Sundar Pichai ha riconosciuto apertamente che Google, nel settore dell’AI dedicata alla programmazione, si trova oggi in una posizione meno competitiva rispetto ad aziende come Anthropic e OpenAI. Il punto centrale non riguarda soltanto la qualità dei modelli linguistici, ma soprattutto la disponibilità di dati operativi provenienti dai flussi di lavoro reali degli sviluppatori.
Secondo Pichai, il vantaggio accumulato dai concorrenti deriva dall’aver costruito un ecosistema capace di raccogliere continuamente interazioni concrete tra programmatori e strumenti AI: generazione di codice, correzione degli errori, debugging, suggerimenti contestuali e iterazioni durante lo sviluppo. Questo approccio crea un “data flywheel”, cioè un ciclo continuo in cui l’utilizzo del prodotto genera nuovi dati, che a loro volta migliorano il modello tramite reinforcement learning e ottimizzazione agentica.
Il tema è particolarmente rilevante perché il coding AI non dipende più soltanto dall’addestramento su repository pubblici o dataset statici. La nuova competizione si sta spostando sulla capacità di acquisire dati dinamici e contestuali provenienti dal lavoro quotidiano degli sviluppatori. In pratica, chi controlla l’interfaccia operativa usata dai programmatori ottiene anche il flusso continuo di informazioni necessarie per migliorare velocità, accuratezza e autonomia degli agenti AI.
Pichai ha collegato questa strategia al progetto “Antigravity 2.0”, già utilizzato internamente da Google e ora visto come elemento chiave per accelerare il recupero competitivo. L’obiettivo sembra essere quello di aumentare rapidamente il volume di interazioni reali con i modelli Gemini, creando una massa critica di dati capace di alimentare il miglioramento automatico del sistema.
L’ammissione è significativa anche dal punto di vista industriale. Per anni Google è stata considerata leader nell’infrastruttura AI e nella ricerca sui modelli fondamentali, ma il mercato sta premiando soprattutto chi riesce a integrare l’intelligenza artificiale dentro workflow concreti e continuativi. Strumenti come Cursor o gli ambienti AI-native stanno infatti trasformando il coding assistito in una piattaforma di raccolta dati su larga scala.
Nel frattempo Google starebbe puntando maggiormente su versioni più leggere ed economiche dei propri modelli, come Gemini 3.5 Flash, nel tentativo di aumentare rapidamente l’adozione e ampliare la base di utilizzo. La logica è chiara: più utenti e più interazioni equivalgono a più dati di addestramento reale, e quindi a modelli migliori nel medio periodo.
Durante l’intervista, Pichai ha anche evidenziato quanto il settore AI sia diventato estremamente volatile. Ha osservato che, nel giro di pochi mesi, la percezione del vantaggio competitivo può cambiare completamente, segnale di una corsa tecnologica in cui il posizionamento non dipende più solo dalla potenza computazionale o dalla qualità teorica dei modelli, ma dalla velocità con cui si riesce a costruire ecosistemi di utilizzo reale.