Rinnovo Patente? Facile ed Economico
L’intervista a Maurizio Tarricone, fondatore di X Quantum Tech
Cosa non convince nelle AI generaliste — quando fanno ricerca e quando rispondono?
“Quello che rende esperto un professionista non è solo quanto sa: è come lavora — quali informazioni collega, in che ordine, quando approfondire e quando fermarsi. Molte generaliste vendono la simulazione della competenza: risposte fluenti, tono sicuro, forma da manuale. Sotto c’è spesso una superficialità strutturale: il sistema è ottimizzato per un testo plausibile, non per profondità, completezza o responsabilità sul merito. Non vale solo per la “ricerca profonda”. Vale ogni volta che rispondono — parere tecnico, sintesi, consiglio operativo. La forma rassicura più del contenuto: si confonde eloquenza con affidabilità. C’è poi la fiducia a monte. Il modello ha assorbito testi di altri: web, libri, media, forum“.
“Chi garantisce che ciò che gli è stato dato in pasto sia corretto, aggiornato, rappresentativo — e non di parte o distorto da incentivi commerciali, ideologici, geopolitici? L’utente non ispeziona quel substrato: non sa cosa è incluso, escluso, pesato o filtrato. Quando l’AI risponde con sicurezza, spesso riformula una memoria collettiva opaca. Strumenti potenti e comodi; non per questo automaticamente vostri o affidabili“.
L’Europa ha l’AI Act. Manca qualcosa?
“L’AI Act agisce soprattutto a valle: trasparenza, rischio, output. Necessario, non sufficiente. Controllare l’acqua al rubinetto non basta se l’acquedotto è di altri. La domanda che facciamo troppo di rado è: da quale biblioteca leggono queste AI, e sotto quale giurisdizione? Cloud, indici, filtri e termini d’uso definiti altrove mediano anche la risposta che sembra neutrale. La memoria da cui il sistema ragiona resta ai margini del dibattito“.
Non bastano context window più grandi o più documenti nel prompt?
“Come strategia di dominio, no: costi, rumore, coerenza debole, citazioni fragili. Una tesi professionale vale quanto le fonti che la reggono. Molti sistemi rispondono prima e documentano dopo — e quando li si costringe a citare, a volte inventano. Le “skill” da marketplace, spesso, sono poche pagine di istruzioni: utili come guida, non come mestiere. Il salto è un altro: poter costruire skill di competenza anche su migliaia di pagine — norme, paper, manuali, archivi — come memoria esterna recuperabile e citabile, non come prompt gonfiato. La domanda utile non è solo quale modello sia più brillante, ma: chi possiede, ispeziona, aggiorna e revoca la conoscenza su cui quel modello ragiona?“
Lei dice: non addestrare il modello, addestrare la memoria. Cosa significa?
“Le strade classiche — riaddestrare i pesi del modello o gonfiare il contesto — sfavoriscono chi non è un’iperscale. La terza via: lasciare il modello com’è — grande o piccolo, cloud o locale — e affiancargli una memoria esterna di dominio, portatile e governabile: testi, indici, mappa delle aree concettuali, apprendimento leggero sull’artefatto. Non una scatola nera di miliardi di parametri: un archivio apribile, versionabile, da cui togliere una fonte ritirata in poco tempo“.
Sinapsi” e “cartucce”: metafora o sostanza?
“La metafora viene dalla plasticità hebbiana: ciò che viene usato insieme si collega. In ingegneria sobria: ogni interrogazione e ogni feedback rafforzano i percorsi di recupero utili e indeboliscono quelli sterili. Non si riscrivono i fatti nei pesi di un laboratorio lontano: si adatta come la memoria trova, prioritizza e collega ciò che già contiene. L’apprendimento resta sull’artefatto.Quell’artefatto è una cartuccia di competenza: file portatile, versionabile, con integrità verificabile, apribile fino al passaggio citato. Se cambi modello, non butti mesi di affinamento: monti la stessa cartuccia su un motore diverso. Il modello è sostituibile; la memoria addestrata no, se è tua. Così si risponde anche al dubbio sul training opaco: la base che conta per il vostro mestiere è ispezionabile e sotto il vostro controllo“.
Perché è anche un mercato, non solo una scelta tecnica?
“Oggi il valore dell’AI è concentrato dove pochi possono investire: nell’addestramento dei foundation model. Prompt e skill usa-e-getta non costruiscono un asset serio. Se l’adattamento al mestiere vive nella cartuccia, chi lavora accumula proprietà. Una cartuccia base nasce dal corpus; una cartuccia addestrata nasce dall’uso reale — domande, correzioni, collegamenti che il lavoro ha rafforzato. Da qui può nascere un mercato di memorie di mestiere, sotto contratto e giurisdizione chiari: da licenziare, aggiornare, revocare, auditare. Non “non usare i modelli di frontiera”: usarli senza regalare loro il mestiere che avete insegnato lavorando“.
Cosa fate in X Quantum Tech?
“In X Quantum Tech lavoriamo sull’intelligenza artificiale in senso ampio: aiutare imprese e organizzazioni a progettare, costruire e mettere in produzione sistemi che non si limitino a una chat generica — automazione, agenti, integrazione nei processi, uso consapevole dei modelli di mercato. Il pezzo che ci distingue, e che lega tutto il resto, è lo strato che di solito manca: non solo “quale modello usiamo”, ma su quale memoria ragiona, con quali fonti, con quale controllo su dati e competenza. Per questo sviluppiamo anche memorie di dominio portatili — cartucce di competenza anche su volumi grandi di documentazione — ispezionabili, affinabili con l’uso, montabili su motori diversi. Non è l’unico servizio: è il modo in cui evitiamo che l’AI resti eloquente ma superficiale, o dipendente da un training opaco e da un fornitore solo. In sintesi: facciamo AI applicata e sistemi, con un’ossessione di metodo — modello intercambiabile, basi che potete vedere e possedere, agenti e processi che lavorano sul vostro sapere, non solo sulla fluidità di un LLM addestrato altrove“.
Cosa dovrebbero fare Europa, imprese e pubblica amministrazione?
“La mediocrità di molte applicazioni non si batte soltanto costruendo un foundation model europeo da cento miliardi di euro. Quella corsa, da sola, è segnata da un’asimmetria di capitale. La sovranità sull’intelligenza artificiale si conquista anche costruendo lo strato che vive accanto ai modelli di mercato: cartucce specialistiche, ispezionabili, addestrabili con l’uso, di proprietà di chi le produce e le fa lavorare. “Non usare i modelli americani” non è una politica: è spesso una rinuncia. “Usa il modello che serve al compito, ma addestra e possiedi la memoria che gli monti accanto” è una politica con uno scheletro tecnico e un mercato possibile. I prossimi dieci anni non si vincono solo erigendo una torre. Si decide chi possiede la biblioteca — e chi incassa il valore delle sinapsi che il lavoro, ogni giorno, vi scrive sopra. Intervista a Maurizio Tarricone, fondatore di X Quantum Tech“.
Rinnovo Patente? Facile ed Economico
Questo articolo è stato pubblicato in origine su questo sito internet