La guerra delle piattaforme

11 gennaio 2017

Share

2017-01-11

Al cuore di ognuna delle piattaforme digitali che oggi dominano i mercati sta un algoritmo intelligente e capace di apprendere.

Quando due studenti di Stanford pres­soché sconosciuti lanciarono Google nel 1998 nessuno immaginava che stesse nascendo il gigante destinato a dominare il mercato dei search engine e a diventare una delle più importanti imprese del mondo. Ma tutti coloro che all’epoca erano abituati a cercare informazioni su motori di ricerca quali Yahoo o Lycos si resero subito conto della differenza. Non soltanto Google offriva una piattaforma disegnata in modo molto più pulito e user friendly; soprattutto, consentiva di raggiungere le informazioni che gli utenti cercavano in modo sorprendentemente più veloce e mirato.

La ragione di tale diversità di risultati era una sola: Ser­gei Brin e Larry Page avevano ideato un algoritmo di straordinaria efficacia nel valutare l’utilità dei dati online, selezionarli in modo intelligente e disporli in ordine di im­portanza nelle pagine di Google. Grazie a tale algoritmo, oggi Google gode di una posizione di assoluta leadership controllando il 75% del suo mercato e lasciando i vari Bing, Yahoo, Baidu e altri a disputarsi il resto. Nel maggio 2016 ciò si traduceva nel secondo posto nella classifica di Forbes delle aziende a maggiore capitalizzazione al mondo (su­bito dopo Apple) con un valore di 82,5 miliardi di dollari. Questo esempio la dice lunga sul ruolo degli algoritmi nelle odierne platform digitali. Ma è soltanto uno dei molti. I successi di piattaforme come quelle di Apple, eBay, Microsoft, Amazon, Facebook, Twitter, Linkedln, PayPal, AirBnb, Uber hanno tutti al loro centro un algoritmo oltremodo smart, cui si devono le performance vincenti nei confronti della concor­renza. Non solo: gli algoritmi delle piattaforme di maggiore successo risultano estremamente validi anche per una qualità che a prima vista può sembrare stupefacente – la loro capacità di apprendere. Come? Per spiegare adeguatamente queste proprietà occorre da un lato riprendere le principali caratteristiche delle platform digitali, dall’altro esaminare alcuni tratti essenziali degli algoritmi.

Le piattaforme digitali
Nel fascicolo allegato ad HBR Italia del luglio­ – agosto 2016, che OpenKnowledge ha dedicato interamente alle piattaforme, abbiamo analizzato questo tema approfonditamente, ospitando inter­venti qualificati e presentando una molteplicità di casi. Abbiamo anche sostenuto l’opportunità di designare le nuove imprese-piattaforma col neo­logismo platfirm, per rimarcare la novità di questo soggetto economico-tecnologico-organizzativo; e abbiamo intitolato lo studio The Platfirm Age, per sottolineare l’avvento di una nuova era in cui le logiche do­minanti nel mondo del business e delle organizzazioni stanno cambiando in modo radicale e con una velocità impressionante. Molti aspetti riguardanti le nuove piattaforme digitali sono presi in esame in modo circo­stanziato nelle pagine di quello studio, e ad esse rimandiamo. Qui è utile entrare nel merito solo di alcune caratteristiche, immediatamente rilevanti per le loro strette connessioni con gli algoritmi alla base delle piatta­forme stesse.
Un testo recente di Alex Moazed e Nicholas L. Johnson, Modem Monopolies. What It Takes to Do-minate the 2lst-Century Economy (St. Martin’s Press, New York, 2016), aiuta a sintetizzare gli aspetti più utili. Cosa contraddistingue le mo­derne platform? E cosa risulta cruciale perché esse abbiano successo? Gli elementi chiave sono i seguenti:

  • Business model: a differenza delle imprese tradizionali, che operano in modo lineare ac­quisendo fattori produttivi per trasformarli in prodotti o servizi da vendere ai consumatori, le platform consentono a produttori e consu­matori di connettersi tra loro e scambiare beni, servizi e informazioni Il loro business model è pertanto del tutto diverso e innovativo, e deve far leva anzitutto su quelle connessioni.
  • Dinamica di mercato: le platform tendono a crescere in modo esponenziale, ma il loro successo non è scontato. Quando falliscono è perché sono state rimpiazzate da piattaforme nuove e migliori.
  • Core transaction: ogni platform opera su una transazione essenziale che supporta e facilita, ad esempio Uber non fornisce la corsa, ma agevola lo scambio di valore tra conducenti e passeggeri. Questo è la sua core transaction.
  • Quattro funzioni: ogni platform deve a) co­struire l’audience, b) creare il match tra pro­duttori e consumatori, c) offrire prodotti e servizi, d) stabilire regole e standard.
  • Due tipi (exchange vs. maker): alcune plat­form sono specializzate nel ridurre i costi di transazione (es: eBay, Alibaba), altre nel for­nire un’infrastruttura che permetta ad alcuni utenti-produttori di creare cose – contenuti, software – per molti altri utenti-consumatori (es: IOS, YouTube).
  • Più o meno commodity: le platform che of­frono servizi più commoditized devono auto­matizzare il matching quanto possibile; quelle che offrono servizi meno commoditizzati devono invece assicurare facilità di ricerca e scoperta.

Moazed e Johnson spingono la loro analisi molto oltre, ma questa lista di elementi basta per una considerazione fondamentale. Perché una piatta­forma si affermi sul mercato occorre certamente che essa si basi su un corretto business mo­del. Oltre a questo, tuttavia, è necessario porre estrema attenzione a come viene progettata.
In particolare occorre che il suo design imposti validamente la core transaction; favorisca al meglio la costruzione dell’audience e il match-making; rifletta coerentemente la sua tipologia di exchange vs. maker; e risulti ottimale in relazione alla natura più o meno standardizzata (commoditized) dei servizi offerti.
Riuscire in tale operazione complessa non è per niente scontato. E anche una volta che la platform abbia iniziato a crescere, nulla garantisce che non si affacci sullo stesso mercato un’altra piattaforma con caratteristiche migliori. È qui che diventa decisivo il meccanismo profondo che di ogni platform rappresenta l’anima nascosta – l’algoritmo.

Il ruolo dell’algoritmo
Per chiunque non sia tra gli addetti ai lavori, il termine algoritmo suona un po’ misterioso. Ma in effetti la sua spiegazione è piuttosto semplice. Un algoritmo è una sequenza di istruzioni che dice a un computer cosa fare. Essa può essere espressa in linguaggio informatico più o meno astruso, ma – se abbastanza semplice – anche in parole del tutto comprensibili. Quando l’algoritmo viene tradotto in un linguaggio che il computer può capire, come ad esempio Java, allora si può chiamarlo un programma.
Gli algoritmi sono presenti nelle platform digitali come pure in molte altre applicazioni. Invero, oggi la loro presenza nella nostra vita è praticamente ubiqua. Il punto è espresso efficacemente da Pedro Domingos, docente all’Università di Washington e autore del testo The Master Algorithm. How the Quest Jor the Ultimate learning Machine Will Remake Our World, Basic Books, New York, 2015. “[Gli algoritmi] non sono solo nel vostro telefono cellulare o nel vostro laptop ma anche nella vostra auto, la vostra casa, i vostri elettrodomestici e i vostri giocattoli. La vostra banca è un gigantesco groviglio di algoritmi, con umani che girano le manopole qua e là. Gli algoritmi pianificano i voli e poi fanno volare gli aerei. Gli algoritmi fanno andare le fabbriche, commercializzano e indirizzano i beni, incassano i proventi e tengono la documentazione. Se ogni algoritmo cessasse improvvisamente di funzionare, sarebbe la fine del mondo come lo conosciamo».
Contenendo molte platform e numerose app, uno smartphone trabocca di algoritmi – il che dovrebbe renderci questa nozione un po’ più familiare. In una platform, l’algoritmo non ha solo una funzione di base allo scopo di far funzionare il sistema. Esso si prende cura anche di aspetti sottili di ottimizzazione. Ad esempio, su Uber l’algoritmo di matching tende a favorire i conducenti che ricevono molte valutazioni positive rinforzando l’efficacia della piattaforma.
Gli algoritmi sono parecchio diversi da settore a settore in quanto la core transaction cambia.
Ad esempio un search engine favorisce l’incontro tra chi offre e chi cerca informazioni, mentre Ai­rbnb facilita il match tra chi offre e chi cerca un alloggio a prezzi vantaggiosi (esperienza assai differente). Gli algoritmi all’interno dello stesso settore sono più simili ma certo non arrivano ad essere uguali, anche se la transazione essenziale da intermediare è la stessa. Sia Google che Ya­hoo offrono il modo di raggiungere le informa­zioni che vi premono, ma probabilmente Yahoo è molto meno usato perché l’algoritmo di Google è migliore. Non solo, ma Google lo perfeziona costantemente, rendendo la piattaforma sempre più soddisfacente per chi la utilizza. Il modo in cui questo accade è di grande interesse e merita di essere compreso a fondo.

