Come NVIDIA ha sviluppato il modello di base per i pagamenti di PayPal

Nel numero 5 di "Agentic Commerce", Simon Taylor (responsabile dello sviluppo di mercato presso Tempo) e Bam Azizi (amministratore delegato e fondatore di Mesh) hanno invitato Pahal Patangia (responsabile dello sviluppo commerciale globale del settore e dei pagamenti presso NVIDIA) per discutere di argomenti quali i modelli open source nei servizi finanziari, i flussi di lavoro basati su agenti come proprietà intellettuale nel mondo degli affari e altro ancora.

Cronologia:

00:00 Introduzione
05:03 Modello di base per i pagamenti basato sull'architettura Transformer
10:44 Adozione di modelli open source nei servizi finanziari
17:53 Compromessi tra costi e latenza nell'inferenza dell'IA
20:24 Economia dei token ed efficienza nei sistemi di intelligenza artificiale
23:21 I flussi di lavoro automatizzati come proprietà intellettuale nel mondo degli affari
25:45 Tendenze nell'integrazione dei protocolli nell'Agentic Commerce
30:17 OpenSHIELD, runtime open source per la sicurezza degli agenti
33:33 I vantaggi delle stablecoin nei micropagamenti tra soggetti privati
35:36 Rispetto ai pagamenti, la funzione di ricerca viene implementata più rapidamente negli agenti

Punti chiave:

1. L'essenza dell'Agentic Commerce è il "context outsourcing": il contesto del processo decisionale dei consumatori, che in precedenza era di competenza degli esseri umani, viene ora trasferito agli agenti attraverso l'integrazione di modelli di base, rendendo le funzionalità di pagamento parte integrante della catena decisionale anziché limitarsi al solo livello esecutivo.
2. Il modello della Payment Foundation è una variabile fondamentale: l'inserimento dei tradizionali dati finanziari in formato tabellare nei Transformers genera rappresentazioni del comportamento degli utenti, che costituiscono l'infrastruttura chiave che consente agli agenti di «consumare come gli esseri umani».
3. La ricerca ha raggiunto una fase di maturità, mentre i pagamenti sono ancora agli inizi: l'implementazione effettiva dell'Agentic Commerce è attualmente incentrata sulla ricerca e sui consigli, mentre i pagamenti rimangono in fase di test e sperimentazione.
4. Il motivo fondamentale dell'esplosione dell'open source nel settore finanziario non è la tecnologia, bensì la regolamentazione e il controllo: la spiegabilità, la controllabilità e la capacità di messa a punto sono più importanti delle prestazioni.
5. Il divario in termini di prestazioni tra i modelli open source e quelli closed source si è ridotto a un "livello trascurabile", rendendo i costi, la conformità e la flessibilità di implementazione i fattori determinanti nel processo decisionale aziendale.
6. L'economia dei token sta diventando la nuova generazione dell'"economia dei pagamenti": i vincoli fondamentali dei sistemi di IA non sono più solo le commissioni di transazione, ma l'ottimizzazione globale del consumo di token, dei costi di inferenza, della latenza e del consumo energetico.
7. I sistemi multi-agente rappresentano il campo di battaglia del futuro: emittenti, acquirenti, esercenti e sistemi aziendali interni si trasformeranno in agenti, portando a termine i processi aziendali attraverso interazioni da macchina a macchina.
8. I flussi di lavoro degli agenti stanno diventando una nuova risorsa fondamentale per le aziende: se prima erano le API e il SaaS, ora i percorsi decisionali, la logica di esecuzione e i cicli di feedback degli agenti costituiscono una nuova forma di "proprietà intellettuale aziendale".
9. Le stablecoin presentano vantaggi strutturali negli scenari tra soggetti privati: micropagamenti, regolamento in tempo reale e disponibilità globale sono aspetti che le reti di carte di credito tradizionali non sono in grado di supportare.
10. La crescita del volume delle transazioni generata dagli agenti è esponenziale: gli esseri umani effettuano circa 2 transazioni al giorno, mentre gli agenti possono arrivare a 2000, e i modelli TPS dei sistemi di pagamento tradizionali non sono in grado di far fronte a questo cambiamento di paradigma.
11. I canali di pagamento non saranno sostituiti, ma coesisteranno su più livelli: le reti di carte di credito sono adatte alle interazioni umane, mentre le stablecoin sono più adatte alle interazioni automatizzate, ed entrambe funzioneranno in parallelo in diversi scenari.
12. Il livello dei protocolli si trova attualmente nella "fase iniziale degli LLM": la coesistenza di più protocolli favorisce l'innovazione e, nel lungo periodo, porterà inevitabilmente a una convergenza verso pochi standard.
13. Nell'era degli agenti, la sicurezza è diventata una questione di infrastruttura: sono necessari ambienti di esecuzione come OpenSHIELD per isolare gli agenti in sandbox e impedire la diffusione del rischio sistemico.
14. I principali ambiti di applicazione dell'intelligenza artificiale nel settore dei pagamenti non sono cambiati: la lotta alle frodi, la verifica dell'identità e la personalizzazione rimangono gli aspetti fondamentali, mentre l'implementazione si sta evolvendo dalle regole ai modelli fino agli agenti.
15. La vera rivoluzione dell'Agentic Commerce non risiede nei pagamenti, bensì nell'"automazione delle decisioni": quando la ricerca, i consigli e l'esecuzione sono completamente automatizzati, i pagamenti rappresentano solo la fase finale dell'attivazione delle funzionalità.

