Due milioni di token per svegliarsi la mattina, leggere la posta, cercare le due parole chiave e magari guardare pure che tempo fa. Quello stesso identico lavoro: uno script, di token, ne consuma zero.

Cioè la fattura non se ne accorge: ti dice quanti token hai bruciato, quali modelli hai chiamato, quanto sono costate le chiamate, ma non ti dice se il sistema ha combinato qualcosa per cui valeva la pena di pagare. E nel mondo dei token questa è la parte che nessuno misura.

E O'Brien la paragona ai database, no? È un confronto in effetti che regge: cioè un database costa e dal costo non capisci cosa serve, come è stato progettato, cosa succede se si ferma. E con l'Intelligenza Artificiale è uguale, anzi peggio, perché ci metti dentro reti di agenti che non danno mai due volte la stessa risposta. Un agente che scrive codice al posto di ore di lavoro di un umano, oppure un classificatore che smista documenti, oppure un orchestratore che coordina decine di processi, possono chiudere la giornata con la stessa identica cifra, però non sono la stessa cosa.

Poi c'è anche l'idea che un token sia un token, ma non lo è. Un milione di token spesi da un orchestratore mica valgono un milione di token spesi su un compito difficile. Una chiamata da pochi centesimi che produce lavoro sbagliato costa più di una chiamata che riesce al primo colpo. E far girare un miliardo di token di roba semplice sul modello di frontiera, invece che su uno leggero, sono decine di migliaia di dollari buttati.

Per cui non basta scegliere il modello: contano il livello di ragionamento, come gestiamo la memoria, e prima di tutto se quel compito, quello lì, ha davvero bisogno di un modello. Magari basta un sistema vecchio, deterministico, il software, avete presente?

Nelle aziende dove vado io comincio a vedere però il passo successivo, cioè è un qualcosa che non mi piace. Cioè il consumo di token, quello del singolo dipendente, è usato come misura di quanto produce. E cerco di spiegargli che è sbagliato, perché non è che chi consuma di più lavora di più e chi ne consuma pochi si nasconde.

Poi contiamo i token, per carità, sono l'unica cosa che si vede, ma il numero che conta è un altro. Cioè quanto ci è costato in tutto ottenere la stessa cosa per cui quel sistema esiste? E quello pochi lo mettono in bolletta e dobbiamo calcolarlo noi. E chi vende ottimizzazione, guardando solo la bolletta, sta vendendo la parte facile.

Voi cosa ne pensate?

#DecisioniArtificiali #MCC #Lavoro #Costi #Automazione

Terence Tao è il matematico più premiato al mondo e quando lui parla con ChatGPT, ChatGPT gli risponde in un altro modo. Stesso modello che usano tutti, ma ha risposte che la maggior parte delle persone non vedrà mai.

Vedete, fino a qualche anno fa, chi non sapeva scrivere il codice, per esempio, di una pagina web, chiedeva a un collega. Oggi lo si chiede al modello, all'Intelligenza Artificiale e in fondo viene fuori decente. Siamo diventati tutti generalisti. E infatti da qui nasce un'idea molto diffusa, cioè nel prompting non c'è nessuna abilità. Parliamo tutti alla stessa macchina. Chi lo fa di mestiere ottiene lo stesso di chi ha aperto ChatGPT stamattina.

Ma non è così. Ho letto la conversazione di Tao con ChatGPT, no? Parlano di una congettura matematica molto tecnica. Tao scrive frasi cortissime e il modello gli manda 3 paragrafi e lui risponde al nocciolo. E il modello cambia, si accorcia anche lui, smette di spiegare le cose da capo e parla. Come? Come si parla a un matematico. E quando una risposta non lo convince Tao scrive: "sembra più complicato di quanto speravo". E la macchina si sposta. Poi le strade le sceglie lui. Il modello propone dove andare e Tao, quasi sempre, va da un'altra parte.

Letto così sembra un metodo. Frasi corte, strada propria. Si copia in 10 minuti, no? Però poi se lo fai non funziona. Perché Tao sa la matematica. Dentro 3 paragrafi di risposta riconosce l'idea buona. Vede subito quale passaggio suona storto. I trucchi vengono dopo.

