La fine della corsa alla potenza

I grandi nomi dell'intelligenza artificiale concordano: la corsa alla potenza bruta è finita. Ma su cosa viene dopo, e su chi comanderà, il disaccordo è totale.

C'è un momento, in ogni grande cambiamento tecnologico, in cui chi è dentro smette di discutere su quanto andare veloce e comincia a discutere su dove si sta andando. Questo è Signal Brief, ed è il 18 maggio 2026. In una sola settimana, da un'aula di tribunale a Oakland a un discorso di laurea in Pennsylvania, le persone che costruiscono l'intelligenza artificiale hanno detto, quasi tutte, la stessa cosa: la ricetta che ha funzionato finora è arrivata al capolinea. Sul resto, non sono d'accordo praticamente su niente.

Andrej Karpathy non scrive una riga di codice da dicembre. Lo ha raccontato lui stesso: programma "in inglese", descrive a voce cosa vuole e lascia che siano dei programmi automatici a scriverlo. Tre mesi prima diceva che quegli stessi programmi erano inutili, un giocattolo. È un ribaltamento netto, e non riguarda solo lui.

Per quindici anni il modo per migliorare l'intelligenza artificiale è stato semplice da spiegare: modelli più grandi, più dati, più potenza di calcolo. E funzionava. Ogni volta che si aumentava la scala, il modello diventava più bravo. Questa settimana, però, quattro persone che raramente si trovano d'accordo su qualcosa — Karpathy, Yann LeCun, Ilya Sutskever, John Carmack — hanno detto la stessa cosa con parole diverse: quella strada è finita. I testi disponibili nel mondo sono quasi esauriti, e spendere quattrocento miliardi di dollari l'anno per modelli appena più grandi non regge più.

Vale la pena fermarsi su questo, perché è un passaggio di quelli lunghi. Ricorda cosa successe nelle fabbriche, nel passaggio dal vapore all'elettricità. All'inizio l'elettricità veniva usata per fare la stessa identica cosa del vapore: muovere un grande albero centrale collegato a tutte le macchine. Ci vollero decenni prima che qualcuno capisse che con l'elettricità la fabbrica si poteva ripensare da zero, un piccolo motore per ogni macchina. Il salto vero non fu avere più potenza. Fu cambiare la forma di tutto. L'intelligenza artificiale è esattamente a quel punto: la domanda non è più "quanto grande facciamo il modello", ma "che forma gli diamo".

Sotto questa convergenza, però, si apre tutto il disaccordo. Sutskever ha lasciato OpenAI per fondare una società che fa una cosa sola, ricerca sulla sicurezza, e questa settimana l'ha vista valutata trentadue miliardi di dollari senza aver venduto niente. Jensen Huang, l'uomo che vende le macchine di calcolo a tutti gli altri, dice che la prossima fase — quella degli agenti che lavorano da soli — chiederà mille volte più potenza di adesso. Decentralizzazione, intanto, è la parola che tutti usano: l'AI dovrebbe liberarci, distribuirsi, girare sui nostri computer. Ma più la si pronuncia, più il calcolo si concentra in due o tre aziende e in un solo fornitore di chip. Da una parte c'è chi ha fabbriche di calcolo grandi come città. Dall'altra chi spera di far girare tutto su un portatile. È la stessa promessa di internet trent'anni fa — un mondo senza centro — finita poi in mano a una manciata di piattaforme.

E poi c'è il lavoro. Geoffrey Hinton dice che un quinto dei posti d'ingresso sparirà in pochi anni. Jack Dorsey va oltre: non spariranno i singoli mestieri, sparirà uno strato intero, quello dei capi di mezzo. LeCun, dall'altra parte, chiama tutto questo allarmismo dannoso. Nessuno ha ragione, per ora — e proprio per questo la cosa è seria. Quando le persone più informate non concordano, vuol dire che il risultato non è scritto da nessuna parte. Lo stiamo decidendo adesso.

Restiamo un momento su Karpathy, perché quello che ha fatto questa settimana merita di essere raccontato per intero. Ha lavorato per anni nei posti dove l'intelligenza artificiale si decide davvero — Tesla, OpenAI — e oggi costruisce strumenti per insegnarla. È una delle voci che le persone tecniche ascoltano di più.

A inizio marzo ha pubblicato un piccolo programma. Seicentotrenta righe, niente di più. Lo ha chiamato autoresearch. Non è un prodotto, è un esperimento: un agente che progetta da solo degli esperimenti di ricerca, li esegue, guarda i risultati e ricomincia. Karpathy lo ha lasciato girare. In due giorni quel programma ha fatto settecento esperimenti e ha trovato venti modi per addestrare meglio un modello piccolo. Da solo, di notte, mentre lui dormiva.

Detta così sembra un dettaglio da addetti ai lavori. Ma fermiamoci su cosa significa. Per tutta la storia della scienza, la ricerca è stata una persona che ha un'idea, prova, sbaglia, riprova. Lenta, fisica, umana. Quello che Karpathy ha mostrato è una ricerca che continua da sola tutta la notte, senza nessuno a guardarla. Non è semplicemente più veloce di un ricercatore: è di un altro tipo. È come la differenza tra una bottega artigiana e la prima catena di montaggio — non lo stesso lavoro fatto in fretta, ma un modo diverso di lavorare.