Simon Taylor:
Benvenuti a Tokenized, un programma dedicato alle stablecoin e alla diffusione della tokenizzazione degli asset reali. Mi chiamo Simon Taylor, sono il vostro conduttore di oggi, autore di «Fintech Brain Food» e responsabile dello sviluppo del mercato presso Tempo.

Oggi proseguiamo la serie dedicata all'Agentic Commerce, e con me c'è Bam Azizi, amministratore delegato di Mesh. Come stai, Bam?

Bam Azizi:
Sto bene, grazie Simon per averci invitato di nuovo.

Simon Taylor:
Questa serie sta davvero decollando. Ho l'impressione che l'Agentic Commerce sia diventato uno degli argomenti più in voga al mondo in questo momento, catturando davvero l'attenzione di tutti.

Oggi abbiamo anche un ospite proveniente da un'azienda che è anch'essa sotto i riflettori – probabilmente una delle più grandi al mondo – ma che ha intrapreso alcune iniziative a sostegno dell'Agentic Commerce di cui la maggior parte delle persone non è a conoscenza.

Oggi diamo il benvenuto a Pahal Patangia, responsabile dello sviluppo commerciale globale per il settore industriale e dei pagamenti presso NVIDIA. Pahal, come stai?

Pahal Patangia:
Sto bene, Simon, grazie per l'invito. Sono entusiasta di partecipare al programma e non vedo l'ora di parlare con te.

Simon Taylor:
In effetti, sta venendo tutto insieme: è proprio quello che mi piace: i pagamenti, l'espansione di NVIDIA nel settore dei videogiochi, il mondo degli affari, le stablecoin... tutte queste cose positive.

Ma prima di iniziare, vorrei ricordare ai nostri telespettatori e ascoltatori che le opinioni dei nostri ospiti sono personali e non riflettono necessariamente quelle delle loro aziende. Inoltre, quanto discusso non costituisce in alcun modo una consulenza fiscale, legale o finanziaria; ti invitiamo quindi a effettuare le tue ricerche.

Va bene, da un punto di vista macroeconomico, cosa significa l’Agentic Commerce per un’azienda come NVIDIA? Un'azienda produttrice di GPU, un'azienda specializzata nell'elaborazione accelerata, un'azienda di intelligenza artificiale, un'azienda di hardware... perché vi occupate di pagamenti e di attività commerciali?

Pahal Patangia:
Certo, Simon, è un'ottima domanda. Mi fa piacere che tu mi faccia questa domanda dal punto di vista di un'azienda produttrice di GPU, di hardware e di soluzioni di calcolo accelerato, poiché questa è stata effettivamente l'immagine che NVIDIA ha dato di sé per decenni.

Ma vorrei sottolineare che questa percezione si è evoluta negli ultimi vent'anni.

Negli ultimi decenni, NVIDIA si è trasformata in una piattaforma di calcolo accelerato a 360 gradi, fornendo funzionalità per le applicazioni di intelligenza artificiale in tutto l'ecosistema.

Prima di addentrarci nell'argomento dell'Agentic Commerce o dell'IA, è importante comprendere il posizionamento di NVIDIA a livello di piattaforma e le funzionalità che offriamo: sono proprio queste funzionalità a trainare l'esplosione dell'IA a cui assistiamo ogni giorno.

Di solito descriviamo le capacità di NVIDIA nella realizzazione di applicazioni di IA all'interno dell'ecosistema utilizzando il concetto della "torta a cinque strati".

Questa "torta a cinque strati" è composta da diversi "ingredienti" che consentono oggi di realizzare applicazioni e piattaforme di intelligenza artificiale in modo scalabile.

Il livello di base è costituito da territorio, potenza ed energia: è questo il fondamento su cui poggia qualsiasi attività legata all'intelligenza artificiale.

Al di sopra di questo si trova lo strato dei chip, che comprende l'hardware, le GPU, le CPU e i relativi sistemi di rete.

Segue poi il livello di sistema, o livello del data center, che definisce come questi chip vengono assemblati; li consideriamo come unità distinte che alla fine si uniscono a formare un "enorme computer".

In passato consideravamo i computer come dispositivi personali, ma oggi il data center stesso è un computer, ovvero il livello di sistema.

Sopra di esso si trova il livello del modello di base. Questi modelli di base racchiudono conoscenze, competenze settoriali e diverse funzionalità. Nell'ecosistema sono presenti numerosi partner, come OpenAI, Meta, Mistral e altri, che stanno sviluppando questi modelli di base.

Tuttavia, questi modelli di base devono essere ulteriormente adattati a settori specifici, scenari specifici e problemi specifici: questo costituisce il quinto livello, ovvero il livello applicativo.

La piattaforma NVIDIA abbraccia questi cinque livelli, integrando l'intera gamma di funzionalità. Gli sviluppatori possono sfruttare questa piattaforma a cinque livelli per creare applicazioni adatte alle loro esigenze.

