I dati Audicom elaborati da Vincenzo Cosenza per l’Osservatorio GenAI Italia mostrano ChatGPT a 9,6 milioni di utenti mensili e Gemini a 9,4 milioni. Claude supera 1,8 milioni, mentre cambiano tempi di utilizzo e profili demografici. Dopo la prima fase di espansione dell’intelligenza artificiale generativa, il mercato italiano entra in una nuova stagione competitiva, nella quale la capacità di distribuire la tecnologia potrebbe contare quanto le prestazioni dei modelli.
Categoria: AI Pagina 1 di 16
L’ hub-per-una-copertura-completa-sullintelligenza-artificiale-e-lapprendimento-automatico
Il confronto tra modelli proprietari e open-weight sta entrando in una fase più interessante del semplice benchmark. Per un’impresa che vuole portare in produzione un assistente B2B, la questione non è più soltanto quale modello risponda meglio, ma quanto costi ottenere una risposta affidabile, con quale latenza e attraverso quale infrastruttura. Il messaggio economico dell’analisi proposta è convincente: un modello aperto non è automaticamente più economico da gestire, mentre un servizio a consumo non è necessariamente la soluzione più costosa. La differenza emerge quando si mettono in relazione il volume effettivo delle richieste, il costo dell’infrastruttura dedicata e la capacità di indirizzare ogni domanda verso il modello appropriato.
Qualche settimana fa abbiamo passato in rassegna i modelli open source, quanti sono, che taglie hanno, a cosa serve ciascuna famiglia.
Ma come si usano questi modelli se non c’è un sito a cui registrarsi o app da installare?
Questa settimana vediamo allora come si fa a farli girare, niente di tecnologico con codice astruso, solo la spiegazione generica, perché anche qui la scelta non è solo tecnica, ma cambia il continente, e cambia la legge sotto cui vivono i dati.
Il 26 giugno 2026 Scaleway, cloud francese con sede a Parigi, ha annunciato di aver aggiunto GLM-5.2 al proprio catalogo.
Il modello, pubblicato dal laboratorio cinese Zhipu appena dieci giorni prima, è arrivato su un’infrastruttura europea più in fretta di quanto certi annunci aziendali impieghino per uscire dall’ufficio legale.
Mi ricordo che proprio in quei giorni avevo scritto un pezzo sulle AI alternative a quelle made in USA.
È una piccola storia, ma dice tutto su cosa sia diventato, ad oggi, il mercato degli LLM open: veloce, affollato, e completamente slegato dai tre nomi che occupano ancora le prime pagine.
Mistral Large 4 ha 1,05 trilioni di parametri, ne attiva 49 miliardi per token ed è stato addestrato in Europa su circa 4.000 Nvidia Grace Blackwell. I pesi arriveranno il 26 ottobre. A tre giorni dal Kolibri di Aleph Alpha e mentre gli Stati Uniti rispondono alla Cina con Beam, l’open-weight sta diventando un nuovo terreno della competizione per la sovranità tecnologica.
“Beyond the horizon of the place we lived when we were young,
in a world of magnets and miracles.
Our thoughts strayed constantly and without boundary,
the ringing of the division bell had begun”
Inizia così High Hopes dei Pink Floyd, sto ascoltando l’album mentre scrivo, e fa sembrare tutto un po’ surreale.
Qualche settimana fa Dario Amodei, CEO di Anthropic, ha pubblicato sul suo blog personale un saggio dal titolo che non lascia spazio a interpretazioni: “We Must Pace the Frontier“, dobbiamo dare un ritmo alla frontiera. In sintesi dice che le aziende che costruiscono i modelli più potenti dovrebbero rallentare la crescita delle loro capacità, per dare tempo alla sicurezza di stare al passo.
Nel giro di poche ore Sam Altman, Elon Musk e Demis Hassabis hanno risposto pubblicamente di essere d’accordo. Quattro concorrenti diretti, che si contendono clienti, talenti e miliardi, dalla stessa parte. Una scena mai vista prima. E poi che è successo?
