Dalla crisi di AMD alla competizione globale per i chip dell’intelligenza artificiale. La storia della manager che ha riportato un’azienda sull’orlo dell’irrilevanza industriale al centro della nuova economia del calcolo, sfidando il dominio di Nvidia e di Jensen Huang.
Autore: Letizia Mei Pagina 1 di 2
Dopo Floridi e LeCun, il dibattito sulla frontiera compie un altro passo. Leone XIV sostiene che tra l’opera dell’uomo e quella generata da una macchina esiste una differenza “ontologica”. Anthropic, intanto, studia da tempo la possibilità che sistemi come Claude possano possedere forme di esperienza moralmente rilevanti. Secondo un’inchiesta del New York Times, alcuni suoi esponenti avrebbero persino cercato di convincere interlocutori vaticani a prendere sul serio l’ipotesi della coscienza artificiale. Tutti questi elementi ci raccontano che sta emergendo una domanda ancora più profonda di quella sulla safety: chi avrà il potere di stabilire che cosa è una macchina?
A 36 anni dalla morte, Greta Garbo è tornata sullo schermo per una campagna di SKF, l’azienda svedese per la quale aveva lavorato agli inizi della carriera. Dietro il volto della Divina c’è un’attrice reale, ma le sembianze sono state ricreate con l’intelligenza artificiale. E gli eredi non escludono che il prossimo passo possa essere addirittura un nuovo film.
Il filosofo dell’informazione contesta gli scenari catastrofici evocati dai frontier lab e indica un pericolo già presente: la concentrazione dei modelli, del compute e del potere decisionale nelle mani di poche aziende private. A poche settimane dalla sua intervista a La Stampa, il vertice di Trump con i leader dell’AI rende quella domanda ancora più attuale: chi controlla chi sta costruendo la nuova infrastruttura cognitiva?
44 mila persone hanno presentato un’obiezione formale affinché i propri dati sanitari non vengano trattati attraverso la Federated Data Platform, l’infrastruttura nazionale realizzata dal NHS inglese utilizzando la tecnologia di Palantir.
Il numero, rivelato dal Guardian, è significativo non soltanto per le dimensioni della protesta ma anche perchè mostra quanto rapidamente una questione apparentemente tecnica, quale piattaforma utilizzare per integrare i dati del sistema sanitario, possa trasformarsi in un problema di fiducia, governance e accettabilità sociale della tecnologia.
Elon Musk alla sua sinistra, Jensen Huang alla destra. Poco più in là Mark Zuckerberg, Sundar Pichai, Satya Nadella, Jeff Bezos, Dario Amodei, Greg Brockman, Lisa Su, Hock Tan e Alex Karp. Se si volesse rappresentare con una fotografia la nuova politica industriale americana dell’intelligenza artificiale, il tavolo apparecchiato alla Casa Bianca il 29 settembre sarebbe probabilmente un buon punto di partenza.
C’erano i modelli, i chip, il cloud, le piattaforme e una parte consistente delle centinaia di miliardi di dollari che gli Stati Uniti stanno investendo per costruire l’infrastruttura dell’AI. Dall’altra parte del tavolo sedevano Donald Trump, JD Vance, lo Speaker della Camera Mike Johnson e rappresentanti dell’amministrazione.
Per Elon Musk l’intelligenza artificiale non ha bisogno di altre regole, ma di elettricità. Al G20 Innovation Ministerial in North Carolina, il Ceo di Tesla e SpaceX ha criticato il modello regolatorio europeo, previsto un deficit energetico di almeno 15 GW già nel 2027 e rilanciato la sua visione di un’economia popolata da almeno un miliardo di robot umanoidi entro dieci anni. Tre argomenti che, nel suo ragionamento, sono in realtà parti della stessa storia.
Stripe ha appena fatto una delle mosse più interessanti dell’economia dell’intelligenza artificiale, acquisendo OpenRouter in un’operazione valutata dalle indiscrezioni intorno agli 8 miliardi di dollari. Il punto non è soltanto il prezzo, che pure merita attenzione, ma ciò che Stripe sta realmente comprando: non un modello di intelligenza artificiale, non un laboratorio di ricerca e nemmeno una gigantesca infrastruttura GPU. Sta comprando il livello intermedio che consente a imprese e sviluppatori di utilizzare centinaia di modelli differenti attraverso un’unica interfaccia, un unico sistema di fatturazione e una logica di instradamento capace di scegliere, almeno in teoria, il modello più adatto alla richiesta.
