00:00:00 Introduzione agli investimenti in AI da parte dei governi
00:04:42 Il successo di OpenAI con ChatGPT
00:06:29 Difficoltà nell’impiegare capitale nel software
00:07:22 Rischio di prevedere i futuri modelli di AI
00:12:35 Il modello di AI a basso costo di DeepSeek
00:14:22 L’approccio di investimento diffuso di Y Combinator
00:15:27 Investimenti in AI che attraggono aziende non specializzate in AI
00:17:12 Sovrabbondanza di fondi nel mercato dell’AI
00:18:29 La strategia di investimento a scommessa di SoftBank
00:19:52 Le strategie di investimento fallimentari della Francia
00:22:32 Il progresso dell’AI è geograficamente disperso
00:23:53 I mega investimenti in AI sono una distrazione
00:25:02 La mancanza di comprensione dell’AI da parte dei governi
00:27:00 Progressi incrementali nell’AI in cinquant’anni
00:30:18 Il controllo sull’AI potrebbe non garantire la superiorità
00:31:40 Argomentazione contro la superintelligenza
00:33:54 I contributi provengono da fonti diverse
00:39:26 La regolamentazione impedisce la creazione di posti di lavoro
00:46:31 L’innovazione non accadrà all’interno dei programmi governativi
00:50:50 Prestare attenzione alle innovazioni specifiche di settore
Sommario
In questo episodio di LokadTV, Conor Doherty e Joannes Vermorel discutono dei recenti investimenti in AI annunciati dai governi, inclusi i 500 miliardi di dollari dell’Amministrazione Trump e gli impegni di 200 miliardi di Euro dell’Unione Europea. Vermorel critica questi investimenti su larga scala, sostenendo che spesso sono inefficienti e spreconi, con i contribuenti che ne sopportano i costi. Sottolinea che le innovazioni di successo solitamente nascono da sforzi mirati e indipendenti anziché da consorzi burocratici. Vermorel mette inoltre in dubbio gli obiettivi vaghi di questi investimenti e il loro impatto sulla creazione di posti di lavoro, in particolare in paesi con problemi regolatori. Consiglia di concentrarsi su innovazioni specifiche e attuabili piuttosto che su iniziative guidate dallo Stato.
Sommario Esteso
In questo episodio di LokadTV, Conor Doherty, Direttore della Comunicazione presso Lokad, e Joannes Vermorel, CEO e Fondatore di Lokad, approfondiscono l’ultima ondata di investimenti in AI annunciati da vari governi. La discussione ruota attorno alle implicazioni e all’efficacia di questi enormi impegni finanziari, in particolare l’investimento di 500 miliardi di dollari annunciato dall’Amministrazione Trump e la risposta dell’Unione Europea con un investimento di 200 miliardi di Euro.
Joannes Vermorel offre una prospettiva critica, basandosi sull’approccio storico della Francia agli investimenti strategici guidati dallo Stato, noto come “État stratège”. Egli sostiene che tali investimenti su larga scala sono spesso inefficienti e soggetti a sprechi. Vermorel sottolinea che, sebbene questi investimenti includano contributi significativi dal settore privato, la realtà è che i contribuenti sopporteranno il peso dei costi attraverso concessioni come le agevolazioni fiscali.
La conversazione evidenzia le sfide intrinseche nell’impiegare grandi somme di denaro in modo efficiente, specialmente nel settore dell’AI. Vermorel sottolinea che le innovazioni di successo sul mercato non emergono solitamente da consorzi burocratici, ma da sforzi mirati e indipendenti. Cita esempi come l’iPhone e ChatGPT, che non sono stati prodotti da consorzi, ma da entità uniche e dedicate.
Conor Doherty fornisce il contesto, osservando che l’investimento di 500 miliardi di dollari dell’Amministrazione Trump include 100 miliardi di dollari iniziali, con il resto promesso nel tempo. Allo stesso modo, l’investimento della Commissione Europea comprende fondi sia pubblici che privati. Nonostante queste precisazioni, Vermorel rimane scettico sull’efficacia di tali investimenti, sostenendo che spesso portano a inefficienze burocratiche e non riescono a produrre avanzamenti significativi.
La discussione tocca anche gli obiettivi finali di questi investimenti, che rimangono vaghi e indefiniti. Vermorel critica la mancanza di obiettivi chiari, suggerendo che termini come “ethical AI” e “sustainable AI” siano nebulosi e non forniscano una direzione concreta per lo sviluppo.
Vermorel argomenta ulteriormente che il campo dell’AI è caratterizzato da avanzamenti rapidi e imprevedibili, rendendo difficile prevedere le esigenze e le tecnologie future. Sottolinea che il mercato è già saturo di investimenti in data center da parte di grandi aziende come Microsoft, Google e Amazon, mettendo in discussione la necessità di ulteriori investimenti guidati dal governo.
La conversazione si sposta sulle implicazioni più ampie di questi investimenti, in particolare per quanto riguarda la creazione di posti di lavoro. Vermorel mette in discussione l’idea che tali investimenti creeranno occupazione, specialmente in paesi con bassi tassi di disoccupazione come gli Stati Uniti. Egli sostiene che il vero problema nei paesi con tassi di disoccupazione più elevati, come la Francia, è la frizione regolatoria, non una mancanza di investimenti in AI.
Conor Doherty cita la prospettiva di Anthony Miller, che critica in modo simile l’eccessiva regolamentazione in Francia e il suo impatto sull’ambiente delle startup. Vermorel concorda, osservando che le persone più colpite dalla disoccupazione in Francia sono coloro che hanno un basso livello di istruzione e competenze non legate all’AI.
