L’ennesimo scossone nel team Gemini di Google arriva in forma di addio. Secondo Bloomberg, Jonas Adler e Alexander Pritzel – ricercatori ritenuti internamente fondamentali per il progetto – hanno in programma il passaggio ad Anthropic. È la seconda coppia in fuga verso il creatore di Claude nel giro di sette giorni, un dettaglio che va oltre la cronaca e interroga chi osserva il mercato LLM con occhio strategico.

Un esodo silenzioso ma significativo

Adler e Pritzel non sono nomi qualsiasi. Entrambi hanno dato contributi riconosciuti al modello Gemini, l’ammiraglia di Google nell’intelligenza artificiale generativa. La loro uscita non è isolata: segue di pochi giorni un altro doppio abbandono verso la stessa destinazione. Si delinea così un framework di mobilità selettiva del talento, che ridisegna gli equilibri tra i principali laboratori. Anthropic, in particolare, attrae con un approccio incentrato sulla sicurezza e su modelli come Claude, che stanno trovando spazio in contesti enterprise.

Perché il talento conta per chi installa in casa

Per chi valuta deployment on-premise di LLM, le dinamiche del personale possono sembrare distanti. Ma non lo sono. La direzione di ricerca che un team imprime a un modello decide la sua architettura, le risorse hardware necessarie, la facilità di quantization e le opzioni di self-hosting. Quando figure chiave si spostano, le roadmap possono cambiare. Anthropic finora ha privilegiato offerte cloud e API, mentre Google ha reso disponibili alcune varianti aperte di Gemma. Tuttavia, la concentrazione di ricercatori di punta potrebbe accelerare lo sviluppo di versioni più performanti ma anche più vincolanti, oppure spingere verso strumenti più adatti all’inference locale. Il messaggio per i decisori IT è chiaro: monitorare gli spostamenti del know-how aiuta a leggere le future disponibilità di modelli realmente portabili su hardware proprio.

Competizione e frammentazione: cosa osservare

La tensione tra Google e Anthropic non è solo una lotta per i migliori ingegneri, ma il riflesso di una corsa più ampia. Da un lato c’è la tentazione di offrire modelli sempre più grandi, vincolati a infrastrutture cloud proprietarie; dall’altro cresce la domanda di LLM gestibili in locale, per ragioni di sovranità dei dati, latenza e TCO. I movimenti di Adler e Pritzel potrebbero rafforzare la prima tendenza, ma non è escluso che stimolino contromosse da parte di Google o di terzi attori open-source. La regia è ancora aperta.

Leggere i segnali

Questo episodio non determinerà da solo le scelte di architettura di un’azienda. Tuttavia, inserito in una sequenza di eventi – brevetti, rilasci di framework, fusioni – aiuta a comporre un mosaico. Per le organizzazioni che stanno valutando investimenti su GPU, storage e pipeline di inference on-premise, l’osservazione dei flussi di talento è un tassello di intelligence competitiva tanto quanto l’analisi dei benchmark. AI-RADAR segue queste dinamiche per offrire strumenti di lettura, senza raccomandazioni, ma con il contesto necessario a decidere in autonomia.