Un anno di svolta: il 2024 ridefinisce il panorama dell'IA
Il 2024 è stato, nel settore dell'intelligenza artificiale, un anno senza precedenti per velocità e profondità dei cambiamenti. Dopo l'esplosione della generazione testuale guidata da ChatGPT nel 2022-2023, l'anno appena trascorso ha visto consolidarsi quattro tendenze strutturali: la multimodalità nativa, i sistemi agentistici, la corsa all'open source competitivo e la prima ondata di regolamentazione vincolante. Ognuna di queste trasformazioni ha conseguenze concrete per aziende, professionisti e istituzioni.
Il punto di partenza più visibile è stato il lancio di GPT-4o da parte di OpenAI nel maggio 2024. Il modello ha introdotto la multimodalità nativa su tutti e tre i canali — testo, immagini e audio — con latenza voce ridotta a meno di 300 millisecondi, avvicinandosi per la prima volta alla naturalezza di una conversazione umana. GPT-4o non è un modello testuale con moduli aggiuntivi: voce, visione e testo condividono gli stessi pesi, appresi congiuntamente durante il pre-addestramento.
Gemini 1.5 Pro e la sfida del contesto lungo
Sul fronte di Google DeepMind, Gemini 1.5 Pro ha spostato i confini in una direzione diversa: la lunghezza del contesto. Con una finestra fino a 1 milione di token — equivalente a circa 750.000 parole, un intero codebase di dimensioni medie o un'enciclopedia di piccole dimensioni — il modello ha reso praticabile l'analisi di documenti che prima richiedevano pipeline di chunking articolate e perdevano coerenza semantica tra i blocchi.
I casi d'uso più impattanti sono nell'ambito legale (contratti lunghi, giurisprudenza), nella ricerca scientifica (analisi di corpus di paper) e nello sviluppo software (comprensione di codebase interi senza necessità di sintetizzarli artificialmente). Il benchmark di comprensione a contesto lungo, dove Gemini 1.5 Pro ha superato il 99% in un test su una traduzione dimenticata inserita nel mezzo di un milione di token, ha segnalato un salto qualitativo rispetto alle architetture precedenti.
Claude 3 Opus e il ragionamento complesso
Anthropic ha posizionato Claude 3 Opus come il modello di riferimento per i benchmark di ragionamento avanzato. Sul GPQA (Graduate-Level Google-Proof Q&A), che testa la capacità di rispondere a domande che richiedono conoscenza a livello di dottorato, Claude 3 Opus ha registrato prestazioni superiori alla media umana esperta in chimica e biologia. Su MMLU (Massive Multitask Language Understanding) e HumanEval (generazione di codice) ha raggiunto parità o superiorità rispetto ai competitor.
La famiglia Claude 3 ha introdotto anche Claude 3 Haiku, il modello più leggero, e Claude 3 Sonnet, pensato per bilanciare velocità e capacità per applicazioni enterprise. L'approccio di Anthropic alla sicurezza — basato sul concetto di Constitutional AI — ha influenzato le pratiche di alignment dell'intero settore.
L'intelligenza artificiale agentistica: dai chatbot agli agenti autonomi
La transizione più rilevante del 2024 non è stata però nei benchmark di un singolo modello, ma nell'architettura di come i modelli vengono usati. Il paradigma dell'IA agentistica trasforma i LLM da sistemi question-answer a sistemi che pianificano ed eseguono sequenze di azioni autonome.
Un agente IA riceve un obiettivo ad alto livello — "analizza questo foglio di calcolo, cerca informazioni aggiornate online, e scrivi un report" — e lo decompone in subtask, selezionando quali strumenti chiamare (browser, code interpreter, API esterne, database), verificando i risultati intermedi e adattando il piano in base all'output. Framework come AutoGen (Microsoft), CrewAI e LangGraph hanno reso lo sviluppo di questi sistemi accessibile, ma hanno anche moltiplicato i vettori di rischio: un'azione irreversibile eseguita senza supervisione umana può avere conseguenze difficili da correggere.
