La sfida delle startup che stanno adattando l’IA cinese alle esigenze del mercato occidentale

Le startup Hirundo e Lazarus AI stanno adattando modelli di intelligenza artificiale prodotti in Cina ai requisiti delle aziende occidentali. Il lavoro riguarda soprattutto Qwen, la famiglia di modelli sviluppata da Alibaba, il gruppo cinese attivo nel commercio elettronico e nel cloud.

Gli interventi agiscono sulle risposte a domande politiche, sulle distorsioni geopolitiche e sui criteri di sicurezza. Ben Luria, cofondatore e amministratore delegato di Hirundo, presenta questa attività come una riduzione dei rischi connessi all’impiego aziendale di modelli aperti.

Hirundo è una startup israeliana fondata nel 2023, con sede a Tel Aviv che sviluppa tecnologie di machine unlearning, ossia quelle che permettono di intervenire sui modelli di intelligenza artificiale già addestrati per eliminare informazioni sensibili, comportamenti indesiderati e distorsioni, preservandone le capacità. È guidata da Ben Luria.

Lazarus AI, invece, è un’azienda di Boston fondata nel 2017 che sviluppa sistemi IA per aziende, assicurazioni, istituzioni finanziarie e amministrazioni pubbliche, soprattutto per analizzare documenti e automatizzare processi in settori regolamentati. Produce la piattaforma Applied Intelligence Engine che consente di integrare modelli, dati e procedure operative.

Le esperienze delle due aziende sono state ricostruite da Rest of World e rientrano in un panorama abitato da più startup occidentali che ricalibrano diversi modelli IA cinesi.

Cosa sono i modelli IA chiusi e i modelli aperti

La differenza fondamentale tra i modelli di intelligenza artificiale chiusi e quelli open-weight riguarda l’accesso alla tecnologia e il controllo sul suo funzionamento.

I modelli chiusi, come quelli sviluppati da OpenAI, Anthropic e Google, mantengono riservati i propri parametri interni (i pesi) e vengono generalmente utilizzati attraverso servizi online o API gestiti dai produttori. Gli utenti possono impiegarli, ma non esaminarne direttamente i pesi né modificarli liberamente.

I modelli open-weight, come Llama di Meta, Qwen di Alibaba o quelli di Mistral AI, rendono invece disponibili i pesi, permettendo a sviluppatori e aziende di installarli sui propri server, adattarli a esigenze specifiche e mantenere un maggiore controllo sui dati trattati.

Questa libertà comporta però la necessità di disporre delle risorse informatiche e delle competenze necessarie per gestirli. Inoltre, open-weight non significa necessariamente open source, perché i dati utilizzati per l’addestramento e il codice impiegato per realizzarli possono rimanere segreti, mentre le possibilità di utilizzo e modifica dipendono dalle rispettive licenze.

Il vantaggio competitivo dei modelli cinesi

I modelli di DeepSeek, Moonshot AI, Z.ai e Alibaba attraggono sviluppatori e imprese per prestazioni, flessibilità e costi. Molti sono distribuiti con pesi aperti e chi ne fa uso può prelevarli, eseguirli sui propri server e adattarli a compiti specifici.

Questa modalità di distribuzione lascia ai produttori la possibilità di mantenere riservati dati e dettagli del processo di addestramento e sono soprattutto le offerte a basso costo ne hanno favorito la diffusione commerciale.

Tornando a Qwen, la società americana di investimenti tecnologici Sequoia Capital, ne ha misurato un netto predominio tra i modelli aperti utilizzati negli Stati Uniti, passando da una quota dell’1% del mese di gennaio del 2024 al 69% a febbraio del 2026.

Le regole cinesi che influenzano le risposte dell’IA

In Cina, dal 15 agosto 2023, le norme sull’intelligenza artificiale generativa impongono ai servizi destinati al pubblico di rispettare i valori del Partito comunista e vietano la produzione di contenuti considerati dannosi per la sicurezza nazionale, l’immagine del Paese o l’unità dello Stato.

Queste disposizioni possono influenzare le risposte dei chatbot sviluppati in Cina, soprattutto quando affrontano argomenti politicamente sensibili.