In conclusione, Vermorel consiglia ai supply chain directors e ai direttori IT di rimanere concentrati su innovazioni specifiche e attuabili all’interno dei loro ambiti, anziché lasciarsi distrarre da questi investimenti su larga scala guidati dallo Stato. Prevede che avanzamenti significativi nell’AI continueranno a emergere da sforzi indipendenti piuttosto che da consorzi governativi.
Nel complesso, l’episodio offre un’analisi critica della recente frenesia degli investimenti in AI, mettendo in discussione l’efficacia e l’impatto a lungo termine di tali enormi impegni finanziari. Le intuizioni di Vermorel offrono una prospettiva cautelativa sul ruolo del governo nel guidare l’innovazione tecnologica, sottolineando l’importanza di sforzi indipendenti e focalizzati per raggiungere progressi significativi.
Trascrizione Completa
Conor Doherty: Bentornati su LokadTV. Quindi Joannes, oggi siamo qui di nuovo per discutere, onestamente, l’argomento che oggi sembra non finire mai: l’AI. In particolare, siamo qui perché sembra esserci una vera e propria frenesia internazionale in termini di investimenti in AI, che coinvolge cifre davvero sbalorditive, sia di fondi privati che enormi investimenti pubblici nell’infrastruttura dell’AI. Allora, qual è il tuo parere a caldo su tutto questo?
Joannes Vermorel: Quello che ho visto nelle notizie è che l’Amministrazione Trump ha annunciato pochi giorni fa un investimento di 500 miliardi di dollari. E poi, credo sia stato solo due giorni fa, l’Unione Europea ha risposto dicendo: “Bene, se loro fanno così, allora noi avremo il nostro investimento di 200 miliardi di Euro nell’AI.” Il mio parere generale è che, essendo francese, ciò è abbastanza rilevante, perché l’interessante è che la Francia gioca a questo gioco da decenni. Infatti, ha persino un nome in francese, si chiama “État stratège”, come lo Stato stratega. Basandomi sulla storia della Francia in questo tipo di gioco, posso dire con alta certezza che quasi alla totalità di questo denaro verrà sprecata, punto.
Conor Doherty: Senza voler interrompere, sento però il bisogno di intervenire immediatamente per fornire un po’ di contesto. Perché non voglio semplificare la questione al punto da far sembrare che il Presidente Trump o Ursula von der Leyen stiano spendendo quasi un trilione di dollari di denaro pubblico. Per chiarire, ho alcuni dettagli sullo schermo. Al momento in cui parlo, il 13 febbraio, Trump ha precisato che i 500 miliardi di dollari sono per lo più investimenti del settore privato. Si tratta di Stargate, il conglomerato formato da OpenAI, Oracle e SoftBank in Giappone. SoftBank è una società giapponese. Ursula von der Leyen, Presidente della Commissione Europea, ha annunciato 200 miliardi di Euro, di cui 150 miliardi privati e 50 miliardi provenienti da fondi pubblici. Quindi il quadro è molto chiaro: enormi somme sia di denaro privato che pubblico, ma non si tratta solo di denaro pubblico, per essere chiari.
Joannes Vermorel: Sì, ma ancora una volta, la Francia gioca a questi giochi da decenni. È sempre lo stesso schema. Giustificano il fatto di avere investitori privati, ma la realtà è che verranno concesse agevolazioni come sgravi fiscali o tante altre cose. Quindi il costo è reale e sarà fortemente concentrato sui contribuenti. Ciò che è interessante è che il motivo per cui questi progetti falliscono è che è estremamente difficile impiegare grandi somme di denaro in modo efficiente. O quei progetti sarebbero già accaduti, quindi qui si tratta semplicemente di un annuncio. Prendi un’azienda che avrebbe già investito e proclama quell’investimento come parte della tua grande strategia per il tuo paese. Ma se doveva già accadere comunque, perché hai bisogno di mettere questo investimento in un panaro e dire: “Oh, è il nostro investimento strategico”?
La realtà è che solitamente si finisce in contesti molto burocratici con consorzi in cui ci sono tante aziende che si uniscono. Basta guardare a ciò che generalmente ha successo sul mercato. Quello che vediamo è che quasi invariabilmente non sono consorzi. L’iPhone è un grande successo, ma non è stato il prodotto di una collaborazione con Google, Facebook e chiunque altro. È stato un grande successo, ma non è stato una sorta di consorzio.
Lo stesso vale per OpenAI; ha ottenuto un enorme successo con ChatGPT, ma ChatGPT non è stato il prodotto di un consorzio. La lista continua. In generale, quando osservo questi schemi, “État stratège” è un gioco praticato da decenni, più precisamente per circa mezzo secolo in Francia. Si prende la buzzword del giorno, poi ci si riunisce attorno al tavolo con nomi influenti e grandi aziende. Si aggiungono tonnellate di denaro pubblico per giustificare il fatto che le aziende private realizzeranno i loro profitti. Si concedono molte agevolazioni, sgravi fiscali e così via. Si finisce con un gioco altamente asimmetrico, perché la realtà è che i fondi promessi dall’amministrazione si materializzeranno molto frequentemente, mentre i partecipanti privati si ritireranno.
Ciò che potrebbe benissimo accadere è che, quando l’Amministrazione Trump dice 500 miliardi di dollari, uno scenario potenziale scenario è che tutti gli investitori privati si ritirino se le cose iniziano a diventare insensate, eppure miliardi di denaro pubblico finiranno per essere spesi.