E con il codice funziona uguale. Un programmatore che conosce il suo sistema a memoria può dire alla macchina: questa soluzione è troppo lunga. Oppure: questa cosa non la facciamo già da un'altra parte? Chi invece il sistema non lo conosce le dà il compito e prende quello che arriva, no? Certo, chi non conosce il campo qualcosa se lo porta a casa lo stesso, va benissimo. Ma è la stessa cosa che il modello dà a chiunque altro. Questo è il punto.

E con i modelli sempre più forti, la parte lenta, restiamo noi. Perché vedete, le risposte sono già dentro. E ci vuole uno che sappia il mestiere, a seconda di cosa si parla, per tirarla fuori.

Voi cosa ne pensate?

#DecisioniArtificiali #MCC #Competenza #Prompting #Generalisti

Un agente di Intelligenza Artificiale di OpenAI è entrato in un sistema del governo australiano. E in OpenAI non lo sapevano. Quando un agente fa danni da solo, oggi la legge fa proprio fatica a trovare un colpevole. E per me chi lo costruisce deve rispondere ovviamente. Come succede per un giocattolo difettoso o un aereo che cade.

Il caso australiano arriva dopo Hugging Face, come sapete, la piattaforma dove gli sviluppatori si scambiano modelli di AI, che è stata attaccata a luglio. Spesso erano test e gli agenti sono usciti dall'ambiente chiuso dove li provavano, scavalcando le protezioni messe dagli umani, cosa che magari nella normale produzione non avviene. Ma le protezioni le scavalcavano perché sono fatti proprio così. Ve ne ho già parlato. Un agente prova tutto quello che non gli è stato vietato, perché gli si chiede di riuscire. E se trova una falla, la usa. Prenotami a tutti i costi un volo per domani. E lui hackera la compagnia, ovviamente in laboratorio. Fuori ci sono i guardrail.

Però vedete, per trovare un colpevole, le leggi sugli attacchi informatici e sui prodotti difettosi guardano a cosa una persona voleva fare o sapeva. Per la negligenza i giudici chiedono se l'azienda poteva immaginare il danno. E per un reato serve spesso l'intenzione. Mentre in un agente non c'è, non è un'intenzione umana, è lui che decide da solo cosa fare e può fare una cosa dannosa. La prima volta senza nessun precedente per prevederla. Ryan Calo, collega, professore di diritto all'Università di Washington, dice che così si rischiano vittime, senza colpevoli.

Vedete, se un agente attacca un'altra azienda durante un test, ne risponde chi l'ha sviluppato. Ma nei test l'azienda usa il prodotto da sola o tramite chi lo prova per lei. Non c'è un cliente a cui dare la colpa. E la responsabilità cresce se l'azienda conosceva il rischio giustamente. In OpenAI, scrive il New York Times, alcuni dipendenti avevano segnalato problemi di sicurezza nei test e sono stati ignorati. Quel rischio io lo conosco bene perché ovviamente ci lavoro, progetto agenti, li uso. I limiti glieli metto prima ancora di dargli un compito. Un'azienda che manda in giro un agente senza limiti, sapendo cosa può combinare, deve risponderne lei.

Voi cosa ne pensate?

#DecisioniArtificiali #MCC #Responsabilità #Sicurezza #Legge

3 giorni, grosso modo: tanto passerebbe fra il momento in cui il Sole spara e il momento in cui la nube ci arriva addosso.

Nel 1859 è successo davvero e il racconto che ne è rimasto è questo qua: la chiamano tempesta di Carrington, dal nome dell'astronomo che vide il lampo sulla superficie del Sole. Le aurore si videro fino ai Caraibi, i telegrafi presero fuoco e alcuni operatori riuscirono a mandare messaggi con le linee staccate dalle batterie, tenute in piedi solo dalla corrente indotta nei fili.

Ma nel 1859 i fili erano quelli. Oggi i fili sono tutto. Una tempesta di quella potenza non fa saltare la luce come un temporale: colpisce i trasformatori delle grandi dorsali elettriche, quelli grossi come una casa, e li cuoce. Non si riparano, si devono sostituire.

E se manca la corrente? Sotto viene giù tutto in fila: le pompe dell'acqua sono elettriche, i distributori di benzina sono elettrici, i frigoriferi degli ospedali. I data center hanno i generatori, sì, ma il gasolio dura giorni; il gasolio va portato con un camion che ha bisogno di una pompa che ha bisogno di corrente.

