La scommessa italiana sull’IA: EngGPT2 sfida Big Tech con un modello da mezzo milione di euro

In un’epoca dominata da laboratori di IA americani e cinesi da miliardi di dollari, in Italia è in corso un esperimento silenziosamente radicale. Engineering Group, uno dei principali integratori tecnologici del Paese, ha presentato EngGPT2-un modello linguistico da 16 miliardi di parametri addestrato sul suolo italiano con appena 500.000 €. Il prezzo è una dichiarazione tanto quanto il codice: l’Europa può costruire un’IA competitiva e conforme senza tasche profonde né la forza bruta di Big Tech.

Ciò che distingue EngGPT2 non è la potenza bruta-è la politica del possibile. La maggior parte dei modelli di IA allo stato dell’arte nasce da budget astronomici, dati proprietari e zone grigie regolatorie. Engineering Group ha tracciato una nuova mappa: un modello competitivo, addestrato su un cluster nazionale di A100, che resta ben al di sotto della soglia di “rischio sistemico” dell’UE e opera interamente nel perimetro della legge. Il loro approccio segnala che la sovranità europea sull’IA non è solo uno slogan, ma un obiettivo raggiungibile per integratori di sistema, consorzi di ricerca e settori regolamentati.

Dal punto di vista tecnico, EngGPT2 sfrutta l’architettura Mixture-of-Experts (MoE): 24 layer, 64 esperti per layer (otto attivi in ogni momento) e un equilibrio accurato tra dimensione del modello ed efficienza computazionale. La pipeline di pre-addestramento è suddivisa in tre fasi e presenta una quota insolitamente alta di dati in lingua italiana-rendendolo una specie rara tra i grandi modelli.

La vera innovazione, però, potrebbe essere nella conformità. La pipeline “copyright-aware” di Engineering Group è documentata con meticolosità: blacklist, pattern matching per opere protette, canali di opt-out per i titolari dei diritti e metriche chiare sulla rimozione dei dati. Un livello di trasparenza quasi inaudito nel mondo dell’IA, dove la maggior parte dei laboratori offre solo rassicurazioni vaghe sulla provenienza dei dati. Per banche, assicurazioni, sanità e pubblica amministrazione-dove il rischio regolatorio è esistenziale-questo cambia le regole del gioco.

Eppure il modello non è privo di difetti. Le sue prestazioni restano indietro nei benchmark per coding e orchestrazione di strumenti, e la modalità di ragionamento “turbo”, pur efficiente, può introdurre incoerenze linguistiche. La fase di supervised fine-tuning è stata breve e fortemente dipendente da dati distillati da modelli non europei-sollevando interrogativi su quanto l’intelligenza sia davvero “sovrana”. Tuttavia, l’apertura su queste debolezze è di per sé una rottura rispetto alle norme del settore.

EngGPT2 si inserisce in un ecosistema italiano dell’IA in crescita, accanto a Velvet di Almawave, Modello Italia di iGenius e Minerva della Sapienza. Ognuno copre una nicchia diversa-front-end per i clienti, accademia, settore pubblico, conformità enterprise-ma insieme delineano una strategia nazionale dell’IA distribuita, seppur non coordinata. Il tassello mancante? Una visione centrale capace di unire questi sforzi in una filiera riconoscibile e interoperabile.

Il contributo più grande di EngGPT2 potrebbe essere la sua brutale onestà: con 500.000 €, un cluster pubblico e un processo trasparente, l’Italia può costruire un’IA seria. La prossima domanda è se decisori politici e leader industriali coglieranno questa roadmap guidata dai dati-o lasceranno che la sovranità europea sull’IA resti solo l’ennesima parola d’ordine.

WIKICROOK

• Mixture: Una Mixture of Experts è un sistema di IA in cui più modelli specializzati collaborano, ciascuno gestendo parti diverse di un compito per migliorare accuratezza ed efficienza.
• GPU hour: Una GPU hour è un’ora di calcolo su una GPU, cruciale per stimare costi e risorse in progetti di IA, cybersecurity e cloud computing.
• EU AI Act: L’EU AI Act è una nuova legge che regolamenta l’IA nell’UE, con focus su sicurezza, trasparenza e gestione del rischio per aziende, sviluppatori e utenti.
• Supervised Fine: Il supervised fine-tuning affina i modelli di IA nella cybersecurity usando dati etichettati e revisione di esperti, migliorando l’accuratezza di rilevamento e adattandosi a minacce in evoluzione.
• Token: Un token è una chiave digitale che verifica l’identità e concede accesso ai sistemi. Se rubato o usato impropriamente, può consentire agli attaccanti un ingresso non autorizzato.