Chi osserva il mercato dell’intelligenza artificiale con l’occhio ingenuo dell’utente medio vede chatbot, demo eleganti e CEO in dolcevita nero… che promettono “co-pilot cognitivi”. Chi invece ha passato decenni dentro data center, consigli di amministrazione e guerre industriali riconosce immediatamente un’altra dinamica, molto più antica e meno romantica: il controllo della capacità computazionale. Non il software. Non il modello. Non la narrativa etica. La potenza elettrica trasformata in inferenza. Il watt convertito in dominio geopolitico.
Autore: Dina Pagina 1 di 64
Direttore senior IT noto per migliorare le prestazioni, contrastare sfide complesse e guidare il successo e la crescita aziendale attraverso leadership tecnologica, implementazione digitale, soluzioni innovative ed eccellenza operativa.
Apprezzo le citazioni, ma il narcisismo dilaga proprio quando ci si nasconde dietro frasi altrui. Preferisco lasciare che siano le idee a parlare, non il mio nome.
Con oltre 20 anni di esperienza nella Ricerca & Sviluppo e nella gestione di progetti di crescita, vanto una solida storia di successo nella progettazione ed esecuzione di strategie di trasformazione basate su dati e piani di cambiamento culturale.
La porta laterale del Palazzo Apostolico si è chiusa poco dopo mezzogiorno. Due SUV scuri hanno attraversato lentamente il cortile interno del Vaticano, seguiti da agenti in abito blu e auricolari trasparenti. Fuori, in Piazza San Pietro, il caldo di Maggio si mescolava alle sirene lontane e al rumore secco delle transenne spostate dalla polizia italiana.
Marco Rubio è rimasto dentro per due ore e mezza. Più del previsto.
Le fotografie diffuse dal Vaticano mostrano pochi dettagli. Una stretta di mano. Il tavolo di legno lucido. Papa Leone seduto dietro la scrivania ufficiale, il busto leggermente inclinato in avanti. Rubio di fronte, schiena rigida, cartellina nera appoggiata sulle ginocchia. Niente sorrisi larghi. Nessun gesto teatrale. La diplomazia, quando diventa delicata, tende a ridurre il linguaggio del corpo all’essenziale.
Nel capitalismo tecnologico contemporaneo esiste una regola non scritta, brutale nella sua semplicità: quando una società AI inizia ad affittare GPU agli altri, invece di consumarle disperatamente per addestrare i propri modelli, significa che qualcosa non sta andando secondo il copione. Oppure, più precisamente, che il mercato non sta rispondendo con l’entusiasmo messianico previsto nei pitch deck. La notizia che l’unità xAI di Elon Musk abbia stretto accordi per fornire capacità computazionale ad Anthropic e Cursor ha provocato, nei corridoi della Silicon Valley, una quantità notevole di sorrisi trattenuti e sarcasmo sottovoce. Perché il problema non è l’accordo in sé. Il problema è ciò che implicitamente suggerisce.
Annuncio : https://x.ai/news/anthropic-compute-partnership?utm_campaign=article_email&utm_content=article-17046&utm_medium=email&utm_source=sg
Ted Turner, il leggendario fondatore della CNN e pioniere dei media, è deceduto mercoledì 6 maggio 2026 all’età di 87 anni. Il motto “Lead, follow, or get out of the way” (Guida, segui o togliti di mezzo), era esposto in un cartello sulla sua scrivania e riassumeva perfettamente la sua filosofia di vita e il suo approccio rivoluzionario al business e al giornalismo.
La maggior parte dei manifesti aziendali finisce nel dimenticatoio digitale con la stessa rapidità con cui viene pubblicata, inghiottita da un ecosistema informativo saturo e distratto; quando invece un thread di 22 punti pubblicato su X da Palantir supera i 35 milioni di visualizzazioni, il fenomeno merita più di un’alzata di sopracciglio. Non tanto per il contenuto, che si muove lungo coordinate ideologiche piuttosto esplicite, quanto per la strategia sottostante, che appare meno come un esercizio di comunicazione e più come un dispositivo deliberato di posizionamento competitivo.