Conor Doherty: Devo sottolineare che, dalla mia lettura della situazione, credo che fossero promessi 100 miliardi di dollari iniziali dall’Amministrazione Trump, con la promessa di altri 400 miliardi. Ad essere equi, chiunque sia familiare con i grandi accordi nel calcio sa che 200 milioni di dollari non vengono pagati in anticipo per un giocatore; vengono suddivisi.
Joannes Vermorel: La questione è che il software non è davvero un settore in cui sia facile impiegare capitale, ed è incredibilmente difficile se vuoi investire una così grande somma di denaro. Ecco perché lo inquadriamo come infrastruttura. Ma anche infrastruttura, cosa significa davvero? Il problema è che i chip, potresti dire, “Oh, ci servono dei chip.” Va bene, ma che tipo di chip? Dipende dall’algoritmo. Abbiamo gli LLM, abbiamo gli LLM del 2025. Quegli LLM sono molto diversi dai modelli di machine learning che erano in voga cinque anni fa. Cosa ti fa pensare che, tra cinque anni, i modelli in voga rifletteranno le stesse esigenze di quelli attuali? È una proposta molto rischiosa.
Conor Doherty: Ad essere equi, ancora una volta, la mia comprensione è che non si tratta solo di chip. L’Alleanza Stargate mira a costruire almeno 20 data center, la maggior parte dei quali in Texas. La Commissione Europea ha promesso di costruire 12 hub per l’AI e una serie di supercomputer. Ma per me, la domanda fondamentale è: prima di parlare del perché questi progetti falliscano, cosa potrebbero benissimo fare, la mia domanda è quella antecedente. Qual è l’obiettivo finale? Cosa cercano di realizzare le persone? Possiamo parlare del motivo per cui falliscono, ma qual è l’obiettivo finale di costruire tutti questi data center, supercomputer e hub per l’AI e impegnare tutto questo denaro, per quanto male possa essere fatto? Qual è l’obiettivo finale?
Joannes Vermorel: A parole, è estremamente vago: “Diventiamo una superpotenza dell’AI.” Ma cosa significa davvero?
Conor Doherty: Esatto, è proprio questo che sto chiedendo.
Joannes Vermorel: Questo è il problema. Nessuno sa. Queste comunicazioni sono estremamente vaghe. Finisci per ottenere: “Oh, una superpotenza dell’AI significa avere accesso all’AI più etica.” Va bene, ma cosa significa? L’AI più sostenibile? Non ne ho la minima idea. Le comunicazioni sono semplicemente incredibilmente vaghe. È sempre così. Ogni volta che la Francia ha provato questo con l"État stratège", le comunicazioni sono sempre necessariamente estremamente vaghe, perché si riuniscono aziende estremamente diverse, che non hanno le stesse strategie, che hanno pochissimo in comune. Inviti Oracle e SpaceX e ti aspetti che quelle persone abbiano qualcosa in comune. È assurdo.
Penso che un gran numero di partecipanti sappia che è completamente assurdo, ma quando hai una terza parte che promette di investire miliardi di dollari o Euro su di te, perché no? Sarebbe un errore non dire semplicemente: “Ok, se siete disposti a sprecare una somma così grande di denaro, almeno sprecatelo su di me.”
Se entriamo in sfide specifiche come supply chain, non è nemmeno chiaro che abbia davvero senso. Se parliamo di AI in supply chain, potremmo attribuirle un significato molto specifico, che sarebbe l’esecuzione automatizzata delle supply chain per tutti i processi banali di decision-making che avvengono nelle supply chain. Quella sarebbe una dichiarazione di tesi chiara su ciò che desideri. Abbiamo processi decisionali estremamente laboriosi: quando ordinare, quanto ordinare, se aumentare o diminuire il prezzo, se spostare questo inventario da una parte all’altra, se aumentare o diminuire la capacità di tutte le cose che potrebbero presentare un limite di capacità.
Va bene, certamente puoi meccanizzare tutto ciò con qualcosa di simile all’AI in qualche modo. Ma, ancora, è il collo di bottiglia l’accesso alla potenza computazionale? Hai bisogno di molta potenza computazionale? Hai bisogno di data center? Ci sono segni che i data center che possediamo siano veramente il collo di bottiglia? Perché quando si tratta di investire in data center, non c’è mai stata una carenza di investimenti. Microsoft, Google, Amazon hanno investito incessantemente in data center per coprire il globo con data center.
La mia opinione è che se Amazon pensa di aver bisogno di più data center, per me va benissimo. Basta che investano e producano altri data center. Lo stesso vale per Microsoft, per Google e per tutti gli altri. Ciò che mi lascia davvero perplesso è l’idea che interferire con questo processo con questi mega investimenti renderà semplicemente quei mercati più efficienti. Per me, è un punto di vista molto fuorviante, specialmente per qualcosa come l’AI, che è così multidimensionale. È molto difficile capire esattamente cosa manca, come sarà il mercato, come saranno le tecnologie tra cinque anni. È estremamente vago. Non è come se investissi un miliardo di dollari in questo e ottenessi i risultati desiderati. La situazione è molto più confusa di così.
Conor Doherty: Parliamo di spendere ancora una cascata di soldi, pubblici o privati che siano, in infrastrutture AI. È più interessante, o quantomeno affascinante, nel contesto delle mie conoscenze su DeepSeek. Ad esempio, DeepSeek è stato prodotto non solo usando meno energia del modello o1 di ChatGPT, ma apparentemente è costato una frazione, qualcosa come 25-30 volte meno. Quindi l’idea che la risposta possa essere quella di analizzare nel dettaglio come è stato prodotto, se è stato plagiato, non è il punto. Il punto era l’infrastruttura: in realtà è stato realizzato a un costo significativamente inferiore rispetto a quanto impiegato per il modello o1. E poi, quale è stata la risposta? Beh, prendi mezzo trilione di dollari e gettali contro il problema.