RAG: ridurre le allucinazioni con il recupero di informazioni esterne
Il Retrieval-Augmented Generation è diventato nel 2024 lo standard de facto per le applicazioni enterprise che richiedono accuratezza fattuale. L'idea è semplice: prima di generare una risposta, il sistema recupera da un database di conoscenza i documenti più rilevanti e li include nel contesto del modello. Questo riduce la dipendenza dalla "memoria" interna del modello, soggetta ad allucinazioni, e permette di aggiornare la base di conoscenza senza riaddestrare il modello.
Architetture RAG avanzate — come GraphRAG di Microsoft, che costruisce un knowledge graph prima del retrieval — hanno ulteriormente migliorato la coerenza per domande che richiedono ragionamento su relazioni tra entità. Il costo computazionale rimane il principale ostacolo alla diffusione su scala.
Open source: Llama 3 e la convergenza con i modelli proprietari
Il 2024 ha visto la corsa all'open source accelerare significativamente. Meta ha rilasciato Llama 3 in tre varianti — 8B, 70B e 405B parametri — con licenze che permettono l'uso commerciale per la maggior parte delle organizzazioni. Il modello da 70B ha avvicinato le performance di GPT-3.5 Turbo su molti benchmark, mentre il 405B ha competuto direttamente con i modelli frontier proprietari.
Mistral Large, Falcon 180B e Qwen 2 di Alibaba hanno completato un ecosistema in cui la scelta tra proprietario e open source è diventata principalmente una questione di requisiti di privacy, controllo dell'infrastruttura e capacità tecniche dell'organizzazione, non più solo di performance assoluta.
AI Safety e il quadro regolatorio internazionale
Sul piano della governance, il 2024 ha segnato la prima ondata di obblighi vincolanti. L'AI Act dell'UE è entrato in vigore il 1° agosto 2024, con un calendario di applicazione progressiva: i sistemi di IA a rischio inaccettabile (manipolazione subliminale, social scoring) sono già vietati, i sistemi ad alto rischio (sanitari, creditizi, biometrici) dovranno essere conformi entro agosto 2026.
Negli Stati Uniti, l'Executive Order sull'IA del presidente Biden ha introdotto requisiti di notifica per i modelli addestrati con oltre 10^26 FLOP e ha incaricato il NIST di sviluppare standard di sicurezza. Il G7 Hiroshima Process ha prodotto un codice di condotta volontario per i frontier model, adottato da tutte le principali aziende del settore incluse OpenAI, Google, Microsoft, Anthropic e Meta.
Costi di inferenza e democratizzazione dell'accesso
Una tendenza spesso sottovalutata ma strutturalmente importante è il crollo dei costi di inferenza. Nel 2023, GPT-4 Turbo costava circa 10 dollari per milione di token di input. A metà 2024, GPT-4o-mini — con capacità comparabili per molte applicazioni — è sceso a 0,15 dollari per milione di token: una riduzione dell'oltre 98% in 18 mesi.
Questo cambiamento ha reso l'integrazione dell'IA nelle applicazioni consumer economicamente sostenibile anche per startup e PMI, allargando drasticamente la platea di chi può costruire prodotti basati su LLM. La combinazione di modelli open source eseguibili localmente e costi API in caduta libera ha avviato una democratizzazione dell'accesso all'IA generativa che, secondo molti analisti, è appena agli inizi.
Domande frequenti
Cosa si intende per modello di IA multimodale?
Un modello di IA multimodale è in grado di elaborare e generare contenuti su più modalità contemporaneamente: testo, immagini, audio e video. A differenza dei classici LLM puramente testuali, un modello multimodale come GPT-4o o Gemini 1.5 Pro può ricevere un'immagine e rispondere a domande su di essa, trascrivere audio in tempo reale o generare descrizioni visive. La caratteristica "nativa" indica che la multimodalità è integrata nel pre-addestramento, non aggiunta come modulo separato.
