Gemma 4, AI multimodale su un portatile normale

Google DeepMind ha rilasciato Gemma 4 12B, un modello multimodale open che gira interamente in locale su un portatile aziendale standard con 16 GB di RAM. La specifica tecnica conta perché sposta la soglia di adozione: fino a ieri “AI multimodale locale” significava workstation costose o GPU dedicate, oggi significa il portatile che il dipendente ha già sulla scrivania.

Il modello processa testo, immagini e audio in modo nativo, senza encoder separati per ciascun formato. Su benchmark come GPQA Diamond, MMLU Pro e DocVQA raggiunge prestazioni vicine al fratello maggiore da 26 miliardi di parametri, e batte nettamente il precedente Gemma 3 27B. Rilasciato con licenza Apache 2.0, scaricabile da Hugging Face e Kaggle, eseguibile con strumenti come LM Studio e Ollama, oltre a Google AI Edge.

Cosa significa “16 GB” per il calcolo aziendale

Il portatile standard con 16 GB di RAM è la dotazione tipica per il knowledge worker enterprise: chi lavora in marketing, vendite, HR, finanza, legal. Fino a ieri questo profilo per usare AI generativa pagava un abbonamento mensile a un servizio cloud (Copilot, ChatGPT Enterprise, Claude Team, Gemini Workspace) tra i venti e i quaranta euro al mese a utente. Su mille dipendenti fanno 240.000-480.000 euro l’anno di sola licenza.

Gemma 4 12B locale non rende quel costo zero, ma cambia la struttura. Il modello vive sulla macchina, non chiede connessione costante, non manda dati al cloud del vendor, non si ferma quando l’azienda raggiunge i limiti del piano. Per casi d’uso che non richiedono il top assoluto della qualità — riassunti, drafting, traduzione, analisi di documenti, estrazione di dati — un modello locale può coprire ottanta-novanta per cento del fabbisogno. Il cloud resta per i casi pesanti residui.

Le implicazioni per il vendor

Per Google la mossa è strategica. Il modello locale toglie ricavi al cloud, ma toglie ricavi al cloud dei concorrenti più che al proprio. Microsoft Copilot, OpenAI Enterprise e Anthropic Claude Team vivono di sottoscrizioni cloud. Google, che ha sia sottoscrizioni cloud sia un ecosistema Android dove l’AI locale è già parte del prodotto, sta giocando una partita di sostituzione asimmetrica.

C’è anche un calcolo politico. Nei giorni in cui la Commissione Europea ha presentato il pacchetto di sovranità tecnologica chiedendo che i vendor cloud non abbiano “kill switch” azionabili da governi terzi, un modello open che gira sul portatile del dipendente è la soluzione più radicale al problema della dipendenza. Difficile imporre un kill switch a un modello che vive sull’hardware del cliente con licenza Apache 2.0.

Microsoft Copilot, OpenAI Enterprise e Anthropic Claude Team rispondono con offerte di deployment privato dentro tenant cloud isolati. È una risposta parziale: i dati restano nei perimetri del cliente, ma il modello resta del vendor e il lock-in resta strutturale. Gemma 4, come gpt-oss, elimina entrambe le dipendenze.

Quando il locale conviene davvero

Il locale conviene quando:

1. i casi d’uso sono ripetitivi e non richiedono il top assoluto della qualità del modello;

2. i dati elaborati hanno requisiti di compliance stringenti (sanità, finanza, legale);

3. il portatile del dipendente ha effettivamente 16 GB di RAM e una NPU o GPU integrata recente;

4. il team IT ha le competenze per gestire deployment, aggiornamenti e troubleshooting di un modello che vive distribuito su centinaia di macchine.

Mancando una delle quattro condizioni, il rapporto costo-beneficio scivola. Il caso d’uso che richiede ragionamento complesso, generazione di codice avanzata, analisi di documenti molto lunghi mantiene il modello da frontier cloud come riferimento. Il caso d’uso che richiede risposta in tempo reale con conoscenza aggiornata al minuto mantiene il cloud collegato come riferimento.

Le tre voci nascoste del costo locale

Il discorso “AI locale conviene” tende a saltare tre voci che spostano il TCO. La prima è il deployment distribuito: aggiornare un modello su mille portatili è un’operazione di gestione IT che richiede tooling dedicato (MDM, software distribution, monitoring). La seconda è la gestione del consumo batteria: un modello che gira in locale consuma energia, e su portatili leggeri questo si traduce in autonomia ridotta e ventole rumorose. La terza è il supporto utente: quando il modello cloud non risponde bene, il vendor è responsabile; quando il modello locale non risponde bene, è l’IT interno a doverlo capire.

Queste voci non rendono il locale antieconomico, ma vanno calcolate nel business case. La promessa “elimina la subscription cloud” funziona solo se chi compra ha capito che sta scambiando un OpEx mensile con un CapEx iniziale più un OpEx interno distribuito.

Il pattern di mercato che si sta consolidando

Gemma 4 12B segna una tappa di una traiettoria più ampia: i modelli diventano sempre più capaci per parametro, e parallelamente l’hardware consumer diventa abbastanza potente per modelli che fino a un anno fa richiedevano server. La curva è prevedibile: in diciotto mesi avremo modelli da 30B che girano sui portatili che oggi fanno girare modelli da 12B, e modelli da 100B che girano su workstation di fascia media.

La dipendenza dal cloud AI proprietario è una scelta meno scontata di sei mesi fa. L’opzione open più locale, che era roba da hobbisti, sta arrivando in azienda. I vendor cloud lo sanno e stanno reagendo con offerte più aggressive sui tier alti — i prezzi al token per i modelli frontier scendono mese su mese — e con bundle compliance per blindare il piano.

Una soluzione di mercato sta stabilizzandosi: l’ibrido strutturale, dove il locale gestisce il volume e il cloud gestisce le query premium su richiesta esplicita dell’utente o sulla base di policy. È il modello che sta emergendo nelle implementazioni più mature, e che probabilmente diventerà standard nei prossimi diciotto mesi. Costruire l’architettura con questa traiettoria in mente evita di legarsi a un solo vendor cloud per tutto il fabbisogno.

Prima di rinnovare il piano enterprise di un vendor AI cloud per il prossimo triennio, fare un pilota di tre mesi con un modello locale come Gemma 4 12B su un campione di dipendenti. Il calcolo costi-benefici cambia di anno in anno, e il contratto pluriennale è il modo più sicuro per restare fuori dalla traiettoria.