Ma quale bolla: l'AI continua ad avanzare. E noi non siamo pronti
L’AI è qui, è reale, e continua ad avanzare a tambur battente. Non sembra esserci alcuna bolla. È il momento di prendere atto di questa realtà e pensare seriamente alle implicazioni future
IN POCHE RIGHE
La scorsa settimana, con gli earning delle Big Tech a coprire il rumore dei sermoni durante le prime battute della disputa in tribunale tra Elon Musk e OpenAI, la bolla ha finalmente fatto *pop*. Ma a scoppiare sono stati i tedofori, che per mesi — se non anni, a questo punto — hanno cercato di aggrapparsi a ogni possibile stortura (di un mercato invero stravagante) pur di preconizzare l’imminente collasso dell’AI.
In questo delizioso takedown, la ricercatrice Kelsey Piper prende di mira uno dei bastian contrari più celebri, il giornalista Ed Zitron. Per cui la bolla era in procinto di scoppiare già qui. Poi lo è stata qui. Poi qui. Poi ancora qui. Forse qui. Altrimenti, indubitabilmente, qui. Zitron è la versione estrema e quasi caricaturale del fenomeno, ma chiunque si sia interessato di AI per più di qualche ora avrà incontrato voci critiche più o meno certe (e ben felici di spiegare, urbi et orbi) che questa intelligenza artificiale è tutta fuffa. Purtroppissimo, invece, la realtà sembra testardamente indirizzata nella direzione opposta.
Earnings degli hyperscaler, dicevamo: in mezzo ad incrementi year-over-year quasi da cinema, anzitutto nei segmenti cloud1, la cifra complessiva di bandiera sono gli oltre $700 miliardi di capex previsti per l’AI da Amazon, Alphabet (Google), Microsoft e Meta nel solo 2026. Ma spacchettare azienda per azienda un numero con così tanti zeri, a questo punto, lascia quasi più il tempo che trova. È più interessante addentrarsi in ciò che vi è sotto trasversalmente, anche giusto per una breve panoramica: data center, chip, modelli.
Il circolo virtuoso, nella sua descrizione più astratta, è quasi banale: per distribuire i modelli le aziende AI hanno bisogno di chip — principalmente GPU — e per poterli alimentare sono necessari dei data center a loro volta impiegati per addestrare la frontiera ventura. La natura circolare di molti degli accordi che sottendono questo paradigma ha (giustamente!) spaventato Wall Street per mesi: l’idea che un’azienda X (per esempio Microsoft, Google o Nvidia) investa dei soldi in Y (OpenAI o Anthropic) cosicché Y possa comprare i prodotti di X (GPU e capacità cloud) sembra un’idea strampalata; soprattutto se Y deve infossarsi ulteriormente nei debiti per poter gestire un meccanismo lungi dall’essere profittevole.
Moltiplicare le caratteristiche di questo sistema con la rete sempre più fitta e interdipendente di attori in campo ha reso facile il gioco d’analisi: se la musica si ferma, viene giù tutto. Con due piccoli particolari però. E cioè che, da una parte, i modelli stanno concretamente migliorando e i risvolti empirici sull’utilizzo parlano chiaro. Dall’altra che la domanda è immensa — e continua a gonfiarsi.
In AI-landia si balla, il volume si alza, e al party aumentano i presenti. Sarà forse il caso di pensare che la musica non si fermi?
UNA STORIA
Per qualche motivo, nel corso del weekend, ci siamo un po’ tutti appassionati alla storia di Veltroni che conversa amabilmente con Claude2. Io l’ho trovato poco interessante, francamente, ma non partivo con aspettative granché alte. Se possibile, ho alzato più gli occhi di fronte alla valanga di commenti su LinkedIn pronti a spiegarci con fervente ardore che siamo di fronte a sistemi statistici, non consci, che ti rispondono in base a come imposti la conversazione tu, povero illuso di un Walter; dove andremo a finire signora mia.
