Emma, l’AI Italiana di Egomnia

Ci sono lanci tecnologici che durano anni e lanci che durano 48 ore. Quello di Emma, l’intelligenza artificiale “tutta italiana” di Egomnia, appartiene alla seconda categoria: il tempo di un weekend e il chatbot è passato dall’essere annunciato come un passo verso la “sovranità tecnologica” italiana a diventare il meme preferito di X e Reddit. Mettiti comodo, perché qui non ci limitiamo a ridere: ti spieghiamo, da nerd, perché Emma fa quello che fa. E perché il problema vero non è nemmeno tecnico.

«Il web non ha riso di un modello da 550 milioni di parametri. Ha riso del divario tra la promessa e la realtà.»

Cos’è Emma (e chi c’è dietro)

Emma è un Large Language Model sviluppato da Egomnia S.p.A., l’azienda fondata nel 2012 da Matteo Achilli — quello che nel 2014 la BBC ribattezzò “l’italiano Mark Zuckerberg”, e su cui nel 2017 è stato pure costruito un film, The Startup. Già allora, però, qualche inchiesta segnalava un certo “divario tra l’esposizione mediatica e i risultati concreti”. Tienilo a mente, perché è la chiave di tutta questa storia.

Il progetto, va detto, ha un lato lodevole: i pesi del modello sono stati pubblicati gratuitamente su Hugging Face con licenza OpenRAIL-M. Tradotto: chiunque può scaricarlo, ispezionarlo, smontarlo. Una trasparenza che molte “AI italiane” da slide di PowerPoint non hanno mai avuto. Il guaio è arrivato quando il web ha iniziato a smontarlo davvero.

Le risposte che hanno fatto ridere mezzo internet

Appena Emma è diventata accessibile, gli utenti hanno fatto quello che fanno sempre: l’hanno stressata con domande assurde. E gli screenshot virali si sono moltiplicati. Secondo le conversazioni rilanciate dalla stampa, Emma avrebbe sostenuto che un chilo di pane pesa più di un chilo di piume, che i cani sono capaci di volare, e ha prodotto perle storico-politiche tipo “Anna Frank attrice porno” e “Donald Trump primo presidente apertamente gay”.

Roba da far accapponare la pelle a un insegnante di terza media. Ma se sei arrivato fin qui per la parte nerd, ecco la verità scomoda: queste risposte non sono un bug misterioso. Sono esattamente quello che ti aspetti da un modello costruito così.

La parte nerd: perché Emma “fa così schifo” (tecnicamente)

Qui smettiamo di ridere e apriamo il cofano. Tre numeri spiegano quasi tutto. E se ti sembra un discorso da smanettoni, resta: capire come funziona davvero uno strumento è l’unico modo per non farti abbindolare da chi te lo racconta gonfiato.

1. I parametri: Emma è un modello del 2019 lanciato nel 2026

I parametri di un LLM sono, semplificando, le “manopole” con cui il modello immagazzina la conoscenza appresa: più ne ha, più può comprimere mondo dentro di sé. La famiglia Emma va da 125 milioni (Emma-3) a circa 1,55 miliardi di parametri (Emma-6, ancora in addestramento), mentre la versione finita più grande, Emma-5, si ferma a 550 milioni.

Mettiamo i numeri in prospettiva. GPT-2, il modello che OpenAI rilasciò nel 2019, aveva 1,5 miliardi di parametri. GPT-3 (2020) ne aveva 175 miliardi. I modelli di frontiera di oggi viaggiano sulle centinaia di miliardi, fino al trilione. Emma-5, con i suoi 550 milioni, è più piccola di GPT-2. Stai leggendo bene: nel 2026 è stato presentato come sfida tecnologica un modello sotto la taglia di un modello di sette anni fa.

2. La finestra di contesto: una memoria da pesce rosso

La context window è quanto testo il modello riesce a “tenere in testa” contemporaneamente. Quella di Emma è di 2.048 token (poche pagine). Per confronto, i modelli moderni gestiscono da 128.000 fino a oltre un milione di token. Con una finestra così corta, il modello perde il filo in fretta: è un altro tratto da era GPT-2.

3. L’architettura non è il problema (e questo è interessante)

Attenzione, perché qui Egomnia ha fatto le cose per bene: Emma è un transformer decoder-only con Grouped-Query Attention, RoPE, RMSNorm e SwiGLU. Se non ti dicono niente, fidati: sono gli stessi mattoncini moderni che trovi dentro Llama e Mistral. L’impianto è sensato. Il che dimostra che il problema non è “come” è fatta Emma, ma quanto è piccola e, soprattutto, come (non) è stata rifinita.

4. Il vero buco nero: manca l’allineamento

Ed eccoci al cuore della questione. Un LLM grezzo, appena uscito dal pre-addestramento, sa solo completare il testo: è un pappagallo statistico senza buon senso. La magia che rende utili ChatGPT o Claude arriva dopo, con fasi come l’instruction tuning e soprattutto la preference optimization (RLHF, DPO e simili): si insegna al modello, tramite migliaia di preferenze umane, cosa rispondere, come rifiutare le sciocchezze, come non lasciarsi manipolare da un prompt provocatorio.