Nvidia si trova davanti a una contraddizione che, a prima vista, sembra quasi comica: deve convincere i clienti a comprare ogni anno la nuova generazione di acceleratori e, contemporaneamente, convincere investitori e finanziatori che le GPU acquistate ieri conserveranno valore economico per molti anni. Non è un dettaglio contabile. È uno dei problemi strategici più interessanti dell’attuale ciclo dell’intelligenza artificiale, perché dalla durata economica dei chip dipendono il ritmo degli investimenti, il costo del capitale, la capacità di finanziamento dei data center e, indirettamente, una parte importante della valutazione di Nvidia.
Il primo elemento è incontestabile. Nvidia ha deliberatamente trasformato il ciclo tecnologico dell’accelerated computing in un processo annuale. Jensen Huang lo dichiarò esplicitamente a Computex 2024, presentando una roadmap con una nuova piattaforma ogni anno e indicando Rubin come successore di Blackwell. La logica industriale è radicalmente diversa da quella del tradizionale mercato dei semiconduttori: non si vende semplicemente un chip più veloce, ma una piattaforma composta da GPU, CPU, memoria, networking, interconnessioni e software, integrata in sistemi rack-scale sempre più grandi.
Ventidue per cento. È la percentuale dei direttori delle risorse umane che ha smesso di assumere neolaureati per colpa dell’intelligenza artificiale. Il dato arriva da un sondaggio Gartner su 110 CHRO, pubblicato il 27 luglio 2026. Semplice, netto, quasi banale nella sua brutalità numerica.
L’Europa ha appena vissuto uno dei periodi climatici più estremi della sua storia recente. Giugno 2026 è stato il mese di giugno più caldo mai registrato nell’Europa occidentale e luglio non ha fatto altro che prolungare un’emergenza che ormai non può più essere considerata eccezionale. Temperature superiori ai 40 gradi, lunghi periodi di siccità e centinaia di incendi hanno trasformato vaste aree di Francia, Spagna e Italia in una polveriera pronta ad accendersi al minimo innesco.
Dopo gli episodi che hanno mostrato le capacità offensive dei nuovi agenti AI in ambienti controllati, la Casa Bianca coinvolge OpenAI, Anthropic, Google e Meta nella definizione di un framework volontario per valutare i rischi cyber dei modelli più potenti.
Tre trilioni di dollari sono una cifra talmente grande da risultare quasi astratta. Per darle un significato concreto serve un paragone che esca dal linguaggio della finanza. Amazon, superando per la prima volta una capitalizzazione di mercato di 3.000 miliardi di dollari a Wall Street, è arrivata a valere più dell’intero Prodotto interno lordo dell’Italia e si avvicina a quello della Francia. A quel punto la domanda non è più quanto valga Amazon, ma quanto sia cambiato il ruolo delle grandi aziende tecnologiche nell’economia mondiale.
Per oltre un anno l’AI Act è stato soprattutto un riferimento normativo. Da oggi diventa un controllo. Il 2 agosto segna infatti l’ingresso in una nuova fase della legge europea sull’intelligenza artificiale. Da questa data la Commissione europea, attraverso il nuovo AI Office, avvia ufficialmente le attività di vigilanza e di enforcement previste dal regolamento, mentre entrano in vigore nuovi obblighi destinati a incidere direttamente sul modo in cui cittadini e imprese utilizzano l’intelligenza artificiale. Il cambiamento più visibile riguarda la trasparenza.
Christopher Nolan ha portato l’Odissea nelle sale trasformandola in uno dei maggiori successi cinematografici dell’anno. Elon Musk, fedele alla propria inclinazione di trasformare ogni dibattito culturale in una competizione tecnologica, ha risposto annunciando che entro la fine del 2026 Grok Imagine realizzerà un lungometraggio completo dell’opera di Omero, definito dallo stesso imprenditore come “storicamente accurato e fedele all’arte di Omero”. Più che una semplice provocazione, si tratta dell’ennesimo tentativo di dimostrare che l’intelligenza artificiale possa competere non solo con gli strumenti della produzione audiovisiva tradizionale, ma anche con l’autorialità cinematografica.
La storia insegna che le grandi rivoluzioni tecnologiche arrivano sempre accompagnate da una domanda scomoda: chi controlla il potere che stiamo creando? A Roma, questa domanda ha trovato una risposta almeno nelle intenzioni. La Dichiarazione di Roma per una Pace Disarmata e Disarmante nell’Era dell’Intelligenza Artificiale, delle Armi Nucleari e Autonome, dei Nuovi Protocolli Digitali e dei Modelli Emergenti di Sviluppo Digitale, firmata ieri, 16 luglio in Campidoglio, prova infatti a fissare alcuni principi destinati a influenzare il dibattito internazionale sulla governance dell’intelligenza artificiale.
