il più grande progetto di intelligenza artificiale di Meta sta fallendo a causa della sua stessa tecnologia?

Il radicale cambio di strategia di Zuckerberg: la rischiosa sfida con la nuova intelligenza artificiale “Muse Spark”

Dall’Open Source al modello Apple: cosa significa la rivoluzione dell’IA di Meta per utenti e sviluppatori

Meta punta alla corona dell’intelligenza artificiale ed è pronta a pagare cifre storicamente senza precedenti. Con un gigantesco volume di investimenti che potrebbe raggiungere i 145 miliardi di dollari solo nel 2026, il colosso tecnologico sta attraversando una radicale svolta strategica: abbandonando il suo acclamato approccio open source per abbracciare un ecosistema proprietario e strettamente controllato. Il nuovo modello di punta, “Muse Spark”, è pensato per competere con OpenAI e Google e trasformare l’azienda da fornitore affidabile a leader indiscusso del settore. Ma mentre i benchmark interni sono brillanti, sviluppatori e investitori si trovano di fronte a porte chiuse. Il cuore stesso della monetizzazione, l’interfaccia di programmazione delle applicazioni (API), è in ritardo da mesi. Ostacoli tecnici, requisiti infrastrutturali in continua crescita e un profondo cambiamento culturale interno stanno erodendo la credibilità dell’azienda. Mark Zuckerberg sta rischiando un fallimento costoso, o questo snervante ritardo è semplicemente il prezzo da pagare per una qualità senza compromessi? Un’analisi approfondita della scommessa più rischiosa di Meta, dell’implacabile logica delle piattaforme dell’economia dell’IA e di come una società intende recuperare 145 miliardi di dollari.

Il progetto più costoso nella storia dell’azienda: perché il tempo stringe per Meta

Senza questa interfaccia, tutto è inutile: l’enorme problema di credibilità della nuova IA di Meta

Nell’aprile del 2026, Meta ha presentato con grande clamore il suo nuovo modello di punta per l’intelligenza artificiale, Muse Spark. Non si trattava solo di un annuncio tecnico: era un segnale strategico per sviluppatori, investitori e l’intero settore dell’IA, a dimostrazione che, dopo anni come fornitore affidabile ma mai leader nel settore open source, il gruppo Facebook era ora pronto a competere ai vertici degli ecosistemi di IA proprietari. Alexandr Wang, il neo-nominato responsabile dell’IA e fondatore di Scale AI, ha scritto sulla piattaforma X poco dopo il lancio: “L’API di Muse Spark arriverà presto!” e ha aggiunto con entusiasmo: “Restate sintonizzati!”. Due mesi dopo, la comunità degli sviluppatori è ancora in attesa. Questo la dice lunga: sullo stato dell’arte, sulla credibilità degli annunci e, soprattutto, sulla pressione strutturale che grava sul progetto di IA più costoso nella storia dell’azienda.

L’anatomia di un ritardo

Quello che a prima vista sembra un tipico problema di produzione, a un esame più attento si rivela il sintomo di una sfida ben più complessa. Secondo fonti interne che hanno fornito informazioni al Wall Street Journal, errori tecnici durante i test e maggiori requisiti infrastrutturali hanno inizialmente portato al primo rinvio da aprile a maggio. Successivamente, la data è slittata di nuovo, questa volta a giugno. Con l’avvicinarsi di giugno, un portavoce di Meta ha confermato a Reuters che l’azienda stava testando l’interfaccia con partner selezionati e prevedeva un rilascio entro la fine del mese, senza però specificare una data precisa.

Questa sequenza richiede un’analisi approfondita. Nei modelli di IA chiusi, l’interfaccia di programmazione delle applicazioni (API) non è un semplice componente tecnico aggiuntivo, ma il punto di accesso centrale all’intera logica della piattaforma. Un modello senza API è, come giustamente afferma la rivista di settore The Next Web, una demo, non un prodotto. Senza questa interfaccia, gli sviluppatori non possono creare applicazioni, definire modelli di business o stabilire una connessione con il meta-ecosistema. Ogni settimana di ritardo non rappresenta quindi solo un problema di reputazione, ma un ostacolo strutturale sulla strada verso la monetizzazione.

Sarebbe tuttavia prematuro interpretare il ritardo esclusivamente come un segno di guasto tecnico. I modelli di intelligenza artificiale di questa complessità impongono requisiti estremi all’infrastruttura sottostante. Determinare quante richieste parallele un sistema può elaborare in modo affidabile senza compromettere la qualità del modello non è un compito ingegneristico banale. Il fatto che Meta abbia individuato significative esigenze infrastrutturali suggerisce che l’azienda rilascerà l’API solo quando potrà garantire un livello di stabilità molto elevato: una decisione sensata dal punto di vista della qualità, ma che comporta una perdita di tempo rispetto ai concorrenti più rapidi.

145 miliardi di dollari: la scommessa che aspetta un ritorno

Il vero contesto in cui questo ritardo rivela tutta la sua rilevanza economica è il programma di investimenti senza precedenti che Meta ha annunciato per il 2026. Dopo i risultati del primo trimestre 2026 – Meta ha registrato un fatturato di 56,31 miliardi di dollari e un utile netto di 26,77 miliardi di dollari – l’azienda ha nuovamente rivisto al rialzo le sue previsioni di investimento. Le spese in conto capitale pianificate per l’anno in corso si attestano ora tra i 125 e i 145 miliardi di dollari, rispetto ai circa 72 miliardi di dollari dell’anno precedente. Questo aumento di quasi il 100% in un solo anno rappresenta un volume di investimenti che poche altre aziende tecnologiche intraprendono in un arco di tempo comparabile.

