La gestione della supply-chain dell'intelligenza è ora compito del costruttore di agenti

Il confine tra consumare informazioni e produrle è crollato, e il sistema legale sta iniziando solo ora a prenderne atto. Quando un browser può raschiare silenziosamente l'intero archivio di un giornale per addestrare un modello, il vecchio patto del web—contenuti gratuiti in cambio di visualizzazioni pubblicitarie—si rompe. Per chiunque costruisca agenti, questa non è una lontana battaglia sul copyright. È un segnale che la catena di approvvigionamento dei dati da cui dipende il tuo agente sta per diventare più limitata, più costosa e più ostile.

Il New York Times e altri editori stanno facendo causa a Brave Software, sostenendo che il produttore del browser abbia raschiato i loro contenuti per l'addestramento dell'AI e aiutato gli utenti a bypassare i paywall [1]. La causa colpisce sia il lato dell'ingestione che quello della distribuzione: prendere i dati e poi rendere banale per gli utenti finali evitare di pagarli. Questa doppia accusa è importante perché rispecchia esattamente il modo in cui funzionano oggi molte pipeline di agenti. Un agente recupera una pagina, estrae il testo strutturato e lo inserisce in una finestra di contesto. Se il modello di business dell'editore si basa su un essere umano che vede un paywall o un annuncio, l'agente non vede nessuno dei due. L'esposizione legale non è più teorica.

L'economia della creazione di modelli si sta rompendo

Mentre il livello dei dati affronta pressioni legali, il livello finanziario mostra crepe proprie. I ricavi di Anthropic sono cresciuti di dodici volte, eppure l'azienda ha registrato una perdita operativa di 23 miliardi di dollari prima della sua IPO [3]. Quel numero è sbalorditivo non perché sia grande, ma perché rivela quanto l'industria sia ancora lontana da un'economia unitaria che abbia senso. Addestrare modelli di frontiera consuma capitale a un ritmo che nemmeno una crescita esplosiva dei ricavi può compensare. L'implicazione per i costruttori di agenti è chiara: il costo dell'intelligenza grezza che il tuo agente consuma è sovvenzionato dagli investitori, non dai clienti. Quel sussidio non durerà.

Quando il sussidio finirà, i fornitori di modelli aumenteranno i prezzi, limiteranno i livelli di accesso, o entrambe le cose. Gli agenti che oggi chiamano un modello di grandi dimensioni per ogni sotto-attività dovranno essere riprogettati per essere più parsimoniosi—instradando le query più semplici verso modelli più piccoli, facendo caching in modo più aggressivo e prendendo decisioni più difficili su quando un'attività richieda genuinamente un ragionamento di frontiera. L'era in cui si trattava un modello massiccio come una risorsa infinita ed economica sta volgendo al termine.

Il livello degli strumenti si sta spostando verso il basso

Nello stesso momento in cui la cima dello stack è sotto pressione, la base si sta aprendo. Trajectory, una startup di un anno ora valutata 300 milioni di dollari, ha raccolto 45 milioni per costruire strumenti che permettano a esperti non tecnici di addestrare modelli di AI [2]. La proposta non è quella di banalizzare il machine learning. Si tratta di avvicinare l'atto della creazione del modello alle persone che comprendono il dominio—gli esperti di materia che sanno che aspetto ha un buon output ma non sanno scrivere un ciclo di addestramento.

Per i costruttori di agenti, questo cambia il calcolo del make-or-buy. Se un esperto di dominio nel tuo team può fare il fine-tuning di un piccolo modello per uno specifico compito di classificazione o estrazione senza supporto ingegneristico, l'architettura dell'agente cambia. Smetterai di instradare tutto attraverso un unico modello general-purpose e inizierai a comporre componenti specializzati. Quel problema di composizione—scegliere quale modello chiamare, quando, con quale prompt, sotto quale governance—è esattamente il problema che i framework per agenti esistono per risolvere.

Cosa rimane per i costruttori

Le tre storie puntano nella stessa direzione. L'accesso ai dati sta diventando legalmente conteso. L'economia dei modelli è insostenibile ai prezzi attuali. Gli strumenti stanno rendendo i modelli specializzati più economici da produrre. Il lavoro del costruttore di agenti non è più solo prompt engineering o progettazione di catene. È gestione della supply-chain per l'intelligenza: sapere da dove provengono i tuoi dati, quanto costa elaborarli e quale modello è lo strumento giusto per ogni anello della catena. Integra l'auditing nei percorsi di recupero ora, prima che la regolamentazione lo imponga. Progetta architetture di agenti che degradino con grazia quando una fonte di dati scompare o un'API di un modello diventa più costosa. I costruttori che tratteranno questi vincoli come parametri di progettazione, e non come ostacoli, saranno quelli i cui agenti continueranno a funzionare quando i sussidi finiranno.