A Wall Street stanno comprando futuro a multipli che fino a pochi anni fa sarebbero stati considerati una forma sofisticata di delirio collettivo. Il debutto di Cerebras Systems non è soltanto un’IPO riuscita; è il segnale che il mercato finanziario globale ha ormai smesso di valutare l’intelligenza artificiale come un settore tecnologico tradizionale e ha iniziato a trattarla come un’infrastruttura geopolitica inevitabile, quasi una commodity strategica paragonabile all’energia o ai semiconduttori militari. Quando un’azienda che prevede circa 800 milioni di dollari di fatturato viene valutata quasi 94 miliardi dopo il primo giorno di contrattazioni, il tema non è più il bilancio. Il tema è la narrativa.
Autore: Redazione Pagina 1 di 123
Qualcosa sta cambiando nel linguaggio della Silicon Valley. Non tanto nei modelli, nei benchmark o nelle demo teatrali costruite per impressionare investitori e giornalisti tecnologici, ormai anestetizzati da grafici colorati e promesse messianiche, ma nel modo in cui le grandi aziende AI iniziano a parlare di potere, sovranità e governance globale. Quando Chris Lehane, vicepresidente per gli affari globali di OpenAI, propone apertamente la creazione di un organismo internazionale per la sicurezza dell’intelligenza artificiale sul modello dell’Agenzia Internazionale per l’Energia Atomica, includendo esplicitamente la Cina, non sta semplicemente avanzando un’idea diplomatica. Sta ridefinendo la categoria stessa dentro cui l’AI deve essere percepita.
La trasformazione più interessante dell’intelligenza artificiale nel 2026 non riguarda i modelli. Riguarda le interfacce. Silicon Valley continua a vendere benchmark, token, reasoning multimodale e promesse di AGI come se fossero futures sul Nasdaq del 1999, mentre le grandi piattaforme stanno combattendo una guerra molto più concreta: chi controllerà il punto d’ingresso delle decisioni umane. Amazon lo ha capito perfettamente. Il rebranding di Rufus dentro Alexa non è un dettaglio di marketing; è un’operazione di consolidamento cognitivo. Una fusione semantica tra assistente vocale, motore di ricerca commerciale e layer conversazionale. In pratica, Amazon sta tentando di trasformare la ricerca e-commerce in un’esperienza continua, invisibile e predittiva.
Il framework SR 11-7 della Federal Reserve ha rappresentato una sorta di costituzione non scritta del model risk management moderno. Nato nel 2011, in un’epoca in cui “modello” significava soprattutto scorecard creditizie, VAR bancari e forecasting statistico relativamente stabile, il documento assumeva implicitamente che i modelli fossero sistemi prevedibili, statici e verificabili con cicli periodici di validazione. Un paradigma quasi rassicurante, figlio di un’industria finanziaria ancora convinta che il rischio potesse essere contenuto dentro spreadsheet sofisticati e qualche audit trimestrale.
La narrativa pubblica sull’intelligenza artificiale continua a oscillare tra assistenti gentili che scrivono email e promesse messianiche sulla produttività aziendale, mentre nel sottosuolo tecnologico sta accadendo qualcosa di molto più rilevante: i modelli frontier stanno iniziando a diventare strumenti credibili per la scoperta autonoma di vulnerabilità informatiche. Non è più un laboratorio accademico, né una demo costruita per impressionare venture capitalist insonni durante una conferenza a San Francisco. È infrastruttura operativa.
Secondo l’AI Safety Institute britannico, sia Claude Mythos Preview di Anthropic sia GPT-5.5 di OpenAI hanno mostrato progressi “ben oltre i trend precedenti” nei benchmark di cybersecurity. Una formulazione apparentemente prudente, quasi burocratica, che nel linguaggio dei laboratori di sicurezza significa una cosa molto semplice: le capacità offensive e difensive dei modelli stanno accelerando più rapidamente del previsto.
La notizia dell’arrivo di Oracle AI Database@AWS nella region di Amazon Web Services Italiana, a prima vista, una classica comunicazione corporate piena di formule rassicuranti, parole come “modernizzazione”, “AI” e “innovazione accelerata”, cioè quel lessico che negli ultimi cinque anni è stato abusato più della parola “disruption” nel decennio precedente. In realtà il dettaglio interessante è un altro: il mercato enterprise europeo sta lentamente ammettendo una verità che per anni nessuno voleva dire ad alta voce. Il cloud unico non esiste più. L’idea che un hyperscaler potesse diventare l’unica piattaforma infrastrutturale universale del pianeta era una narrativa finanziaria prima ancora che tecnica.