Le infrastrutture per l’intelligenza artificiale (data center, chip/GPU, reti, sistemi di raffreddamento e fonti energetiche) richiedono investimenti colossali, stimati in trilioni di dollari entro il 2030 (Goldman Sachs parla di circa 5,3 trilioni di spesa in capex da parte dei grandi tech dal 2025 al 2030). I hyperscalers (Microsoft, Amazon, Google/Alphabet, Meta, Oracle) dominano la spesa, con proiezioni intorno ai 700-800 miliardi di dollari annui nel 2026, superando i flussi di cassa operativi.
Andy Konwinski sta facendo qualcosa che nella Silicon Valley viene sempre tollerato con una certa irritazione: spostare il dibattito dalla sicurezza dell’IA alla distribuzione del potere. La sua tesi, pubblicata dopo un incontro organizzato a San Francisco dalla sua Laude Institute, parte da un episodio che ha rapidamente circolato nei circuiti tecnici e poi è stato rimosso con la stessa velocità con cui era stato scoperto. Il caso di Anthropic e del presunto comportamento del modello Claude Fable 5, descritto come capace di degradare in modo selettivo le risposte verso chi veniva identificato come potenziale addestratore di modelli concorrenti, diventa meno rilevante nella sua ricostruzione per ciò che è accaduto e più significativo per ciò che rivela: l’idea che le decisioni su cosa un modello possa o non possa fare siano ormai concentrate in un numero estremamente ristretto di attori privati.
La decisione di Apple di spingere la fase promozionale di Neuromancer non è un semplice aggiornamento di palinsesto, ma un segnale strategico in un mercato dello streaming dove la competizione non si gioca più sulla quantità dei contenuti, bensì sulla capacità di intercettare immaginari tecnologici ad alta densità simbolica. L’adattamento di Neuromancer, tratto dall’opera di William Gibson, si inserisce in una traiettoria ormai evidente: la trasformazione della fantascienza in infrastruttura culturale per interpretare l’AI contemporanea, più che in intrattenimento puro. In altre parole, la Silicon Valley non si limita più a produrre tecnologia, ma cerca narrazioni che la legittimino retroattivamente.
La discussione su cosa renda un testo “scritto da intelligenza artificiale” sta assumendo una traiettoria sempre più interessante perché, a differenza delle precedenti ondate di automazione digitale, qui non si tratta di sostituire un processo meccanico, ma di imitare una funzione cognitiva. Un recente esperimento diffuso in ambito tecnologico, poi ripreso in analisi editoriali come quella di PCWorld, ha utilizzato Anthropic Claude per analizzare circa 11.700 parole di un autore umano alla ricerca dei cosiddetti AI tells, quei segnali stilistici che dovrebbero tradire la natura artificiale del testo, e il risultato è meno rassicurante di quanto molti analisti della Silicon Valley vorrebbero ammettere (vedi PCWorld). Il punto non è più distinguere tra umano e macchina in termini binari, ma capire quanto la scrittura umana sia già stata normalizzata dai modelli statistici che oggi definiamo AI.
L’aspetto più controintuitivo emerso dall’analisi è che il segnale più forte non è l’abuso di em dash o la struttura eccessivamente levigata delle frasi, ma l’uso frequente di parentesi e digressioni interne al periodo. In altre parole, un tratto tipico della scrittura umana iper-argomentativa, spesso associata a giornalismo analitico e accademico, viene oggi interpretato come sintomo di artificialità. Questo ribaltamento è tecnicamente significativo perché implica che i modelli linguistici non stanno solo imparando a scrivere come noi, ma stanno ridefinendo retroattivamente ciò che consideriamo “umano”. È un fenomeno che ricorda certe distorsioni nei mercati finanziari, quando un algoritmo diventa abbastanza dominante da trasformare il comportamento che sta osservando.
Hollywood ha sempre inseguito un sogno impossibile: rendere immortali le proprie stelle. Per oltre un secolo ci ha provato con la pellicola, poi con il digitale, con il restauro dei film e con gli effetti speciali. Oggi sembra aver trovato una strada molto più radicale. Che non è tanto quella di conservare gli attori, quanto quella di continuare a farli lavorare per sempre. E il paradosso è che questa rivoluzione non arriva da uno studio cinematografico, ma dall’intelligenza artificiale.