Nel settore dei pagamenti, un'applicazione fondamentale è Agentic Commerce.

Il nostro obiettivo è integrare le nostre capacità in termini di hardware, software e modelli in questi attori dell'ecosistema, consentendo loro di sviluppare queste applicazioni su larga scala. Questo è il nostro posizionamento e il modo in cui stiamo guidando lo sviluppo dell'intero ecosistema.

Simon Taylor:
Una cosa che trovo interessante è che, quando parliamo con molte persone dell’Agentic Commerce, tutti danno per scontato che ci sia un sacco di software e hardware a gestire il tutto dietro le quinte, ma tu operi in questo settore da molto tempo e capisci davvero come funzionano questi meccanismi di base. Cosa ne pensi?

Bam Azizi:
Sì, è interessante. In realtà ho pubblicato un post su LinkedIn riguardo a questa struttura a livelli che ha suscitato parecchio interesse.

È molto simile a quanto appena descritto da Pahal. Ho parlato del livello di base, del livello di distribuzione, del livello di orchestrazione e del livello di connessione. Quello che volevo dire è che il livello di connessione è il più importante — ovviamente, è un po’ “di parte”, dato che Mesh opera proprio a quel livello.

Ma sono davvero curioso: dal punto di vista di NVIDIA, quale livello ritenete sia il più importante? In cosa stai investendo maggiormente tempo e risorse al momento?

Pahal Patangia:
Sì, è un'ottima domanda. Credo che, dal nostro punto di vista, in questo momento nel settore dei pagamenti si stiano verificando due fenomeni di fondamentale importanza.

Stiamo introducendo l'intelligenza artificiale nel settore dei pagamenti su larga scala, e di solito un fenomeno porta a un altro.

Il primo fenomeno è l'emergere del «modello di fondazione per i pagamenti».

Se si osserva l'intero processo dell'Agentic Commerce, si noterà che in realtà tale processo è stato "compresso". Ad esempio, la procedura di pagamento è stata semplificata.

Nel mondo di un tempo, eri tu, come persona, a determinare il contesto. Sapevi cosa volevi comprare, sapevi come completare l'acquisto e avevi ben chiaro tutto questo nella tua mente.

Ma ora la domanda è: da dove ricava l'agente questo contesto?

Per acquisire questo contesto, l'agente deve apprendere il comportamento degli utenti, i loro profili, le loro preferenze e i vari vincoli impostati per la transazione (dallo SKU alle regole finali della transazione).

Ma come fa l'agente ad acquisire queste capacità?

Questo porta a una nuova tendenza, che definirei un po' "underground", ma che sta rapidamente attirando l'attenzione: il "modello di pagamento di base".

Questo perché nel settore dei servizi finanziari, in particolare in quello dei pagamenti e delle operazioni bancarie, storicamente tutti i dati sono sempre stati disponibili in formati tabulari strutturati.

In passato, questi dati venivano inseriti in algoritmi di apprendimento automatico per costruire modelli di propensione, ad esempio per prevedere cosa gli utenti potrebbero acquistare o quali transazioni potrebbero effettuare.

Tuttavia, con l'avvento di una nuova generazione di algoritmi, in particolare l'architettura Transformer — che costituisce il fondamento dell'IA generativa — si sta affermando una nuova tendenza che consiste nell'utilizzare questi dati strutturati nei modelli Transformer.

Questo è il concetto alla base del «modello di pagamento di base».

Questi modelli generano ciò che viene chiamato "incorporamento".

In parole povere, l'incorporamento è una rappresentazione semantica del comportamento degli utenti. Ad esempio:

• Cosa potrebbe fare Pahal

• Quali sono le sue attuali preferenze in materia di dinamismo

• Quali sono i suoi modelli comportamentali a lungo termine

I modelli Transformer possono integrare queste informazioni per formare tale embedding.

Queste rappresentazioni vengono quindi inserite nell'agente, che esegue azioni sulla base di tali informazioni, come ad esempio il completamento delle transazioni.

È qui che i due mondi iniziano a fondersi: l'intelligenza artificiale e i pagamenti.

Queste rappresentazioni costituiscono il "livello contestuale" dell'agente, consentendogli di operare in modo più efficiente, di iterare con maggiore efficacia e di garantire che tutte le azioni rimangano entro i limiti delle regole stabilite, continuando al contempo ad apprendere e a ottimizzarsi.

Si tratta di una tendenza importante che sta attualmente guidando lo sviluppo dell'Agentic Commerce.

Inoltre, vorrei sottolineare un'altra tendenza che osserviamo nell'Agentic Commerce:

Se si suddivide l'intero processo in "ricerca" e "pagamento",

la parte che sta davvero crescendo più rapidamente ed è più matura è quella relativa alla "ricerca".

Il problema della ricerca è oggetto di studio da molti anni e oggi esistono algoritmi più efficaci per risolverlo, pertanto questa tecnologia si rivela molto efficace nella "ricerca".

Questo è anche il motivo per cui l'esperienza utente sta diventando sempre più personalizzata e coinvolgente.

Stiamo inoltre collaborando molto con PayPal. PayPal intende integrare le funzionalità di Agentic Commerce nel proprio ecosistema di commercianti, che conta circa 19 milioni di adesioni.

