Come le aziende più accorte usano l’IA cinese

ChatGPT, lanciato da OpenAI nel novembre del 2022, colse del tutto alla sprovvista le aziende tecnologiche cinesi.

Dalla sera alla mattina, società come Alibaba, Tencent e Baidu, prima in grado di competere con colossi mondiali come Google e Microsoft, erano diventate fanalini di coda. Meno di tre anni dopo, le aziende cinesi hanno però raggiunto e persino superato le rivali statunitensi: hanno creato un nuovo percorso parallelo con l’intelligenza artificiale generativa (GenAI). DeepSeek, fondata nel 2023, è forse il più importante dei nuovi operatori cinesi entrati nello spazio dell’IA. Sviluppato in meno di un anno utilizzando un infinitesimo dei dati e delle risorse di calcolo dei modelli statunitensi, DeepSeek-R1 fornisce risultati paragonabili a GPT-4o di OpenAI e Claude 3.5 Sonnet di Anthropic. Un’altra startup, 01.AI, ha lanciato il modello Yi-Lightning, balzato in cima alla classifica in termini di prezzo, prestazioni e accuratezza. Quello che sta emergendo in Cina, però, non è un clone dei sistemi occidentali. È un modello di IA generativa strategicamente distinto, adattato per primeggiare sotto vincoli diversi e per soddisfare priorità diverse. Le aziende come DeepSeek si basano sui modelli avanzati e al tempo stesso progettano sistemi di intelligenza artificiale distinti puntando al contenimento dei costi, a una rapida implementazione e ad applicazioni mirate.

Questi sviluppi si verificano in un contesto di crescenti pressioni geopolitiche e controlli delle esportazioni (soprattutto per quanto riguarda l’accesso ai semiconduttori) che avevano lo scopo di paralizzare il progresso nel campo dell’IA generativa in Cina. Invece gli hanno dato impulso: oggi presso l’Amministrazione cinese del cyberspazio sono registrati più di 300 servizi di IA generativa. Huawei, per esempio, ha accelerato lo sviluppo della propria famiglia di chip Ascend creando un’alternativa locale ai chip Nvidia, e adesso i processori Ascend sono utilizzati nei data center su scala nazionale.

Molte aziende globali stanno integrando l’IA generativa nelle loro attività e quasi tutte utilizzano gli strumenti occidentali offerti da società come OpenAI, Google e Anthropic. Ora però si ritrovano alle prese con un secondo ecosistema, molto diverso, che è cresciuto velocemente, in silenzio e con una logica tutta sua. Al centro del dinamismo cinese c’è l’impegno a costruire un’infrastruttura di intelligenza artificiale modulare e resiliente che favorisca il rapido adattamento alle esigenze locali. Le aziende cinesi stanno affrontando sfide come le allucinazioni, i costi (economici e ambientali) dei modelli e l’allineamento normativo con metodi che spesso si differenziano da quelli occidentali. Hanno creato un ecosistema che non solo è resiliente ma anche molto efficiente e ogni suo livello, dai chip alle soluzioni di archiviazione, è in sintonia con le esigenze locali. Questo approccio si differenzia nettamente dal metodo di ricerca più generico e ad ampio raggio dell’ecosistema occidentale.

La situazione è resa ancora più complicata dalle attuali incertezze riguardanti i dazi USA-Cina. In Cina è già difficile avere accesso alle tecnologie occidentali, compresi i modelli linguistici di grandi dimensioni (LLM) e l’infrastruttura. Ora però è possibile che negli Stati Uniti vengano imposte restrizioni sui modelli di IA cinesi e le verifiche dei fornitori comporteranno controlli più rigorosi, dall’esame della provenienza dei chip e i controlli di cybersicurezza alla conformità alle normative locali. Le multinazionali che operano in entrambe le regioni devono destreggiarsi in uno scenario mutevole. Quando prendono in considerazione partner cinesi nel settore dell’IA, i dirigenti devono valutare il rischio politico, la resilienza delle catene logistiche e la compatibilità della governance, oltre ai parametri di prestazione.

