CEO di Amazon: i ricavi annui dell'attività IA superano i 25 miliardi di USD, il tasso di crescita è centinaia di volte superiore a quello di AWS nei suoi primi anni; 220 miliardi di USD spesi non bastano ancora a soddisfare la domanda

Di recente, il CEO di Amazon Andy Jassy è apparso sul noto podcast di venture capital a16z, intrattenendo una conversazione approfondita con Ben Horowitz, co-fondatore di a16z. In questa intervista, Jassy ha illustrato in modo esaustivo la strategia di Amazon nell’onda dell’IA generativa.

In risposta alle preoccupazioni di Wall Street riguardo agli apparentemente illimitati investimenti in capitale dei giganti tecnologici, Jassy ha fornito un feedback di mercato diretto: la domanda non solo non sta rallentando, ma sta rapidamente superando la capacità futura. Ha inoltre descritto l’attuale struttura della domanda nel mercato dell’IA, definita «a bilanciere», sottolineando che per sbloccare davvero le applicazioni aziendali basate sull’IA, il costo dell’inferenza computazionale deve diminuire di un altro ordine di grandezza.

«Anche con 220 miliardi di dollari spesi, lasciamo comunque una quota significativa di domanda insoddisfatta»

Il problema centrale che attualmente preoccupa maggiormente il mercato è se gli investimenti in capitale dei giganti, spesso nell’ordine dei centinaia di miliardi, si trasformeranno in costi affondati eccessivi. Jassy ha risposto direttamente ai dubbi del mercato con dati sorprendenti.

«Anche quest’anno, pur spendendo 220 miliardi di dollari, lasciamo comunque una quota significativa di domanda rilevante insoddisfatta». Jassy ha evidenziato in modo netto lo squilibrio estremo tra offerta e domanda di potenza computazionale: «Riserviamo sempre una certa percentuale di potenza computazionale per servizi su richiesta, ma la capacità per il 2026 è chiaramente esaurita, quella per il 2027 è quasi esaurita e una gran parte di quella per il 2028 è già stata venduta».

Dal punto di vista della crescita aziendale, la curva di crescita generata dall’IA è estremamente ripida. Jassy ha confrontato la velocità iniziale di sviluppo di AWS (Amazon Web Services) con l’attuale ritmo: «Nei primi tre anni di AWS, ci sembrava di crescere velocemente, con un tasso di ricavo annuo di circa 60 milioni di dollari. Ma nei primi tre anni di questa ondata di IA generativa, il nostro tasso di ricavo annuo per l’attività IA di AWS ha già superato i 25 miliardi di dollari. La sua velocità è centinaia di volte superiore a quella di allora; non abbiamo mai visto nulla di simile».

Rispondendo alle preoccupazioni dei mercati finanziari, Jassy ha spiegato la logica del ciclo di cassa degli investimenti nei data center. Ha precisato che gli investimenti nella costruzione di data center devono essere effettuati due anni prima, ma la loro vita utile può raggiungere i 30 anni; invece, l’acquisto di server e apparecchiature di rete richiede solo pochi mesi di anticipo. Ciò significa che l’azienda ha una visibilità molto chiara sulla domanda dei clienti. «Se scopriamo di non aver realmente bisogno di riempire quei data center, non acquisteremo server né apparecchiature di rete. La maggior parte dei contratti per i server ha durata quinquennale e il pareggio viene generalmente raggiunto in tre anni. Grazie a questo ciclo di cassa, quando la crescita è così rapida, il flusso di cassa libero iniziale subirà effettivamente una pressione, ma una volta che tutto sarà operativo, i rendimenti saranno molto consistenti».

Smentita delle polemiche sui data center: «Il consumo idrico di un campo da golf in due giorni equivale al nostro utilizzo annuo»

Negli Stati Uniti, il consumo energetico e le questioni ambientali legate ai data center stanno diventando una controversia politica. Jassy ha energicamente smentito tale narrazione, elevandola al livello macro della competitività nazionale.

«L’infrastruttura che stiamo costruendo è paragonabile, per scala, alla costruzione di autostrade e ponti negli Stati Uniti negli anni ’50. Il paese, e persino il mondo intero, non può permettersi il costo di non costruire data center; altrimenti, paesi come la Cina occuperanno tutte le posizioni di leadership e definiranno gli standard, cosa inaccettabile sia a livello nazionale che globale».

Riguardo alle accuse ambientali, Jassy ha presentato dati sorprendenti: «Circolano molte affermazioni tra mito e menzogna, perché politici e speculatori amano individuare un semplice ‘cattivo’. In realtà, il consumo idrico di campi da golf o della coltivazione di mandorle supera di gran lunga quello dei data center. Ad esempio: un campo da golf consuma 200 volte più acqua di noi; in due giorni utilizza più acqua di quanta ne consumino i nostri data center in un anno».

Ha aggiunto inoltre che l’inquinamento prodotto dai generatori di emergenza è fortemente esagerato: «Bisogna registrare i livelli di inquinamento come se funzionassero a pieno carico per tutto il tempo, ma in realtà li facciamo girare solo lo 0,1% del tempo ogni anno (circa 10 ore), esclusivamente per manutenzione».

L’effetto «bilanciere» della domanda di IA e la logica centrale della riduzione dei costi di inferenza

Analizzando la domanda specifica di IA, Jassy ha proposto una vivida teoria del «bilanciere», che spiega anche perché Amazon insiste su una strategia di sviluppo autonomo dei chip.

«Un’estremità del bilanciere è rappresentata dai laboratori di IA, che consumano enormi quantità di potenza computazionale; l’altra estremità sono le imprese, che usano principalmente l’IA per ridurre i costi e migliorare la produttività, ad esempio con servizi clienti automatizzati o processi aziendali. Al centro del bilanciere vi è invece il carico di lavoro produttivo corrente delle imprese. La stragrande maggioranza delle aziende non ha ancora adottato l’inferenza IA, ma credo che tra 5-7 anni quasi tutte le applicazioni aziendali esistenti utilizzeranno profondamente questa tecnologia».

Tuttavia, per attivare il vasto mercato nella «parte centrale del bilanciere», il prezzo rappresenta l’ostacolo maggiore.

«Negli ultimi anni i costi di inferenza sono diminuiti in modo significativo, ma secondo me restano ancora dieci volte troppo elevati.» Jassy ha sottolineato: «Se chiediamo alle aziende di riscrivere le loro applicazioni esistenti basate su CPU utilizzando acceleratori AI, un divario di costo eccessivo innalzerà notevolmente la soglia per tale riscrittura. Ma riducendo i costi di inferenza, questa soglia si abbasserà drasticamente. Ecco perché stiamo puntando con forza sul nostro business di chip sviluppati internamente.»

Jassy ha elogiato vivamente l’acquisizione della società di progettazione chip Annapurna Labs nel 2015, definendola «l’acquisizione più riuscita della storia di Amazon, senza neppure un secondo posto.» Ha rivelato che, grazie ai processori Graviton sviluppati internamente (40% più convenienti rispetto ad altri processori x86) e agli acceleratori AI Trainium (30-40% più convenienti), Amazon sta riducendo aggressivamente il costo della potenza computazionale.

Ristrutturazione organizzativa: 6 ingegneri hanno svolto in un anno il lavoro di 40 persone; tutti i prodotti devono essere ricostruiti ex novo.

Oltre a fornire potenza computazionale esternamente, l’IA sta ristrutturando internamente il funzionamento della gigantesca macchina Amazon, modificando innanzitutto la struttura del personale e la logica di sviluppo dei prodotti.

Jassy ha condiviso un caso interno sorprendente: il team di Bedrock (la piattaforma di servizi di inferenza AI di Amazon) ha ristrutturato il motore di inferenza con soli 6 ingegneri in 76 giorni, mentre in precedenza tale operazione richiedeva un anno intero a 40 persone.

