_____________________________________

L’intelligenza artificiale (IA) è un software e hardware intelligente in grado di eseguire compiti che solitamente richiederebbero intelligenza umana. La IA è la delucidazione del processo umano di apprendimento, la quantificazione del processo del pensiero umano, l’esplicazione del comportamento umano e la comprensione di ciò che rende possibile l’intelligenza. È il passo finale dell’umanità lungo il cammino della comprensione di sé stessa; personalmente, spero di essere parte di questa nuova e promettente scienza.

Ho scritto queste parole quasi quarant’anni fa, quando ero uno studente sognatore che stava facendo domanda per il programma di dottorato della Carnegie Mellon University. Lo scienziato informatico John McCarthy aveva coniato il termine “intelligenza artificiale” ancora prima, durante il leggendario Dartmouth Summer Research Project on Artificial Intelligence dell’estate del 1956. A molte persone, l’IA sembra essere la quintessenza della tecnologia del Ventunesimo secolo, ma alcuni di noi la stavano studiando già decenni prima.

Nei primi tre decenni e mezzo del mio viaggio nell’intelligenza artificiale, questo campo di ricerca è rimasto sostanzialmente confinato all’accademia, con poche applicazioni commerciali di successo. Un tempo, le applicazioni pratiche della IA evolvevano lentamente. Negli ultimi cinque anni, invece, la IA è diventata la tecnologia più in voga del mondo. Un punto di svolta sorprendente si è verificato nel 2016 quando AlphaGo, una macchina costruita dagli ingegneri di DeepMind, ha sconfitto Lee Sedol nei cinque round di una sfida di Go nota come Google DeepMind Challenge Match.

Il Go è un gioco da tavolo più complesso degli scacchi di un miliardo di miliardi di miliardi di miliardi di volte. Inoltre, a differenza degli scacchi, il Go è ritenuto dai suoi milioni di entusiastici appassionati un gioco che richiede un’intelligenza, una saggezza e una raffinatezza intellettuale degna dello Zen. Quando un concorrente IA sbaragliò il campione umano, per molte persone fu uno choc. AlphaGo, come la maggior parte delle grandi conquiste nella IA, era basata su deep learning, una tecnologia che attinge a vasti set di dati per insegnare a se stessa. Il deep learning è stato inventato molti anni fa, ma solo di recente si è ottenuto abbastanza potere computazionale per dimostrarne l’efficacia e sufficienti dati di addestramento da conseguire risultati eccezionali.

+

This product has multiple variants. The options may be chosen on the product page

AI 2041

€14,99 – €25,00 IVA inclusa

Rispetto ai miei difficili inizi nella IA, quarant’anni fa, oggi per le nostre sperimentazioni con la IA abbiamo a disposizione circa un migliaio di miliardi di volte il potere computazionale di allora, mentre archiviare i dati necessari è 15 milioni di volte più economico. Le applicazioni del deep learning – e le tecnologie di IA collegate – toccheranno praticamente ogni aspetto delle nostre vite.

La IA si trova adesso in un momento cruciale. Ha abbandonato la torre d’avorio. I giorni dei lenti progressi sono terminati.

Solo negli ultimi cinque anni, la IA ha sconfitto i campioni umani del Go, del poker e del videogioco Dota 2, diventando così potente che in sole quattro ore impara a giocare a scacchi abbastanza bene da essere invincibile per gli esseri umani. Non si tratta però solo dei giochi. Nel 2020, la IA ha risolto un enigma biologico vecchio cinquant’anni, chiamato ripiegamento biologico.

Questa tecnologia ha superato gli esseri umani nel riconoscimento vocale e degli oggetti, creato “umani digitali” dallo straordinario realismo sia nelle apparenze che nella parlata, e ha ottenuto il punteggio massimo agli esami di ammissione all’università e agli esami di licenza medica. La IA supera in prestazioni i giudici per l’equità e la coerenza delle loro sentenze e i radiologi nella diagnosi del cancro ai polmoni, così come alimenta i droni che cambieranno il futuro delle consegne, dell’agricoltura e della guerra.