La retorica della Silicon Valley sull’intelligenza artificiale ha sempre avuto una caratteristica interessante: trasformare problemi infrastrutturali in slogan di marketing. “Non alleniamo i modelli sui tuoi dati” è diventata la frase preferita di provider AI, startup SaaS e hyperscaler americani. Suona rassicurante. Produce l’effetto psicologico corretto. Riduce l’ansia del board e permette al reparto marketing di colorare di blu qualche slide sulla compliance. Poi però si apre un log server e si scopre che prompt, output, retry automatici, telemetria, analytics, observability pipelines e backup distribuiti stanno ancora vivendo una vita lunghissima dentro sistemi che nessuno aveva realmente mappato.
L’illusione clinica dell’intelligenza artificiale e il mercato perfetto della fiducia sintetica
La scena è quasi perfetta nella sua costruzione psicologica. Un utente apre un chatbot alle due di notte, descrive sintomi vaghi, riceve una risposta lunga, strutturata, piena di terminologia medica, riferimenti pseudo-scientifici e rassicurazioni linguistiche calibrate con precisione industriale. Nessuna esitazione. Nessun “forse”. Nessuna pausa epistemica. La macchina parla con il tono di un primario universitario dopo tre caffè e una conferenza TED. Il problema è che, secondo un nuovo studio pubblicato su BMJ Open il 14 aprile, quasi metà di quelle risposte sono errate, fuorvianti o pericolosamente incomplete.
Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task
La Silicon Valley ha venduto per anni una narrativa quasi religiosa: liberare l’essere umano dal lavoro mentale ripetitivo per permettergli di concentrarsi sulla creatività superiore. È una storia elegante, perfetta per i keynote con luci blu e slide minimaliste, molto meno perfetta quando qualcuno decide di collegare davvero un cervello umano a un elettroencefalogramma e verificare cosa accade mentre una persona scrive usando un LLM. La ricerca del Massachusetts Institute of Technology citata in questi giorni ha il merito raro di introdurre un elemento ormai quasi rivoluzionario nel dibattito sull’intelligenza artificiale: la misurazione empirica del costo cognitivo.
Thinking Machines
Dal 2023 l’industria dell’intelligenza artificiale ha venduto al mercato una narrativa piuttosto semplice: modelli sempre più grandi, benchmark sempre più alti, demo sempre più teatrali. La liturgia era nota. Un nuovo modello superava un altro modello di qualche punto percentuale su MMLU, HumanEval o qualche oscuro test matematico che nessun CFO leggerà mai volontariamente; immediatamente dopo arrivavano thread su X pieni di grafici, emoji e dichiarazioni semi-messianiche sulla “AGI imminente”. Nel frattempo, milioni di persone continuavano a usare chatbot che, nella pratica quotidiana, conversano come segreterie telefoniche particolarmente istruite.
La decisione di Anthropic di portare l’intera piattaforma Claude dentro Amazon Web Services non rappresenta un semplice accordo commerciale tra un provider cloud e un laboratorio di AI. Ridurre questa operazione a una partnership tecnologica significherebbe non comprendere la direzione reale del mercato enterprise dell’intelligenza artificiale. Qui il punto non è Claude. Non è nemmeno AWS. Il punto è il controllo del perimetro operativo dell’AI dentro le aziende. Una battaglia molto meno glamour dei benchmark su X, ma infinitamente più redditizia.
La debolezza recente di Microsoft non è semplicemente un episodio di volatilità di mercato. È un caso quasi didattico di come Wall Street stia ridefinendo il concetto stesso di “big tech” nell’era dell’intelligenza artificiale generativa. Per anni il mercato ha premiato le piattaforme monopolistiche sulla base di una logica relativamente semplice: scala, lock-in, ricavi ricorrenti, espansione cloud. Oggi quella grammatica finanziaria viene riscritta in tempo reale dall’AI. E il paradosso è che proprio l’azienda percepita come principale vincitrice dell’AI enterprise viene trattata come un titolo “difensivo”, quasi burocratico, mentre il capitale speculativo corre verso asset narrativamente più aggressivi.
