Il boom dell’AI open source è ormai un tema industriale, che solleva interrogativi cruciali su chi detiene il controllo, chi distribuisce i modelli e chi riesce a generare valore economico. Rebecca Bellan e Irene Solaiman di Hugging Face hanno discusso come imprese, governi e startup adottino modelli aperti per i loro costi più bassi, il maggiore controllo e la flessibilità operativa. La questione centrale rimane: se l'accesso ai modelli diventa più facile, dove si crea il profitto?
Hugging Face: l’AI open source come infrastruttura
Il ruolo di Hugging Face evidenzia una trasformazione.
La società non si limita a ospitare modelli, ma organizza un vero e proprio ecosistema per sviluppatori e aziende, facilitando la condivisione di dataset, strumenti e componenti. L’AI open source si evolve da semplice codice a una filiera completa che include repository, documentazione, benchmark, deployment, sicurezza e policy.
Per le startup, costruire su modelli aperti implica una scelta strategica sul livello di competizione. Il modello di base può essere liberamente disponibile, ma il vantaggio competitivo emerge altrove: nella qualità dei dati proprietari, nella specializzazione verticale, nell’integrazione nei flussi di lavoro e nella capacità di offrire assistenza, affidabilità e governance.
Il profitto, in questo scenario, deriva dall’orchestrazione del sistema che rende il modello utile in produzione.
Dal modello all’infrastruttura: il nuovo centro di valore
Questa prospettiva è rafforzata da Clem Delangue, CEO di Hugging Face, che descrive la sua piattaforma come un "GitHub dell’intelligenza artificiale", ampiamente utilizzata dalle grandi imprese. Si osserva una dinamica chiara: molte aziende iniziano con API proprietarie di modelli frontier, ma con l’aumento dei volumi e dei costi strutturali, tendono a migrare verso modelli aperti. Questa transizione è economica, non ideologica.
L’attrattiva dell’AI open source per le aziende con esigenze di scala risiede nella riduzione della dipendenza da un singolo fornitore, nel maggiore controllo sui dati, nella personalizzazione del modello e nella prevedibilità dei costi.
Tuttavia, l’apertura non elimina la complessità: sono necessarie competenze per addestrare, ottimizzare, monitorare e mettere in sicurezza i sistemi. È in queste aree che si generano nuove fonti di valore.