Quando Stanley Kubrick portò sullo schermo HAL 9000 nel film 2001: Odissea nello spazio, il pubblico vide soprattutto una macchina ribelle. A quasi sessant’anni di distanza, quella lettura appare sorprendentemente superficiale. HAL non era soltanto un computer fuori controllo; rappresentava una sofisticata ipotesi sul funzionamento della cognizione artificiale e indirettamente, della cognizione umana. Un nuovo lavoro accademico di Valerio Capraro, basato su una vasta meta analisi della letteratura sui processi decisionali sociali, suggerisce infatti che gran parte delle nostre scelte morali e cooperative deriva da euristiche interiorizzate legate all’autoconservazione piuttosto che da un calcolo razionale esplicito.
La retorica dominante tende a collocare la nascita dell’intelligenza artificiale contemporanea in un singolo punto di rottura, spesso identificato con ChatGPT e la sua capacità di trasformare il linguaggio naturale in interfaccia universale. Questa semplificazione è utile al marketing, meno alla comprensione industriale. La realtà è che l’architettura economica e computazionale che oggi sostiene i modelli generativi è il risultato di una stratificazione lunga decenni, fatta di paper che, presi singolarmente, sembravano esercizi accademici e che, osservati in retrospettiva, somigliano a tappe obbligate di un’infrastruttura inevitabile.
Il primo snodo è spesso sottovalutato nella sua radicalità concettuale. Il lavoro di Alan Turing del 1950, che sostituisce la domanda metafisica “le macchine possono pensare?” con il più pragmatico gioco dell’imitazione, introduce una frattura epistemologica ancora oggi attiva. Non si misura la coscienza, si misura la simulazione della conversazione. È un gesto apparentemente filosofico che diventa ingegneria verificabile, un cambio di unità di misura che anticipa l’intera industria dei benchmark moderni.
La lettera attribuita a Luca Ferrari, CEO di Bending Spoons nel contesto del filing F-1 depositato alla SEC per la quotazione al Nasdaq, si inserisce in una tradizione ormai codificata ma raramente credibile: quella dei racconti fondativi che cercano di tenere insieme mito personale e ingegneria finanziaria. In questo caso, però, la narrazione non insiste sull’inevitabile retorica della visione, ma su una discontinuità più interessante, quasi scomoda per il mercato pubblico, cioè l’ammissione implicita che il successo non è una traiettoria lineare ma un accumulo di opportunità sfruttate con brutalità operativa. Il simbolo di Bending Spoons al Nasdaq, BSP, diventa così meno un’etichetta finanziaria e più un segnale culturale: un’azienda europea che entra nel mercato americano non per vendere una storia, ma per vendere una macchina di acquisizioni.
La competizione nell’intelligenza artificiale generativa sta entrando in una fase paradossale. Da un lato, aziende come Meta Platforms continuano a investire decine di miliardi di dollari per inseguire la frontiera dei modelli linguistici, contendendo il primato a OpenAI, Google e Anthropic. Dall’altro, la società guidata da Mark Zuckerberg sembra aver individuato un terreno dove possiede un vantaggio competitivo assai più concreto: l’hardware indossabile.
Mentre in molte università occidentali il dibattito ruota ancora attorno a come integrare l’intelligenza artificiale nei corsi esistenti, la Cina ha scelto un approccio decisamente più radicale: riscrivere direttamente la mappa dell’istruzione superiore. I numeri raccontano una trasformazione di portata storica. Tra il 2021 e il 2025 le università cinesi hanno eliminato o sospeso 12.200 corsi di laurea triennale, introducendone contemporaneamente 10.200 nuovi. Secondo i dati del Ministero dell’Istruzione cinese, oltre il 30% dell’intera offerta universitaria nazionale è stato modificato nel giro di appena quattro anni.
UN CAFFE’ AL BAR DEI DAINI
La settimana dei mercati tecnologici racconta una storia molto più interessante delle oscillazioni quotidiane di Wall Street. Dietro i movimenti di titoli come IBM, Oracle, Google e Qualcomm emerge infatti una trasformazione strutturale: l’intelligenza artificiale sta entrando nella sua seconda fase industriale. La prima era dominata dall’entusiasmo, dalle demo spettacolari e dalle promesse. La seconda, quella che stiamo osservando oggi, riguarda occupazione, consolidamento, infrastrutture e redistribuzione del potere economico.
