Leggi in app
Nella fase iniziale dell’IA contemporanea che ha condotto – per chiarire – al lancio di ChatGpt, le imprese hanno utilizzato, in modo più o meno legale, vasti archivi già disponibili online per formare modelli generativi capaci di replicare abilità cognitive tipicamente umane.
Ora che i contenuti disponibili su internet sono stati in gran parte esauriti, molte aziende stanno sviluppando prodotti, servizi e persino nuove modalità lavorative con l’intento di generare dati freschi e più mirati per l’addestramento dell’intelligenza artificiale.
Il caso Pokémon Go e il valore dei dati geospaziali
Quando nel marzo 2025 Niantic – compagnia statunitense leader nello sviluppo di videogiochi per dispositivi mobili basati sulla realtà aumentata – ha ceduto la propria divisione di videogiochi – comprendente Pokémon Go, Pikmin Bloom e Monster Hunter Now – alla società di mobile gaming Scopely per circa 3,5 miliardi di dollari, ha separato la propria tecnologia principale in una nuova entità, Niantic Spatial, per sviluppare modelli di “geospatial AI”, ovvero sistemi di intelligenza artificiale capaci di comprendere e interpretare il mondo fisico.
Il “patrimonio” di Niantic, infatti, non era solo il titolo “Pokémon Go”, ma il database creato in oltre dieci anni di gioco. La maggior parte di questi dati è stata generata, infatti, attraverso funzioni di AR mapping introdotte nel gioco: per scovare i Pokémon, era necessario muoversi nell’ambiente urbano con la fotocamera dello smartphone attivata per ricostruire digitalmente lo spazio.
In questo modo sono state accumulate oltre 30 miliardi di immagini e scansioni tridimensionali di luoghi reali, preziose per addestrare modelli IA in grado di riconoscere edifici, oggetti e geometrie urbane.
Fino ad ora, i dataset difficili da replicare erano accessibili solo a colossi come Google e Tesla, che disponevano di infrastrutture globali capaci di trasformare prodotti di massa in reti di raccolta dati: milioni di smartphone nel caso delle mappe, milioni di automobili per la guida autonoma.
Attualmente, lo stesso principio sta diventando disponibile anche per aziende di dimensioni molto più contenute.
Attori, avatar e dati biometrici
Secondo un’indagine recente di The Verge, aziende come Handshake AI generano dati per il settore dell’IA ingaggiando attori per registrare interazioni spontanee che consentano ai modelli di apprendere sfumature emotive, ironia, tensione o empatia durante una conversazione, al fine di simulare comportamenti sociali complessi.
Anche la startup londinese Synthesia, valutata 4 miliardi di dollari, raccoglie dati biometrici da attori professionisti: le loro performance diventano la base per la creazione di personaggi virtuali.
Appen, un’azienda australiana specializzata nella raccolta e annotazione di dati per l’IA, remunera invece persone comuni 50 dollari l’ora per eseguire davanti a sensori e videocamere movimenti corporei, gesti ed espressioni facciali. Il materiale registrato viene venduto a chi – come Meta – sviluppa modelli per generare avatar digitali realistici.
Il lavoro quotidiano come fonte di dati
Un esempio più controverso di raccolta e produzione di dati riguarda aziende che compensano lavoratori per registrare attività domestiche quotidiane. I partecipanti indossano dispositivi con videocamere integrate mentre cucinano o piegano il bucato. Le informazioni registrate servono per addestrare robot domestici e IA capaci di comprendere come gli esseri umani svolgono compiti quotidiani. Per alcuni rappresenta un modo semplice per guadagnare, ma si tratta spesso di un lavoro controverso e mal retribuito, soprattutto perché addestra sistemi di intelligenza artificiale a sostituire, in ultima analisi, il lavoro umano.
Nuove forme di raccolta e osservazione
Alcune startup come la californiana Micro1, che ha raggiunto una valutazione di 500 milioni di dollari grazie ai suoi servizi di raccolta e annotazione di dati, compensano persone in vari paesi per indossare occhiali smart che registrano in soggettiva ogni gesto. I filmati servono a insegnare alle IA come interpretare il comportamento umano nel mondo reale, una capacità necessaria per robot e assistenti domestici del futuro.
L’IA impara anche dai professionisti
La raccolta di dati non si limita solo a movimenti o immagini. Sempre più aziende stanno reclutando professionisti qualificati per impartire alle IA conoscenze specialistiche.
Mercor, una compagnia statunitense valutata oltre un miliardo di dollari, ha reclutato decine di migliaia di esperti – programmatori, avvocati, analisti finanziari – a cui ha chiesto di creare esempi e valutazioni per addestrare i modelli su compiti complessi.
Un mercato in forte espansione
La domanda costante di dataset, di varia natura, alimenta il mercato globale della raccolta ed etichettatura dei dati per le IA: valeva circa 3,77 miliardi di dollari nel 2024; raggiungerà 17 miliardi entro il 2030, con una crescita media annua del 28% circa.
I commenti sono chiusi.