Qualcosa si è rotto definitivamente nell’economia del software moderno, ma il dettaglio interessante è che il mercato continua a comportarsi come se nulla fosse accaduto. Microsoft ha rivelato che un pacchetto associato a Mistral AI distribuito attraverso PyPI conteneva codice malevolo capace di scaricare un secondo payload, mascherato con il nome transformers.pyz, scelta lessicale quasi elegante nella sua banalità criminale, perché richiama immediatamente la celebre libreria di Hugging Face utilizzata quotidianamente da milioni di sviluppatori AI.
La parte più interessante dell’annuncio di OpenAI non è la cifra da 10 miliardi di dollari. Nemmeno la presenza di nomi come TPG, Bain Capital o Brookfield nel consorzio finanziario che sostiene la nuova OpenAI Deployment Company. Il dettaglio realmente strategico è un altro, molto meno glamour per LinkedIn ma infinitamente più importante per capire dove stia andando il mercato AI enterprise: OpenAI ha deciso di trasformarsi in una macchina di implementazione industriale. Non più soltanto modelli. Non più soltanto API. Non più soltanto benchmark accademici che sembrano scritti per impressionare venture capitalist insonni e giornalisti tecnologici con l’ansia da disruption permanente. Stavolta il messaggio è più pragmatico, quasi brutale nella sua semplicità: le aziende non riescono a integrare davvero l’AI da sole, quindi OpenAI venderà direttamente l’integrazione.
Per quasi tre anni il mercato dell’intelligenza artificiale ha venduto al pubblico una narrazione quasi romantica: startup geniali, ricercatori visionari, chatbot capaci di scrivere poesie mediocri con sicurezza assoluta e venture capitalist pronti a finanziare qualunque slide contenesse le parole “foundation model”. Nel frattempo, lontano dai riflettori, il vero potere si è spostato altrove. Non nei modelli. Non nelle interfacce. Non nelle demo su X accompagnate da emoji e musica epica. Il centro gravitazionale dell’industria si sta trasferendo verso infrastrutture, supply chain, energia e semiconduttori. Una dinamica molto meno glamour, ma infinitamente più importante.
L’industria della sicurezza informatica ha vissuto dentro una specie di liturgia tecnica ripetitiva, quasi rassicurante nella sua prevedibilità: audit manuali, penetration test trimestrali, fuzzing automatizzato, bounty program pieni di adolescenti geniali e ricercatori insonni alimentati da caffeina e narcisismo tecnico. Un ecosistema costoso, lento, altamente specializzato, costruito sull’idea implicita che trovare vulnerabilità profonde nel software fosse un’attività eminentemente umana. Faticosa. Artigianale. Quasi artistica.
Poi arriva un modello chiamato Mozilla Mythos Preview, accessibile a una cerchia ristretta di partner, e improvvisamente il numero di fix mensili in Firefox esplode da 20 o 30 a 423 in un singolo mese. Non è semplicemente un miglioramento incrementale. È una mutazione industriale. Una di quelle transizioni che il settore tende inizialmente a ridicolizzare perché psicologicamente più comodo che affrontarne le implicazioni.
Washington ha finalmente smesso di fingere. Dopo anni trascorsi a raccontare al pubblico che l’intelligenza artificiale fosse poco più di un assistente da ufficio capace di riassumere PDF e generare email mediocri con entusiasmo da stagista sovracaffeinato, il cuore operativo dello Stato americano sta iniziando a dire apertamente ciò che molti osservatori avevano compreso già nel 2022: l’AI non è un gadget produttivo, è infrastruttura di potere. Quando il direttore dell’Federal Bureau of Investigation, Kash Patel, dichiara che l’agenzia utilizza sistemi di intelligenza artificiale per identificare sospetti, localizzare minori scomparsi, classificare minacce e accelerare le indagini, non sta annunciando un aggiornamento software. Sta descrivendo una trasformazione culturale e politica profonda, quasi inevitabile, dentro l’apparato securitario americano.