Nel contesto più ampio del settore, il totale è ancora più impressionante: Amazon, Google, Microsoft e Meta insieme prevedono di investire fino a 725 miliardi di dollari nell’intelligenza artificiale entro il 2026, con la parte del leone destinata ai data center e alle infrastrutture per l’IA. Meta occupa una posizione unica perché, a differenza delle altre tre, non può contare su un’attività cloud consolidata che generi continuamente entrate dirette dalle infrastrutture.

Questo è il punto cruciale. Per Amazon, ogni dollaro investito nell’infrastruttura AWS viene convogliato attraverso un modello di business che genera ricavi non appena la capacità è disponibile. Per Meta, invece, i data center sono inizialmente un puro centro di costo: supportano il processo di addestramento dell’IA, migliorano il targeting pubblicitario e, in futuro, fungeranno da piattaforma per sviluppatori esterni. Ma tutto ciò presuppone che i prodotti su cui si basa questa strategia raggiungano effettivamente la maturità di mercato. In questo senso, la mancanza dell’API Muse Spark non è un problema tecnico isolato, ma un collo di bottiglia nel ciclo dei ricavi.

Il cambio di strategia: dal software open source a un modello chiuso

Per comprendere appieno le implicazioni della situazione attuale, è necessario esaminare la decisione strategica fondamentale che l’ha preceduta. Per anni, Meta è stata la principale sostenitrice dell’approccio open source nel campo dei modelli linguistici su larga scala. La suite di modelli Llama poteva essere scaricata, modificata e utilizzata liberamente nei prodotti degli utenti. Questa strategia presentava un chiaro vantaggio: ha creato un ampio ecosistema di sviluppatori, generato consenso nelle comunità accademiche e imprenditoriali e posizionato Meta come un’alternativa affidabile ai sistemi chiusi di OpenAI e Google.

Ma Muse Spark segna un cambio di direzione fondamentale. Il modello è proprietario; non può essere scaricato gratuitamente e l’unico punto di accesso per gli sviluppatori esterni è l’API che stanno ancora aspettando. Internamente, questo cambio di strategia non è stato esente da controversie. Secondo quanto riportato, i membri di alto livello del neonato Meta Superintelligence Labs discutevano dalla metà del 2025 se il prossimo importante modello open source, Behemoth, dovesse essere effettivamente rilasciato – un processo che ha portato a una smentita ufficiale da parte di Meta, ma ha rivelato la profonda ambivalenza all’interno dell’azienda.

La forza trainante di questa trasformazione è stata principalmente Alexandr Wang, che Meta ha accolto nel giugno 2025 con il secondo investimento più grande nella storia dell’azienda: 14,3 miliardi di dollari per quasi la metà delle azioni di Scale AI, la società specializzata in dati e intelligenza artificiale fondata da Wang, che al momento della transazione era valutata 29 miliardi di dollari. Wang ha un background da imprenditore che ha trasformato l’IA in un modello di business, non principalmente come ricercatore o ingegnere, ma come architetto di ecosistemi commerciali. La sua influenza sulla strategia di Meta spiega in gran parte perché l’azienda stia ora perseguendo un percorso di controllo proprietario e monetizzazione basata su API.

La logica economica alla base di tutto ciò è innegabile: un modello chiuso, fornito tramite API, consente la fatturazione basata sull’utilizzo, controlla le condizioni di accesso, impedisce ai concorrenti di utilizzare la tecnologia gratuitamente e crea flussi di entrate diretti. Il fatto che Mark Zuckerberg in persona abbia confermato agli azionisti che ogni settimana le aziende richiedono a Meta un’API per l’intelligenza artificiale dimostra che la domanda esiste. Il problema risiede unicamente nell’offerta.

Parametri di riferimento, credibilità e fiducia iniziale degli sviluppatori

Secondo i test interni di Meta, Muse Spark è in grado di competere con i modelli di OpenAI e Anthropic, e in molti test ha persino superato Grok di xAI. Dopo il suo lancio, il modello si è classificato al quarto posto tra i principali modelli di intelligenza artificiale al mondo sull’Artificial Analysis Index: un risultato notevole per un’azienda il cui precedente modello di punta, Llama 4, era rimasto indietro rispetto alla concorrenza. Test indipendenti condotti da utenti esterni confermano la notevole forza di Muse Spark, in particolare nei compiti di ragionamento complessi e nei problemi di programmazione.

Tuttavia, è necessaria una precisazione fondamentale: la più ampia comunità di sviluppatori non ha ancora avuto la possibilità di testare il modello in modo indipendente. Tutti i dati sulle prestazioni pubblicati si basano su valutazioni interne di Meta stessa o su misurazioni effettuate da un piccolo gruppo di istituzioni partner selezionate. In passato, Meta ha manipolato i benchmark o li ha presentati in una luce più favorevole, il che ha comprensibilmente generato scetticismo nella comunità professionale. Questo scetticismo non è meramente accademico: gli sviluppatori che creano applicazioni su una piattaforma di intelligenza artificiale investono tempo e risorse considerevoli in questo processo. Un modello deludente dopo il lancio sul mercato non solo causerebbe danni immediati, ma minerebbe anche la fiducia a lungo termine in Meta come partner della piattaforma.

Meta si trova quindi ad affrontare un classico problema di credibilità: le promesse in termini di prestazioni sono notevoli, ma manca ancora la possibilità di una verifica indipendente. Ogni ulteriore ritardo non fa che aggravare il problema, perché amplia il divario tra quanto annunciato e quanto effettivamente disponibile.