Le aziende che finalmente utilizzano l'AI scoprono che il loro business è stato rubato dalle grandi aziende di modelli

Titolo originale: "Le aziende che finalmente utilizzano l'AI scoprono che il loro business è stato rubato dalle grandi aziende di modelli"
Autori originali: Yuhang Yuan, Jingyu, Geek Park

Non vogliono solo i tuoi soldi, ma anche il tuo business. Il 1° luglio, il CEO di Palantir, Alex Karp, è entrato nello studio di CNBC e ha lanciato una bomba con un tono quasi fuori controllo.

Ha detto che l'industria dell'AI è "effing insane" (pazzesca), ha affermato che i CEO delle aziende americane sono "livid" (furiosi) nei confronti di OpenAI e Anthropic, e ha dichiarato che le aziende stanno facendo una cosa ridicola: pagano folli somme per i token mentre consegnano i loro dati operativi più critici ai fornitori di modelli. E il valore commerciale che ottengono in cambio è quasi impossibile da misurare.

Il conduttore gli ha chiesto se stesse "scaricando la responsabilità". Karp ha risposto: "No, sto solo dichiarando i fatti."

Il giorno stesso, il prezzo delle azioni di Palantir è aumentato del 9%. Questo numero è di per sé un voto------il mercato ritiene che abbia espresso ciò che molte persone volevano dire ma non hanno avuto il coraggio di dire.

Non è solo un'espressione di emozioni di una persona. Quando il leader di un'azienda con una capitalizzazione di mercato superiore ai 100 miliardi di dollari spara contro l'intero settore dei grandi modelli in diretta nazionale, e il mercato risponde con denaro reale, significa che un'emozione collettiva ha raggiunto un punto critico.

Negli ultimi due anni, tutti hanno parlato di come abbracciare i grandi modelli. Ma ora, sta emergendo una nuova domanda------le aziende che si avvicinano troppo ai grandi modelli rischiano di essere distrutte?

01 Da "sopra" a "non ingenuo"

Ricordando l'inizio del 2024, l'atteggiamento delle aziende verso i grandi modelli può essere riassunto in quattro parole------"iniziamo ad usarli".

Non importa se il ROI è positivo o negativo, non importa dove vadano i dati, in ogni caso non si può rimanere indietro. La narrativa dominante di quel periodo era: "La rivoluzione dell'AI è arrivata, chi non abbraccia sarà spazzato via". CIO e CTO di vari settori, sotto una pressione enorme, hanno cercato di inserire l'AI in ogni aspetto del business possibile. Questa è una decisione tipicamente guidata dal panico tecnologico.

Nel 2025, "espansione totale" è diventata la parola chiave. Le aziende hanno iniziato a integrare seriamente i grandi modelli nei processi aziendali core, non si limitano più a fare demo o hackathon interni. Dalla customer service alla generazione di codice, dall'analisi di mercato alla progettazione di prodotti, la penetrazione dell'AI in termini di profondità e ampiezza sta espandendosi in modo esponenziale.

Ma entrando nel 2026, sta avvenendo un sottile cambiamento di emozione.

I dati di ricerca di Salesforce mostrano che solo la metà dei leader IT ha fiducia nelle infrastrutture dati delle proprie aziende per supportare il successo dell'AI. Un rapporto di ricerca pubblicato da NTT DATA a maggio di quest'anno ha usato direttamente il termine "collisione"------l'AI aziendale sta affrontando colli di bottiglia strutturali causati da requisiti di privacy e sovranità dei dati. Gartner prevede che entro il 2027, il 35% dei paesi dipenderà da piattaforme AI regionalizzate, mentre oggi questo numero è solo del 5%.

Karp ha espresso questo cambiamento in modo più diretto. Ha detto che le aziende stanno passando dal "tokenmaxxing" (accumulo irrazionale di token) a una vera e propria richiesta di ritorno sugli investimenti. "Il punto fondamentale è: non sprecate più tempo sui token."

Questo non è un rifiuto dei grandi modelli, ma l'intero settore sta passando da "sopra" a "non ingenuo". Dopo il periodo di entusiasmo, le aziende iniziano a esaminare con uno sguardo più freddo una questione fondamentale------le cose che consegno e quelle che ricevo, posso fare i conti?