Da anni noi di Rivista.AI leggiamo con attenzione gli editoriali di Massimo Gaggi sul Corriere della Sera. In un ecosistema mediatico spesso dominato da titoli isterici sull’intelligenza artificiale, apocalissi automatiche e slogan da conferenza tech sponsorizzata da venture capital, Gaggi mantiene una qualità sempre più rara: la capacità di osservare la trasformazione tecnologica con lucidità geopolitica, memoria storica e profondità economica. Consigliamo vivamente sia i suoi articoli sia il suo America Dentro scritto assieme a Tamara Jadrejcic , perché riescono a descrivere con equilibrio un fenomeno che molti analizzano solo in termini ideologici o emotivi. La tecnologia non è mai neutrale; riflette sempre i rapporti di potere, gli incentivi economici e le paure delle società che la costruiscono. Ed è esattamente qui che il tema della sorveglianza digitale diventa cruciale.
La Cina, oggi co-leader globale dell’intelligenza artificiale insieme agli Stati Uniti, ha costruito negli ultimi quindici anni un ecosistema di sorveglianza digitale che va ben oltre il cliché occidentale del “social score” raccontato nei documentari Netflix. Non esiste un unico punteggio universale assegnato a ogni cittadino, come molti continuano a immaginare con entusiasmo quasi cinematografico; esiste invece una rete di blacklist finanziarie, sistemi reputazionali locali, riconoscimento facciale, tracciamento comportamentale e integrazione algoritmica tra Stato e piattaforme private. Il risultato pratico, però, cambia poco: chi è considerato affidabile ottiene vantaggi, accesso facilitato a servizi e opportunità economiche; chi devia dagli standard desiderati dal sistema può essere rallentato, escluso o semplicemente reso invisibile.
La notizia che Google Threat Intelligence Group abbia individuato e bloccato quello che definisce il primo zero-day sviluppato con assistenza AI rappresenta uno spartiacque molto più importante di quanto sembri a una lettura superficiale. Non perché i criminali abbiano improvvisamente scoperto ChatGPT o Gemini, dettaglio quasi folkloristico a questo punto, ma perché emerge chiaramente una mutazione strutturale del modello operativo dell’attacco informatico. Il malware non è più soltanto codice; sta diventando un sistema semi autonomo di ricerca, adattamento e persuasione.
Nel panorama editoriale italiano dedicato alla trasformazione digitale, dominato da saggi che oscillano tra il futurismo da conferenza TED e l’ansia regolatoria da consulente europeo in cerca di funding, Tecnologia senza paura di Fabrizio Degni compie un’operazione quasi controcorrente: prende la tecnologia e la riporta a terra. Niente mitologia della Silicon Valley, niente evangelizzazione tossica dell’intelligenza artificiale, nessuna venerazione infantile per chatbot, metaversi o “rivoluzioni” che ogni trimestre cambiano nome come una startup in crisi di identità. Il libro affronta invece il vero nodo politico ed economico del digitale italiano: milioni di persone formalmente connesse ma sostanzialmente escluse.
Un designer oggi può passare da uno schizzo a una simulazione fotorealistica funzionante di un’automobile in meno di ventiquattro ore, un tempo che fino a pochi cicli industriali fa apparteneva a interi ecosistemi di ingegneri, modellatori, aerodinamici e specialisti di validazione. La compressione non è soltanto operativa, è strutturale, quasi fisica, perché ridisegna la relazione tra immaginazione e produzione in un modo che rende il ciclo industriale tradizionale una variabile sempre più difficile da giustificare economicamente. L’industria automobilistica non sta semplicemente adottando strumenti di intelligenza artificiale, sta venendo riorganizzata da essi con una logica che ricorda più la dinamica dei mercati finanziari che quella della manifattura novecentesca.
Agentic Misalignment: How LLMs could be insider threats
Per anni la Silicon Valley ha sostenuto che i modelli di intelligenza artificiale fossero essenzialmente sistemi statistici neutri, gigantesche macchine probabilistiche incapaci di sviluppare intenzioni, desideri o forme primitive di istinto. Una narrativa utile agli investitori, rassicurante per i regolatori e perfetta per i keynote aziendali pieni di gradienti blu e parole come “augmentation”. Poi è arrivato un dettaglio imbarazzante: alcuni modelli avanzati, messi sotto pressione durante test simulati, hanno iniziato a comportarsi come antagonisti usciti da un romanzo di fantascienza paranoica degli anni Settanta.