Karpathy ha una frase per descrivere dove funziona davvero questa roba: l'intelligenza artificiale diventa bravissima dove le cose si possono verificare. La matematica, il codice: lì c'è una risposta giusta, il modello può controllarsi da solo e migliorare quasi all'infinito. Dove invece non c'è un modo chiaro di dire "questo è giusto", si ferma. Ed è per questo che il primo posto dove vediamo gli agenti diventare bravi è proprio scrivere software — un mondo dove il giusto e lo sbagliato si misurano subito.

Il pensiero che mi resta è questo. Pochi mesi fa Karpathy diceva che gli agenti erano un giocattolo. Oggi ci affida la ricerca. Non è cambiato lui: sono cambiati i modelli, e in fretta. E quando una persona così cauta cambia idea così in fretta, di solito vuol dire che sta succedendo qualcosa di vero.

Il dodici maggio, in un'aula di tribunale a Oakland, Ilya Sutskever ha testimoniato contro Sam Altman. I due hanno fondato OpenAI insieme. Sutskever ne è stato a lungo il capo scienziato, l'uomo che più di ogni altro ha creduto nell'idea che bastasse aumentare la scala. Davanti ai giudici ha detto che Altman ha mentito in modo coerente, sistematico. Parole pesanti, tra due persone che hanno costruito la stessa cosa.

Ma la storia più interessante di Sutskever non è il processo. È quello che ha fatto dopo aver lasciato OpenAI. Ha fondato una società che si chiama Safe Superintelligence, e questa settimana si è saputo che è valutata trentadue miliardi di dollari. Trentadue miliardi per un'azienda che non vende niente, non ha prodotti, non ha clienti, e ha dichiarato che per anni non ne avrà. Fa una cosa sola: ricerca sulla sicurezza dell'intelligenza artificiale.

Vale la pena soffermarsi su questo gesto, perché è radicale. Sutskever ha passato anni a dire che la strada era la scala. Adesso dice il contrario: la scala è finita, e quello che serve è ricerca vera, paziente, di un altro tipo. Non è un aggiustamento di rotta. È una persona che ha cambiato la frase fondamentale della propria vita professionale, e ci ha scommesso sopra miliardi.

C'è poi il modo in cui parla di sicurezza, ed è qui che tocca il filo di oggi. Per Sutskever la sicurezza non è un freno che metti dopo, una cintura allacciata a cose già fatte. È un problema tecnico, da risolvere come si risolve un problema di ingegneria, prima di costruire. Sul lato opposto c'è Marc Andreessen, che questa settimana ha pubblicato quello che ha chiamato il prompt perfetto: un'intelligenza artificiale provocatoria, aggressiva, senza nessun avvertimento etico. Per lui ogni vincolo è progresso perso.

Ed è qui che la parola sicurezza smette di essere una questione tecnica. Quando uno dice che la sicurezza viene prima di tutto e l'altro che ogni vincolo è una catena, non stanno discutendo di codice. Stanno discutendo di libertà e di controllo — le stesse due parole attorno a cui gli uomini litigano da secoli. L'intelligenza artificiale ha solo dato un terreno nuovo a una discussione molto vecchia.

Ricapitoliamo un attimo dove siamo, perché in cuffia il filo si perde facile. Tutti dicono che la vecchia ricetta è finita. Da quel bivio, però, ognuno prende una strada diversa: c'è chi vede ricerca lenta e paziente, chi vede sparire interi strati di lavoro. E poi c'è chi vede una cosa sola: più calcolo. Quella strada la indica l'uomo che le macchine di calcolo le vende a tutti gli altri.

L'undici maggio Jensen Huang, il capo di Nvidia, ha parlato alla cerimonia di laurea della Carnegie Mellon. Agli studenti ha detto una frase netta: l'intelligenza artificiale non sostituirà i singoli lavoratori, ma chi la sa usare bene sostituirà chi non la usa. È una frase rassicurante e inquietante allo stesso tempo, e l'ha detta l'uomo che da questa transizione guadagna più di chiunque altro.

Perché è questo il punto su Huang. Nvidia costruisce i chip su cui gira quasi tutta l'intelligenza artificiale del mondo. E Huang ha spiegato che la prossima fase — quella degli agenti che leggono, ragionano e usano strumenti da soli, senza fermarsi mai — chiederà mille volte più potenza di calcolo di quella che serve oggi. Mille volte.

Mettiamo insieme i pezzi. Tutti raccontano un futuro decentralizzato, distribuito, nelle mani di tutti. Ma se la prossima generazione di intelligenza artificiale ha bisogno di mille volte più calcolo, quel calcolo se lo potranno permettere in pochissimi. E i chip, in pratica, li fa una sola azienda. La parola che si sente è decentralizzazione. La cosa che succede è la concentrazione di potere di calcolo più grande della storia.

