Renting Intelligence: Vendor Concentration Risk and the Pricing of AI Dependency
Questo articolo rileva che i mercati azionari non prezzano attualmente il rischio di concentrazione dei fornitori di IA poiché mancano regole di informativa obbligatoria, portando a informazioni incoerenti e spesso mancanti nelle relazioni pubbliche che impediscono agli investitori di distinguere tra le imprese che noleggiano rispetto a quelle che possiedono i propri modelli di IA.
Articolo originale sotto licenza CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo
Nell'economia moderna, le aziende stanno costruendo i propri prodotti sull'intelligenza artificiale con una frequenza sempre maggiore. Per farlo, un'impresa si trova di fronte a una scelta fondamentale. Può scegliere di licenziare l'intelligenza da un grande fornitore tecnologico, pagando una commissione ogni volta che il sistema viene utilizzato, oppure può costruire e gestire i propri sistemi da zero, investendo pesantemente in hardware e dati di addestramento in anticipo. Questa decisione non è solo tecnica; è una scommessa finanziaria. Quando un'azienda affitta l'intelligenza, dipende da un prezzo stabilito da qualcun altro, un prezzo che potrebbe cambiare in qualsiasi momento. Quando un'azienda costruisce la propria, ha già pagato il costo e possiede la capacità. La teoria finanziaria suggerisce che fare affidamento su un fornitore esterno per un input critico dovrebbe rendere un'azienda più rischiosa, proprio come un'attività che dipende da un unico cliente gigante è considerata più fragile rispetto a una con molti piccoli clienti. Gli investitori, che pesano costantemente rischio contro rendimento, dovrebbero teoricamente applicare tassi più elevati a queste aziende che "affittano", per prestare loro denaro, o esigere rendimenti più alti sulle loro azioni, poiché i loro costi futuri sono meno certi.
Un ricercatore del Centro Accademico Peres si è proposto di testare se il mercato azionario veda effettivamente questa differenza. Lo studio ha esaminato migliaia di rapporti annuali depositati da aziende americane tra il 2023 e il 2026. L'obiettivo era classificare queste aziende in due gruppi: quelle che ammettevano di affittare i propri modelli di intelligenza artificiale da altri, e quelle che dichiaravano di costruirli e ospitarli autonomamente. Il ricercatore ha poi confrontato il comportamento azionario di questi due gruppi rispetto alle aziende che non utilizzavano affatto la tecnologia. L'aspettativa era che le aziende che affittavano mostrassero segni di rischio maggiore, come prezzi azionari più volatili o costi di prestito più elevati, rispetto a quelle che costruivano.
I risultati, tuttavia, non sono stati quelli previsti dalla teoria. Lo studio ha scoperto che il mercato azionario non riusciva a distinguere tra le aziende che affittavano e quelle che costruivano. Entrambi i gruppi presentavano livelli di rischio simili e nessuno dei due gruppi era valutato diversamente dall'altro. L'unica distinzione netta che il mercato ha operato è stata tra le aziende che utilizzavano la tecnologia e quelle che non la utilizzavano affatto. Le aziende che utilizzavano l'intelligenza artificiale, indipendentemente da come la ottenessero, apparivano più rischiose di quelle che non la usavano. Ma la scelta specifica tra affitto e costruzione non ha spostato l'ago della bilancia.
La ragione di questo silenzio nei dati non è che il rischio non esista, ma che le aziende non dicono abbastanza a riguardo. Il ricercatore ha scoperto che la maggior parte delle aziende che scrivevano dell'intelligenza artificiale nei propri rapporti annuali si fermava appena prima della verità. Potrebbero dichiarare di avere una "piattaforma proprietaria" o una "tecnologia interna", ma raramente specificano se i modelli che girano sottostanti siano effettivamente propri o se siano licenziati da una terza parte. Poiché le aziende non dichiarano esplicitamente da dove provengono i loro modelli, il ricercatore ha dovuto ipotizzare basandosi su un linguaggio vago. Quando due lettori indipendenti hanno cercato di classificare gli stessi rapporti sulla base di queste descrizioni vaghe, sono stati d'accordo sulla risposta solo circa la metà delle volte.
Questa mancanza di chiarezza ha creato un enorme punto cieco. Lo studio ha dimostato che il gruppo degli "affittatori" e il gruppo dei "costruttori" erano così mal definiti nei rapporti che il mercato non poteva possibilmente distinguerli. È come cercare di misurare la differenza tra due tipi di carburante quando le etichette sui serbatoi sono macchiate e illeggibili. I dati erano semplicemente troppo rumorosi per rivelare il rischio. Il ricercatore ha calcolato che, anche se esistesse una differenza reale, il design dello studio non sarebbe stato abbastanza sensibile da trovarla a meno che tale differenza non fosse enorme, ovvero circa un quarto della variazione totale del rischio osservata nel mercato.
Il dato più significativo è emerso osservando le aziende che menzionavano l'intelligenza artificiale ma rifiutavano di dire da dove provenissero i loro modelli. Queste aziende, che parlavano della tecnologia senza rivelarne la fonte, comportavano effettivamente un rischio maggiore rispetto alle aziende che non menzionavano affatto la tecnologia. Le loro azioni erano più volatili e gli investitori esigevano un rendimento maggiore per detenerle. Ciò suggerisce che il silenzio stesso sia un segnale di rischio. Quando un'azienda utilizza una tecnologia potente ma ne nasconde le origini, il mercato percepisce che c'è qualcosa di incerto, anche se non riesce a individuarlo esattamente.
Lo studio conclude che l'attuale modo in cui le aziende riportano l'uso dell'intelligenza artificiale è insufficiente affinché gli investitori possano prendere decisioni informate. Il mercato non sta ignorando il rischio dell'affitto; semplicemente non può vederlo. I rapporti sono troppo vaghi e il linguaggio è troppo incoerente per consentire una misurazione chiara. Il ricercatore suggerisce che un semplice cambiamento nelle regole di rendicontazione potrebbe risolvere il problema. Se i regolatori richiedessero alle aziende di dichiarare chiaramente se i loro modelli sono affittati o costruiti, e di nominare il fornitore se la dipendenza è significativa, i dati diventerebbero chiari. Finché ciò non accadrà, il rischio specifico di affittare l'intelligenza rimarrà invisibile, nascosto dietro una frase che la maggior parte delle aziende sceglie di non scrivere. Il mercato sa che la tecnologia è rischiosa, ma non sa ancora quali aziende stiano pagando il conto.
Sommerso dagli articoli nel tuo campo?
Ricevi digest giornalieri degli articoli più recenti corrispondenti alle tue parole chiave di ricerca — con riassunti tecnici, nella tua lingua.