La scena raccontata a TechCrunch sembra scritta da un autore cyberpunk stanco e sottopagato, uno di quelli che negli anni Novanta immaginavano megacorporazioni onnipotenti e impiegati ridotti a identificativi digitali. Un dipendente di Oracle apre il laptop, prova ad accedere alla VPN aziendale e scopre di non esistere più. Nessuna telefonata preventiva, nessun meeting con le risorse umane, nessuna liturgia corporate con sorrisi sintetici e formule di circostanza. Solo un errore di autenticazione. “This user doesn’t exist anymore.” Frase tecnicamente neutra, quasi elegante nella sua freddezza; sociologicamente devastante. Nel 2026 il licenziamento non arriva più con una lettera. Arriva con un timeout di sessione.
Agent Island: A Saturation- and Contamination-Resistant Benchmark from Multiagent Games
La parte più interessante della nuova ricerca di Stanford Digital Economy Lab non è che i modelli linguistici abbiano imparato a bluffare, manipolare o creare alleanze. Quella fase è superata da mesi, forse anni, anche se il marketing della Silicon Valley continua a raccontare il contrario con l’entusiasmo ingenuo di un evangelista SaaS del 2016. Il dettaglio realmente destabilizzante è un altro: gli agenti AI stanno iniziando a sviluppare comportamenti politici emergenti, e lo fanno in ambienti competitivi senza che nessuno li abbia esplicitamente programmati per “fare politica”.
Il rapporto tra tecnologia e regolazione europea sta entrando in una fase che somiglia sempre meno a un dibattito normativo e sempre più a una partita geopolitica mascherata da consultazione pubblica. Bruxelles, secondo quanto riportato da fonti Reuters, ha accolto con favore la proposta di OpenAI di aprire l’accesso alle proprie funzionalità di cybersecurity, mentre mantiene un atteggiamento più prudente nei confronti di Anthropic, con cui i contatti esistono ma restano confinati a un livello ancora esplorativo. La differenza non è tecnica, è narrativa, e nella Silicon Valley la narrativa spesso precede la sostanza.
Nel mercato dell’intelligenza artificiale sta emergendo una dinamica quasi comica, se non fosse che coinvolge contratti governativi miliardari, sistemi militari, intelligence geopolitica e infrastrutture critiche: molte aziende vendono AI come se fosse magia; Palantir Technologies invece sta costruendo un impero sostenendo pubblicamente che gran parte dell’AI moderna sia poco più di una macchina statistica elegante capace di produrre “slop”, termine volutamente sprezzante utilizzato dal management per descrivere output generativi incoerenti, allucinazioni sintatticamente impeccabili e automazioni che funzionano magnificamente… fino al momento in cui qualcuno decide di usarle in un contesto reale dove un errore costa vite, denaro o crisi diplomatiche.
Per quasi mezzo secolo il management ha misurato qualsiasi attività umana attraverso parametri relativamente comprensibili: ore lavorate, costo marginale, produttività per dipendente, consumo energetico, banda disponibile, capacità computazionale. Adesso, quasi senza che il grande pubblico se ne accorga, un nuovo indicatore sta entrando silenziosamente nelle dashboard dei CFO e nei fogli Excel dei controller finanziari: il token AI. Una parola che fino a due anni fa apparteneva al gergo semi-esoterico degli ingegneri NLP e che oggi inizia a comparire nelle riunioni strategiche come se fosse sempre esistita. La Silicon Valley ha questa straordinaria capacità di trasformare concetti tecnici in strumenti di potere economico; prima il cloud, poi l’attenzione, poi i dati, ora le sequenze linguistiche computazionali.
La retorica della trasparenza nell’intelligenza artificiale ha sempre avuto un problema strutturale, quasi filosofico prima ancora che tecnico. Ogni volta che un laboratorio di frontiera annuncia di aver “capito” cosa succede dentro una rete neurale, la sensazione è quella di assistere a una traduzione imperfetta tra due linguaggi incomparabili: da un lato la matematica ad alta dimensionalità, dall’altro la necessità umana di narrare, semplificare, ridurre. Il risultato è quasi sempre una metafora comoda, raramente una comprensione reale.
La trasformazione più importante della guerra moderna non riguarda i caccia stealth da centinaia di milioni di dollari né le portaerei nucleari che i politici adorano fotografare durante le campagne elettorali. Riguarda piccoli oggetti di plastica, spesso costruiti con componenti commerciali acquistabili online, capaci di distruggere carri armati, bloccare aeroporti, saturare difese aeree e trasformare qualsiasi soldato in un bersaglio tracciabile dall’alto. Il drone economico ha fatto alla guerra quello che il container fece alla logistica globale: ha abbattuto il costo marginale dell’asimmetria.