«Questo ha aperto gli occhi a tutti.» Jassy ha affermato candidamente: «In futuro saranno sempre meno le persone che svolgono lo stesso lavoro di oggi. Non voglio dire che non avremo più bisogno di personale, ma, man mano che l’azienda cresce, non investiremo più la stessa quantità di manodopera di prima. I team diventeranno più piccoli e i collaboratori dovranno lavorare trasversalmente, poiché i modelli possono svolgere l’80% del lavoro.»

A livello di prodotto, Jassy ritiene che miglioramenti incrementali non siano più sufficienti: serve il coraggio di «ricostruire ex novo».

«Per prodotti come Alexa, il suo ‘cervello’ era molto innovativo al momento dello sviluppo, ma con l’emergere dell’IA generativa i confini delle capacità sono completamente cambiati. Per offrire un’esperienza cliente vincente, è necessario riconfigurare completamente il cervello di Alexa.»

Non solo Alexa: Jassy ha precisato che tutte le principali esperienze consumer di Amazon — tra cui retail, Prime Video e la musica — dovranno essere ripensate radicalmente in sinergia con l’IA nei prossimi anni. «I team spesso resistono per orgoglio o bagaglio storico, dicendo ‘ci abbiamo già provato, non ha funzionato’. Ma questa ristrutturazione è un processo doloroso, inevitabile: chi si accontenta di miglioramenti incrementali verrà eliminato entro tre-cinque anni.»

Di seguito la trascrizione completa del podcast: Andy Jassy 00:00

Anche se quest’anno investiamo 220 miliardi di dollari, lasciamo comunque una quota considerevole di domanda insoddisfatta. Riserviamo sempre una certa capacità per l’uso su richiesta, ma il 2026 è chiaramente esaurito, il 2027 è quasi esaurito e una parte consistente del 2028 è già prenotata.

Andy Jassy 00:14

I mercati finanziari dicono: ‘non c’è così tanta liquidità disponibile per finanziare questi progetti’. Ma tutto ciò che facciamo in questo mondo — mercati azionari, banche, sanità — dipende dai data center. Il nostro compito è trovare il modo di avere la massima capacità possibile: abbiamo l’opportunità di migliorare molte altre esperienze cliente, rendendo ogni giorno la vita delle persone migliore e più semplice. Quei grandi laboratori sono disposti a pagare qualsiasi prezzo per energia, raffreddamento e chip. Forse dovremmo riacquistare vecchi clienti per rivenderli a nuovi, dato che essi offrono prezzi pari ai nostri.

a16z 00:48

Andy, benvenuto nello show. È un piacere averti qui. Grazie per l’invito. Dunque, sei alla guida di Amazon da cinque anni e hai fatto molte cose. Non è facile arrivare fin qui e, da CEO, hai una serie infinita di impegni: attualmente hai 220 miliardi di dollari di capital expenditure, AWS è cresciuta del 20%, del 28%. Hai davvero ottenuto moltissimo.

Andy Jassy 01:09

Hai ottenuto così tanto: qual è la tua visione sulle ambizioni di Amazon per il 2026 rispetto all’epoca in cui hai assunto ufficialmente la carica di CEO nel 2021? Oh, il 2021 sembra ormai lontanissimo; sembra passato quasi un decennio. Ma, sai, il mondo cambia così velocemente. E, beh…

Andy Jassy 01:30

Confrontando il 2021 con oggi, il fatturato complessivo è aumentato circa dell’80%, il business AWS è quasi triplicato e i ricavi pubblicitari sono circa due volte e mezza superiori. Questa azienda, insomma, è cresciuta parecchio.

Andy Jassy 01:47

Credo che siano effettivamente accadute alcune cose. Subito dopo il mio insediamento—proprio mentre la pandemia stava volgendo al termine—il nostro business retail ha affrontato una vera sfida sui costi di evasione ordini: abbiamo praticamente raddoppiato la scala della nostra rete di evasione. La rete costruita in 25 anni è stata raddoppiata in circa 18 mesi; poi, in circa 20 mesi, abbiamo realizzato una rete di consegna dell'ultimo miglio paragonabile a quella di UPS. E quando si costruisce così velocemente, inevitabilmente emergono molti aspetti non ottimizzati. I costi di evasione nella nostra rete erano inferiori alle nostre aspettative. Beh, sapete, questo ha comportato numerose difficoltà e molta ansia in quel periodo.

Ricordo che ero in carica da circa un anno, non ancora un anno, e tutti dicevano: «Assumere la guida proprio in questo momento è il peggior momento possibile, davvero sfortunato». Ma guardando indietro ora, penso che fosse invece un ottimo punto di partenza: una vera benedizione—perché ci ha costretto a riconsiderare molti aspetti che forse non avremmo mai preso in esame per anni, e queste riflessioni si sono rivelate ottime idee per i nostri clienti e per il business. Una delle più importanti è stata la nostra rete di evasione: abbiamo regionalizzato quella che inizialmente era una rete nazionale uniforme negli USA. Regionalizzandola, abbiamo posizionato i prodotti molto più vicino ai clienti, riducendo i costi di evasione grazie a distanze di trasporto più brevi e accelerando al contempo le consegne.

Beh, durante quella fase di difficoltà con i costi di evasione, aver riesaminato le nostre convinzioni più radicate ha davvero scatenato una grande domanda di velocità nelle consegne e nel retail, motivo fondamentale della nostra rapida crescita. Ovviamente, subito dopo, l’IA ha ulteriormente acceso il settore. Non è che l’IA sia una novità—facciamo machine learning da molto tempo e ci sono già state diverse ondate di IA considerate «veri punti di svolta». Ma nel 2023 si vede davvero la grande differenza portata dall’IA generativa. Voglio dire che, a quel punto, il nostro business AWS stava già crescendo molto rapidamente.

Abbiamo, ovviamente, la copertura funzionale più ampia, prestazioni operative e sicurezza superiori, e credo anche un ecosistema di partner diverso. Siamo leader indiscussi e all’epoca ritenevamo che questo business potesse raggiungere entrate nell’ordine dei centinaia di miliardi di dollari nel lungo periodo—diciamo nei prossimi dieci anni. Ora, osservando tutto ciò che sta accadendo con l’IA e vedendo che ogni esperienza cliente nota sarà reinventata grazie al ragionamento e all’IA, crediamo davvero che il business AWS non stia solo crescendo molto velocemente—lo scorso trimestre è cresciuto del 36,7% su base annua, partendo da un ricavo annuo di 169 miliardi di dollari—ma le opportunità davanti a noi oggi sono davvero straordinarie.

E sapete, sento che, aggiungendo a questo, abbiamo i semi di nuovi business: sia nello sviluppo di Prime Video—diventato ormai un business ampio e redditizio—sia nei satelliti per l’orbita terrestre bassa che stiamo costruendo con Amazon Leo, sia nel servizio autonomo di ride-hailing con Zoox, oltre al nostro business sanitario e a quanto stiamo facendo nel campo della robotica. Insomma, abbiamo davvero l’opportunità di aiutare molti più clienti, coprendo molte più esperienze utente e migliorando ogni giorno la loro vita, rendendola più semplice.

E questa missione di «migliorare e semplificare la vita dei clienti ogni giorno» unifica davvero tutto ciò che facciamo in azienda. Ora ho alcune domande di approfondimento su questo tema. Prima di tutto, avete appena menzionato che, espandendo rapidamente la rete di evasione, questa diventa inevitabilmente un po’ inefficiente. Sapete, spingendo così forte, emergeranno certamente alcuni aspetti non perfetti. Dunque, come comunicate—da CEO—ciò che state facendo, senza abbassare gli standard culturali? Intendo dire che Amazon è nota per eccellenza, efficienza operativa e frugalità, tutte queste cose. Ma ora dite: «Vogliamo costruire qualcosa di simile a UPS», ecc. Come conciliate questi due aspetti?

Beh, la cosa interessante è che abbiamo questo insieme di principi di leadership, noti a molti, per un totale di 16. Molti di questi principi dovrebbero e in effetti guidano il nostro modo di pensare alle operazioni e alla cultura di squadra.

