L'ondata di partenze dalla società Thinking Machines, fondata dall'ex CTO di OpenAI Mira Murati e valutata 12 miliardi di dollari, evidenzia la feroce competizione per i professionisti qualificati nell'IA.

Importanti Defezioni Sconvolgono la Startup AI Thinking Machines

La continua competizione nella Silicon Valley per accaparrarsi i migliori esperti di AI si è intensificata questa settimana, poiché tre membri fondatori di Thinking Machines Lab, la startup AI guidata dall’ex CTO di OpenAI Mira Murati, hanno annunciato il loro ritorno in OpenAI. Tutti e tre—Brett Zoph, Luke Metz e Sam Schoenholz—avevano già lavorato in OpenAI prima di unirsi a Thinking Machines.

Fidji Simo, CEO delle Applicazioni di OpenAI, ha rivelato la notizia mercoledì. Secondo Simo, Zoph riferirà direttamente a lei, mentre Metz e Schoenholz riferiranno a Zoph. Zoph e Metz erano cofondatori di Thinking Machines, con Schoenholz che faceva anch’egli parte del team originale di ricerca e ingegneria.

Controversie Intorno alle Defezioni

Secondo quanto riportato da Core Memory, Murati ha informato lo staff del licenziamento di Zoph a causa di presunte “condotte non etiche”. Né Zoph, né OpenAI, né Thinking Machines hanno fornito commenti in merito. Simo ha affermato che il processo di assunzione era in corso da diverse settimane. Bloomberg ha riportato che Simo ha comunicato ai dipendenti di OpenAI che Zoph aveva informato Murati della sua intenzione di andarsene, portando così al suo licenziamento immediato. Simo ha anche minimizzato le preoccupazioni riguardo alla condotta di Zoph.

Giovedì, ulteriori notizie hanno indicato che altri due ricercatori di Thinking Machines, Lia Guy e Ian O’Connell, stavano lasciando la società, con Guy che si sarebbe unita a OpenAI. Queste uscite di alto profilo evidenziano le difficoltà che i nuovi laboratori AI affrontano nel trattenere i talenti quando competono con giganti consolidati come OpenAI, Anthropic e DeepMind. Mentre alcune startup cinesi, come DeepSeek e Moonshot AI, hanno costruito modelli competitivi, non stanno cercando di attrarre lo stesso bacino di talenti.

Sfide di Finanziamento e Fidelizzazione dei Talenti

Thinking Machines ha ottenuto un finanziamento iniziale record di 2 miliardi di dollari a luglio, valutando l’azienda 12 miliardi di dollari. Successivamente, Bloomberg ha riferito che l’azienda stava cercando ulteriori investimenti a una valutazione di 50 miliardi di dollari. Nonostante questi impressionanti sforzi di raccolta fondi, la startup ha faticato a trattenere i suoi ricercatori AI. Andrew Tulloch, un altro cofondatore, ha lasciato l’anno scorso per unirsi alla divisione AI di Meta, nota per offrire pacchetti retributivi molto allettanti. Ora, con le recenti defezioni di Zoph, Metz, Schoenholz, Guy e O’Connell, l’azienda si trova ad affrontare un’ulteriore instabilità.

Allo stesso modo, Ilya Sutskever, ex capo scienziato di OpenAI, ha raccolto 1 miliardo di dollari per la sua nuova impresa Safe Super Intelligence (SSI) alla fine del 2024, solo per vedere Meta reclutare il suo cofondatore Daniel Gross per le proprie iniziative avanzate in ambito AI.