Poi sono arrivate le tre settimane successive, e in quelle tre settimane sono usciti sei nuovi modelli di primo piano, due dei quali proprio da Anthropic.
A prima vista sembra la classica storia di chi predica bene e razzola male. In realtà c’è una spiegazione più interessante, e ha un nome preciso che arriva dalla teoria dei giochi che si chiama “Il dilemma del prigioniero“. È la situazione in cui tutti sanno quale sarebbe la scelta migliore per il gruppo, ma nessuno può permettersi di farla per primo.
Vediamo con ordine cosa propone Amodei, come funziona il dilemma del prigioniero, come hanno risposto gli altri leader dell’AI, quali modelli sono usciti davvero dopo il saggio e cosa dicono i numeri degli investimenti.
Reflection AI presenta Beam, un modello da 501 miliardi di parametri pensato per coding, reasoning e agenti, con l’ambizione di competere con GLM, Qwen e gli altri protagonisti dell’ecosistema cinese. Ma la partita va oltre i benchmark: mentre Washington prova a esportare “sovereign AI” nei Paesi alleati, avere modelli americani che possano essere installati, modificati e controllati diventa una questione geopolitica.
Microsoft riduce di oltre un terzo la spesa interna prevista per i modelli di Anthropic, mentre Meta dimezza gli utilizzatori di Claude Code e spinge i propri strumenti. Alla vigilia dell’IPO emerge uno dei rischi strutturali del business dell’AI: vendere tecnologia alle stesse Big Tech che hanno capitale, modelli e infrastrutture per provare a sostituirla.
78 miliardi di parametri, appena 3,46 miliardi attivi, pesi aperti e un modello costruito in Europa per lavorare soprattutto su documenti, industria e amministrazione. Kolibri non porta l’Europa alla frontiera di GPT, Claude e Gemini, suggerisce però che la sovranità tecnologica potrebbe non richiedere di vincere quella gara.
La Federal Trade Commission ha aperto un’indagine ad ampio raggio sulla sicurezza dei sistemi di intelligenza artificiale sviluppati da OpenAI, Anthropic e altri laboratori americani. I confini dell’inchiesta non sono ancora completamente definiti, ma l’agenzia starebbe preparando richieste formali di informazioni e potrebbe chiamare i dirigenti delle società a testimoniare. Nell’indagine compare anche METR, l’organizzazione indipendente che conduce valutazioni sui rischi dei modelli più avanzati.
OpenAI accusa la cinese Moonshot AI di aver partecipato a una campagna coordinata per estrarre il reasoning dei suoi modelli GPT e utilizzarne potenzialmente le capacità per addestrare sistemi concorrenti. Il caso riapre una questione destinata a diventare centrale nella competizione tra Stati Uniti e Cina: quando la distillazione smette di essere una normale tecnica di sviluppo e diventa appropriazione del vantaggio tecnologico di un concorrente?
Il 29 settembre 2026 il Wall Street Journal ha raccontato che OpenAI rinuncia al lancio di GPT-6.1 Astra, il modello di nuova generazione che l’azienda di Sam Altman avrebbe voluto rilasciare nel giro di poche settimane, e la notizia è stata riportata da tutti i siti di news con la frase “perché è troppo pericoloso”.
La realtà ovviamente è diversa e meno affascinante. Non è un rinvio per un problema tecnico qualsiasi: il responsabile dei sistemi di sicurezza, Saachi Jain, ha spiegato che il modello non ha superato gli standard interni di allineamento, cioè la capacità di comportarsi come gli esseri umani si aspettano.
Attorno a questa ennesima notizia di stop al rilascio di un modello girano domande che chiunque usi l’intelligenza artificiale ogni giorno si è fatto almeno una volta. Perché la decisione arriva quando il modello è già pronto? Come si stabilisce che è troppo rischioso? Quanto costa gettare via mesi di lavoro e di calcolo? Era già successo? E, soprattutto, che cosa cambia per chi lavora con questi strumenti?