Ma alcuni di essi presentano tensioni reciproche e a volte la gente ne resta confusa. In realtà, ciò rispecchia il funzionamento del mondo reale—nulla è mai perfettamente netto; si tratta sempre di fare compromessi. Tornando quindi a quel momento in cui decidemmo di espandere la rete di evasione e quella di consegna dell’ultimo miglio a un ritmo così aggressivo e rapido, la sfida per il team era: sapevamo che spingerci così in fretta sarebbe stato molto difficile; i costi probabilmente sarebbero stati più alti rispetto a un’espansione più graduale; e forse non avremmo potuto ottimizzare tutto come avremmo fatto prendendoci più tempo. Ma clienti e venditori ne avevano davvero bisogno. Dunque, dovevamo privilegiare l’approccio «prima di tutto farlo»?

Dovete ricordare che era agli inizi della pandemia, quando tutti i negozi fisici erano chiusi.

Insomma, se si considera il ruolo svolto da Amazon nella vita di tutti durante la pandemia, fu davvero rivoluzionario. Ci dovemmo quindi chiedere: dobbiamo costruire in fretta, magari non in modo ottimale, per servire quei clienti e venditori—venditori che stavano pure lottando per tenere in vita le proprie attività? Questa fu la prima decisione da prendere. E decidemmo, come facciamo quasi sempre, di privilegiare il lato cliente. Beh, durante la costruzione divenne presto chiaro che non tutto procedeva secondo i piani.

Il nostro team di evasione lavora in ufficio più spesso rispetto alla maggior parte degli altri reparti aziendali. Tuttavia, occorre coinvolgere molte persone in fasi di progettazione, pianificazione e valutazione. Le persone sono sparse ovunque, lavorano in remoto, e bisogna quindi bilanciare la tensione tra «preferenza per l’azione» o velocità e «mantenere standard estremamente elevati»—quest’ultimo implica consegnare rispettando la struttura dei costi prevista, le modalità di consegna e i progetti. Dunque, occorre nuovamente fare compromessi.

Il nostro compromesso è stato di schierarci dalla parte del cliente, muoverci velocemente per servire bene venditori e consumatori, sapendo che in seguito ci sarebbe stato del lavoro di rifinitura. Dunque, sapevamo in quel momento che sarebbe diventato ciò che è oggi? No. Ci furono anche scelte non ottimizzate correttamente e non sono certo che avessimo previsto che non lo sarebbero state. Ma se si dispone di buoni indicatori e di una cultura fondata sulla verità—questo è un aspetto fondamentale della nostra cultura—beh, mettiamo i dati sul tavolo, mettiamo i problemi sul tavolo, comunichiamo in modo diretto e non permettiamo a nessuno di sorvolare sui problemi. Con una tale cultura, i problemi emergono chiaramente sia dagli indicatori sia dalle discussioni.

Poi basta capire come migliorare, distinguendo tra piccoli problemi di efficienza e questioni strutturali. Una volta acquisita tale capacità, siamo tornati indietro e abbiamo realmente ristrutturato parti chiave della rete—probabilmente era all’ottavo o nono posto nella lista di priorità di quel team all’epoca, ma in seguito è diventata una priorità molto più importante perché permetteva di combinare velocità e costo. Sì, è interessante. Sapete, è un po’ come all’inizio di AWS—avete lanciato AWS e l’approccio all’epoca era un po’ «costruiscilo e verranno», giusto? Avete creato tutta quell’infrastruttura e poi l’avete gestita. Dunque, dovevano venire, altrimenti saremmo stati in grossa difficoltà.

Ma ora questo sta accadendo su scala molto più ampia: voi e alcune altre aziende — anche se devo dire che, soprattutto voi, siete certamente uno dei principali attori — state costruendo data center e capacità produttiva di chip a un ritmo talmente rapido che i mercati finanziari cominciano a chiedersi: wow, non c’è abbastanza denaro al mondo per finanziare queste infrastrutture. Di recente abbiamo visto proprio questa tensione sui mercati del debito e azionario di CoreWeave e simili. Dunque, come valutate — considerando la domanda così elevata e la vostra crescita così rapida — quanto sia eccessivo, in questa fase di costruzione? E c’è competizione nella catena di approvvigionamento: dovete competere per il raffreddamento, l’energia, i chip e tutti questi elementi. Sì, è una domanda eccellente. Vorrei davvero che esistesse una formula semplice per risolverla: ci risparmierebbe molto tempo al team.

Beh, direi questo: nella prima ondata del cloud, all’inizio di AWS, c’era effettivamente un po’ di «non sappiamo se le persone lo useranno, quindi costruiamolo e verranno». Ma avevamo buoni segnali interni. All’epoca, agli inizi degli anni 2000, molte squadre procedevano ben al di sotto delle nostre aspettative — pur ritenendoci relativamente veloci. Non riuscivamo però a capire perché ci mettessero tanto. Il motivo era che i team di prodotto dedicavano dal 70% all’80% del loro tempo all’infrastruttura, impedendo loro di differenziarsi; solo il 20% circa andava alle parti che davvero rendevano unico il prodotto.

Così ci rendemmo conto che ogni team stava ripetendo lo stesso processo e reinventando la ruota. Perciò concepimmo inizialmente AWS per accelerare il nostro lavoro interno. La nostra valutazione allora fu: se creiamo un insieme di servizi fondamentali su larga scala, altamente disponibili, a basso costo e molto flessibili — come calcolo, storage, database, distribuzione contenuti, messaggistica ecc. — potremo sviluppare molto più velocemente nel business consumer. Poi pensammo, in termini relativi, che la nostra tecnologia fosse discreta e che altre aziende avessero probabilmente gli stessi problemi. Ma ancora prima del lancio esterno, moltissimi team interni ne erano già interessati: capimmo così di essere sulla strada giusta. Nessuno di noi immaginava che sarebbe cresciuto così rapidamente all’esterno.

Sul fronte dell’IA, come sapete, da tempo si susseguono ondate di chi proclama: «È arrivato il momento, l’IA è finalmente qui». Già sei o sette anni prima di questa ondata di IA generativa, molti ritenevano di vivere nell’era dell’IA. Costruimmo numerosi servizi IA, che rappresentavano già un business piuttosto solido su AWS. Ma non sono paragonabili a ciò che vediamo oggi. Nei primi anni di AWS, sentivamo di crescere molto velocemente — dopo tre anni raggiungemmo ricavi annualizzati di circa 60 milioni di dollari. Nelle prime tre anni di questa ondata di IA generativa, il solo business IA di AWS ha ricavi annualizzati superiori ai 25 miliardi di dollari. È cresciuto centinaia di volte più in fretta. Una cosa del genere non l’abbiamo mai vista prima. La domanda diventa quindi: quanto capitale volete investire per cogliere questa opportunità? Vi posso dire che prevediamo spese in conto capitale pari a circa 220 miliardi di dollari entro il 2026.

A proposito, ricordo che circa 15 anni fa, durante una colazione con il team dirigente, non riuscivamo a credere che un’azienda telefonica spendesse 50 miliardi in conto capitale; dicevamo: «Come può spendere così tanto in conto capitale?». Queste cifre, insomma, sono davvero sbalorditive. Eppure, anche se quest’anno spenderemo 220 miliardi in conto capitale, lasceremo comunque una notevole porzione di domanda insoddisfatta. Ciò che ci aiuta davvero è la buona visibilità sulla domanda dei clienti. Se osservate gli investimenti in conto capitale di AWS e il ciclo di cassa, essi comprendono due componenti principali: uno riguarda gli investimenti nei data center, l’altro quelli in server e reti. Per i data center occorre investire con circa due anni di anticipo prima di poter installare i server e iniziare a monetizzare. La buona notizia è che questo investimento va fatto una sola volta ed è un bene duraturo, circa 30 anni.