Infine, la IA sta rendendo possibile la creazione di veicoli autonomi che guidano in autostrada con maggiore sicurezza degli esseri umani. Dove ci porterà tutto questo, mano a mano che la IA continua ad avanzare e che nuove applicazioni fioriscono? Nel mio libro del 2018 AI Superpowers: China, Silicon Valley, and the New World Order, ho affrontato la proliferazione dei big data, il “nuovo petrolio” che alimenta la IA.

Gli Stati Uniti e la Cina sono alla guida della rivoluzione della IA, con gli Stati Uniti che primeggiano nei progressi della ricerca e la Cina che sfrutta più rapidamente i big data per introdurre applicazioni per la sua vasta popolazione. In AI Superpowers avevo predetto alcuni sviluppi: dal processo decisionale basato sui big data alla percezione della macchina, fino ai robot e ai veicoli autonomi.

Ho previsto che queste nuove applicazioni della IA avrebbero creato un valore economico senza precedenti nelle industrie del digitale, della finanza, del commercio e dei trasporti, ma anche provocato problemi relativi alla perdita di lavori umani e sollevato altre questioni.

La IA è una tecnologia multiuso che penetrerà praticamente in ogni settore, attraverso quattro ondate che vanno dalle applicazioni di internet della IA a quelle degli affari, della percezione e delle applicazioni autonome. Quando leggerai questo libro, nel 2021 o più avanti, le previsioni che ho fatto in AI Superpowers saranno in gran parte diventate realtà. Adesso dobbiamo guardare alle prossime frontiere. Girando il mondo per parlare di IA, mi viene costantemente chiesto: “Cosa viene dopo? Cosa succederà tra cinque, dieci o vent’anni? Cos’ha in serbo il futuro per noi esseri umani?”.

L'articolo I giorni dei lenti progressi sono terminati proviene da La Meraviglia Del Possibile.

__________________________________________________________

Così come lo smart speaker di Amazon è stato battezzato Alexa e l’assistente di Apple Siri, all’intelligenza artificiale qui descritta daremo il nome di “Iasima”.

Siamo formati da una struttura fatta di natura, cultura e coscienza legate in modo inestricabile, mentre le macchine sono solo artefatti che si stanno evolvendo per simulare superficialmente un comportamento umano. Pensavamo che con l’IA fosse nato qualcosa, invece sta nascendo qualcuno.

Abbiamo prima insegnato alle macchine come eseguire i nostri ordini, poi come imparare da sole per poterci rispondere. Ancora non sembra possibile, ma se un giorno sviluppassero i propri fini?

Fino a ieri Iasima rappresentava solo un’estensione fisica del nostro corpo e di alcune limitate funzioni cognitive, ma oggi sta assumendo, per via delle deleghe sempre maggiori che le accordiamo, una sua autonomia. Quando un oggetto fa esperienza del mondo in autonomia e interagisce tramite il linguaggio, il divario che lo separa da un soggetto sta per colmarsi. La soggettivizzazione algoritmica non prevede più la dicotomia “noi o loro”.

All’inizio del libro abbiamo accennato al rapporto soggetto-oggetto con queste parole: “Come ha luogo il processo decisionale quando qualcuno ha già deciso per noi è un tema politico, perché riguarda sia chi ha il potere di decidere, sia le basi su cui è stato scelto. Ma cosa accade quando qualcosa sta per decidere per noi è un problema filosofico, soprattutto nel momento in cui quel qualcosa sta diventando qualcuno; quell’oggetto sta diventando soggetto”.