Che sarebbe almeno parzialmente vero, se non di una banalità altrettanto sconcertante. Commentare una discussione da 2023 con un livello di sofisticatezza da 2024 (pre-o1, si intende) è già di per sé sconfortante, ma lo è ancor di più la crassa sicumera con cui si pretende di essere illuminanti3. Con buona pace dei ricercatori e di tutta la branca della mechanistic interpretability, che nel frattempo starebbe provando a mettere una lente sotto al cofano; e svelare che, quale che sia l’artefatto là dentro, è decisamente più articolato (e ancor più largamente ignoto) di quanto la nostra inferenza superficiale dall’esterno suggerisca. (Sull’umiltà epistemica torniamo fra un attimo.)
Non ho trovato neanche pertinenti i paragoni al teatrino già messo in piedi pochi mesi fa da Bernie Sanders. Il livello di insight prima facie è il medesimo, sicuramente; ed entrambi i siparietti, ammantati da una certa (tragicomica?) serietà, hanno forse pensato di tirare giù il velo di Maya non rendendosi conto del nulla cosmico malcelato dietro l’involontario gioco di ruolo. Ma se per Veltroni si è trattato puramente di un esercizio di stile, il senatore americano sembra perlomeno aver fatto suoi i rischi senz’altro più seri che le implicazioni dell’esistenza di una superintelligenza — in quanto tale — potrebbe avere, portando su tavoli più istituzionali una sensibilità fino a quel momento relegata (tristemente) alla fantascienza.
Nelle stesse ore in cui in Italia un personaggio di rilievo nazionale come Veltroni (meno prominente di un tempo, forse, ma comunque con un peso) occupa le pregiate pagine di carta del paper of record e un’ancor più nutrita armata concentra le energie per difendere un sapere tecnico fin troppo poco curioso, il ricercatore e co-fondatore di Anthropic Jack Clark scrive (traduzione mia):
I sistemi di AI stanno per iniziare ad essere capaci di progettare sé stessi. Cosa significa ciò?
Scrivo questo articolo perché, guardando tutte le informazioni pubblicamente disponibili, arrivo con riluttanza alla conclusione che c’è una probabilità elevata (60%+) che entro la fine del 2028 avremo attività di ricerca e sviluppo in AI senza intervento umano – disporremo cioè plausibilmente di un sistema di AI abbastanza capace da poter costruire autonomamente il proprio successore.
Una cosa gigantesca. Non riesco a capacitarmene.
È una conclusione a cui arrivo con riluttanza perché le implicazioni sono così vaste che mi sento schiacciato dalla loro portata, e non sono convinto che la società sia pronta al tipo di cambiamenti impliciti nel raggiungimento di un’AI capace di automatizzare la ricerca e sviluppo.
Ma noi, credo, stiamo vivendo nel periodo in cui la ricerca in AI verrà automatizzata, end‑to‑end. Se ciò dovesse accadere, avremo oltrepassato un Rubicone e saremo entrati in un futuro quasi impossibile da prevedere.
Ecco, umiltà epistemica. Quello con cui Clark affronta l’argomento, prima ancora delle conoscenze squisitamente tecniche, è precisamente il mix di sobrietà, profondità e serietà che manca al dibattito nostrano. Che riconduce all’effettiva magnitudine di quanto stiamo assistendo; al netto dei titoloni, degli schiamazzi e dell’hype (di cui pure, sia chiaro, è colpevole anche la stessa Anthropic). Tre passi avanti a Veltroni, e come minimo due rispetto al “pappagallo stocastico”4.
Clark non ha la sfera di cristallo, ed è sano prendere le sue probabilità con le pinze. Ma lasciar stare i numeri non può essere una scusa per ignorare tout court il trend e l’orientazione, che in ogni caso coincidono ampiamente con quelle di numerosi altri ricercatori — molti dei quali lavorano senza il beneficio di visione che una posizione primaria dentro Anthropic può garantire.
L’orizzonte dell’intelligenza artificiale generale (AGI) si sta schiarendo. Ma non lo leggiamo sul Corriere, purtroppo.
L’ACQUA IN CUI NUOTIAMO
Va da sé che l’aspetto economico e quello tecnologico della corsa all’AGI siano strettamente collegati.
Qualche lab più sperimentale, come SSI dell’ex chief scientist di OpenAI Ilya Sutskever, sta provando a raggiungere l’obiettivo direttamente, in un colpo solo. La maggioranza delle aziende, però, ha adottato un approccio progressivo, utilizzando ogni modello come un gradino per aiutarsi passo passo nella creazione del suo successore.