Joannes Vermorel: Sì, e ciò che è interessante è che Mistral, un’azienda francese, aveva fatto fondamentalmente le stesse affermazioni di DeepSeek circa un anno fa, dicendo: “Sai una cosa, quei LLM, quelli che abbiamo adesso, sono piuttosto sprecheri. Possiamo molto probabilmente ottenere risultati comparabili, se non migliori, con solo una piccolissima frazione delle risorse computazionali.” E ciò che è interessante è che quella era già la posizione di Mistral, ma improvvisamente, quando si trattava di un’azienda cinese che faceva esattamente la stessa cosa, i mercati impazzirono.
Quindi la mia opinione era: beh, è bello vedere una correzione del mercato. Ma fondamentalmente, questo dimostra che, in generale, con le tecnologie software, il percorso, il progresso è estremamente caotico. È molto difficile sapere con anni d’anticipo cosa avrà successo. È molto difficile capire come impiegare il capitale in modo efficace. Ecco perché, tra l’altro, è molto interessante osservare incubatori di startup di grande successo, come ad esempio Y Combinator. Hanno letteralmente aperto la strada a un approccio che consiste nel distribuire il denaro in maniera molto ampia, prendendo migliaia di startup, investendo una piccola quantità di capitale, tipo mezzo milione di dollari per ogni azienda, e vedendo cosa ne esce. E questo approccio sembra essere quello che generalmente funziona nell’industria del software, invece di prendere un campione e versarci miliardi. Storicamente, se si guarda alle aziende, quegli investitori che hanno adottato questo approccio di mega investimenti, come SoftBank, SoftBank ha subito enormi perdite con WeWork. Insomma, hanno iniziato con un fondo da 100 miliardi e hanno sprecato qualcosa come decine di miliardi su WeWork.
Conor Doherty: Beh, WeWork non era nemmeno una società di software.
Joannes Vermorel: Voglio dire, erano stati presentati come tali, ma sostanzialmente era un’agenzia di affitto. Ma questo è il problema. Quando diciamo che vogliamo investire in AI e ci sono miliardi di dollari - anzi, centinaia di miliardi per questo - state certi che ogni singola azienda si presenterà come un’azienda AI. A mia conoscenza, per esempio, Oracle non ha nulla a che fare con l’AI. Non hanno mai contribuito in questo campo. Non posso nemmeno essere sicuro se abbiano mai fatto qualcosa che si avvicinasse al pertinente nel campo del machine learning. Ma ora si stanno brandizzando come aziende AI. E sono abbastanza sicuro che ci saranno molte altre aziende, con track record deboli in quest’area, che si uniranno al carro. Sono abbastanza sicuro che, se dovessi indovinare, direi probabilmente che anche Salesforce si unirà a loro. Di nuovo, questo è il problema.
Quando osserviamo l’AI, la domanda è: cosa manca? Chiaramente mancano tonnellate di cose. Se vogliamo applicare questo all’AI per la supply chain, mancano moltissime cose. Ma il capitale, davvero, dopo anni di allentamento quantitativo in cui abbiamo avuto letteralmente l’accesso più facile al denaro, probabilmente nella storia umana, non penso che, almeno come imprenditore, la mancanza di fondi sia stato il problema principale. Quello che vedo, in generale, guardando al mercato dell’AI è un’eccessiva abbondanza di fondi. Anche se consideri solo i fondi privati, se aggiungi quelli pubblici, finirai solo per accentuare il problema dell’eccesso di liquidità.
Conor Doherty: In generale, hai tracciato un parallelo con le startup immerse in una sorta di foschia o frenesia da capitalisti di rischio che si abbatte attorno alle aziende tecnologiche. Non so se lo intendevi esplicitamente, ma stavi applicando quello stesso quadro a ciò che fanno governi come Giappone, Francia e Stati Uniti? Stai tracciando un parallelo con quei comportamenti che hanno visto enormi aziende tecnologiche, o singole imprese del settore, bruciare centinaia di milioni e miliardi. Stai equiparando queste azioni?
Joannes Vermorel: No, quello che sto dicendo è che impiegare il capitale è estremamente difficile, ed è altrettanto difficile per le aziende private spenderlo correttamente. Spendere è facile, ma farlo in modo redditizio è estremamente difficile. Anche se osservi aziende private come SoftBank, al massimo puoi dire che è una scommessa: non è chiaro che, se si guarda all’insieme, e questo è un punto ripetuto da Warren Buffett molte volte, la maggior parte di quei fondi finisca per sottoperformare il mercato. Quindi, con un semplice ETF, otterresti rendimenti migliori.
Ora, la mia preoccupazione è che, se consideri che è molto difficile impiegare il capitale nell’AI, diventa ancora più difficile impiegare enormi quantità, perché maggiore è la somma che vuoi investire, più diventa complicato. E ora si complica ulteriormente il problema con una serie di governi che stanno creando ogni sorta di incubi burocratici in attesa di accadere, formando consorzi e simili, che storicamente hanno dimostrato ripetutamente di generare molti sprechi. Se le strategie statali fossero una garanzia per arricchirsi, la Francia sarebbe il paese più ricco del mondo. Non è affatto così. Queste iniziative sono fallite in maniera invariabile, tutte.