L’assegnazione della gara Consip da 150 milioni di euro a Fastweb per l’erogazione di servizi basati su AWS nella pubblica amministrazione italiana non è una semplice notizia di procurement; è un segnale strutturale, quasi un leak involontario, di come l’Italia stia interpretando il concetto di sovranità digitale nel momento in cui diventa economicamente rilevante. La narrativa ufficiale parla di efficienza, scalabilità, modernizzazione. Quella implicita, molto meno rassicurante, racconta invece una dipendenza sistemica da infrastrutture che rispondono a giurisdizioni esterne, con tutte le implicazioni che questo comporta. Il punto non è tecnologico. Il punto è giuridico, politico e, in ultima analisi, strategico.
La politica internazionale, quando si avvicina al sacro, tende a perdere precisione e guadagnare teatralità; un fenomeno antico quanto l’Impero Romano, ma oggi amplificato da algoritmi, social media e da una nuova forma di storytelling politico che assomiglia sempre più a un sistema operativo. Il recente scontro tra Donald Trump e Pope Leo non è soltanto una divergenza diplomatica su Iran o immigrazione; è un caso da manuale di come la narrazione, più che la realtà, stia diventando il vero campo di battaglia geopolitico.
Il dibattito contemporaneo sulla coscienza artificiale ha assunto una forma sempre più curiosa, quasi schizofrenica, in cui filosofi improvvisati da internet, ricercatori di machine learning e vecchi darwinisti riemersi dai loro archivi intellettuali si ritrovano a discutere dello stesso oggetto con linguaggi incompatibili. La scintilla recente è stata riaccesa da una riflessione attribuita a Richard Dawkins, che riprende il vecchio test di valutazione della mente artificiale, evocando implicitamente il fantasma del comportamento come criterio sufficiente per attribuire o negare la coscienza. Il problema, naturalmente, non è nuovo, ma cambia maschera ogni volta che la tecnologia migliora abbastanza da rendere plausibile ciò che prima era fantascienza.
Il mio amico Francesco, che di solito si preoccupa con precisione quasi svizzera quando il mercato decide di comportarsi come una creatura isterica, osservava i suoi grafici con un misto di fascinazione e sospetto. Palantir Technologies sembrava aver trovato una sorta di gravità alternativa rispetto al resto del software enterprise, come se il settore stesse lentamente collassando attorno a un unico campo di attrazione. La domanda non era più se l’intelligenza artificiale avrebbe trasformato il software aziendale, ma se lo avesse già cannibalizzato in favore di un singolo attore che promette di essere contemporaneamente infrastruttura, applicazione e narrativa geopolitica.
Episodio II
Il confronto legale tra Elon Musk e OpenAI sta assumendo i contorni di qualcosa di più interessante di una semplice disputa societaria. Non è solo una causa. È una radiografia, imperfetta ma rivelatrice, delle tensioni strutturali che attraversano l’industria dell’intelligenza artificiale. Una di quelle rare occasioni in cui le email, i finanziamenti incrociati e le mezze verità raccontano più dei white paper.
Greg Brockman, sul banco dei testimoni, non offre lo spettacolo teatrale che Musk ha ormai perfezionato negli anni. Il suo stile è diverso, quasi chirurgico nella cautela. Le sue risposte, costellate di formule come “non lo caratterizzerei così” o “non sono sicuro che lo direi in questo modo”, riflettono una strategia difensiva tipica di chi conosce bene il valore delle sfumature in un contesto legale. Non c’è aggressività, ma una costante erosione delle narrazioni altrui. È una danza semantica che dice molto su come si governa oggi una delle organizzazioni più influenti del pianeta.
Nell’offerta sempre più affollata dell’arte digitale, dove ogni startup culturale si autodefinisce “disruptive” con la stessa leggerezza con cui una slide di venture capital promette ritorni impossibili, iniziative come Luminexence riescono ancora a produrre un cortocircuito interessante tra estetica, tecnologia e mercato. Non perché siano radicalmente nuove, ma perché intercettano un punto preciso di maturazione culturale: il momento in cui l’intelligenza artificiale smette di essere uno strumento e diventa un linguaggio. E come ogni linguaggio, inevitabilmente, ridefinisce chi lo usa e cosa può dire.
