"Aperto" o "chiuso": quale futuro per l'AI?

Negli ultimi anni, l'avanzamento tecnologico sta ponendo molte aziende di fronte alla scelta di implementare soluzioni di Generative AI (Gen AI). Naturalmente, il primo passo fondamentale è adottare un approccio che, partendo dalle effettive necessità aziendali, consenta di valutare la corrispondenza con le opportunità offerte dalle nuove tecnologie. Una volta presa la decisione di sviluppare un caso d'uso, le aziende devono affrontare scelte pratiche e operative, tra cui una delle più rilevanti: l'approccio tecnologico da adottare.

Lorenzo Diaferia, Lecturer di Digital Transformation presso SDA Bocconi e Ricercatore presso il Digital Enterprise Value and Organization (DEVO) Lab e Michele Russo, Fellow di Business Data Analytics presso SDA Bocconi, hanno affrontato il dibattito tra modelli AI "aperti" e "chiusi".

Modelli "aperti" e "chiusi": una panoramica

Il mercato AI è in rapida evoluzione e presenta numerose peculiarità tecnologiche. I modelli alla base delle soluzioni di Gen AI sono infatti di grandi dimensioni e addestrati su una vasta quantità di dati per essere versatili e applicabili a vari task. Di conseguenza, per le aziende non tech, un punto cruciale sta non tanto nel vero e proprio sviluppo interno, quanto nella scelta di adeguati strumenti di mercato.

Da un lato, ci sono i modelli AI definiti "chiusi", come GPT-4 (OpenAI), Gemini (Google) e Claude (Anthropic), che sono veri e propri prodotti commerciali proprietari. La possibilità di accesso alle specifiche e alle caratteristiche di queste soluzioni è tendenzialmente bassa. Dall'altro, vi sono i modelli cosiddetti "aperti", tendenzialmente ispirati al software open source, come Falcon, BLOOM, e Llama, spesso condivisi su piattaforme collaborative come Hugging Face.

La scelta tra un modello "aperto" e uno "chiuso" dipende da vari fattori, tra cui il grado di customizzazione richiesto, le competenze tecniche disponibili, e le considerazioni economiche.

Vantaggi e svantaggi dei modelli "aperti" e “chiusi”

Un modello "aperto" permette agli utilizzatori di scaricarne l'architettura e operare modifiche per adattarlo alle specifiche esigenze aziendali, lavorando, se lo si preferisce, direttamente all’interno dei confini aziendali senza necessariamente ricorrere al cloud. Questo approccio offre tendenzialmente maggiore trasparenza e controllo, consentendo personalizzazioni anche profonde del modello. Tuttavia, richiede competenze tecniche maggiori e tempi più lunghi per l'integrazione e l'addestramento. Esempi di modelli aperti includono Llama di Meta e l’ampissima gamme di progetti disponibili su Hugging Face.

I modelli "chiusi" sono tendenzialmente più facili e veloci da implementare, dato che l’azione avviene dentro al perimetro definito dalla soluzione commerciale. In generale, questi modelli sono più indicati per task generali e per aziende che dispongono di meno competenze tecniche avanzate. Tuttavia, questi modelli limitano la possibilità di personalizzazione e aumentano la dipendenza dal fornitore del modello scelto. GPT-4 di OpenAI e Claude di Anthropic sono esempi di modelli chiusi che offrono soluzioni user-friendly ma con minor margine di manovra.

Attenzione però alle facili generalizzazioni. Attualmente, nel mondo AI stiamo assistendo a una corsa verso la definizione di molti modelli come soluzioni “aperte”. Tuttavia, il livello di apertura di questi strumenti varia considerevolmente. È quindi importante analizzare in maniera critica i possibili modelli a disposizione, trovando il giusto bilanciamento tra le caratteristiche di ognuno e l’effettivo livello di apertura desiderabile per il proprio caso d’uso.

Considerazioni operative ed economiche

La scelta tra modelli "aperti" e "chiusi" ha implicazioni operative ed economiche significative. Le soluzioni "chiuse" possono ridurre la necessità di competenze tecniche interne ma comportano costi legati all'uso delle API e alla dipendenza dai fornitori. Le soluzioni "aperte", invece, richiedono investimenti in infrastruttura, sviluppo e competenze, ma offrono un controllo maggiore e potenzialmente una strada più flessibile per ottenere un vantaggio per l'azienda.

Anche i costi di implementazione variano notevolmente: i modelli "chiusi" presentano principalmente costi di inferenza, mentre i modelli "aperti" comportano spese per l'integrazione, la finalizzazione (es. fine-tuning) e la manutenzione del sistema. In entrambi i casi, è fondamentale considerare anche i costi indiretti come, per esempio, le competenze necessarie e il presidio della sicurezza del modello.

Quale approccio adottare?

La decisione tra un modello AI "aperto" e uno "chiuso" dipende, tra le altre cose, dalle specifiche esigenze aziendali, dal livello di personalizzazione richiesto, dalle competenze disponibili e dalle considerazioni economiche. È dunque necessario valutare attentamente questi fattori per fare una scelta informata, garantendo allineamento tra la soluzione adottata e gli obiettivi aziendali.

SDA Bocconi School of Management