I dirigenti occidentali devono affrontare una sfida eccezionale. Non possono più dare per scontato che i migliori strumenti di IA generativa provengano tutti dal medesimo ecosistema. Se utilizzate piattaforme di servizi ai clienti, strumenti di ottimizzazione logistica, applicazioni verticali nel settore sanitario o finanziario, o agenti di IA di uso generale, è molto probabile che dovrete imparare a operare con entrambe le tecnologie, occidentale e cinese. L’accesso ai fornitori cinesi di servizi cloud, la conformità alla governance dell’IA in evoluzione e la compatibilità con gli LLM cinesi si stanno rapidamente rivelando non solo sfide tecnologiche, ma anche problematiche fondamentali per l’attività aziendale. Le imprese che non allineano le loro strategie sull’IA generativa a queste nuove realtà potrebbero vedersi sorpassare da concorrenti in grado di muoversi più rapidamente, spendendo meno e con un migliore supporto normativo. Per orientarsi su questo terreno non basta l’integrazione tecnica: è necessaria una mentalità strategica.

Basandoci su interviste a dirigenti, parametri di prestazione e studi di casi, abbiamo creato un quadro di riferimento per aiutare i leader delle aziende globali a comprendere la singolare architettura dell’IA generativa cinese. In qualità di ricercatori e docenti dell’IMD con una vasta esperienza nell’implementazione di strategie sull’IA nelle organizzazioni di diversi continenti, abbiamo lavorato a stretto contatto con aziende cinesi e occidentali per capire come l’IA generativa venga sviluppata e impiegata nelle due aree del globo. Abbiamo inoltre condotto una ricerca (basata sui dati) sull’innovazione e sulle future capacità di settori cinesi quali l’abbigliamento, i prodotti farmaceutici e le tecnologie.

In questo articolo presentiamo una tabella di marcia per l’adozione di un duplice approccio che fa leva sull’IA generativa cinese e occidentale per conseguire migliori risultati strategici e maggiore efficienza operativa. I dirigenti globali devono tenere presenti tre aspetti fondamentali. Innanzitutto, l’ecosistema cinese si differenzia in termini di catene di fornitura dei componenti hardware e di regolamentazione. In secondo luogo, esistono vincoli reali riguardanti la conformità con la tecnologia cinese. Infine, le aziende incapaci di riconoscere che i modelli cinesi sono più economici della maggior parte di quelli occidentali sono destinate a rimanere indietro. Qui non si tratta di uno scontro tra Oriente e Occidente, ma di elaborare strategie che funzionino in un mondo in cui l’IA ha più di un futuro.

Il quadro di riferimento

Proprio come Amazon, Google e Facebook, i colossi tecnologici cinesi – Alibaba, Baidu, Tencent, ByteDance e Huawei – hanno avviato la propria attività in settori quali il commercio elettronico, la ricerca e i social media, ma hanno poi aggiunto ai loro arsenali un’intelligenza artificiale di prim’ordine. Oggi innovatori cinesi di medie dimensioni, come SenseTime e iFlytek, stanno guadagnando terreno nel campo dell’IA generativa. Inoltre, un’ondata di rivali in rapida crescita, chiamati anche le “sei piccole tigri” della Cina (01.AI, Zhipu AI, Moonshot AI, MiniMax, Baichuan AI e StepFun), avanza velocemente plasmando il panorama dell’IA generativa nel Paese. Nel frattempo, altre startup come DeepSeek e ModelBest si costruiscono un proprio percorso. (ModelBest ha attirato l’attenzione focalizzandosi su modelli leggeri ad alte prestazioni).

Lo stack dell’intelligenza artificiale generativa si compone di tre livelli: l’infrastruttura (archiviazione e chip), l’intelligenza (LLM) e i risultati (applicazioni). Le aziende occidentali e cinesi affrontano però questi livelli in modo diverso. Le società cinesi si stanno orientando verso la customizzazione, i costi minimi e la calibratura per costruire sistemi che aumentino al massimo l’efficienza, diano priorità all’utilità nel mondo reale e accolgano la diversità.

