Token e AI: indagine sui rischi dei prodotti offerti ai consumatori

Premessa

Il concetto di "Token Apocalypse" ha introdotto un rischio potenziale sempre più concreto. Proviamo a capire, attraverso un ragionamento semplificato, perché l'utilizzo dei token sia così fondamentale per lo sviluppo dell'Intelligenza Artificiale (AI) e se i prodotti oggi offerti sul mercato siano davvero efficaci come promesso — guardando, per esempio, agli agenti AI pensati per gli avvocati.

 

Vale la pena riflettere se questa tecnologia sia a rischio di aumenti indiscriminati dei costi all'insaputa dei consumatori, concludendo con alcune considerazioni sulla potenziale inefficacia dei cosiddetti "esperti di prevenzione rischi dell'AI", spesso concentrati su teorie catastrofiche troppo lontane dal realismo della vita quotidiana. Infine, volgeremo lo sguardo a una prospettiva meno commerciale, in cui ciascuno potrebbe creare, a costi bassissimi, il proprio agente AI personalizzato.

 

Nella vastissima offerta di agenti AI (che nella maggioranza dei casi si differenziano solo per la strategia pubblicitaria), alcuni consumatori — e in particolare le categorie professionali — si interrogano sull'andamento dei costi futuri di questi strumenti e sulla loro reale efficacia in termini di produttività.

 

Ferma restando la costante necessità di aggiornamento di una tecnologia in itinere (che solleva non poche perplessità circa l'uso "totale e infallibile" sbandierato dai venditori), alcuni potrebbero aver sentito parlare di "Token Apocalypse" (Apocalisse dei token), una possibile criticità emersa di recente nel settore dell'AI commerciale.

 

Prima di addentrarci in spiegazioni semplificate, sembra opportuna una premessa: una sorta di carta "promo", direbbero gli appassionati di giochi di carte collezionabili (TCG).

 

La consapevolezza del consumatore nel mercato High-Tech

La reale conoscenza che i consumatori hanno dei prodotti high-tech sul mercato è da sempre una variabile altalenante. Spesso si tratta di una consapevolezza basata sulle aspettative e quasi mai sul reale funzionamento tecnico del bene. Certamente esistono utenti che, per cultura, lavoro o passione personale, possiedono una formazione maggiore; in linea di massima, però, quando acquistiamo un PC o un notebook finiamo per sfruttarlo solo per una percentuale minima delle sue reali potenzialità (spesso meno del 50%).

 

Sappiamo cos'è un hard disk, ma non necessariamente come funzioni (magari abbiamo imparato solo a capire quando si rompe). Conosciamo l'esistenza di processori, schede grafiche, sistemi operativi e antivirus, ma non sappiamo davvero come tutto ciò interagisca a livello microscopico. Tuttavia, scegliamo ugualmente i prodotti in un mercato che ci mette di fronte a una fortissima comparazione di qualità e prezzo.

 

Questo vale per molti oggetti tecnologici: dai robot da cucina a quelli per le pulizie, dai cellulari alle smart TV. È normale che il consumatore si orienti a seconda delle proprie esigenze o affidandosi a recensioni e servizi che lo guidino nella decisione. Ma se è vero che è difficile che un acquirente abbia un'alta competenza tecnica, è altrettanto raro che parta da zero.

 

Però con l'AI è proprio così

Pensiamoci un attimo: anche se non guidiamo abitualmente o non siamo meccanici, conosciamo tutti i rudimenti di un'automobile. Siamo in grado di valutare i punti di forza di un modello e capire, a grandi linee, quanto ci costerebbe sostituire un fanale di una marca rispetto ad un'altra. Questa minima competenza ci orienta nella scelta. Se provassero a venderci un'auto senza volante o senza ruote, ce ne accorgeremmo subito e chiederemmo spiegazioni.

Lo stesso vale per i PC o gli smartphone: compriamo da tempo tecnologia che non dominiamo, ma della quale qualcosa intuiamo. È quella che il legislatore, in particolare nel Codice del Consumo, definisce sotto il comune denominatore della diligenza dell'uomo medio. Per valutare un acquisto comune non è richiesto il QI di Einstein o il discernimento di Leonardo da Vinci, anche perché si parte dal presupposto che l'uso non sarà strettamente specialistico.

 

Con l'AI le regole cambiano

Con l'Intelligenza Artificiale questo paradigma salta. Sono pochissimi a conoscerne i rudimenti, persino i meccanismi base dell'addestramento. Il consumatore esprime una necessità che, a ben vedere, non è detto debba essere soddisfatta esclusivamente dall'AI: la volontà di migliorare una performance che è già in grado di eseguire da solo, ma che vorrebbe svolgere in modo più efficace (per stile o per tempo impiegato). Non è affatto scontato che l'AI generi un impatto rivoluzionario sul prodotto finale — che potrebbe benissimo restare mediocre — ma possono esserci indubbi miglioramenti in termini di efficienza.