Il mito fondativo dell’intelligenza artificiale contemporanea è stato venduto con una semplicità quasi infantile: più dati, più modelli, più intelligenza. Una narrazione lineare, rassicurante, quasi newtoniana nella sua prevedibilità. Poi arriva il conto e il conto, come spesso accade nella tecnologia, non è cognitivo ma fisico, non è algoritmico ma energetico, non è teorico ma brutalmente economico. La vicenda recente di Anthropic e del suo Claude Opus 4.7 non è un’anomalia, è una finestra aperta su una verità che molti nel settore conoscono ma pochi dichiarano apertamente: l’AI non è limitata dall’intelligenza, è limitata dal compute, il compute, a differenza del marketing, non scala con le slide.
Il dibattito sull’intelligenza artificiale tende a oscillare tra due estremi: l’ingenuità quasi infantile di chi crede che i modelli siano oracoli neutri e l’isteria complottista di chi immagina pulsanti segreti capaci di riscrivere la realtà. La verità, come spesso accade, è più cinica e meno spettacolare. Il caso recente che coinvolge Brad Parscale, già architetto digitale delle campagne di Donald Trump, e il governo israeliano, raccontato da Axios, offre una finestra rara su ciò che sta realmente accadendo: non la manipolazione diretta dei modelli AI, ma l’ingegnerizzazione sistematica dell’ambiente informativo da cui questi modelli apprendono e da cui estraggono risposte.
Il più grande errore nella strategia globale sull’AI è fraintendere l’intento regolatorio della Cina
Il più grande errore che vedo oggi nelle boardroom occidentali, nei ministeri europei e persino in molti report di consulenza ben impaginati, è semplice quanto costoso: si continua a interpretare la strategia cinese sull’intelligenza artificiale come una questione prevalentemente ideologica. Si cercano segnali politici, slogan di partito, posture geopolitiche, mentre il vero movimento si svolge altrove, in una zona meno rumorosa e molto più pericolosa per chi la ignora: l’infrastruttura regolatoria operativa. In altre parole, molti osservano il teatro e non il cantiere.
Il mercato del petrolio ama raccontarsi come razionale, ma resta una macchina emotiva con Bloomberg aperto su tre schermi. L’uscita degli Emirati Arabi Uniti da Opec, con efficacia dal primo maggio, non è soltanto una notizia energetica: è un segnale geopolitico, industriale e psicologico. Quando uno dei produttori più efficienti, liquidi e strategicamente ambiziosi del Golfo decide di sottrarsi alla disciplina del cartello, il messaggio implicito è semplice: il futuro non premia più la pazienza collettiva, premia la velocità individuale.
L’immaginario corrente dell’intelligenza artificiale è dominato da fotografie di giga datacenter nel deserto, rendering pieni di led blu, turbine che sembrano uscite da un film di fantascienza e bilanci trimestrali dove i margini di NVIDIA Corporation assomigliano più a quelli del lusso che a quelli dell’hardware. Il racconto è semplice, troppo semplice: chi possiede GPU possiede il futuro, come ci spiega Stefano Quintarelli sul suo blog. È una narrativa potente, lineare, vendibile agli investitori e adorata da chi confonde la scala industriale con il vantaggio permanente.
Il problema è che spesso il mercato scambia il fossato competitivo con il castello di sabbia.
Per anni il pubblico ha creduto che Coachella Valley Music and Arts Festival fosse un festival musicale. È una lettura romantica, quasi vintage, simile a chi pensa che le banche custodiscano soldi invece di vendere margini, o che i social network servano a connettere persone invece di monetizzare attenzione. Coachella oggi è altro: un gigantesco laboratorio commerciale dove musica, tecnologia, moda, dati e desiderio collettivo vengono impacchettati sotto il sole del deserto californiano e rivenduti come esperienza premium. La novità del 2026, l’alleanza con Google DeepMind, non sorprende affatto. Era inevitabile. Quando un marchio vive di hype, prima o poi incontra l’intelligenza artificiale.