Machine learning
Molto più delle imprese tradizionali, le platform digitali hanno una tendenza a dominare i loro mercati, e ciò per due ragioni principali.
La prima, messa a fuoco con chiarezza da Moazed e Johnson, ha a che fare con la logica economica: per le platform i costi marginali sia di distribuzione che di offerta sono prossimi a zero. Se Marriott vuole accrescere i suoi clienti deve estendere la sua catena e costruire nuovi hotel (costo non indifferente), mentre ad Airbnb basta che qualche proprietario di casa si aggiunga alle sue liste (costo praticamente nullo). Ciò implica che un’impresa tradizionale normalmente raggiunga un limite oltre il quale, per ragioni organizzative, i costi marginali si innalzano fermandone l’espansione, mentre una platform può non incontrare tale limite.
Ma esiste una seconda ragione, di natura tecnologica – e questa ha a che fare con gli algoritmi.
Le platform digitali vincenti sono quelle che fanno leva sul miglioramento costante dei loro algoritmi, traendo pieno vantaggio dal fenomeno in forte sviluppo che viene denominato machine learning.
A spiegare bene in cosa consiste questo fenomeno è ancora Domingos. La sua analisi si sviluppa lungo i seguenti passaggi:

  • Gli algoritmi di norma vengono scritti da programmatori, il cui compito è tanto prezioso quanto delicato. Alcuni algoritmi si rivelano straordinariamente utili, ma molte cose possono andare storte e il risultato non è mai scontato.
  • Nel corso del tempo, i programmatori costrui­scono nuovi algoritmi, basandosi su algoritmi di altri programmatori e combinando algo­ritmi con altri algoritmi, per produrre ulteriori algoritmi. La conseguenza è che oggi miliardi di algoritmi sono attivi contemporaneamente, formando un universo parallelo immenso e in continua crescita.
  • Ogni nuova generazione di algoritmi deve es­sere costruita sulle precedenti e questo tende a causare quel che Domingos chiama il comple­xity monster. Quando gli algoritmi diventano troppo ricchi, complessi e intricati, la mente umana fatica a governarli e gli errori sono in agguato.