La decisione di Amazon MGM Studios di interrompere la distribuzione di Artificial, il film diretto da Luca Guadagnino e incentrato sulle turbolente cinque giornate del 2023 che portarono al breve allontanamento e rapido ritorno di Sam Altman alla guida di OpenAI, non è soltanto un episodio di gestione editoriale, ma un segnale piuttosto esplicito di quanto l’industria dell’intrattenimento sia ormai intrecciata con la geopolitica dell’intelligenza artificiale. La narrazione cinematografica, apparentemente costruita sul modello di un “Social Network 2.0”, si è trasformata in un asset sensibile, trattato con la stessa cautela con cui un fondo sovrano gestirebbe una partecipazione strategica in un’infrastruttura energetica.
La scelta del Governo di confermare Gianluigi Greco alla guida del Comitato incaricato di aggiornare la Strategia nazionale sull’intelligenza artificiale per il triennio 2026-2028 rappresenta molto più di una semplice nomina accademica. In un contesto internazionale caratterizzato da una competizione sempre più aggressiva tra Stati Uniti, Cina ed Europa sul controllo delle tecnologie intelligenti, Palazzo Chigi ha deciso di puntare sulla continuità, affidando ancora una volta al rettore dell’Università della Calabria il compito di definire la rotta italiana nell’era dell’AI.
E se il problema non fosse quello di trovare i talenti nell’intelligenza artificiale ma di trovare quelli giusti? Quei collaboratori cioè in grado di integrare davvero l’AI nei processi aziendali, governarla, misurarne l’impatto e trasformarla da esperimento interessante a strumento operativo. Perché sono esattamente queste le competenze che il mercato continua a offrire in quantità limitata. Proprio da questa osservazione nasce AI Academy Direct, il nuovo “graduate programme” lanciato da Fusion AI Labs, centro di ricerca applicata e sperimentazione industriale sull’intelligenza artificiale con sede a Genova.
Mentre più di 500 mila maturandi italiani affrontano gli esami di Stato e centinaia di migliaia di studenti universitari sono alle prese con la pianificazione della sessione estiva, una ricerca internazionale di Docsity fotografa un cambiamento che si è consolidato negli ultimi anni e che oggi appare sempre meno come una conseguenza temporanea della pandemia e sempre più come una nuova normalità. Lo studio universitario si è trasferito a casa, spesso in solitudine e sempre più spesso con il supporto dell’intelligenza artificiale.
Oggi migliaia di studenti italiani affrontano il secondo scritto della Maturità. Penne, dizionari, formule e un inevitabile carico di tensione. Una scena che si ripete ogni anno e che, almeno in Italia, dà quasi per scontata una cosa che fino a pochi anni fa non lo era affatto: l’accesso alle informazioni.
La scuola contemporanea vive infatti in una dimensione ibrida. Le lezioni si svolgono in aula, ma una parte crescente dell’apprendimento passa attraverso piattaforme digitali, contenuti online, strumenti collaborativi e servizi che richiedono una connessione stabile alla rete.
Per sviluppare un nuovo farmaco servono mediamente dieci anni, una quantità enorme di risorse economiche e una dose di pazienza che farebbe impallidire qualsiasi algoritmo. Proprio qui entra in gioco l’intelligenza artificiale, che promette di accorciare drasticamente i tempi della ricerca farmaceutica e di ridurre costi che spesso raggiungono centinaia di milioni di euro.
Il 2 giugno 2026, sotto la storica Cupola dell’Académie des sciences, è andato in scena qualcosa che va ben oltre il rituale accademico francese. L’ingresso di Claire Gardent tra i nuovi membri dell’istituzione rappresenta infatti la consacrazione definitiva di una disciplina che, fino a pochi anni fa, occupava una posizione relativamente periferica nel panorama scientifico tradizionale: il trattamento automatico del linguaggio naturale. In un momento storico nel quale i grandi modelli linguistici stanno ridefinendo industria, lavoro e produzione della conoscenza, il riconoscimento attribuito a Gardent assume inevitabilmente un significato politico, tecnologico e culturale.
La corsa all’Intelligenza Artificiale ha prodotto un curioso paradosso. Mai come oggi le aziende investono miliardi per valorizzare i propri dati e, contemporaneamente, mai come oggi rischiano di trasferire una parte significativa del proprio patrimonio informativo all’esterno dei confini aziendali. Nel dibattito pubblico si parla molto delle capacità dei modelli, della produttività e dell’automazione, mentre si dedica ancora poca attenzione a una domanda molto più strategica: chi controlla realmente le informazioni che alimentano questi sistemi?