A differenza dell’ecosistema decentrato di strumenti IA statunitensi, che spesso dipende da molteplici fornitori di software, le società di IA cinesi hanno creato flussi di lavoro integrati end-to-end. Pensate a Huawei, che ha sviluppato la propria piattaforma di apprendimento profondo, MindSpore, per utilizzarla nei propri chip Ascend. Un’azienda che impiega una soluzione integrata verticalmente (che comprende hardware, software e strumenti di ottimizzazione) è in grado di customizzare la propria infrastruttura e adattare i modelli a un costo inferiore rispetto a quello che dovrebbe sostenere usando l’intelligenza artificiale di un ecosistema decentrato. Le conseguenze sono di vasta portata. Per i fornitori di IA, l’ascesa degli ecosistemi integrati verticalmente evidenzia il valore strategico di possedere l’intero stack. Per gli utenti, sottolinea la necessità di scegliere sapientemente tra architetture aperte decentrate e alternative chiuse accentrate. I dirigenti devono allineare le loro strategie di adozione dell’IA agli obiettivi più generali dell’azienda, che si tratti di massimizzare la flessibilità e la scalabilità o di dare priorità al contenimento dei costi, all’osservanza delle norme e alla coesione del sistema.

Approfondiamo l’esame del primo pilastro, la customizzazione dell’infrastruttura. Le aziende cinesi innovano in questo ambito ormai da qualche anno. Abbiamo sentito più volte i fondatori e gli alti dirigenti di startup affermare che le strategie sull’IA della Cina non mirano a cercare soluzioni di uso generale. Anzi, come abbiamo già osservato, i fornitori di soluzioni basate sull’IA stanno costruendo un’infrastruttura modulare e adattabile che risponde perfettamente alle esigenze tecniche, normative e operative locali. I servizi di IA cinesi basati sull’abbonamento sostengono le piccole imprese offrendo soluzioni facili da implementare. Queste soluzioni sono progettate in modo da ottimizzare le prestazioni nei contesti locali, soprattutto nei settori finanziario e sanitario dove è indispensabile comprendere ogni minima sfumatura. Prendiamo il gruppo Ant, che ha creato una serie di agenti medici virtuali, disponibili tramite la sua app Alipay. Gli agenti di IA sono alimentati da un modello di base specifico per il settore sanitario, sviluppato in collaborazione con i team di importanti ospedali. A distinguere la app non sono soltanto i dati: è la modalità di addestramento del sistema, che rispecchia il modo in cui pensano e ragionano i medici in Cina. Associando la letteratura clinica, i dati diagnostici strutturati e la logica decisionale di specialisti affermati, il gruppo Ant ha creato un sistema che non solo è intelligente, ma anche allineato al modo in cui viene prestata l’assistenza sanitaria. Per i modelli di uso generale, come ChatGPT, è difficile raggiungere questo livello di profondità contestuale.

Le aziende cinesi ritengono che l’infrastruttura customizzata sia essenziale per assicurare agilità operativa e capacità di risposta. Le soluzioni di archiviazione su cloud di Alibaba, per esempio, migliorano la velocità di lettura e scrittura e offrono maggiore flessibilità, fattori fondamentali per le applicazioni basate sull’IA generativa. Invece, ChatGPT 3.5 si basava sul cloud Azure di Microsoft e usava chip Nvidia, tecnologie che precedevano l’IA generativa e non erano ottimizzate per il suo impiego.

