La domanda su chi stia davvero governando la tecnologia, oggi, ha smesso da tempo di essere un esercizio accademico per diventare una questione di ingegneria politica applicata, con effetti collaterali che si misurano in mercati, elezioni e, sempre più spesso, nella percezione stessa della realtà. L’intervento di Franco Bernabè a Internet Festival si inserisce in questa traiettoria con una lucidità quasi disarmante, quella tipica di chi ha visto almeno due cicli completi di euforia tecnologica e relativa sbornia istituzionale. La sua tesi, nella sostanza, è semplice e per questo scomoda: la tecnologia non è mai stata neutrale, e la sua governabilità dipende meno dalle intenzioni dei legislatori e molto di più dalla struttura industriale che la sostiene.
La narrativa rassicurante della governance tecnologica, quella secondo cui la politica può semplicemente “regolare” l’innovazione come si regolano i mercati energetici o le telecomunicazioni, appare oggi come un residuo intellettuale degli anni Novanta. In quella stagione, la prima grande rivoluzione digitale, culminata e poi corretta dalla bolla dot-com, si è imposto un dogma implicito: lasciare fare ai mercati avrebbe prodotto efficienza, innovazione e democratizzazione. Il risultato, osservato con il senno di poi, è stato più complesso. Si è creata una concentrazione senza precedenti di potere infrastrutturale nelle mani di pochi attori globali, mentre gli stati si sono progressivamente adattati a inseguire standard tecnologici decisi altrove. La seconda ondata, quella dell’intelligenza artificiale generativa, non sta facendo altro che amplificare questa asimmetria, con una velocità che rende quasi obsolete le categorie tradizionali di intervento pubblico.
Quando Bernabè richiama il caso cinese, lo fa toccando un nervo scoperto del dibattito occidentale. La Cina ha effettivamente costruito un modello di governance tecnologica fortemente dirigista, iniziato già negli anni Novanta, che ha integrato regolazione, investimento industriale e controllo politico in un unico ecosistema coerente. Il paradosso, spesso rimosso nelle analisi occidentali, è che questa struttura iper-regolata non ha rallentato l’innovazione, ma in molti casi l’ha accelerata, almeno in termini di capacità di deployment e scaling industriale. Il risultato è un ecosistema in cui i modelli di intelligenza artificiale non sono soltanto strumenti tecnologici, ma estensioni funzionali di una strategia statale. Parlare di “modelli più performanti” diventa quindi una semplificazione utile per il dibattito pubblico, ma rischiosa se non si distingue tra performance tecnica, accesso ai dati e finalità d’uso.
Il punto centrale, tuttavia, non è la competizione geopolitica, ma la trasformazione della struttura del potere. L’intelligenza artificiale, soprattutto nella sua forma contemporanea basata su large language models, non è semplicemente una tecnologia di automazione, ma una tecnologia di mediazione cognitiva. Questo significa che non si limita a eseguire compiti, ma filtra, riorganizza e talvolta riscrive il modo in cui le informazioni vengono prodotte e consumate. In questo contesto, il rischio per la democrazia non è astratto, ma sistemico. La concentrazione di potere industriale nelle mani di pochi attori tecnologici globali diventa una forma di infrastruttura politica non eletta, ma altamente influente.
Il tema della manipolazione, evocato nel dibattito, trova nella diffusione dei deepfake una sua manifestazione più visibile, quasi teatrale. Tuttavia, ridurre il problema alla sola falsificazione delle immagini sarebbe una semplificazione ingenua. La vera trasformazione riguarda la produzione massiva di contenuti plausibili ma non verificabili, in cui la distinzione tra reale e sintetico perde progressivamente rilevanza operativa. In termini economici, si tratta di un’inflazione dell’informazione, in cui il costo marginale della generazione di contenuti tende a zero, mentre il costo della verifica tende a infinito. È un disequilibrio che nessun sistema democratico è stato progettato per gestire.
In questo scenario, la questione della regolamentazione assume toni quasi paradossali. Da un lato, esiste una pressione crescente per introdurre vincoli normativi sull’intelligenza artificiale, soprattutto in Europa, dove il tentativo di costruire un AI Act rappresenta uno dei primi esperimenti di governance anticipatoria. Dall’altro lato, la velocità dell’innovazione rende qualsiasi cornice regolatoria intrinsecamente incompleta al momento stesso della sua entrata in vigore. Il rischio non è quindi l’assenza di regole, ma la loro irrilevanza strutturale rispetto alla dinamica industriale sottostante.
La posizione di Bernabè sull’open source introduce un elemento controintuitivo nel dibattito. L’idea che la soluzione non risieda nei grandi modelli proprietari, ma in un ecosistema di Small Language Models e applicazioni verticali costruite su tecnologie aperte, rappresenta una deviazione significativa rispetto alla narrativa dominante della “scala come destino”. In termini strategici, si tratta di un ritorno alla logica della specializzazione contro quella della centralizzazione. I grandi modelli linguistici, oggi celebrati come infrastrutture cognitive universali, mostrano ancora difficoltà strutturali nel tradursi in valore industriale diretto, almeno al di fuori degli ambienti di sperimentazione e produttività generica.
La provocazione implicita è che l’industria dell’intelligenza artificiale stia ancora cercando il proprio modello di business stabile, mentre il dibattito pubblico la tratta già come infrastruttura consolidata. È una discrepanza che ricorda, con una certa ironia storica, le prime fasi dell’industria elettrica, quando le applicazioni erano ancora frammentarie e il valore reale della rete non era pienamente compreso. La differenza è che oggi il ciclo di adozione è infinitamente più rapido e la scala degli impatti potenzialmente sistemica.
La democrazia digitale, in questo contesto, non è tanto minacciata da un evento singolo quanto da una lenta erosione delle condizioni di verificabilità del reale e dalla progressiva privatizzazione delle infrastrutture cognitive. Quando la produzione di conoscenza diventa mediata da sistemi proprietari, anche se apparentemente neutrali, il rischio è che la sfera pubblica perda la sua capacità di auto-correzione. Non si tratta di una distopia improvvisa, ma di una transizione graduale verso una forma di governance algoritmica distribuita, in cui le decisioni rilevanti vengono prese da sistemi che nessun cittadino ha mai votato, né probabilmente compreso fino in fondo.
In termini storici, questa fase può essere letta come una seconda industrializzazione dell’informazione. La prima ha trasformato il lavoro fisico attraverso la macchina; la seconda sta trasformando il lavoro cognitivo attraverso il modello statistico. La differenza fondamentale è che mentre la prima ha richiesto secoli per consolidarsi, la seconda si sta comprimendo in meno di un decennio. È questa compressione temporale a rendere la governance dell’intelligenza artificiale un problema politicamente ingestibile con gli strumenti tradizionali.
Il risultato finale è un ecosistema in cui tecnologia, economia e politica non sono più sfere separate, ma strati sovrapposti dello stesso sistema operativo globale. La domanda iniziale, se la politica possa governare la tecnologia, si ribalta così in una questione più scomoda: se la politica sia ancora un livello di astrazione sufficiente per intervenire su sistemi che evolvono più velocemente delle istituzioni che dovrebbero regolarli. La risposta, per ora, resta sospesa in una zona grigia in cui l’innovazione procede con la sicurezza di chi sa che, almeno temporaneamente, il codice vince sempre sulla legge.