Addestrare un modello AI per un'esigenza specifica di business è costoso e poco efficiente.
Il metodo tradizionale, il fine-tuning, regola i pesi di un intero modello monolitico, il che significa che migliorare una capacità finisce spesso per danneggiarne un'altra.
Questo fenomeno si chiama catastrophic forgetting e costringe aziende e creator a ricominciare quasi da zero a ogni nuovo progetto.
La conoscenza non si accumula, il costo dell'infrastruttura centralizzata è elevato e il mercato resta intrappolato tra API generiche economiche e consulenza AI su misura, molto costosa.