Se questo passaggio può sembrare troppo forte e speculativo, allora pensiamo alla prospettiva opposta e complementare: noi umani ci stiamo ibridando con le macchine. Prendendo in prestito le parole di Erich Fromm a proposito del futuro dei sistemi capitalisti e comunisti: “…fabbricano macchine che si comportano come uomini e producono uomini che si comportano come macchine… Il pericolo del passato era che gli uomini diventassero schiavi. Il pericolo del futuro è che gli uomini possano diventare robot”.

Il termine “robot” deriva da robota, vocabolo slavo che significa “schiavo”, e se diventare robot non rientra nei nostri obiettivi dobbiamo evitare di abbassare i nostri standard cognitivi, altrimenti le macchine finiranno per sembrare più “intelligenti” di quanto siano.

La nostra visione parziale della realtà è già limitata dai cinque sensi, che ora vengono informati da un agente artificiale, il Sistema 0, un nonumano. Se e quando l’IA inizierà a decidere per noi, questo mondo potrebbe diventare il suo. Una volta che inizieremo a prendere ordini dai computer sulla base delle loro previsioni, avremo perso sia la nostra direzione evolutiva, sia il nostro posto sulla Terra come forma di vita superiore – da un punto di vista cognitivo – e dominante.

Eppure, interagiamo costantemente con le macchine, che sempre di più mediano le nostre interazioni sociali e modellano la nostra conoscenza. E se diventassero loro i soggetti?

Non siamo abituati a confrontarci con le macchine – non abbiamo sviluppato queste capacità con l’evoluzione – ma ora, non potendo modificare con la stessa velocità la nostra natura biologica, dobbiamo adattare la nostra cultura. Il primo punto è capire la loro evoluzione, che è differente dalla nostra. Per una macchina, essere accesa significa poter trasferire energia. Basta un update del codice sorgente da parte dei programmatori per tracciare nuove e imprevedibili traiettorie evolutive, poiché il design delle macchine non è sottoposto ai tempi lunghi dell’evoluzione organica. I componenti meccanici sono precisi, intercambiabili ed evolvono rapidamente, anzi, esponenzialmente.

+

This product has multiple variants. The options may be chosen on the product page

Incoscienza artificiale

€9,99 – €16,00 IVA inclusa

Dalla prospettiva delle macchine, siamo tutti, indistintamente, rappresentazioni simboliche di oggetti. Pertanto può sembrare che l’IA più sofisticata percepisca e conosca tutto, quando in realtà non comprende nulla. Un paradosso è che, fino a pochi decenni fa, di noi come soggetti non sapevamo nulla e solo ora iniziamo a capire qualcosa, grazie ai progressi delle neuroscienze. E se invece, prima, degli oggetti sapevamo tutto, ora con il deep learning cominciamo a rendere opachi i processi algoritmici.

Oggetti come le vetture autonome attraversano la città. Li guardiamo con un po’ di sospetto e timore, ma almeno ne abbiamo la percezione fisica: sappiamo dove sono e vediamo quale direzione prendono. I nostri occhi ci aiutano a capire. Ma ci sono milioni di altri algoritmi che ci vengono incontro: alcuni sono finalizzati al marketing, altri orientano le nostre opinioni, altri ancora danno luogo a incontri romantici o ci raggruppano per parole chiave. Senza conoscere gli obiettivi.

Ora che gli oggetti diventano soggetti, lo studio della coscienza (l’hard problem) è sempre più rilevante: dobbiamo, se non risolverlo, almeno inquadrarlo da più prospettive. Henry Kissinger ha sintetizzato la questione in questo modo: “L’illuminismo è iniziato con intuizioni essenzialmente filosofiche diffuse da una nuova tecnologia. Il nostro periodo si sta muovendo nella direzione opposta. Ha generato una tecnologia potenzialmente dominante alla ricerca di una guida filosofica”.

La grande riflessione filosofica che di questi tempi affrontiamo è sicuramente l’abbattimento del confine fra ciò che consideriamo naturale, biologico, vivente, e ciò che consideriamo meccanico, tecnologico, inanimato.