Le risposte, una alla volta, partono da qui: nessun modello viene fermato per un’impressione, ma su misure precise fatte su comportamenti precisi.
Non era un cyberattacco programmato e non era un hacker che utilizzava ChatGPT. Un modello interno di OpenAI, durante una normale attività di ricerca sul web, ha aggirato le protezioni del portale Medicare australiano, raggiunto informazioni non pubbliche e scritto file su un server governativo. Dopo Hugging Face e gli altri incidenti emersi dalla revisione interna della società, la domanda non è più soltanto se gli agent possano uscire dal percorso previsto, ma se chi li costruisce riesca ad accorgersene mentre accade.
Nei siti specializzati e i quelli generalisti si parla sempre di Claude, di ChatGPT, di Grok e Gemini, e molti pensano che il mondo dell’IA gira solo intorno a queste big tech americane.
Ma non è così, oggi vediamo quelli che di solito vengono chiamati “modelli open source”, con le loro caratteristiche e qualche caso d’uso
Questa settimana voglio mostrarvi il mondo dietro ai questi open source, che spesso si nascondono dietro le API di AWS, Google Cloud e dei cloud europei.
Vediamo quanti sono, che “taglie” hanno, a cosa servono.
Così la settimana prossima vedremo invece come si usano davvero, e perché la scelta tra Stati Uniti ed Europa è più di una mera questione di prezzo.
Il 2 aprile 2026 Google DeepMind ha rilasciato Gemma 4.
E non un modello solo, ma quattro. Sotto lo stesso nome, lo stesso giorno, sono usciti una versione da 2 miliardi di parametri che gira su uno smartphone e una da 31 miliardi che serve un cluster di GPU.
Stessa famiglia, stessa azienda, ma con una distanza di scala che è come paragonare una bicicletta a una portaerei.
E Gemma non è un unicum, i modelli Open sono quasi tutti così.
Ogni famiglia di modelli open, da Llama a Mistral a Qwen, viene rilasciata in mezza dozzina di taglie diverse.
Non è marketing. È che un modello da infilare in un’app per smartphone e un modello che deve ragionare su un intero repository di codice non possono essere lo stesso oggetto, per quanto portino la stesso nome e la stessa versione.
Il 14 settembre 2026 Microsoft AI ha pubblicato, pubblicamente consultabile, un documento di trentasette pagine intitolato Humanist AI — Code of Conduct.
Non è un manifesto di intenti e non è nemmeno, per ammissione esplicita di chi lo ha scritto, un documento già operativo, insomma i modelli MAI oggi in circolazione non sono addestrati su queste pagine.
È piuttosto il tentativo di mettere nero su bianco cosa deve fare un modello quando le istruzioni di chi lo usa, gli obiettivi di chi lo ha configurato e i limiti di chi lo ha costruito non coincidono.
Tre elementi meritano attenzione più degli altri, e sono quelli che avranno conseguenze concrete su chi costruisce prodotti: la catena di comando, i vincoli assoluti e i requisiti di controllo umano.
Insieme compongono una struttura che chiunque abbia letto Asimov riconoscerà al volo, con però un ribaltamento preciso e per nulla casuale della terza legge della robotica.
Vediamo cosa dice il pdf di Microsoft.
AT&T utilizza già modelli open per circa il 25% dei propri workload di intelligenza artificiale e vuole arrivare al 70-80%. Dietro la scelta ci sono costi, protezione dei dati e sovranità tecnologica. Ma soprattutto una convinzione destinata a interessare l’intero mercato enterprise: utilizzare il modello più potente per qualsiasi operazione potrebbe essere economicamente insostenibile.