The Abstraction Fallacy: Why AI Can Simulate But Not Instantiate Consciousness
Da anni il settore tecnologico ha venduto una narrazione elegante, redditizia e perfino cinematografica: aumentiamo i parametri, moltiplichiamo il calcolo, colleghiamo qualche sensore al modello, e prima o poi da qualche rack climatizzato emergerà la coscienza. Una scintilla. Un sé. Magari anche un avvocato specializzato in diritti digitali. È una storia perfetta per raccogliere capitali, giustificare valutazioni stellari e produrre conferenze piene di slide blu elettrico. Peccato che potrebbe essere concettualmente sbagliata.
Per mesi in Occidente si è raccontata una favola rassicurante: senza GPU americane di frontiera, la Cina avrebbe rallentato fino quasi a fermarsi. Una narrativa elegante, utile ai mercati e comoda ai policymaker. Poi arriva DeepSeek V4, Huawei annuncia l’adattamento “day zero” dei nuovi Ascend 950PR e 950DT, Tencent apre la distribuzione cloud, altri player domestici si allineano, e la favola inizia a sembrare ciò che spesso è: marketing geopolitico travestito da analisi tecnica.
Il punto non è soltanto che un nuovo modello cinese sia competitivo. Il punto vero, più scomodo, è che si sta consolidando un ecosistema completo: modello, chip, runtime, cloud, supply chain, distribuzione enterprise. Questo cambia tutto. Nel software, il prodotto vince quando smette di essere una demo e diventa infrastruttura. Qui siamo esattamente in quel passaggio.
La narrativa dominante nel settore dell’intelligenza artificiale continua a oscillare tra ottimismo ingegneristico e una certa forma di autoillusione collettiva, quella che porta a credere che basti “ripulire i dati” per costruire sistemi affidabili. È una convinzione rassicurante, facile da vendere nei board e nelle slide degli investitori, ma sempre più distante dalla realtà empirica. Il lavoro di Draganov et al. del 2026 introduce un concetto che merita di essere preso sul serio, non perché sia sorprendente, ma perché conferma ciò che molti sospettavano da tempo: il modello non apprende solo dai dati, ma dall’ombra statistica che i dati lasciano dietro di sé.
Nel momento in cui Palantir Technologies pubblica un manifesto in ventidue punti, il dibattito si polarizza con una prevedibilità quasi noiosa; da un lato l’accusa di autoritarismo, dall’altro la difesa tecnocratica della necessità. Entrambe le letture sono vere e, allo stesso tempo, irrilevanti. Il problema non è morale, è strutturale. Il documento non è una policy aziendale, né un’operazione di marketing, ma un artefatto culturale molto più antico, travestito da codice. Chi lo legge come un white paper perde il punto, chi lo legge come propaganda lo sfiora appena. La forma stessa tradisce la sostanza: ventidue punti non sono una scelta casuale, sono una dichiarazione simbolica, un gesto che richiama architetture di senso che precedono di millenni qualsiasi stack tecnologico.
Chiunque abbia passato gli ultimi quindici anni a costruire architetture software sa riconoscere quel momento preciso in cui una curva tecnologica smette di essere una promessa e diventa una minaccia sistemica. Non un’evoluzione incrementale, non un miglioramento lineare, ma un collasso improvviso delle barriere d’ingresso. Kimi K2.6 si inserisce esattamente in questo punto della storia, con la grazia di un elefante in una cristalleria e la brutalità economica di un dumping strategico.
NIST e Claude Mythos, la guerra silenziosa tra Pentagono, Silicon Valley e l’illusione del controllo
Mi diverte, è quasi shakespeariano, il fatto che la National Security Agency stia eseguendo in silenzio un modello sperimentale di Anthropic all’interno delle proprie reti classificate mentre il Dipartimento della Difesa degli Stati Uniti, la stessa struttura di cui l’NSA è parte, combatte quella stessa azienda in tribunale federale e la etichetta come rischio per la supply chain. Se questa non è schizofrenia istituzionale, è quantomeno un eccellente esempio di come la geopolitica dell’intelligenza artificiale stia scivolando in una zona grigia dove coerenza e strategia sono optional.