Conor Doherty: Beh, se posso intervenire su questo punto, perché ancora una volta, quando parli di sprechi finanziari, ovviamente questo è il nostro mestiere, capire cosa si ottiene, qual è il ROI per ogni dollaro speso. Per collegare questo punto a un commento precedente che hai fatto in relazione alla supply chain, in passato hai fatto l’esempio dei tre sistemi di enterprise software. Il primo è il sistema dei record, ed essenzialmente quello è il tuo ERP. Hai già detto che, ancora una volta, nella maggior parte delle aziende, le persone destinano circa tre quarti del loro budget IT a quello che è sostanzialmente un registro glorificato, un foglio di calcolo in sostanza. Un foglio di calcolo per cui spenderò decine di milioni di euro, va bene. E la tua posizione, in sintesi, è che non è particolarmente saggio. Ok, ma una certa somma di denaro deve essere spesa per quello, perché serve qualcosa, una certa quantità di denaro. E hai detto che forse il 5% è appropriato. Beh, applicando lo stesso approccio finanziario, è ovvio che gli stati, i governi, devono spendere una certa somma in infrastrutture AI. Mezzo trilione può essere eccessivo, ma qual è una cifra appropriata?
Joannes Vermorel: Ma contesto davvero questa idea sul perché i governi dovrebbero spendere soldi su argomenti del genere. Sembra la ricetta per sprecare tonnellate di denaro pubblico. A me non dispiace, non pago le tasse negli Stati Uniti, ma poi, apparentemente, l’UE sta recuperando terreno e vuole sprecare tonnellate di denaro fiscale europeo in questo. E in quel caso, ne sarò colpito.
Per me, ciò che è molto strano è pensare che i governi debbano essere coinvolti in primo luogo in questo. È davvero strano. È forse qualcosa in cui serve il supporto del governo? Se si guarda all’intera storia dell’informatica, soprattutto per quanto riguarda quelle cose sfuggenti come l’intelligenza artificiale, nessuna di queste è mai emersa da entità burocratiche gestite dai governi. Il progresso è molto incrementale ed è incredibilmente disperso geograficamente. Abbiamo visto con DeepSeek che un team di quants in Cina può spingere lo stato dell’arte in avanti e, la prossima volta, potrebbe essere un altro team in Germania, in Svezia, ovunque.
E ancora, contesto l’idea che ciò di cui abbiamo bisogno sia la mancanza di fondi, perché chiaramente ce n’è in abbondanza. Se pensi che gli stati debbano intervenire per la mancanza di fondi, come imprenditore nel settore del software, ti direi di ripensarci. Personalmente vengo contattato probabilmente cinque volte al giorno da venture capitalist che vogliono investire in Lokad. La mancanza di fondi non è il problema. Hai a disposizione tutto il capitale che vuoi, ma per me, anche considerandomi con una certa esperienza, se mi dessi anche cento milioni per l’AI, è molto poco chiaro dove investire quei soldi. È una proposta molto difficile. Quindi, confrontiamola con cento miliardi di dollari. Quello, invece, è un problema. La mia opinione è che questo tipo di mega investimenti sia una distrazione. Genereranno molti sprechi, ma creeranno anche molte distrazioni per tutte le parti coinvolte.
Conor Doherty: Solo per analizzare l’idea se gli stati debbano essere coinvolti o meno, o se abbiano interesse in questo. C’è un punto da fare, e, ancora una volta, non sono un esperto. Insegno filosofia e lavoro nel marketing a Lokad. Tuttavia, ho letto il libro di Nick Bostrom “Superintelligence”, che ha circa 10 o forse 11 anni. Quando lo scrisse, delineò il potenziale. So che non stiamo parlando di superintelligenza, quindi abbiate pazienza. L’idea è che la maggior parte delle persone non sa cos’è la superintelligenza. La maggior parte delle persone non sa quanto siamo vicini o meno ad essa. Quello che sanno è…
C’è ancora il potenziale, come delineato da Bostrom, dell’impatto devastante di trovarsi dalla parte sbagliata di una nazione che la possiede. Quindi la mia domanda è: quanto di ciò è essenzialmente una paura a livello statale di non sviluppare sufficientemente questa infrastruttura rispetto ai potenziali nemici?
Joannes Vermorel: Ma cosa ti fa pensare che il governo o chiunque faccia parte di quelle coalizioni di governi abbia qualche idea per rispondere a questa domanda? L’AI non è qualcosa di semplice come costruire un muro gigantesco per difenderci, qualcosa di molto tangibile con un obiettivo chiaro. Stiamo parlando di qualcosa di incredibilmente sfuggente. Immagina solo di sostituire l’AI con un concorso per scrivere il miglior romanzo — il più poetico, interessante, affascinante. Pensi davvero che investire miliardi in questa sfida produca meccanicamente il miglior romanzo? No. Sicuramente otterresti molti partecipanti, ma degenererebbe subito in un incubo burocratico senza alcuna possibilità di creare qualcosa di bello.
L’AI è incredibilmente sfuggente. Parte del problema con i large language models (LLMs) è che non comprendiamo veramente la natura dei loro limiti. Se capissimo cosa ci sta realmente bloccando dall’ottenere un’intelligenza artificiale generale, avremmo un percorso di sviluppo chiaro. Il problema è che, negli ultimi 50 anni, ogni generazione di modelli di machine learning ha rivelato qualcosa di fondamentale che era stato frainteso sull’intelligenza. Ogni rivoluzione è stata incrementale, facendoci capire che c’era qualcosa di profondo nell’intelligenza che ci sfuggiva.
