La visione prevalente
Per anni, la narrazione dominante nell’intelligenza artificiale è stata “la scala è tutto ciò di cui hai bisogno”. La corsa alla supremazia nell’IA si misurava con un unico parametro principale: il numero di parametri. Da GPT-3 a Gemini, il settore ha operato partendo dal presupposto che modelli più grandi e generalisti fossero la strada inevitabile verso prestazioni superiori. Ciò ha indotto molti leader aziendali a credere che la loro unica strategia praticabile fosse quella di acquistare in licenza costosi e monolitici modelli di frontiera. Un recente articolo di ricerca, DeepLens Diagnosis Agent: Agentic Workflow Design Lets a Small Reasoning Model Compete with Frontier LLMs, offre un forte contrappunto a questo approccio basato sulla forza bruta, evidenziando la crescente importanza dei workflow agentici.
La nostra posizione La corsa al valore dell’IA aziendale non riguarda più le dimensioni del modello, ma l’intelligenza del workflow. Per compiti specializzati e ad alto rischio, modelli più piccoli orchestrati da workflow agentici intelligenti garantiranno costantemente accuratezza, efficienza dei costi e controllo superiori.
Cosa mostrano realmente i dati
L’articolo su DeepLens fornisce la prova decisiva. I ricercatori hanno preso un modello di IA medica relativamente piccolo, da 7 miliardi di parametri, e lo hanno inserito in un processo di ragionamento strutturato in cinque fasi. Questo sistema ha raggiunto un’accuratezza diagnostica su un benchmark medico complesso che era competitiva con quella di enormi modelli di frontiera per uso generale. La chiave non era la potenza grezza del modello, ma l’impalcatura intelligente costruita attorno ad esso: il workflow agentico che ha scomposto un problema complesso in passaggi gestibili e verificabili.
Non si tratta di una scoperta isolata. Riflette una tendenza più ampia del settore in cui modelli più piccoli e specializzati si stanno dimostrando molto efficaci per casi d’uso mirati, un cambiamento documentato in tutta la comunità di ricerca sull’IA. I dati sono chiari: la scalabilità basata sulla forza bruta è una strategia dai rendimenti decrescenti. La progettazione intelligente dei sistemi è il nuovo moltiplicatore di forza.
La vera implicazione
Questo cambia il calcolo strategico per ogni CIO e CDO. Affidarsi esclusivamente a pochi fornitori di grandi modelli black-box non è più l’unica strada, e potrebbe di fatto rappresentare una passività competitiva. Crea una dipendenza dal fornitore (vendor lock-in), espone le organizzazioni a costi imprevedibili e offre pochi vantaggi duraturi, dato che qualsiasi concorrente può accedere alla stessa API. Il vero fossato difensivo non è il modello in sé, ma il workflow proprietario e specifico per il compito che un’organizzazione progetta attorno ad esso. È qui che una profonda competenza di settore si traduce in un vantaggio di mercato che non può essere facilmente replicato. Le aziende che padroneggiano la progettazione dei workflow costruiranno sistemi di IA più accurati, efficienti e verificabili a una frazione del costo.
Cosa fare invece
Invece di chiedere “Qual è il modello più grande?”, i leader dovrebbero chiedere “Qual è il workflow più intelligente per il nostro problema?”. Questo richiede un cambiamento di focus e di investimenti. In primo luogo, dare priorità alla mappatura dei processi e alla scomposizione dei compiti piuttosto che limitarsi a sperimentare con i prompt per un modello generalista. In secondo luogo, sviluppare capacità interne nella progettazione e orchestrazione di sistemi, non solo nella data science. Infine, rivalutare le decisioni build-versus-buy; la fattibilità di creare sistemi di IA personalizzati e ad alte prestazioni con modelli open-source più piccoli è aumentata drasticamente. Questo è il nucleo dell’IA aziendale moderna: passare dal noleggiare un’intelligenza generica al possedere la logica che crea valore. In Thinkia, il nostro lavoro sulla progettazione e implementazione di sistemi di IA multi-agente è incentrato su questo principio: costruire asset di IA difendibili attraverso un’architettura di workflow intelligente, non solo attraverso l’accesso al modello più recente.