Andrew Ho OpenAI: “Le valutazioni dell’AI sono troppo alte”

Andrew Ho ha lasciato OpenAI mercoledì, dopo appena otto mesi, annunciando su X la nascita della sua nuova startup, che svilupperà dataset di alta qualità per l’apprendimento tramite rinforzo destinati ai principali laboratori di intelligenza artificiale. Verso le cinque del mattino del giorno successivo, ancora sveglio, Ho ha pubblicato un consiglio rivolto agli ex colleghi: monetizzate le vostre azioni finché potete. Secondo lui, infatti, le valutazioni delle aziende leader dell’AI sono troppo elevate.

“Consiglierei vivamente di vendere le proprie quote se si ha accesso alle offerte di liquidità”, ha scritto. “Mi sembra poco plausibile che la valutazione possa raddoppiare dopo l’Ipo, mentre è assolutamente possibile che possa dimezzarsi”. Quando si è svegliato, il post aveva già attirato centinaia di migliaia di visualizzazioni. Il messaggio è arrivato infatti nel pieno di una fase di forte volatilità dei titoli tecnologici, dopo che il Nasdaq 100 era entrato in correzione il giorno precedente.

“È stato piuttosto sorprendente”, ha raccontato Ho a Fortune. L’ex ricercatore ha spiegato di possedere circa 700 mila dollari in azioni OpenAI che, per vincoli contrattuali, non potrà vendere fino al completamento dell’Ipo e del successivo periodo di lock-up. “Quindi sono semplicemente bloccato”, ha detto.

Pur andando contro il proprio interesse economico, Ho difende pubblicamente la sua tesi. Come molti nel settore, ritiene che la domanda di capacità di inferenza crescerà enormemente, che presto ci sarà una carenza di potenza di calcolo e che la costruzione di nuovi data center sia necessaria. Ciò che lo preoccupa è un altro aspetto: la concorrenza di modelli sempre più economici starebbe costringendo i laboratori di frontiera a spendere sempre di più, senza che i ricavi riescano a tenere il passo.

Perché non crede nel sogno dell’auto-miglioramento dell’AI

Secondo Ho, i grandi laboratori dell’intelligenza artificiale stanno vivendo quella che gli analisti definiscono una “Red Queen’s race”, una corsa in cui bisogna continuare ad accelerare semplicemente per restare nella stessa posizione.

Ogni nuovo ciclo di addestramento dei modelli richiede investimenti sempre maggiori, ma il vantaggio competitivo ottenuto dura poco. Modelli molto meno costosi, come Kimi di Moonshot AI, riescono infatti a ridurre rapidamente il divario grazie a tecniche come la distillazione.

“I ricavi cresceranno quasi certamente con ogni nuova generazione di modelli”, osserva Ho. “La vera domanda è: quanto cresceranno?” Considerato l’enorme debito accumulato dai principali laboratori AI, anche un piccolo errore di previsione potrebbe risultare fatale. “Se sbagli i calcoli anche di pochissimo, può fare la differenza tra la vita e la morte di un’azienda”.

Molti investitori e ricercatori del settore, aggiunge, sono invece convinti che sia ormai vicino un punto di svolta: la cosiddetta Recursive Self-Improvement (RSI).

L’idea è che un sistema di AI possa diventare sufficientemente bravo nella ricerca sull’intelligenza artificiale da migliorare sé stesso, progettando nuovi esperimenti e addestrando versioni sempre più evolute. In questo scenario, sia l’intelligenza dei modelli sia la domanda di capacità di calcolo crescerebbero in modo esponenziale.

Ho, però, non ci crede. A suo giudizio, il vero limite della ricerca non è l’intelligenza dei modelli, ma quella che definisce “research taste”, cioè la capacità di individuare gli esperimenti giusti e capire quali risultati siano davvero importanti. “Non si può arrivare ai fenomeni semplicemente ragionando”, afferma.

Il futuro è nei dataset più complessi

Secondo Ho, i modelli eccellono soprattutto nei compiti facilmente verificabili: una dimostrazione matematica è corretta oppure no; un programma funziona oppure no. È su queste attività che si sono concentrati finora gli enormi investimenti del settore, con risultati evidenti.

Molto più indietro restano invece tutti quei compiti nei quali la correttezza delle risposte è più difficile da valutare. Ed è proprio questo il motivo che lo ha spinto a lasciare OpenAI. Secondo l’ex ricercatore, i progressi futuri arriveranno dalla costruzione di dataset dedicati ad attività molto più complesse e basate sul giudizio umano, proprio il business su cui punta la sua nuova startup. I primi prodotti saranno dedicati al ragionamento scientifico di lungo periodo e all’analisi statistica.

I veri vincitori? Nvidia e Micron

La posizione di Ho contrasta con quella molto diffusa in questi giorni nella Silicon Valley. Tra i principali sostenitori della tesi opposta c’è il podcaster Dwarkesh Patel, secondo cui l’RSI potrebbe far aumentare di dieci volte la domanda di capacità di calcolo e, di conseguenza, i ricavi dei laboratori AI.

La sua analisi è invece più vicina a quella di Wall Street, che negli ultimi giorni ha punito in Borsa società come Meta e Google, temendo che gli enormi investimenti nell’intelligenza artificiale non vengano recuperati. Dal punto di vista degli investitori, osserva Ho, i veri beneficiari di questa corsa sono soprattutto Nvidia e Micron, che vendono chip a tutte le aziende coinvolte. Per uscire dalla “Red Queen’s race”, secondo lui, i laboratori AI hanno soltanto due possibilità. La prima consiste nello sviluppare chip proprietari, riducendo la dipendenza da Nvidia. La seconda è spostarsi sempre di più verso i prodotti destinati ai consumatori, sviluppando direttamente applicazioni e servizi, come dimostrerebbe l’acquisizione di Cursor da parte di Meta.

Oggi, sostiene Ho, i laboratori catturano soltanto una piccola parte del valore economico generato dai loro modelli e questa parte della filiera resta ancora fortemente sottofinanziata. Nel frattempo l’ex ricercatore è concentrato sulla sua nuova azienda, nata appena un giorno fa e ancora senza un nome ufficiale, mentre cerca di non pensare troppo alle azioni OpenAI che non può vendere. “Guardo quelle quote già maturate, continuo a pensarci e mi preoccupo per quello che potrebbe accadere”, racconta. “Rappresentano una parte enorme del mio patrimonio”. Secondo lui, molti ex colleghi preferiscono non soffermarsi troppo su questi interrogativi. “Vai al lavoro”, conclude Ho. “Non pensarci troppo. Forse è la scelta migliore”.

Questo articolo è stato pubblicato su Fortune.com.