I modelli Qwen di Alibaba hanno superato i 3 miliardi di download globali negli ultimi sei mesi, distanziando Google e Meta nell’ecosistema open-weight. Oltre 460 modelli pubblicati e più di 300.000 derivati raccontano però qualcosa di più di una classifica: la Cina sta costruendo attraverso l’AI aperta una propria infrastruttura tecnologica globale. E Alibaba potrebbe aver trovato il modo di trasformarla in un enorme canale di distribuzione per il proprio cloud.
Manus torna indipendente dopo lo smantellamento dell’acquisizione da oltre 2 miliardi di dollari da parte di Meta. Non è stata però Meta a cambiare strategia: Pechino ha ordinato alle parti di annullare un’operazione già completata, sostenendo che una società nata in Cina e trasferita a Singapore continuasse a rappresentare un asset tecnologico strategico cinese. Il caso Manus crea così un precedente importante nella competizione tra Stati Uniti e Cina: nell’intelligenza artificiale non sono più sotto controllo soltanto chip e capitali, ma anche proprietà intellettuale, talenti e possibilità di vendere una startup oltre confine.
Per quasi un anno è sembrato che la prossima rivoluzione del web sarebbe passata da un browser capace non solo di aprire pagine, ma di ragionare insieme all’utente. Poi, quasi senza clamore, è arrivata la retromarcia. OpenAI spegnerà definitivamente ChatGPT Atlas il 9 agosto 2026, invitando gli utenti a esportare manualmente i propri dati e a migrare verso la nuova applicazione desktop di ChatGPT.
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.
Il dibattito sull’intelligenza artificiale è spesso raccontato come una sfida tra Stati Uniti e Cina. Una nuova Guerra Fredda tecnologica nella quale ogni modello rilasciato da una parte diventava automaticamente una minaccia per l’altra. Mark Zuckerberg, però, ha deciso di complicare questa narrazione. E probabilmente è proprio questo l’aspetto più interessante delle dichiarazioni rilasciate al Financial Times.
Partiamo dall’inizio di questa storia. Il 23 febbraio 2026 Anthropic ha pubblicato un documento che ha sollevato un sacco di chiacchiere ben oltre la comunità tecnica. L’azienda ha dichiarato di aver scovato campagne su scala industriale condotte da tre laboratori cinesi, DeepSeek, Moonshot e MiniMax, per “estrarre le capacità di Claude” e trasferirle nei propri modelli.
I numeri raccontano la dimensione dell’operazione: oltre sedici milioni di scambi generati attraverso circa ventiquattromila account fraudolenti, in violazione dei termini di servizio e delle restrizioni geografiche di accesso.
Passiamo ora ai dettagli. Visto che Claude non è commercializzato in Cina, il traffico passava da servizi proxy che rivendono accesso ai modelli di frontiera attraverso architetture che Anthropic ha battezzato hydra cluster: reti diffuse di account falsi che distribuiscono le richieste su più canali, senza un singolo punto di rottura da colpire. DeepSeek avrebbe puntato soprattutto sul ragionamento e sul reward modeling. Moonshot avrebbe tentato di ricostruire le tracce di ragionamento del modello. MiniMax, alla pubblicazione di un nuovo modello Anthropic, avrebbe spostato quasi metà del proprio traffico sul sistema appena uscito nel giro di ventiquattr’ore. L’attribuzione, secondo il documento, è arrivata incrociando i metadati delle richieste con i profili pubblici di ricercatori dei laboratori coinvolti.
Se vi domandate perché ogni tanto Claude rallenta, ecco, questo è un motivo.
La parola al centro di tutta questa storia è diventata famosa, e vale la pena capirla bene prima di prendere posizione: distillazione.