Tuttavia va effettuato alcuni anni prima. Server ed equipaggiamenti di rete richiedono invece un anticipo di pochi mesi, a seconda dei componenti specifici. Perciò, prima di procedere concretamente, abbiamo una buona visibilità sulla domanda dei clienti. Se scopriamo che non serve tutta quella capacità per riempire i data center, non acquisteremo server né equipaggiamenti di rete. In media, questi ultimi raggiungono il pareggio in circa tre anni e attualmente hanno una vita utile di cinque-sei anni.

La maggior parte dei nostri accordi ha durata di circa cinque anni. Quindi, costruendo così tanti data center a questo ritmo, dobbiamo impiegare ingenti capitali e il flusso di cassa libero subirà pressioni negli anni successivi — fino a quando, dopo qualche anno, non raggiungeremo la fase successiva: tutti i data center saranno online e genereranno ricavi, e recupereremo gli investimenti in server e reti. Tuttavia, a causa del ciclo di cassa, i primi anni di crescita così rapida comportano effettivamente pressioni negative. A questo punto, tornando all’epoca dell’avvio di AWS, i data center erano probabilmente l’ultima cosa al mondo che avreste immaginato diventasse un tema politico. Oggi invece ci troviamo proprio in questa situazione, specialmente negli Stati Uniti.

È davvero interessante, e credo abbiate fatto esperienza anche voi — non esiste al mondo un luogo dove le persone siano più contrarie ai data center che nella sfera politica statunitense, indipendentemente dai motivi. Dunque, come influenzerà alla fine questa situazione? Voglio chiedervi: l’argomentazione contro i data center ha un fondamento? E come inciderà sulla vostra strategia — su cosa costruirete qui e cosa in altre regioni? Bene, posso darvi qualche contesto basato sulla mia esperienza, almeno su ciò in cui credo. Pensateci: tutto ciò che facciamo oggi — mercati azionari, banche, sanità, intrattenimento, shopping, istruzione, business, servizi di trasporto — è guidato dai dati e dipende, semplicemente, dai data center. No, tutti lo fanno; io stesso mi oppongo: non voglio più usare il mio telefono.

Ma tutti usano i data center. E questo è ancor prima dell’IA. L’IA è la più grande trasformazione tecnologica della nostra epoca — considerando che abbiamo già vissuto internet, il cloud e l’internet mobile, questa è un’affermazione significativa. La realtà è che, per supportare la rapida crescita di cui parlavamo prima sul fronte IA, l’infrastruttura necessaria non si era mai vista in questo paese — né nel mondo — dall’epoca della costruzione di autostrade e ponti negli anni ’50. Intendo dire che ciò che stiamo vivendo oggi equivale a quel livello di costruzione. E questo paese — penso che il mondo intero sia in gran parte nella stessa situazione, ma voglio citare esplicitamente gli Stati Uniti — non può permettersi il costo di non costruire data center; altrimenti scopriremo che un altro paese, come la Cina, assumerà il comando e definirà tutte le regole. Nessuno di noi lo vorrebbe, né a livello nazionale né globale.

Dobbiamo dunque costruire data center. Ora, credo che l’intero settore possa fare meglio di quanto stia facendo oggi? Certamente. Sento che le cose evolvono rapidamente e che tutti stiamo imparando insieme. Ma attualmente circola un certo numero di affermazioni — le definirei qualcosa tra mito e disinformazione — diffuse perché si tratta di un tema in cui ognuno trova prontamente un «cattivo» su cui scaricare le colpe. Politicamente, a volte gli opportunisti amano indicare proprio quel cattivo. Vi faccio alcuni esempi: il consumo idrico del settore golfistico o della coltivazione di mandorle è molto superiore a quello dei data center.

Per fornire un dato di riferimento: i campi da golf consumano 200 volte più acqua rispetto a tutti i nostri data center; il loro consumo idrico in due giorni supera quello annuale dei nostri data center. Esistono molti esempi simili, e questo è particolarmente significativo. Oppure si può parlare di inquinamento. In realtà, quando si registra un nuovo sito ed equipaggia generatori di emergenza, è obbligatorio registrarli e dichiararne le emissioni ipotizzando il funzionamento continuo a pieno carico, 24 ore su 24. Ma ovviamente ciò non accade mai: i generatori di emergenza entrano in funzione solo per una frazione di tempo, ad esempio circa 10 ore all’anno per la manutenzione.

Quindi, come sapete, o se parlate di prezzi dell’elettricità: osservando le diverse regioni in cui abbiamo grandi data center, in alcune aree i prezzi sono aumentati, mentre in altre sono diminuiti. Ma il vero problema è che, come Paese, non abbiamo investito nella nostra infrastruttura della rete elettrica come avremmo dovuto. Una crescita significativa è inevitabile, quindi qualcosa spingerà necessariamente il sistema al punto critico in cui saranno richiesti nuovi investimenti. E quel qualcosa è l’IA: la sua rapida espansione su larga scala la rende il fattore scatenante. Tuttavia, una volta realizzata la capacità necessaria, nei casi più comuni i prezzi dell’elettricità tenderanno a stabilizzarsi o persino a diminuire, come già accaduto in Indiana, Georgia o Mississippi.

Ci sono dunque ambiti in cui possiamo migliorare. Un altro aspetto facilmente trascurato è che, in queste regioni, i principali fornitori di data center versano ingenti somme fiscali. Ad esempio, nella contea di St. Joseph, in Indiana, abbiamo pagato circa 3 miliardi di dollari di tasse. La comunità ha ricevuto questi fondi e può destinarli a interventi realmente prioritari. Anche la comunità ne trae benefici. Abbiamo lanciato iniziative come «Built Together» e ci siamo impegnati a investire ulteriori 1 miliardo di dollari nelle comunità dove operano i nostri data center nei prossimi cinque anni. Credo pertanto che dobbiamo continuare a collaborare con le comunità locali per far progredire questa causa: è indispensabile una partnership pubblico-privata. Questa fase di costruzione è troppo importante per il futuro del Paese: immaginate cosa sarebbe successo se non avessimo costruito le autostrade.

a16z 20:44

E i ponti: avrebbero determinato la prosperità economica e i limiti di capacità del Paese. Dobbiamo quindi adottare una prospettiva ragionevole e diventare partner delle comunità in cui costruiamo. Torniamo ora alla questione della spesa in conto capitale. Quei 220 miliardi di dollari, pari a 600 milioni al giorno. Vorrei semplicemente inquadrarli in un contesto di riferimento. Sono curioso di conoscere la vostra valutazione attuale della domanda di IA — voi l’avete definita…

Andy Jassy 21:10

Struttura a bilanciere. Forse potreste delineare o definire lo stato attuale della domanda di IA. Innanzitutto, vorrei sottolineare il contesto già menzionato: fatico a credere quanto sia grande e veloce la crescita dell’IA. È centinaia di volte più rapida rispetto ai primi anni di AWS; nei primi tre anni, abbiamo raggiunto un ricavo annuo di 25 miliardi di dollari da IA su AWS. È davvero enorme. Allo stesso tempo, analizzando la struttura della domanda, essa assume proprio una forma a bilanciere. Un’estremità è rappresentata dai laboratori di IA, che consumano quantità massicce di potenza computazionale, su una scala mai vista prima. Poi vi sono alcune applicazioni di successo, come ChatGPT, Claude Code e così via.

Andy Jassy 21:59

L’altra estremità del bilanciere è costituita dalle imprese, che utilizzano principalmente l’IA per ridurre i costi e migliorare l’efficienza, ad esempio automatizzando l’assistenza clienti, il rilevamento delle frodi o l’automazione dei processi aziendali. La parte centrale del bilanciere comprende i carichi di lavoro produttivi attuali delle imprese, molti dei quali già girano su AWS e usano oggi l’inferenza. Tuttavia, vorrei precisare che la vasta maggioranza di essi non è ancora impiegata in modo pervasivo — e credo che questa diventerà la porzione assolutamente più grande dell’utilizzo dell’IA. Lo vedrete.