Colmando queste lacune si è fatto progresso, e oggi abbiamo soluzioni che ci offrono risultati spettacolari. Ma la comunità in generale — esperti, ricercatori nell’AI — trova estremamente vago il percorso da seguire. Si sta lanciando tutto contro il muro per vedere cosa ci attacca, e lo si fa bendati. Non è chiaro che buttare soldi nel problema possa peggiorare le cose. OpenAI, si può dire, era abbastanza distratta perché aveva troppo denaro e si era concentrata sui mega modelli, arrivando così un po’ in ritardo quando si trattava di realizzare gli stessi LLM ma molto più snelli.
Esiste questo mito secondo cui, solo perché si intravede una direzione, come l’AI che rappresenta il futuro, chiunque abbia qualche idea su come raggiungerla. La cosa interessante del mercato è che ci saranno migliaia di persone disposte a correre dei rischi, a provare cose, e, in definitiva, da questa gigantesca competizione emergerà un vincitore. Questo è molto positivo. Quando si ha una strategia statale, si finisce per ottenere cose come il Minitel francese. La Francia ha cercato di inventare il proprio internet, gestito dallo Stato, ed è stato un disastro totale.
La possibilità che lo Stato possa guidare l’umanità in avanti può accadere solo su problemi estremamente ben compresi e lineari, dove un approccio a pura forza bruta funziona. Ma se si tratta di qualcosa di multidimensionale, è molto difficile. Potreste finire in una situazione in cui l’IA diventa essenzialmente open source, senza alcun valore. Il vostro nucleo di IA potrebbe essere open source e gratuito, e tutto il valore verrebbe costruito su ciò che fate con questa IA. Non è chiaro che avere il controllo completo sull’IA conferisca una superiorità a qualcuno. Pensateci come alla matematica. Immaginate un paese che produce tutti i matematici che dimostrano tutti i teoremi. Quel paese sarebbe una superpotenza matematica, ma una volta dimostrati quei teoremi, tutti possono beneficiare dei risultati. Essere una superpotenza matematica non si traduce in potere reale o ricchezza. C’è un altro errore di ragionamento: se fai la scoperta, catturi il valore aggiunto. Non necessariamente. Proprio come essere una superpotenza matematica non equivale a sfruttare tutta questa conoscenza per fare qualcosa che renda i paesi più ricchi.
Conor Doherty: Quello che hai essenzialmente delineato è l’argomento che Bostrom ha presentato contro la superintelligenza. So che non stiamo parlando di superintelligenza, ma prima di raggiungere un’IA superintelligente, che lui ipotizzava sarebbe arrivata da qualche parte a metà di questo secolo, ci sono dei passaggi che devono essere completati. Chiunque possieda ciò è essenzialmente una superpotenza. Se hai il monopolio su un insieme di competenze di valore, sei una superpotenza. Analogamente, chi progredisce di più nell’IA potrebbe essere il più potente, e ciò potrebbe influenzare alcune decisioni.
Joannes Vermorel: Sì, ma si tratta di pura speculazione. Non ci sarà alcun monopolio. Una volta che la comunità raggiunge un certo livello di comprensione, ciò che era una superpotenza esclusiva o una competenza di pochi diventa una merce. Al momento, gli sviluppi dell’IA sembrano seguire gli stessi schemi visti nell’informatica negli ultimi 50 anni. È tutto molto incrementale, con un’infinità di contributori diversi. I contributi arrivano da migliaia di fonti. Ci sono molti articoli che forniscono contributi sostanziali, ma la persona che li apporta potrebbe avere soltanto un singolo lavoro significativo.
L’umanità continuerà a progredire nell’IA proprio come in matematica, ma non esiste un monopolio. Nessuno possiede la conoscenza della matematica. Alcuni paesi hanno più matematici di altri, ma ciò conferisce una vera superpotenza in termini di qualità della vita, accesso ai beni materiali e così via? Assolutamente no. È molto incerto che tali investimenti possano catturare quel valore. Stiamo investendo in hardware per i prossimi 5-10 anni per modelli di cui non sappiamo come saranno. C’è una notevole possibilità che si commettano errori e che il denaro venga sprecato. Se Microsoft investisse in più data center e sbagliasse, sarebbero gli azionisti a subire quella perdita. L’idea che i burocrati possano impiegare centinaia di miliardi di dollari o euro in modo efficiente sull’IA è una distrazione.
Conor Doherty: Ancora, non sono un economista, ma ho letto parecchio sulla teoria del processo decisionale e su come, se confronti la percezione delle persone riguardo a numeri piccoli e numeri grandi, siano radicalmente diversi. Ad esempio, se vi dicessi, CEO dell’azienda, che l’anno scorso abbiamo speso 12.000 dollari per il caffè nella sala pausa, potreste pensare che sia una cifra folle solo perché il caffè è una cosa quotidiana. Dovrebbero essere 10.000 dollari? 12.000 dollari? O magari 5.000 dollari? Lo indagherò. Ma se dicessi che l’aggiornamento del vostro ERP vi costerà 250 milioni di dollari, suona ragionevole. Non so esattamente quanto dovrebbe costare. Allo stesso modo, per costruire 20 data center, costerà mezzo trilione di dollari. C’è una sorta di tirannia quando si parla di numeri grandi. Penso che ciò si aggravi ulteriormente quando ci sono persone nel processo decisionale che potrebbero non avere molta conoscenza tecnica di ciò che avviene sotto il cofano. Poi viene detto loro: “Ecco essenzialmente un assegno in bianco”, perché mezzo trilione di dollari equivale a un assegno in bianco. Scrivete il numero che ritenete appropriato per costruirlo. La mia domanda è allora: quanto realistica è l’aspettativa che quel denaro possa essere distribuito in modo sensato e che porti beneficio al pubblico in termini di creazione di posti di lavoro?