Nel 2026 NVIDIA controlla circa l’ottanta per cento del mercato mondiale degli acceleratori per l’intelligenza artificiale, con un fatturato da data center che ha superato i 190 miliardi di dollari in un solo anno fiscale. Sono numeri che raccontano qualcosa di più di un semplice successo commerciale: descrivono una posizione che assomiglia molto a un quasi-monopolio. E allora sorge spontanea una domanda che vale la pena affrontare con calma, perché la risposta è meno ovvia di quanto sembri. Se il chip è “solo” un pezzo di silicio, perché due aziende capaci e attrezzate come AMD e Intel non riescono semplicemente a costruirne uno equivalente e a spezzare questo dominio, creando quella concorrenza che farebbe scendere i prezzi?
La risposta breve è che il chip è la parte meno importante della storia. Ciò che rende NVIDIA difficile da raggiungere non è un singolo prodotto che si possa clonare, ma una serie di fossati sovrapposti, costruiti in quasi vent’anni, che nessuno può comprare pronto sullo scaffale. Conviene guardarli uno per uno, perché insieme spiegano perché “copiare” non basta.
L’intelligenza artificiale europea entra in una nuova fase? OVHcloud ha deciso di sviluppare una propria famiglia di Large Language Model (LLM), realizzati interamente a partire da zero e destinati a rafforzare l’offerta europea nel settore dell’intelligenza artificiale generativa. Una scelta che rappresenta un cambio di strategia significativo per uno dei principali operatori cloud europei.
Per quasi quattro anni l’intelligenza artificiale generativa ha avuto un protagonista assoluto. Ogni nuovo modello veniva confrontato con ChatGPT, ogni startup cercava di imitarne il successo, ogni impresa valutava l’adozione dell’AI partendo dalla stessa domanda: “Funziona meglio di OpenAI?”.
Quel tempo sembra già appartenere alla storia recente. Non perché OpenAI abbia smesso di crescere. Al contrario. Con 1,1 miliardi di utenti attivi mensili, ChatGPT continua a macinare numeri che nessun’altra piattaforma digitale, da YouTube a TikTok, era riuscita a raggiungere con una simile velocità nei primi anni di vita. E il paradosso è proprio questo: si può battere ogni record possibile e, nello stesso momento, iniziare a perdere il monopolio.
A VivaTech 2026, la decima edizione appena conclusa a Porte de Versailles, Parigi, il termine “sovranità” ha risuonato come un mantra. Non più slogan astratto, ma urgenza concreta dopo che l’amministrazione Trump ha imposto restrizioni sui modelli avanzati di Anthropic, Fable 5 e Mythos 5, costringendo l’azienda a disabilitarne l’accesso per tutti i clienti non americani. In un colpo solo, la presunta neutralità della tecnologia globale si è rivelata per quello che è: un’arma geopolitica pronta a essere brandita. E Parigi, in questo scenario, ha deciso di non limitarsi a protestare.
Mentre l’amministrazione Trump decide di chiudere il rubinetto sui modelli avanzati di Anthropic, spegnendo l’accesso globale a Fable 5 e Mythos 5 con un semplice ordine di sicurezza nazionale, l’Europa ha finalmente capito la lezione: chi non controlla la propria intelligenza artificiale resta un vassallo tecnologico. E al centro di questa riscossa, emersa con forza a VivaTech 2026, c’è Mistral AI, la startup francese diventata in pochi anni il simbolo concreto di una sovranità possibile.
Siamo a Roma, nell’aula magna dell’Università Roma Tre in occasione della Conferenza di presentazione ufficiale della nuova Cattedra UNESCO in “Ethics of AI and Practical Wisdom”. Sul palco il dibattito prende subito una direzione diversa da quella abituale. Non riguarda la capacità delle macchine di produrre parole, ma la loro capacità di attribuire significato alle parole stesse. Il tema è semplice da formulare e difficile da risolvere: capire davvero una lingua. Roberto Navigli, professore della Sapienza di Roma, uno dei maggiori esperti mondiali di elaborazione del linguaggio naturale, creatore di BabelNet e promotore del progetto Minerva, parte da una domanda che sembra quasi banale nell’epoca di ChatGPT, Claude e Gemini: i modelli linguistici comprendono davvero ciò che scrivono?