Il dibattito contemporaneo sull’intelligenza artificiale ha una curiosa tendenza a oscillare tra due poli opposti e ugualmente ingenui; da un lato l’entusiasmo quasi religioso per una tecnologia che promette di riscrivere le regole della cognizione umana, dall’altro una nostalgia vagamente luddista per un passato analogico che, a ben vedere, non è mai esistito davvero. In questo scenario, il concetto di “sé digitale” emerge come una delle poche categorie in grado di sottrarsi alla banalità del dibattito pubblico, perché costringe a spostare la domanda dal “cosa fa l’AI” al più scomodo “cosa sta facendo a noi”. Non è una questione di strumenti, ma di trasformazioni ontologiche; non riguarda l’efficienza, ma la natura stessa dell’esperienza.
Quattro principi contro il caos algoritmico: perché la disciplina batte l’intelligenza artificiale
La retorica dominante sull’intelligenza artificiale racconta una storia seducente e pericolosa allo stesso tempo, una narrazione in cui modelli linguistici sempre più sofisticati sembrano in grado di sostituire il pensiero ingegneristico con una sorta di intuizione statistica su larga scala, quasi una magia computazionale travestita da competenza. Il problema è che la magia, nei sistemi complessi, tende a rompersi nei momenti peggiori. Quattro principi operativi emergono allora non come linee guida opzionali, ma come una forma di igiene mentale necessaria per evitare che l’output generato diventi una sofisticata forma di errore plausibile, elegante ma sbagliato. Chi ha costruito sistemi reali sa che la differenza tra software funzionante e software credibile ma fallimentare non è nell’intelligenza, ma nella disciplina.
Nel dibattito sull’EU AI Act si è consumata una curiosa distorsione cognitiva, quasi un riflesso condizionato della Silicon Valley travestito da compliance europea. Tutti guardano ai produttori, agli sviluppatori, ai vendor di modelli fondativi; pochi, troppo pochi, si accorgono che la vera responsabilità operativa, quella che genera rischio legale, reputazionale e persino strategico, si sposta silenziosamente verso chi l’AI la usa davvero. Non chi la costruisce, ma chi la mette in produzione.
Il video che circola, quello in cui Claude sembra articolare un discorso quasi “cosciente”, è affascinante nella misura in cui è ambiguo. Non tanto per ciò che dice, ma per ciò che induce a pensare. Il punto non è se l’AI stia diventando autonoma, ma se noi stiamo diventando creduloni in modo sistemico. La differenza è sottile e pericolosa, come spesso accade quando la tecnologia incontra la narrativa.
“The belief that ‘randomness is some kind of real property existing in Nature is a form of the mind projection fallacy which says, in effect, ‘I don’t know the detailed causes – therefore – Nature does not know them.”
La tentazione di leggere l’entanglement quantistico come una forma sofisticata di causalità nascosta è, in fondo, il riflesso più umano possibile di fronte a un universo che sembra divertirsi a sabotare il nostro bisogno di ordine. Si misura una particella e si “sa” immediatamente qualcosa della sua gemella, anche a distanze cosmiche; la mente manageriale, quella abituata a KPI, catene causali e accountability, conclude che deve esserci un protocollo, un’infrastruttura invisibile, una rete di comunicazione non documentata. Il problema è che questa intuizione, per quanto elegante, è quasi certamente sbagliata. Non perché sia ingenua, ma perché applica un paradigma classico a un dominio che lo ha già archiviato come legacy system.
Photo: @realDonaldTrump via Truth Social
La scena è quasi surreale, e proprio per questo perfettamente coerente con lo spirito del tempo: da un lato Papa Leone XIV, che parla di pace, dialogo e limiti morali della violenza; dall’altro Donald Trump, che risponde con un linguaggio da campagna elettorale permanente, mescolando teologia, deterrenza nucleare e una certa estetica messianica degna di un algoritmo generativo troppo zelante. In mezzo, come sempre, il mondo reale: guerre, negoziati fragili e una crescente confusione tra religione, propaganda e strategia.