Joannes Vermorel: A mio parere, l’aspettativa dovrebbe essere estremamente bassa su questo fronte. Se guardi le statistiche dell’occupazione negli Stati Uniti, vedrai che godono di piena occupazione, o quasi, se escludi le persone che sono finite in carcere. Quindi l’idea che si creino posti di lavoro in una situazione di piena occupazione è strana. Potreste dire: “Oh, avremo lavori molto migliori”, ma dobbiamo chiederci se sia davvero una valutazione realistica. Se qualcuno lavora in una pizzeria, potrebbe emergere la necessità di un amministratore di database, e quel lavoro sarebbe meglio retribuito. Ma se la persona continua a lavorare in una pizzeria, preparando pizze, e non in un ruolo ben retribuito nell’amministrazione dei database, probabilmente si tratta di una questione di competenza.
Per me, l’argomento della creazione di posti di lavoro è completamente ortogonale, specialmente in paesi come gli Stati Uniti, che hanno tassi di disoccupazione molto bassi. È un argomento di dubbio valore per giustificare qualsiasi investimento. Se andiamo in Europa, dove i tassi di disoccupazione sono più elevati, la realtà è che la maggior parte di questi tassi è dovuta alle regolamentazioni. Se ciò che impedisce alle persone di avere un lavoro è una norma regolamentare, l’idea che un investimento massiccio in qualcosa risolva il problema è errata. Quegli aspetti sono completamente indipendenti. Fino a quando non si risolvono le regolamentazioni che impediscono l’occupazione, non si riuscirà a impiegare quelle persone.
Per il pubblico che non ha familiarità con l’Europa, in molti paesi come Francia, Spagna, Italia, è quasi impossibile per le aziende licenziare i propri dipendenti. Di conseguenza, tutte le aziende devono essere estremamente caute nelle assunzioni. Questo crea molta frizione e, in larga misura, la disoccupazione può essere spiegata da questo tipo di attrito. Paesi che non hanno tali frizioni, come la Svizzera, godono di tassi di disoccupazione molto inferiori. A mio avviso, l’argomento è che, anche con investimenti massicci, l’idea di creare posti di lavoro è una proposizione molto debole, soprattutto quando si tratta di fondi pubblici. Significa togliere soldi alle persone comuni per darli ad altri. Con investimenti privati si creano opportunità, ma parlando di fondi pubblici, sono soldi presi dai contribuenti per essere ridistribuiti.
Conor Doherty: Se posso intervenire su questo punto, mi è successa una cosa divertente mentre ero su quella nota. Si collega al punto perché volevo essere preciso con le informazioni. Volevo cercare qualcosa che Anthony Miller aveva detto su LinkedIn. Anthony Miller, un amico del canale, ha un blog fantastico. Raccomando vivamente di visitarlo su Wiser LogTech. Ho aperto LinkedIn per ottenere quell’informazione esatta, e in cima al mio feed c’era proprio Anthony Miller che pubblicava esattamente su questo argomento. Un post recente, ma quello a cui volevo richiamare l’attenzione è quando lui ha detto, pochi giorni fa, e vorrei conoscere il vostro punto di vista. Ha espresso un’idea molto simile, secondo cui, in particolare per la Francia — anche se riguarda ampiamente gli stati europei, ma soprattutto la Francia, visto che ci troviamo tutti qui, lui incluso — questo finanziamento di 200 miliardi, per quanto possa essere ripartito tra gli stati, non porterà necessariamente alla creazione di posti di lavoro in Francia. La ragione specifica che ha citato è che, nel complesso, per le startup, la Francia è troppo regolamentata e forse un po’ inospitale per l’ambiente startup. Sono curioso: condividi questo livello di scetticismo?
Joannes Vermorel: Sì, lo faccio. Se osservi chi è disoccupato in Francia, la risposta non sono le persone con competenze in IT o informatica. Queste persone sono tutte occupate. Se consideriamo chi possiede competenze di mercato di valore, specialmente in ambito IA o correlato all’IA, il tasso di occupazione è praticamente del 100%. Quando guardi in Francia, chi sono le persone maggiormente disoccupate? La risposta è, fondamentalmente, i giovani con bassa istruzione. Il tasso di disoccupazione per le persone sotto i 25 anni è intorno al 20%. Attualmente, la Francia ha un tasso di disoccupazione complessivo del 7% secondo Google. Ma se guardi i sotto i 25, è circa il 20%. Bisogna considerare che in Francia ci sono 200.000 persone che studiano sociologia in qualsiasi momento.
La Francia sta producendo un numero enorme di persone che non sono qualificate per nulla. L’IA risolverà questo problema? Non credo. Se analizziamo perché queste persone sono disoccupate, la risposta è perché hanno passato cinque anni a studiare sociologia, che non fornisce loro competenze utilizzabili realisticamente in nessuna azienda per alcun scopo. Il fatto che la Francia investa improvvisamente nell’IA non risolverà questo problema. Non eri occupato prima perché le tue competenze non avevano valore sul mercato. L’IA non cambia fondamentalmente questo aspetto.
Se parliamo di creazione di posti di lavoro, ciò che la gente intende è che verranno creati lavori per chi non è occupato. La realtà è che in Francia le persone con competenze decenti sono occupate quasi al 100%.
