Come gli effetti di rete rendono l’IA più intelligente

ALLA FINE DELLO SCORSO ANNO, quando OpenAI ha presentato ChatGPT, gli osservatori del settore hanno risposto sia con elogi che con preoccupazione. Abbiamo sentito dire che la tecnologia può abolire programmatori di computer, insegnanti, trader e analisti finanziari, grafici e artisti. Temendo che l'intelligenza artificiale possa compromettere la capacità di elaborazione dei saggi, le università si sono affrettate a rivedere i programmi di studio, ma l'impatto più immediato, secondo alcuni, è che ChatGPT potrebbe reinventare, o addirittura sostituire, i tradizionali motori di ricerca su Internet. La ricerca e le relative inserzioni pubblicitarie rappresentano la maggior parte delle entrate di Google. I chatbot lo uccideranno?

ChatGPT è una notevole dimostrazione della tecnologia di apprendimento automatico, ma è scarsamente concepibile come servizio stand alone. Per finanziare adeguatamente lo sviluppo di questa potente tecnologia, OpenAI aveva bisogno di un partner. Non ha quindi sorpreso quando l'azienda ha rapidamente annunciato di aver concluso un accordo con Microsoft. L'unione tra la start-up dell'intelligenza artificiale e l'azienda tecnologica tradizionale potrebbe in effetti rappresentare una minaccia credibile al dominio di Google, alzando la posta in gioco nella "corsa agli armamenti dell'intelligenza artificiale". Inoltre, offre una lezione sulle forze che determineranno quali aziende prospereranno e quali vacilleranno nell'implementazione di questa tecnologia.

Per capire cosa ha spinto OpenAI ad allearsi con Bing (e perché Google potrebbe ancora trionfare), consideriamo in che modo questa tecnologia differisce dagli sviluppi del passato, come il telefono o le piattaforme di mercato come Uber o Airbnb. In ognuno di questi esempi, gli effetti di rete - in cui il valore di un prodotto aumenta con l'aumentare degli utenti - hanno giocato un ruolo importante nel determinare la crescita di questi prodotti e il successo delle aziende. I servizi di intelligenza artificiale generativa come ChatGPT sono soggetti a un tipo di effetti di rete simile, ma distinto. Per scegliere strategie che funzionino con l'IA, manager e imprenditori devono capire come funziona questo nuovo tipo di effetti di rete.

Effetti di rete diversi

Il valore dell'IA risiede in previsioni e suggerimenti accurati. Ma a differenza dei prodotti e dei servizi tradizionali, che si basano sulla trasformazione di forniture (come l'elettricità o il capitale umano) in prodotti (come la luce o la consulenza fiscale), l'IA richiede grandi serie di dati che devono essere mantenuti aggiornati attraverso le interazioni con i clienti. Per rimanere competitivo, un operatore di IA deve raccogliere i dati, analizzarli, offrire previsioni e poi cercare un feedback per affinare i suggerimenti. Il valore del sistema dipende da - e aumenta con - i dati che arrivano dagli utenti.

Le prestazioni della tecnologia - la sua capacità di prevedere e suggerire con precisione - si basano su un principio economico chiamato effetti di rete dei dati (alcuni preferiscono apprendimento guidato dai dati). Questi si distinguono dai noti effetti di rete diretti, come quelli che rendono un telefono più prezioso all'aumentare degli abbonati, perché ci sono più persone che si possono chiamare. Sono anche diversi dagli effetti di rete indiretti o di second’ordine, che descrivono come un numero crescente di acquirenti inviti un maggior numero di venditori su una piattaforma e viceversa: fare acquisti su Etsy o prenotare su Airbnb diventa più interessante quando sono presenti più venditori.

Gli effetti di rete dei dati sono una nuova forma: come gli effetti più noti, più utenti ci sono, più la tecnologia ha valore. Ma in questo caso il valore non deriva dal numero di pari (come nel caso del telefono) o dalla presenza di molti acquirenti e venditori (come in piattaforme del tipo di Etsy). Gli effetti derivano piuttosto dalla natura della tecnologia: l'intelligenza artificiale migliora attraverso l'apprendimento rafforzativo, con previsioni seguite da feedback. Man mano che la sua intelligenza aumenta, il sistema fa previsioni migliori, aumentando la propria utilità, attirando nuovi utenti e fidelizzando quelli esistenti. Più utenti significano più risposte, che aumentano la precisione delle previsioni, creando un circolo virtuoso.

Prendiamo ad esempio Google Maps. Utilizza l'intelligenza artificiale per consigliare il percorso più veloce per raggiungere la destinazione. Questa capacità si basa sull'anticipare gli schemi di traffico indicando percorsi alternativi e lo fa attingendo ai dati provenienti da molti utenti. (Più persone utilizzano l'app, più dati storici e contemporanei vengono accumulati. Grazie a questa mole di dati, Google può confrontare una miriade di previsioni con i risultati effettivi: siete arrivati all'ora prevista dall'app? Per perfezionare le previsioni, l'app ha bisogno anche delle vostre impressioni: quanto erano buone le istruzioni? Man mano che si accumulano fatti oggettivi e recensioni soggettive, entrano in gioco gli effetti di rete. Questi effetti migliorano le previsioni e aumentano il valore dell'app per gli utenti e per Google.

