L’intelligenza artificiale (IA) rimane saldamente sotto i riflettori dopo il lancio, lo scorso novembre, di ChatGPT, un bot capace di produrre testi che sembrano scritti da un essere umano. Arrivato a un milione di utenti in soli cinque giorni e a 100 milioni prima della fine di gennaio, si tratta dell’ultimo esempio di “IA generativa”, una serie di modelli in grado di creare contenuti tra cui audio, linee di codice, immagini, testi e video. ChatGPT ha trovato già molti utilizzi, dalla scrittura di racconti, articoli scientifici, barzellette e candidature alle offerte di lavoro fino ad arrivare alla composizione di musica. Il sistema potrebbe rivelarsi la prima “killer app” dell’età dell’IA?
Con tutta probabilità l’IA è sul punto di provocare una serie di cambiamenti epocali che riguarderanno varie società e industrie, ma per noi è fondamentale approfondire i dettagli per separare la realtà dall’entusiasmo. Sebbene una ricerca svolta da McKinsey mostri come negli ultimi cinque anni l’adozione dell’IA a livello globale sia più che raddoppiata, tanto che circa il 50% dei partecipanti al sondaggio ha dichiarato di utilizzarla in almeno un’area di attività, l’entusiasmo iniziale sembra aver incontrato una battuta d’arresto temporanea dovuta probabilmente alla presa di coscienza dell’entità dei cambiamenti necessari all’interno delle organizzazioni per adottare queste tecnologie. Questo non ha tuttavia interrotto una pioggia di investimenti in IA da parte delle aziende a livello globale.
La funzione fondamentale dell’IA è fare previsioni e prendere decisioni in base ai dati con cui è stata ‘addestrata’. Ciò che è cambiato negli ultimi anni è che i progressi tecnici consentono di addestrare i modelli di IA tramite quantità di dati sempre più grandi e raggiungere così nuovi livelli di funzionalità. Con IA generative come ChatGPT l’attenzione, fatto importante, si è spostata verso i cosiddetti “large language model”, che rendono possibili funzionalità di chat e produzione di testi molto migliori. I sistemi di IA di inizio anni 2000 utilizzavano il machine learning principalmente per migliorare dei modelli analitici; gli esempi commercialmente più rilevanti in tal senso sono la targetizzazione degli annunci pubblicitari da parte di Google e Facebook. L’IA generativa, invece, può creare contenuti nuovi e unici grazie a quella che è nota come “architettura transformer. Questa consente all’IA di comprendere le relazioni all’interno di un set di dati, composto ad esempio da testi o da immagini, creando la sensibilità al contesto necessaria per svolgere i compiti più creativi.
Oggi siamo in una situazione in cui i sistemi di IA generativa ottengono risultati impressionanti in molte aree ma in altre falliscono miseramente. La previsione più ottimistica che possiamo fare è che l’aumento delle dimensioni dei modelli e la crescita dei dati con cui vengono addestrati continuino a favorire un progresso esponenziale ancora a lungo, e va detto che finora le evidenze empiriche puntano in questa direzione. Un’ipotesi pessimistica è invece quella in cui man mano che le dimensioni dei modelli aumentano i miglioramenti si esauriscano, oppure si vada a sbattere contro un muro rappresentato dalla quantità di dati disponibili per addestrarli.
Dal punto di vista degli investimenti, se partiamo dal punto di vista che l’IA genererà grandi profitti, al momento questa previsione sembra riflettersi ben poco nei corsi azionari delle più importanti società. Per aziende come Alphabet, ad esempio, dopo i recenti cali sembra valere l’opposto. OpenAI, società non quotata fondata come non-profit nel 2015, a seguito del recente investimento da parte di Microsoft varrebbe 29 miliardi di dollari e, nonostante i suoi ambiziosi obiettivi, ha riferito che nel corso di quest’anno prevede di realizzare ricavi per solo 200 milioni di dollari circa. Ipotizzando che tale previsione sia corretta la valutazione dell’azienda sconta un grande entusiasmo.
Prendendo in esame altre società in grado potenzialmente di offrire prodotti simili a ChatGPT è difficile ravvisare un entusiasmo analogo nelle loro valutazioni. Google è il pioniere dei modelli basati sui transformer e al momento le sue azioni non sembrano scontare questi 29 miliardi di dollari di risorse in ambito IA. I cosiddetti “hyperscaler”, un piccolo gruppo di giganti tecnologici che include Meta, Alphabet, Microsoft e Amazon, hanno già speso miliardi nell’hardware necessario per creare piattaforme di IA e, quindi, possono fungere in futuro da architettura in questo campo a disposizione degli altri sviluppatori.
In un’ottica ancor più di lungo periodo a nostro avviso, la diffusione dell’IA può avere un importante impatto anche in ambiti come la domanda di semiconduttori. Se si pone una domanda a ChatGPT o si chiede al modello text-to-image Stable Diffusion di realizzare un’immagine, possono impiegare molto tempo a rispondere. Il motivo è la mole di lavoro in termini di computazione estremamente elevata necessaria per la cosiddetta inferenza, che consiste nel vagliare miliardi di dati per produrre il contenuto desiderato. Questo ci dice molto sull’altissimo contenuto di semiconduttori all’interno di questi sistemi. Anche se per gli investitori può essere difficile individuare i titoli delle società che finiranno per utilizzare al meglio l’IA, quelle che realizzano i semiconduttori su cui si basano tali sistemi sono davvero poche.
Potremmo attualmente trovarci in una fase simile a quella vissuta dal cloud computing nel 2013, così che le imprese in grado di sfruttare l’IA per differenziare la propria offerta o le proprie fonti di crescita della produttività potrebbero essere fortemente avvantaggiate negli anni a venire. Al di là degli ovvi settori della tecnologia e della “conoscenza”, tra le potenziali aree di applicazione dell’IA vi sono gestione delle catene di approvvigionamento, sanità (nei campi dello sviluppo dei farmaci e dell’analisi delle scansioni), assicurazioni, petrolio e gas (pensate ai dati forniti dai satelliti), servizi di pubblica utilità (per la gestione della rete e dei carichi) e macchinari agricoli autonomi: le strategie in materia IA possono dunque divenire una componente sempre più importante dell’analisi delle società.