Anche il secondo pilastro, costi minimi di sviluppo del modello, offre vantaggi ai cinesi. In Occidente vengono destinate immense risorse allo sviluppo di modelli di IA generativa (le stime variano da alcuni miliardi a decine di miliardi di dollari). Le società di IA generativa cinesi hanno invece costruito i modelli adottando il contenimento dei costi come principio di progettazione. Per migliorare l’efficienza, molte aziende occidentali perseguono le innovazioni e le economie di scala, mentre gli imprenditori cinesi pensano che il vero contenimento dei costi non riguardi soltanto il taglio delle spese. È più conveniente sfruttare le soluzioni mature, piuttosto che sviluppare i modelli da zero, e questo è fattibile nel vasto mercato cinese con fornitori di soluzioni basate sull’IA centralizzati. Le aziende occidentali si focalizzano sulla realizzazione di infrastrutture e modelli all’avanguardia partendo dal presupposto che alla fine produrranno risultati commerciali. Le imprese cinesi sviluppano i loro prodotti allo scopo di ottenere questi risultati: i modelli e l’infrastruttura sono mezzi per conseguire quel fine. Questa logica ha spinto aziende come Tencent e Baidu a adottare tecniche che offrono risultati pratici con investimenti relativamente modesti. Le piattaforme verticalmente integrate della Cina, che forniscono infrastruttura cloud e chip prodotti a livello locale e offrono i modelli come servizio, riducono i costi di addestramento e al tempo stesso supportano applicazioni multilingue e multimodali. Certo, va detto che le imprese cinesi si sono avvantaggiate osservando le migliori pratiche (e gli insuccessi) di concorrenti occidentali come OpenAI, Google e Meta.

Per le aziende che devono far fronte a vincoli di bilancio e infrastrutturali, questo pilastro può tradursi in vantaggi concreti: installazione più rapida, costi di addestramento e di inferenza più bassi e integrazione più semplice in applicazioni localizzate e specifiche. Le imprese cinesi hanno beneficiato dei modelli di base sviluppati in Occidente, ma la loro capacità di adattare, affinare e produrre modelli ad alte prestazioni a un infinitesimo del costo (soprattutto in ambienti con accesso limitato all’infrastruttura occidentale di fascia alta) offre una proposta di valore persuasiva. Questa ingegnosità stimolata dai vincoli ha promosso un’innovazione rapida e pragmatica perché la disciplina dei costi non è soltanto una scelta strategica, è anche indispensabile per la sopravvivenza.

Il terzo pilastro, calibratura per applicazioni nel mondo reale, garantisce che i modelli di IA non siano validi soltanto a livello teorico, ma anche efficaci sul piano pratico. Le aziende cinesi sono ossessionate dall’idea di assicurare che i loro modelli funzionino non solo in laboratorio, ma anche in contesti reali e dinamici, come le vendite al dettaglio, il settore finanziario, gli ospedali e gli uffici dell’amministrazione pubblica. Le società di IA cinesi svolgono di continuo verifiche e iterazioni. Fra le innovazioni di maggior rilievo citiamo Kimi, l’intelligenza artificiale di Moonshot, che nel marzo del 2024 è diventato il primo modello di IA in grado di elaborare fino a due milioni di caratteri cinesi in una singola conversazione. Questo progresso ha collocato Kimi all’avanguardia dell’IA nella gestione di enormi quantità di testo in una sola interazione. La capacità di comprendere contesti molto lunghi non è solo una conquista della tecnica: è calibrata per casi d’uso pratici ad alta intensità di documenti in settori come l’assistenza sanitaria, l’istruzione e i servizi di assistenza ai clienti. L’intelligenza artificiale di Moonshot allinea l’ambizione tecnica all’implementazione strategica.

I tre pilastri – customizzazione, costi minimi e calibratura – distinguono l’IA generativa della Cina da quella occidentale. Gli innovatori cinesi non stanno riproducendo i modelli occidentali: stanno costruendo un ecosistema basato sull’utilità e fondato sulle esigenze e i vincoli specifici del loro mercato. Il nostro quadro di riferimento è una lente attraverso la quale comprendere queste dinamiche, non solo come varianti tecniche, ma come alternative strategiche, e offre ai leader globali la possibilità di valutare come dovrebbero interagire con un mondo dell’IA frammentato ma interconnesso.

Quello che sta emergendo in Cina è un ecosistema completo e differenziato – modelli, infrastruttura, piattaforme e applicazioni verticali – che a suo modo diventa sempre più competitivo. Per le imprese grandi e piccole, la questione strategica non è più se interagire con l’ecosistema di intelligenza artificiale cinese, ma come farlo in maniera efficace, attraverso collaborazioni o progetti pilota o traendo insegnamento da un sistema costruito per dare priorità alla rapidità, alla scalabilità e all’utilità nel mondo reale.