Poi ci sono i satelliti. Il GPS non serve solo a non perdersi: serve a sincronizzare l'orologio delle banche, delle reti telefoniche, dei mercati. Senza quel segnale le transazioni non funzionano più.

E quel preavviso, se c'è, serve a qualcosa. È un problema sul serio: quanto sia lungo poi dipende da quanto corre la nube, ma nel frattempo si spengono i satelliti, si mettono le reti in sicurezza, si abbassano i carichi. Però ci vuole qualcuno che decida di farlo davvero, cioè di spegnere mezza rete elettrica per un allarme che potrebbe rivelarsi esagerato, sapendo che se non succede niente si prende la colpa lui.

Il 2026 ha una cosa che però il 1859 non aveva: la possibilità di vedere quello che arriva. Però può succedere e abbiamo solo 3 giorni di preavviso. È successo nel 1859, può succedere domani. E la nostra società non so quanto sia pronta. Dovremmo provare a stare 3 giorni senza premere un interruttore, a vedere se funziona, per testare. Ce la faremo?

Voi cosa ne pensate?

#DecisioniArtificiali #MCC #TempestaSolare #Infrastrutture #CrisiEnergia

Solo 12 capi d'azienda su 100 in Italia si sentono pronti all'Intelligenza Artificiale, lo dice un nuovo studio di Adecco Group.

Oggi siamo diventati primi nella Pubblica Amministrazione digitale, primi nella regolamentazione, abbiamo fatto la prima legge europea sull'AI, primi nel Cyberumanesimo, ma poco preparati nel mondo aziendale. Le persone che dovrebbero usarli non cambiano e restano dove erano. Adecco lo chiama divario fra la corsa alla tecnologia e la preparazione del personale, io lo vedo ogni settimana nelle aziende che aiuto.

Gli abbonamenti all'AI ci sono, poi però chiedo chi li usa davvero e come e cala il silenzio. Chiedo anche quante ore di formazione hanno messo a bilancio, è spesso zero. E quando il corso c'è, spesso è un webinar di un'ora, magari fatto da un fuffaguru che fino all'altro ieri vendeva NFT e registrato magari l'anno scorso. I soldi per le licenze si trovano sempre, le ore per imparare a usarle no.

E quel 12% è una dichiarazione, sono loro che si danno il voto da soli e nelle stanze che vedo io sembra pure generoso. Vedete il divario? Sta dentro la stessa azienda, fra il piano di sopra che firma e il piano di sotto che dovrebbe usarla. Ci sono i governi che aiutano, come anche quello italiano che sta rispondendo con voucher e corsi, anche perché se un dipendente è impreparato, sbaglia un documento. Se un capo è impreparato, firma un contratto da milioni e decide chi in azienda serve ancora e chi no.

Gli altri 88 su 100 stanno decidendo adesso chi lavorerà qui fra 5 anni.

Voi cosa ne pensate?

#DecisioniArtificiali #MCC #Formazione #DivarioDigitale #Impresa

Rene Haas dice che l'Intelligenza Artificiale troverà una cura per il cancro. Da soli non ci arriveremo, non nell'arco della nostra vita. E dice che quel giorno slitta perché i chip non bastano.

Haas guida Arm, l'azienda sta a Cambridge, disegna i cervelli dei microchip, quelli dentro centinaia di miliardi di telefoni e automobili. Quest'estate ha toccato il picco e ne ha fatto l'azienda britannica più valutata della storia. Lo ha spiegato alla BBC: modellare una cellula è troppo complesso. Modellare come un marcatore del DNA viene toccato dal cancro, uguale. Troppo perfino per i computer che fanno girare l'AI. Ma più modelli gli diamo in pasto, più quelle macchine diventano capaci. Prima o poi lo risolveranno. Lui ci crede, e ci credo anche io.

Poi c'è il resto dell'intervista, no? Robot umanoidi diffusi entro 5 anni, che imparano a fare il letto, e che poi da soli imparano a sistemare gli asciugamani. Ed entro 10 anni li vede in fabbrica. O a riparare ponti. E sui posti di lavoro bruciati dice che le stime sono un po' gonfiate. E sul timore di una correzione in borsa delle valutazioni dell'AI, uguale. La tecnologia Arm, ricordiamoci che gira in metà dei data center di AI del mondo, e Meta gli ha chiesto di sviluppare un chip. E da marzo ha raccolto più di 2 miliardi di dollari di domanda.