La startup israeliana Hirundo ha esaminato i modelli Qwen di Alibaba, sottoponendoli a domande sulla repressione delle proteste di piazza Tiananmen del 1989, sulle violazioni dei diritti degli uiguri nello Xinjiang, sulle proteste di Hong Kong e sull’indipendenza di Taiwan.

Stando ai test condotti dall’azienda, i modelli originali tendono a evitare alcuni argomenti, omettere informazioni importanti oppure presentare le posizioni del governo cinese come fatti accertati. Il problema riguarda quindi anche risposte apparentemente dettagliate e convincenti, capaci di orientare la ricostruzione dei fatti attraverso la selezione delle informazioni. Si tratta di risultati dichiarati da Hirundo, sulla base delle proprie verifiche.

Da qui le tecniche di machine unlearning applicate dalla startup Hirundo, mediante le quali vengono selezionate le risposte che considera problematiche e aggiorna i pesi dei modelli IA attraverso un addestramento mirato.

ReAligned, il progetto di Lazarus AI

Eric Hartford, già responsabile scientifico di Lazarus AI, ha messo a punto ReAligned partendo da Qwen 3.5. Il metodo applica un ulteriore addestramento e usa un classificatore per valutare la presenza di risposte evasive o politicamente orientate. Nella presentazione del progetto Lazarus AI dichiara di aver prodotto versioni di sei dimensioni differenti. Hartford ha riferito che, dopo l’adattamento, i modelli sono riusciti a indicare nomi di attivisti democratici che prima omettevano.

Secondo i dati rilasciati dalla startup, circa una dozzina di aziende statunitensi ha impiegato i modelli ReAligned.

Il rischio informatico emerge nel codice

Le questioni riguardano anche la qualità dei programmi generati dall’IA. In una ricerca del 2025, CrowdStrike, azienda statunitense di sicurezza informatica, ha confrontato il codice prodotto da DeepSeek-R1 su richieste con formulazioni differenti. Quando il contesto citava il Tibet, la quota di risultati con gravi vulnerabilità è passata dal 19% al 27,2%.

Il NIST, istituto federale statunitense che sviluppa standard tecnici, ha riscontrato in propri esperimenti una maggiore esposizione di alcuni modelli DeepSeek a istruzioni malevole.

Anche Booz Allen Hamilton, società di consulenza tecnologica, ha osservato differenze nella sicurezza del codice in richieste destinate a enti federali statunitensi.

Lo stop nelle agenzie federali

Un ordine pubblicato il 20 ottobre 2026 dal Department of Homeland Security, il dipartimento federale statunitense responsabile della sicurezza interna, dispone l’esclusione dei prodotti e servizi DeepSeek dagli acquisti informatici delle agenzie civili federali.

Il provvedimento prescrive inoltre la rimozione dei prodotti dell’azienda e di soluzioni di terzi sviluppate usando sue implementazioni, secondo le condizioni indicate nel documento. Le limitazioni riguardano il perimetro dei sistemi pubblici coinvolti. Le imprese private continuano a valutare vantaggi economici, requisiti di protezione dei dati e rischi associati ai modelli scaricabili.

Chi stabilisce le risposte accettabili

Oriane Peter, ricercatrice del King’s College di London, sostiene che l’allineamento dei modelli – ovvero il processo con cui vengono orientati a produrre determinate risposte – dipende da valori culturali, dalle finalità e dal contesto di utilizzo ed evidenzia come le scelte di un gruppo ristretto di sviluppatori possano influenzare le informazioni accessibili a milioni di utenti.

La Stanford University, per voce del ricercatore Graham Webster, distingue invece i rischi in base all'impiego dei sistemi. Webster ha spiegato che le distorsioni politiche possono assumere particolare rilevanza per un'applicazione utilizzata a Taiwan, mentre incidono assai meno su attività come la creazione del sito web di un bar. Le due posizioni evidenziano un problema centrale. Chi modifica un modello di intelligenza artificiale interviene anche sui criteri che determinano quali informazioni vengono presentate agli utenti e quali prospettive ricevono maggiore spazio.