Con l'intelligenza artificiale generativa che si diffonde e comincia a permeare ogni prodotto e servizio, il mercato tecnologico è diventato altamente competitivo.
Google, Microsoft, Amazon e le altre big tech stanno investendo in compagnie di IA come OpenAI, Anthropic e Mistral per ritagliarsi una fetta di mercato prima che sia troppo tardi, concentrando i loro sforzi sullo sviluppo di LLM sempre più grandi e potenti.
A differenza dei precedenti modelli che venivano sviluppati per task specifici, gli LLM sono in grado di svolgere un'ampia varietà di attività legate all'NLP, come la sentiment analysis, i chatbot, l'analisi dei documenti e l'estrazione di testo dalle immagini.
Ron Schmelzer, analista in Cognilytica, evidenzia un importante problema legato a questi modelli: essendo proprietari, le aziende che li utilizzano e li integrano nei loro prodotti non hanno alcun controllo sui dati di addestramento, sui parametri e sulle configurazioni di tuning.
Ciò riduce notevolmente la flessibilità di utilizzo e le imprese non hanno alcuna libertà di scegliere come addestrare e ottimizzare il modello. Non avendo controllo sui dati, le aziende non riescono a moderare efficacemente i contenuti e limitare alcuni risultati; inoltre, se si verificano dei problemi, i clienti di questi modelli non possono fare altro che affidarsi ai provider senza avere voce in capitolo.
È per questo che, oltre ai modelli proprietari, si stanno diffondendo alternative open-source che sono completamente trasparenti in merito ai dati e all'addestramento e lasciano ai clienti la libertà di scegliere quali dati usare per il fine-tuning e di modificare i parametri per aggiustare il comportamento del sistema.
Molti modelli open-source offrono performance uguali, se non migliori, di quelli proprietari e possono essere personalizzati per rispondere alle esigenze delle singole imprese.
Scegliere un modello open-source significa non soltanto avere un maggiore controllo sui dati e su come vengono usati, ma anche avere un risparmio economico nel lungo termine e ridurre la dipendenza dai principali vendor.
È anche vero però che affidarsi a soluzioni open-source significa caricarsi dei costi di implementazione ed esecuzione dei modelli, potenzialmente anche molto alti. Il mondo open-source è un'ottima alternativa per quelle aziende che hanno risorse a sufficienza e skill interne adatte a implementare i tool e superare le difficoltà che potrebbero emergere.