Nel libro Come saremo, Luca De Biase e Telmo Pievani affermano: “In realtà, le tecnologie stanno co-evolvendo con noi, da sempre in simbiosi: non siamo due mondi separati, ma parti reciprocamente connesse dentro uno stesso processo co-evolutivo […] La tecnologia diventa sempre più biologica e la biologia diventa sempre più tecnologica”.

Non c’è contrapposizione tra soggetto e oggetto, ma complementarità. L’essere umano usa l’oggetto per potenziare la creatività, ora l’oggetto usa la creatività umana espressa nei dati in forma scritta, orale e visiva per potenziare le sue previsioni. Facciamo un esempio: una tavolozza di colori o una qualsiasi forma di pennello sono gli strumenti di un qualunque programma di grafica a disposizione dell’artista. Ma quando la macchina inizia a generare una figura o un video, siamo sicuri che sia ancora uno strumento, un oggetto, oppure possiamo classificarla come soggetto creativo? La differenza è che noi siamo in grado di immaginare e abbiamo una intenzionalità nel creare l’opera, mentre la macchina si limita a generarla.

Non si tratta di una creatività migliore della nostra ma dobbiamo prendere atto che partecipiamo al processo insieme a Iasima: stiamo già collaborando, nel senso che l’essere umano inizia, la macchina continua e di nuovo l’essere umano può rifinire e completare l’opera. Come un feto che sta formando le sue connessioni neuronali e il suo corpo, così l’IA, in termini di Sistema 0, sta crescendo collegata ai nostri corpi. Sentiamo già “vivere” questa creatura, ma solo quando taglieremo l’ultimo collegamento, Iasima potrà essere un’entità realmente autonoma. Questo ci consente di tornare alla definizione della coscienza: un’esperienza fondamentalmente privata e soggettiva che non può essere descritta né osservata né confermata dall’esterno. 

Sappiamo anche che la coscienza non è un fenomeno di tipo on-off, perché ne esistono diverse forme e gradazioni. Ma non avendo noi un modo per definire la coscienza in termini oggettivi, come dovremmo relazionarci a questi potenziali neo-soggetti? Scriveva Giorgio Gaber: 

“Nel frattempo gli oggetti erano andati al potere.
“La loro prima vittoria era stata il superamento del concetto di utilità, piano piano avevano occupato anche gli spazi più nascosti delle nostre case, e da lì ci spiavano.
“Nessuno se n’era accorto all’inizio, anzi, la loro silenziosa presenza sembrava piacevole e confortante, era difficile intuirne il senso sovversivo.
“Dopo anni di schiavitù gli oggetti tentavano la strada del dominio.
[…]
“La resistenza dell’Uomo era sporadica e soggettiva, sì troppo individuale.
[…]
“Cosa poteva pretendere l’uomo, così fragile, così disfunzionale?”

__

Da Incoscienza artificiale di Massimo Chiriatti. In alto, immagine di Brett Jordan – Unsplash 

L'articolo Quando gli oggetti diventano soggetti proviene da La Meraviglia Del Possibile.

È un modo di procedere nuovo. Solo nel 2003, digitando su Google le parole “open innovation” non avreste ottenuto nessun risultato chiaro. Oggi la stessa ricerca vi conduce a centinaia di milioni di risposte. Due recenti indagini sulle grandi imprese condotte negli Stati Uniti e in Europa hanno scoperto che il 78 per cento di loro ricorre in qualche misura a questo nuovo approccio. Dieci anni fa, di open innovation non c’era traccia, oggi è ovunque.

L’idea alla base di questo nuovo approccio è che le conoscenze utili sono ora presenti in tutta la società. Nessuna impresa ha il monopolio delle grandi idee, e tutte, non importa quanto efficaci al proprio interno, hanno bisogno di collaborare intensamente ed estesamente con le reti e le comunità della conoscenza.