 

Se la cronica ignoranza tecnica del prodotto è il primo aspetto su cui riflettere, il marketing aggressivo è il secondo. La vendita dell'AI si basa sul presupposto che noi e le nostre funzionalità (nella vita privata, nel lavoro, nel tempo libero) siamo "migliorabili" in un modo che solo l'AI è in grado di offrire. Questo approccio parte da una premessa molto più pervasiva rispetto a qualunque altra tecnologia del passato.

 

La questione diventa ancora più evidente se ci spostiamo sulle categorie professionali, una delle quali, particolarmente interessata, è quella degli avvocati. Il professionista svolge già la sua attività, ottiene risultati e affronta difficoltà quotidiane interagendo con un ecosistema complesso: lo studio professionale, i tribunali, le cancellerie, i colleghi e l'Ordine del giorno.

Il consumatore medio e l'avvocato si aspettano cose diverse dall'AI in termini di produttività e gestione del tempo. Tuttavia, hanno una cosa in comune: è altamente probabile che non sappiano quasi nulla dell'agente AI che stanno per utilizzare, ignorando persino la differenza strutturale tra un modello (LLM) e un agente.

Eppure, entrambi sono i destinatari designati di un prodotto commerciale.

 

Che cos'è la "Token Apocalypse"?

Per questo motivo, parlare a un utente profano o a un professionista di "Token Apocalypse" può sembrare privo di senso; potrebbero pensare al titolo di una nuova serie TV o di un videogioco. Invece, per loro sarebbe importante comprendere questo fenomeno tanto quanto per un automobilista è essenziale capire la differenza tra benzina ed energia elettrica.

Per "Token Apocalypse" si intende il rischio latente di uno shock finanziario e operativo che gli utenti dei servizi AI potrebbero subire nel momento in cui i fornitori eliminassero i massicci incentivi e le gratuità iniziali applicate sul costo dei token.

 

Per un'AI, il token rappresenta l'unità fondamentale e atomica di informazione elaborata da un modello. I token sono gli elementi di base del testo: possono essere brevi come un singolo carattere o lunghi come una parola intera, a seconda della lingua e del contesto. Spazi, punteggiatura e frammenti di parole contribuiscono tutti al conteggio finale.

 

Prima che un algoritmo possa interpretare una frase, analizzare uno script o riconoscere un'immagine, i dati grezzi devono essere tradotti in elementi interpretabili dalla macchina. Il token è l'alfabeto genetico tramite il quale l'AI comprende, elabora e risponde. Un tempo l'avremmo definita "interfaccia".

 

Il linguaggio della macchina è il token, da cui il termine tokenizzazione. Non si tratta di una vera e propria traduzione, quanto di una scomposizione e ricomposizione. Immaginate di creare una serie di note musicali da associare a lettere, sillabe o parole: un meccanismo crittografico avanzato che macina la comunicazione umana (sia essa basata su alfabeti, idiomi o ideogrammi logografici) e la trasforma in uno spartito comprensibile per la macchina. La parola umana esplode in una miriade di frammenti — un piccolo Big Bang — e questi frammenti (i token) vengono riassemblati come un puzzle dall'algoritmo per dare un senso all'interazione.

Nel deep learning esiste quindi una differenza evolutiva tra la predisposizione dei dati e l'attività interpretativa delle reti neurali. È come legare l'evoluzione dall'Uomo di Neanderthal al Cro-Magnon prima di arrivare alla risposta del Sapiens. O, per rimanere in ambito metaforico, si pensi a un percorso filologico-archeologico che, prima di dare risposte, deve tracciare una linea temporale per collocare il reperto.

 

Il miraggio della gratuità e i "guru" del catastrofismo

In questo ragionamento volutamente semplificato, avrete già intuito il motivo per cui, inizialmente, tutte le società di AI offrivano servizi gratuiti, stimolando gli utenti a un uso totalizzante: avevano bisogno di tokenizzare.

In quella fase si sono formati anche i cosiddetti "esperti di sicurezza", guru della prudenza che ipotizzavano scenari apocalittici in cui l'AI avrebbe simulato un attacco nucleare per scatenare la fine del mondo. Un vero tripudio di fanta-follie ed esagerazioni mediatiche degne di un film di serie B alla Ed Wood. Eppure, queste narrazioni hanno accreditato una legione di esperti che oggi siede nei tavoli tecnici e prende decisioni sui policy maker globali.