Entrano in scena quindi i learner. Ovvero al­goritmi che creano altri algoritmi, imparando progressivamente dall’esperienza a costruire pro­grammi che esperti umani non sarebbero mai in grado di creare.
Col machine learning, in altri termini, i compu­ter scrivono i loro programmi e imparano algo­ritmi di straordinaria complessità, che noi non sapremmo scrivere. Il modo in cui questo accade ha quasi del magico e consiste nel rovesciare i termini della questione. Quando un algoritmo è creato da un programmatore umano esso viene prima di tutto. Poi lo si applica a dei dati. E da questo derivano i risultati. Col machine learning il processo viene invertito. I computer sono an­zitutto nutriti di dati. Poi si definiscono i risul­tati attesi. E da questo i computer – se provvisti davvero di molti dati e di esempi da cui appren­dere – elaborano autonomamente gli algoritmi. Dopo di che, gli algoritmi creati dalle macchine possono prendersi cura di altre grandi quantità di dati, imparando progressivamente a gestirli sempre meglio.
Per quale motivo tali algoritmi non avrebbero potuto essere creati da un essere umano? Perché a differenza di quelli scritti dai migliori esperti con due gambe, che possono arrivare a centinaia o migliaia di righe, quelli elaborati dai learner sono in grado tranquillamente di raggiungere milioni di righe, ovvero un livello di comples­sità semplicemente non gestibile né dal nostro cervello né dalle nostre competenze (e strutture organizzative).
Si capisce così la ragione tecnologica che sostiene il successo delle platform digitali dominanti. Se Amazon ha una eccezionale capacità di proporci letture e altri acquisti in linea coi nostri interessi e il nostro, comportamento online, sollecitando in modo mirato acquisti ulteriori, non è un caso: la sua piattaforma infatti fa grande affidamento sul machine learning. Può farlo con estrema efficacia in quanto raccoglie ogni giorno enormi quantità di dati. Tutti questi dati alimentano e orientano i suoi learner, che possono migliorare costante­mente le loro performance molto più di quelli di piattaforme similmente orientate all’ e-commerce, ma meno grandi. In breve, i suoi algoritmi capaci di apprendere, coniugati con formidabili flussi di dati, determinano un circolo virtuoso e proteg­gono una posizione di leadership che nel futuro prevedibile i suoi concorrenti troveranno molto difficile scalzare. Lo stesso vale per tutte le plat­form che attualmente primeggiano nei loro rispet­tivi settori, facendo un uso evoluto di algoritmi intelligenti.

Ecosistemi
Gli algoritmi hanno una logica propria e vanno studiati in modo mirato. Sarebbe erroneo tutta­via considerarli al di fuori degli ecosistemi che li hanno generati e nei quali essi vivono. Un modo per rendersi conto di questo è considerare la ri­flessione di Benjamin Bratton che, in un libro recente di notevole spessore concettuale e anali­tico, affronta il tema del rapporto tra sviluppo dei software e sovranità nelle società avanzate (The Stack. On Software and Sovereignty, Mit Press, Cambridge Massachusets, 2015).
In una visione decisamente sistemica, Bratton tocca molti argomenti. Tra essi, i modi in cui gli sviluppi computazionali a livello planetario inte­ragiscono con le nostre realtà geopolitiche, orien­tandole e modificandole; gli intrecci fra tutte le principali forme tecnologiche contemporanee – smart grids, piattaforme cloud, mobile app, smart cities, Internet of Things – che si alimen­tano vertiginosamente a vicenda; la conseguente formazione di un insieme tanto coerente quanto accidentale – una megastruttura che è sia un apparato computazionale sia una nuova archi­tettura di governo. Della sua analisi fanno parte certamente anche le piattaforme digitali e gli al­goritmi che le supportano, all’interno di sistemi complessi per ognuna diversi. In questa prospet­tiva, emerge che le grandi platform del nostro tempo costruiscono la loro capacita d’influenza economica, tecnologica e sociale nell’ambito di rapporti fortemente competitivi (platform wars). Ognuna quindi è molto impegnata nel valorizzare i suoi punti di forza specifici in quanto sistema. Traendo spunto dalle osservazioni di Bratton, le prerogative degli ecosistemi digitali più impor­tanti possono essere tratteggiate come segue:

  • Facebook: il più famoso dei social network si fonda direttamente sulla vita dei suoi utenti e sul loro interesse nella vita di altri. Passando per le relazioni con la rete amicale, la costru­zione della propria identità sul web è il princi­pale progetto di questa piattaforma. Sul piano algoritmico, questo assegna un ruolo centrale al noto social graph di Facebook e alla capacità della piattaforma di scannerizzare, archiviare, catalogare, selezionare, visualizzare, suppor­tare quantità di contenuto verbale e visivo mai prima concentrate in un solo ambiente in tutta la storia umana. Ai fini della creazione di va­lore, il social graph offre modo ai brand di ri­volgere i loro messaggi agli utenti in chiave di microtargeting, sulla base di criteri avanzati di rilevanza e affinità.
  • Apple: quello di Apple si contraddistingue come un ecosistema chiuso, articolato tanto sul software quanto sull’hardware, in una prospettiva di total design nella quale i suoi utenti possono investire i loro desideri di auto-idealizzazione creativa. I’ecosistema include iOS, iTunes, App Store con uno svi­luppo incessante di algoritmi capaci di ap­prendere. L’ innovazione portata da iTunes ha piegato un’intera industria (quella musicale) verso di essa, mentre la piattaforma dell’ App Store deriva grandi profitti dalla capacità del suo algoritmo di mettere in connessione intel­ligente sviluppatori di app e consumatori. Gli utenti di Apple si ritrovano tanto in questa esperienza di tecnologia di frontiera quanto nel mutuo apprezzamento per un hardware di qualità tattile premium, percepito quasi come oggetto di lusso.
  • Google: in quanto società fondata propriamente su un algoritmo, Google ha saputo ben allargare il suo ecosistema che ora (sotto il nome di Alphabet) comprende Google Energy, Google Car, Google Robotics, Google AI, e varie altre divisioni e rami di attività proget­tuale. Primariamente attraverso il search en­gine, Google continua a raccogliere profitti lordi stratosferici (superiori al 60% nel 2015) grazie, in larga misura, ai suoi algoritmi self-learning. Con essi l’infrastruttura di search e pubblicità di Google fa leva sull’attività di ricerca dei suoi utenti attuali per predire quali risultati potranno incontrare meglio le aspettative e gli interessi degli utenti futuri. In questo modo, si può dire non solo che Google lavora per noi ma che noi lavoriamo per Google, aiutandola costantemente a migliorare la sua già formida­bile piattaforma.

Il fatto che ognuna di queste organizzazioni do­mini in un mercato diverso (e si occupi di una diversa core transaction), non impedisce che vi si­ano delle aree di sovrapposizione, da cui possono derivare molte frizioni. L’ ultimo esempio è Duo, l’app di video calling di Google lanciata nell’ago­sto 2016 che si pone in diretta concorrenza con FaceTime di Apple, aprendo presumibilmente un altro fronte nelle platform wars. Tuttavia, nelle loro differenze principali, che riflettono la diversità dei mercati e delle piattaforme, questi esempi chiariscono soprattutto una cosa: che l’individuazione dell’algoritmo più adatto a una determinata platform non va basata unicamente su considerazioni tecnologiche. Indubbiamente la tecnologia resta fondamen­tale. Ma, se l’algoritmo si trova al cuore di un ecosistema, esso deve riuscire a rifletterne nel modo migliore anche tutte le principali com­ponenti economiche, organizzative, sociali, psicologiche. Alla fine, ogni algoritmo deve fun­zionare in rapporto alle persone e la scelta delle persone colloca l’aspetto performativo di una piattaforma entro valutazioni di preferenza più ampie, che arrivano facilmente a toccare anche la sfera culturale e valoriale.
Siete pronti a salire su un’auto guidata da un al­goritmo? E’ realtà: le prime auto messe a dispo­sizione da Uber negli Usa, a Pittsburgh, in una prima fase saranno supervisionate da un control­lore umano che viaggerà seduto al posto guida … ma la strada sembra segnata.

Co-Founder & Chairman

View more by Rosario