La critica più interessante all’intelligenza artificiale, oggi, non arriva dagli oppositori della tecnologia, ma da chi ne ha attraversato decenni di evoluzione industriale. Nell’intervista rilasciata a La Stampa, Franco Bernabè disegna uno scenario che va oltre la consueta contrapposizione tra entusiasmo e scetticismo. Chi controllerà il valore generato da questa trasformazione? Chi, invece, finirà semplicemente per finanziarla?
Secondo Bernabè, il mondo sta entrando in una nuova fase di competizione geopolitica nella quale il controllo degli algoritmi assume un ruolo paragonabile a quello che il petrolio ebbe nel Novecento. La nascita di due blocchi internazionali distinti, da una parte l’iniziativa cinese sulla cooperazione globale per l’intelligenza artificiale e dall’altra l’alleanza occidentale guidata dagli Stati Uniti, rappresenta il sintomo di una frammentazione tecnologica destinata ad avere conseguenze economiche profonde. Per l’Europa, sostiene l’ex amministratore delegato di Eni e Telecom Italia, il rischio maggiore non è soltanto restare indietro, ma aderire passivamente a un modello industriale che potrebbe rivelarsi svantaggioso.
La parte più provocatoria dell’intervista riguarda tuttavia il funzionamento stesso del mercato dell’intelligenza artificiale generativa. Bernabè richiama dichiarazioni provenienti dagli stessi protagonisti della Silicon Valley, citando Alex Karp, CEO di Palantir, e Satya Nadella di Microsoft, per sostenere una tesi che negli ultimi mesi sta emergendo con crescente frequenza anche tra analisti e investitori: molte imprese stanno pagando cifre elevate per utilizzare modelli linguistici senza ottenere incrementi di produttività proporzionati agli investimenti. L’effetto spettacolare delle dimostrazioni pubbliche e dei chatbot convince facilmente consigli di amministrazione e dirigenti, ma la misurazione del ritorno economico resta molto più complessa.
Il nodo centrale diventa allora quello dei dati. Secondo Bernabè, le aziende stanno cedendo inconsapevolmente il proprio patrimonio informativo ai grandi fornitori di AI. Ogni documento caricato, ogni procedura aziendale analizzata, ogni archivio utilizzato per alimentare modelli linguistici contribuisce indirettamente al miglioramento delle piattaforme proprietarie. In altre parole, il cliente non paga soltanto il servizio, ma fornisce anche la materia prima necessaria affinché quel servizio diventi ancora più competitivo. È un meccanismo che ricorda, su scala industriale, quanto già avvenuto con i social network, dove gli utenti sono diventati contemporaneamente consumatori e produttori del valore economico della piattaforma.
Naturalmente questa lettura merita alcune precisazioni. I principali fornitori occidentali di AI hanno introdotto negli ultimi anni clausole contrattuali che, nelle versioni enterprise, limitano o escludono l’utilizzo dei dati dei clienti per l’addestramento dei modelli. Esistono inoltre soluzioni dedicate che garantiscono isolamento dei dati, controllo degli accessi e conformità normativa. Il problema evidenziato da Bernabè riguarda quindi soprattutto quelle organizzazioni che adottano strumenti generativi senza una governance adeguata, permettendo ai dipendenti di caricare documentazione sensibile su servizi non progettati per gestire informazioni riservate. In questo senso il rischio esiste davvero, ma dipende molto dalle modalità con cui l’intelligenza artificiale viene implementata.
L’altro elemento destinato a far discutere è il confronto tra Stati Uniti e Cina. Bernabè sostiene che Washington abbia costruito un ecosistema prevalentemente chiuso, mentre Pechino avrebbe favorito la diffusione di modelli open source. Aziende cinesi come DeepSeek, Alibaba con Qwen e Moonshot AI hanno effettivamente contribuito ad accelerare la disponibilità di modelli aperti o con licenze estremamente permissive, modificando gli equilibri competitivi globali. Allo stesso tempo, anche negli Stati Uniti esistono protagonisti dell’open source come Meta con la famiglia Llama, Mistral AI in Europa e numerosi progetti sviluppati dalla comunità open. La vera differenza non è quindi semplicemente tra modelli aperti e chiusi, quanto tra ecosistemi che cercano di costruire piattaforme proprietarie ad alta marginalità e strategie che puntano ad accelerare l’adozione distribuendo liberamente parte della tecnologia.
L’osservazione probabilmente più concreta riguarda le piccole e medie imprese. Il mercato ha raccontato l’AI come una soluzione universale, capace di automatizzare qualsiasi processo semplicemente acquistando un abbonamento mensile. Bernabè ribalta questa narrazione sostenendo che il vero valore nasce soltanto quando il modello viene adattato ai processi interni dell’organizzazione. Questa è una valutazione che trova conferma in numerosi progetti industriali. Le implementazioni che producono i maggiori benefici non sono quelle che utilizzano un chatbot generico, ma quelle che integrano dati aziendali, workflow specifici, sistemi ERP, CRM e basi documentali proprietarie. In altre parole, il software standard genera entusiasmo; l’integrazione genera produttività.
Anche il tema dei costi sta emergendo con maggiore evidenza rispetto ai primi mesi della corsa all’intelligenza artificiale. L’aumento dei consumi di token, l’utilizzo di modelli sempre più complessi e la necessità di elaborare quantità crescenti di dati stanno facendo aumentare significativamente le spese operative di molte aziende. Se all’inizio l’accesso ai modelli sembrava quasi gratuito, oggi molte organizzazioni iniziano a misurare attentamente il rapporto tra costi infrastrutturali e benefici ottenuti. È una dinamica fisiologica in ogni rivoluzione tecnologica: dopo la fase dell’entusiasmo arriva inevitabilmente quella della razionalizzazione degli investimenti.
Bernabè richiama le valutazioni astronomiche delle società tecnologiche come prova di un mercato destinato a correggersi violentemente. La storia insegna che ogni ciclo tecnologico attraversa fasi speculative, come accadde durante la bolla Internet del 2000. Oggi l’intelligenza artificiale produce già ricavi miliardari, viene integrata nei software aziendali, nei motori di ricerca, nella progettazione industriale, nella medicina e nella cybersicurezza. Le valutazioni possono certamente risultare eccessive, anche se l’infrastruttura economica sottostante appare molto più solida rispetto alla stagione delle dot-com.
L’intervista di Franco Bernabè ha il merito di riportare il dibattito su un terreno spesso trascurato. L’intelligenza artificiale non è una questione esclusivamente tecnologica, bensì un tema di sovranità economica, proprietà dei dati, capacità industriale e distribuzione del valore. La domanda che le imprese dovrebbero porsi non è quale modello linguistico utilizzare, ma chi controllerà la conoscenza prodotta, chi beneficerà realmente degli investimenti e quanto capitale intellettuale saranno disposte a cedere in cambio dell’effetto sorpresa generato da una conversazione con un algoritmo. È una domanda meno spettacolare di quelle che dominano le conferenze sull’AI, ma probabilmente molto più importante.