La maggior parte di questi commercianti sono piccole e medie imprese, e sono relativamente "all'oscuro" riguardo all'intelligenza artificiale, non comprendendo appieno cosa stia succedendo.

L'approccio di PayPal consiste nel fornire queste funzionalità ai commercianti attraverso la propria piattaforma.

Il loro metodo è il seguente:
Ottimizzazione dei modelli open source per adattarli all'ambiente di PayPal e a casi d'uso specifici.

In questo modo, i commercianti possono sfruttare queste funzionalità in modo naturale senza dover comprendere personalmente la tecnologia sottostante.

Simon Taylor:
Ho appena ascoltato molte delle tue parole e vorrei provare a riassumerle per verificare se ho capito bene, aiutando al contempo il pubblico a comprenderle meglio.

Molti trascurano un aspetto: oltre a modelli come Anthropic, ChatGPT e Gemini, esistono in realtà molti modelli open source, e NVIDIA è un attore di primo piano in questo settore.

Modelli come il tuo NeMo e il Neotron sono sempre stati all'avanguardia in termini di prestazioni.

A quel punto, aziende come PayPal metteranno queste funzionalità a disposizione dei commercianti.

Nel settore dei pagamenti, creare valore per gli esercenti è fondamentale. I commercianti sono il fulcro delle attività economiche mondiali. Se non riesci a soddisfare le esigenze dei commercianti, allora non vali praticamente nulla.

Sono loro che vendono i prodotti, sono i tuoi clienti, sono loro che ti pagano. Quindi devi creare valore per loro.

In precedenza, Stripe aveva lanciato un modello di pagamento di base che ha dato buoni risultati nella lotta alle frodi.

Ma sono curioso: oltre alla lotta alle frodi, cos’altro può fare il Payment Foundation Model?

Se ora dispongo di un sistema di classificazione molto articolato e multidimensionale in grado di comprendere le diverse preferenze degli utenti, in che modo queste funzionalità possono aiutare i commercianti a vendere di più e a servire meglio i clienti?

E probabilmente i commercianti non sono disposti a condividere questi dati con i grandi laboratori di intelligenza artificiale.

Quindi tenderebbero a utilizzare modelli open source.

Inoltre, il divario tra i modelli open source e quelli all’avanguardia è ora di circa sei mesi, e si tratta di un divario in termini di prestazioni.

Per la maggior parte degli usi quotidiani, la differenza è quasi impercettibile.

Per molti commercianti di piccole e medie dimensioni, questi modelli sono già di gran lunga superiori alla versione gratuita di ChatGPT che utilizzano attualmente.

PayPal è quindi in grado di offrire loro un'esperienza eccellente, mentre le funzionalità alla base provengono in realtà da NVIDIA.

Credo che molte persone non ne siano consapevoli.

Inoltre, ho letto un sondaggio secondo cui il 65% degli istituti finanziari utilizza già l'intelligenza artificiale, mentre l'84% ritiene che i modelli open source siano importanti per la propria strategia in materia di intelligenza artificiale.

Allora vorrei chiederti: perché i modelli open source hanno assunto tanta importanza nel settore finanziario?

Pahal Patangia:
Sì, è un'ottima domanda.

Il settore finanziario è sempre stato "riluttante ad adottare" le nuove tecnologie.

Tra i motivi di questa "lenta diffusione" figurano:
Regolamento
Requisiti per la spiegabilità
E la diffidenza nei confronti dei «modelli a scatola nera»

Gli istituti finanziari vogliono capire cosa succede all'interno del modello per poterlo utilizzare con sicurezza negli ambienti di produzione.

Di conseguenza, tendono a preferire modelli che possano essere controllati e messi a punto.

Allo stesso tempo, come hai detto tu, le prestazioni dei modelli open source sono ormai molto vicine a quelle dei grandi modelli closed source.

Questa "prossimità delle prestazioni" sposta il fulcro della discussione dalle "prestazioni del modello" ad altre dimensioni, quali:

• Costo

• Controllo

• Conformità

• Resilienza del sistema

Le aziende desiderano avere più opzioni a disposizione nello sviluppo di queste applicazioni, piuttosto che affidarsi a un unico fornitore.

Naturalmente, consideriamo anche i fornitori di modelli di base come clienti e partner importanti.

Allo stesso tempo, però, quando le aziende hanno bisogno di maggiore flessibilità, i modelli open source risultano più adatti.

Ad esempio, il modello Neotron e la suite di strumenti NeMo di NVIDIA possono aiutare le aziende a mettere a punto i modelli con maggiore facilità.

E questa capacità assumerà un'importanza sempre maggiore nell'Agentic Commerce.

Simon Taylor:
Questo compromesso è davvero interessante.

Bam, vorrei anche chiederti, dal punto di vista della creazione di un'azienda nel settore delle stablecoin e dei pagamenti, come valuti l'open source rispetto al closed source? Ai tuoi clienti interessa questa questione?

Bam Azizi:
Credo che, dal punto di vista del cliente, in realtà non gli importi se si tratti di software open source o closed source.

Questo è motivo di preoccupazione per la comunità tecnologica, che riveste un ruolo fondamentale per lo sviluppo scientifico e tecnologico.