Andy Jassy 22:38

È difficile prevedere con quale velocità ciò avverrà. Accade progressivamente ogni anno. Ma se allarghiamo la prospettiva — a cinque, o a cinque-sette anni — e immaginiamo lo scenario futuro, non penso che dovremo attendere cinque o sette anni: non succede mai tutto in un colpo solo. Tuttavia, guardando a un orizzonte di cinque-sette anni, ritengo che una quota considerevole, anzi probabilmente la maggior parte delle applicazioni aziendali oggi esistenti, verrà utilizzata in modo pervasivo per l’inferenza. Dunque, davanti a noi c’è ancora molto spazio di crescita.

Come valutate questa situazione? Ci troviamo infatti di fronte a una carenza imminente di data center, chip e memoria — tutte queste risorse — già nel 2027, poiché tutti stanno costruendo ora, ma probabilmente non saranno pronti entro la fine di quest’anno, e la domanda non accenna affatto a rallentare. Come considerate questa condizione — quando quei grandi laboratori sono disposti a pagare qualsiasi prezzo, quasi qualsiasi prezzo, per elettricità, raffreddamento e chip; mentre avete clienti storici che pagano tariffe standard per gestire le proprie attività? Vi è una pressione commerciale tale da farvi pensare: «Forse dovremmo riacquistare i vecchi clienti per rivendere alle nuove richieste»? E ai vecchi clienti non posso raddoppiare i prezzi: non sarebbe equo. O come valutate questa situazione? È davvero singolare: avete un gruppo di persone che vi segue da vent’anni, impegnate in attività che, come dicevate, probabilmente si orienteranno verso l’inferenza; e poi avete nuovi clienti affamati, disposti ad acquistare qualsiasi cosa.

Andy Jassy 24:35

Sì, è una buona domanda. Il nostro approccio a questo tema è leggermente diverso da quello che avete descritto, ma lo capisco perfettamente. Se ci pensate, oggi disponiamo di una quantità limitata di data center, energia e memoria, e non credo che questa carenza terminerà nel 2027.

Credo — tornando al tema degli investimenti in conto capitale — che uno dei motivi per cui possiamo investire molto di più, senza rischiare di sprecare capitali, è che il 2026 è già completamente prenotato, e il 2027 è sostanzialmente esaurito. Lasceremo sempre una piccola quota per l’uso su richiesta, sia nel nostro servizio di inferenza Bedrock che in EC2 — ma in pratica tutto è già prenotato, compresi tutti i blocchi più grandi. Una parte significativa del 2028 è già prenotata. La domanda è così elevata che… Se osserviamo il business dell’IA e quello che chiamiamo business principale — inteso come la parte non legata all’IA — entrambi stanno crescendo a ritmo molto sostenuto.

Inoltre, se si dispone di una quantità limitata di memoria, bisogna decidere quanta allocare alla memoria HBM, destinata agli acceleratori IA, e quanta alla memoria DRAM, destinata al business principale. Si tratta quindi di scelte reali e difficili. Tuttavia, vorrei sottolineare che il nostro punto di partenza è centrato sul cliente.

Per noi, i rapporti e le collaborazioni con i clienti di AWS sono profondi. Proprio come durante la pandemia: allora i nostri concorrenti, credo, stavano cercando di ottimizzare i risultati trimestrali per massimizzare i ricavi in un contesto in cui tutti cercavano di ridurre i costi; noi invece adottammo un approccio diverso. Mandammo proattivamente i nostri team dai clienti per aiutarli a ottimizzare i costi, pur sapendo che ciò avrebbe indebolito i nostri ricavi a breve e medio termine. Ma vogliamo aiutare i clienti a raggiungere il successo, perché crediamo fermamente che, se li aiutiamo a lungo termine, il nostro business ne seguirà naturalmente. Lo stesso vale per il business principale. Certamente si potrebbero fare calcoli per stabilire che, data la scarsità e la disponibilità dei clienti a pagare, si potrebbe ottenere un po’ più di ricavo dai clienti storici. Ma essi gestiscono le proprie attività su AWS, e tutte le loro applicazioni fondamentali vi girano.

Non schiacceremo i nostri clienti; garantiremo loro la scalabilità. Il nostro compito è quindi trovare modi per avere la massima capacità possibile, affinché non solo i nostri clienti principali, ma anche tutti coloro che desiderano utilizzare l'IA con noi — e quelli che vogliono fare IA con noi — possano farlo in modo economicamente sostenibile per noi. Vorrei davvero potervi dire che la carenza di offerta sarà un problema solo nel 2027; credo invece che la riscontreremo su diversi componenti per vari anni. Siamo sempre stati aggressivi e ritengo di aver messo in campo più capacità di chiunque altro, poiché siamo davvero impegnati e fortemente concentrati a restare leader significativi nell’infrastruttura e nell’IA, come sempre.

Ma, come detto, quest’anno spenderemo 220 miliardi di dollari, e avremmo potuto spenderne molto di più: non sarebbe stato un impiego inefficiente del capitale. Inoltre, guardando al medio-lungo termine, penso che probabilmente non riusciremo comunque a soddisfare tutta la domanda. La domanda attuale è semplicemente straordinaria. Continuando su questo tema: nel 2015 avete acquisito Annapurna Labs. Allora probabilmente non immaginavate la gigantesca domanda di IA che sarebbe emersa — all’epoca era molto limitata. Quali furono quindi le motivazioni dell’acquisizione? E come ha generato ritorni in questo nuovo contesto? Sì, ritengo che il team di Annapurna sia uno dei più talentuosi e qualificati con cui abbia mai avuto il privilegio di collaborare: è una delle migliori acquisizioni della storia di Amazon, se non la migliore.

Sì, avevamo previsto alcune parti, ma non acquistammo Annapurna specificamente per i chip AI. Ecco il punto: raggiunta una certa scala, si possono osservare i comportamenti dei clienti su vasta scala e capire che, con l’integrazione verticale e lo sviluppo interno di determinate capacità, si può offrire maggiore valore ai clienti e migliorare anche l’efficienza economica dell’azienda. L’obiettivo iniziale con Annapurna riguardava quindi i server EC2 di base: ritenevamo di sprecare troppe risorse server su virtualizzazione, rete, sicurezza e storage, e volevamo destinare quasi il 100% delle risorse server al calcolo per i clienti.

Ancor prima dell’acquisizione, stavamo già collaborando con Annapurna su questa scheda di interfaccia di rete (NIC), per scaricare su di essa tali funzionalità e lasciare il più possibile le risorse server dedicate al calcolo. Ci piaceva molto questo team e il prodotto realizzato insieme. Capimmo che ciò che avremmo acquistato sarebbe stato installato in quasi ogni server EC2 — e infatti fu installato in tutti i nostri server.

L’acquisizione iniziale avvenne quindi perché tale tecnologia sarebbe diventata una capacità fondamentale della nostra potenza di calcolo; inoltre, essendo il team estremamente talentuoso nella progettazione di chip, pensammo che potesse realizzarne anche altri. All’epoca avevamo una partnership molto stretta con Intel — che manteniamo ancora oggi. Il problema era però che Intel deteneva quasi tutta la quota di mercato dei CPU; e quando un partner detiene quasi tutto il mercato, spesso non considera il miglioramento dell’efficienza costo-beneficio, bensì altre funzionalità che gli consentano di aumentare quota e ricavi.

Tra l’altro, questo è del tutto comprensibile: fa parte della dinamica dei mercati e della ragione alla base del «dilemma dell’innovatore». Volevamo dunque spingere sull’efficienza costo-beneficio, ma era difficile ottenere la loro attenzione. Tuttavia, i nostri clienti volevano migrare sempre più carichi di lavoro locali sul cloud e richiedevano maggiore efficienza costo-beneficio. Così chiedemmo al team di Annapurna di sviluppare un chip CPU: nacque Graviton — oggi il 99% dei nostri primi 1.000 clienti EC2 lo utilizza ampiamente. La sua efficienza costo-beneficio è circa il 40% superiore rispetto ad altri processori x86, con un impatto enorme sui clienti e sul nostro business. Pochi anni fa, assistemmo allo stesso «film» nel settore AI: c’era infatti un fornitore dominante molto forte. Avevamo una partnership profonda con loro — che manteniamo tuttora — e continueremo probabilmente a farlo per un tempo indefinito.

