Se domani dovessimo cambiare il fornitore della nostra intelligenza artificiale, che cosa riusciremmo a portare con noi? I documenti, certo. Ma anche le personalizzazioni, i criteri con cui valutiamo le risposte, la memoria degli agenti, le integrazioni con i sistemi e le competenze necessarie per far funzionare tutto? E con quali costi e tempi?
È una delle domande che pone Open Source, il potere di scegliere, settimo paper della serie Sovranità Tecnologica di Rivista.AI, a cura di Franco Bernabè, realizzato in collaborazione con TechVisory e con i contributi di Andrea David Passarelli, Antonio Dina e Fabio Ricceri. Un lavoro che ricostruisce il percorso dal software libero ai modelli di IA e propone un criterio molto concreto per ragionare sull’autonomia: la reversibilità delle scelte tecnologiche.
Questa chiave di lettura mi sembra particolarmente utile perché collega un dibattito spesso astratto alle decisioni quotidiane di imprese e amministrazioni: che cosa acquistiamo, quali capacità conserviamo e quanto ci costerebbe cambiare strada.
Dal codice aperto ai modelli: che cosa è cambiato
Nel software tradizionale, la disponibilità del codice sorgente e delle libertà previste dalla licenza permette di studiare un programma, modificarlo e affidarne l’evoluzione anche a soggetti diversi dal produttore originario. Il paper ripercorre questa storia, dal progetto GNU a Linux, fino alle comunità che hanno costruito una parte importante dell’infrastruttura digitale.
Con l’intelligenza artificiale la struttura dell’oggetto cambia. Accanto al codice ci sono i pesi, cioè i parametri appresi durante l’addestramento, i dati utilizzati, le procedure di preparazione e ottimizzazione, gli strumenti per eseguire il modello. L’apertura può riguardare soltanto alcuni di questi elementi.
Scaricare i pesi può consentire di eseguire e adattare un modello, nei limiti della sua licenza. Ricostruire il percorso che lo ha prodotto richiede molte altre informazioni e risorse. È qui che due espressioni spesso usate come equivalenti cominciano a indicare cose diverse.
Open source, open weight e API: tre cose da distinguere
| Modalità | Che cosa rende disponibile | Che cosa verificare |
|---|---|---|
| Accesso via API | Un servizio che riceve richieste e restituisce risultati. | Continuità, gestione dei dati, variazioni del servizio e portabilità delle integrazioni. |
| Open weight | I parametri appresi dal modello, con condizioni di utilizzo definite dalla licenza. | Usi consentiti, modifiche, redistribuzione e risorse necessarie per eseguirlo. |
| Open source AI secondo OSI | Libertà d’uso, studio, modifica e condivisione, con codice, parametri e informazioni sui dati richiesti dalla definizione. | Completezza dei materiali e condizioni effettive di accesso e riutilizzo. |
La Open Source AI Definition 1.0 dell’Open Source Initiative richiede codice, parametri e informazioni sui dati sufficientemente dettagliate da consentire a una persona competente di costruire un sistema sostanzialmente equivalente. Non impone che ogni dato di addestramento sia necessariamente redistribuibile: distingue l’accesso ai dati dalle informazioni necessarie a descriverli. È una scelta discussa, richiamata anche nel paper, che rende ancora più importante leggere i materiali disponibili e le licenze del singolo modello.
La distinzione serve a capire quali libertà si stanno acquisendo. La parola “open”, da sola, lascia troppe domande senza risposta.
L’apertura è anche una strategia industriale
Uno dei passaggi più interessanti del paper riguarda la geopolitica. Nella sua lettura, la diffusione dei modelli aperti diventa uno strumento per costruire ecosistemi: attirare sviluppatori, favorire l’adozione di strumenti, rendere familiari certi formati e orientare gli standard.
