La battaglia per il controllo dell'AI

La battaglia per il controllo dell'AI

L'infrastruttura dell'intelligenza artificiale smette di essere questione tecnica e diventa terreno politico. Chi la controlla, chi la finanzia, chi la scomunica.

Domenica otto giugno, sul blog di OpenAI compare un saggio firmato da Sam Altman e dal suo direttore scientifico, Jakub Pachocki. Il titolo è "Built to benefit everyone". Dentro c'è una proposta che pochi mesi fa sarebbe sembrata strana: OpenAI starebbe valutando di cedere una quota azionaria al governo americano. Una percentuale piccola, tra l'uno e il cinque per cento, da convertire in un fondo sovrano pubblico. È Signal Brief, è l'undici giugno duemilaventisei, e parliamo di una cosa precisa. L'infrastruttura dell'intelligenza artificiale ha smesso di essere una questione tecnica. È diventata una questione di potere.

L'idea di Altman non arriva nel vuoto. Pochi giorni prima, in California, Marc Andreessen aveva fatto una mossa molto diversa. Il suo fondo, a16z, ha annunciato che sarà il maggiore finanziatore delle elezioni di mezzo termine del duemilaventisei negli Stati Uniti. Centinaia di milioni di dollari, per costruire — sono parole sue — una contro-élite tecno-ottimista. Andreessen non propone di cedere il potere: lo organizza.

Tra questi due gesti, accaduti nello stesso fine settimana, c'è il tema di oggi. Fino a pochi mesi fa, quando si discuteva di intelligenza artificiale, la domanda era cosa possa fare. Adesso la domanda è diventata chi la controlla. È un passaggio enorme, ed è successo in fretta.

Il primo a dirlo con chiarezza è stato François Chollet, su cui torneremo. Per Chollet il dibattito sull'AI è diventato distributivo. Non si chiede più se i modelli capiscono il mondo. Si chiede chi possiede le fabbriche dove i modelli vengono fatti girare, e chi beneficia di quello che producono. È la differenza che passa tra discutere di teologia e discutere di chi paga le tasse alla chiesa.

Questa cosa ha un precedente storico abbastanza preciso. Negli anni Venti del Novecento, quando l'elettricità smise di essere una curiosità tecnologica e diventò infrastruttura, il dibattito pubblico cambiò di colpo. Prima si discuteva se conveniva passare al motore elettrico nelle fabbriche. Poi, di colpo, si capì che il problema vero era un altro: chi controlla le centrali, chi possiede le linee, chi decide la tariffa. Negli Stati Uniti finì con le grandi commissioni di regolamentazione e con la rottura dei monopoli. In Europa con la nazionalizzazione di interi sistemi. La stessa cosa sta succedendo adesso con i data center, le GPU, l'infrastruttura per gli agenti. Solo molto più in fretta.

Dentro questa cornice, l'episodio di oggi ha tre fili che si intrecciano.

Il primo. Alcuni costruttori non discutono più la transizione: la danno per fatta e costruiscono sopra. Patrick Collison legge dai dati di Stripe che la singolarità — usa proprio questa parola — è cominciata nel primo trimestre del duemilaventisei. Nat Friedman ha lanciato una piattaforma che si chiama Entire, descritta come Git per agenti AI, partendo dall'idea che gli agenti siano già i principali produttori di codice. Loro non discutono se sta succedendo. Pensano alla manutenzione del cantiere.

Il secondo filo. Chi pensa che si stia correndo nella direzione sbagliata. Lo stesso Chollet, con il benchmark ARC-AGI-3, mostra che i modelli più avanzati restano sotto l'uno per cento. Yann LeCun scommette un miliardo di dollari su un'architettura completamente diversa. Ilya Sutskever ripete che il vecchio paradigma è esaurito. Per loro l'infrastruttura si sta consolidando intorno a un'idea sbagliata.

Il terzo filo, il più tagliente. La sicurezza dell'AI ha smesso di essere un problema tecnico ed è diventata una lotta tra istituzioni. Geoffrey Hinton, in un'intervista a NBC News di fine maggio, ha accusato Anthropic — il laboratorio che più di tutti si identifica con la sicurezza — di aver tradito la propria missione cedendo alle pressioni della concorrenza. Quando il padrino della sicurezza accusa pubblicamente il laboratorio della sicurezza, qualcosa è cambiato.

