Il modello di intelligenza artificiale più potente non è necessariamente quello più adatto a un’impresa. A Wave 2026, Filippo Rizzante, CTO di Reply, ha indicato nei sistemi specializzati una possibile evoluzione dell’AI applicata alle attività aziendali: strumenti costruiti sulle conoscenze accumulate dalle organizzazioni, più contenuti nelle dimensioni e maggiormente controllabili.
Secondo Rizzante, il patrimonio informativo di un’impresa non è formato soltanto da documenti e banche dati. Comprende anche l’esperienza dei dipendenti, la conoscenza dei prodotti e dei processi, oltre ai criteri con cui vengono prese decisioni complesse. A questo si aggiunge una sorta di struttura dei collegamenti tra le informazioni, che consente di descrivere come le diverse competenze siano connesse tra loro.
La scelta tra modelli diversi
La costruzione di sistemi basati su questo patrimonio era fino a poco tempo fa un progetto accessibile a poche realtà. Ora, ha spiegato il CTO di Reply, l’addestramento sta diventando più semplice e meno costoso. Le imprese possono così valutare modelli dedicati alla conoscenza, al linguaggio o anche all’elaborazione multimodale.
La competizione non riguarda soltanto le prestazioni assolute. I grandi sistemi commerciali continuano a migliorare, ma il divario con i modelli open weight, i cui parametri sono disponibili pubblicamente, si è ridotto. Per attività di ideazione, sviluppo o sicurezza può essere utile un sistema molto potente; per processi di automazione circoscritti, invece, uno strumento più piccolo può offrire risultati migliori e costi inferiori.
Un ulteriore elemento è rappresentato dalla disponibilità dei servizi. I laboratori che sviluppano le principali tecnologie possono modificare l’accesso a modelli e strumenti, mentre i governi intervengono sempre più sulle modalità di circolazione dell’intelligenza artificiale. Per questo, secondo Rizzante, affidarsi a un solo fornitore costituisce un rischio aziendale. La prospettiva indicata da Reply è un insieme composto da sistemi commerciali, open weight e soluzioni specializzate eseguite direttamente dalle imprese.
Controllo, dati e proprietà intellettuale
La scelta non dipende soltanto dal modello. Le organizzazioni devono considerare la capacità di calcolo, i costi, le infrastrutture disponibili e il rispetto delle normative. Per ogni applicazione occorre stabilire quali dati utilizzare, dove far funzionare il sistema, quanto controllo mantenere e quale valore economico aspettarsi.
Acquistare l’accesso a un servizio consente di partire rapidamente con strumenti avanzati. Costruire una soluzione interna permette invece di decidere dove eseguirla e come aggiornarla nel tempo. In questo quadro assume rilievo la proprietà della conoscenza: se dati ed esperienza restano all’interno dell’organizzazione, il sistema può diventare un patrimonio intellettuale e contribuire a differenziare processi e attività rispetto ai concorrenti.
Per rendere operativo questo percorso, Reply ha creato una Model Factory all’interno della propria House of Models, presente a Torino e Londra. Il lavoro parte dall’analisi di una singola attività, dalla verifica dei dati disponibili e dalla valutazione dell’effettiva convenienza nell’addestrare un nuovo sistema. Workshop ed esperimenti con gli esperti servono a definire fin dall’inizio i criteri con cui misurare i risultati.
Non tutte le informazioni devono essere incorporate nel sistema. Alcuni contenuti possono essere recuperati al momento della risposta, evitando di dover riaddestrare ogni volta il modello. Questa impostazione consente di aggiornare le conoscenze utilizzate senza intervenire necessariamente sulla struttura principale.
Il caso dei papiri in greco antico
Tra gli esempi presentati da Rizzante c’è Apollo Restore, sviluppato dall’Accademia austriaca delle scienze insieme a Mistral AI e Sail Reply per assistere gli studiosi nella decifrazione di papiri e iscrizioni in greco antico. Il sistema è stato addestrato su circa 600 milioni di parole tratte da testi storici e propone ricostruzioni per le parti mancanti dei documenti.
Nei test, Apollo Restore ha raggiunto il 63,2%, contro il 27,2% del precedente modello specializzato. In un’altra prova ha sfiorato il 50%, mentre Claude Opus 4.8, indicato allora come il più potente sistema generalista, si è fermato al 15,1%. Secondo i dati citati da Rizzante, in circa il 77% dei casi relativi ai papiri documentari le proposte del sistema corrispondono alle ricostruzioni pubblicate dagli studiosi oppure le migliorano.
L’Accademia mantiene la proprietà intellettuale del progetto, che viene eseguito su infrastrutture europee. Il caso, secondo Reply, mostra come la specializzazione possa consentire a un sistema progettato per un compito preciso di superare strumenti generalisti più potenti. La stessa logica può essere applicata alle imprese, mettendo in relazione documenti, competenze ed esperienze accumulate nel tempo.
