Nel giorno in cui Anthropic ha debuttato in Borsa con quella che viene descritta come la più grande IPO mai realizzata, a Helsinki si è consumato un confronto meno spettacolare ma molto concreto sul costo dell'intelligenza artificiale nelle aziende. Chenyu Zhao, cofondatore di Fireworks AI, ha sostenuto che per una larga parte degli impieghi aziendali non sia indispensabile ricorrere ai modelli più avanzati e costosi offerti dai grandi laboratori come Anthropic e OpenAI.

La tesi di Fireworks è basata sui modelli open-weight: sistemi i cui pesi possono essere scaricati e impiegati da terzi, poi adattati ai dati di un'organizzazione. L'obiettivo non è competere sul terreno dell'intelligenza generalista, ma dare alle imprese un'infrastruttura con cui far girare modelli più piccoli, veloci e meno onerosi, costruiti attorno a un compito preciso. Una distinzione che può incidere sulle bollette AI delle aziende, ma che oggi incontra anche un ostacolo serio: due incidenti di sicurezza resi noti dalla stessa Fireworks nel corso dell'autunno.

Dal modello migliore al modello adeguato

Il ragionamento di Zhao parte da una fase ben nota a chi sviluppa prodotti basati su modelli linguistici. All'inizio, quando un servizio deve ancora trovare utenti e dimostrare di funzionare, scegliere il modello considerato migliore sul mercato riduce i rischi tecnici. Le prestazioni contano più della struttura dei costi e della dipendenza da un fornitore. La situazione cambia quando l'applicazione cresce, l'uso diventa ricorrente e la spesa per token si misura in decine o centinaia di migliaia di dollari al mese.

È in quel passaggio che, secondo il cofondatore di Fireworks, un'impresa dovrebbe chiedersi se sta davvero usando capacità necessarie al proprio prodotto. Un assistente interno, un motore di classificazione documentale, un sistema di ricerca in un archivio proprietario o un flusso di customer care non richiedono sempre le capacità generaliste più recenti. Possono invece beneficiare di un modello configurato su linguaggio, dati e vincoli specifici dell'azienda che lo utilizza.

Fireworks gestisce modelli per conto delle imprese e aiuta i clienti ad adattarli ai propri dataset. Tra i nomi associati alla piattaforma figurano Uber, Shopify e Notion. La promessa è duplice: ridurre tempi e costi di inferenza e trattenere un maggiore controllo sul livello applicativo. Per le aziende, la questione non riguarda soltanto il prezzo di una chiamata API. Riguarda anche il rischio di affidare a un interlocutore esterno una parte crescente del proprio patrimonio informativo e operativo.

Questo tema è diventato più visibile mentre il mercato si divide tra i grandi modelli proprietari e un ecosistema open-weight sempre più competitivo. Zhao ha stimato che il ritardo degli open model rispetto ai sistemi di frontiera sia oggi nell'ordine di pochi mesi, molto meno che in passato. È una valutazione interessata, proveniente da un operatore che basa su questa tendenza il proprio business, ma riflette il rapido affollamento di modelli aperti seguito anche alla comparsa di DeepSeek.

Controllo dei dati, ma la fiducia non è automatica

La proposta commerciale di Fireworks intercetta una preoccupazione diffusa tra i clienti dei grandi laboratori AI: quanto know-how dell'impresa transita nelle richieste inviate al modello e nei dati che alimentano il servizio? A luglio anche Satya Nadella, CEO di Microsoft, aveva richiamato l'attenzione sul valore che le piattaforme possono estrarre dalle interazioni con i clienti. Per molte organizzazioni la possibilità di specializzare un modello e conservarne la gestione è quindi un argomento strategico, non un semplice esercizio di ottimizzazione della spesa.

Ma questa promessa vale solo se il fornitore che ospita e orchestra quei modelli dimostra di poter proteggere credenziali, ambienti di sviluppo e dati dei clienti. È qui che Fireworks deve ora ricostruire credibilità. La società ha comunicato due distinti incidenti di sicurezza. Nel primo, gli attaccanti hanno avuto accesso a chiavi API e token conservati come segreti per un numero limitato di account. Nel secondo, una compromissione del cloud provider ha permesso agli aggressori di entrare in un sistema di sviluppo e sottrarre dati dei clienti, compresi record di fatturazione e alcuni dataset.

Le conseguenze hanno coinvolto anche utilizzatori noti della piattaforma. Notion ha dichiarato che sono state esposte trascrizioni delle chat AI relative a meno dell'1% dei suoi workspace e ha interrotto il collegamento con Fireworks. Uber, dal canto suo, ha riferito che attraverso un proprio fornitore sono stati sottratti i dati personali di circa 150.000 autisti, inclusi nomi, indirizzi, date di nascita e numeri di patente; TechCrunch ha identificato quel fornitore in Fireworks.

Per un'azienda che vende alle imprese un'alternativa fondata su autonomia e personalizzazione, la sequenza è particolarmente delicata. La disponibilità di modelli open-weight non elimina infatti il rischio: lo sposta sulla filiera che li ospita, li adatta, li collega ai database e ne controlla gli accessi. Chi valuta un passaggio dai modelli frontier dovrà perciò comparare non soltanto benchmark, prezzi e latenza, ma anche pratiche di gestione dei segreti, segmentazione degli ambienti, risposta agli incidenti e notifiche ai clienti.

Un settore che attira capitale e consolidamento

Il dibattito arriva mentre il mercato dell'infrastruttura per modelli personalizzati si sta popolando rapidamente. Fireworks era stata valutata 17,5 miliardi di dollari dagli investitori durante l'estate ed è indicata come in colloqui preliminari per un ulteriore finanziamento, circostanza su cui Zhao non ha commentato. Concorrenti come Together AI e Baseten hanno annunciato raccolte consistenti negli ultimi mesi.

Il segnale forse più netto della rilevanza strategica di questo segmento è arrivato da Palo Alto Networks, che ha annunciato l'acquisizione di Applied Compute per 4,5 miliardi di dollari interamente in azioni. Anche Applied Compute lavora per consentire alle aziende di addestrare ed eseguire modelli personalizzati sui propri dati. La società era stata fondata appena un anno fa da ex ricercatori di OpenAI.

La mossa di Palo Alto Networks collega direttamente il tema dell'AI personalizzata a quello della sicurezza. Non basta più offrire un modello economico o un ambiente flessibile: chi conquista le imprese dovrà integrare protezione dei dati, controlli di accesso e capacità operativa nello stesso pacchetto. Per Fireworks, dunque, la prossima sfida non sarà soltanto dimostrare che i modelli aperti possono avvicinarsi alle prestazioni dei sistemi di frontiera. Sarà dimostrare che un'alternativa più economica non chiede alle aziende di accettare un rischio maggiore sulla loro informazione più sensibile.

Fonti