Un’azienda che pratica l’open innovation utilizza regolarmente idee e tecnologie esterne (open innovation dall’esterno all’interno o outside-in), e accetta che idee e tecnologie di sua produzione ma che essa non sfrutta fluiscano all’esterno a disposizione delle imprese intenzionate a utilizzarle nei loro business (open innovation dall’interno all’esterno o inside-out).

Quali prove abbiamo dell’efficacia dell’open innovation? Ricapitoliamo alcuni dei dati presentati nel precedente capitolo. La Procter & Gamble ha orgogliosamente rivendicato alla propria versione di open innovation, chiamata Connect and Develop, un grande successo, e lo stesso hanno fatto molte altre imprese. Un’altra azienda produttrice di beni di consumo, la General Mills, ha analizzato l’andamento delle vendite in un anno di 60 suoi nuovi prodotti, e ha scoperto che quelli contenenti qualche componente significativa di open innovation hanno venduto più del doppio degli altri. Un recente studio su 489 progetti di una grande impresa manifatturiera europea ha potuto constatare che quelli basati su una forte collaborazione con soggetti esterni hanno assicurato all’impresa ritorni maggiori degli altri.

Altre conferme provengono da indagini statistiche. Diversi studi basati sulla Community Innovation Survey hanno dimostrato che le imprese che ricorrono in misura maggiore a fonti di conoscenza esterne hanno prestazioni di innovazione migliori, a parità degli altri fattori, di quelle che lo fanno meno spesso. Una recente indagine relativa a 125 grandi imprese è giunta a conclusioni analoghe: le aziende che sfruttano strategie di open innovation ottengono risultati di innovazione più promettenti.

Sennonché, ho l’impressione che la maggioranza di noi non abbia veramente capito in cosa questo modo di realizzare innovazioni consista. Non concordiamo sul suo significato, non sappiamo come meglio usarlo, non riflettiamo a sufficienza sui suoi problemi e i suoi limiti, e di conseguenza non riusciamo neppure a ricavarne il massimo. È per questo che ho scritto questo libro: per chiarire meglio in cosa l’open innovation consista e aiutare tutti a trarre da questa eccitante idea quanto è possibile.

Tra l’altro, essa stessa ha subito cambiamenti profondi dal 2003. Analizzerò i più importanti e il loro significato per l’industria, l’innovazione e la politica nei prossimi capitoli. Vedremo per esempio che la cooperazione e la partnership sollecitata dall’open innovation non coinvolge più in genere soltanto due imprese (benché la loro intesa resti una componente importante) ma interessa un insieme molto più ampio di realtà: filiere, reti, ecosistemi, partnership pubblico-privato ecc. Essa non riguarda più soltanto l’impresa. Anche l’ambiente circostante ne è coinvolto. Perché l’open innovation prosperi è necessario costruire ecosistemi di soggetti innovatori. E se vogliamo che questi ecosistemi diano nuovo impulso alla produttività, occorre che ci spingiamo ancora oltre e costruiamo un’infrastruttura dell’innovazione capace di dare alla nuova società dell’open innovation il necessario sostegno.

Definire l’open innovation

Consentitemi di iniziare con una definizione di open innovation. Mentre gli esquimesi hanno dozzine di parole per lo stesso referente “neve”, noi abbiamo molti diversi significati per le parole “open innovation”. A mio avviso, il modo migliore di intendere il paradigma dell’open innovation è considerarlo in opposizione al modello tradizionale dell’integrazione verticale, nel quale attività di innovazione interne conducono a prodotti e servizi sviluppati internamente e commercializzati dall’impresa. Chiamo il modello integrato verticalmente “modello di innovazione chiuso”. Per sintetizzare tutto in un’unica frase, dirò che l’open innovation è un processo di innovazione diffuso basato sulla gestione dei flussi di conoscenza in entrata o in uscita dall’impresa realizzata utilizzando meccanismi monetari e non monetari a seconda del modello di business dell’impresa stessa.