Ma ai clienti interessa solo una cosa:
Esiste una soluzione ottimale che possa aiutarli a gestire la loro attività?

Tuttavia, l'open source è molto importante per il settore e dobbiamo continuare a promuoverlo il più possibile.

Un altro aspetto che mi ha colpito è stato ciò che Pahal ha detto riguardo alla posizione di NVIDIA.

In passato, NVIDIA rappresentava più che altro il livello hardware; poi c'era un livello intermedio, come ChatGPT, i fornitori di servizi cloud e così via, e infine il livello applicativo.

Ma ora che collaborate direttamente con aziende come PayPal, significa che state "saltando l'intermediario"?

Significa più veloce, più economico e più efficiente?

Questo rappresenterebbe una minaccia per aziende come OpenAI?

Pahal Patangia:
Niente affatto.

La nostra filosofia è quella di «sostenere gli sviluppatori là dove si trovano».

Se gli sviluppatori desiderano avvalersi dei nostri principali partner, come i fornitori di modelli di base, li sosteniamo pienamente e li aiutiamo a ottenere i migliori risultati.

Se desiderano utilizzare modelli open source, forniamo anche strumenti e assistenza tecnica per la piattaforma.

Dipende davvero dalle esigenze aziendali interne e dalle decisioni dell'impresa.

Offriamo una piattaforma completa che permette loro di scegliere liberamente.

Simon Taylor:
Trovo questo compromesso molto interessante.

Pahal, in che modo aiuti le società di pagamento come PayPal a prendere queste decisioni? Ad esempio, quando desiderano offrire queste funzionalità ai commercianti, come li aiuti a valutare i diversi casi d'uso? Che tipo di feedback ricevi da queste società di pagamento?

Pahal Patangia:
È un'ottima domanda.

In questo campo, man mano che si passano a modelli sempre più complessi – dai modelli attuali agli agenti futuri, fino ai sistemi multiagente – ci sono molti fattori da tenere in considerazione.

Innanzitutto, ovviamente, c'è la precisione. Ma una volta raggiunta una certa precisione, sono altri fattori a determinare realmente il risultato.

Il primo è il costo.

Ad esempio, se si servono 19 milioni di commercianti, ciò genera ogni giorno un numero enorme di richieste di inferenza. Devi valutare come ottimizzare il costo di queste chiamate di inferenza in modo da ridurlo al minimo nel tuo caso d'uso.

Il secondo è la latenza.

Nessuno vuole aspettare, proprio come quel giochino del serpente che appare nel browser quando la connessione non funziona (il gioco offline di Chrome).

Servono risposte nell'ordine dei millisecondi.

Il modello deve ragionare, trarre conclusioni, raccogliere informazioni da diverse fonti di dati, integrare il contesto e prendere decisioni nel rispetto di regole prestabilite, il tutto in pochi millisecondi.

Per realizzare tutto ciò è necessario utilizzare molti token, prendere numerose decisioni, eseguire processi complessi, e tutto questo deve avvenire in modo dinamico e intelligente.

Se l'agente è configurato correttamente e opera nel rispetto dei vincoli appropriati, è in grado di raggiungere questo obiettivo.

Si esegue una volta, dopodiché si innesca un ciclo di feedback.

Questo ciclo di retroazione crea un "volano dei dati":
Si raccolgono continuamente nuovi dati, si confrontano i "risultati effettivi" con i "risultati ideali" e poi si ottimizza costantemente il modello.

Simon Taylor:
E poi, quando si estende questa logica da un singolo agente a un sistema multiagente, le cose diventano ancora più complesse.

Ad esempio:

• Agenti sul lato rete

• Agenti che operano per conto dell'emittente

• Agenti che rappresentano l'acquirente

Questi agenti comunicheranno tra loro.

Oppure all'interno dell'azienda:

• Un agente di approvvigionamento nel sistema SAP

• Deve comunicare con il sistema di gestione delle scorte

• Deve inoltre interfacciarsi con il sistema finanziario

In che modo l'intero sistema esegue l'inferenza? In che modo diventa più efficiente?

Questo comporta un problema: il numero di token aumenterà a dismisura.

Ecco perché la "token economics" assume un'importanza fondamentale.

Non si tratta solo di ridurre l'uso dei token, ma di trovare il giusto equilibrio tra costi, potenza di calcolo e latenza.

Si può anche interpretare come:
"Quanti token di alta qualità è possibile generare per kilowattora."

In realtà, dietro a tutto questo c'è un modello economico.

Se non lo gestisci bene, è facile sperperare un sacco di soldi.

Chiunque abbia utilizzato OpenClaw sa bene che basta richiamare qualche API per spendere facilmente 1000 dollari in un mese, per poi ritrovarsi in una serie di vicoli ciechi.

Per le imprese, la questione è ancora più grave.

In passato, forse vi limitavate a eseguire alcuni modelli di machine learning, come quelli su Snowflake, le CNN e così via, ma ora la struttura dei costi di questi modelli di IA è completamente diversa.

Per un'azienda che punta sulla fidelizzazione dei clienti o sulla lotta alle frodi, questa differenza di costo è enorme.

E tra i vari soggetti coinvolti, quali le società di carte di credito, gli esercenti e gli emittenti, ciascuno presenta requisiti diversi per gli agenti e esigenze diverse in materia di token.