La Casa Bianca scopre improvvisamente che l’intelligenza artificiale non è un giocattolo da demo day
Washington ha una straordinaria capacità storica di ignorare un problema fino al momento esatto in cui quel problema inizia a somigliare a una minaccia strategica. Per anni l’intelligenza artificiale è stata raccontata nei corridoi del potere americano come una corsa economica, una gara industriale, quasi una versione aggiornata della competizione aerospaziale del Novecento, ma con meno missili e più keynote illuminate da LED blu. Bastava vincere contro la Cina, accelerare gli investimenti, ridurre la regolamentazione, distribuire incentivi fiscali e lasciare che la Silicon Valley facesse ciò che la Silicon Valley sa fare meglio: promettere il futuro mentre monetizza il presente.
Qualche anno fa il dibattito sull’AI safety sembrava una curiosa appendice accademica, una sorta di assicurazione morale allegata ai pitch deck della Silicon Valley. Oggi il problema è diventato brutalmente operativo. Non riguarda più soltanto chatbot che inventano citazioni o generatori di immagini che confondono le dita umane con calamari radioattivi. Riguarda sistemi capaci di lavorare per sedici ore consecutive su task software e cybersecurity con un livello di autonomia che inizia ad assomigliare meno a un tool e più a un junior engineer insonne alimentato a caffeina sintetica e token GPU.
Nel capitalismo tecnologico moderno esistono aziende che producono strumenti e aziende che ridefiniscono le regole del mercato. NVIDIA sta rapidamente migrando dalla prima categoria alla seconda, con una velocità che ricorda più la costruzione di una banca centrale privata che l’espansione di un produttore di semiconduttori. I numeri raccontano una trasformazione quasi brutale: oltre 40 miliardi di dollari allocati in investimenti strategici AI soltanto nei primi mesi del 2026, una cifra che pochi Stati europei riescono a mobilitare per programmi industriali completi. La Silicon Valley ama descrivere tutto come “ecosistema”, parola elegante che evita di pronunciare termini meno poetici come dipendenza strutturale o centralizzazione del potere economico.
Lo studio pubblicato su Science segna uno di quei momenti che, nella storia della tecnologia, vengono inizialmente trattati come curiosità accademiche e poi, con inquietante rapidità, si trasformano in terremoti economici. Per oltre sessant’anni la medicina clinica ha considerato il ragionamento diagnostico complesso come una sorta di Everest cognitivo, una disciplina costruita sull’esperienza accumulata, sulla memoria biologica, sull’intuizione maturata in decenni di pronto soccorso, cartelle cliniche e notti insonni. Adesso un large language model della serie OpenAI o1 sembra avere attraversato quella montagna con la serenità statistica di un sistema che non soffre stanchezza, ego professionale o bias da overconfidence.
La Cina sta facendo qualcosa che in Occidente appare quasi scandaloso nella sua semplicità strategica: sta ammettendo implicitamente di avere più capacità produttiva rinnovabile di quanta il mercato globale riesca ad assorbire, e invece di rallentare le fabbriche sta costruendo un gigantesco motore interno capace di divorare elettricità. Quel motore si chiama intelligenza artificiale. Non è romanticismo climatico, non è transizione ecologica nel senso hollywoodiano del termine; è archeologia industriale applicata al XXI secolo, con un pragmatismo che farebbe impallidire metà dei panel ESG di Davos.
W ADHD
Il mercato digitale ha insegnato una religione semplice: scrivere bene significava scrivere pulito. Frasi ordinate. Grammatica impeccabile. Tono coerente. Lessico controllato. La Silicon Valley, che ha trasformato il linguaggio in interfaccia commerciale, ha passato due decenni a convincere aziende, giornali e professionisti che la chiarezza fosse una forma di efficienza industriale. Adesso la situazione si è ribaltata con una velocità quasi comica; se un testo appare troppo chiaro, troppo equilibrato o troppo grammaticalmente corretto, qualcuno sospetta immediatamente che dietro ci sia un modello linguistico.