02 Quando i partner diventano concorrenti

Le critiche di Karp si fermano a livello di modello di business. Ma ciò che fa davvero rabbrividire è un'altra minaccia più diretta------il tuo fornitore di servizi AI potrebbe utilizzare i dati e la comprensione dei tuoi scenari che hai fornito per costruire un prodotto che ti sostituisce.

Ciò che è accaduto ad aprile 2026 ha trasformato questa preoccupazione da teoria a realtà.

A febbraio di quest'anno, Figma e Anthropic stavano collaborando per sviluppare una funzione chiamata "Code to Canvas", integrando senza soluzione di continuità il codice generato da Claude nel flusso di lavoro di progettazione di Figma. Le due aziende sembravano essere partner intimi.

Il 14 aprile, il Chief Product Officer di Anthropic, Mike Krieger, ha silenziosamente rassegnato le dimissioni dal consiglio di amministrazione di Figma.

Tre giorni dopo, Anthropic ha lanciato Claude Design------uno strumento di design AI che può generare prototipi interattivi, presentazioni e materiali di marketing direttamente in linguaggio naturale, mirato precisamente al core business di Figma.

Il prezzo delle azioni di Figma è sceso di quasi l'8% quel giorno.

Un dettaglio interessante in un articolo successivo di Fast Company è che Figma e aziende come Adobe e Canva hanno avuto relazioni di collaborazione con Anthropic per anni, ma prima del lancio di Claude Design, nessuno è stato avvisato. Tutti si sono resi conto, in modo inaspettato, che il proprio partner AI stava diventando un concorrente sotto i loro occhi.

La ragione per cui questa storia merita riflessione è che espone un problema strutturale più pericoloso che mai nell'era dei grandi modelli------quando collabori profondamente con un'azienda AI, non solo consegni l'accesso al mercato, ma anche la tua comprensione centrale degli scenari e i dati sulle esigenze degli utenti.

Anthropic è stata in grado di creare Claude Design in gran parte grazie alla sua profonda comprensione dei flussi di lavoro e dei punti critici dei designer, acquisita attraverso la collaborazione con le aziende di strumenti di design.

Ma se allarghiamo la prospettiva, questo non è un nuovo copione nella storia della tecnologia.

Amazon ha iniziato come piattaforma di e-commerce e ha creato marchi propri, utilizzando i dati della piattaforma per identificare con precisione le categorie più redditizie e poi lanciando i propri prodotti per erodere i venditori di terze parti. Microsoft ha iniziato con i sistemi operativi e ha assorbito uno dopo l'altro browser, software di produttività e strumenti di comunicazione------Netscape è stato eliminato, Slack costretto a vendere. Google si è espanso dai motori di ricerca, rispondendo direttamente alle domande degli utenti con le pagine dei risultati di ricerca, marginalizzando Yelp e molti fornitori di servizi informativi verticali.

La regola d'oro dell'industria tecnologica non è mai cambiata------una volta che una piattaforma possiede abbastanza dati e comprensione degli utenti, inizierà a erodere verso l'alto.

Nell'era dei grandi modelli, questa regola è diventata ancora più feroce, perché l'erosione tradizionale della piattaforma richiede tempo per accumulare comprensione, mentre i grandi modelli sono naturalmente un "acceleratore di comprensione". Ogni chiamata API, ogni input di dati aziendali, sta aiutando i fornitori di modelli a comprendere più rapidamente e profondamente il tuo territorio.

03 Il "limite di Roche" nell'era dell'AI

In astronomia esiste un concetto chiamato "limite di Roche"------quando un corpo celeste si avvicina troppo a una stella massiccia, la forza di marea supera la sua gravità, e il corpo celeste viene distrutto.

Questa metafora descrive in modo inquietante la relazione attuale tra le aziende e i grandi modelli.

I grandi modelli sono quella stella massiccia. Ogni azienda desidera sfruttare la sua gravità per accelerare------aumentare l'efficienza, ridurre i costi, innovare. Ma il problema è che, quando ti avvicini abbastanza, la tua "materia" inizia a essere strappata via. I tuoi dati, know-how e comprensione delle esigenze degli utenti fluiscono verso il centro di gravità durante il processo di collaborazione.

