Un trilione di qualsiasi cosa è molto. Non c’è da meravigliarsi che gli scienziati inizialmente siano rimasti confusi dai modelli di linguaggio di grandi dimensioni (LLM) su cui si basa ChatGPT. Sono macchine software diabolicamente complicate con 10 miliardi, 500 miliardi o addirittura un trilione di parametri.

All’inizio alcuni teorici – fa notare Azeem Azhar nel suo articolo su bloomber.com – hanno sostenuto che gli LLM non potevano fare nulla di nuovo perché le loro risposte sono generate prevedendo porzioni di testo basate su modelli statistici nei dati di addestramento, come un pappagallo che si comporta stocasticamente (un modo elegante per dire probabilisticamente). Ma in breve tempo, e ancor più negli ultimi sei mesi, questa obiezione è sembrata del tutto non plausibile.

“Nei primi modelli di LLM non c’era alcun elemento di auto-riflessione. Anche gli esseri umani tendono a comportarsi in modo simile, dando spesso risposte rapide e intuitive, quelle che il premio Nobel Daniel Kahneman definiva ‘pensiero di tipo 1’. Ma il nostro lavoro efficace deriva dal ‘pensiero di Tipo 2’, in cui siamo metodici, deliberati e consapevoli, e quindi meno soggetti a errori. Le prime versioni di ChatGPT e dei suoi concorrenti erano tutte di Tipo 1 e nessuna di Tipo 2”.

Ma i nuovi modelli di LLM non si basano più sulla memorizzazione o sul pattern-matching superficiale, perché sono in grado di scomporre il problema, convalidare conclusioni intermedie ed eseguire i passaggi corretti per raggiungere una risposta finale. “Sotto alcuni aspetti, i modelli di ragionamento sono molto, molto intelligenti: altrettanto buoni o migliori di quelli di un essere umano con un dottorato di ricerca sottoposto a un quiz nel suo settore specialistico”.

La linea di produzione cognitiva

Abbiamo assistito a una continua evoluzione lungo il percorso di ciò che significa utilizzare la conoscenza e svolgere lavoro cognitivo. Attività che una volta consideravamo rare e complesse sono diventate altamente accessibili e incredibilmente economiche.

Eppure, anche capi di grandi aziende generalmente usano l’IA per operazioni banali. Il punto di partenza è spesso l’automazione del servizio clienti per ridurre i costi. Ma nessuna grande azienda è stata costruita semplicemente tagliando i costi.

La maggior parte delle aziende inizia in piccolo con l’Intelligenza Artificiale, automatizzando attività da 50 dollari l’ora come le chat del servizio clienti: utili, ma non trasformative. Eppure queste stesse piattaforme di intelligenza artificiale possono affrontare sfide da 5.000 dollari l’ora: ricerca e sviluppo, pianificazione strategica o consulenza specializzata. Perché non sono di più le aziende che li utilizzano per questi scopi?

“La ragione è che a un certo livello di management non si riesce proprio ad accettare che certe decisioni più importanti possano essere prese, o parzialmente prese, da una macchina”. In genere le grandi aziende hanno molti più esperti di marketing che ricercatori di alto livello, il che riflette quanto sia poco richiesta e utilizzata la vera competenza. Le conseguenze negative sono di vasta portata, tenendo conto del fatto che oggi qualunque problema potrebbe essere affrontato con l’IA, in pratica con l’equivalente di decine di esperti di livello PhD, e ciò darebbe un enorme impulso all’innovazione. Proprio come la catena di montaggio di Henry Ford consentiva una rapida iterazione e miglioramento dei processi di produzione automobilistica, oggi l’intelligenza artificiale consente un costante perfezionamento e miglioramento di idee e soluzioni. “Le aziende possono fallire più velocemente, imparare più velocemente e ruotare in modo più efficace”. Ne trarranno vantaggio le aziende che lo capiscono prima delle altre.

La mia vita con l’intelligenza artificiale

“Nel corso di 18 mesi, una costellazione crescente di modelli di IA ha supportato il mio lavoro. In una giornata particolarmente febbrile del giugno 2024, ad esempio, ho avuto accesso al mio patchwork di IA 38 volte, inviando avanti e indietro 79.000 parole, per supportare la mia ricerca.

Nel gennaio 2025 avevo rinunciato a contare quante parole avevo pronunciato. Ma ho almeno un’intelligenza artificiale in tutte le mie riunioni che prende appunti (a meno che gli umani non si oppongano). Diversi strumenti di ricerca danno regolarmente una mano. Nella settimana in cui ho scritto questo saggio, ho posto più di 144 domande a vari LLM, escluse le trascrizioni (26 trascrizioni) o l’uso di assistenti di codifica”.

Una caratteristica sorprendente di tutta questa tecnologia – conclude Azeem Azhar – è che svolgo più lavoro, più rapidamente di prima, con un risultato sorprendente, e sono felice di passare meno tempo davanti a uno schermo.

Man mano che l’intelligenza diventa praticamente libera, il nostro vero limite non è più accedere alle capacità intellettuali, ma sapere cosa farne. Le organizzazioni e le persone di successo sapranno porre la domanda giusta,valutare le risposte e agire saggiamente in risposta. Dovranno anche capire cosa fare con il loro ritrovato tempo libero.

© RIPRODUZIONE RISERVATA