Diversi sviluppatori hanno notato che a Emma mancherebbero proprio queste fasi avanzate di allineamento. Senza di esse il modello è un foglio bianco senza spina dorsale: assecondante, facilmente manipolabile, sicurissimo di sé anche quando spara che i cani volano. Le risposte-meme non sono un incidente: sono la firma di un modello spedito in pubblico prima di essere educato.

Aggiungi che il benchmark con cui Emma viene valutata, “Vespucci” (875 domande in italiano, punteggio 57,8%), è interno e autoreferenziale: non è uno standard pubblico e confrontabile come gli MMLU di turno. Quindi quel numero, da solo, non dice granché.

Quindi Emma è una truffa? No. È peggio: è un problema di marketing

Qui arriva la parte che ci riguarda da vicino. Tecnicamente, un modello piccolo, aperto e didattico non è uno scandalo: è un esercizio legittimo, e i pesi pubblici su Hugging Face sono un punto a favore. Lo stesso Achilli, di fronte alle critiche, ha spiegato che Emma nasce come “investimento sulle competenze interne” dell’azienda, senza l’ambizione di battere subito ChatGPT o Claude.

Bene. Peccato che non sia stata raccontata così. È stata presentata come bandiera della sovranità tecnologica italiana, evocando il confronto con i giganti. E qui scatta la legge più spietata della comunicazione: se costruisci un’utilitaria e la presenti come una Ferrari, il pubblico non perdona l’utilitaria. Punisce la bugia. Il web non ha riso di un modello da 550 milioni di parametri. Ha riso del divario tra la promessa e la realtà.

È la differenza tra overpromise e overdeliver, ed è la stessa identica trappola in cui cadono ogni giorno aziende molto più piccole di Egomnia. Promettere ciò che non puoi mantenere è il modo più veloce per trasformare il tuo prodotto in un meme. Noi lo ripetiamo sempre: conoscere davvero gli strumenti AI serve proprio a non raccontarli per quello che non sono. E quando l’AI la usi sul serio, i risultati si vedono — senza bisogno di gonfiarli.

Cosa può imparare la tua attività da questa storia

Emma passerà, come passano tutti i meme. Ma la lezione resta, ed è gratis: allinea la promessa alla realtà. Il pubblico, soprattutto quello tecnico, fiuta l’hype gonfiato a chilometri. La trasparenza è un asset; l’esagerazione è un boomerang che torna indietro a forma di sfottò. Se hai un prodotto onesto, raccontalo onestamente: vincerai la fiducia, che vale più di mille parametri.

Vale per un LLM da miliardi di parametri e vale per il negozio, lo studio o l’azienda sotto casa. La comunicazione che regge nel tempo è quella che mantiene ciò che promette: un sito che dice il vero, un video che mostra il prodotto per quello che è, un messaggio calibrato sul valore reale e non su una versione gonfiata. Se vuoi capire come raccontare la tua attività senza cadere nella trappola Emma, guarda cosa facciamo oppure scrivici due righe: partiamo sempre da quello che sei davvero. E zò.

«Se costruisci un’utilitaria e la presenti come una Ferrari, il pubblico non perdona l’utilitaria: punisce la bugia.»

(Se intanto vuoi tenere d’occhio cosa succede davvero nel mondo AI e social, ne parliamo ogni settimana nelle nostre notizie di marketing.)

Domande frequenti

Cos’è Emma di Egomnia?

È un modello linguistico (LLM) italiano sviluppato da Egomnia, l’azienda di Matteo Achilli. La versione più grande completata, Emma-5, ha circa 550 milioni di parametri ed è addestrata solo in italiano. I pesi sono pubblici su Hugging Face.

Perché Emma dà risposte assurde?

Per due motivi tecnici: è un modello molto piccolo (sotto la taglia di GPT-2 del 2019) e gli mancano le fasi avanzate di allineamento come la preference optimization (RLHF/DPO). Senza quelle, il modello è facilmente manipolabile e allucina con sicurezza.

Emma è meglio di ChatGPT?

No, e nemmeno gioca nello stesso campionato: parliamo di centinaia di milioni di parametri contro centinaia di miliardi. Sono categorie diverse. Il confronto diretto, evocato al lancio, è proprio ciò che ha innescato gli sfottò.

I dati e i pesi di Emma sono pubblici?

Sì. I pesi sono disponibili gratuitamente su Hugging Face con licenza OpenRAIL-M: chiunque può scaricarli e verificarli. È uno degli aspetti più corretti dell’intera operazione.

---

Articolo a cura di Luca Masrè Passaro, consulente di marketing e fondatore di Marketing Romagnolo. Di AI, posizionamento e comunicazione che non gonfia le promesse scrive anche su lucamasrepassaro.com.

Fonti: Open, Il Fatto Quotidiano, Il Manifesto e l’analisi tecnica di Pasquale Pillitteri sui parametri del modello.