E dove sono i confini su come le aziende possono "ballare con l'AI" senza essere infine inghiottite?

Questa domanda è già sul tavolo negli Stati Uniti. Ma se pensi che sia ancora lontana dalle aziende cinesi, potrebbe essere un'illusione.

Le aziende cinesi e americane hanno ritmi diversi nell'applicazione dell'AI; le aziende americane sono già entrate nella fase di distribuzione dell'AI su larga scala e profonda, mentre le aziende cinesi sono ancora nel processo di passaggio da progetti pilota a scalabilità. Una ricerca pubblicata a marzo da Lenovo e IDC ha mostrato che il 72% delle aziende domestiche ha già completato progetti pilota di agenti intelligenti e li ha messi in uso ufficiale, distribuendo in media l'AI in 3,5 scenari. Ma il focus delle sfide è già cambiato da "mancanza di potenza di calcolo e dati" a "risultati delle applicazioni non soddisfacenti" e "ROI non chiaro".

In altre parole, le aziende cinesi stanno entrando in una "fase di risveglio dell'AI" simile a quella delle aziende americane.

Geek Park ha recentemente scoperto un fenomeno interessante parlando con molti imprenditori e aziende tradizionali------le riflessioni su queste questioni, molte volte, non provengono da una crisi diretta come "temo che le aziende di modelli rubino il mio business", ma piuttosto dal fatto che, dopo aver realmente integrato l'AI nel business, iniziano naturalmente a ridefinire "qual è il mio valore fondamentale nell'era dell'AI".

Questa ridefinizione si concentrerà infine su due capacità chiave.

04 Chi controlla le "fondamenta dell'AI"?

La prima, e anche la più realistica, è in perfetta sintonia con quanto detto da Karp------dove vengono realmente eseguiti i tuoi dati e la tua logica aziendale?

Il punto centrale che Karp ha ripetutamente sottolineato su CNBC è questo. I dati operativi più sensibili delle aziende non dovrebbero fluire nel black box dei fornitori di modelli di terze parti. Ha posizionato Palantir come un'applicazione che fornisce "AI sovrana"------i modelli possono essere di altri, ma i dati devono rimanere all'interno delle proprie mura, e il deployment deve avvenire su infrastrutture controllabili.

Non è paranoia; la sensazione delle aziende cinesi è in realtà completamente in linea. Huang Weijie, responsabile della ricerca e sviluppo di WPS 365 di Kingsoft, ha recentemente detto una cosa molto pertinente------"Oggi le aziende non hanno bisogno di hardware e modelli, ma di un'applicazione AI sicura."

I dati di IDC confermano anche questa tendenza; nella distribuzione della potenza di calcolo AI delle aziende, la percentuale di cloud pubblico sta diminuendo, mentre la percentuale totale di cloud privato e distribuzioni locali è aumentata dal 54% al 69%. "I dati non escono dal dominio" sta diventando il primo criterio di selezione per i CTO.

Karp chiama questo "cognizione della merce". Il suo giudizio è che la qualità del modello stesso sta convergendo, e il vero valore differenziante non è a livello di modello, ma nell'applicazione che lega le capacità del modello a scenari specifici dell'azienda. Il "motore AI sovrano" lanciato da Palantir in collaborazione con NVIDIA è un prodotto di questa logica: utilizza modelli open source insieme alla propria ontologia e framework di governance di Palantir, consentendo alle aziende di eseguire l'IA in un ambiente completamente controllato, senza che un byte di dati esca. Nel primo trimestre del 2026, Palantir ha registrato ricavi di 1,63 miliardi di dollari, con una crescita del 85% rispetto all'anno precedente, il che rappresenta in qualche modo un voto del mercato per questa strada.

C'è un segnale da tenere d'occhio: le aziende e le soluzioni che aiuteranno a eseguire l'IA "sulla propria base" saranno sempre più ricercate. In Cina, il "cervello privato dell'IA" è già diventato un settore reale, con molte startup che stanno sviluppando prodotti in questa direzione. Non si tratta di una pulizia tecnologica, ma di una scelta razionale fatta dalle aziende dopo aver riflettuto.