Il futuro delle applicazioni dell’IA generativa cinese

Via via che l’IA generativa cinese si metteva al passo con le versioni occidentali, il suo ecosistema applicativo entrava in azione sviluppando rapidamente applicazioni innovative e casi d’uso. Le applicazioni dell’IA generativa si possono suddividere a grandi linee in tre categorie principali: strumenti che migliorano l’efficienza, software di uso generale e applicazioni verticali per settori specifici. Le aziende cinesi attualmente eccellono nella terza categoria e utilizzano l’IA in un’ampia gamma di casi d’uso, come le interazioni con i clienti e le piattaforme aziendali. Non si limitano alle prove in laboratorio: questi strumenti vengono implementati nelle attività principali di imprese reali.

Alcune società di IA cinesi hanno creato prodotti con applicazioni pratiche immediate, come Ernie, il bot di Baidu. Dato che il suo addestramento ha incluso conoscenze strutturate, Ernie ha dimostrato prestazioni eccellenti in mansioni che richiedono una profonda comprensione del contesto. Per esempio, in scenari di assistenza ai clienti, può attingere a grafi della conoscenza specifici dell’azienda e a quadri normativi per generare risposte altamente accurate e conformi alle politiche aziendali: un livello di allineamento che i modelli di uso generale di solito non sono in grado di raggiungere senza ulteriori interventi. Ernie è un esempio di come un’attenta progettazione del modello, focalizzata sull’integrazione nel mondo reale anziché sulla scala teorica, può produrre modelli ad alte prestazioni e basso costo, che sono particolarmente utili per le aziende globali con un budget limitato per l’IA.

Analogamente, Alibaba ha sviluppato uno strumento di IA generativa e lo ha messo a disposizione delle imprese che vendono sulle sue piattaforme, fra cui Taobao, la società di e-commerce del gruppo. Sulle piattaforme del gigante cinese operano più di 200.000 fornitori, che offrono più di 200 milioni di prodotti. Lo strumento di Alibaba consente loro di creare portafogli professionali di alta qualità per ciascuno dei loro prodotti. Fino a qualche anno fa, i piccoli fornitori non sarebbero stati in grado di creare portafogli del genere per più di una manciata di articoli di successo.

Trip.com, la più grande agenzia di viaggi online cinese, sta ampliando gli orizzonti dei viaggi personalizzati utilizzando il modello LLM di sua proprietà, Wendao. Addestrato su 20 miliardi di punti dati di alta qualità e alimentato da informazioni in tempo reale e algoritmi privati, Wendao consente alla piattaforma di personalizzare gli itinerari in base alle preferenze individuali e di adattarsi dinamicamente alle mutevoli condizioni di viaggio. Oggi l’intelligenza artificiale è presente in quasi ogni aspetto dell’attività di Trip.com. Gli ingegneri che la usano riescono a ridurre il tempo di scrittura dei codici del 15-30%; il tempo di creazione dei contenuti è diminuito da 8,5 minuti a 15 secondi, con un tasso di promozione della qualità del 98,9%, e i contenuti di marketing vengono prodotti in soli tre minuti. Per quanto riguarda i servizi, oltre il 60% delle richieste di informazioni viene evaso attraverso il fai-da-te basato sull’IA, riducendo i costi e potenziando la capacità di risposta. Tutti questi miglioramenti fanno parte della strategia di Trip.com intesa a spingere la crescita sfruttando l’automazione intelligente.

Nel settore della logistica, SF Technology customizza i modelli di base per il processo decisionale nella catena di approvvigionamento. Il suo modello Fengzhi riunisce la capacità di conversazione dei modelli LLM e la precisione dei modelli settoriali specifici di piccole dimensioni, affrontando sfide comuni come le allucinazioni e l’inaccuratezza nell’adozione delle decisioni. Il risultato è un agente intelligente ad alta efficienza dedicato alle operazioni logistiche. Il suo secondo modello, Fengyu, è già impiegato in più di 20 scenari aziendali, tra cui il marketing, l’assistenza ai clienti, le operazioni di spedizione e lo sdoganamento. SF destina l’80% dei suoi dati di addestramento ai dati di carattere generale e il 20% a informazioni specifiche per la logistica (rispetto ai modelli occidentali che usano il 100% di contenuti generali) al fine di creare modelli più piccoli per contesti specifici, che riducono i costi di inferenza pur sostenendo le prestazioni. È un chiaro caso di IA orientata alle applicazioni, ottimizzata non per la scalabilità, ma per la profondità strategica in un settore.

