L’intervento di Bernie Sanders sul futuro dell’intelligenza artificiale negli Stati Uniti non è soltanto un appello politico: è un tentativo di riscrivere la grammatica della proprietà nell’economia digitale avanzata. L’idea di un “American AI Sovereign Wealth Fund Act”, che prevederebbe una partecipazione pubblica diretta nelle piattaforme più influenti del settore, si colloca in quel punto di frizione dove la tecnologia smette di essere un mero motore di produttività e diventa infrastruttura di potere. L’assunto implicito è semplice e dirompente: l’intelligenza artificiale non è nata dal nulla, ma poggia su una sedimentazione collettiva di conoscenze, dati e produzione culturale che attraversa generazioni; perciò i suoi frutti dovrebbero restituire benefici diffusi, non concentrati in poche mani.

Da bene comune a asset strategico

La tesi politica di Sanders si muove su un asse che richiama la logica dei beni comuni applicata a un sistema industriale privato altamente scalabile. Le piattaforme AI sviluppate da OpenAI, Anthropic e xAI vengono interpretate come strumenti di estrazione di valore cognitivo collettivo: il confine tra input pubblico (dati, ricerca accademica, creatività sociale) e appropriazione privata diventa sempre più sfumato. Qui la proposta del fondo sovrano non è solo redistributiva, ma strutturale: introduce l’idea che la governance dell’AI debba includere quote di proprietà pubblica e possibilmente una presenza istituzionale nei processi decisionali aziendali.

Il parallelo con i fondi petroliferi non è retorico. Funzionari e osservatori evocano il Norway Government Pension Fund Global o l’Alaska Permanent Fund, ma in questo caso la “materia prima” non è petrolio bensì la capacità algoritmica di comprimere, indicizzare e monetizzare il sapere umano. Questo spostamento concettuale è cruciale: si passa dalla tassazione del profitto alla ridefinizione della struttura del capitale stesso.

Convergenze pericolose: populismo e redistribuzione

È importante non descrivere la proposta di Sanders come un atto isolato del progressismo. In ambienti conservatori e populisti c’è da tempo un’altra lettura delle big tech: non solo innovazione ma concentrazioni di potere economico e culturale potenzialmente ostili o autonome rispetto alla sovranità nazionale. Figure come Steve Bannon hanno cavalcato questa narrativa, e persino Donald Trump ha lasciato trasparire aperture talvolta più verbali che programmatiche su meccanismi di “condivisione” della ricchezza prodotta dall’automazione.

La convergenza lessicale è evidente ma ingannevole. Sanders parla di socializzazione della rendita tecnologica per riequilibrare la distribuzione della ricchezza. Parte della destra populista propone invece strumenti che richiamano la sovranità e il controllo, spesso con obiettivi nazionalisti e senza rimettere in discussione la struttura di estrazione del valore. In entrambi i casi, tuttavia, l’AI diventa il palcoscenico su cui si proiettano tensioni già note: stagnazione salariale, polarizzazione della ricchezza, erosione delle classi medie e la crescente distanza fra capitale e lavoro.

La natura della catena del valore dell’AI

Tecnicamente, il punto critico riguarda la catena del valore dell’AI. I grandi modelli linguistici e multimodali non sono prodotti software monolitici: sono sistemi addestrati su volumi giganteschi di testi, codice, ricerche e altre forme di produzione culturale. L’industria tende a narrare questo processo come frutto di genio proprietario, ma economicamente è più esatto vederlo come compressione e riorganizzazione di un patrimonio cognitivo globale. Il problema non è solo l’innovazione, ma l’asimmetria nella distribuzione dei ritorni economici derivanti da quel patrimonio.

Ed è proprio questa asimmetria a giustificare politicamente l’idea del fondo sovrano AI: se la materia prima è collettiva, anche la rendita dovrebbe esserlo almeno in parte. Ma qui emerge un conflitto strutturale: trasformare il principio in architettura istituzionale significa scontrarsi con la logica accelerazionista del settore tecnologico, dove la velocità di sviluppo e la competizione per il primo posto sono incompatibili con strutture di governance lente, distribuite e politicamente mediate.

Simbolismo vs. fattibilità

Il dibattito assume così una forma quasi schizofrenica. Da un lato cresce la consapevolezza che l’intelligenza artificiale stia diventando infrastruttura sistemica; dall’altro le istituzioni faticano a convertire questa consapevolezza in strumenti operativi efficaci. Proposte ambiziose rischiano di restare simboliche, utili più per ridefinire il posizionamento politico che per alterare la struttura del potere economico. Le aziende, intanto, continuano a espandere capacità, mercati e attenzione pubblica, consolidando vantaggi competitivi difficili da erodere retroattivamente.

Due narrativi, una sfida reale

La posizione di Bannon e le aperture di Trump non costituiscono un’alternativa coerente alla proposta di Sanders; sono piuttosto un’altra declinazione dello stesso problema: come governare una tecnologia che concentra valore più rapidamente della capacità degli stati di redistribuirlo. La differenza è retorica e di obiettivo: il progressismo propone proprietà pubblica e welfare tecnologico; il populismo enfatizza controllo e sovranità, lasciando spesso intatta la struttura economica sottostante.

Questa coesistenza di narrazioni produce due effetti paralleli. Primo, trasforma l’AI in simbolo politico polivalente — arma retorica tanto per chi chiede redistribuzione quanto per chi reclama sovranità contro le élite. Secondo, rallenta l’emergere di soluzioni operative robuste, perché ogni proposta rischia di essere catturata da logiche di posizionamento politico anziché testata per efficacia gestionale.

Verso quale governance?

Il punto non è più se l’AI cambierà la società, ma se la società riuscirà a costruire rapidamente istituzioni capaci di governare un’infrastruttura che cresce su scala globale. Le opzioni non sono binarie: nazionalizzare piattaforme non è l’unica risposta, così come lasciare tutto nelle mani dei mercati non è più plausibile per chi si preoccupa di equità e stabilità. Tra queste possibilità si collocano misure ibride: partecipazioni pubbliche temporanee, regole di accesso ai dati, meccanismi di remunerazione per i contributori di contenuti, standard di interoperabilità che riducano le barriere all’ingresso e modelli di governance che includano rappresentanza pubblica e controllo indipendente.

Il tempo è il vero fattore limitante. Mentre il dibattito pubblico procede per sussulti e slogan, la tecnologia evolve con continuità e gli asset si consolidano. Se la proposta di Sanders vuole davvero andare oltre il simbolico, richiede un piano ben calibrato: definizione chiara della base di asset, meccanismi operativi per la partecipazione pubblica, protezioni contro l’accentramento di potere e una visione internazionale che eviti che regolamentazioni nazionali diventino armi di competitività geopolitica.

La “guerra silenziosa” per il controllo economico dell’AI è in atto, ma spesso si risolve in scaramucce retoriche. Il vero scontro avverrà quando si dovrà tradurre una diagnosi condivisa che l’AI sia un’infrastruttura sistemica con rendite potenzialmente estrattive in istituzioni e mercati ridisegnati per equità e resilienza. Fino ad allora, l’intelligenza artificiale continuerà a essere descritta contemporaneamente come fonte inesauribile di crescita e come motore di disuguaglianza, mentre la realtà pragmatica delle decisioni pubbliche procederà con la lentezza della politica e la rapidità dei capitali.