Una volta compreso come gli effetti di rete guidano l'IA, possiamo immaginare le nuove strategie che la tecnologia richiede.

OpenAI e Microsoft

Cominciamo con il matrimonio tra OpenAI e Microsoft. Quando abbiamo provato ChatGPT in versione beta, siamo rimasti colpiti dalle sue risposte creative e simili a quelle umane, ma ci siamo resi conto che era bloccato: si basa su una serie di dati raccolti l'ultima volta nel 2021 (quindi non chiedete informazioni su eventi recenti o previsioni del tempo). Ancora peggio, manca un robusto ciclo di feedback: non si può suonare il campanello d'allarme quando i suggerimenti sono assurdi (l'azienda consente una risposta "pollice verso"). Tuttavia, collegandosi a Microsoft, OpenAI ha trovato un modo per testare le previsioni. Le domande degli utenti di Bing e la valutazione delle risposte sono fondamentali per aggiornare e migliorare ChatGPT. Il prossimo passo, immaginiamo, sarà l'alimentazione dell'algoritmo da parte di Microsoft con la vasta nuvola di dati degli utenti che possiede. Man mano che digerisce un numero incalcolabile di fogli Excel, presentazioni PowerPoint, documenti Word e curriculum LinkedIn, ChatGPT diventerà sempre più bravo a ricrearli, per la gioia (o l'orrore) di chi vive in ufficio.

Ci sono almeno tre lezioni generali

Primo: il feedback è fondamentale. I vantaggi dell'intelligenza artificiale si intensificano con un flusso costante di reazioni degli utenti. Per rimanere intelligente, un algoritmo ha bisogno di un flusso di dati sulle scelte attuali degli utenti e sulla valutazione dei suggerimenti passati. Senza feedback, anche il miglior algoritmo ingegneristico non rimarrà intelligente a lungo. Come ha capito OpenAI, anche i modelli più sofisticati devono essere collegati a fonti di dati in continuo movimento. Gli imprenditori dell'IA dovrebbero ricordarlo.

In secondo luogo, i dirigenti dovrebbero organizzare una raccolta meticolosa di informazioni per massimizzare i benefici di questi effetti. Devono compulsare i tipici registri finanziari e operativi. Dati utili se ne trovano ovunque, all'interno e all'esterno dell'azienda. Possono provenire dalle interazioni con acquirenti, fornitori e colleghi. Un rivenditore, ad esempio, può tenere traccia di ciò che i consumatori hanno guardato, di ciò che hanno messo nel carrello e di ciò che alla fine hanno pagato. Questi piccoli dettagli possono migliorare notevolmente le previsioni di un sistema di intelligenza artificiale. Anche i dati poco frequenti, compresi quelli che non sono sotto il controllo dell'azienda, potrebbero valere la pena di essere raccolti. I dati meteo aiutano Google Maps a prevedere il traffico. Tracciare le parole chiave utilizzate dai reclutatori per cercare i curriculum può aiutare LinkedIn a offrire suggerimenti vincenti a chi cerca lavoro.

Infine, tutti dovrebbero considerare i dati che condividono, intenzionalmente o meno. Fatti e feedback sono essenziali per costruire previsioni migliori, ma il valore dei vostri dati può essere catturato da qualcun altro. I dirigenti devono considerare quale IA può trarre vantaggio dai dati che condividono (o a cui consentono l'accesso). A volte, dovrebbero limitare la condivisione. Ad esempio, quando gli autisti di Uber navigano con l'app Waze, aiutano Google, il proprietario, a stimare la frequenza e la lunghezza di tali viaggi. Poiché Google sta valutando la possibilità di gestire taxi a guida autonoma, questi dati potrebbero essere preziosi. Quando un marchio come Adidas vende su Amazon, il colosso della vendita al dettaglio è in grado di stimare la domanda tra i vari marchi (rispetto a Nike) e categorie (scarpe) e la sensibilità al prezzo degli acquirenti: i risultati potrebbero essere trasmessi a un concorrente o avvantaggiare le offerte private label di Amazon. Per contrastare questa eventualità, i dirigenti possono evitare gli intermediari della piattaforma o le terze parti, possono negoziare l'accesso ai dati e sforzarsi di mantenere un contatto diretto con i clienti. A volte, la soluzione migliore può essere che i proprietari dei dati si uniscano e condividano uno scambio di questi, come hanno fatto le banche quando hanno stabilito modi per condividere i dati sul merito di credito.

Se si considerano gli effetti di rete dell'IA, si può comprendere meglio il futuro di questa tecnologia. Si può anche notare come questi effetti, come altri effetti di rete, tendano a rendere i ricchi ancora più ricchi. Le dinamiche che stanno alla base dell'IA fanno sì che chi si muove per primo possa essere ricompensato profumatamente, mentre gli inseguitori, per quanto veloci, possano essere lasciati ai margini. Inoltre, quando si ha accesso a un algoritmo di IA e a un flusso di dati, i vantaggi si accumulano nel tempo e non possono essere facilmente superati. Per dirigenti, imprenditori, politici e tutti gli altri, il meglio (e il peggio) dell'IA deve ancora venire.

Sheen S. Levine, Università del Texas e Columbia University. Dinkar Jain, University of California e Santa Clara University.