Come la favola dell’intelligenza artificiale “economicamente vantaggiosa” sta sgretolandosi e sta spingendo le aziende in una trappola di dipendenza storica

Trucchi simbolici dei giganti della tecnologia: come le aziende vengono sistematicamente derubate sui costi dell’IA

Il prezzo degli algoritmi: perché il sogno dell’automazione gratuita sta svanendo

Per anni, la promessa dei giganti tecnologici della Silicon Valley è sembrata irresistibile: l’intelligenza artificiale sarebbe presto diventata onnipresente e incredibilmente economica come l’acqua del rubinetto. Una rivoluzione deflazionistica sembrava imminente, in cui compiti cognitivi complessi sarebbero stati automatizzati praticamente a costo zero. Ma quest’illusione si sta ora infrangendo con tutta la sua forza. Invece di un’infinita serie di vantaggi in termini di efficienza, lo sviluppo dell’IA si sta rivelando una delle imprese più dispendiose e ad alta intensità di risorse nella storia dell’umanità. Mentre i prezzi della potenza di calcolo, dello storage e dell’energia stanno esplodendo, i fornitori dominanti stanno sfruttando la loro posizione di monopolio per aumentare drasticamente i costi per le aziende, spesso attraverso modifiche nascoste nelle profondità dell’algoritmo. Chi esternalizza ciecamente i propri processi aziendali a modelli proprietari sta cadendo in una trappola di dipendenza storica. Sta iniziando una nuova era di dure realtà economiche, in cui, sorprendentemente, il lavoro umano sta tornando a essere l’alternativa più conveniente per molti compiti. Chi non riuscirà a contrastare questa tendenza e a costruire la sovranità digitale rischia ora di perdere la propria competitività.

Correlato a questo:

La fine dell’illusione deflazionistica e il mito dell’onnipresenza

Negli ultimi anni, l’economia globale è stata esposta a una narrazione allettante che dipingeva lo sviluppo dell’intelligenza artificiale come un viaggio inarrestabile verso una disponibilità illimitata e, soprattutto, praticamente gratuita. Le promesse salvifiche dell’industria tecnologica lasciavano intendere che, in un futuro prossimo, l’intelligenza artificiale sarebbe fluita liberamente e a basso costo come l’acqua del rubinetto. Questo paradigma si basava sul presupposto che l’evoluzione tecnologica dei cosiddetti modelli di frontiera avrebbe seguito una sorta di legge di natura digitale, simile alla legge di Moore per i microprocessori. Si presumeva che i guadagni in termini di efficienza nel calcolo e nell’addestramento dei modelli sarebbero stati inevitabilmente trasferiti agli utenti finali, in modo che compiti cognitivi complessi potessero presto essere automatizzati per frazioni di centesimo.

Questa promessa si sta rivelando sempre più un errore di valutazione fondamentale. Le aziende che hanno basato la loro pianificazione strategica a lungo termine sul presupposto che l’intelligenza artificiale si sarebbe comportata in modo simile alle calcolatrici deflazionistiche o alle applicazioni software rudimentali, si trovano ora di fronte a una dura realtà economica. Hanno scambiato un modello di business temporaneo, sovvenzionato da ingenti capitali di rischio, per una legge tecnologica immutabile. I prezzi inizialmente estremamente bassi per l’accesso a modelli linguistici sofisticati non erano prezzi di mercato sostenibili, bensì strumenti strategici per una rapida penetrazione del mercato e la creazione di ecosistemi monopolistici. L’hardware su cui operano questi modelli, in particolare i semiconduttori e i chip di silicio altamente specializzati, è soggetto alle dure leggi della domanda e dell’offerta e a costi di produzione enormi. Queste realtà fisiche e infrastrutturali non possono essere ignorate da presentazioni ottimistiche agli investitori o da discorsi visionari. Il prezzo della potenza di calcolo, e soprattutto della memoria estremamente veloce essenziale per far funzionare reti neurali di grandi dimensioni, sta salendo alle stelle. L’illusione di un’intelligenza artificiale illimitata ed economica sta lasciando il posto alla consapevolezza che l’automazione cognitiva è una delle tecnologie più intensive in termini di risorse nella storia dell’umanità.

Correlato a questo:

La realtà infrastrutturale e i limiti fisici della scalabilità

Per comprendere l’attuale impennata dei prezzi nel mercato dell’intelligenza artificiale, è necessario considerare l’infrastruttura sottostante e le sue dinamiche economiche. La creazione e la gestione di modelli linguistici complessi richiedono data center di dimensioni e complessità senza precedenti. Queste strutture non solo consumano enormi quantità di energia elettrica, ma si basano anche su unità di elaborazione grafica (GPU) altamente specializzate, la cui produzione opera ai limiti fisici delle attuali possibilità tecnologiche. Le catene di approvvigionamento di questi componenti sono estremamente concentrate e vulnerabili alle tensioni geopolitiche e ai colli di bottiglia produttivi. La realtà fisica del silicio sta ora imponendo una drastica correzione nelle strutture dei prezzi.

