Ciao a tutti! Episodio diciannove di Le Voci dell’AI.
Oggi parliamo di vantaggi competitivi sostenibili nell’era dell’intelligenza artificiale. Se state costruendo un business intorno ai modelli di AI generativa che esistono oggi o se siete preoccupati che il vostro business attuale sia a rischio a causa di quei modelli, questo episodio è per voi.
Qual è il problema? L’AI generativa sta diventando in grado di automatizzare un numero enorme di processi aziendali a un costo bassissimo. E una velocità sovrumana, con un livello di accuratezza che continua a crescere di giorno in giorno. Da un lato questa è un’ottima notizia.
Tutto quello che ho appena detto può tradursi in drastici aumenti della produttività e in risparmio dei costi. Da un altro lato, però, chiunque può accedere a questa tecnologia, inclusi i vostri concorrenti. I modelli di fondazione enormi sviluppati da OpenAI, Google, Anthropic, Cohere e altri sono disponibili a tutti, a un costo che tende ad abbassarsi nel tempo.
Per esempio, appena tre settimane fa OpenAI ha abbassato il costo di accesso a GPT 3.5 del 25% da novembre 2022 e ha dichiarato apertamente che intende abbassare il costo di tutti i propri modelli nel tempo, rendendone il consumo ancora più abbordabile per le aziende di tutto il mondo.
Chi non può ancora permettersi il consumo di modelli di fondazione centralizzati può contare su una miriade di modelli rilasciati dalla comunità AI con varie licenze open access; licenze che non permettono l’uso di questi modelli a scopi commerciali, ma permettono lo studio del funzionamento al fine di replicarne l’architettura.
E poi ci sono alcune eccezioni, come il modello di fondazione chiamato Falcon, rilasciato con una licenza che permette l’uso commerciale e addirittura si vocifera che Meta si stia preparando a rilasciare la seconda versione del proprio modello di fondazione più famoso, LLaMA, con una licenza open source.
Ma se questi modelli sono accessibili a scopo di ricerca e in alcuni casi utilizzabili commercialmente per voi lo sono anche per i vostri concorrenti. Perciò, se il vostro vantaggio competitivo sta nell’efficienza dei vostri processi aziendali, l’AI generativa può rendere i processi dei vostri concorrenti ugualmente efficienti e quindi non è più un vantaggio competitivo sostenibile.
Vediamo un altro approccio.
Potreste considerare la possibilità di sviluppare un modello di fondazione in casa. Abbiamo visto nell’episodio quattordici che l’impresa è epica e incredibilmente costosa, e quindi la capacità di sviluppare un modello di fondazione come fanno OpenAI, Google, Anthropic, Cohere e gli altri potrebbe essere in teoria un vantaggio competitivo sostenibile, ma negli ultimi mesi la comunità AI internazionale ha cominciato a fare passi da gigante nell’ottimizzazione dei processi di training, tuning e inferenza dei modelli di AI generativa.
È possibile che questa nuova area di interesse porti a una semplificazione enorme nella creazione dei modelli di fondazione; e se diventa più facile e meno costoso per voi, diventa più facile e meno costoso anche per i vostri concorrenti e quindi è piuttosto incerto come vantaggio competitivo sostenibile.
In più, il progresso esponenziale che abbiamo visto negli ultimi sei anni mette seriamente in dubbio la possibilità che i modelli di fondazione che esistono oggi rimangano lo stato dell’arte per molti anni a venire. Anche se la vostra azienda ha accesso al capitale e al talento necessario per sviluppare un modello di fondazione, è improbabile che quel modello non venga sorpassato da un approccio alternativo nei prossimi giorni, mesi, anni.
Tentiamo un’altra strada per trovare un vantaggio competitivo sostenibile.
Come vi ho suggerito nell’episodio diciassette, sviluppare un team interno con competenze avanzate di intelligenza artificiale è una mossa di grande importanza strategica per il prossimo futuro e come abbiamo visto nell’episodio diciotto, se il vostro business è basato nel continente europeo, ci sono grosse difficoltà nell’acquisire trattenere quel talento e quindi questo potrebbe essere un vantaggio competitivo sostenibile per un periodo di tempo più o meno lungo, a seconda dei vari fattori: la posizione geografica del vostro business, quanto velocemente le istituzioni nella vostra area geografica riescono ad evolvere i propri programmi educativi, quanta competizione esiste per accaparrarsi il talento disponibile, quanto drasticamente il processo tecnologico renderà accessibili le tecnologie di AI che oggi sono complicate da implementare, controllare e così via. A medio o lungo termine, a seconda dell’area geografica, anche le competenze di AI potrebbero smettere di essere un vantaggio competitivo sostenibile.
Ma ritorniamo su questo punto in un minuto, perché c’è qualcosa di molto importante da dire. Cosa rimane? I dati. Ovviamente i dati che la vostra azienda ottiene per via del vostro business sono preziosi, specialmente se sono difficili da raccogliere, se sono focalizzati su una nicchia di mercato o un particolare interesse su cui c’è poca conoscenza o attenzione o se sono dati rappresentativi di enormi porzioni della popolazione o del pianeta.