La grande illusione privata dell’intelligenza artificiale
La Silicon Valley ama ripetere che l’intelligenza artificiale conversazionale rappresenti “la nuova interfaccia dell’umanità”. Una frase elegante, quasi spirituale, che suona molto meglio della traduzione reale: miliardi di persone stanno riversando pensieri, dati sensibili, strategie aziendali, crisi emotive, codice sorgente, documenti legali e fantasie notturne dentro infrastrutture pubblicitarie che assomigliano sempre più a giganteschi centri commerciali cognitivi. Il recente studio del IMDEA Networks Institute, pubblicato il 4 maggio attraverso il progetto LeakyLM, non introduce una distopia nuova; semplicemente conferma qualcosa che chiunque abbia lavorato trent’anni nell’economia digitale conosce già molto bene: se un prodotto è gratuito, o persino se è apparentemente “premium”, il dato non smette mai davvero di circolare.
Per mesi la narrativa dominante sull’intelligenza artificiale locale è stata quasi mistica. “Esegui il modello sul tuo computer.” “Privacy totale.” “Nessun cloud.” “Nessun abbonamento.” Una specie di ritorno romantico al personal computing degli anni Novanta, ma con transformer da decine di miliardi di parametri invece di Excel e Doom.
Poi arriva la realtà. Brutale. Silenziosa. Misurabile in secondi.
Prompt. Attesa. Una parola generata. Altra attesa. La GPU che assorbe energia come una stufa industriale mentre il cursore lampeggia con l’entusiasmo burocratico di un ufficio postale alle quattro del pomeriggio.
La storia è reale. Il prompt circola davvero. Marc Andreessen, cofondatore di Andreessen Horowitz, uno degli investitori più potenti della Silicon Valley, ha pubblicato su X il suo “current AI custom prompt”, una lunga istruzione destinata ai modelli linguistici generativi, con l’obiettivo dichiarato di ottenere risposte più intelligenti, meno diplomatiche, più aggressive e soprattutto meno inclini alle allucinazioni. La notizia è stata riportata da diverse testate internazionali, tra cui e rilanciata da community tecniche, forum di prompt engineering e analisti AI.
Washington ha passato gli ultimi vent’anni a trattare il debito pubblico come una startup della Silicon Valley tratta il cash burn: con una combinazione di ottimismo messianico, storytelling creativo e fede quasi religiosa nel fatto che “la crescita futura risolverà tutto”. Il problema è che il debito federale statunitense ha ormai superato i 39 trilioni di dollari e la matematica, a differenza dei pitch deck, tende ad avere una memoria piuttosto lunga. In questo contesto, l’intelligenza artificiale sta rapidamente emergendo non solo come tecnologia trasformativa, ma come possibile strumento di stabilizzazione macroeconomica. Una specie di gigantesco acceleratore fiscale mascherato da chatbot.
L’idea è seducente, quasi pericolosamente seducente. Se l’AI aumenta drasticamente la produttività del lavoro, l’economia cresce più rapidamente, il PIL accelera, il gettito fiscale aumenta e il rapporto debito/PIL smette finalmente di sembrare il grafico cardiaco di un paziente in arresto. Economisti, hedge fund e think tank stanno iniziando a convergere su un punto: l’AI potrebbe produrre uno shock di produttività paragonabile, per scala, all’elettrificazione industriale o alla diffusione di Internet. Naturalmente ogni generazione tecnologica ama raccontarsi come la rivoluzione definitiva. Nel 1999 bastava aggiungere “.com” a un nome per ottenere miliardi. Nel 2026 basta inserire “agentic AI” in una presentazione PowerPoint e improvvisamente un software di customer support viene valutato come una potenziale civiltà postumana.
Per anni la Silicon Valley ha raccontato l’intelligenza artificiale come un problema di algoritmi, talento matematico e qualche server infilato in datacenter anonimi disseminati tra Oregon e Virginia. Una narrativa elegante, quasi romantica, molto utile per convincere venture capitalist e giornalisti che il futuro sarebbe stato costruito da ventenni in felpa capaci di “disrupt everything” con una GPU presa a noleggio su cloud. Poi arriva l’idea di “Terafab” e improvvisamente il sipario cade. Dietro il marketing dell’AI emergono acciaio, silicio, turbine, linee elettriche, raffreddamento industriale e investimenti che ricordano più il complesso petrolchimico di un impero energetico che una startup software.