La complessità dell'intero sistema è quindi molto elevata.

Non solo è necessario tenere sotto controllo i costi, ma è anche necessario che il sistema migliori continuamente nel tempo, imparando come farebbe un essere umano:
"Hai appena commesso un errore, non farlo più la prossima volta."

Ma se hai davvero usato OpenClaw, saprai che mantenere il sistema costantemente stabile e in grado di funzionare correttamente è in realtà molto difficile.

Pertanto, risolvere questo problema in contesti aziendali è molto importante per NVIDIA.

Simon Taylor:
Torniamo all'argomento dell'e-commerce.

Quale impatto sta avendo attualmente l'Agentic Commerce sul mondo degli affari?

Gli utenti notano davvero questi cambiamenti al momento del pagamento? Dove si manifesta questo valore?

Pahal Patangia:
Il nostro obiettivo è sostenere quei soggetti che creano realmente valore per gli utenti finali, come le piattaforme di pagamento quali PayPal.

Allo stesso tempo, collaboreranno con i grandi rivenditori per integrare al loro interno agenti dedicati ai consumatori.

Dal punto di vista del settore, alcune delle tendenze che stiamo osservando includono:

Ad esempio, Mastercard ha già implementato transazioni interamente gestite da agenti in alcuni paesi.

Questi sono i primi segnali di successo.

Questo ci rende fiduciosi che queste tecnologie finiranno per affermarsi su larga scala.

Naturalmente, ci sono ancora molte questioni da risolvere, come ad esempio:
Questi strumenti possono davvero migliorare i tassi di conversione al momento del pagamento?
Sono abbastanza stabili?

Attualmente sono necessari ulteriori meccanismi di regolazione e di vincolo per consentire agli agenti di portare a termine i compiti in modo autonomo.

Simon Taylor:
Vorrei citare in particolare Sardine, poiché ha fatto molto nel campo della lotta alle frodi.

Dispongono di una rete di dati composta da 7 miliardi di dispositivi, hanno sviluppato modelli propri e hanno registrato le prestazioni degli agenti.

Questi dati storici e i flussi di lavoro degli agenti costituiscono, di per sé, una forma di proprietà intellettuale.

Nel settore dell'e-commerce, il flusso di lavoro dei tuoi agenti rappresenta il tuo principale patrimonio intellettuale.

Credo che questo sia un punto fondamentale.

Simon Taylor:
Bene, grazie a Mesh e a tutti gli sponsor per aver reso possibile questo spettacolo.

Bam, non so se sei come me, ma ormai sento così tanti nomi di protocolli diversi che non riesco più a tenerne traccia.

Come state affrontando l'argomento di questi protocolli con i clienti in questo momento? Quali domande vorresti porre a NVIDIA?

Bam Azizi:
Credo che la domanda più importante in questo momento sia: il futuro andrà verso l'integrazione o continuerà a frammentarsi?

Questa è la "domanda da un miliardo di dollari". Se qualcuno riuscisse a rispondere a questa domanda, potrebbe fondare un’azienda di grande successo in questo settore.

Se me lo chiedi, propenderei per l'integrazione, proprio come è avvenuto con lo sviluppo di Internet.

In passato esistevano molti protocolli diversi, ma alla fine abbiamo optato per l'HTTP.

Esistevano anche molti protocolli di comunicazione tra dispositivi, ma alla fine si sono sostanzialmente standardizzati sul Wi-Fi e sul Bluetooth.

Anche per quanto riguarda le interfacce di ricarica, si è passati da una grande varietà di interfacce a una o due standardizzate.

Quindi penso che qui succederà qualcosa di simile.

In particolare, alla luce dei recenti progressi compiuti su x402, ad esempio, stanno spingendo per entrare a far parte della Linux Foundation, ospitata da un’organizzazione neutrale, con il sostegno di aziende come Stripe e Coinbase.

Lavoro nel settore della verifica dell'identità e della sicurezza, e abbiamo assistito a un processo di integrazione simile nei protocolli di autenticazione.

Quindi, a mio avviso, ci sarà un’integrazione.

Ma sono anche molto curioso di conoscere il punto di vista di Pahal.

Un'altra domanda è:
Ci saranno protocolli diversi in futuro?

Ad esempio:

• Interazione tra esseri umani e agenti

• Interazione tra agenti

L'interfaccia utente (UI)/esperienza utente (UX) e i protocolli relativi a questi due scenari potrebbero essere completamente diversi.

Cosa ne pensi degli attuali sviluppi del mercato?

Simon Taylor:
Mi viene in mente una classica vignetta di XKCD:

«Attualmente esistono 14 standard di autenticazione; abbiamo bisogno di uno standard unico.»
Poi è diventato: "Ora ci sono 15 standard."

Lavori in questo settore da così tanto tempo, come vedi la questione?

Pahal Patangia:
Sì, se avessi una sfera di cristallo, mi piacerebbe tanto sapere la risposta (ride).

Ma dal nostro punto di vista, concordo con l'osservazione di Bam:

Alla fine, questi protocolli convergeranno verso poche soluzioni consolidate.

Ma, tutto sommato, l'attuale diversità è in realtà un aspetto positivo.

