Intelligenza artificiale, Sternieri: le aziende costruiranno propri modelli semplici ed efficaci

“Le aziende di tutto il mondo si orientano su modelli di intelligenza artificiale su piccola scala, piuttosto che utilizzare modelli enormi realizzati dai grandi produttori”. Ne è convinto Armando Sternieri , amministratore delegato di Energee3 – società di Reggio Emilia che controlla Energee4, nata dalla fusione tra la start up pisana Tennis Commander e il gruppo degli specialisti di intelligenza artificiale di Energee3 – intervistato da Thedotcultura.

Parliamo di Energee4. Perché ritenete, riguardo all’utilizzo dei Large Language Model (LLM),  che le aziende non si rivolgeranno ai grandi produttori dell’IA?

Siamo piuttosto convinti che le aziende di tutto il mondo costruiranno sempre più i propri modelli di intelligenza artificiale su piccola scala per semplificare le operazioni e aumentare la produttività. Non crediamo che le aziende, alla fine, vorranno sostenere costi elevati per un sistema che è “scatola nera”  con possibili problemi di copyright , come sono  i grandi modelli linguistici che stanno dietro applicazioni popolari, come ChatGPT di OpenAI.

Quindi pensate che avranno successo modelli di piccole dimensioni?

I piccoli modelli linguistici addestrati su dati molto specifici sono in realtà molto efficaci, e crediamo che molti costruiranno modelli sfruttando questa qualità. Questo approccio consentirà di applicare con successo tali software per applicazioni molto specifiche.

Quindi tutti questi investimenti fatti negli ultimi tempi per la realizzazione di grandi modelli, forse non andranno a buon fine?

Questo non si può dire. Potrebbero esserci opportunità di recupero degli investimenti  sul mercato consumer. Sicuramente, noi di Energee4 ci stiamo organizzando e stiamo già erogando servizi per far sì che le aziende siano in grado di realizzare piccoli modelli, che possono essere addestrati e poi messi in produzione su hardware di proprietà, nemmeno in cloud, ma addirittura “in casa”. Questo dà grandi vantaggi, perché c’è il pieno controllo su come avviene la fase di addestramento e su quali dati vengono utilizzati. Dopodiché, sappiamo anche esattamente dove si trovano tutti questi dati. C’è inoltre la possibilità di costruire modelli altamente performanti, ottenendo un vantaggio competitivo rispetto al mercato in cui si compete.

Rispetto al problema dell’occupazione che andrebbe a ridursi utilizzando questi sistemi, avete qualche elemento in più rispetto alla discussione recente?

Quello che posso dire è che, al momento, queste tecnologie vengono utilizzate più per sopperire a una mancanza di personale che per ridurre la forza lavoro. C’è una carenza di personale con esperienza e competenza quasi in ogni funzione aziendale, per cui è opportuno e utile utilizzare questi sistemi per cercare di aumentare la produttività e far fronte così a questa situazione. Oltre a offrire molta formazione, stiamo effettivamente aiutando i nostri clienti a costruire modelli e a mettere in produzione componenti software dotati di elementi di intelligenza artificiale per migliorare i processi interni e il rapporto con la clientela.

Avete, come Energee4, altre linee di sviluppo?

Sì, ne abbiamo parecchie, perché l’utilizzo è molto vario. Stiamo facendo un grande investimento per offrire in modo assolutamente professionale il servizio di supporto alla migrazione del software tra piattaforme diverse. In questo modo aiutiamo le aziende a svecchiare il parco applicativo, migrando verso piattaforme per cui sono disponibili competenze interne o fornitori esterni. La migrazione tra piattaforme software o la traduzione da un linguaggio di programmazione a un altro è una delle applicazioni di machine learning più importanti e anche più complesse. Oltre alle competenze tecniche, servono conoscenze teoriche sui fondamenti dei linguaggi di programmazione. Per questo abbiamo costruito un gruppo di lavoro che opera al limite della ricerca scientifica. Consideriamo tutte le possibili piattaforme d’arrivo rispetto a quelle di partenza. Il gruppo è interdisciplinare e costituito da studiosi universitari di livello internazionale.

È vero che state pensando di quotarvi in borsa?

Sì, è una riflessione che stiamo facendo. Un aumento di capitale potrebbe servirci per dare un segnale. Probabilmente lo faremo, ma con importi molto controllati, per investire principalmente nel settore del marketing e sull’ingegnerizzazione di alcune nostre soluzioni.

Ma costruire un modello è diventato così facile?

Sì, effettivamente costruire piccoli modelli è diventato piuttosto semplice. È una possibilità ormai alla portata di quasi tutti.

Quindi è possibile che questo tipo di approccio avvantaggi le aziende e fornitori di servizi come voi, piuttosto che i grandi hyperscaler come le big tech americane?

Esattamente. Questo approccio si rivela particolarmente vantaggioso per aziende e fornitori di servizi come la nostra, rispetto ai grandi hyperscaler.

In foto Armando Sternieri