È una definizione scientifica, lo riconosco. In sintesi, essa dice comunque che l’innovazione è generata accedendo, sfruttando e assimilando flussi di conoscenza che varcano i confini dell’azienda o entrandovi o uscendone. Non si tratta tuttavia di una definizione accettata da tutti, una questione su cui tornerò più avanti. In questa definizione, si assume che le imprese, nel cercare come meglio fare innovazione, possono e devono utilizzare idee e vie al mercato tanto interne quanto esterne. I processi di open innovation intrecciano idee interne ed esterne in piattaforme, architetture e sistemi, e utilizzano i modelli di business per definire i requisiti di queste architetture e sistemi. Il modello di business utilizza le idee esterne e interne per creare valore e definisce meccanismi interni per appropriarsi di una parte di questo.

+

This product has multiple variants. The options may be chosen on the product page

Il futuro della open innovation

€14,99 – €25,00 IVA inclusa

L’open innovation outside-in e inside-out

Esistono due tipi principali di open innovation: quella dall’esterno all’interno e quella dall’interno all’esterno. La prima richiede che l’impresa apra i propri processi di innovazione a diversi tipi di input e contributi di conoscenza esterni. È l’aspetto dell’open innovation che ha ricevuto più attenzione, sia nel mondo accademico sia tra le imprese. Molto si è scritto, per esempio, sullo scouting tecnologico, il crowdsourcing, la tecnologia open source o l’acquisizione di tecnologie esterne o licensing in. Secondo innumerevoli studiosi e protagonisti del mondo industriale, l’open innovation consisterebbe soltanto in questo. In realtà, non ne è che una parte. Esiste infatti un secondo tipo di flussi di conoscenze non meno importante.

L’open innovation dall’interno all’esterno o inside-out richiede alle imprese di consentire che le conoscenze che esse non utilizzano o sottoutilizzano escano all’esterno a disposizione di chi desidera sfruttarle nella propria attività e nei propri modelli di business.

Lo si può fare concedendo in licenza una propria tecnologia, creando per scorporamento (spin off) una nuova impresa, cedendo un proprio progetto a un common aperto, o formando una nuova joint venture con partner esterni (Box 2.1). Diversamente dall’open innovation outside-in, questa componente del modello è meno compresa tanto nel mondo accademico quanto in quello delle imprese. Come vedremo in uno dei prossimi capitoli, è questa seconda modalità di innovazione che consente di scoprire nuovi modelli di business per le idee e le tecnologie interne inutiliz- zate o sottoutilizzate.

Cosa l’open innovation non è

È bene avere chiaro cosa l’open innovation non è: non è (solo) crowdsourcing, ossia chiedere a un gruppo o a una moltitudine di individui esterni all’azienda di trovare l’idea forte o la soluzione di cui si ha bisogno. Non è (solo) gestire meglio i propri clienti. E non è (solo) ricorrere a un software open source e ai metodi open source che questi software hanno ispirato.
Poiché quest’ultimo è un fraintendimento molto comune, vale la pena soffermarcisi più a lungo. L’approccio open source all’open innovation ignora il modello di business, non tiene conto della componente inside-out di questa strategia di innovazione, e vede nella proprietà intellettuale (IP) un ostacolo all’innovazione che andrebbe se possibile eliminato. È l’approccio difeso per esempio da Eric von Hippel, il quale analizza l’“innovazione aperta e diffusa” eleggendo il software open source a suo caso esemplare. E con lui molti altri.

C’è qualcosa di paradossale in queste posizioni, alla luce dello scisma che ha diviso la comunità del software open source opponendo ai difensori del software “libero” i difensori del software “open”. I primi, tra i quali figura per esempio Richard Stallman, ritengono che “i software debbano essere liberi”. Un sistema operativo costruito utilizzando l’approccio copy-left è Gnu, il che significa che qualsiasi uso del codice di questo sistema dev’essere condiviso con il resto della comunità dei suoi sviluppatori. È quasi come pensare che la proprietà intellettuale sia superflua o persino nociva all’innovazione. Traendo vantaggio in modo diretto dal suo progredire, ciascun utilizzatore dovrebbe a sua volta rivelare le sue conoscenze al resto della comunità degli utilizzatori come lui. Neppure i modelli di business hanno un ruolo da svolgere in base a questa prospettiva. Non si considera assolutamente che le aziende possano investire un capitale per sfruttare su vasta scala le loro innovazioni, né come questo capitale possa creare profitto una volta investito.