In un talk da Sequoia nel fine settimana, il creatore e capo di Claude Code Boris Cherny ha raccontato che, tra l’ottobre e il novembre del 2025, Anthropic ha sostanzialmente smesso di scrivere codice che non fosse prodotto dallo stesso Claude. “Il codice è un problema risolto al 100%”, dice; e, qualora non lo fosse per qualche caso particolare, la cosa più logica da fare è “aspettare il prossimo modello”.
Anthropic che usa Claude per lavorare alle versioni seguenti di Claude certifica che la quantità di capitale umano e finanziario riversato nel settore in questi anni5 sta dando i suoi frutti. Non è un caso che l’accelerazione, proprio dalla fine del 2025, abbia subito un’ulteriore impennata, e che nuovi modelli sempre più performanti vengano prodotti con frequenza gradualmente più alta.
Non solo: nel contributo allo sviluppo, il bilanciamento si sta spostando verso un apporto maggiore dato dalla stessa AI. Ciò di cui parla Clark (o Jakub Pachocki, che è succeduto a Sutskever in OpenAI) è esattamente la chiusura di questo loop.
Dal lato economico, invece, è la distribuzione al grande pubblico — clienti enterprise in primis — che sta reggendo la baracca: senza arrivare a sistemi del tutto autonomi o addirittura all’AGI, i checkpoint intermedi (i Claude e Gemini e GPT che abbiamo tra le mani oggi) si stanno già rivelando così utili da rendere insaziabile la fame di compute — e giustificare gli investimenti faraonici di cui sopra6.
Che, quasi paradossalmente, sono addirittura insufficienti; il collo di bottiglia, che esiste, si trova infatti nell’impossibilità fisica di soddisfare la domanda, dacché l’infrastruttura (data center e chip) è ancora troppo quantitativamente carente.
PERCHÉ CONTA
Se soltanto tre (!) anni fa i chatbot erano a malapena in grado di mettere insieme qualche frase di senso compiuto, con il passaggio ai modelli della generazione corrente verso il termine dello scorso anno gli agenti sono diventati una realtà operativa. Sia pure ancora supervisionati, riescono ormai a svolgere compiti economicamente validi e con resa spesso più che pregevole, specialmente in domini verificabili (come, appunto, il codice).
In svariati ambiti la bontà degli output è tutto fuorché superumana e i buchi infrastrutturali contribuiranno a fungere da strozzatura ancora per un po’. Vero. Ma è cruciale non soffermarsi sulla fotografia corrente come un punto stabile sulla linea, e guardare invece alla tendenza della curva. L’accelerazione nella frequenza dei rilasci non è un evento sporadico, in altre parole, bensì un sintomo sistemico7. E la qualità sta migliorando con una rapidità tale da rendere “non diverremo obsoleti prima del 2030” una previsione ottimistica.
Scommettere contro la celere evoluzione dell’AI e pontificare su ciò che “non saprà mai fare” estrapolando linearmente da quel che è utilizzabile oggi, dunque, potrebbe non essere una scommessa saggia. Parrebbe invece più astuto iniziare a pensare seriamente a come prepararsi a un mondo in cui, pur con tutte le barriere del caso — dalla difficoltà economica ed infrastrutturale insita nel servire i modelli a tutti i cappi regolatori che inevitabilmente si intensificheranno nei mesi a venire — il valore economico del lavoro prodotto dalle AI andrà a crescere ben oltre il coding.
SCENARI
La prima preoccupazione, naturalmente, è per i posti di lavoro.
Il refrain secondo cui “a rubarti il lavoro non sarà l’AI, ma qualcuno che usa l’AI” continua a suonare bizzarro alle mie orecchie, dacché parrebbe negare in principio la possibilità che i sistemi di domani possano essere capaci di svolgere una quantità ben più significativa di mansioni — più velocemente e (a tendere) economicamente degli umani, rimanendo nel frattempo disponibili ventiquattr’ore su ventiquattro e sette giorni su sette. Differenze non scontate.
