente enorme di risposte possibili.

È una capacità straordinaria. Ma un’impresa non può vivere di possibilità. Deve scegliere.

Quale prodotto realizzare. Quale investimento sostenere. Quale cliente servire. Quale rischio assumere. Quale macchina fermare. Quale processo modificare. E, alla fine, verificare se quella scelta produce valore.

Un modello può generare possibilità. Un’impresa deve decidere dove creare valore.

È qui che la Super Intelligence incontra, alla fine, la realtà dell’impresa.

Perché le imprese possiedono qualcosa che l’intelligenza artificiale, da sola, non può costruire: la storia dei loro processi, i dati operativi, l’esperienza e la conoscenza accumulate nel tempo — informazioni peculiari che esistono proprio perché esiste quella specifica impresa.

È qui che una tecnologia incontra un problema reale, entra in un processo decisionale e deve dimostrare la propria utilità economica. Ed è un patrimonio informativo che l’impresa non può semplicemente trasferire all’esterno o condividere indiscriminatamente.

Anche la politica dovrebbe quindi ascoltare di più le imprese, facilitando l’integrazione e sostenendo gli attori tecnologici che lavorano in prossimità dei processi reali.

Perché la domanda decisiva per un’azienda non è quanto ancora potrà fare l’IA.

È molto più semplice: Che cosa vogliamo farne?

Tra ciò che una tecnologia può fare e ciò che crea valore, c’è ancora una decisione da prendere.

Non basta produrre meglio. Bisogna sapere di più.

Le imprese non partono da zero. Per decenni hanno costruito database, ERP, CRM, data warehouse, sistemi produttivi, supply chain e applicazioni verticali, organizzando i dati intorno al proprio funzionamento.

L’intelligenza artificiale può rendere tutto questo più efficiente: accelerare un processo, automatizzare un’attività, ridurre gli errori, ottimizzare la produzione, abbassare i costi.

Tutto questo conta. Ma l’efficienza ha un limite economico. Produrre più velocemente e con meno risorse ciò che già si vende può aumentare il margine operativo. Non rende necessariamente più prezioso ciò che il cliente compra.

E anche il margine, prima o poi, incontra un limite.

Per continuare a crescere, a un’impresa non basta elaborare meglio ciò che già sa.

Dobbiamo sapere qualcosa che prima non si sapeva.

Nuovi dati. Nuove relazioni tra dati esistenti. Segnali che prima non riuscivamo a osservare.

Come viene realmente utilizzato un prodotto? Che cosa sta accadendo a una macchina? Dove sta emergendo un’anomalia? Come sta cambiando un comportamento? Quale nuovo bisogno del cliente sta iniziando a emergere?

È qui che il dato cambia funzione.

Non serve più soltanto a raccontare ciò che è già accaduto. Può diventare l’informazione dalla quale nasce nuovo valore.

Ed è qui che gli interessi delle Big Tech e quelli delle imprese cominciano a differenziarsi.

Le Big Tech hanno bisogno di ampliare il perimetro nel quale l’IA può operare: più processi, più dati, più possibilità di metterli in relazione.

Le imprese hanno un’esigenza diversa: portare nuovi dati e nuove capacità dove possono creare il maggior valore.

I due interessi sono compatibili. Ma non sono lo stesso interesse.

E questo può rovesciare la direzione che tendiamo a immaginare: invece di portare tutti i dati verso l’IA, portare l’IA verso i dati.

Più vicini al dato, più vicini al valore

I dati generati vicino a dove le cose realmente accadono possono rendere più efficienti i processi esistenti. Ma possono fare molto di più: rivelare un bisogno, trasformare un prodotto, creare un nuovo servizio o aprire un nuovo modello di business.

E questo cambia anche il tipo di intelligenza di cui abbiamo bisogno.

Non necessariamente un sistema che sappia tutto, ma un sistema che sappia moltissimo di quella macchina, di quel prodotto, di quel cliente, di quel processo, in quel momento.

IoT, edge computing e IA permettono di portare capacità di osservazione, elaborazione e decisione più vicino al luogo nel quale il dato viene generato.

E la prossimità non riguarda soltanto le macchine. Può significare essere vicini a un servizio, a un paziente, a una transazione, a un comportamento, a una decisione.

La capacità può essere locale. La competenza può essere remota.

Una macchina può riconoscere un’anomalia e intervenire, ma può anche sapere quando fermarsi e richiamare una competenza che non possiede. API e connettori collegano sistemi differenti. Le piattaforme enterprise incorporano IA.

Gli specialisti possono intervenire da remoto.

Non è fantascienza. Una parte di questo ecosistema esiste già.

La sfida non è inventarlo. È rendere più intelligenti le connessioni.

E se la Super Intelligence non fosse al centro?

Forse la Super Intelligence non deve diventare un’unica intelligenza sempre più grande, capace di contenere tutto.

Potrebbe invece emergere dall’interazione tra forme di intelligenza diverse, specializzate e distribuite.

Non perché siano equivalenti. Non lo sono. Ma perché possono contribuire, con capacità differenti, allo stesso processo.

Il valore potrebbe allora non stare in un’intelligenza capace di fare tutto, ma nella capacità di mettere forme diverse di intelligenza nelle condizioni di fare qualcosa insieme.

Per le imprese questo cambia molto.

Non devono competere con le Big Tech sulla potenza dei modelli. Possiedono il processo nel quale quella potenza incontra dati, macchine, competenze e obiettivi, diventa una decisione e produce un risultato. Possiedono il processo.

E se possiedono il processo, l’integrazione non è più soltanto una questione tecnica.

Diventa una capacità strategica.

Quale intelligenza utilizzare? Dove? Con quali dati? Con quanta autonomia? Quando deve intervenire un’altra macchina, un altro sistema o una persona?

E più l’intelligenza si distribuisce, più diventa importante rispondere a una domanda molto semplice: Chi ha fatto cosa?

Se una decisione attraversa un modello, dati proprietari, sistemi enterprise, macchine, IA locali e persone, dobbiamo poter ricostruire il percorso che l’ha prodotta.

Non basta proteggere il processo. Dobbiamo anche poterne verificare la storia.

Cybersecurity adattiva e sensibile al contesto, blockchain e registri distribuiti possono allora assumere funzioni specifiche: proteggere il processo, verificare passaggi critici, certificare la provenienza dei dati o registrare la sequenza degli interventi.

Non abbiamo bisogno di una tecnologia che sostituisca tutte le altre.

Abbiamo bisogno che tecnologie e competenze differenti lavorino insieme intorno a uno scopo.

Ed eccoci al paradosso della Super Intelligence: più cresce la potenza dei modelli, meno è scontato che il valore debba concentrarsi nel modello più potente.

Per le imprese, quindi, la partita non consiste nel possedere l’intelligenza più potente. Consiste nel governare l’integrazione attraverso la quale quella potenza diventa valore.

Perché l’intelligenza, anche quando diventa “super”, rimane una capacità.

Ciò che scegliamo di farne rimane una decisione umana ed economica.