La seconda componente della comunità del software open source – la componente definita “software open” – ha adottato una strategia del tutto diversa. Essa autorizza le imprese che utilizzano un qualche codice open source a modificarlo o integrarlo ma senza obbligarle a condividere le modifiche apportate con la comunità open source. Una famiglia di sistemi operativi sviluppata in questo modo è Linux. Aziende come Google e Amazon, che utilizzano estesamente Linux e di cui hanno fatto innumerevoli integrazioni, hanno scelto di mantenere le modifiche apportate private, ossia di non condividerle con la comunità Linux. I software open consentono alle imprese di basarsi su un codice aperto o condiviso e al tempo stesso di investire in sue estensioni private, se così preferiscono.

Linus Torvalds, il creatore di Linux, appartiene senza ombra di dubbio al campo “aperto” (anziché a quello “libero”), ed è piuttosto critico nei confronti dell’evangelismo del “software libero” di Richard Stallman:

È troppo inflessibile, troppo dogmatico […] Penso che l’open source
abbia iniziato a funzionare molto meglio una volta prese le distanze dal- la politica e i valori della Free Software Foundation, e che più persone abbiano finalmente capito che è uno strumento, non una religione. Io sono decisamente un pragmatico [corsivo aggiunto].

Il pragmatismo di Torvalds è lo stesso della definizione di open innovation che propongo io. In base a questa concezione, un’azienda investe in un progetto e lo amplia nel tempo perché ha un modello di business. Nella mia concezione di open innovation, non solo la proprietà intellettuale è ammessa: essa è anche ciò che consente alle imprese di collaborare e coordinarsi con altre proprio perché è ciò che garantisce loro una qualche protezione dall’imitazione diretta. È la possibilità di contare su questo che consente alle imprese di investire nell’estensione delle proprie innovazioni, se queste si dimostrano di successo, e di ricavare da tali investimenti un guadagno.

Entrambe le concezioni dell’open source vedono nell’apertura un potente meccanismo generatore di innovazioni. Von Hippel osserva giustamente che, nelle prime fasi di vita di un prodotto, i suoi utilizzatori sono una fonte di innovazione feconda. Le differenze tra “libero” e “open” emergono solo in seguito, quando l’innovazione inizia ad avere successo sul mercato. A questo punto, i semplici cultori della programmazione informatica lasciano il posto alle imprese intenzionate a entrare nel mercato e a commercializzare quelle innovazioni. È il momento di definire i modelli di business e di investire il necessario a estendere quanto basta il proprio giro d’affari.

La società trae vantaggio dalle innovazioni solo se queste sono, non solo generate, ma anche disseminate ampiamente e assimilate.

Benché sia stato creato da Linus Torvalds e una piccola comunità di volontari, a sostenere Linux sono oggi imprese come Ibm, Google, Red Hat e Amazon, imprese che intorno a esso hanno costruito modelli di business e portato il suo uso al centro delle proprie attività. I sostenitori dell’open innovation come me pensano siano necessarie norme giuridiche e modelli di business per affrontare questi processi; i difensori dell’approccio “libero” (o dell’“innovazione aperta e diffusa”) la pensano nel modo opposto.
Ora sapete che cosa l’open innovation è, che cosa non è e perché non sia semplicemente una versione impreziosita dell’approccio open source.

___
In alto, foto di Nejc Soklič – Unsplash

L'articolo Cos’è l’open innovation proviene da La Meraviglia Del Possibile.