Il nostro bias umano ci porta a reagire quasi di istinto, facendoci rifugiare immediatamente dietro quelle che consideriamo nostre unicità per confortarci dietro l’idea che qualcosa sia insostituibile. Io credo sia vero, soprattutto per ciò che riguarda gli ambiti relazionali e di autorialità. C’è poi un’indubbia e stratificata complessità nel sistema-mondo che anche AI molto avanzate non potranno semplicemente sostituire dall’oggi al domani, se non altro per le innumerevoli frizioni che, volente o nolente, esistono by design8.
Trovo però altrettanto sciocco volersi ostinatamente e dogmaticamente trincerare dietro queste idee, perché l’incertezza circa le abilità delle AI di domani — e la forza esplosiva con la quale ci stiamo dirigendo lì — ci imporrebbe quantomeno la misura che esponeva Clark. Sbandierare “l’aspetto umano” in modo ottusamente manicheo è un rischio che non dovremmo permetterci, dal momento che ci impedisce di avere le discussioni produttive di merito che sono invece inderogabili.
Al netto di situazioni catastrofiche (legate, ad esempio, all’utilizzo improprio dei sistemi di frontiera in ambito cybersecurity o bio)9, mi aspetto che le ripercussioni concrete sul mondo del lavoro saranno le prime ad emergere, creando grattacapi di policy tutt’altro che indifferenti. Potrebbe anche non essere possibile governare con successo il fenomeno da prima; in un mondo post-AGI persino concetti fondanti del nostro archetipo di società — come l’economia — potrebbero dover essere ridiscussi integralmente.
I tentativi di tratteggiare quel futuro soverchiante sono ancora timidi10, e la sensazione di paralisi di chi ci sta mettendo seriamente la testa (con più o meno ottimismo) pienamente legittimata. Ma non possiamo minimizzare né mettere la testa sotto la sabbia. In un modo o nell’altro, navigarlo sarà presto un imperativo. E se vogliamo avere qualche possibilità di farlo senza subire la burrasca, il tempo è adesso.
Google Cloud è cresciuto del 63% rispetto allo scorso anno. Sessantatré!
Non ci è dato sapere né che modello fosse, né se la modalità di ragionamento fosse attiva o meno. Chi l’avrebbe mai detto.
Gian Segato, ricercatore italiano che lavora da Anthropic, ha con gentilezza provato a disambiguare. Aprire le risposte è un rischio a cui non mi esporrei…
Immaginate di poter vivisezionare il cervello di Einstein nei momenti in cui i pezzi sulla teoria della relatività si incastravano gli uni con gli altri e spiegare al mondo che “è solo biochimica!”.
—che, suggerisce il grafico in testa, impallidisce rispetto alle cifre odierne (e quelle future, verosimilmente)
Nell’ultimo issue della newsletter di SemiAnalysis, le stime sul fatturato annualizzato di Anthropic sono state nuovamente riviste al rialzo: si attesterebbero adesso oltre i $44 miliardi. Erano $30 il mese scorso; e ricordiamo sempre che l’azienda ha chiuso il 2025 a $9 miliardi consolidati.
Dopo il rilascio di GPT-5.5 una decina di giorni fa, è tornato a parlare lo stesso Pachocki, il quale ha affermato di aspettarsi “miglioramenti significativi nel breve termine, ed estremamente significativi nel medio”, aggiungendo che “gli ultimi anni sono stati sorprendentemente lenti”.
La fattibilità tecnica di un modello avanzato di intelligenza artificiale — e financo una AGI — non equivale alla possibilità immediata di poterla distribuire sostenibilmente a miliardi di utenti. Esisteranno almeno due forme di stop a monte: quelle tecnico-infrastrutturali (modello troppo costoso, mancanza di GPU) e quelle regolatorie (dai vari controlli pre-deployment, già in discussione, alle norme locali). C’è poi tutto un discorso a parte da fare sulla robotica, che viaggia su un binario parallelo, seppure ancora indietro.
…che, come abbiamo visto la scorsa settimana, sono tutto fuorché un miraggio.
Parlare di “New Deal” come ha fatto ad esempio OpenAI non suggerirebbe un approccio timido, ma la proposta è talmente embrionale (e già passata relativamente in cavalleria) da impedire maggiore enfasi, almeno in questa fase.
⇑