Da 50 anni la “singolarità tecnologica” è rimasta confinata in una zona ambigua tra fantascienza californiana, paper accademici letti da poche migliaia di persone e conversazioni notturne tra venture capitalist convinti che il futuro avesse inevitabilmente la forma di un server farm alimentato da GPU e caffeina. Oggi il tono è cambiato. Quando organizzazioni di ricerca come METR iniziano a misurare sistematicamente quanto a lungo un sistema AI riesca a svolgere compiti tipicamente umani, il dibattito smette di essere filosofico e diventa infrastrutturale. Non si parla più di chatbot curiosi o generatori di immagini virali; si parla di capacità operative che crescono con una velocità che i sistemi politici non riescono nemmeno a descrivere, figurarsi regolamentare.

Il dato più interessante non riguarda tanto il fatto che i modelli siano migliorati. Questo era inevitabile. La vera anomalia riguarda la curva di accelerazione. I primi sistemi riuscivano a gestire attività di pochi secondi, spesso fragili e altamente supervisionate. I modelli più recenti iniziano invece a completare workflow articolati che richiedono ore o giorni di lavoro specialistico: sviluppo software, penetration testing, analisi strategica, automazione documentale, orchestrazione di infrastrutture cloud. La distanza tra “assistente statistico” e “operatore cognitivo semi-autonomo” si sta comprimendo molto più rapidamente di quanto la narrativa pubblica abbia metabolizzato.

Qui emerge un dettaglio che il mercato tende a sottovalutare: l’intelligenza artificiale non evolve come le precedenti tecnologie enterprise. ERP, cloud e mobile ridefinivano processi; l’AI ridefinisce direttamente la produzione di conoscenza. È una differenza enorme. Quando una tecnologia comincia a sostituire non solo il lavoro manuale, ma anche segmenti crescenti di ragionamento, pianificazione, debugging, persuasione e decisione, l’impatto economico diventa non lineare. Silicon Valley ama descrivere questo scenario come un’epoca di “abbondanza cognitiva”; Wall Street lo interpreta come un’espansione radicale della produttività; i governi, più pragmaticamente, iniziano a trattarlo come un problema di sicurezza nazionale.

Non è casuale che il lessico della difesa sia entrato stabilmente nel dibattito AI. Cyber warfare, gestione delle reti energetiche, biotecnologia computazionale, automazione militare e mercati finanziari sono domini in cui la velocità decisionale conta più della perfezione. Un sistema sufficientemente avanzato non ha bisogno di essere onnisciente per diventare destabilizzante; basta che sia più rapido degli esseri umani nella gestione di complessità multidimensionali. La storia della tecnologia insegna che la superiorità operativa viene adottata prima di essere compresa eticamente. Internet nacque come infrastruttura militare. I social network vennero celebrati come strumenti democratici prima di diventare macchine pubblicitarie e di manipolazione comportamentale. L’AI segue la stessa traiettoria, ma con una scala enormemente superiore.

Molti ricercatori iniziano inoltre a temere un fenomeno più sottile: la perdita di capacità di supervisione umana. Finché un sistema resta interpretabile, controllabile e limitato, la governance è difficile ma teoricamente possibile. Il problema emerge quando modelli sempre più autonomi iniziano a prendere decisioni in ambienti complessi che nessun individuo riesce più a comprendere interamente. In finanza questo problema esiste già da anni con il trading algoritmico ad alta frequenza; l’intelligenza artificiale potrebbe semplicemente espanderlo all’intera economia cognitiva globale.

La parte quasi comica della vicenda è che molte aziende stanno implementando agenti AI in produzione mentre i loro stessi board non possiedono competenze sufficienti per valutarne il rischio sistemico. Il corporate world contemporaneo è pieno di dirigenti che parlano di “AI transformation” con lo stesso entusiasmo con cui nel 2021 parlavano di metaverso e nel 2022 di Web3. La differenza è che questa volta la tecnologia funziona davvero. Male in alcuni casi, in modo sorprendente in altri, ma abbastanza bene da modificare concretamente strutture operative e catene decisionali.

Sul piano geopolitico il quadro diventa ancora più delicato. Stati Uniti e Cina considerano ormai l’AI una leva strategica equivalente all’energia nucleare del Novecento o ai semiconduttori negli anni Duemila. La competizione non riguarda soltanto i modelli linguistici; riguarda chip, energia elettrica, data center, supply chain e accesso ai dati. Una superintelligenza senza infrastruttura computazionale è irrilevante quanto un jet senza carburante. Per questo motivo aziende come OpenAI, Google, Microsoft e NVIDIA vengono ormai trattate dai governi come asset quasi geopolitici più che semplici corporation private.

Il vero nodo, tuttavia, non è tecnologico ma istituzionale. Le società democratiche si adattano lentamente per natura. Le normative europee richiedono anni; i mercati del lavoro ancora di più; i sistemi educativi decenni. L’AI evolve invece su cicli trimestrali. Questa asimmetria temporale potrebbe produrre uno shock di adattamento senza precedenti storici. Non necessariamente un’apocalisse hollywoodiana, scenario che continua a dominare i social media e alimentare podcast pseudo-filosofici pieni di guru con felpa nera e microfono professionale. Più realisticamente, una lunga fase di instabilità strutturale fatta di disoccupazione cognitiva selettiva, concentrazione estrema del potere tecnologico, crisi di fiducia istituzionale e crescente dipendenza da sistemi automatizzati opachi.

Alcuni ottimisti sostengono che la produttività generata dall’AI potrebbe inaugurare una nuova età dell’oro scientifica. In parte hanno ragione. La capacità di accelerare ricerca medica, modellazione climatica, scoperta farmaceutica e progettazione industriale è reale. Il problema è che la storia economica mostra come i benefici delle rivoluzioni tecnologiche non vengano distribuiti automaticamente. L’elettricità impiegò decenni per trasformare realmente la produttività industriale. Internet creò enormi vincitori e milioni di perdenti invisibili. L’AI potrebbe comprimere entrambe le dinamiche in una finestra temporale molto più breve.

La questione più inquietante è che nessuno possiede realmente una teoria affidabile della governance di sistemi superintelligenti. I regolatori comprendono parzialmente il problema. Le aziende hanno incentivi economici troppo forti per rallentare. I governi temono di perdere competitività strategica. Gli investitori vedono la più grande opportunità di creazione di valore del secolo. In mezzo resta una società che continua a usare l’AI principalmente per generare slide, sintetizzare meeting e creare action figure su LinkedIn, mentre sotto la superficie si costruisce probabilmente la più potente infrastruttura cognitiva mai realizzata nella storia umana.

La singolarità, se arriverà, potrebbe non manifestarsi come un evento improvviso e cinematografico. Potrebbe apparire invece come una sequenza di accelerazioni apparentemente gestibili, fino al momento in cui le istituzioni scopriranno di essere diventate troppo lente rispetto ai sistemi che dovrebbero controllare. A quel punto il dibattito non riguarderà più se l’intelligenza artificiale abbia superato gli esseri umani in determinati compiti. La domanda sarà molto meno rassicurante: chi governa realmente l’infrastruttura cognitiva del pianeta.