Perché i Nuovi Laboratori AI Faticano a Competere per i Talenti

Ci sono diverse ragioni per cui i laboratori AI emergenti, nonostante i loro notevoli round di finanziamento, trovano difficile trattenere i migliori ricercatori:

• Limitazioni nella Retribuzione: Queste startup spesso non possono eguagliare gli alti stipendi in denaro—che a volte raggiungono sette cifre—offerti da aziende tecnologiche consolidate come Meta, Google DeepMind e OpenAI.
• Equity vs. Denaro: Anche se i membri del team iniziale possono ricevere equity con potenziale di valore futuro significativo, ciò è spesso meno allettante rispetto ai sostanziosi pacchetti in denaro immediati disponibili presso aziende più grandi.
• Rischio delle Stock Option: L’equity nelle giovani aziende private è generalmente più rischiosa rispetto alle stock option di aziende pubbliche o laboratori consolidati. Google e Meta, ad esempio, offrono pacchetti azionari generosi con rapidi periodi di maturazione, che permettono ai dipendenti di incassare prima. Anche OpenAI e Anthropic stanno valutando IPO, il che potrebbe fornire ai dipendenti pagamenti importanti a breve termine—cosa meno probabile per le startup più giovani.

Un ex ricercatore di OpenAI, che mantiene contatti con i dipendenti di Thinking Machines, ha suggerito che gli incentivi finanziari siano la principale ragione delle recenti defezioni, con alcuni membri dello staff attratti di nuovo in OpenAI da offerte particolarmente generose. Questa persona ha anche ipotizzato che gli sforzi di reclutamento di Simo potessero essere mirati a ostacolare la raccolta fondi di Thinking Machines, dato che gli investitori sono cauti quando i membri fondatori lasciano la società.

Accesso alla Potenza di Calcolo: Un Altro Ostacolo

Un’altra grande sfida per i nuovi laboratori AI è assicurarsi risorse di calcolo sufficienti. Mentre i laboratori consolidati spesso si lamentano dell’accesso limitato alla capacità dei data center per l’addestramento e il deployment dei grandi modelli linguistici, hanno investito miliardi nella costruzione delle loro infrastrutture. La loro scala li rende clienti prioritari per Nvidia, i cui chip sono essenziali per addestrare modelli AI avanzati. Google ha sviluppato i propri chip AI (TPU), riducendo la dipendenza da Nvidia, mentre Meta, OpenAI e Anthropic hanno costruito data center dedicati e collaborato con grandi fornitori di cloud come Amazon Web Services e Microsoft. Al contrario, i laboratori più giovani possono avere difficoltà ad acquisire le GPU e la potenza di calcolo di cui hanno bisogno, anche se le loro richieste complessive sono inferiori.

Strategie di Prodotto e Modelli di Business Poco Chiari

Molti nuovi laboratori AI, tra cui Thinking Machines, non hanno ancora definito offerte di prodotto o piani aziendali chiari. Thinking Machines ha lanciato finora solo un prodotto—uno strumento beta chiamato Tinker, presentato a ottobre, che aiuta ricercatori e sviluppatori a ottimizzare modelli linguistici open source per compiti specifici. L’azienda ha anche pubblicato ricerche sull’ottimizzazione dell’addestramento dei modelli, ma non ha indicato quando potrebbe emergere un prodotto o una fonte di ricavi disponibili su larga scala.

Alcuni dipendenti si sarebbero mostrati frustrati per la mancanza di chiarezza sulla direzione dei prodotti, soprattutto rispetto al ritmo rapido dei laboratori più consolidati. Tuttavia, fonti suggeriscono che alcune di queste preoccupazioni siano state recentemente affrontate. Da notare che Zoph, Metz e Schoenholz riferiranno a Simo, responsabile dei prodotti di OpenAI, e non al capo della ricerca, il che potrebbe indicare un loro interesse per un lavoro AI più applicato.

Anche altri nuovi laboratori affrontano sfide simili. Ad esempio, SSI di Sutskever non ha ancora reso noti i suoi piani di prodotto né lanciato un modello, anche se recenti commenti suggeriscono che un lancio potrebbe essere imminente. Sutskever ha precedentemente dichiarato che SSI potrebbe aspettare una svolta significativa nella sicurezza dell’AI prima di rilasciare qualsiasi prodotto.

Questo articolo è stato originariamente pubblicato su Fortune.com.