La squadra che Amazon ha impiegato due anni a formare, tagliata

Il 22 luglio Amazon ha confermato di aver tagliato personale all'interno della sua organizzazione AGI, la divisione che costruisce i modelli di frontiera destinati a rivaleggiare con il meglio di OpenAI e Google. L'azienda non ha voluto dire quante persone né quali team, ma le notizie erano concordi: i ruoli in uscita erano nel post-addestramento e nella personalizzazione dei modelli. Questo accade in un anno per cui Amazon ha indicato 200 miliardi di dollari di investimenti, oltre una volta e mezza quanto speso nel 2025, finanziati in parte con decine di miliardi di nuovo debito.

I due fatti stridono solo se si presume che la spesa e la ricerca siano la stessa scommessa. Non lo sono. Il capitale si riversa in data center, chip e nell'espansione di AWS. Ciò che Amazon ha ridotto è stato lo sforzo interno per stare in primissima fila nella qualità del modello. Il budget è cresciuto; l'ambizione di vincere il modello in sé, no.

La decisione che sta sotto il licenziamento

Togliete i numeri del personale e questa è una scelta se fare o comprare presa al vertice di un'azienda. Amazon ha guardato la frontiera, dove una manciata di laboratori detta il ritmo e il costo per restare al passo è enorme, e ha deciso che non è lì il suo vantaggio. Il suo vantaggio è la distribuzione: centinaia di migliaia di imprese girano già su AWS e compreranno qualsiasi modello sia abbastanza buono, avvolto in strumenti di cui si fidano. Non serve costruire il motore migliore se si possiede la strada su cui viaggiano tutti.

È questa la scomoda chiarezza della mossa. Amazon non si ritira dall'IA; si rifiuta di spendere la sua risorsa più scarsa, il talento senior della ricerca, in una gara in cui è strutturalmente indietro, e la reindirizza alla parte dello stack dove arrivare secondi sul modello vince comunque sul cliente. Un programma da un miliardo di dollari per affiancare ingegneri AWS ai clienti che costruiscono sistemi agentici è il segnale: la scommessa è sul dispiegamento, non sulla scoperta.

Il costo sommerso che Amazon ha scelto di ignorare

La versione facile di questa storia è un'azienda che si arrende. La versione più difficile e più utile è un'azienda che rifiuta di gettare denaro buono su una posizione che aveva già pagato cara. Amazon si è comprata la strada verso la frontiera con l'acquisizione per talenti di Adept nel 2024, e chi ha guidato quella spinta se n'è andato da allora, Rohit Prasad alla fine del 2025 e David Luan, che dirigeva il laboratorio AGI di San Francisco, all'inizio del 2026, con il lavoro rimanente accorpato sotto un veterano dell'infrastruttura, Peter DeSantis. Un consiglio più debole continua a finanziare il piano originale per giustificare quanto ha già speso.

C'è un taglio ancora più affilato. I ruoli di post-addestramento e personalizzazione che vengono eliminati sono le stesse funzioni che il prodotto Nova Forge di Amazon è costruito per automatizzare e affidare ai clienti. L'azienda ha rilasciato lo strumento che fa il lavoro e poi ha lasciato andare la squadra che lo faceva a mano. È costo sommerso e autodisruzione in un'unica decisione, ed è la versione che la maggior parte delle aziende trova più difficile applicare alla propria gente.

Cosa ne ricava un titolare

Mettete alla prova contro il tasso di base l'istinto di costruire un modello proprio. Pochissime organizzazioni supereranno i laboratori di frontiera, e quelle che spendono 200 miliardi di dollari all'anno lo stanno ammettendo sottovoce. Se un gigante con le risorse di Amazon non finanzia la propria strada verso la parità, un operatore più piccolo dovrebbe trattare la costruzione di un modello di frontiera come la rara eccezione, non come il piano predefinito, e acquistare o noleggiare la capacità.

Investite dove il vostro fossato è già. Il vantaggio di Amazon non è mai stato il modello; erano i clienti e la strada verso di loro. Il vostro sono probabilmente i vostri dati, il vostro flusso di lavoro o la vostra distribuzione, non un laboratorio. La mossa disciplinata è mettere le chiamate al modello dietro un'interfaccia sostituibile, mantenere portabili prompt e valutazioni, e riversare il budget scarso nel vantaggio che nessun altro ha, non nell'inseguire una gara che vincerà una manciata di laboratori.

Da leggere ora: Quando la bolletta dice 7 mila miliardi, non reagire  |  I vostri dati controllati erano già mezzi macchina