Però mancano i chip. Siamo in un ambiente a offerta limitata, dice. Servono altre fabbriche prima di mettere un data center nello spazio. E sulle fabbriche in Gran Bretagna, invece, però dice alt. Costano troppo e servono lavoratori specializzati. Meglio lasciarle dove stanno, in mano a TSMC. Quindi le previsioni sulla medicina le firma uno che i chip li disegna. E poi finiscono tutte più o meno allo stesso posto.

Mentre Chris Bakal la gira al contrario. Lui lavora all'Institute of Cancer Research di Londra. Dice che ormai la domanda è cosa diamo da mangiare all'AI. E nel suo laboratorio i dati, però, se li producono loro, vengono da campioni dei pazienti reali sui quali allenano l'Intelligenza Artificiale. Sono modelli, roba raccolta davvero a mano. E tutto questo gira perfino senza un data center gigante. Dice che misure così possono togliere anni allo sviluppo di una cura. E se una terapia arriva prima, arriverà da chi ha le misure giuste. E quelle, sapete come si prendono? Un campione alla volta.

Voi cosa ne pensate?

#DecisioniArtificiali #MCC #Chip #Cancro #Medicina

Vedete, il posto dove far entrare l'Intelligenza Artificiale in azienda è il lavoro che qualcuno rifà identico ogni lunedì mattina. Cronometratelo: quante persone lo fanno, quante ore ci mettono, quanti errori escono. Se quel numero non ce l'avete prima, dopo non saprete mai se è servito a qualcosa.

Poi scegliete un processo solo, non il reparto che urla di più, quello che ha i numeri. Le offerte da preparare, le email al servizio clienti, i verbali delle riunioni, i controlli sulle fatture. Roba noiosa, ripetitiva e che se sbaglia non manda a casa nessuno.

Quindi prima ancora di aprire qualunque strumento, decidete cosa può uscire e cosa no. Scritto: nomi dei clienti, prezzi, contratti, dati del personale. E se una cosa non può uscire, allora o il contratto dice nero su bianco che non addestrano sui vostri dati e non bisogna comunque fidarsi mai, oppure quel pezzo gira su una macchina vostra, dentro le vostre mura. Fine.

Come sapete ho incarichi istituzionali, sia con l'Agenzia per la Cyber Sicurezza Nazionale, sia con il Dipartimento per la trasformazione digitale, ma soprattutto sono nella task force della Presidenza del Consiglio per la definizione della strategia italiana dell'AI, e per tutte queste cose non posso usare AI di terzi. Devo usare quelle mie locali. Ho amici qua a New York che anche loro lavorano per le istituzioni e l'unico modo che hanno è usare AI locale. Ce l'hanno quasi tutti a casa.

E poi quell'AI che introducete, datela in mano a chi quel lavoro lo fa già. Non a una task force di dirigenti che un'offerta non l'hanno mai compilata in vita loro. Due settimane, e chi la usa scrive cosa ha funzionato e cosa no. Perché ogni cosa che esce firmata dall'azienda la deve firmare una persona. Se sbaglia la macchina la responsabilità rimane comunque lì, perché bisogna controllare sempre quello che fa l'AI, sempre.

Dopo misurate: stesso cronometro, stesso conteggio degli errori. Se il tempo non è sceso, si spegne e si cambia processo, senza fare storie. E la formazione non è il corso in sala con le slide, è sedersi con i loro documenti veri, con i loro casi veri e lavorarci insieme, certo. Prima ci vogliono dei corsi di base, ovviamente, ma poi è quello.

E lo strumento invece si sceglie alla fine. È la parte più facile ed è quella che cambia in continuazione, peraltro. Perché intanto che decidete, i vostri dipendenti l'AI in azienda l'hanno già portata. Dal telefono, con l'account gratuito, e nessuno sa cosa ci hanno incollato dentro stamattina. Non entra quando lo decidete voi. Entra prima. Voi decidete solo se saperlo.

Voi cosa ne pensate?

#DecisioniArtificiali #MCC #Azienda #Processi #Sicurezza