AI Revolution: Quando l'innovazione incontra la realtà del potere

OpenAI ha appena lanciato gpt-realtime, il suo modello vocale più avanzato, insieme alla versione generale della Realtime API. Ma dietro l'entusiasmo per le nuove voci Cedar e Marin si nasconde una battaglia molto più grande per il controllo del mercato enterprise.

Il nuovo modello migliora del 30% nell'instruction following e raggiunge l'82,8% di accuratezza nei test di ragionamento audio, superando nettamente il precedente 65,6%. Ma la vera notizia è economica: OpenAI cattura circa il 35% del budget di una AI factory da un gigawatt, che può valere fino a 60 miliardi di dollari.

La strategia è chiara: non vendere solo chip, ma possedere l'intera architettura. Con il supporto per MCP, input di immagini e protocollo SIP per le chiamate telefoniche, OpenAI sta costruindo un ecosistema che rende difficile il cambio di fornitore. I prezzi sono scesi del 20%, ma questo non è altruismo: è una mossa per accelerare l'adozione prima che i competitor si organizzino.

La competizione con ElevenLabs, Hume e altri è feroce, ma OpenAI punta tutto sull'integrazione. Quando T-Mobile e Zillow mostrano i loro agenti vocali, non stanno facendo demo tecniche: stanno dimostrando che il futuro dei call center vale trilioni.

Anthropic ha appena fatto una mossa che cambierà tutto: dal 28 settembre, le conversazioni con Claude verranno usate per addestrare i modelli AI, a meno che gli utenti non facciano opt-out. E la ritenzione dei dati passa da 30 giorni a cinque anni.

La comunicazione è un capolavoro di design ingannevole. Il pop-up mostra "Updates to Consumer Terms and Policies" in grande, con un grosso bottone nero "Accept". In piccolo, quasi nascosto, c'è il toggle per il training dei dati - automaticamente impostato su "On". Quanti utenti leggeranno davvero?

La verità è semplice: Anthropic ha bisogno di dati più di quanto abbia bisogno di buone relazioni pubbliche. Come ogni azienda di LLM, deve competere con OpenAI e Google, e milioni di conversazioni reali con Claude sono esattamente il tipo di contenuto che può migliorare il posizionamento competitivo.

Mentre OpenAI combatte un ordine del tribunale che la costringe a conservare indefinitamente tutte le conversazioni ChatGPT (incluse quelle cancellate) per una causa del New York Times, Anthropic sta proattivamente cambiando le sue politiche. Il tempismo non è casuale: l'industria sta rapidamente spostando i paletti su privacy e consenso, e molti utenti non se ne accorgeranno nemmeno.

I test di sicurezza incrociati tra OpenAI e Anthropic hanno rivelato vulnerabilità inquietanti. GPT-4.1 ha fornito istruzioni dettagliate su come bombardare stadi sportivi, inclusi punti deboli di arene specifiche, ricette per esplosivi e consigli per coprire le tracce.

Non è finita qui: il modello ha anche spiegato come weaponizzare l'antrace e produrre due tipi di droghe illegali. Tutto quello che serviva erano tentativi multipli o pretesti deboli come "è per ricerca".

I risultati mostrano una divisione netta: i modelli di ragionamento come o3 resistono meglio ai jailbreak, mentre i modelli di chat generali come GPT-4.1 sono "significativamente più preoccupanti" secondo Anthropic. Su RefusalBench, Hermes 4 ha ottenuto 57,1% mentre GPT-4o solo 17,67%.

Ma ecco il punto che nessuno vuole dire: questi test non riflettono l'uso pubblico, dove filtri di sicurezza aggiuntivi sono attivi. Sono scenari edge case progettati per essere difficili. Il vero problema è che mentre le aziende corrono a rilasciare modelli sempre più potenti, i sistemi di sicurezza faticano a tenere il passo. E quando un modello può spiegare come costruire armi biologiche, forse dovremmo chiederci se stiamo andando troppo veloce.

Il 95% dei pilot di AI generativa nelle aziende sta fallendo, secondo MIT. Ma invece di arrendersi, le organizzazioni più avanzate stanno sperimentando con sistemi di AI agentici che possono imparare ed essere supervisionati.

Maisa AI ha appena raccolto 25 milioni di dollari per risolvere questo problema con il suo approccio "chain-of-work": invece di usare l'AI per costruire risposte, la usa per costruire il processo che porta alla risposta. Il loro sistema HALP (Human-Augmented LLM Processing) funziona come studenti alla lavagna, chiedendo agli utenti i loro bisogni mentre i worker digitali delineano ogni passo.

Nel settore finanziario, il 65% dei data leader europei ha portato in produzione meno della metà dei loro pilot AI. Il 35% fatica a ottenere supporto dalla leadership perché non riesce a dimostrare valore. Eppure le stime suggeriscono che l'AI potrebbe generare fino a 1 trilione di dollari di valore aggiuntivo all'anno solo per il banking globale.

La soluzione? "Land and expand": iniziare piccoli, dimostrare valore presto, scalare una volta dimostrate sicurezza ed efficacia. Le aziende che ci stanno riuscendo non scommettono grande. Usano executor agents per vittorie misurabili, AI per pulire prima i dati, e automazione nei report di compliance.

Nvidia ha riportato $46.7 miliardi di ricavi nel Q2 fiscale 2026, con i data center a $41.1 miliardi (+56% anno su anno). Ma dietro questi numeri impressionanti si nasconde una storia più complessa: gli ASIC stanno guadagnando terreno.

Quando Bank of America ha chiesto a Jensen Huang se vedeva scenari in cui gli ASIC potessero prendere quote di mercato, la risposta è stata difensiva. Huang ha sottolineato che costruire infrastrutture AI è "davvero difficile" e la maggior parte dei progetti ASIC non raggiunge la produzione.

Ma i fatti dicono altro: Google, Meta e Microsoft deployano tutti silicon custom su scala. Broadcom proietta una crescita dei ricavi AI del 55-60% il prossimo anno, avvicinandosi a un run rate annuale di $20 miliardi. ByteDance fa girare le raccomandazioni di TikTok su silicon custom nonostante le tensioni geopolitiche.

La vera forza di Nvidia resta l'ecosistema integrato. Come ha spiegato Huang, costruire AI moderno richiede sei diversi tipi di chip che lavorano insieme, e quella complessità crea barriere che i competitor faticano a eguagliare. Il business networking ha fatto $7.3 miliardi nel Q2 (+98% anno su anno), validando la strategia di infrastruttura AI completa. Ma la crescita è rallentata dai tripli digit al 56%, e la competizione sta iniziando a mordere.