05 Non trasformare l'organizzazione in una "macchina da ripetizione"

La seconda capacità, più difficile da quantificare, ma che Geek Park percepisce sempre più forte nei colloqui con le aziende, è: quando l'IA può sostituire sempre più fasi esecutive, che tipo di "persone" servono ancora nell'organizzazione?

Alcune aziende che stanno correndo più velocemente hanno già affrontato questo problema.

Quando l'IA supera chiaramente l'efficienza umana in alcune fasi, un pensiero naturale è "eliminare le persone". Ma dopo che l'organizzazione si è assottigliata, un problema nascosto inizia a emergere: ciò che l'IA esegue è essenzialmente la "migliore pratica" condensata da queste persone in un ambiente passato. Quando l'ambiente cambia, il mercato cambia, gli utenti cambiano, l'IA continua a eseguire fedelmente quella vecchia logica, mentre nell'organizzazione non ci sono abbastanza persone per percepire questi cambiamenti e spingere l'evoluzione del business.

In parole povere, un'organizzazione piena di IA ma svuotata di persone potrebbe semplicemente ripetere in modo efficiente il passato.

Non si tratta di non utilizzare l'IA per sostituire l'esecuzione. Si tratta di dire che, quando l'IA ha preso in carico sempre più livelli esecutivi, le aziende hanno bisogno di un altro tipo di persone: non quelle tradizionali che eseguono compiti specifici, ma quelle in grado di "comandare" l'IA. Questo ruolo deve comprendere la visione d'insieme del business, essere in grado di giudicare se ciò che l'IA produce è ancora applicabile alla realtà in evoluzione e vedere nuove possibilità al di fuori della "soluzione ottimale" fornita dall'IA.

Alcune aziende all'avanguardia hanno già iniziato a riflettere seriamente su questo problema. Hanno scoperto che dopo aver implementato l'IA, la vera competitività non è "quante persone hai sostituito con l'IA", ma "le tue persone possono guidare l'IA per fare cose che prima non erano possibili". Se si tratta solo di far sì che l'IA automatizzi e cicli continuamente i dati storici, in sostanza si è bloccati in uno snapshot del passato.

L'importanza di questo cambiamento di percezione potrebbe non essere inferiore alla sovranità dei dati. Quando l'IA livella le barriere tecnologiche, "il giudizio umano" e "la capacità di evoluzione dell'organizzazione" diventano le cose più difficili da replicare. Alcune aziende lo hanno già capito, altre no. Ma questo punto di svolta potrebbe diventare molto chiaro nei prossimi uno o due anni.

06 Il settore ha bisogno di "nuove aziende di IA"

Negli ultimi due anni, un'ipotesi implicita ha dominato l'intero settore: il valore dell'era dell'IA si concentrerà infine nelle mani delle aziende di modelli. Più ci si avvicina al modello, maggiore è il valore.

Questa ipotesi sta vacillando.

Karp ha in realtà rivelato una cosa su CNBC: il modello stesso sta diventando una cognizione della merce. Quando le capacità dei vari grandi modelli si avvicinano sempre di più, la vera differenziazione non è più a livello di modello. Una struttura industriale dominata solo da aziende di modelli non è solo malsana per le aziende, ma rappresenta anche una limitazione alla velocità di sviluppo dell'intero settore dell'IA.

Le aziende non hanno mai avuto bisogno di un modello più forte. Hanno bisogno di un intero ecosistema: capace di rispondere all'ansia per la sovranità dei dati, proteggere le barriere competitive dall'essere "risucchiate", e consentire all'IA di integrarsi realmente nel business senza perdere il controllo. Questa domanda sta generando un mercato molto più complesso rispetto al semplice "vendere token".

Alcuni settori hanno già segnali chiari.

