Per capire che cosa potrebbe succedere all’economia dell’intelligenza artificiale nei prossimi anni, può essere utile partire da un settore che con l’AI, apparentemente, ha poco a che fare: la moda.
Per anni il mercato dell’abbigliamento ha seguito una dinamica piuttosto evidente. Da una parte sono cresciuti i grandi marchi del lusso e quelli di nicchia, da Hermès a Moncler, capaci di vendere prodotti molto caratterizzati a prezzi elevati; dall’altra hanno conquistato spazio operatori come Zara, H&M e, più recentemente, Shein, con prezzi bassi, grandi volumi e una capacità sempre maggiore di produrre e distribuire rapidamente. Nel mezzo, invece, la fascia media si è progressivamente assottigliata, non necessariamente perché i suoi prodotti fossero peggiori, ma perché un buon prodotto a un prezzo ragionevole aveva smesso di essere, da solo, una proposta sufficientemente distintiva. Internet aveva reso più facile confrontare prezzi e alternative, mentre l’abbondanza dell’offerta aveva aumentato la concorrenza.
La forma che ne era uscita ricordava quella di una clessidra, con crescita agli estremi e un progressivo svuotamento del centro.
È possibile che con l’intelligenza artificiale emerga una dinamica simile, anche se il meccanismo sarà diverso. A determinare la forma del mercato non sarà soltanto la domanda dei consumatori, ma anche la capacità delle aziende di assorbire l’AI e trasformarla in un vantaggio reale. Ed è qui che la metafora del metabolismo diventa interessante, perché il problema non riguarda soltanto quanto costa utilizzare l’intelligenza artificiale, ma quanto costa a un’organizzazione assimilarla.
Una piccola azienda, per esempio, può provare rapidamente uno strumento, sottoscrivere un servizio, costruire un’automazione, cambiare un processo e, se l’esperimento non funziona, tornare indietro con relativa facilità. Una grande azienda ha invece un’organizzazione molto più complessa, ma possiede anche una capacità di assorbimento maggiore: può distribuire investimenti, infrastrutture e competenze su migliaia di persone e sostenere costi che, per un’organizzazione più piccola, sarebbero difficili da affrontare.
La posizione più scomoda rischia così di essere quella di mezzo. Un’azienda media è abbastanza grande perché l’introduzione di una nuova tecnologia debba passare da IT, sicurezza, compliance, dati e budget, ma spesso non è abbastanza grande da sostenere una propria infrastruttura o distribuire facilmente i costi. Può quindi verificarsi un paradosso: l’AI è relativamente facile da sperimentare per chi è molto piccolo e più sostenibile per chi è molto grande, mentre nel mezzo aumenta il costo necessario per trasformarla in valore.
Per questo, più che sapere quante aziende dichiareranno di utilizzare l’intelligenza artificiale, sarebbe interessante capire quanto costa ottenere da quella tecnologia un vantaggio reale. Ormai dichiarare di utilizzare l’AI dice relativamente poco: la domanda è quanto bisogna investire, non soltanto in denaro ma anche in organizzazione, competenze e processi, prima che quello strumento cominci davvero a produrre qualcosa che faccia la differenza.
Anche il modo in cui vengono venduti i servizi sta andando in questa direzione. Anthropic, per esempio, ha ridotto il prezzo della licenza aziendale di Claude, ma ha eliminato i token inclusi nel prezzo, facendo sì che l’utilizzo effettivo del modello venga conteggiato separatamente.
È un po’ come se il nostro operatore telefonico ci dicesse: «Buone notizie, da oggi l’abbonamento costa molto meno». E poi aggiungesse: «Ah, dimenticavo: pagherete ogni byte di dati che trasferite». Il prezzo della linea scende, ma la bolletta può salire.
La questione diventa ancora più interessante quando l’AI smette di essere uno strumento che risponde a una richiesta e diventa un agente capace di utilizzare altri strumenti, compiere azioni e lavorare autonomamente. A quel punto non stiamo più semplicemente acquistando un software: stiamo consumando una capacità. E quella capacità ha un costo che può cambiare molto a seconda di quanto e come viene utilizzata.
Per una parte della sua storia recente, inoltre, questa capacità è stata fortemente sovvenzionata. Se i prezzi dovessero avvicinarsi progressivamente al costo reale del calcolo, una parte del vantaggio iniziale delle aziende più piccole potrebbe ridursi. Rimarrebbe però qualcosa che il denaro non compra, e cioè la velocità con cui un’organizzazione riesce a cambiare.
Una piccola azienda può modificare un processo rapidamente e sperimentare senza dover intervenire su un’intera infrastruttura organizzativa. Una grande può sostenere costi enormi perché riesce a distribuirli su una scala molto più ampia. E la media? È qui che il metabolismo rischia di incepparsi.
La soluzione, però, non è necessariamente diventare più grandi, né aspettare che i fornitori tecnologici confezionino l’AI in prodotti sempre più semplici da comprare. È una dinamica che abbiamo già visto con molte tecnologie precedenti, dall’ERP all’e-commerce fino al cloud. Quando sono diventate accessibili a tutti, hanno aumentato l’efficienza delle aziende, ma proprio per questo, una volta diffuse, sono diventate infrastrutture e quindi commodity.
Con l’intelligenza artificiale la domanda potrebbe essere un’altra. Non soltanto come posso usare questo strumento per fare meglio quello che faccio già, ma che cosa potrei fare in modo diverso se avessi la possibilità di ripensare completamente il modo in cui lavoro?
Per un’azienda media questo potrebbe significare, per esempio, creare piccoli gruppi autonomi, con un budget limitato e la libertà di sperimentare. Non per costruire subito qualcosa di definitivo, ma per capire rapidamente che cosa funziona. Si sceglie un processo, lo si affida a un piccolo gruppo e gli si dà qualche settimana per provare. Se emerge qualcosa di interessante, allora entrano in gioco IT, sicurezza e gli altri sistemi di controllo. Prima si dimostra il valore, poi si costruisce l’infrastruttura.
È un modo diverso di pensare l’innovazione, perché significa creare dentro l’azienda piccole unità capaci di muoversi con la velocità di una piccola impresa, utilizzando però le risorse di una grande organizzazione.
Il vero vantaggio dell’AI, probabilmente, non arriverà quindi dall’utilizzo dello stesso strumento che utilizzano tutti gli altri, ma dalla capacità di assimilarla, trasformarla e farla diventare parte di un’organizzazione diversa da quella che esisteva prima dell’intelligenza artificiale.
Ed è forse questa la metrica con cui dovremmo iniziare a guardare agli investimenti nell’AI: non soltanto quanto costa comprarla, ma quanto costa assimilarla e trasformarla in valore.
Perché se il vantaggio che state ottenendo dall’intelligenza artificiale è disponibile a tutti i vostri concorrenti, allo stesso prezzo e sullo stesso sito, che cosa avete davvero comprato?
Forse avete comprato uno strumento, ma non necessariamente un vantaggio competitivo.