Ogni interrogazione a un modello linguistico avanzato, ogni generazione di testo o analisi, richiede un processo noto come inferenza. Questa inferenza non è un’azione digitale gratuita, ma un processo ad alta intensità energetica e computazionale in cui miliardi di parametri devono essere trasferiti attraverso la memoria delle unità di elaborazione grafica (GPU). Con l’aumentare della complessità dei modelli, anche i costi di inferenza aumentano proporzionalmente. Se inizialmente i fornitori erano disposti a sovvenzionare questi costi per plasmare le abitudini degli utenti e raccogliere dati, ora la pressione dei mercati finanziari li costringe a diventare redditizi. L’impennata dei prezzi dello storage e i costi esorbitanti dell’espansione dell’infrastruttura globale dei data center sono inevitabilmente inclusi nei modelli di prezzo per i clienti finali e le aziende. È un classico principio economico: se i costi marginali di produzione aumentano a causa di limitazioni fisiche e infrastrutturali, il prodotto finale non può diventare più economico nel lungo periodo. L’ipotesi che il solo progresso tecnologico potesse compensare questi enormi aumenti di costo si è rivelata insufficiente. Al contrario, vediamo che i modelli diventano sempre più grandi e avidi di energia, il che annulla ampiamente i guadagni di efficienza sul lato hardware.

Aumento dei costi occulti e monetizzazione degli algoritmi

Il modo in cui i costi vengono trasferiti agli utenti è spesso subdolo e non immediatamente evidente. Oltre agli ovvi aumenti di prezzo per gli abbonamenti mensili, che per i modelli più potenti hanno ormai superato i duecento dollari al mese e, nella fascia più alta, si avvicinano addirittura ai duecentocinquanta dollari, i fornitori utilizzano profonde modifiche tecniche per aumentare drasticamente i loro ricavi per utente. Un meccanismo chiave in questo senso è la modifica dei cosiddetti tokenizzatori.

Un tokenizer è l’interfaccia che scompone il linguaggio umano in unità leggibili dalle macchine, chiamate token. La fatturazione per l’utilizzo dell’intelligenza artificiale si basa quasi esclusivamente su questi token consumati. Se un fornitore modifica algoritmicamente l’architettura del proprio tokenizer in modo tale che venga improvvisamente addebitato un numero significativamente maggiore di token per lo stesso testo sorgente, ciò si traduce in un enorme e occulto aumento di prezzo. Recenti sviluppi di mercato dimostrano che tali aggiornamenti possono portare a un aumento del numero di token addebitati tra il dodici e il trentacinque percento per frammenti di testo identici. In termini pratici, ciò significa che un’azienda che ha esternalizzato i propri processi a queste interfacce si trova ad affrontare un aumento dei costi imprevisto e immediato di circa il venti percento al massimo utilizzo, senza alcun miglioramento nella qualità o nella portata del contenuto generato. Tali modifiche algoritmiche consentono ai fornitori di ottimizzare i propri margini mentre il cliente ha l’impressione che il prezzo base sia rimasto invariato. Questa mancanza di trasparenza nei prezzi rappresenta un rischio significativo per qualsiasi calcolo aziendale e rivela lo squilibrio di potere in questo mercato ancora giovane.

Correlato a questo:

L’architettura della dipendenza nell’oligopolio

La decisione strategica di molte aziende di esternalizzare l’intera infrastruttura di intelligenza artificiale a una manciata di colossi tecnologici statunitensi si sta rivelando sempre più un errore fatale nella gestione del rischio. Nell’euforia dei primi anni, sembrava economicamente sensato affidarsi alle interfacce apparentemente superiori e facilmente accessibili di questi giganti, anziché sviluppare risorse proprie. Questa comodità sta ora portando a una trappola di dipendenza senza precedenti. Le aziende che hanno basato i propri processi interni, le interfacce con i clienti e l’analisi dei dati interamente su modelli proprietari di terze parti si trovano ora nella precaria posizione di un inquilino il cui contratto può essere rescisso o il cui canone di locazione può essere modificato in qualsiasi momento e senza preavviso.

Questo oligopolio di fornitori si comporta esattamente secondo il classico schema delle consolidate economie di piattaforma, già noto dallo sviluppo del mercato dello streaming, con la differenza che le conseguenze economiche per le aziende dipendenti sono ben più esistenziali. Inizialmente, gli utenti sono stati attratti nell’ecosistema con basse barriere all’ingresso, prezzi contenuti e prestazioni enormi. Non appena i costi di integrazione per il passaggio a un altro sistema diventano così elevati da creare di fatto un lock-in, le regole del gioco cambiano. Improvvisi limiti di velocità, ovvero la limitazione artificiale del numero massimo di richieste al minuto, costringono le aziende a sottoscrivere contratti premium più costosi per mantenere operative le proprie attività. I ​​termini contrattuali vengono modificati unilateralmente e le aziende non hanno altra scelta che accettarli, poiché un guasto dei sistemi intelligenti ormai profondamente integrati comporterebbe un’immediata paralisi operativa. Questa asimmetria di potere rappresenta la perdita di sovranità digitale. Chi ha delegato completamente il nucleo della propria futura creazione di valore – ovvero l’intelligenza basata sui dati – a soggetti esterni, perde il controllo sui propri mezzi di produzione.