 

Facendo un piccolo esperimento sociale, basta verificare chi, tre anni fa, cavalcava podcast e canali YouTube profetizzando l'Armageddon esistenziale dell'AI, sparandone di grosse — come avrebbe detto Umberto Eco — similmente agli ubriachi nei bar di cui parlava il professore, con la differenza che oggi, anziché cercare un lampione come i "brilli" di Bernard Shaw, costoro fanno proseliti e ottengono fondi pubblici dalle alte sfere della politica.

 

Quasi nessuno di questi creativi aveva ipotizzato che il vero problema, molto più pragmatico, sarebbe risieduto proprio nei token. Chi sollevava critiche concrete lo faceva in modo troppo tecnico per piacere alla pubblica opinione: analisi noiose, liquidate come "roba da nerd".

 

Oggi, diversi studi evidenziano come la gestione dei token richieda una mole impressionante di dati e un consumo energetico monumentale. E l'energia ha un costo. Esattamente come non è possibile fornire un'AI gratuita a tutti all'infinito, sorge il legittimo dubbio che non sia sostenibile mantenere bassi i piani tariffari dei prodotti standard. Più useremo l'AI, più i token costeranno.

 

Le alternative: Framework Open-Source e Sandbox

Le soluzioni futuristiche non mancano, ma spesso sembrano uscite da un romanzo cyberpunk: data center posizionati in fondo all'oceano, sulla Luna o centrali nucleari dedicate a soddisfare le nostre richieste digitali in un futuro alla Blade Runner, dopo aver devastato il resto del pianeta.

Esistono però strade diverse, sebbene antieconomiche per chi punta esclusivamente a monetizzare pacchetti commerciali chiusi. Una di queste ipotesi (utilizzando il termine a scopo divulgativo) è l'adozione di framework open-source, in cui l'utente può configurare e personalizzare il proprio agente AI senza necessità di acquistarlo come prodotto finito.

Questa via è già percorsa da alcune community di testing e addestramento. Per evitare il cosiddetto effetto shadow user, questi framework consentono all'utente di far lavorare il proprio agente all'interno di una sandbox (un ambiente di prova isolato e sicuro).

 

Una start-up che riuscisse a standardizzare un framework simile, permettendo all'utente di importare il modello di AI più evoluto a seconda delle necessità, potrebbe avere un successo enorme. Anche perché gli strumenti esistono già nelle versioni Edge AI, completi di toolkit di ottimizzazione e piattaforme per il testing delle performance. Invece di avere un unico agente commerciale che promette di fare tutto (risultando magari eccellente come Stephen Hawking in un settore e mediocre come Fantozzi in un altro), avremmo un agente mirato, con un'altissima efficienza nell'esatto compito richiesto.

 

Ma, come si diceva, queste soluzioni sono sgradite a chi preferisce fatturare promettendo la magnificenza del "chiavi in mano". È la "doppia libidine con i fiocco" (per citare un celebre attore italiano) che da sempre affascina il consumatore medio, dai tempi dell'aspirapolvere venduto porta a porta.

 

Il caso emblematico degli agenti AI per Avvocati

Tornando all'esempio dei professionisti legali, al momento il mercato promette loro mari e monti con prodotti AI super-completi. Manca solo il fiocco sul pacco. Ci dicono che utilizzare questi strumenti sarà come indossare l'Anello di Sauron o impugnare la bacchetta di Harry Potter. In verità, lo scrivente — essendo avvocato — sa bene che buona parte di questi prodotti si attesta sulla media e che nessuno può escludere i rischi economici legati alla tokenizzazione.

 

Esiste la concreta probabilità che in futuro i costi degli abbonamenti debbano aumentare, o che le funzionalità incluse debbano ridursi. Più avvocati acquisteranno il pacchetto, più scatteranno tecniche di marketing basate su aggiornamenti (fintamente scontati) per indurli a spendere di più, poiché i fornitori non riusciranno a mantenere i prezzi ordinari. Assisteremo alla classica proliferazione di piani: Standard, Basic, Premium, Elite, Superman e, infine, Black Mirror.

 

Nel concreto, l'uso che molti agenti AI legali fanno dei testi rischia di ridursi a un’elaborazione grossolana di snippet (ritagli e clausole ripetute), una strategia utilizzata dai software per risparmiare sui token. Immaginate una redazione giornalistica che, invece di scrivere pezzi nuovi, fa un costante taglia-e-incolla dai numeri precedenti.

