Efficienza dell’intelligenza: più scelta tra i modelli, routing più intelligente

Dalle mie conversazioni con i clienti emerge una tensione evidente. Le aziende stanno investendo con decisione nell’intelligenza artificiale, ma stanno anche valutando con maggiore rigore la convenienza economica. Non basta più dimostrare che il personale utilizza l’intelligenza artificiale o che il consumo di token è in aumento. L’utilizzo è un input. La domanda importante è: che cosa ottiene un’azienda in cambio?

Le aziende devono chiedersi: ci stiamo muovendo più velocemente? stiamo riducendo i costi? stiamo creando prodotti e customer experience migliori? In definitiva, l’intelligenza artificiale deve tradursi in valore aziendale misurabile.

Definisco questo concetto efficienza dell’intelligenza, ovvero la capacità di un’azienda di trasformare capacità di calcolo, modelli, dati e contesto in impatto sul business. Più ricavi. Costi più bassi. Esecuzione più rapida. Per raggiungere questa efficienza serve flessibilità nella scelta dei modelli, sia per poter utilizzare i modelli più adatti a ogni processo, sia per sfruttare un routing intelligente che abbini ogni attività al modello giusto in base a costi, velocità e prestazioni. Negli ultimi anni il settore si è concentrato sull’ottimizzazione delle funzionalità dei singoli modelli. Ora le aziende devono ottimizzare il sistema che li circonda per ottenere risultati concreti.

Questo cambiamento arriva mentre la crescita dei modelli open emergenti sta modificando l’equazione dei costi dell’intelligenza artificiale. Per molti carichi di lavoro, in particolare per le attività più semplici e ben definite, i principali modelli open offrono prestazioni elevate a una frazione del costo dei modelli frontier. Con il continuo miglioramento dei modelli open, una maggiore scelta tra i modelli dovrebbe stimolare più concorrenza, innovazione più rapida e costi inferiori in tutto l’ecosistema.

È qui che vedo una grande opportunità per le aziende. Quando il costo per attività diminuisce, diminuisce anche la soglia oltre la quale conviene applicare l’intelligenza artificiale. I workflow che un tempo erano troppo costosi da automatizzare diventano economicamente sostenibili, dando alle organizzazioni la libertà di sperimentare, iterare e, in definitiva, implementare l’intelligenza artificiale in un ventaglio molto più ampio di attività.

Eppure, modelli diversi occupano punti diversi sulla curva di costi, qualità e latenza, e queste posizioni cambiano continuamente. Il modello migliore per un’attività oggi potrebbe non esserlo più tra sei mesi. Per questo credo che l’efficienza dell’intelligenza richiederà alle aziende di adottare un portfolio flessibile di modelli.

Vedo già questo cambiamento nelle mie conversazioni con i clienti. La domanda sta passando da “Su quale modello dovremmo standardizzarci e dove dovremmo applicarlo?” a “Come possiamo scegliere continuamente il modello migliore per ogni attività?”

In Snowflake abbiamo creato una piattaforma enterprise neutrale che riunisce i principali modelli open e proprietari di Anthropic, Google, Mistral AI, OpenAI e SpaceXAI, e Snowflake amplierà ulteriormente questa scelta con il supporto per GLM-5.3 e DeepSeek-V4-Flash 0731. 

Questa libertà e questa flessibilità sono fondamentali per il nostro modo di concepire l’agentic enterprise. Con la continua evoluzione dei modelli, le aziende dovrebbero poter beneficiare di questa innovazione nell’intero patrimonio di dati e contesto.

È ciò che offriamo con Snowflake CoCo e Snowflake CoWork, rispettivamente per chi sviluppa e per chi utilizza le soluzioni aziendali. CoCo e CoWork lavorano in modo fluido su tutti i tuoi dati, permettendoti di utilizzare modelli, agenti, workflow e sistemi diversi, tutto da un’unica interfaccia conversazionale. Il modello è una componente importante del sistema, ma non dovrebbe essere qualcosa che chi utilizza la soluzione deve gestire continuamente. 

Questo ci porta alla prossima sfida che vedo per le aziende: come orchestrare efficacemente l’intelligenza artificiale. Per questo oggi introduciamo il routing dinamico tra modelli in Cortex AI Gateway, per aiutare i nostri clienti a utilizzare il modello giusto per il processo in questione. I clienti ora possono definire quali modelli approvare e quali compromessi considerare importanti. A quel punto, Cortex AI Gateway valuta ogni attività sulla base di queste policy, oltre che dei dati reali su costi e prestazioni, e seleziona il modello migliore per ogni caso d’uso. 

Il sistema impara anche dai risultati. Dopo che un modello completa un’attività, un altro valuta la qualità del risultato, creando un ciclo di feedback continuo che migliora le decisioni di routing future. Man mano che i modelli migliorano e lo scenario cambia, il sistema può adattarsi, migliorando continuamente qualità, costi e latenza.

I nostri benchmark iniziali mostrano che, a parità di qualità, questo approccio può offrire una convenienza economica maggiore rispetto all’utilizzo di un singolo modello. Poiché questa funzionalità è integrata direttamente in CoCo e CoWork, i nostri clienti possono ottimizzare costi e prestazioni all’interno degli agenti e dei workflow esistenti, anche quando emergono nuovi modelli o funzionalità.

Gli annunci di oggi riflettono una filosofia che guida Snowflake fin dall’inizio. I grandi cambiamenti tecnologici generano complessità. Il nostro compito è assorbire questa complessità per i nostri clienti. Lo abbiamo fatto per l’infrastruttura dati e ora lo facciamo per l’intelligenza artificiale, dando alle aziende la libertà di usare l’intelligenza migliore per ogni processo, mentre Snowflake gestisce alla base la complessità della scelta dei modelli, del routing e dell’ottimizzazione. È così che aiutiamo i nostri clienti a ottenere una vera efficienza dell’intelligenza.