In campo sanitario, Medlinker’s MedGPT, un medico virtuale basato sull’IA, ha dimostrato capacità di diagnosi di livello professionale, paragonabili a quelle di medici umani, in un contesto ospedaliero. Durante le visite ai pazienti, il modello può inferire rapidamente le probabili cause di una malattia basandosi sulla descrizione dei sintomi del paziente. Fornisce assistenza medica pre-consulenza e migliora l’efficienza sia dell’indagine clinica sia della diagnosi. Mostra anche come le verifiche rigorose in un contesto reale possono promuovere miglioramenti tangibili delle prestazioni. Simili pratiche di calibratura sul mondo reale sono usate anche al di fuori del settore sanitario. L’assistente intelligente Kingsoft Office WPS utilizza l’intelligenza artificiale nelle applicazioni per la produttività, per esempio, e Xiaomi la usa per il servizio di assistenza ai clienti.

Un approccio ibrido

Finora abbiamo descritto il quadro di riferimento alla base dell’ecosistema di IA generativa cinese, ma la nostra ricerca rivela che all’orizzonte si profila un approccio ibrido all’IA, cioè un’integrazione strategica di soluzioni intelligenti cinesi e occidentali. Siamo convinti che stia iniziando un’era in cui nessuno stack o strumento di IA generativa sarà predominante.

Gli Stati Uniti e la Cina oggi gestiscono ecosistemi paralleli che hanno vincoli, priorità e punti di forza differenti: il sistema cinese produce modelli ad alto impatto su larga scala e con rapidità. I sistemi occidentali rimangono forti nella ricerca di frontiera e nell’ampiezza dei modelli di base. Adottando un approccio a due vie, le organizzazioni possono sfruttare il meglio di entrambi i mondi.

Per esempio, Nestlé collabora con aziende cinesi come il gigante dell’e-commerce JD.com, l’innovatore della logistica Cainiao, la società di IA iFlytek e altre aziende al fine di creare soluzioni basate sull’IA localizzate per sondare i gusti dei consumatori e innovare i prodotti. La multinazionale ha riscontrato che i modelli LLM occidentali sono più efficaci per le applicazioni nella logistica e nella gestione del magazzino, mentre le piattaforme cinesi basate sull’IA hanno dato risultati di migliore qualità nell’analitica dei clienti. L’impiego di una combinazione di tecnologie di intelligenza artificiale ha massimizzato l’efficienza operativa di Nestlé preservando il suo vantaggio competitivo nella comprensione dei gusti dei consumatori. Ha inoltre aiutato l’azienda a orientarsi tra dinamiche di mercato e panorami normativi complessi.

Un altro esempio è fornito da Starbucks. Il marchio impiega l’IA in entrambi i mercati, ma fa ricorso ad applicazioni customizzate e integrate nei due diversi ecosistemi. Negli Stati Uniti, si focalizza sul miglioramento della personalizzazione e sull’efficienza operativa servendosi di piattaforme di sua proprietà, come Deep Brew. In Cina, invece, opera in collaborazione con colossi tecnologici come Alibaba per facilitare l’integrazione dell’IA negli ordini online e nei servizi di consegna, in linea con il comportamento dei consumatori cinesi incentrato sui dispositivi mobili. Per accelerare la crescita, ha anche fondato il Centro Starbucks per l’innovazione e la tecnologia a Shenzhen.