Ma avevano un mercato enorme e molteplici prodotti e priorità su cui lavorare. Noi sapevamo che i nostri clienti necessitavano di maggiore efficienza costo-beneficio, motivo per cui creammo un altro team all’interno di Annapurna per sviluppare acceleratori AI, chiamati Trainium, la cui efficienza costo-beneficio è anch’essa del 30-40% superiore rispetto a processori comparabili. Ora, parlando della parte centrale della «bilancia» — ovvero quanto appena discusso — se ci chiediamo cosa cambierà questa parte centrale per permettere a più applicazioni aziendali correnti di utilizzare l’inferenza, ci sono alcuni fattori. Parte di essi riguarda le competenze: alcuni professionisti sono già abituati al post-training e al fine-tuning, e serve una capacità organizzativa in grado di definire priorità, scegliere cosa affrontare e come farlo.

Ma una parte consistente dipende dal fatto che i costi di inferenza sono scesi notevolmente negli ultimi anni, ma, secondo me, sono ancora un ordine di grandezza troppo elevati per essere diffusi il più ampiamente possibile. Infatti, se si vuole che le aziende riscrivano applicazioni attualmente eseguite su CPU per utilizzare acceleratori AI, e la differenza di costo tra le due soluzioni è molto significativa, allora devono ottenere benefici incrementali molto alti dagli acceleratori AI per giustificare la riscrittura — una soglia molto più alta. Ma riducendo i costi di inferenza, tale soglia si abbassa drasticamente e tutte le applicazioni diventano migliori, più intelligenti e potenti grazie agli acceleratori AI e all’inferenza. Dunque, un anello fondamentale per l’adozione diffusa dell’IA da parte dei clienti è la riduzione dei costi di inferenza, e il nostro business sui chip ne rappresenta una parte significativa. Sì, davvero. Posso dirvi, sulla base della nostra esperienza interna, che può diventare davvero costoso: un nostro dipendente ha speso 2 milioni di dollari negli ultimi anni — svolgendo un lavoro di grande valore.

Ma sì, all’epoca la sensazione era: beh, l’inferenza non è affatto economica. Così avete effettuato alcuni investimenti, in particolare in Anthropic e OpenAI, con cifre molto ingenti: ricordo 18 miliardi di dollari per Anthropic e circa 50 miliardi per OpenAI. Cosa vi ha spinto a farlo? E questi investimenti, insieme ad analoghi in Nvidia e altri, hanno reso Wall Street un po’ nervosa, ricordandole i tempi bui della bolla internet. Come li valutate — specialmente considerando che sono anche vostri clienti? Perché è ragionevole? Entrambe le società sono team eccellenti e aziende impressionanti; il ritmo con cui stanno crescendo i loro business — almeno sul fronte dei ricavi — non ha precedenti, almeno a mia conoscenza. Davvero incredibile.

Per noi si tratta quindi di una combinazione di diversi fattori: il tipo di team, la tecnologia e i modelli che creano, alcune applicazioni che sviluppano; crediamo nel potenziale trasformativo dell’IA; crediamo che saranno due delle aziende più di successo in questo settore per molti anni — ovviamente non tutti ne usciranno vincitori, ma ne emergeranno molte di grande successo, e riteniamo che loro saranno tra queste. Inoltre, collaboriamo strettamente con entrambe. Cominciamo da Anthropic: collaboriamo con loro da più tempo. Molti nostri clienti eseguono Anthropic nel nostro servizio di inferenza Bedrock. E ritengo che i clienti che eseguono Anthropic su Bedrock siano i più performanti. Collaboriamo a fondo anche sui chip: Anthropic sta costruendo da tempo su Trainium. Credo che questo sia molto vantaggioso per Anthropic e per il nostro team Trainium; entrambe le parti, secondo me, hanno imparato molto l’una dall’altra. Abbiamo quindi una collaborazione profonda — sia per la nostra fiducia nel futuro dell’IA, sia per la nostra convinzione su queste aziende, sia per la collaborazione stessa: investire come parte di questo partenariato è pienamente ragionevole.

Poi, sul fronte OpenAI, abbiamo moltissimi clienti che desideravano utilizzare OpenAI su AWS ma non potevano farlo a causa di precedenti accordi commerciali. Per molto tempo, credo che entrambe le aziende abbiano nutrito grande rispetto e volontà di collaborare. Questa è dunque la situazione: dopo una serie di colloqui durati diversi mesi—poter eseguire OpenAI su Bedrock; abbiamo creato insieme un prodotto unico, ovvero l’ambiente di runtime con stato, e ritengo che tutti gli agenti intelligenti saranno costruiti così in futuro: avranno bisogno di stato; inoltre, Anthropic ha effettuato impegni pluriennali e multi-gigawatt per Trainium. Crediamo che sarà una delle aziende più di successo in questo settore per molto tempo. Tutto ciò ci fa ritenere ragionevole approfondire la collaborazione e gli investimenti. Cambiamo argomento: parliamo di come usare l’IA per costruire un’azienda. Ricordo che hai detto che il team Bedrock ha ricostruito il proprio motore di inferenza con 6 ingegneri in 76 giorni, mentre originariamente sarebbero occorsi 40 professionisti per un anno. È davvero una differenza notevole.

E sai, Amazon è famosa per i suoi «team da due pizze». Dunque, qual è ora il vostro approccio alla progettazione organizzativa? Considerando questa tecnologia—sembra davvero cambiare tutto. Nel corso degli anni siamo diventati estremamente specializzati: abbiamo designer, product manager, ingegneri frontend, backend e così via. Ora invece sembra che tutti stiano tornando generalisti. Quindi, dal punto di vista della progettazione organizzativa, come valuti questa evoluzione? Sì, concordo con quanto detto. Credo che l’esperienza di Bedrock da te citata sia stata illuminante per tutti qui.

Abbiamo anche dedicato molto tempo a condividere internamente questa storia per ispirare le persone e ricordare loro cosa è possibile. Con il tempo, accadranno cose del genere—sono in azienda da 29 anni. Ho iniziato come assistente product manager e allora gestivo, non so, cinque prodotti da solo. Oggi, con il successo, la crescita e l’espansione dei prodotti, si arriva a uno stato in cui un product manager lavora su un solo prodotto e ne gestisce una singola componente—ad esempio solo i prezzi. Tutti sono diventati più specializzati e accettano: se vuoi crescere e avere successo, devi fare così. Ma non è più così, e osservando l’impatto dell’IA, è assolutamente evidente.

Prendiamo ad esempio la scorsa settimana: stiamo sviluppando alcuni progetti sugli agenti intelligenti nel business consumer. Abbiamo investito molto in questo ambito, ma abbiamo avuto un’idea molto interessante e giovedì abbiamo deciso di verificare se potessimo realizzare un prototipo funzionante. Il risultato? Quattro o cinque di noi hanno lavorato nel weekend e domenica avevamo già un prototipo al 80% pronto per il rilascio. È vero—siamo in due mondi completamente diversi. Dunque, per il futuro delle organizzazioni ciò significa: primo, credo che in futuro saranno sempre meno le persone che svolgono i compiti che oggi facciamo noi. Basta osservare quanta codifica viene già eseguita dagli agenti intelligenti, e quanta attività di assistenza clienti, business intelligence e ricerca viene automatizzata.

Sì, immagina il futuro: come verranno create le tabelle, quanti avvocati ti serviranno… Credo semplicemente che non spariranno le persone, ma ne serviranno molte meno; in passato, con la crescita aziendale, continuavamo ad aggiungere personale, ma il futuro sarà diverso. Emergeranno nuovi ruoli, alcuni noti, altri ancora ignoti. Con lo sviluppo dell’IA, dei robot e dell’esplorazione spaziale, ne nasceranno di ogni tipo, ma saranno sempre meno le persone che svolgono i compiti attuali. Credo che i team saranno molto più piccoli di oggi. Avremo squadre ridotte, in cui le persone lavoreranno trasversalmente; non lasceremo più che una sola persona gestisca una piccola porzione perché il modello può portarci già all’80%. In molte di queste funzioni, ogni team partirà da una base molto più alta rispetto al passato, quindi potremo innovare in modo più ampio e rapido.