L’accesso a questi dati è critico per lo sviluppo dei modelli di fondazione o il loro fine tuning e qualunque startup di AI sul mercato oggi ne ha un disperato bisogno. Ecco perché in questi giorni vediamo social network come Reddit o Twitter limitare l’accesso ai propri dati, imponendo costi esorbitanti per l’uso delle proprie API o bloccando l’accesso completamente.
This will be unlocked shortly. Per my earlier post, drastic & immediate action was necessary due to EXTREME levels of data scraping.
Almost every company doing AI, from startups to some of the biggest corporations on Earth, was scraping vast amounts of data.
It is rather…
— Elon Musk (@elonmusk) July 1, 2023
Qui è importante anche dire che non è tanto la quantità di dati che conta, ma la qualità dei dati. Per esperienza diretta posso dirvi che la difficoltà di raccogliere dati di alta qualità anche nel business in cui siete leader di mercato è enorme. È però un’attività che paga.
I modelli di AI sviluppati grazie a un data set più piccolo ma formato da dati di alta qualità performa molto meglio di un modello di AI sviluppato grazie a un data set enorme con una qualità molto basso.
Ma la domanda è sempre la stessa: il possesso e l’uso di un set di dati di alta qualità è un vantaggio competitivo sostenibile? La risposta, almeno finora, è assolutamente sì. Infatti è il vantaggio competitivo più sostenibile tra quelli che abbiamo discusso finora. Ma nel mondo dell’intelligenza artificiale di oggi niente va dato per scontato.
Da anni la comunità di AI dibatte sulla possibilità di utilizzare i dati sintetici lì dove non sia possibile o troppo oneroso raccogliere dati reali. I dati sintetici sono quelli generati da una AI sulla base di esempi di dati reali. In pratica un’azienda raccoglie una piccola porzione di dati reali, poi usa un tipo di AI per generare milioni di varianti di quei dati reali, i dati sintetici e poi dà quei dati sintetici in pasto a un large language model per la fase di training o di fine tuning. Questo approccio è già in uso in vari scenari. Per esempio, DeepMind l’ha usato per insegnare ai propri modelli di AI come giocare in maniera perfetta ai videogame e battere gli esseri umani.
In un altro esempio, alcuni dei modelli con licenza open access che abbiamo menzionato prima. sono passati attraverso una fase di training, utilizzando le risposte generate da GPT-4 anziché da veri esseri umani. In entrambi i casi siamo di fronte a dati sintetici che hanno portato a un miglioramento significativo delle performance dei modelli di che li hanno usati.
Non tutti sono convinti che questo approccio sia vantaggioso. Un gruppo di ricercatori ha recentemente pubblicato una ricerca dimostrando matematicamente come l’uso dei dati sintetici possa portare a lungo termine a un degrado della qualità delle risposte che riceviamo da un modello di AI generativa fino al cosiddetto collasso del modello, un modo drammatico di dire che il modello comincia a generare cose non più sensate e utili.
Quindi nel dubbio tenetevi stretti i dati che riuscite a raccogliere. Col tempo, in un mondo che dipende sempre di più da dati sintetici, i vostri dati reali varranno ancora di più. Ma c’è un altro vantaggio competitivo sostenibile che arriva prima ancora del raccogliere e raffinare dati reali legati al vostro business. La qualità più importante in assoluto da cui dipendono tutti gli altri vantaggi competitivi, inclusi quelli tradizionali, come un brand forte, la fedeltà del consumatore, il network effect, l’economia di scala o il costo di transizione o cambio. Questo vantaggio è la capacità di guardare ai dati che avete raccolto e utilizzarli in qualche maniera anziché accumularli e lasciarli da qualche parte. Questa capacità è data per scontata da praticamente tutti i partecipanti di mercato, i clienti finali, le startup, le società di capitali e così via.
Tutti assumono che le persone che lavorano in azienda siano perfettamente in grado di usare i dati che raccolgono per avanzare il proprio business. Non è nemmeno lontanamente così. Così come l’ipotesi di mercato efficiente si è dimostrata falsa, in quanto le persone agiscono in maniera irrazionale quando si tratta di decisioni finanziarie, così è necessario allontanarsi dall’assunto che le aziende fatte di persone utilizzino i propri dati a propria disposizione in maniera ottimale. Madre Natura ci offre un’infinità di dati pronti ad essere analizzati. Eppure la raccolta di quei dati è lenta e difficoltosa e poco interessante per la maggior parte delle persone.
In oltre vent’anni di carriera ho visto vicepresidenti, professionisti con Master in Business Administration, analisti distinti di fama internazionale e varie altre figure professionali con vari acronimi di grande importanza guardare pile di dati che avrebbero potuto avanzare il business e ignorarle completamente.
Ecco perché il primissimo vantaggio competitivo sostenibile per un’azienda nell’era delle AI è la curiosità e la creatività che ci permettono di guardare ai dati che vengono raccolti ragionando fuori dagli schemi per arrivare a quell’intuizione che fa crescere il business. Quando mettete insieme il vostro team di esperti AI, concentratevi su questo. Ci fermiamo qui per questa settimana.
Come sempre, scrivetemi i vostri commenti e le domande e i suggerimenti per gli argomenti da trattare nei prossimi episodi. Ciao!