Poiché questi protocolli stanno coinvolgendo un numero sempre maggiore di sviluppatori e incoraggiando sempre più persone a iniziare a sviluppare.

La fase attuale è in realtà la "fase di democratizzazione", simile all'evoluzione dei modelli di linguaggio di grandi dimensioni (LLM) negli ultimi tre anni.

Continuano a emergere modelli diversi, che ne favoriscono la diffusione in tutto il settore.

Lo stesso accadrà con questi protocolli.

Questi protocolli attireranno un numero sempre maggiore di partecipanti — sviluppatori, aziende, utenti — e tutti potranno basarsi su queste fondamenta.

Ciò favorirà lo sviluppo dell'interoperabilità, portando infine all'integrazione.

Inoltre, con l'aumentare del numero di agenti sviluppati, le questioni relative alla sicurezza assumono un'importanza sempre maggiore.

Tutti stanno sviluppando i propri sistemi di agenti, ma è fondamentale garantire che tali sistemi operino in un ambiente sicuro.

Ecco perché al GTC abbiamo presentato una soluzione chiamata OpenSHIELD.

OpenSHIELD è un runtime open source con funzionalità di sicurezza avanzate, posizionato tra gli agenti e l'infrastruttura.

Può fornire un ambiente sandbox in cui gli agenti possano operare in un contesto controllato.

In questo modo, anche se dovessero sorgere dei problemi, sarà possibile limitarne l'impatto.

Simon Taylor:
Sì, è una questione fondamentale.

Molti non si rendono conto che:

Quando si creano degli agenti e si dispone anche di un ambiente di produzione, è opportuno implementarli in produzione?

Se non si adottano misure di isolamento, non appena si verifica un problema, le conseguenze saranno gravi.

Pertanto, meccanismi di tipo sandbox come OpenSHIELD sono molto importanti.

Simon Taylor:
Mi è venuto in mente anche un esempio: agli albori di Internet mobile c'era il WAP, che la gente cercava di utilizzare per i pagamenti prima che comparissero gli smartphone.

Il commercio agenziale, in una certa misura, potrebbe trovarsi ancora in una fase molto iniziale.

Allora, sono curioso:

Come stai distribuendo le tue energie in questo momento?

Ti occupi principalmente di stablecoin?
O sulle interazioni tra esseri umani e agenti?
O sulle interazioni tra agenti?

Li stai facendo tutti, o ti stai concentrando su qualcosa in particolare?

Pahal Patangia:
È un'ottima domanda.

Dal mio punto di vista, ci stiamo concentrando principalmente sulle tendenze più rilevanti del momento:

• Modelli di pagamento di base

• Commercio agenziale

Ma all'interno di queste continueranno a emergere nuove sottotendenze.

Ad esempio, le stablecoin.

Consideriamo le stablecoin come un complemento al sistema monetario fiat esistente, in grado di attirare nuovi utenti e dare vita a nuovi ecosistemi.

La prossima generazione di utenti potrebbe essere più abituata a usare le stablecoin piuttosto che le carte di credito.

Ma allo stesso tempo, ci sarà un'integrazione tra i due.

Tuttavia, in sostanza, i principali casi d'uso dell'IA nel settore dei pagamenti non sono cambiati:

• Lotta alle frodi

• Verifica dell'identità

• Personalizzazione

Questi rimangono i più importanti.

Simon Taylor:
Sì, in sostanza si tratta sempre del valore aggiunto dei pagamenti.

Che si tratti di stablecoin o di reti di carte di credito, questi problemi continueranno a sussistere.

Simon Taylor:
Bam, mi interessa sapere cosa ne pensi. Stai creando una rete nel settore delle stablecoin; come vedi il rapporto tra Agentic Commerce e le stablecoin?

Bam Azizi:
Credo che l'Agentic Commerce possa avvalersi di diversi canali di pagamento.

Ad esempio, attualmente gli utenti cercano prodotti come scarpe o magliette su ChatGPT, Anthropic o Perplexity, e gli agenti possono poi aiutarli a completare il pagamento.

Questo pagamento può essere effettuato con carte di credito o stablecoin.

In questo caso, entrambi sono paralleli.

Ma nei pagamenti transfrontalieri e nelle transazioni internazionali, le stablecoin offriranno maggiori vantaggi.

Negli scenari tra agenti, ritengo che le stablecoin abbiano un netto vantaggio.

Il motivo è:

Queste transazioni sono solitamente micropagamenti.
Ad esempio, importi come 0,00005 $.

Tali importi non possono essere elaborati da Visa né dai sistemi bancari tradizionali.

Allo stesso tempo, queste operazioni devono essere:
In tempo reale
A livello mondiale
Online

Le stablecoin soddisfano perfettamente queste condizioni.

Un altro aspetto da considerare è la frequenza delle transazioni.

Una persona potrebbe effettuare in media 2 transazioni al giorno, mentre un agente potrebbe arrivare a 2000 transazioni al giorno.

Questo tipo di TPS (throughput) può essere supportato solo dalla blockchain.

I sistemi di pagamento tradizionali non sono pensati per gli agenti; sono destinati a fallire.

Sono quindi molto ottimista riguardo all'applicazione delle stablecoin nell'Agentic Commerce.