Non è una questione di talento, né di capitale, e nemmeno di tecnologia. È una questione di domanda. L’Europa continua a comportarsi come se l’intelligenza artificiale fosse un problema regolatorio da contenere, mentre il resto del mondo la tratta per ciò che è diventata: un’infrastruttura economica primaria, una commodity sofisticata, una forma di energia computazionale che si compra, si vende e soprattutto si consuma. Il risultato è una distorsione quasi grottesca, in cui aziende perfettamente allineate ai principi europei finiscono per servire clienti extraeuropei, mentre il mercato domestico resta un deserto amministrativo, più attento al compliance checklist che alla creazione di valore.
Il caso di una società con base a Frosinone, Seeweb dotata di datacenter, GPU e una piattaforma di inference costruita secondo i dettami più ortodossi del GDPR, del DNSH e persino del sempre evocato zero data retention, non è un’anomalia. È un sintomo. Quando un’infrastruttura che incarna perfettamente il modello europeo viene ignorata dalla pubblica amministrazione europea, mentre trova trazione fuori dai confini, il problema non è di offerta. È di sistema. Più precisamente, è di assenza strutturale di domanda qualificata.
Ogni tanto, nel rumore di fondo dell’hype sull’intelligenza artificiale, emerge un segnale che non è marketing, non è storytelling da keynote, non è l’ennesima slide con curve esponenziali. È ricerca vera. Il tipo di lavoro che non promette di “cambiare il mondo” in 48 ore, ma che, silenziosamente, cambia il modo in cui comprendiamo ciò che le macchine stanno realmente facendo. L’accettazione di un paper alla ACL 2026 Main Conference, uno degli snodi più selettivi e influenti nel campo del Natural Language Processing, non è solo una medaglia accademica; è un indicatore anticipatore di direzione. In questo caso, la direzione è chiara: smettere di fidarsi ciecamente delle metriche aggregate e iniziare a guardare dentro la semantica.
L’intelligenza artificiale non è nata nel 2023, ma il potere sì
C’è qualcosa di magnetico nell’entrare in America dentro, come se si attraversasse una soglia invisibile tra narrazione e realtà strategica. Massimo Gaggi e Tamara Jaderjic non si limitano a raccontare gli Stati Uniti; li dissezionano con la precisione di chi ne conosce i gangli profondi, restituendo al lettore l’energia contraddittoria di un Paese che continua a reinventarsi mentre il resto del mondo cerca ancora di capirlo.
Fin dalle prime righe si avverte una tensione viva, quasi elettrica: l’America non è uno sfondo, ma un sistema operativo globale, un luogo dove politica, tecnologia e potere si fondono in tempo reale. Ed è proprio questa sensazione, più che qualsiasi tesi esplicita, a rendere l’introduzione irresistibile: la percezione netta di essere dentro il centro del cambiamento, non a osservarlo da lontano.
L’errore più interessante della narrativa contemporanea sull’intelligenza artificiale, scrivono, non è tecnico, ma antropologico. Si continua a raccontare il 2023 come anno zero, una sorta di illuminazione collettiva, quasi una Pentecoste digitale in cui milioni di utenti scoprono improvvisamente che le macchine possono scrivere, ragionare, persino simulare empatia. In realtà, ciò che nasce nel 2023 non è l’intelligenza artificiale, bensì la sua percezione di massa; e come ogni fenomeno percepito tardi, arriva già carico di conseguenze che pochi comprendono davvero.
Nel momento in cui si pronuncia il nome di Dario Guarascio, si entra in una zona grigia della riflessione economica contemporanea dove le categorie classiche sembrano improvvisamente obsolete, quasi folkloristiche. Il suo lavoro sull’imperialismo digitale non è soltanto un esercizio accademico ma una radiografia chirurgica del capitalismo contemporaneo, una di quelle analisi che disturbano perché funzionano. L’idea è semplice, quasi brutale nella sua linearità: il potere non si limita più a controllare territori o risorse fisiche, ma si insinua nei flussi di dati, nei protocolli software, nelle infrastrutture invisibili che regolano la nostra quotidianità. Non è un caso che le nuove rotte imperiali non passino più per il Canale di Suez ma per i data center distribuiti tra California, Virginia e qualche enclave strategica nel Nord Europa.
