Il CEO di Palantir Technologies, Alex Karp, ha accusato OpenAI e Anthropic di gonfiare il valore dei servizi di intelligenza artificiale basati sui token, che a suo dire spesso generano benefici limitati e difficilmente misurabili per le grandi aziende.
Punti chiave:
- Secondo Karp, le imprese pagano per token AI senza ottenere risultati che giustifichino la spesa.
- Ha aggiunto che i provider possono anche accedere a know-how proprietario e informazioni competitive dei loro clienti.
- Le sue critiche si inseriscono in un più ampio dibattito su come prezzare l’AI: in base all’uso o agli effettivi risultati di business?
Il prezzo dei token AI
Karp ha espresso queste posizioni in un’intervista a CNBC, in cui ha contestato la logica economica del modello che fattura le aziende in base al numero di token elaborati da un modello di AI, come riportato da questo approfondimento.
«Perché fanno pagare i token, se è così prezioso?», ha chiesto Karp, sostenendo che i fornitori dovrebbero invece essere remunerati con una quota del valore economico effettivamente generato per il cliente.
Il manager ha anche avvertito che le imprese rischiano di cedere know-how proprietario quando collegano dati interni e processi operativi a modelli esterni. A suo dire, molte aziende sono sempre più frustrate dopo investimenti consistenti in strumenti di AI che non si sono tradotti in reali guadagni di produttività.
Le critiche di Karp, pur riflettendo una preoccupazione diffusa nel mondo corporate, sono funzionali anche alla posizione competitiva di Palantir, che vende piattaforme per integrare modelli, dati e sistemi operativi all’interno di ambienti chiusi e sotto stretto controllo.
In ogni caso, le sue osservazioni intercettano timori crescenti su tre fronti: l’escalation dei costi, la governance dei dati sensibili e i ritorni finora deludenti di molte iniziative AI.
Da leggere anche: Bitget lancia Cash Plus per remunerare i saldi inattivi in stablecoin
I ritorni dell’AI nelle grandi imprese
La tesi di Karp ruota intorno allo scarto tra la performance tecnica dei modelli e i risultati economici concreti. La fatturazione a token misura quante parole o quanti dati un modello elabora, ma non dice nulla su quanto quell’attività contribuisca ad aumentare i ricavi, ridurre i costi o migliorare la qualità delle decisioni.
Questa distinzione sta diventando cruciale mentre i buyer aziendali si fanno più selettivi. Lo stesso Sam Altman ha riconosciuto che spesa e efficienza dell’AI sono ormai priorità ai vertici delle aziende, mentre molte imprese sperimentano modelli più economici e distribuiscono i carichi di lavoro tra più fornitori.
Karp propone un modello di pricing basato sui risultati, in cui il vendor di AI viene pagato in funzione di benefici misurabili. Un’impostazione che potrebbe frenare l’uso “a vuoto” e le spese improduttive, ma che presuppone accordi chiari fra clienti e fornitori su come calcolare il valore generato e su quali metriche adottare.
La disputa arriva dopo anni di adozione accelerata dell’AI in azienda, spinta dall’idea che i modelli generalisti avrebbero rivoluzionato gran parte delle mansioni ripetitive. Ora che molte sperimentazioni pilota entrano in una fase più matura, l’attenzione dei buyer si sta spostando dalla pura capacità dei modelli a temi come proprietà dei dati, sicurezza, conformità normativa e ritorni documentabili sugli investimenti.
Prossimo articolo: Il mercato delle stablecoin perde 10 miliardi di dollari dal picco di maggio mentre la liquidità cripto si contrae