Simon Taylor:
Si tratta davvero di un'esplosione esponenziale, vero?

Ricordo che ogni secondo vengono inviate circa 4 milioni di e-mail su Internet, e questo solo per quanto riguarda le e-mail, senza contare i video.

In un contesto del genere, la capacità dei sistemi di pagamento tradizionali di gestire decine di migliaia di transazioni al secondo è chiaramente insufficiente.

Ma torniamo un po’ con i piedi per terra, Pahal: dal tuo punto di vista, qual è la vera domanda da parte degli utenti? Dove si trova il volume reale delle transazioni?

Scherzo spesso dicendo che oggi nel commercio agentico ci sono più protocolli che nei sistemi di pagamento.

Potresti essere la persona più vicina all'infrastruttura di base — o addirittura all'"infrastruttura dell'infrastruttura dell'infrastruttura".

Allora, dove vedi la vera domanda? Dove sono i casi d'uso reali?

Pahal Patangia:
Credo che si possa rispondere a questa domanda da due punti di vista.

Il primo è dal punto di vista dell'intero ecosistema.

Come ho già detto, possiamo suddividere l'intero processo in due parti:

• Cerca

• Pagamento

Attualmente, la parte relativa alla ricerca è relativamente matura, al punto che si può dire che sia stata in gran parte risolta.

La parte relativa ai pagamenti, tuttavia, è ancora in fase sperimentale.

Sono in corso numerosi test in ambiente sandbox.

Questo è anche il motivo per cui sono molto ottimista riguardo a strumenti come OpenSHIELD, poiché possono aiutare l'ecosistema a sviluppare questi agenti in un ambiente sicuro e consentire loro di disporre di funzionalità transazionali.

La seconda prospettiva è a lungo termine.

Sono molto ottimista riguardo allo sviluppo dei sistemi multi-agente.

Nel mondo del futuro, diversi attori interagiranno e collaboreranno tra loro.

Il nostro ruolo è quello di aiutare questi sistemi a migliorare:

• Attraverso i circuiti di retroazione

• Attraverso ambienti operativi sicuri

• Attraverso vari meccanismi di contenimento (barriere di sicurezza)

Naturalmente, sarà necessario effettuare numerose messe a punto per garantire che questi agenti funzionino come previsto senza deviare dal percorso.

Questi sono tutti gli ambiti su cui ci concentreremo in futuro.

Simon Taylor:
Credo che un tema molto importante nella discussione odierna sia la "token economics".

In effetti, quando prima abbiamo parlato dei token, io e Bam abbiamo sorriso entrambi perché, nel mondo delle stablecoin, la nostra concezione dell'economia dei token segue una logica diversa.

Ma ora scoprirai che:

Tutto si è trasformato in "gettoni".

La verifica dell'identità prevede l'uso di token
I token nella sicurezza informatica
Visa e Mastercard dispongono di token di rete
I token nell'open banking
Le stablecoin sono token
Anche i token nell'intelligenza artificiale

Il termine "token" in inglese può in realtà creare un po' di confusione, poiché in origine significava semplicemente "un sostituto", ma oggi quasi qualsiasi cosa può essere definita un token.

Ma in ogni caso, devi capire il modello economico che sta alla base.

In definitiva, che si tratti di intelligenza artificiale o di reti di pagamento, ciò che determina l'esperienza dell'utente rimane comunque:

• Velocità

• Costo

Questi due fattori ci riporteranno continuamente con i piedi per terra.

Simon Taylor:
Pahal, grazie mille per le tue riflessioni di oggi. Da persona che segue NVIDIA da molto tempo e che opera anche nel settore dei pagamenti, questa conversazione mi è sembrata molto interessante. Se qualcuno volesse saperne di più su di te o sull'impegno di NVIDIA nel settore dei pagamenti, dove potrebbe rivolgersi?

Pahal Patangia:
Potete contattarmi su LinkedIn o tramite e-mail.

Se desideri saperne di più sull'impegno di NVIDIA nel settore dei servizi finanziari, puoi visitare il sito web ufficiale di NVIDIA, dove troverai una pagina dedicata a questo settore che illustra in dettaglio la nostra attività nei settori dei pagamenti, bancario e dei mercati dei capitali.

Speriamo di poter mettere le potenzialità dell'intelligenza artificiale al servizio dell'intero ecosistema e siamo lieti di essere vostri partner.

Simon Taylor:
Fantastico, grazie. Allora, se qualcuno vuole connettersi alla rete Mesh o contattarti, come deve fare?

Bam Azizi:
Puoi visitare il sito meshpay.com oppure cercare Mesh Pay su Twitter o LinkedIn. Se vuoi contattarmi, puoi cercarmi su Telegram o Twitter con il nome Bam Azizi.

Simon Taylor:
Mi puoi trovare anche su diverse piattaforme oppure visita il sito finttechbrainfood.com. Recentemente ho scritto un articolo sul "commercio invisibile", in cui ho analizzato alcune potenziali problematiche legate all'Agentic Commerce. Se ti è piaciuto questo video, ricordati di iscriverti al canale, mettere "Mi piace" e condividerlo con i tuoi amici, così che più persone possano vedere questo contenuto. Alla prossima.