Imprese sottovalutano i rischi dell'AI multi-modello del 225%
Uno studio su 67 modelli AI frontier di 21 provider rivela un errore matematico critico nelle strategie di orchestrazione multi-modello: le aziende ignorano il "co-failure ceiling", il limite reale di affidabilità quando tutti i modelli falliscono simultaneamente sullo stesso prompt. Le imprese assumono che combinare modelli specializzati (coding, logica, generalist) crei una rete di sicurezza automatica contro i fallimenti, ma questa premessa è flawed. Il vero limite non dipende da quanto spesso i modelli sono in disaccordo, bensì dalla percentuale di query dove TUTTI i modelli danno risposte errate contemporaneamente. Implementare complesse architetture di routing (router, cascade, Mixture-of-Agents) comporta costi nascosti significativi: latenza aggiuntiva, manutenzione infrastrutturale, rischi di governance su multiple provider API. Gli ingegneri giustificano questi investimenti con "pairwise error correlation", selezionando modelli complementari, ma ignorano il vero ceiling di affidabilità. La ricerca fornisce un test cost-free che determina quando l'orchestrazione multi-modello genera effettivamente valore. Per gli investitori in AI, questo significa che molti progetti enterprise stanno costruendo infrastrutture costose per guadagni di performance inesistenti, creando rischi tecnici e finanziari sottovalutati.
- Andamento di SPOT, NET, TEAM nelle prossime sedute
- Evoluzione del sentiment e dati macro collegati
- Reazione dei mercati nelle prossime 24-48 ore
