Il dibattito sui modelli di fondazione ha reso familiare un'osservazione che la loro stessa denominazione suggerisce: sono una base, non un edificio (Bommasani et al., 2021). Un modello generalista dispone di una competenza linguistica ampia e di una conoscenza enciclopedica superficiale; un sistema destinato a un dominio professionale deve disporre di qualcosa di diverso, cioè della conoscenza operativa di quel dominio: quali documenti circolano, quali regole li governano, che cosa conta come errore e chi ne risponde. La tesi di questo articolo è che tale conoscenza non risieda nel modello, e che il vantaggio competitivo di un prodotto verticale nasca precisamente da ciò che viene costruito intorno al modello.
Il modello è un componente, e il più sostituibile
La qualità di un sistema applicato dipende da quattro elementi: i dati disponibili e la loro struttura; le regole del processo in cui il sistema si inserisce; gli strumenti attraverso cui il modello può agire (leggere un registro, interrogare un archivio, produrre un documento nel formato richiesto); il modo in cui l'utente verifica il risultato. Il modello linguistico è uno solo di questi elementi ed è, per costruzione, il più facile da sostituire: le interfacce dei fornitori convergono, i costi calano, le prestazioni dei modelli di pari generazione si avvicinano. Ciò che non si sostituisce in un pomeriggio è tutto il resto.
La conoscenza incorporata
Ontologie del dominio, regole di validazione, flussi di lavoro e interfacce racchiudono anni di conoscenza del settore in forma eseguibile. Sapere che in una società cooperativa il ristorno segue regole proprie e non è un dividendo; che un documento di trasporto ha campi obbligatori diversi secondo la merce e la tratta; che una voce di bilancio si legge insieme alla sua nota integrativa: questa conoscenza precede il modello e lo vincola. La direzione è coerente con quanto osservato nei domini specialistici, dove modelli addestrati o adattati sul linguaggio del settore mostrano vantaggi sui compiti interni al dominio (è il caso, in ambito finanziario, di BloombergGPT: Wu et al., 2023); ma l'adattamento del modello è solo una parte, e spesso la minore, dell'adattamento del sistema.
Perché il generalista, da solo, non basta
Tre mancanze sono strutturali. La prima riguarda la semantica dell'errore: un modello generalista non dispone del criterio che nel dominio separa il giusto dallo sbagliato, e una risposta plausibile ma errata gli è indistinguibile da una corretta; la nozione di errore è normativa, appartiene al dominio, e va codificata in validazioni esplicite. La seconda riguarda gli strumenti: senza accesso agli archivi, ai registri e ai formati del processo, il modello può descrivere un'azione ma non compierla in modo verificabile. La terza riguarda i vincoli di accettabilità: formati prescritti, scadenze, competenze e responsabilità, che decidono se un'uscita formalmente corretta è anche utilizzabile. Tutto questo si può costruire intorno a un modello, e costruirlo è esattamente il lavoro di un prodotto verticale.
Quattro domini, un metodo
MurphFin opera sui dati economico-finanziari, dove la struttura del bilancio è essa stessa conoscenza; Trakka sull'autotrasporto, dove i documenti e i loro vincoli costituiscono il processo; CoopSuite sulle cooperative, dove le regole proprie del settore definiscono la correttezza; Cryterio sull'informazione, dove le fonti sono il prodotto. I problemi differiscono, il principio no: si parte dal lavoro reale e si costruisce l'intelligenza attorno ad esso, non il contrario.
Un vantaggio che si accumula
Ogni caso reale che attraversa il sistema migliora ontologie, validazioni e flussi: i casi limite diventano regole, gli errori diventano controlli, le eccezioni diventano documentazione eseguibile. È un accumulo lento, difficilmente comprimibile e difficilmente replicabile, perché richiede esposizione prolungata al dominio e non soltanto capacità di calcolo. Per questo i prodotti Analytiko™ sono progettati come infrastruttura di dominio che contiene un modello, e non come un modello con intorno un'interfaccia: del primo tipo di sistema il modello è un componente aggiornabile; del secondo, l'unico contenuto.
Riferimenti: Bommasani R. et al., «On the Opportunities and Risks of Foundation Models», arXiv:2108.07258, 2021 · Wu S. et al., «BloombergGPT: A Large Language Model for Finance», arXiv:2303.17564, 2023.
Analytiko · 2 settembre 2026