Per gestire l’ibridizzazione dell’IA, i manager dovranno comprendere sia gli stack tecnologici sia il contesto normativo e dovranno definire chiaramente il loro orientamento strategico. Sarà inoltre necessario affrontare le questioni della cybersicurezza e della protezione dei dati. Raccomandiamo ai leader aziendali di cominciare il percorso compiendo i tre passi seguenti.

1. Condurre ricerche su entrambi gli ecosistemi di IA. È necessario tenere d’occhio ciò che accade nell’ecosistema di IA generativa in Cina. Sono già emerse soluzioni singolari e innovative in questo mercato e di sicuro ne usciranno altre. La sfida per i leader delle aziende occidentali è tenersi informati: gran parte dei media non cinesi riporta soltanto gli sviluppi straordinari che avvengono in quel mercato. Di conseguenza, le aziende dovranno creare sistemi di monitoraggio degli sviluppi tecnologici, normativi e applicativi in Cina.

Le grandi organizzazioni dovrebbero prendere in considerazione la possibilità di collaborare con società di IA cinesi per ottenere informazioni privilegiate sugli sviluppi e gli strumenti più recenti. Il processo di esplorazione deve includere un’analisi approfondita delle pratiche in materia di governance e condivisione dei dati di questi modelli e del quadro normativo in cui operano.

Per questa fase, dovrete creare un’infrastruttura di intelligence che monitori le fonti di informazioni in cinese e bilingui, come Caixin, 36Kr, TechNode e Rest of World. Dovreste inoltre collaborare con think thank specifici e pragmatici che vi aiutino ad analizzare, interpretare e confrontare i sistemi.

Sarà inoltre necessario parametrare i modelli e i casi d’uso cinesi. Monitorate le principali piattaforme di IA generativa, come il bot Ernie di Baidu, il Tongyi Qianwen di Alibaba, lo SparkDesk di iFlytek, l’Hunyuan di Tencent e il GLM di Zhipu AI. Cercate di sperimentare direttamente le applicazioni in contesti reali, come la vendita al dettaglio, la fabbricazione, l’istruzione e i servizi pubblici. Varie organizzazioni con cui collaboriamo organizzano immersioni nel mercato cinese a questo scopo.

Infine, instaurate collaborazioni a livello locale e una rete di scouting tecnologico. Può essere utile affidare a uno scout di innovazioni locale, che parli il cinese, l’incarico di monitorare la situazione e riferire al riguardo. Questo scout dovrebbe essere inserito nell’ecosistema locale e seguire eventi importanti, come la conferenza mondiale sull’IA a Shanghai e il Forum ZGC a Pechino.

2. Valutare i sistemi cinesi. È prevedibile che l’ecosistema cinese produca nuovi modelli d’impresa e nuove strategie di monetizzazione, proprio come è accaduto nel settore delle tecnologie mobili, dove innovazioni quali il commercio sociale, i portafogli mobili e i sistemi di pagamento hanno surclassato gli sviluppi di sistemi equivalenti in Occidente. La concorrenza brutale e le enormi dimensioni del mercato consentono modelli d’impresa che potrebbero non essere possibili altrove.

Di conseguenza, è essenziale che le aziende studino a fondo i nuovi modelli d’impresa e si preparino ad adattare quelli più facili da trasferire. (Certo, sarà necessario conoscere i fondamenti tecnologici su cui si basano quei modelli d’impresa, dato che il costo dei token, i requisiti di potenza di calcolo, l’impronta ecologica e la scalabilità dipenderanno tutti dallo stack tecnologico di base). È ciò che ha fatto Louis Vuitton Moët Hennessy. La multinazionale ha avviato una collaborazione con Alibaba per sfruttarne le capacità di IA generativa, tra cui il modello LLM Qwen e Model Studio, al fine di localizzare e ottimizzare le attività di vendita online in Cina. Per LVMH, conoscere e adattarsi all’infrastruttura di IA del paese ospite ha comportato vantaggi in termini sia di prestazioni sia di costi.

