Databricks, insieme a Fabric di Microsoft e Snowflake, fa parte di quello strato di software su cui devi necessariamente appoggiare il tuo ranocchio elettronico. Infatti, per fargli comprendere il contesto ed ottenere dei risultati intelligenti, devi dargli una base fatta di tre pilastri fondamentali. Il primo è l’ontologia, ossia la logica che definisce come organizzare i dati e come questi devono interagire tra loro, a prescindere dal tipo di dato, che si parli di clienti, prodotti, ordini o altri documenti. L’ontologia aiuta gli agenti a capire che la conoscenza aziendale è strutturata, e questo aiuta l’accuratezza del ragionamento artificiale.
In seconda battuta, al ranocchio occorre una rappresentazione grafica della conoscenza, uno strumento che ha memoria e dimostra come i diversi tipi di dati sono connessi tra loro nel tempo. Questo aiuta gli agenti IA a capire la logica delle cose, a rispondere a domande complesse, ad esempio capire quali clienti sono interessati ad uno sconto o ad un cambiamento nell’orario del servizio, e quali no.
Da ultimo serve il semantic layer (strato semantico), lo strumento che traduce i dati grezzi in definizioni consistenti e coerenti, ed in misure chiare per tutti. Questo strato semantico aumenta precisione ed affidabilità dell’IA, che a quel punto riconosce determinati concetti sempre allo stesso modo, e li tratta in modo (quasi) certo, senza allucinare.
Microsoft s’è accorta che i clienti del suo Power BI, software usato da 35 milioni di utenti per visualizzare e manipolare i dati facilmente, usano sempre più spesso Databricks, proprio per portare quel livello di IA che descrivevo sopra. All’improvviso, la preparazione dei dati e specialmente lo strato semantico necessario per dare accuratezza ed efficienza ai calcoli necessari veniva sottratta a Microsoft e data ad un concorrente: inaccettabile.
Questo blocco improvviso è stato ovviamente vestito coi paramenti classici della protezione del cliente, della cybersecurity e della foca monaca, e chi pensasse male potrebbe ipotizzare un comportamento anti-competitivo: non sia mai.
Sia come sia, questa mossa ci spiega come Microsoft vede il futuro: la battaglia sulle piattaforme IA si giocherà sulla capacità di addestrare il ranocchio elettronico nel modo più completo ed efficiente possibile, per minimizzare i consumi oggi fuori dalla grazia di Dio. Su questo tema vi segnalo la startup italiana Syllotips, che è veramente sul pezzo ed ha tutte le possibilità per scalare alla grande, ben al di là dei confini nazionali.
Le multinazionali del SW ovviamente cercano di convincere i clienti ad usare solo i loro prodotti, ed in questa lotta IA vs. SW capiamo il dilemma dell’integrazione tra i due: resterà un solo ecosistema vincente. Per forza: quando un agente IA usa un applicativo per eseguire lo stesso mestiere del lavoratore bipede, dalla registrazione delle fatture, all’emissione di ordini, a qualsiasi altra attività digitale, se non controlla tutta la filiera del dato, vale come il due di picche a poker. E visto che il ranocchio elettronico in molti casi costa più del dipendente a parità di mansione, è vitale ridurre di svariati ordini di grandezza il consumo energetico, ovvero di token.
Nell’ultimo anno Microsoft è scesa del 25% in borsa, perché, pur producendo soluzioni IA, sta prendendo martellate da fabbro sulla valutazione del suo sw. Sta provando a correre ai ripari producendo sempre più agenti per le sue applicazioni, in modo che i clienti non si rivolgano ai vari ChatGPT, Gemini o DeepSeek. I clienti per ora si trovano in una posizione di vantaggio, specie grazie alla disponibilità di piattaforme cinesi che costano poco e consumano pochissimo, e molti stanno rinegoziando i contratti di SAAS (software as a service, a canone) su base annua: prendere o lasciare.
Anche Google ha confermato che i suoi clienti che usano ontologia, rappresentazione grafica della conoscenza e strato semantico hanno aumentato l’accuratezza dei propri modelli dal 60-70% ad oltre il 90% per ogni ragionamento. Attenzione: ogni volta che un agente svolge una mansione con quattro ragionamenti in fila, il calcolo dell’accuratezza finale è la moltiplicazione di 90% per 4 volte = 65%, che non è tutta questa abbondanza, specie visto il costo.
In conclusione, nel confronto tra aziende e tecnologie IA e quelle del software tradizionale, lo snodo è la base architetturale che diamo al ranocchio elettronico, per consentirgli ragionamenti corretti, affidabili nel tempo, ed eseguiti in modo molto più efficiente di quanto succeda oggi. Solo in quel modo si possono costruire agenti IA che davvero valgono l’investimento, e la commoditizzazione del software, con buona pace di tante multinazionali digitali.
