OpenAI ha rafforzato contemporaneamente due aree strategiche della propria organizzazione: la ricerca tecnica sui modelli frontier e la governance delle politiche sull’intelligenza artificiale avanzata. L’azienda ha assunto Noam Shazeer, vicepresidente engineering di Google e co-responsabile dei modelli Gemini, e ha affidato a Dean Ball la guida di un nuovo gruppo interno chiamato Strategic Futures.
La prima assunzione riguarda uno dei profili tecnici più importanti dell’intera industria dei modelli linguistici. Noam Shazeer ha annunciato il 17 giugno 2026 la propria uscita da Google per entrare in OpenAI. In Google ricopriva il ruolo di vicepresidente engineering ed era co-lead dei modelli Gemini, una delle principali famiglie di foundation model concorrenti di GPT, Claude e Llama. Il suo passaggio a OpenAI è rilevante perché riguarda un ricercatore direttamente coinvolto in alcuni dei passaggi fondamentali che hanno portato all’attuale generazione di modelli AI.
Shazeer è uno degli otto autori del paper del 2017 “Attention Is All You Need”, insieme ad Ashish Vaswani, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Łukasz Kaiser e Illia Polosukhin. Il paper ha introdotto l’architettura Transformer, basata esclusivamente su meccanismi di attention, eliminando il ricorso a reti ricorrenti e convoluzionali per i principali compiti di sequence transduction. Questa architettura è diventata la base tecnica dei moderni large language model, perché consente un’elaborazione più parallelizzabile delle sequenze e permette di modellare dipendenze a lungo raggio tra token in modo più efficiente rispetto alle architetture ricorrenti tradizionali.
Nel paper originale, il Transformer viene descritto come una rete encoder-decoder in cui la ricorrenza viene sostituita da self-attention multi-head e feed-forward network applicate in parallelo. Il modello ottenne 28,4 BLEU sul task WMT 2014 English-to-German, superando i risultati precedenti di oltre 2 punti BLEU, e 41,8 BLEU sul task English-to-French dopo 3,5 giorni di addestramento su otto GPU. Questi numeri oggi appartengono a una scala molto diversa rispetto ai modelli frontier, ma il principio architetturale introdotto da quel lavoro resta il fondamento dei sistemi GPT, Gemini, Claude e di gran parte dell’AI generativa moderna.
Il ruolo di Shazeer non si limita al paper Transformer. Entrato in Google nel 2000, ha lavorato per anni su sistemi di machine learning e linguaggio naturale. In seguito ha contribuito allo sviluppo di Meena, un chatbot conversazionale costruito internamente a Google. Dopo il mancato rilascio pubblico del sistema, Shazeer e Daniel De Freitas hanno lasciato Google nel 2021 per fondare Character.AI, una startup focalizzata su chatbot personalizzati e interazioni conversazionali con personaggi AI.
Nel 2024 Google ha riportato Shazeer e parte del team di Character.AI al proprio interno attraverso un accordo da circa 2,7 miliardi di dollari per la licenza non esclusiva della tecnologia della startup. L’operazione era stata interpretata come un modo per rafforzare Google DeepMind e Gemini recuperando uno dei ricercatori più esperti nella costruzione di modelli conversazionali su larga scala. La sua uscita dopo meno di due anni riduce il valore strategico di quell’operazione dal punto di vista del trattenimento del talento tecnico, anche se Google mantiene i diritti di licenza sulla tecnologia acquisita.
Per OpenAI, l’arrivo di Shazeer è importante perché porta all’interno dell’azienda competenza diretta su architetture Transformer, sistemi conversazionali, addestramento di modelli frontier e sviluppo di prodotti AI ad alta scala. Il ruolo preciso che assumerà non è stato ancora dettagliato pubblicamente, ma il suo profilo è rilevante soprattutto per le aree di model architecture, pretraining, post-training, sistemi conversazionali e strategie di scaling. In un laboratorio frontier, figure di questo tipo non portano solo conoscenza teorica, ma anche esperienza pratica sulle decisioni architetturali e ingegneristiche che determinano qualità, costo, stabilità e comportamento dei modelli.
La competizione tra OpenAI e Google non riguarda soltanto il rilascio pubblico dei modelli, ma la capacità di attrarre ricercatori capaci di progettare le generazioni successive di foundation model. I cicli di sviluppo di un modello frontier includono scelte su dataset, mixture di dati, dimensionamento del modello, architettura, ottimizzazione distribuita, efficienza di inferenza, allineamento, valutazione, strumenti agentici e integrazione nei prodotti. La perdita di un co-lead di Gemini a favore di OpenAI ha quindi un impatto tecnico-organizzativo, non solo simbolico.