Credo davvero che molte cose debbano cambiare. La maggior parte delle startup nate oggi parte fin dall’inizio in modo nativo per agenti o IA. Tutte le aziende mature, operative da tempo, devono capire come operare alla stessa velocità. Credo che alcune ci riusciranno. E c’è sempre questa situazione: quando un’azienda ha un business ampio, molte competenze e una clientela fedele, alcune società saranno molto lente nell’adattarsi e, secondo me, risulteranno più vulnerabili di fronte alle startup.

Prevedo che le aziende dovranno riscrivere quasi tutto il loro codice per dotarlo di capacità agenti; devono consentire agli agenti di aggiornare diversi frammenti di codice e stabilire vincoli specifici. Penso che la sicurezza sia particolarmente interessante. Se osserviamo le varie tensioni legate ai modelli negli ultimi uno-due mesi, tutte riguardano scenari più fantascientifici.

A proposito, quegli scenari sono possibili: è possibile che un botnet malevolo prenda il controllo totale? Credo di sì; è possibile iniettare intenti malevoli nei robot? Tutto è possibile. Personalmente credo che, come industria, insieme ai settori pubblico e privato, affronteremo insieme questa sfida. Ma dobbiamo partire da certi aspetti prioritari. Sì, ma la parte interessante è che, a mio avviso, la discussione sui rischi più recenti è insufficiente—questi rischi riguardano soprattutto la cybersecurity. Questi modelli sono così potenti da individuare molte più vulnerabilità di quante gli esseri umani ne abbiano mai trovate in passato. Si potrebbe discutere se gli umani potessero trovarle, ma il fatto è che non le hanno trovate. Dunque, guardando al futuro, credo che il tempo di risposta delle applicazioni alle minacce di sicurezza urgenti dovrà essere misurato in minuti.

Oggi succede questo: si individua una vulnerabilità, qualcuno la classifica, qualcun altro sviluppa una patch; e anche se questa fase è veloce, la maggior parte delle aziende impiega molto tempo per il deployment a causa di dipendenze varie. In futuro, il deployment dovrà avvenire in minuti. Dunque, se non avrai riscritto completamente le applicazioni per renderle aggiornabili da agenti, non avrai alcuna possibilità in questo nuovo mondo. Credo che tutte le organizzazioni saranno reinventate, e le aziende che daranno priorità a questo processo avranno un vantaggio netto rispetto a quelle che non lo faranno.

Sì, e sembra che, come industria, non abbiamo architettato bene—da grandi sistemi a dispositivi embedded—tenendo conto della sicurezza. Il giorno del giudizio è arrivato. Ma la buona notizia è che ciò rappresenta un’enorme opportunità per nuove aziende, nuovi tentativi e persone che vogliono agire. Ma sì, come detto, quella minaccia—quegli scenari teorici, frutto di esperimenti mentali—potrebbero verificarsi o meno. Ma questa è chiara e reale.

Sì, quasi tutti i partner e clienti con cui parliamo sul fronte AWS, indipendentemente dalle dimensioni, sono preoccupati per la sicurezza. Sappiamo che abbiamo un business di servizi professionali per supportare i clienti in questo ambito e abbiamo sviluppato un servizio chiamato Continuum, in grado di identificare molte di queste vulnerabilità e generare patch. Ma, sai, è più facile a dirsi che a farsi. Infatti, molte aziende e molti ingegneri talvolta ritengono poco stimolante concentrarsi sulla sicurezza e tendono ad aspettare che accada qualcosa di grave. Ma se proteggi dati importanti, è una pessima idea. Inoltre, penso che nella maggior parte delle aziende—tornando alla nostra conversazione precedente—la specializzazione in sicurezza sia probabilmente lo scenario peggiore: si hanno ingegneri della sicurezza molto specialistici, restii a collaborare con altri ingegneri, risorse rare e così via.

Il risultato è che, nella maggior parte delle aziende—soprattutto software—le pratiche di sicurezza nello sviluppo sono scadenti. Questo deve cambiare. La buona notizia è che esistono strumenti in grado di aiutare. Come detto, occorre assumere tester di penetrazione, ma il numero di personale specializzato è limitato e copre solo un certo numero di applicazioni. Modelli combinati con automazione permettono test più estesi su tutta la superficie d'attacco, rivelando anche vulnerabilità altrimenti trascurate.

Oggi molti fondi di venture capital affermano: «Acquisteremo le vecchie aziende per ridurne i costi». A noi non interessa: un'idea così limitata non ci entusiasma. Un altro approccio è creare qualcosa di mai visto prima: molto eccitante. Il terzo modo? Ripensare da zero un prodotto di successo—come Alexa—grazie a una nuova piattaforma. Quando e perché ha senso farlo? Sì, questa distinzione tripartita è interessante. E, come discusso, le organizzazioni cambieranno davvero, diventando più snelle.

Fatto bene, ciò permette ai migliori creatori e a piccoli team di realizzare quelle innovazioni radicali—mai viste prima—di cui parlavamo. E quando si raggiunge l’80% di un’idea in quattro giorni, come menzionato, ciò motiva enormemente le persone, spingendole a dedicare più tempo libero e riflessione creativa a nuove idee. Per me, è una delle parti più entusiasmanti dell’impatto dell’IA.

Credo però che le aziende già affermate, con esperienze clienti scalabili, se vedono l’IA solo come strumento di miglioramento incrementale, tra tre-cinque anni rischieranno di perdere il loro vantaggio competitivo. Poiché ogni esperienza—anche quelle meno immaginabili—cambierà profondamente nei prossimi anni grazie all’IA.

Dunque, se non si cerca un semplice miglioramento incrementale, bisogna far sì che il team ripensi da zero le applicazioni—immaginandole costruite oggi con tutte le nuove tecnologie. In casi come Alexa, è evidente: il suo «cervello» era già molto creativo alla nascita, ma ora, grazie all’IA generativa, le sue capacità sono completamente diverse. Per offrire un’esperienza eccellente e restare rilevanti a lungo termine, occorre riscrivere quel cervello. È ovvio… ma anche molto difficile: i team sono legati emotivamente a ciò che hanno costruito, ne sono orgogliosi e portano con sé le cicatrici delle lezioni apprese.

Farli ricominciare da zero richiede tempo: diranno «non funziona così», «ci abbiamo già provato, senza successo». Ma è ancora più difficile reinventare altre esperienze consumer—come retail, Prime Video, Fire TV o Prime Music—dove oggi esistono soluzioni tecnologiche migliori, ma il bisogno di innovazione non è altrettanto evidente. Tuttavia, credo che in ciascuno di questi settori sia necessaria una vera reinvenzione; e già esistono team al lavoro su versioni radicalmente ripensate.

Riusciremo a centrare il bersaglio fin dall’inizio? Probabilmente no. Troveremo modi per iterare progressivamente, ma già ora emergono nuove idee ed esperienze cliente molto attraenti. La sfida sarà: preferire un’esperienza completamente nuova—quasi un’app diversa—oppure integrare rapidamente le novità nell’esperienza esistente, trasformandola gradualmente ma in profondità nei prossimi due-tre anni, man mano che identifichiamo gli elementi vincenti. Credo fermamente che, per essere leader di successo, ogni esperienza dovrà mutare nei prossimi anni.

Sì, è una sfida di leadership molto complessa. Mi ricorda i miei primi anni da ingegnere: discutevo con qualcuno e il mio capo disse: «Ben, ricorda una cosa: prima della prima riga di codice, tutto è aperto al dibattito; dopo, diventa una convinzione». Immagino tu abbia vissuto lo stesso con Alexa. Interessante è che tutto il sapere, l’esperienza e le competenze accumulate nella costruzione originale—ora siamo disposti a rinunciarne a gran parte per entrare in questo nuovo mondo.

