L’intelligenza artificiale non pensa, esegue. E proprio per questo il vantaggio competitivo resta nelle mani di chi sa cosa chiederle. È una delle idee che Filippo Rizzante, Chief Technology Officer di Reply, ha portato sul palco di Borsa Italiana, nell’incontro organizzato con Pictet Asset Management per fare il punto su come l’AI sta cambiando imprese, mercati e organizzazione del lavoro. Il tema interessa da vicino anche chi investe: con gli ETF attivi e le strategie AI Enhanced in piena accelerazione, capire davvero come funzionano modelli e agenti intelligenti smette di essere una curiosità tecnologica e diventa una competenza finanziaria.
La corsa dei modelli è anche una partita geopolitica
Per misurare i progressi dei modelli si usa ormai l’Intelligence Index, un benchmark costruito su prove di matematica, scienza e ragionamento. Rizzante ha però messo subito un paletto: bisogna smettere di umanizzare questa tecnologia. Dietro le risposte fluide ci sono modelli matematici che eseguono istruzioni, non entità che ragionano in autonomia.
Sul mercato convivono due modi di distribuire questi modelli. Da una parte quelli commerciali chiusi, accessibili tramite API o piattaforme cloud, come GPT, Claude o Gemini. Dall’altra i modelli open-weight o open source, i cui pesi si possono scaricare e far girare su infrastrutture proprie.
Questa distinzione racconta bene gli equilibri geopolitici. Gli Stati Uniti restano in testa sui modelli commerciali di punta, mentre la Cina sta recuperando terreno a grande velocità puntando proprio sull’open-weight, con soluzioni come Kimi K3, GLM e Qwen. L’Europa è il vero anello debole: un solo campione di riferimento, la francese Mistral AI, e una cronica mancanza di investimenti coordinati e di un ecosistema industriale in grado di scalare.
Addestrare un modello costa sempre meno, e i piccoli battono i grandi
Uno dei cambiamenti più sottovalutati riguarda i costi. Tra il 2020 e il 2025 il costo di addestramento per parametro è crollato, e oggi sviluppare un modello proprietario è alla portata anche di aziende di medie dimensioni. Non serve più essere un colosso tecnologico.
Questo sta spingendo la diffusione dei modelli verticali: sistemi di dimensioni contenute, addestrati su dati molto specifici, che nel loro perimetro riescono a fare meglio dei grandi modelli generalisti. L’esempio portato da Rizzante è quello dell’Istituto Europeo di Oncologia, dove un modello specializzato sulle cartelle cliniche ha mostrato capacità diagnostiche mirate superiori a quelle dei modelli generali. La stessa dinamica si sta ripetendo in settori come la finanza e il diritto, dove la conoscenza di dominio pesa più della potenza bruta.
Dall’assistente all’agente
Nelle aziende il paradigma sta cambiando. Si parte dall’assistente, che risponde a un prompt o scrive un testo, e si arriva all’agente autonomo, fino ai sistemi multi-agente in cui più agenti collaborano e coordinano processi da un capo all’altro. Framework agentici open source come Hermes Agent o OpenClaw stanno già entrando direttamente nelle organizzazioni.
A rendere il percorso ancora più rapido c’è l’automiglioramento. In fase di addestramento, i modelli esistenti aiutano a costruire quelli successivi, un po’ come un insegnante che forma uno studente destinato a superarlo. In fase operativa, gli agenti in produzione analizzano i risultati dei propri compiti e affinano da soli le esecuzioni future.
Cinque arene in cui si gioca la competizione
Secondo Rizzante l’impatto dell’AI sulle imprese si concentra su cinque terreni. Il primo è la produttività, dallo spazio di lavoro digitale allo sviluppo software. Il secondo è l’organizzazione, con gli agenti che si integrano nei sistemi informativi fino a diventare una sorta di sistema nervoso aziendale. Il terzo riguarda consumer e search: la ricerca online e l’e-commerce stanno abbandonando il modello basato su pageview e adwords a favore di risposte dirette e sintetiche. Il quarto è la creatività, con la produzione di media, intrattenimento e pubblicità trasformata dalle produzioni video ibride. Il quinto, infine, è il mondo fisico, dove l’intelligenza entra nelle macchine e nella robotica industriale.
Il genio della lampada e la regola dell’80/20
Per orientare le aziende in questa fase, Rizzante ha proposto due principi.
Il primo lo chiama paradosso del genio della lampada. L’AI offre ispirazione e capacità a chiunque, concorrenti compresi: è una tecnologia indifferenziata, che da sola non crea vantaggio. Il valore resta umano e sta nella capacità di chiarire l’intento, definire l’idea e impostare il contesto strategico. Chi delega alla macchina anche il pensiero, in altre parole, finisce per esprimere desideri vaghi e ottenere risultati altrettanto vaghi.
Il secondo è il principio di Pareto applicato all’AI. I modelli svolgono in modo efficiente e a costi contenuti l’80-95% del lavoro. Il problema è l’ultimo 5-20%: chiedere all’AI di rifinire quel margine finale innesca cicli di iterazione costosi in termini di calcolo, energia e denaro. Spesso conviene molto di più affidare la rifinitura a una persona, oppure usare modelli specializzati più leggeri quando l’obiettivo è automatizzare un processo.