Nelle sale riunioni illuminate da slide perfette e previsioni di crescita a doppia cifra, si continua a raccontare una favola piuttosto elegante: che i modelli di intelligenza artificiale siano asset difendibili, scalabili e, soprattutto, proprietari. Poi arriva la realtà, meno teatrale ma decisamente più costosa, e ricorda a tutti che ciò che può essere interrogato può essere studiato, e ciò che può essere studiato può essere replicato. Il mito del moat algoritmico, tanto caro alla Silicon Valley, inizia a mostrare crepe che non sono più teoriche ma empiricamente dimostrate.
Esiste una narrativa persistente nella Silicon Valley, una di quelle che si autoalimenta tra keynote, thread su X e repository GitHub pieni di promesse implicite, secondo cui l’automazione dello sviluppo software sarebbe ormai una commodity. Scrivi un prompt, premi invio, e il codice appare. Funzionante, elegante, production-ready. Una favola moderna, con meno draghi e più token. La realtà, come spesso accade quando si entra nel dettaglio operativo, è leggermente meno poetica e decisamente più costosa.
Chiunque abbia provato a usare sistemi come Claude Code in modo serio, non per demo ma per consegnare software reale, si è scontrato con una verità che raramente viene detta ad alta voce: l’intelligenza del modello conta meno dell’ambiente in cui lo si inserisce. Non è una questione di capacità, ma di contesto. Un agente senza struttura è un brillante improvvisatore con memoria corta e una pericolosa tendenza a inventare dettagli plausibili. In altre parole, un junior molto veloce con una fiducia eccessiva nelle proprie allucinazioni.
Il mercato dell’intelligenza artificiale vive oggi una condizione curiosa, quasi teatrale, in cui la quantità di capitale investito cresce in modo esponenziale mentre la comprensione reale dei sistemi sviluppati sembra seguire una traiettoria opposta; una dinamica che ricorda più le bolle speculative del XIX secolo che una rivoluzione tecnologica matura. Si osserva una narrativa dominante, alimentata da venture capital e grandi piattaforme, che promette produttività illimitata, automazione cognitiva e una nuova era di abbondanza digitale, ma sotto la superficie si intravede un sistema industriale costruito su fondamenta ancora sorprendentemente fragili.
Il paradosso è evidente: le aziende spendono miliardi per addestrare modelli che, nella sostanza, restano opachi anche ai loro creatori. Non si tratta più solo di un problema accademico legato alla interpretabilità dei modelli neurali, ma di una questione strategica, quasi geopolitica, che coinvolge supply chain, energia, sicurezza nazionale e, inevitabilmente, potere economico. Chi controlla l’infrastruttura AI non controlla semplicemente un prodotto, ma una leva sistemica, una piattaforma capace di riscrivere interi settori industriali.
L’architettura invisibile degli agenti ai: perché il vero vantaggio competitivo non è il modello ma il sistema che lo contiene
Nel mondo dell’intelligenza artificiale, dove ogni rilascio è coreografato come un lancio spaziale e ogni commit sembra passare attraverso più livelli di revisione di un trattato internazionale, l’idea che un’intera codebase da 512.000 linee finisca accidentalmente in un registro pubblico ha qualcosa di profondamente rivelatore, quasi più del contenuto stesso del codice. Non è solo un errore. È una crepa. E come tutte le crepe nei sistemi complessi, non si limita a esporre una vulnerabilità tecnica; mostra la struttura portante.
Il caso di Anthropic e del suo Claude Code non è semplicemente un incidente di sicurezza o un aneddoto da sviluppatori curiosi che scavano su GitHub come archeologi digitali. È una dimostrazione empirica di come si costruisce davvero un prodotto AI competitivo nel 2026. Non con il modello. Non con il marketing. Ma con ciò che, brutalmente, potremmo definire plumbing. Infrastruttura invisibile. Ingegneria dello stato. Gestione ossessiva del contesto.
