Nel settore dell'intelligenza artificiale (IA), abbiamo trascorso gli ultimi tre anni con l'ossessione per la scalabilità. Abbiamo inseguito un numero elevatissimo di parametri (migliaia di miliardi), credendo che "di più" significasse "nel modo più intelligente". Mentre la situazione si stabilizza, per le aziende emerge una nuova realtà: il numero non è l’unità di misura più importante, quel che è importa è fornire risultati affidabili e deterministici.

A Red Hat, abbiamo sempre creduto che le tecnologie più potenti siano quelle distribuite, aperte e idonee allo scopo. I modelli linguistici di piccole dimensioni (small language models, SLM) rappresentano esattamente questo cambiamento. La distinzione tra SLM e modelli linguistici di grandi dimensioni (large language models, LLM) è meno importante del ruolo architetturale svolto dal modello. Ciò che conta è la sovranità funzionale offerta da un modello di piccole dimensioni.

Ci stiamo allontanando da un mondo di IA conversazionale, in cui poniamo una domanda a un gigantesco modello "black-box", per entrare nell'era dell'IA agentica, in cui un parco di modelli specializzati svolge il vero lavoro aziendale.

Ogni azienda eseguirà agenti di IA

Siamo sulla soglia di un cambiamento fondamentale quanto la transizione al web.

Ripensa all'evoluzione dell'identità aziendale. Nel 1995, il settore ci si chiedeva: "Perché ho bisogno di un indirizzo email?" Nel 2005 serviva un sito web. Nel 2015, serviva una presenza sui social media. Nel 2026, la domanda sarà: "Quanti agenti ho in esecuzione?"

Ci stiamo dirigendo verso un mondo in cui ci saranno più agenti di IA che persone. Ogni azienda ne avrà uno sciame:

• agenti rivolti ai clienti che non si limitano a rispondere alle domande, ma risolvono problemi logistici complessi;
• agenti dei flussi di lavoro che automatizzano il "collante" invisibile tra i reparti;
• agenti headless che eseguono chiamate API in modo silenzioso per riconciliare l'inventario ed elaborare i pagamenti.

Tuttavia, non puoi creare un parco di agenti sostenibile e conveniente con i token cloud sovvenzionati da qualcun altro. È qui che un SLM diventa lo strumento obbligatorio per abilitare gli scenari di utilizzo aziendali e la scalabilità. 

Perché gli SLM dominano il back end agentico

Sebbene gli LLM di frontiera siano capolavori dell'ingegneria ad alto throughput, spesso sono troppo pesanti per il ruolo di un dipendente digitale riflessivo. In un flusso di lavoro agentico, non serve solo la potenza di elaborazione, ma anche un'esecuzione a bassa latenza. Gli SLM ci consentono di fornire tempi di risposta inferiori al secondo e l'affidabilità deterministica richiesta dall'automazione di importanza critica.

1. Il potere della specializzazione (dall’efficienza alla scalabilità)

Mentre poche organizzazioni prenderebbero in considerazione il fine tuning di un modello con 400 miliardi di parametri, un modello 3B o 7B offre un punto di accesso gestibile e altamente efficace. È qui che inizia il controllo dell'architettura. Una ricerca svolta alla fine del 2025 dimostra che anche un modello con 350 milioni di parametri, ottimizzato su dati sintetici di alta qualità, può superare i modelli di frontiera generici in specifici domini di chiamata degli strumenti e orchestrazione delle API. Per un back-end di agenti robusto, l'obiettivo non è una capacità linguistica ampia e poetica, ma una specializzazione ad alta precisione.

2. Determinismo e "matematica dell'affidabilità"

Uno dei maggiori ostacoli per l'IA aziendale è il non determinismo, ovvero il rischio che un agente possa formattare correttamente una risposta una volta e fallire la successiva. Sebbene nessun LLM sia una funzione matematica perfettamente deterministica, gli SLM consentono di applicare un controllo dell'architettura che prima era molto più difficile. Utilizzando tecniche di decodifica vincolata come JSON Schema o Context-Free Grammars (CFG), puoi eliminare lo spazio di ricerca dei token del modello, rendendo fisicamente impossibile per il modello scegliere un carattere successivo non valido. In questo modo l'attenzione si sposta dalla magia senza limiti all'accuratezza vincolata allo schema. In combinazione con l'esecuzione locale e il fine tuning specializzato, gli SLM possono ottenere una validità di oltre il 98% nelle attività strutturate, offrendo l'affidabilità prevedibile necessaria per i flussi di lavoro sensibili degli agenti.

3. La sovranità dei dati non è un optional

I dati sono la tua risorsa più preziosa. In un mondo di agenti, questi modelli si occuperanno della gestione delle relazioni con i clienti (CRM), del codice proprietario e della strategia interna. Cedere tali dati a un provider cloud di terze parti in cambio di un approccio "intelligence-as-a-service" è un errore strategico.

L'esecuzione di SLM on premise o all'interno del proprio ambiente hybrid cloud significa mantenere la proprietà intellettuale. Consente un'architettura di IA "zero trust" in cui i dati sensibili non lasciano mai il tuo perimetro, soddisfacendo i severi requisiti normativi comuni in settori come quello sanitario, finanziario e governativo.

Considerazioni finali

Stiamo passando da un mondo in cui l'IA generativa (gen AI) produce conversazioni e contenuti a uno scenario in cui l'IA agentica agisce per nostro conto. In questa nuova era, la domanda non riguarda più quale sia il modello più grande, ma quale sia l'infrastruttura più affidabile e protetta. Quando le operazioni aziendali dipendono da un parco di agenti digitali specializzati, il modello cloud "scatola nera" non è più sufficiente. Servono sovranità, velocità e precisione.

Noi di Red Hat crediamo che il percorso verso il futuro degli agenti sia open source. Sfruttando modelli linguistici di piccole dimensioni curati, che possono essere ottimizzati, distribuiti e orchestrati con il portafoglio di Red Hat AI, le aziende possono portare l'IA dalla sperimentazione alla logica di business.

Il settore si muove rapidamente, ma l'obiettivo è chiaro: smetti di inseguire i giganti e inizia a costruire le basi. Il futuro dell'IA è piccolo, veloce e basato sull'open hybrid cloud. 

Scopri di più

• Prima di iniziare a creare: uno sguardo ai sistemi basati sull’Agentic AI con Red Hat AI
• Sfrutta le potenzialità della IA generativa basata su agenti con le tecnologie Red Hat
• Inizia a utilizzare AI Inference: approfondimenti dagli esperti di Red Hat AI