La stessa domanda può produrre analisi, cautele e soluzioni molto diverse a seconda dell’intelligenza artificiale utilizzata. La differenza non dipende soltanto dalla potenza del modello, ma dalle scelte con cui ogni azienda decide come quel sistema dovrà lavorare.
Quando due AI divergono sulla stessa domanda, dietro non c’è una misteriosa “personalità”: ci sono decisioni tecniche e industriali prese molto prima che il modello inizi a rispondere.
Provare la stessa richiesta su ChatGPT, Claude e Gemini significa spesso ottenere risultati che differiscono ben oltre lo stile: un sistema può arrivare rapidamente alla soluzione, un altro dedicare maggiore spazio alle condizioni e alle eccezioni, mentre un terzo può cercare informazioni aggiornate o ricorrere a uno strumento esterno prima di rispondere. Cambiano anche l’ordine dell’analisi, il livello di cautela, la quantità di dettagli e perfino la scelta tra agire immediatamente e chiedere altre informazioni.
Misurare ChatGPT, Claude o Gemini soltanto sulla base di quanto appaiono “intelligenti” racconta poco delle differenze reali tra i sistemi, perché dietro prestazioni simili possono esserci addestramenti, regole e scelte industriali molto diverse. Le aziende non rendono pubblici per intero né i dati utilizzati né i processi con cui costruiscono i modelli e, dopo la fase iniziale di addestramento, intervengono ancora per orientare il modo in cui l’AI risponde, gestisce l’incertezza, riconosce i propri limiti e decide quando fermarsi o proseguire.
Dietro lo stesso chatbot possono esserci sistemi molto diversi
Quando diciamo di usare ChatGPT, Claude o Gemini stiamo indicando un prodotto, non un singolo motore immutabile, perché all’interno dello stesso servizio possono convivere modelli differenti, configurazioni più rapide o più profonde e strumenti capaci di modificare radicalmente ciò che il sistema è in grado di fare.
Una risposta ottenuta in pochi secondi e una prodotta dopo una fase più lunga di ragionamento possono provenire dalla stessa famiglia di modelli e risultare comunque molto diverse; lo stesso vale quando un sistema dispone del web, può leggere file, eseguire codice oppure utilizzare applicazioni esterne. In quel momento la qualità del risultato non dipende più soltanto da ciò che il modello ha imparato durante l’addestramento, ma anche da ciò che può fare mentre sta lavorando.
Confrontare due AI soltanto sulla base della risposta finale rischia quindi di essere ingannevole, perché a essere messi alla prova non sono necessariamente due “cervelli” diversi nelle stesse condizioni, ma sistemi ai quali possono essere stati concessi quantità di calcolo, informazioni e strumenti differenti.
Le aziende decidono anche quale comportamento premiare
Una parte importante di questa distanza si forma dopo l’addestramento iniziale, quando le aziende intervengono sul modo in cui il modello dovrà comportarsi davanti agli utenti e acquistano peso feedback umani, valutazioni automatiche, test di sicurezza e migliaia di esempi utilizzati per orientare le risposte.
Anthropic ha reso particolarmente visibile questa scelta con la Constitution utilizzata per Claude, mentre OpenAI pubblica un Model Spec che descrive il comportamento desiderato dei propri sistemi. Metodi e documenti cambiano, ma il punto industriale resta simile: costruire un modello molto capace non esaurisce il lavoro, perché bisogna anche stabilire come quella capacità dovrà essere utilizzata e quali comportamenti verranno premiati o scoraggiati.
Le conseguenze arrivano fino alla normale esperienza d’uso, nella quale un sistema può essere portato a dichiarare più spesso la propria incertezza, un altro può tentare comunque una soluzione esplicitandone i limiti, mentre un prodotto progettato per attività più autonome può intervenire direttamente quando dispone degli strumenti necessari. Quella che talvolta viene percepita come una “personalità” non è quindi una caratteristica umana trasferita alla macchina, ma il risultato di priorità incorporate nel prodotto molto prima che l’utente inizi la conversazione.
Quando l’AI comincia ad agire, il modello non basta più
L’arrivo dei sistemi agentici rende questa distinzione ancora più evidente, perché finché il compito principale consisteva nel generare una risposta il confronto attraverso il testo conservava una certa immediatezza, mentre un’AI capace di cercare informazioni, pianificare una sequenza di operazioni, leggere documenti, utilizzare software e controllare il proprio lavoro costringe a guardare anche a tutto ciò che circonda il modello.
Due sistemi con capacità linguistiche comparabili possono ottenere risultati molto diversi semplicemente perché uno dispone di strumenti che l’altro non ha oppure perché è autorizzato a utilizzarli con un grado differente di autonomia. Anche la quantità di informazioni che possono tenere contemporaneamente a disposizione durante il lavoro incide sul risultato, soprattutto quando si passa dalla singola domanda alla gestione di documenti, progetti e attività composte da molti passaggi.
Le classifiche raccontano così soltanto una parte della competizione: i benchmark restano utili per misurare capacità specifiche, ma un modello valutato senza strumenti e lo stesso modello inserito in un ambiente capace di cercare, eseguire codice o pianificare azioni non stanno più affrontando lo stesso compito né lavorando nelle stesse condizioni.
La competizione si sposta dal modello al sistema
La domanda su quale sia l’intelligenza artificiale “migliore” perde progressivamente significato se non viene accompagnata da un’altra, molto più concreta: migliore per fare cosa?
Un sistema può essere particolarmente efficace nella programmazione, un altro nella gestione di grandi quantità di documenti, un altro ancora risultare più adatto alla scrittura, alla ricerca o all’esecuzione autonoma di compiti. Queste differenze non sono necessariamente imperfezioni temporanee destinate a scomparire con l’arrivo di modelli più potenti, perché riflettono anche il tipo di prodotto che ciascuna azienda ha deciso di costruire e le priorità che ha scelto di incorporare.
Con l’aumento delle capacità agentiche, la competizione tenderà anzi a spostarsi sempre di più dal singolo modello all’intero sistema che lo circonda, dove potenza di calcolo, addestramento, strumenti, autonomia, regole e integrazioni concorrono insieme a determinare ciò che l’utente finisce per percepire come “intelligenza”.
ChatGPT, Claude e Gemini possono quindi condividere gran parte della tecnologia che ha reso possibile l’attuale generazione di AI e continuare a comportarsi in modi molto diversi, non perché ciascuno possieda necessariamente una forma di intelligenza completamente separata dalle altre, ma perché dietro quei sistemi ci sono aziende che stanno decidendo in modo differente che cosa debba fare un’intelligenza artificiale quando smette di limitarsi a rispondere e comincia davvero a lavorare.
RotoNotizie | © riproduzione riservata