LinkedIn ha superato il miliardo di utenti e custodisce probabilmente il più grande archivio mondiale di contenuti professionali generati dalle persone. Curriculum, esperienze lavorative, competenze, articoli, riflessioni di settore, aggiornamenti di carriera e conversazioni professionali pubbliche. Un patrimonio informativo unico che oggi è diventato anche una risorsa strategica per l’intelligenza artificiale.
Ci sono momenti nella storia della tecnologia in cui qualcosa smette di essere fantascienza e diventa realtà. La rete elettrica, il controllo del traffico aereo, internet mobile: tecnologie che a un certo punto hanno smesso di essere “novità” per diventare parte integrante del funzionamento del mondo.
Il Campionato Mondiale di Calcio FIFA 2026, che si svolge tra Stati Uniti, Canada e Messico per la prima volta su tre nazioni (che possiamo dire che non vanno d’amore e d’accordo), rappresenta uno di questi momenti di transizione, per l’intelligenza artificiale e per la gestione industriale dei dati.
E non si tratta di un torneo con qualche gadget tecnologico al seguito. Ma di un incredibile sforzo tecnologico.
Mettiamo giù un po’ di numeri: 104 partite, 48 nazionali, 16 stadi, oltre 17.000 dispositivi connessi, 6 miliardi di spettatori potenziali e 7 milioni di persone da gestire fisicamente sugli spalti.
Aprire una chat, spiegare il contesto, caricare gli allegati, descrivere il problema nel modo più preciso possibile. Fino a questo momento, tutto il dibattito si è concentrato lì: sul prompt engineering. Ma oggi c’è un problema, questo modo di utilizzare l’AI sta già diventando vecchio. Sta arrivando infatti una nuova generazione di strumenti che non sono più semplici chatbot e il cambiamento potrebbe essere molto più radicale di quanto immaginiamo.
Il 17 settembre 2025 è stata approvata la legge quadro italiana sull’intelligenza artificiale. Una parte non secondaria di quel testo è dedicata alla regolamentazione dei dati personali, perché il legislatore ha capito una cosa che fino a poco fa era materia da addetti ai lavori: senza una gestione controllata di chi raccoglie e tratta i dati, addestrare un modello di machine learning significa anche addestrarlo a perpetuare razzismo, esclusione e ingiustizia.
L’Unesco, già nel 2024, aveva mostrato in un rapporto specifico come le immagini generate dai modelli più diffusi continuino a riprodurre stereotipi di genere ed etnia in maniera quasi automatica, e il quadro ad oggi non è cambiato molto.
L’effetto collaterale interessante della nuova legge, però, riguarda il valore economico dei dati personali. Più diventano regolamentati, più diventano costosi. E qui parte il discorso, perché capire quanto valgono i dati significa capire come funziona davvero l’economia digitale del 2026.
Quando un ricercatore lascia DeepMind per fondare una startup, gli investitori non perdono tempo. David Silver, uno dei nomi più leggendari nel mondo dell’intelligenza artificiale, ha appena dimostrato quanto valga oggi il talento puro nel settore. La sua nuova creatura, Ineffable Intelligence, ha chiuso in poche settimane un round seed da 1,1 miliardi di dollari a una valutazione immediata di 5,1 miliardi. Un record europeo per un round di questo tipo. Silver non è un nome qualunque. È l’uomo che ha guidato lo sviluppo di AlphaGo, AlphaZero e altri sistemi che hanno riscritto la storia del reinforcement learning, insegnando alle macchine a battere i campioni umani di Go, scacchi e altri giochi semplicemente giocando contro sé stesse, senza studiare manuali o partite umane. Ed è esattamente questa la scommessa di Ineffable Intelligence: costruire un’AI che impara senza dipendere dai dati generati dall’uomo.
Un paio di settimane fa mi hanno chiesto: “Ma è vero che amazon vende i dati degli utenti?”, stavo per rispondere si, ma non era corretto, anche no è sbagliato. E oggi vi spiego il perchè.