La seconda assunzione riguarda Dean Ball, che entrerà in OpenAI il 6 luglio 2026 come responsabile del nuovo team Strategic Futures. Ball è stato senior policy advisor per Artificial Intelligence and Emerging Technology presso l’Office of Science and Technology Policy della Casa Bianca e strategic advisor for AI presso la National Science Foundation. È inoltre senior fellow presso la Foundation for American Innovation e autore di Hyperdimensional, una pubblicazione dedicata a tecnologia, governance e politica dell’innovazione.
Strategic Futures sarà un gruppo interno di piccole dimensioni, ad alta autonomia operativa, che riporterà al Chief Strategy Officer di OpenAI, Jason Kwon. Il mandato del team riguarda le questioni di policy legate all’AI frontier, comprese rischio catastrofico, recursive self-improvement, impatto sul mercato del lavoro e rapporto tra laboratori frontier, governi, in particolare il governo federale statunitense, e società. Non si tratta quindi di un semplice gruppo di relazioni istituzionali, ma di una funzione pensata per collegare capacità tecniche dei modelli, governance interna, sicurezza e regolazione pubblica.
L’assunzione di Ball arriva in un momento in cui i laboratori frontier devono gestire un’interazione sempre più stretta con governi, agenzie di sicurezza, regolatori e istituzioni internazionali. I temi indicati nel mandato di Strategic Futures sono tecnicamente sensibili. Il rischio catastrofico riguarda scenari in cui sistemi AI avanzati potrebbero produrre danni sistemici se mal progettati, mal controllati o usati in modo improprio. Il recursive self-improvement riguarda la possibilità che modelli futuri contribuiscano in modo significativo al miglioramento di sistemi AI successivi, aumentando la velocità di sviluppo e la complessità della supervisione. L’impatto sul lavoro riguarda invece la capacità dei modelli di sostituire o trasformare attività cognitive, tecniche e operative.
Il punto rilevante è che OpenAI sta rafforzando nello stesso momento la componente scientifico-ingegneristica e quella di governance strategica. Da un lato assume Shazeer, figura legata direttamente alla costruzione dei modelli e all’evoluzione tecnica dell’architettura Transformer. Dall’altro crea un team guidato da Ball per analizzare le implicazioni politiche, regolatorie e sociali dei sistemi frontier. Questo doppio movimento indica che la competizione sui modelli AI non è più separabile dalla capacità di gestire il rapporto con governi e istituzioni.
La combinazione Shazeer-Ball evidenzia anche due vincoli centrali per OpenAI. Il primo è il vincolo tecnico: continuare a sviluppare modelli competitivi rispetto a Google Gemini, Anthropic Claude, Meta Llama e xAI Grok, migliorando ragionamento, coding, multimodalità, strumenti agentici, sicurezza e affidabilità. Il secondo è il vincolo istituzionale: mantenere legittimità, accesso ai mercati, dialogo con i governi e capacità di incidere sulle future regole dell’AI frontier.
Nel caso di Shazeer, l’oggetto tecnico principale resta il trasferimento di competenza da Google Gemini a OpenAI. Gemini è una delle piattaforme più avanzate nel panorama dei foundation model e integra capacità multimodali, ragionamento, coding e prodotti consumer-enterprise distribuiti attraverso l’ecosistema Google. Un co-lead di quel programma conosce vincoli e decisioni di scala che non sono descritti nei paper pubblici: pipeline di training, procedure di valutazione, compromessi tra modello e prodotto, gestione dei dati, sicurezza, inferenza e qualità delle risposte.
Nel caso di Ball, l’oggetto tecnico-politico principale è la costruzione di una funzione interna capace di trattare i modelli frontier come infrastrutture strategiche. Le policy sull’AI avanzata non riguardano più soltanto privacy, copyright o moderazione dei contenuti. Riguardano accesso alla capacità computazionale, sicurezza nazionale, export control, uso duale dei modelli, trasparenza verso i governi, valutazioni pre-rilascio, governance dei sistemi agentici, impatto occupazionale e responsabilità dei laboratori che sviluppano modelli ad alta capacità.
OpenAI sta quindi incorporando due tipi di capitale difficili da sostituire: capitale tecnico di frontiera e capitale istituzionale. Shazeer rafforza la capacità di costruire modelli. Ball rafforza la capacità di definire come quei modelli dovrebbero essere governati, valutati e presentati alle istituzioni. In una fase in cui i laboratori AI competono su prestazioni, sicurezza, raccolta di capitale, accesso al compute e influenza normativa, entrambe le dimensioni diventano parte della stessa infrastruttura competitiva.
La notizia non va letta come semplice “talent war”. Il passaggio di Shazeer da Google a OpenAI coinvolge uno dei progettisti dell’architettura su cui si fonda l’intero settore dei large language model. L’arrivo di Ball riguarda invece la formalizzazione di una struttura dedicata ai problemi strategici dei modelli frontier. Insieme, le due assunzioni mostrano che OpenAI sta consolidando sia la capacità di sviluppare la prossima generazione di sistemi AI sia la capacità di gestirne le conseguenze politiche, regolatorie e sociali.