I casi statunitensi e cinesi, comprese le famiglie DeepSeek e Qwen discusse nel documento, mostrano perché il rilascio dei pesi possa avere un valore strategico anche per chi lo promuove. Un’organizzazione può rendere accessibile una componente e ricavare vantaggio dai servizi, dalle piattaforme o dalle infrastrutture che crescono intorno a essa.
Per chi adotta queste tecnologie, il beneficio può essere reale: più possibilità di sperimentare, confrontare e personalizzare. La conseguenza da tenere presente è che il potere economico può spostarsi lungo la filiera. Valutare ciascun modello e ciascun servizio diventa più utile che assegnare un’etichetta definitiva a un’intera azienda o a un Paese.
NVIDIA: il valore di ciò che fa funzionare il modello
Il caso NVIDIA rende evidente questo ragionamento. La sua documentazione su Nemotron presenta una famiglia di modelli aperti e un insieme di strumenti per sviluppare e distribuire sistemi agentici. Il paper interpreta questa strategia anche alla luce del ruolo dell’azienda nelle infrastrutture di calcolo.
L’interpretazione economica è plausibile: se cresce l’utilizzo dei modelli, può crescere la domanda delle risorse necessarie a eseguirli. Inoltre, le ottimizzazioni e gli strumenti adottati possono rendere costoso un successivo trasferimento verso un altro ambiente. Questa è una lettura della strategia industriale, da distinguere dalle caratteristiche tecniche dichiarate dal produttore.
Dal punto di vista dell’utilizzatore, occorre quindi valutare anche il software di esecuzione, le prestazioni ottenibili su hardware diverso, le persone necessarie alla gestione e il costo del servizio nel tempo.
Tre livelli sui quali costruire autonomia
Per mettere ordine, il paper distingue tre capacità: costruire, servire e far agire. Nella grafica traduco “servire” con “eseguire”: significa mettere il modello nelle condizioni di rispondere alle richieste, con tempi, costi e qualità adeguati.
Costruire riguarda il modello e il patrimonio di conoscenze necessario per comprenderlo, valutarlo e adattarlo. Per molte organizzazioni significherà scegliere e specializzare modelli esistenti: addestrarne uno da zero è una decisione molto diversa, per risorse e obiettivi.
Eseguire riguarda l’inferenza, ossia l’impiego del modello per produrre risultati: capacità di calcolo, memoria, energia, software, monitoraggio e competenze operative. La disponibilità dei pesi amplia le alternative; la sostenibilità dipende da ciò che occorre per utilizzarli davvero.
Far agire riguarda gli agenti e i processi. Quando un sistema consulta archivi, usa strumenti o interviene sulle applicazioni, diventano centrali autorizzazioni, memoria, registri delle operazioni e passaggi di controllo umano. Anche questi elementi devono poter essere compresi e trasferiti.
Un esempio concreto: l’assistente documentale di un ente
Immaginiamo un’amministrazione che introduca un assistente per aiutare gli uffici a orientarsi fra circolari, regolamenti e documentazione interna. Il modello ha pesi disponibili e gira in un ambiente scelto dall’ente. Dopo un anno, il fornitore cambia condizioni economiche e l’amministrazione decide di valutare un’alternativa.
È il momento della prova. I documenti originali sono ancora accessibili, ma il sistema comprende anche gli indici di ricerca, le regole di accesso, le istruzioni, le configurazioni, i collegamenti alle applicazioni e i casi usati per verificare la qualità delle risposte. Alcuni elementi si possono esportare; altri potrebbero dover essere ricostruiti.
Se una nuova soluzione richiede di rigenerare gli indici, rivalidare le risposte e riscrivere molte integrazioni, il cambio rimane possibile ma ha un costo. La reversibilità diventa credibile quando quel costo è conosciuto e sostenibile. È un esempio applicativo che propongo a partire dalla tesi del paper.