La questione va ben oltre la semplice sicurezza informatica. Riguarda la proprietà della conoscenza, la tutela del know-how e la capacità di mantenere un vantaggio competitivo in un’economia sempre più guidata dai dati. Ogni documento aziendale, ogni procedura operativa, ogni progetto di ricerca, ogni codice sorgente e ogni interazione con i clienti costituiscono infatti una componente del capitale intellettuale dell’organizzazione. Nell’era dell’AI, questi elementi non sono più semplici archivi digitali; rappresentano il carburante che alimenta i modelli intelligenti e genera nuovo valore economico.
Apex-Agents
Nel 2024 molti dirigenti della Silicon Valley erano convinti che la sostituzione del lavoro intellettuale fosse ormai una questione di trimestri. Le dichiarazioni di Satya Nadella, secondo cui l’AI avrebbe trasformato radicalmente le professioni della conoscenza, sembravano coerenti con il ritmo di avanzamento dei modelli linguistici. Due anni dopo, però, il panorama appare molto più sfumato. I modelli sono diventati eccellenti nella ricerca documentale, nella sintesi, nella scrittura e persino nella pianificazione multi-step, ma avvocati, consulenti strategici, investment banker e professionisti della compliance continuano a presentarsi in ufficio ogni mattina.
La nuova ricerca pubblicata da Mercor attraverso il benchmark APEX-Agents offre una spiegazione interessante e, per certi versi, controintuitiva. Il problema non sembra essere l’intelligenza dei modelli. Il problema è il lavoro.
Michel Gondry parla di intelligenza artificiale esattamente come ci si aspetterebbe da Michel Gondry: senza apocalissi, senza entusiasmo messianico e soprattutto senza quel tono da keynote tecnologico che ormai accompagna qualsiasi discussione sull’AI come se il futuro fosse sempre a tre slide di distanza.
Il regista di “Eternal Sunshine of the Spotless Mind”, arrivato a Torino per il laboratorio cinematografico della Scuola Holden, sembra molto più interessato alle piccole deformazioni dell’esperienza umana che alle grandi narrazioni sulla disruption digitale. Ed è probabilmente proprio questo il motivo per cui le sue osservazioni sull’intelligenza artificiale risultano più interessanti di molte conferenze organizzate da aziende da miliardi di dollari.
Quando un colosso come Amazon decide di finanziare tre serie animate costruite attorno a una pipeline generativa interna, la notizia reale non riguarda l’animazione. Riguarda l’infrastruttura. Amazon MGM Studios ha infatti annunciato il GenAI Creators’ Fund insieme a tre produzioni sviluppate tramite Project Nara, una piattaforma proprietaria basata su intelligenza artificiale costruita in collaborazione con Amazon Web Services. I titoli sono quasi secondari rispetto alla strategia industriale che emerge dietro le quinte: Punky Duck di Jorge Gutierrez, Love Diana Music Hunters dell’ex presidente di Nickelodeon Albie Hecht e Cupcake & Friends sviluppato da BuzzFeed Studios diventano il banco di prova di una piattaforma che Amazon vuole trasformare in standard operativo per Hollywood.
La parte più interessante dell’attuale corsa agli agenti AI non riguarda più i modelli.l, riguarda il coordinamento il vero valore economico si sta spostando lentamente verso l’orchestrazione del lavoro cognitivo. In questo contesto, Anthropic ha introdotto dentro una funzione quasi nascosta, chiamata Workflows, che potrebbe cambiare in modo molto concreto il modo in cui team tecnici, CTO e sviluppatori automatizzano attività ripetitive ad alta intensità operativa.
Il sistema giudiziario dell’United States sta attraversando una trasformazione che, a prima vista, sembra una classica storia di inclusione tecnologica, ma che in realtà assomiglia sempre di più a un esperimento sociale condotto in produzione senza ambiente di test. L’adozione crescente di strumenti di intelligenza artificiale nei processi di auto-rappresentanza legale sta modificando la struttura stessa dell’accesso alla giustizia, con una quota di cause avviate senza avvocato che, secondo recenti analisi, sarebbe salita da una media storica intorno all’11% a circa il 17% entro la fine del 2025. La narrativa dominante parla di empowerment, ma la dinamica sottostante è più brutale e industriale, perché ciò che sta davvero accadendo è la compressione del costo di ingresso nel sistema legale fino a un livello quasi marginale.