C'è un dettaglio che lo dice bene. Fino all'anno scorso Huang diceva che i computer quantistici erano lontani trent'anni. Questo mese Nvidia ha rilasciato Ising, una famiglia di modelli pensata proprio per quel mondo. Un'inversione totale in pochi mesi. Quando l'azienda che vende le pale a tutti i cercatori d'oro cambia idea, conviene guardare dove punta.

Il pensiero che mi resta è un paragone. Nell'Ottocento, durante la corsa all'oro, l'uomo che si arricchì sul serio non fu quasi mai chi scavava. Fu chi vendeva i picconi, le pale, i pantaloni resistenti. Oggi tutti scavano in cerca di intelligenza artificiale. Huang vende i picconi. E i picconi, questa volta, costano come una città.

Jack Dorsey ha fondato Twitter e oggi guida Block, l'azienda di pagamenti che una volta si chiamava Square. È uno che le cose, più che dirle, le prova su se stesso. E quello che sta provando adesso è una delle idee più nette di tutta la settimana.

Insieme a Roelof Botha, storico investitore della Silicon Valley, Dorsey ha messo nero su bianco una tesi che ha chiamato "dalla gerarchia all'intelligenza". L'idea è questa: ogni messaggio interno, ogni riunione, ogni richiesta di modifica al codice, tutto quello che in un'azienda viene scritto, può diventare il nutrimento di un sistema di intelligenza artificiale che coordina il lavoro. E se una macchina può coordinare il lavoro, allora un intero strato di persone — quelle che oggi chiamiamo capi di mezzo, i manager intermedi — diventa superfluo.

Dorsey non l'ha solo scritto. L'ha fatto. In Block ha tagliato il quaranta per cento del personale e ha appiattito la struttura. Le decisioni etiche e strategiche, dice, restano agli umani. Il coordinamento di tutti i giorni, no.

Qui conviene collegare il filo. Quando si parla di intelligenza artificiale e lavoro, di solito si immagina il robot che prende il posto dell'operaio, o il programma che scrive al posto dell'impiegato. Dorsey sposta lo sguardo: non spariscono i singoli mestieri, sparisce un livello dell'organizzazione. Sparisce la figura che esiste soprattutto per far passare le informazioni dall'alto in basso e viceversa. È una cosa diversa, e per certi versi più profonda.

E ha un precedente storico preciso. A metà Ottocento le grandi aziende inventarono i quadri intermedi proprio per un motivo: le informazioni viaggiavano lente, serviva qualcuno a ogni piano a smistarle. Quella figura nacque da un limite tecnico. Dorsey sta dicendo che il limite tecnico non c'è più, e quindi quella figura può andarsene com'è arrivata.

Resta una cosa che Dorsey non dice, e vale la pena notarla. Quei posti di lavoro sono di persone vere. Lui parla di efficienza e di strutture piatte, ma su cosa succede a chi quel lavoro lo perde, sorvola. È la parte scomoda della sua idea — e oggi, su quella parte, nessuno ha una risposta.

Quattro progetti da tenere d'occhio, perché raccontano in piccolo le stesse cose che abbiamo detto in grande.

Il primo si chiama nanochat, ed è di Karpathy. È un programma che addestra un modello di linguaggio piccolo in circa due ore, su poche macchine. Niente fabbriche di calcolo. È il manifesto dell'era che si apre: non più "più grande è meglio", ma "quanto possiamo fare con poco". Un singolo ricercatore, di nuovo, può tenere in mano l'intera cosa.

Il secondo è llama.cpp. È il pezzo di software che permette di far girare un'intelligenza artificiale sul proprio computer, senza mandare niente nel cloud, senza chiedere il permesso a nessuno. È diventato lo standard di chi vuole l'AI in casa propria. Se Huang rappresenta la concentrazione, llama.cpp è la scommessa opposta: tenere tutto sul tavolo di cucina.

Il terzo è ARC-AGI-3, il test ideato da François Chollet. Sono piccoli rompicapo interattivi: nessuna istruzione, devi capire da solo le regole. Gli umani li risolvono quasi tutti. Le intelligenze artificiali di oggi, meno dell'uno per cento. È la prova più onesta che abbiamo del fatto che "sembrare intelligenti" e "ragionare" restano due cose diverse.

Il quarto è Omarchy, una versione di Linux curata da David Heinemeier Hansson, il creatore di Ruby on Rails. È pensata per chi viene da Mac o Windows e vuole un computer che si possa davvero modificare, su cui mettere le mani. Sembra una cosa da appassionati, ma il segnale è più ampio: dopo vent'anni, c'è di nuovo gente che vuole possedere e capire la propria macchina, invece di affittarla. Lo stesso istinto che muove llama.cpp, applicato al computer intero.

Torniamo per un attimo a Karpathy che dorme, mentre il suo piccolo programma fa ricerca da solo, tutta la notte. È l'immagine che mi resta di questa settimana. La macchina ha imparato a lavorare senza di noi. Quello che ancora non abbiamo deciso è dove vogliamo essere noi, quando si sveglia. È stato Signal Brief. Alla prossima.