SLM, il mercato mondiale crescerà del +15,6% annuo. Ricavi stimati a 20 miliardi di dollari entro il 2030
Negli ultimi anni, il dibattito sull’intelligenza artificiale è stato dominato dai Large Language Models (LLM), come GPT-4 di OpenAI, Gemini di Google e Claude di Anthropic. Tuttavia, un nuovo paradigma sta emergendo con forza: gli Small Language Models (SLM). Questi modelli, caratterizzati da un numero inferiore di parametri e una minore richiesta di risorse computazionali, offrono un’alternativa più accessibile e sostenibile alle imprese.
Le aziende di software che cercano di implementare rapidamente soluzioni di intelligenza artificiale stanno sempre più puntando sugli SLM. Questi modelli, che richiedono minori risorse computazionali e dataset più piccoli, risultano più veloci da addestrare e implementare rispetto ai Large Language Models (LLM). Grazie a queste caratteristiche, gli SLM stanno diventando la scelta privilegiata per molte imprese, soprattutto quelle con vincoli di budget e tempo.
Secondo le stime di mercato di Grand View Research, il settore degli SLM crescerà a un tasso annuo del 15,6% fino al 2030, a 7,76 miliardi di dollari di valore nel 2023, con un monte ricavi atteso superare i 20 miliardi di dollari entro la fine del decennio. Questo incremento è trainato dalla necessità di modelli più economici, accessibili e personalizzabili, capaci di rispondere a esigenze aziendali specifiche senza l’onere finanziario e computazionale dei LLM.
Secondo altre stime, il valore di questo mercato potrebbe raggiungere i 17 miliardi di dollari entro il 2030, ad un tasso di crescita medio annuo del 17,8%.
Possono essere ospitati nei data center aziendali e possono essere open source
I Large Language Models, come GPT-4, richiedono enormi dataset e mesi di addestramento, seguiti da fasi di ottimizzazione umana. Questi modelli comportano costi di sviluppo che possono raggiungere diversi milioni di dollari, una spesa insostenibile per molte aziende.
Gli SLM possono essere ospitati direttamente nei data center aziendali, riducendo la dipendenza dal cloud e garantendo maggiore controllo sulla sicurezza dei dati.
Un altro vantaggio chiave degli SLM è la possibilità di essere open-source. Ciò consente alle aziende di addestrarli su dataset aziendali specifici, filtrando contenuti inappropriati e ottimizzandoli per la governance, la gestione del rischio e la mitigazione dei bias. Con la crescente attenzione verso la sicurezza e la regolamentazione dell’AI, questa caratteristica diventa un fattore critico.
Inoltre, il minor consumo energetico degli SLM è un aspetto chiave nel contesto della transizione ecologica. Riducendo la necessità di centri di calcolo ad alta intensità energetica, questi modelli contribuiscono a una minore impronta di carbonio, rispondendo alle crescenti esigenze di sostenibilità.
Applicazioni aziendali e casi d’uso
Uno dei principali ambiti di applicazione degli SLM è la previsione di serie temporali, fondamentale per il business planning. Gli SLM sono in grado di analizzare dati storici e generare previsioni accurate su vendite, domanda di mercato, ricavi e capacità produttiva.
Un esempio è il modello Tiny Time Mixers (TTM), impiegato in settori come energia, traffico, commercio al dettaglio e finanza. L’azienda QuantumStreet AI, specializzata in soluzioni di investimento basate sull’AI, utilizza gli SLM per analizzare dati ESG e segnali di sentiment tratti da notizie e altre fonti, migliorando le previsioni sui movimenti azionari.
Un nuovo paradigma nell’adozione dell’AI
Le aziende stanno iniziando a bilanciare l’uso di LLM e SLM in modo strategico: i modelli più grandi vengono impiegati per risolvere problemi complessi, mentre gli SLM vengono utilizzati per replicare i risultati con maggiore efficienza e costi ridotti. Questa sinergia permette alle imprese di sfruttare la potenza dell’AI senza compromettere la sostenibilità economica.
Inoltre, gli SLM stanno giocando un ruolo cruciale nello sviluppo di agenti AI avanzati, capaci di operare con maggiore autonomia e ragionamento sofisticato. Grazie al supporto per funzioni avanzate, come la chiamata di API esterne e la correzione autonoma delle azioni, questi modelli stanno trasformando il modo in cui l’intelligenza artificiale viene integrata nei flussi di lavoro aziendali.
Il mercato degli SLM: customer service, creazione di contenuti, traduzione linguistica e marketing personalizzato
Nel 2023, il segmento del Machine Learning ha dominato il mercato degli SLM con una quota del 55,1%, grazie ai continui progressi nell’ottimizzazione dei modelli. Il settore del deep learning è previsto in forte espansione, grazie a tecniche come la compressione dei modelli, il pruning e la knowledge distillation, che migliorano le prestazioni riducendo i costi computazionali.
L’adozione degli SLM è in crescita in vari settori, tra cui customer service, creazione di contenuti, traduzione linguistica e marketing personalizzato. Le aziende stanno investendo in SLM per migliorare l’efficienza operativa e l’engagement dei clienti, con un focus particolare sulla mitigazione dei bias e sull’equità dell’AI.
Gli attori principali sul mercato SLM
Le grandi aziende tecnologiche stanno puntando fortemente sugli SLM. Tra i leader di mercato troviamo: Meta, Microsoft, Salesforce, Alibaba, Mosaic, Technology Innovation Institute (TII), Hugging Face.
Recentemente, Microsoft ha annunciato il rilascio di Phi-3-mini, un modello AI leggero disponibile su Azure AI Model Catalog, Hugging Face, Ollama e NVIDIA NIM. Anche Alibaba ha introdotto il modello Tongyi Qianwen, integrato nei propri servizi per migliorare l’esperienza utente.
Gli SLM come motore dell’AI aziendale
Gli Small Language Models rappresentano una svolta nel panorama dell’intelligenza artificiale, offrendo un’alternativa più accessibile, scalabile e sicura rispetto ai tradizionali LLM. La loro capacità di combinare prestazioni elevate con costi e latenza ridotti li rende una scelta strategica per le aziende che vogliono integrare l’AI nei propri processi senza sacrificare efficienza e controllo.
Con una crescita costante e il supporto delle principali aziende tecnologiche, gli SLM si confermano come un pilastro fondamentale per il futuro dell’AI aziendale, consentendo alle imprese di sfruttare appieno il potenziale dell’intelligenza artificiale in modo pratico e sostenibile.