 

Nell'ambito legal, i benchmark dimostrano che i modelli spesso non sono in grado di articolare token linguistici innovativi per aggiornare le strategie difensive; il ricorso al "riciclo" dei testi diventa quindi una via obbligata, ma estremamente pericolosa.

 

Esempio pratico: Supponiamo che un avvocato voglia persuadere un giudice sulla bontà dell'interpretazione di un articolo del Codice Civile. Per farlo, inizia a citare precedenti della Cassazione estrapolandone i principi cardine. Se il professionista chiede all'AI di fornirgli aggiornamenti su quei medesimi principi per affinare la propria retorica, l'agente AI potrebbe non filtrare correttamente il contesto, restituendo sentenze che non seguono l'iter logico desiderato perché, in realtà, la macchina non lo comprende profondamente: elabora stringhe al meglio della sua capacità statistica. Se spinta a creare un atto da zero, l'AI potrebbe persino inventare decisioni giurisprudenziali inesistenti pur di soddisfare la richiesta dell'utente (fenomeno delle allucinazioni). Non a caso, si registrano già i primi casi giudiziari di responsabilità professionale per un uso distorto dell'AI.

 

Verso il futuro: Token Qubit e Semiconduttori

Alcuni dei modelli migliori in circolazione, come Claude (che reputo tra i più interessanti), sono già in grado di fare scripting. Se un programmatore volesse verificare i limiti sopra esposti all'interno di una community di addestramento usando Python o Bash, arriverebbe alle stesse conclusioni. Per ovviare a questi limiti, oggi si chiede all'AI di superare se stessa attraverso l'autoprogrammazione.

È possibile che ci riesca, ma per farlo occorreranno capacità di calcolo computazionale tali da trasformare i token in elementi dinamici o fluidi (una sorta di Token Transformers). Potremmo usare la metafora della Torre di Babele: gli umani parlano lingue diverse, ma la lingua universale diventa quella tokenizzata dall'AI per comprendere tutti e rispondere a ciascuno.

In questo scenario, il token tradizionale cesserebbe di esistere, evolvendo in un token qubit. Il qubit (bit quantistico) è l'unità standard di informazione dei computer quantistici. In pratica, parliamo di supercomputer.

 

Questa transizione appare già come una corsa contro il tempo. L'unico vero disastro sistemico che può capitare con l'AI è che, a seguito di un'ipotetica token apocalypse, si verifichi un effetto "collo di bottiglia" che porti gli algoritmi a sbagliare in modo massivo. Immaginiamo una società profondamente integrata con sistemi AI che, se falliscono, generano disastri a catena. Questa evoluzione sta spingendo corporazioni e governi a una corsa geopolitica inquietante per la produzione di chipset e semiconduttori quantistici, scontrandosi con la scarsità di materie prime rare e la complessità di realizzare strutture dai costi di manutenzione stratosferici.

 

Conclusioni

Tutte queste dinamiche, a ben vedere, sono profondamente e tipicamente umane. È ciò che accade quando si tratta la tecnologia come una corsa alla frontiera: chi prima arriva pianta la bandiera e occupa il terreno su cui coltivare il proprio monopolio.

Volendo riassumere il percorso degli ultimi anni dal punto di vista dei consumatori, possiamo identificare tre fasi:

1. L'uso indiscriminato dell'AI: la fase esplorativa e la tokenizzazione di massa.

2. I finti esperti: figure che hanno cavalcato il trend mediatizzato, raccontando bufale su rischi esistenziali e teorici al solo scopo di accreditarsi.

3. I veri problemi attuali: nodi strutturali ed economici che si fa fatica ad affrontare in modo realista e organizzato.

L'innovazione non dovrebbe essere questa. Siamo di fronte a un cinico affarismo da parte di chi cerca di accaparrarsi fette di mercato vendendo prodotti sovraesposti come infallibili a un pubblico che non possiede gli strumenti per comprenderli. Il tutto avviene sotto lo sguardo di pubblici poteri che si muovono tramite agenzie, commissioni e garanti: entità spesso astratte, istituite da leggi che moltiplicano i supervisori senza risolverne l'efficacia. Poiché tali organismi si rivelano frequentemente tutt'altro che indipendenti, finiscono per accorgersi dei problemi solo quando il "burattinaio" di turno decide di tirare i fili, riproponendo il vecchio quesito latino: “Quis custodiet ipsos custodes?” (Chi controllerà i controllori?).

Da tempo assistiamo a questo logoro e scontato esercizio di potere amministrativo che dovrebbe traghettarci nel domani. Di fronte all'apparente inutilità delle osservazioni critiche, viene in mente ciò che Virgilio proferì nell'Inferno dantesco:

"Vuolsi così colà dove si puote / ciò che si vuole, e più non dimandare".