E lo stesso vale per i clienti: avrai un ampio gruppo che ama l’esperienza attuale. Sì, ogni grande trasformazione—almeno nella mia esperienza, forse esistono eccezioni—richiede un cambiamento radicale: tecnologia, prodotto, esperienza cliente e modello di business devono essere così convincenti da spingere le persone a cambiare. Ma anche così, non avviene automaticamente. È una gigantesca gestione del cambiamento—come il passaggio da infrastrutture on-premise al cloud: molti leader IT sono fieri di ciò che hanno costruito, lo conoscono a fondo, ne sono al centro e non vogliono imparare cose nuove.

Sarà lo stesso per la reinvenzione di tutte le esperienze cliente. Siamo tutti orgogliosi di ciò che abbiamo costruito negli ultimi dieci anni, abbiamo cento idee per migliorarlo, ne siamo entusiasti e ci dedichiamo interamente. Pensare «come ricominciare da zero» è difficile sia razionalmente che emotivamente. Senza dubbio.

a16z 53:06

Inoltre, Andy, poche settimane fa abbiamo lanciato Harwood’s e Jason Academy per aiutare i giovani a prepararsi a questa trasformazione. Hai detto che l’IA semplifica la costruzione, ma i giovani devono comunque acquisire competenze solide. Se avessi 18 anni nel 2026, quale consiglio daresti a te stesso per affrontare questa trasformazione?

Andy Jassy 53:29

Ho un figlio di 25 anni e uno di 22. Il secondo ha davvero preso il volo a 19 anni. Ho capito subito: non si può impedire loro di usare l’IA nell’istruzione. Quella nave è già salpata, quel treno è già partito. Le università farebbero bene a non opporvisi: l’IA è semplicemente uno strumento che le persone useranno.

Andy Jassy 53:54

Allo stesso tempo, penso che tutti i giovani—e lo dico anche per noi, con la nostra forte cultura della scrittura e l’uso diffuso dell’IA per scrivere—possano riconoscere facilmente i testi generati dall’IA: non sono ben integrati, le parti non sono collegate organicamente. Perciò il mio consiglio ai giovani—e ai miei figli—è:

Andy Jassy 54:18

Non puoi sfuggirgli, lo sai, e non puoi aspettarti che scompaia. Avrà un impatto enorme sulla tua vita, su ogni esperienza che cerchi di vivere, sul tuo lavoro; e ti permetterà di inventare in modi prima impossibili. Devi quindi comprenderlo davvero, impararlo autonomamente e usarlo molto. Devi provare. Prova a fare cose al di fuori della tua zona di comfort.

Andy Jassy 54:48

Nessuno dei miei due figli è sviluppatore, ma entrambi hanno usato l’IA per creare applicazioni. Trattala come il fulcro dell’organizzazione della tua giornata e dell’uso degli strumenti sul lavoro. Tuttavia, non credo che sostituirà mai il ragionamento critico e il pensiero analitico. Lo stesso vale per le università. Spesso ci rifletto sotto molti punti di vista: prendiamo ad esempio la scuola di business. Ti vengono assegnati tre casi da analizzare, devi leggere molto, prendere appunti, individuare i problemi chiave. Poi ricevi diversi materiali allegati, sui quali devi anch’essi prendere appunti. Infine devi integrare le tue idee su ciò che l’azienda dovrebbe fare. Spesso, però, molte persone non fanno affatto questo lavoro: non leggono, non fanno ricerche, non prendono appunti. Su tutto questo, l’IA può aiutarti, portando tutti a un livello più alto di partenza più velocemente.

Andy Jassy 55:52

Voglio però aggiungere che collegare realmente quei punti, quei frammenti — sia per formulare una strategia, un’idea, un piano, un nuovo prodotto o una nuova esperienza cliente — non credo che l’IA lo farà per la maggior parte delle persone nella maggior parte dei casi. Non dico che ciò non accadrà mai.

Andy Jassy 56:10

Credo ancora che servano giudizio umano, creatività, spirito inventivo, attitudine sperimentale e capacità di valutare come tutti i pezzi si incastrino tra loro per creare alla fine esperienze e aziende straordinarie. Quindi, sì, usate questi strumenti: saranno di enorme aiuto, ma rimango convinto che il ragionamento critico e il pensiero analitico resteranno fondamentali in tutto ciò che facciamo. Stiamo quasi alla fine. L’azienda che gestite è…

a16z 56:43

Dalle connessioni satellitari ai robot, fino all’assistenza sanitaria: un ambito estremamente variegato. Questa ambizione è incredibile. Rifletti su come è nata questa azienda: vendeva libri online, ed è diventata questo. Come vedi, dunque, cosa accomuna queste diverse…

Andy Jassy 57:00

linee di business? O come giudichi quali linee meritano anni di investimento? O come eviti di diluire troppo le tue risorse? O come comprendi questo panorama estremamente ampio?

Andy Jassy 57:11

Beh, direi alcune cose. Primo, stiamo vivendo forse le tre più grandi trasformazioni della nostra vita — e forse della storia: l’IA, la robotica e lo sviluppo spaziale. Sono tutte enormi e cambieranno profondamente molte esperienze cliente che tutti noi viviamo. E siamo proprio nel mezzo di queste tre grandi trasformazioni.

Andy Jassy 57:40

Se guardi ciò che stiamo facendo nel settore retail e come stiamo usando i robot, o ciò che stiamo facendo nell’ambito dell’IA — ovvero rendere più facile, sia per gli sviluppatori interni che esterni, creare applicazioni e agenti IA di successo, oltre a reinventare tutte le nostre esperienze consumer.

Andy Jassy 57:58

Se pensi ad Amazon Leo — la costellazione di satelliti in orbita terrestre bassa che stiamo costruendo per i 500 milioni di famiglie in tutto il mondo prive di connettività broadband — stanno avvenendo trasformazioni straordinarie, e abbiamo l’opportunità di aiutare i clienti a sfruttarle per migliorare la propria vita. Il modo in cui lo facciamo aiuta i clienti e genera anche un business sostenibile a lungo termine. Penso inoltre che possiamo diventare più rilevanti per i clienti in sempre più ambiti. Questo non include neppure ciò che stiamo facendo nel settore della grande distribuzione alimentare, nei servizi di trasporto autonomo e nell’assistenza sanitaria, tanto per citarne alcuni.

Andy Jassy 58:47

Riguardo alla nostra organizzazione, negli anni abbiamo spesso dibattuto internamente su questo tema, e molti osservatori esterni hanno posto la stessa domanda: stiamo forse diluendo troppo le nostre energie? Credo dipenda in parte da come ci organizziamo e da quanto siamo disposti a investire. Infatti, non chiediamo allo stesso gruppo di persone di gestire più business contemporaneamente; adottiamo invece un modello decentralizzato «monotematico». Finché hai leader e creatori adeguati in questi team, finché l’esperienza è sufficientemente ampia da generare metriche di crescita e finché hai idee differenziate in un settore poco servito, hai la possibilità di perseguire contemporaneamente molte di queste iniziative — e lo facciamo da tempo. Il fattore decisivo è poi quanto sei disposto a investire.

Alcune aziende — del tutto comprensibilmente — dichiarano: vogliamo concentrarci solo sul nostro core business e farlo crescere. In effetti, anche questa può essere una strategia molto efficace. Noi stessi siamo altrettanto focalizzati sulla crescita e sul rafforzamento continuo del nostro business esistente, e penso stiamo ottenendo ottimi risultati in tal senso, a un buon ritmo. Tuttavia, esistono moltissime altre esperienze cliente che sappiamo essere fortemente richieste dai nostri clienti e che possiamo realmente risolvere: ciò aiuterà i nostri clienti e trasformerà a lungo termine anche il nostro business. Perciò continueremo a perseguirle. Una conclusione ispiratrice — ambizione senza fine. Andy, grazie mille per essere venuto in trasmissione. Sì, grazie per l’invito. Grazie a tutti.