La nuova frontiera dell'Intelligenza Artificiale non si limita a modelli sempre più grandi e complessi, ma si orienta verso sistemi più piccoli e specializzati. Amazon Web Services ha rilasciato Strands Decider 2B, un innovativo modello decisionale open source, ispirato al celebre Jev di TypeSafe. L'obiettivo non è generare testi articolati, bensì scegliere rapidamente tra opzioni predefinite, fornendo anche un livello di confidenza. Questi decision models si affermano come componenti tecniche autonome nei workflow agentici, offrendo un'alternativa agli LLM generalisti che possono risultare eccessivi in termini di costo, latenza e consumo computazionale.
L'approccio di Amazon con Strands Decider 2B
Lo sviluppo di Strands Decider 2B nasce dall'interesse di Marc Brooker, distinguished engineer di Amazon, per la categoria di modelli inaugurata da Jev. Il progetto è stato poi perfezionato e reso pubblico attraverso Strands Labs, l'organizzazione dedicata alla creazione di strumenti e protocolli per agenti AI. La soluzione proposta è concreta: un componente in grado di prendere decisioni chiuse, ovvero circoscritte a un insieme di alternative definite dallo sviluppatore, garantendo tempi di risposta notevolmente ridotti e costi inferiori rispetto all'impiego costante di un modello frontier.
Questa impostazione segna un'evoluzione significativa. Nei sistemi agentici, molte operazioni non richiedono capacità creative o ragionamenti aperti.
È invece fondamentale decidere se procedere al passo successivo, classificare un input, selezionare un comportamento specifico o valutare la coerenza di un'azione con il compito assegnato. I decision models si inseriscono proprio in questo spazio intermedio, rappresentando un equilibrio tra regole rigide e la complessità degli LLM completi.
La risposta di OpenAI: la Decisions API
Il panorama si è arricchito con l'annuncio della Decisions API da parte di OpenAI, presentato da Sam Altman al Dev Day. Anche in questo caso, il parallelo con Jev è evidente: un sistema progettato per selezionare tra alternative, classificare contenuti o guidare i comportamenti degli agenti AI, senza la necessità di invocare ogni volta un grande modello generalista.
L'obiettivo è focalizzare il modello su una scelta circoscritta, mantenendo al contempo funzionalità essenziali come la comprensione visiva, il supporto multilingue e le protezioni di sicurezza integrate.
La visione di OpenAI evidenzia il ruolo dei decision models non solo come strumento di ottimizzazione economica, ma anche come un potenziale livello di controllo. Se un agente AI esegue numerose azioni consecutive in un ambiente digitale, la verifica di ogni singolo passaggio tramite un LLM frontier può diventare proibitiva in termini di risorse. Un modello decisionale rapido, al contrario, può agire come un filtro continuo: autorizzando, bloccando o segnalando un'azione in base alla sua probabilità di essere allineata con l'obiettivo prefissato e con le policy di sicurezza.
Il ruolo strategico dei modelli decisionali nei workflow agentici
L'emergere dei decision models rappresenta un cambiamento strategico nei workflow agentici. Questi modelli offrono un'alternativa efficiente e mirata per compiti specifici, riducendo la dipendenza dai grandi LLM per ogni singola operazione. La loro capacità di fornire risposte rapide e affidabili, con un'indicazione di confidenza, li rende ideali per ottimizzare processi automatizzati, migliorare la sicurezza e contenere i costi operativi. La competizione tra attori come Amazon e OpenAI in questo settore sottolinea l'importanza crescente di soluzioni AI specializzate e scalabili per il futuro dell'Intelligenza Artificiale.