Quando si parla di raccolta dati da parte delle big tech, di solito tutti pensano a Google, Meta, TikTok e soci. Amazon resta sempre un po’ nell’ombra, come se fosse “soltanto” un negozio online.
Quando una società come OpenAI decide di rafforzare la propria presenza internazionale, raramente si tratta solo di una casella in più nell’organigramma. La nomina di Emmanuel Marill come Managing Director per l’area EMEA racconta molto di più dell’apertura di una nuova posizione: è una dichiarazione strategica, quasi un manifesto, su dove si giocherà la prossima partita dell’intelligenza artificiale.
Mentre l’Europa ripete come un mantra la parola “sovranità digitale”, l’Algeria ha deciso di passare dalle parole ai fatti. Lo scorso martedì il ministro dell’Economia della Conoscenza, delle Start-up e delle Microimprese, Noureddine Ouadah, ha accolto il nuovo CEO di Huawei Algeria, Tony Shi Xiaohua, per siglare una partnership strategica che punta dritto al cuore della transizione digitale del Paese: intelligenza artificiale, 5G e infrastrutture di calcolo ad alte prestazioni.
Il dibattito sull’Intelligenza Artificiale agentica sta entrando in una nuova fase, meno entusiastica e più concreta. Una recente analisi condotta da AWS in collaborazione con Harvard Business Review Analytic Services offre uno spaccato interessante su come le aziende stiano affrontando questa transizione: tra aspettative altissime e una realtà operativa ancora in costruzione.
Il quadro che emerge è meno lineare di quanto si potrebbe immaginare. Da un lato, le organizzazioni riconoscono sempre più il potenziale trasformativo dell’AI, in particolare dei sistemi agentici capaci di prendere decisioni e agire in autonomia. Dall’altro, il percorso per tradurre queste promesse in valore concreto e scalabile resta ancora poco definito, quasi un territorio inesplorato che molte imprese stanno iniziando a mappare solo ora.
Le ambizioni britanniche sull’intelligenza artificiale inciampano su due ostacoli molto concreti: regole e bollette. E quando a tirare il freno è OpenAI, il segnale non passa inosservato. Il progetto “Stargate UK”, presentato con entusiasmo istituzionale solo pochi mesi fa, entra ufficialmente in una fase di sospensione, lasciando dietro di sé più domande che risposte e una certa aria di déjà vu per chi segue da vicino la geopolitica dell’innovazione.
Nemmeno il tempo di abituarsi all’idea che l’intelligenza artificiale stia riscrivendo le regole del gioco globale, che a tremare, questa volta, è chi quelle regole le sta scrivendo. Dentro OpenAI, questo mese di aprile si è aperto con una sequenza di cambiamenti che assomiglia più a una serie di scosse sismiche che a un semplice riassetto aziendale.
Molto probabilmente è l’espressione più usata nel corso di questi primi mesi del 2026. Tuttavia, parlare di sovranità digitale oggi rischia di ridursi a un esercizio di retorica: suggestivo e politicamente efficace, ma difficilmente sostenibile quando si entra nei dettagli concreti. È esattamente questa la tesi, piuttosto netta, che emerge da una recente analisi di Boston Consulting Group, secondo cui l’idea di una piena autonomia nell’intelligenza artificiale non è solo ambiziosa, ma nella maggior parte dei casi semplicemente irrealistica.
Mustafa Suleyman, Ceo della divisione AI di Microsoft, ha scelto il Financial Times per una confessione che sa di onestà disarmante: nonostante gli investimenti faraonici e l’espansione continua delle infrastrutture, l’azienda non ha ancora la potenza di calcolo necessaria per spingere i modelli AI alla scala più grande possibile. Una frase che, detta dal numero uno di uno dei colossi tech più ricchi del pianeta, suona quasi come un colpo di scena in una trama che tutti immaginavano già scritta.