Cos'è l'intelligenza artificiale agentistica e quali rischi comporta?
L'IA agentistica si riferisce a sistemi in cui un LLM non si limita a rispondere a domande, ma pianifica e esegue sequenze di azioni autonome per raggiungere un obiettivo: naviga il web, scrive ed esegue codice, chiama API esterne, gestisce file. I rischi principali includono azioni irreversibili eseguite senza supervisione umana, propagazione di errori in catene lunghe di tool call, vulnerabilità a prompt injection e difficoltà di audit. La ricerca sul "human oversight" e sui meccanismi di interruzione è centrale nell'AI safety.
Le allucinazioni nei modelli IA si possono eliminare?
Le allucinazioni — la tendenza dei modelli linguistici a generare informazioni false presentate con sicurezza — non sono ancora eliminabili completamente. La tecnica RAG (Retrieval-Augmented Generation) le riduce significativamente: invece di rispondere dalla sola memoria parametrica, il modello recupera documenti rilevanti da una base di conoscenza e li usa come contesto. Il grounding su fonti verificabili abbassa il tasso di errore ma non lo azzera, soprattutto per domande su eventi recenti o molto specifici.
Qual è la differenza tra open source e modelli proprietari?
I modelli proprietari come GPT-4o e Gemini sono accessibili solo tramite API a pagamento, con pesi non pubblici. I modelli open source come Llama 3 rendono disponibili i pesi, permettendo esecuzione locale, fine-tuning e deployment su infrastruttura propria senza costi di licenza per uso, ma con costi computazionali e responsabilità tecniche a carico dell'operatore. La convergenza di performance del 2024 ha reso l'open source competitivo per molti use case, specialmente per chi ha vincoli di privacy dei dati.
Cos'è l'AI safety e perché è importante?
L'AI safety studia come costruire sistemi di IA che rimangano sicuri e allineati agli obiettivi umani anche quando diventano molto capaci. Include interpretability (capire cosa fa il modello internamente), alignment (assicurare che ottimizzi gli obiettivi giusti), robustness e governance. La crescente capacità dei modelli — specialmente in contesti agentistici — rende questi problemi sempre più urgenti per laboratori di ricerca, regolatori e aziende.
L'AI Act europeo impatta gli sviluppatori italiani?
Sì. L'AI Act si applica a chiunque sviluppi, distribuisca o utilizzi sistemi di IA nell'UE. Gli sviluppatori italiani che realizzano sistemi classificati "ad alto rischio" — sanitari, creditizi, HR, biometrici — devono rispettare requisiti tecnici rigorosi: registrazione in una banca dati EU, documentazione tecnica, test di conformità, supervisione umana obbligatoria. Le sanzioni arrivano fino al 3% del fatturato globale annuo. I frontier model con più di 10^25 FLOP di addestramento hanno obblighi aggiuntivi.
Quando arriverà l'Intelligenza Artificiale Generale (AGI)?
Non esiste una definizione condivisa di AGI, il che rende le previsioni difficilmente confrontabili. Alcuni ricercatori parlano di pochi anni, altri ritengono che gli LLM non siano sulla traiettoria giusta, e molti accademici considerano la questione aperta per decenni. Il dibattito riguarda non solo le capacità tecniche ma la definizione stessa: un sistema che supera gli esseri umani in benchmark specifici è già AGI? La risposta dipende da quale soglia si sceglie.
Quanti soldi vengono investiti nell'IA nel mondo nel 2024?
Secondo Goldman Sachs e PwC, gli investimenti globali in IA nel 2024 superano i 200 miliardi di dollari tra venture capital, investimenti aziendali e spesa pubblica. Gli Stati Uniti guidano con circa il 67% del totale. L'UE ha stanziato 20 miliardi attraverso Horizon Europe e fondi strutturali. Il mercato globale dell'IA è stimato crescere da 207 miliardi (2023) a oltre 1.800 miliardi entro il 2030.