Procter & Gamble è un esempio di impresa che usa l’IA per creare un marketing iper-personalizzato in Cina. Ha instaurato una cooperazione con Douyin per sfruttare il modello cinese di “e-commerce basato sugli interessi”, cha associa brevi video, scoperte algoritmiche e acquisti diretti. A differenza degli strumenti occidentali, che si focalizzano sulla ricerca e la fedeltà al marchio, Douyin utilizza le raccomandazioni algoritmiche, gli acquisti impulsivi e la scoperta orientata all’intrattenimento.

La multinazionale statunitense ha creato prodotti in collaborazione con i consumatori tramite circuiti di feedback in diretta streaming e testando nuove formulazioni. Le informazioni raccolte hanno permesso di introdurre rapidi adeguamenti degli imballaggi, dei prezzi e della messaggistica. Il modello era basato sull’infrastruttura di IA di Douyin per l’analisi, la determinazione dinamica dei prezzi e la consegna mirata e, per allinearsi a questa tecnologia, P&G ha dovuto ripensare le tempistiche di sviluppo dei prodotti e localizzare le architetture dei dati e i punti di contatto per i consumatori.

3. Abbinare i sistemi occidentali e cinesi. È verosimile che le aziende decideranno di impiegare due modelli paralleli di IA generativa e relative applicazioni. Le imprese globali probabilmente sceglieranno di utilizzare i modelli (occidentali) più accessibili e conosciuti, come ChatGPT, Gemini o Llama, per le applicazioni che richiedono alti livelli di accuratezza e trasparenza. Questi modelli potrebbero essere più indicati per le applicazioni in campo farmaceutico e bancario e nella pubblica amministrazione, soprattutto perché sono settori che richiedono prestazioni elevate, comportano costi maggiori e sono soggetti a notevoli vincoli normativi e obblighi di trasparenza.

Invece, per settori quali le vendite al dettaglio, i beni di consumo e i media, e per mansioni ripetitive come la produzione di riassunti, la scrittura di codice basilare e l’assistenza ai clienti, le aziende potrebbero preferire i modelli meno costosi prodotti in Cina. I minori requisiti normativi li rendono idonei a questi casi d’uso. Per esempio, BMW prevede di includere l’intelligenza artificiale della startup cinese DeepSeek nei suoi nuovi modelli di autoveicoli in Cina entro la fine dell’anno. Questa collaborazione fa parte della strategia aziendale intesa a rafforzare i partenariati per l’integrazione dell’IA negli autoveicoli. La casa automobilistica sta migliorando funzioni quali l’assistente personale intelligente per offrire agli utenti un’esperienza più intuitiva a misura del mercato cinese.

Nell’aprile del 2025 Bosch, il produttore tedesco di componenti per automobili, ha annunciato il suo primo ordine di computer cinesi ad alte prestazioni, progettati per il quadro comandi dei veicoli dotati di intelligenza artificiale. Il sistema prevede il riconoscimento vocale, il navigatore e l’assistenza alla guida. Bosch prevede di fabbricarne più di mille unità, a dimostrazione del suo impegno a soddisfare la forte domanda di tecnologie per veicoli dotati di IA in Cina.

Nel lungo periodo potremmo veder emergere un duplice ecosistema di IA. Ma, a differenza della versione cinese di internet, che è inaccessibile fuori dalla Cina, tra i due ecosistemi potrebbero esistere ponti che permetteranno alle aziende di scegliere il meglio di entrambi i mondi.

La Cina ha costruito una struttura parallela di intelligenza artificiale generativa, che funziona in modo diverso, si sviluppa rapidamente e risponde a un insieme di esigenze differenti. Abbinando le migliori versioni dei modelli agili e pronti all’uso della Cina all’ampia capacità di ricerca e all’infrastruttura della tecnologia occidentale, le aziende possono trovare nuove vie di innovazione e crescita. Non si tratta di scegliere da che parte stare, ma di essere pronti per un futuro multipolare nel campo dell’IA. Adesso è il momento di valutare, collaborare e integrare.

Amit Joshi è docente di IA, Analitycs e Strategie di marketing all’IMD. Mark J. Greeven è docente di Innovazioni nelle tecniche di gestione e responsabile IMD in Asia. Sophie Liu è ricercatrice IMD in Cina. Kunjian Li è ricercatore praticante IMD.