"Le infrastrutture AI sovrane" stanno diventando un settore reale, in grado di attrarre grandi investimenti. Non è solo un concetto. Solo nel primo semestre del 2026, tre aziende europee che si occupano di infrastrutture AI sovrane (Nebius, nScale, AtlasEsge) hanno raccolto oltre 11,8 miliardi di dollari. Solo pochi giorni fa, Valarian a Londra ha appena ottenuto 50 milioni di dollari nella sua serie A, facendo qualcosa di molto concreto: aggiungere uno strato di "controllo sovrano" tra i sistemi AI e i dati sensibili, decidendo quali IA possono accedere a quali dati e in quali condizioni. Questa domanda non esisteva affatto due anni fa, ora governi e grandi aziende fanno la fila per ottenerla.

"Gateway AI" e strati di orchestrazione stanno diventando una parte indispensabile dell'architettura AI aziendale. Quando un'azienda utilizza contemporaneamente OpenAI, Anthropic, modelli open source e modelli specializzati che ha ottimizzato, chi si occupa di routing unificato, controllo dei costi, governance dei permessi e audit? Questa posizione, nell'era del software tradizionale, era chiamata middleware, nell'era dell'IA è chiamata gateway o strato di orchestrazione. Non è sexy, ma è l'infrastruttura chiave per le aziende per passare dall'"utilizzare l'IA" a "gestire bene l'IA". Ciò che Palantir fa essenzialmente è questo, solo che ha realizzato la versione più pesante. Ci sono enormi spazi per soluzioni più leggere, orientate a diverse dimensioni aziendali.

A livello applicativo, le soluzioni AI per settori verticali stanno passando da "shell" a "profondità". Molte delle cosiddette applicazioni AI del passato, in parole povere, erano solo una shell di GPT. Ma ora, ciò che può davvero affermarsi sono quei prodotti che comprendono profondamente il know-how di settori specifici e legano strettamente le capacità dell'IA alla logica del settore. Il valore di queste aziende non si trova nel modello, ma nella cognizione del settore: questo è esattamente ciò che le grandi aziende di modelli faticano a ottenere attraverso l'addestramento.

Anche a livello "umano", sta emergendo un nuovo mercato dei servizi. Quando sempre più aziende si rendono conto che ciò di cui hanno bisogno non sono più strumenti di IA, ma persone in grado di "comandare l'IA" e metodologie organizzative correlate, la domanda di consulenza per la trasformazione organizzativa, formazione del personale e riprogettazione dei processi nell'era dell'IA sta rapidamente emergendo.

In definitiva, un'industria che ha solo un "livello di modello" è fragile. Ciò che può far correre l'industria dell'IA in modo più veloce e sano è un ecosistema più tridimensionale. In questo ecosistema, ci sono persone che fanno modelli, persone che fanno infrastrutture sovrane, persone che fanno gateway e governance, persone che fanno applicazioni profonde per settori verticali, e persone che aiutano le aziende a rimodellare le capacità organizzative. Ogni livello risponde alle esigenze reali delle aziende nel passaggio da "abbracciare" a "domare".

Queste esigenze sono diventate sempre più chiare nell'ultimo anno. Nei prossimi anni, la nuova generazione di soluzioni, fornitori e prodotti che nasceranno attorno a queste esigenze potrebbe affrontare un chiaro periodo di esplosione.

Tornando alla metafora del limite di Roche. Trovare quella traiettoria sicura non è mai un affare da soli per le aziende. Quando l'intero ecosistema inizia a sviluppare forze al di fuori dei modelli, le aziende avranno davvero la forza di non essere distrutte.

Link originale

Disclaimer: il presente contenuto è fornito esclusivamente a scopo informativo e di branding generale e non costituisce consulenza finanziaria, di investimento, legale o fiscale. Qualsiasi evento, ricompensa, evento online o informazione correlata menzionata nel presente documento non deve essere considerata una raccomandazione, una sollecitazione o un invito ad acquistare, vendere, fare trading o altrimenti negoziare asset di criptovalute o a utilizzare i relativi servizi. Le criptovalute sono altamente volatili e possono comportare perdite. I servizi e gli eventi online di WEEX potrebbero non essere disponibili in tutte le regioni e sono soggetti alle leggi, ai regolamenti e ai requisiti di idoneità applicabili. Sei responsabile di garantire che il tuo utilizzo dei servizi WEEX sia conforme alle leggi locali e di valutare attentamente i rischi prima di partecipare a qualsiasi attività correlata alle criptovalute.