Conor Doherty: Per essere chiari, in molti casi chi possiede quelle competenze in Europa, in particolare in Francia, se è sufficientemente fluente in inglese, spesso viene attirato dalle startup americane. C’è un effetto di fuga dei cervelli.
Joannes Vermorel: Se si parla della creazione di posti di lavoro, l’idea è che se crei un lavoro per qualcuno che è già occupato, stai semplicemente spostando le cose lateralmente. La domanda è: risolveremo la situazione dei disoccupati? La mia risposta è che in Europa ci sono un sacco di persone disoccupate, ma quelle ragioni non hanno nulla a che fare con l’IA e ciò che l’IA può fare per l’Europa, per gli USA o per il mondo. Anche se l’IA avrà un enorme successo, non cambierà nulla per chi resta disoccupato, per lo stesso motivo per cui in America le persone che hanno subito condanne, sono finite in carcere più volte e faticano immensamente a trovare un lavoro, non vedranno un reale cambiamento. Anche se il paese fosse immensamente prospero, il destino di quelle persone non sarà fondamentalmente diverso solo perché abbiamo un’IA incredibilmente buona che realizza molte cose di valore per le aziende.
Conor Doherty: Non voglio mettere parole nella tua bocca, ma in sintesi, sei dell’idea che, dal punto di vista del contribuente medio in Europa, non ci sia alcun valore aggiunto in questo?
Joannes Vermorel: Non c’è alcun valore aggiunto in questo in Europa. Non penso ce ne sia nemmeno negli USA. Se guardiamo più nello specifico le supply chain, penso che i supply chain directors non vedano quei programmi come il luogo in cui avverrà l’innovazione. Sarebbe soltanto un gigantesco spreco di risorse. Questi consorzi saranno spreconi, burocratici e non guideranno la prossima generazione di IA.
Quei consorzi possono arrecare danni maggiori che solo sprecare euro o dollari di tasse. Sono anche una gigantesca distrazione che può distorcere la percezione dei dirigenti aziendali, facendoli credere che questo sia il luogo in cui l’innovazione avverrà, dove si creerà valore. La mia opinione, e su cui sarei disposto a scommettere, è che non sarà lì che accadrà l’innovazione. L’innovazione continuerà ad accadere, semplicemente non in quel contesto.
Conor Doherty: Beh, è interessante perché spesso quando provo a spingerti a fare previsioni su cosa accadrà, tieni le carte molto strette al petto. Oggi sei stato molto fermo nelle tue previsioni.
Joannes Vermorel: Sì, voglio dire, la cosa interessante è che se vuoi che predica dove avverrà l’innovazione, non lo so. Ma possiamo comunque escludere alcuni luoghi. La prossima rivoluzione dell’IA verrà dalla Corea del Nord? Improbabile, molto improbabile. Verrà dai burocrati governativi? Molto improbabile, proprio come la Corea del Nord. Quindi, vedete, non è perché non posso fare una previsione precisa che non posso escludere alcune cose estremamente improbabili se guardiamo alla storia.
Conor Doherty: Quindi, tra 12 mesi, non pensi che l’Europa avrà costruito qualcosa, per non parlare di aver ottenuto enormi progressi?
Joannes Vermorel: Può succedere, ma se accadrà, non sarà grazie a quegli investimenti. L’innovazione può essere molto irregolare, e può accadere praticamente ovunque. Alcuni paesi dispongono di una manodopera estremamente qualificata. Ad esempio, la Svizzera è un punto caldo per questo tipo di talenti. Le probabilità che in Svizzera nasca una tale azienda non sono male.
Conor Doherty: Paradisi fiscali?
Joannes Vermorel: Sì, ma non solo paradisi fiscali. Ad esempio, l’ETH University è eccellente. Ci sono molti posti con università tecniche eccellenti. La Francia, sì, la Francia ne ha molte. Quindi, la mia opinione è che il candidato principale siano gli Stati Uniti, proprio perché hanno il maggior slancio, le comunità più grandi e i maggiori esperti. Ma anche se il progresso continuerà a provenire dagli USA, la mia previsione è che non avrà nulla a che fare con quegli investimenti massicci diretti dalle amministrazioni federali. Il successo probabilmente accadrà negli USA, dato che dominano il campo da decenni. Ma questo successo sarà il risultato di quegli investimenti massicci del governo federale? In generale, non lo penso.
Conor Doherty: Va bene, siamo quasi a un’ora, quindi inizierò a concludere. In termini di considerazioni finali, cosa vorresti dire prima di terminare?
Joannes Vermorel: Agli supply chain directors o IT directors che ci stanno guardando, non fatevi distrarre. Queste cose sono solo una perdita di tempo e, sfortunatamente, uno spreco dei vostri soldi, ma non potete farci nulla perché sono i vostri soldi da tasse.
Conor Doherty: Non stiamo promuovendo nulla di illegale.
Joannes Vermorel: Ma almeno quello che potete fare è assicurarvi che non diventi una completa distrazione per voi. Il mio suggerimento è di prestare attenzione a ciò che sta succedendo, ma di non lasciarvi distrarre da quegli investimenti massicci. Molto probabilmente, non ne verrà fuori nulla. Rimanete attenti alle cose specifiche del vostro settore che sembrano ottenere trazione nel fare qualcosa di concreto per i vostri casi d’uso, invece di inseguire la superintelligenza e simili.
Conor Doherty: Va bene, Joannes, non ho altre domande. Grazie mille per il tuo tempo. Ho apprezzato la conversazione e spero che anche gli altri l’abbiano fatto. Grazie per averci seguito, e ci vediamo alla prossima.