Cinque domande da portare al tavolo di progetto
Per tradurre questa riflessione in una scelta concreta, partirei da cinque domande da affrontare insieme al fornitore:
- Che cosa riceviamo? Quali componenti sono accessibili, con quali licenze e con quale documentazione?
- Che cosa possiamo trasferire? Dati, configurazioni, istruzioni, integrazioni e strumenti di valutazione devono avere una destinazione praticabile.
- Quanto costa cambiare? Vanno stimati il trasferimento, le eventuali ricostruzioni, la formazione e il periodo di funzionamento parallelo.
- Come verifichiamo la continuità? Una prova su un secondo ambiente dovrebbe misurare qualità delle risposte, tempi e rispetto degli accessi.
- Chi conserva le competenze? L’organizzazione deve poter comprendere il sistema e guidarne l’evoluzione anche quando cambiano gli interlocutori.
Sono criteri progettuali da adattare alla criticità del servizio. Una sperimentazione circoscritta richiede un impegno diverso da un sistema integrato nei processi essenziali di un’amministrazione. Il valore sta nel rendere la verifica proporzionata e concreta.
Europa e Italia: collegare capacità diverse
Il paper invita a considerare insieme ricerca, infrastrutture, imprese e domanda pubblica. Per l’Italia, il patrimonio da valorizzare comprende la conoscenza dei processi produttivi e amministrativi, i dati di qualità e le competenze di chi sa costruire servizi affidabili.
Fra gli esempi citati, Minerva nasce dal lavoro di Sapienza NLP con FAIR e CINECA. Sul versante industriale, Engineering presenta IS-IA, costruita su EngGPT 2, come un approccio per governare il ciclo dell’IA, dall’infrastruttura all’orchestrazione nei processi. Sono iniziative con origini e finalità differenti: la loro presenza illustra la varietà delle capacità disponibili, senza stabilire un’equivalenza fra livelli di apertura o risultati operativi.
Il punto che condivido con voi è la necessità di far comunicare queste capacità. Adottare componenti aperti può diventare un investimento duraturo quando lascia competenze, strumenti riutilizzabili e possibilità di intervenire sul sistema. Partecipare allo sviluppo dei progetti, contribuendo a codice e documentazione, aiuta inoltre a comprendere e influenzare le scelte da cui si dipenderà.
La libertà si prepara mentre il sistema funziona
La domanda iniziale resta la più utile: che cosa potremmo portare con noi se dovessimo cambiare? Rispondere mentre un servizio funziona bene permette di progettare con maggiore lucidità, verificare le alternative e capire quali dipendenze accettare.
Nella mia lettura, il merito del paper è aver dato alla sovranità tecnologica una dimensione verificabile nei progetti. L’apertura acquista valore quando si traduce in capacità di scelta, manutenzione e sostituzione. È su queste capacità che un’impresa o un’amministrazione può costruire una relazione duratura con la tecnologia.
La libertà di cambiare si costruisce prima del momento in cui diventa necessaria.
Per continuare su Angolo 1729
- Cloud e IA: 9,48 miliardi in Italia, ma quanta autonomia?
- Dall’algoritmo alla fabbrica: la vera sfida della sovranità tecnologica italiana
- La fabbrica invisibile: quando l’intelligenza artificiale decide cosa vede il mercato
Fonti e approfondimenti
Fonte principale: Rivista.AI, Open Source, il potere di scegliere. Come i modelli aperti stanno cambiando gli equilibri tecnologici tra Stati Uniti, Cina ed Europa, serie Sovranità Tecnologica, n. 07, ottobre 2026, a cura di Franco Bernabè, in collaborazione con TechVisory. Presentazione del paper e download sul sito dell’editore.
- Open Source Initiative, Open Source AI Definition 1.0 e domande frequenti.
- NVIDIA, documentazione e presentazione di Nemotron.
- Sapienza NLP e partner, progetto Minerva.
- Engineering, presentazione di IS-IA ed EngGPT 2, 20 aprile 2026.
Lascia un commento