L’AI doveva abbassare le barriere all’accesso alla conoscenza… e se stesse creando, invece, una “aristocrazia computazionale”?
C’è un’equazione che l’industria dell’intelligenza artificiale preferisce non scrivere in caratteri troppo grandi:
più parametri → più calcolo → più energia → più costi → meno “AI democratica”.
Il caso Astra di OpenAI è solo l’ultimo capitolo di una narrativa che si ripete da anni. Lancio del modello “più potente di sempre”, domanda “senza precedenti”, data center sotto stress, e soluzione elegante: in questo caso sospendere le nuove iscrizioni al piano da 200 dollari al mese. Gli abbonati esistenti continuano a “bruciare token” e spremere le GPU in santa pace, gli altri aspettano in coda, pregando. La scalabilità, si sa, è sempre “in corso”.
Il problema più che tecnico è strutturale.
Ogni salto generazionale nei grandi modelli di linguaggio ha seguito la stessa traiettoria. Si aumenta il numero di parametri, si allunga il training, si spinge sull’inferenza. Il risultato è un consumo energetico e computazionale che cresce in modo non lineare ma esponenziale. Non si tratta di un bug ma di un modello di business. Gli LLM più capaci diventano, per definizione, quelli più costosi da far girare. E quando il costo per token sale, qualcuno deve pur pagarlo (e di solito non è l’azienda che ha già ammortizzato il training… con i soldi degli investitori).
Così nasce la piramide.
In cima: i piani Pro, Enterprise, API a consumo con pricing “premium”.
Al centro: gli abbonamenti intermedi che offrono un’esperienza “quasi buona”.
In basso: la versione gratuita o a basso costo, limitata, con code, rate limit e modelli più deboli. E magari la pubblicità.
L’AI “democratica” di cui si parlava fino a ieri si sta trasformando in un servizio a scaglioni. Chi può permettersi 200 dollari al mese ha accesso prioritario alle capacità più avanzate. Chi non può, resta a guardare. O aspetta che il modello di ieri diventi quello di oggi, quando ormai ne è uscito uno ancora più grosso e ancora più assetato di elettricità.
Ovviamente non riguarda solo OpenAI, ma è la logica dell’intero settore. Più il modello è grande, più diventa difficile (e costoso) “democratizzarlo” davvero. L’open source cerca di contrastare questa dinamica, ma anche lì i modelli di frontiera richiedono cluster che non tutti possono permettersi. Il risultato è una nuova forma di divisione: non più solo tra chi ha e chi non ha i dati, ma tra chi ha e chi non ha la capacità di far girare i modelli più potenti.
C’è un’ironia piuttosto crudele in tutto questo. Per anni ci hanno raccontato che l’intelligenza artificiale avrebbe livellato il campo di gioco, reso la conoscenza accessibile a tutti, abbassato le barriere. In realtà stiamo assistendo alla costruzione di una nuova “aristocrazia computazionale”. Chi sta in alto paga per l’accesso prioritario. Chi sta in basso riceve le briciole, spesso con un “ritardo generazionale”.
E ogni volta che un nuovo modello “rompe” i data center, la soluzione non è ridimensionare le ambizioni ma razionare l’accesso, in nome della stabilità del servizio, ovviamente.
La domanda scomoda resta aperta: quanto può essere “democratica” un’intelligenza artificiale che, per funzionare al massimo delle sue potenzialità, richiede infrastrutture energetiche e finanziarie che solo pochi possono sostenere?
Forse la risposta è già nelle tariffe.