Il fatto che l’intero codice sia stato mirrorato nel giro di trenta minuti racconta un’altra verità meno romantica e più darwiniana: nell’economia del software contemporaneo, il tempo di esposizione è irrilevante. Una volta che qualcosa è pubblico, è eterno. La velocità con cui migliaia di sviluppatori hanno iniziato a “carteggiare” il codice non è solo entusiasmo tecnico; è fame di vantaggio competitivo. Ogni riga è potenzialmente una scorciatoia. Ogni pattern è un asset riutilizzabile. Silicon Valley ama parlare di innovazione, ma sotto la superficie funziona ancora come un mercato rinascimentale, dove le botteghe osservano, copiano, migliorano.
La fuga silenziosa di claude code e l’illusione del controllo nell’era degli agenti autonomi
Giornate strane nell’intelligenza artificiale non sono più un’anomalia; sono diventate la baseline operativa di un settore che ha smesso da tempo di distinguere tra esperimento e produzione, tra laboratorio e mercato. Il caso della pubblicazione accidentale della source map da quasi 60 megabyte di Claude Code versione 2.1.88 non è solo un incidente tecnico, è una radiografia involontaria dello stato reale dell’industria. E come spesso accade, la realtà è più avanzata, più disordinata e decisamente meno rassicurante della narrativa ufficiale.
Una source map non è, in teoria, materiale strategico. È uno strumento di debugging, un ponte tra codice offuscato e logica leggibile. Ma quando quella mappa contiene l’equivalente di un’intera architettura operativa, con feature già implementate e semplicemente disattivate tramite flag, allora smette di essere un dettaglio tecnico e diventa un leak sistemico. Non è tanto ciò che è stato scoperto a sorprendere, quanto il fatto che fosse già tutto lì, impacchettato, distribuito, solo nascosto dietro una condizione booleana.
Nella penombra di un ristorante vicino a Piazza Barberini, tra un calice distratto e conversazioni che oscillano tra geopolitica e venture capital, emerge una frase che merita più attenzione di quanto sembri: Attenzione alla pressione: stiamo salendo troppo in fretta. Non è retorica. È la sintesi perfetta di ciò che sta accadendo nei mercati finanziari globali, dove l’attesa per la possibile IPO di SpaceX ha trasformato un evento ordinario in una narrazione quasi messianica, con numeri che sfiorano l’assurdo e aspettative che ricordano più il 2021 che il 2026.
Il dato che circola, quei 75 miliardi di dollari potenzialmente raccolti in un’unica offerta, non è semplicemente “grande”. È sistemico. È una cifra che da sola eguaglia quasi l’intero mercato delle IPO statunitensi dello scorso anno. In un contesto in cui il capitale non è più gratuito e il denaro ha riacquistato un prezzo, questo tipo di ambizione ha un sapore ambiguo, tra genialità strategica e hubris finanziaria. La domanda non è più se SpaceX possa raccogliere quei fondi, ma se il mercato abbia ancora la capacità psicologica di assorbirli senza collassare sotto il peso delle aspettative.
Esiste sempre un momento, nella traiettoria di ogni tecnologia emergente, in cui l’entusiasmo supera la prudenza; OpenClaw si trova esattamente in quel punto di rottura. Non è la prima volta che accade, e chi ha attraversato almeno tre cicli tecnologici sa riconoscere il pattern con una certa malinconia professionale. Prima arrivano gli sviluppatori, poi arrivano i prototipi, poi improvvisamente arrivano gli acquisti compulsivi di hardware, e infine arriva la realtà, che di solito si presenta sotto forma di incidente, perdita di dati o audit fallito. La corsa ai Mac Mini per eseguire agenti autonomi in locale non è un’anomalia, è un sintomo. Il sintomo di un’industria che confonde velocità con maturità.
OpenClaw rappresenta una soglia psicologica prima ancora che tecnologica. Non introduce semplicemente un nuovo framework, introduce una nuova narrativa operativa: quella dell’agente autonomo che lavora per noi, senza supervisione continua, senza script rigidi, senza determinismo. Una promessa seducente, quasi letteraria, che ricorda più la fantascienza anni Settanta che l’ingegneria del software moderna. Il problema, come spesso accade, non è ciò che la tecnologia può fare, ma ciò che le aziende credono che possa fare senza conseguenze.