Mettendoli insieme, questi tre fili dicono la stessa cosa da angoli diversi. L'infrastruttura si consolida, la teoria si frammenta, il potere si redistribuisce — ma non in modo equo. È la storia di oggi, partendo dalle persone che la stanno scrivendo.

Cominciamo da Sam Altman. È l'amministratore delegato di OpenAI, ed è anche la persona che in questo momento sta tenendo insieme tre pressioni diverse: una quotazione in borsa che si avvicina, il governo americano che vuole una sedia al tavolo, e una narrativa pubblica sul lavoro che sta cambiando.

Il gesto della settimana è il saggio dell'otto giugno, firmato con il direttore scientifico Jakub Pachocki. L'analogia che propongono è quella dell'elettricità negli anni Venti del Novecento. L'elettricità ha cambiato tutto, scrive Altman, ma il rischio non era il cambiamento. Era la concentrazione. Il futuro sicuro è quello in cui il potere è distribuito, non trattenuto da pochi — governi, aziende, individui. OpenAI inclusa, dice esplicitamente.

Nello stesso giorno OpenAI ha depositato la versione confidenziale del documento per la quotazione in borsa. Goldman Sachs e Morgan Stanley sono i consulenti. L'obiettivo dichiarato è quotarsi a settembre. E nello stesso periodo si scopre che Altman sta discutendo con l'amministrazione Trump la possibilità di cedere al governo americano quella quota azionaria del cinque per cento, da convertire in un fondo sovrano pubblico. La mossa sta convergendo, in modo curioso, con un disegno di legge parallelo di Bernie Sanders. Repubblicani e socialisti che si ritrovano d'accordo per ragioni opposte: il segnale è che la questione non è più ideologica, è strutturale.

C'è poi una piccola ritrattazione che vale la pena notare. In un'intervista recente Altman ha ammesso di essere stato piuttosto in torto sull'impatto dell'AI sui posti di lavoro entry-level. L'anno scorso aveva previsto un disastro. Adesso attenua. Non è coincidenza che lo dica nei mesi che precedono la quotazione. Lo stesso ammorbidimento si vede in Dario Amodei. Un'azienda che si quota deve gestire l'apocalisse sul lavoro come si gestiscono i rischi in un prospetto.

La cosa più interessante per me è che Altman sta cambiando ruolo. Non è più solo l'amministratore delegato di una società tecnologica. Si sta posizionando come una figura pubblica — quasi un statista — che parla di distribuzione del potere e cita Sanders quando serve. È il ruolo che hanno avuto, per dire, i grandi banchieri della Federal Reserve nel primo Novecento. Il problema è che quel ruolo, storicamente, lo si guadagna anche perdendo qualcosa per strada. Vedremo cosa accetta di perdere.

Marc Andreessen è l'altro estremo della stessa medaglia. Mentre Altman parla di distribuzione, Andreessen organizza concentrazione.

La scena di queste settimane è il podcast di Joe Rogan. Andreessen ha detto in modo netto che l'intelligenza artificiale generale è già arrivata. "L'abbiamo superata circa tre mesi fa", sono parole sue. Per lui modelli come GPT-5.5, Claude 4.6 e Gemini 3.0 hanno raggiunto contemporaneamente il livello umano. Il test di Turing? Superato già nel duemilaventidue, sostiene, e nessuno se n'è accorto.

Da qui Andreessen costruisce una visione del mondo molto coerente. Sul lavoro dice che i bot non si ammalano, non si frustrano, non fanno denunce alle risorse umane. Nella Silicon Valley di oggi, racconta, si vedono già lavoratori che gestiscono venti bot in parallelo. Tra un anno, prevede, ci saranno persone che gestiscono venti bot, e ognuno di quei bot ne gestirà altri venti. Conia anche un'espressione efficace, AI vampire, per descrivere i lavoratori che producono di più, dormono di meno e diventano dipendenti dall'output di queste macchine.

Ma la parte importante non è questa. La parte importante è politica. Il suo fondo, a16z, risulta il maggiore finanziatore delle elezioni di mezzo termine del duemilaventisei. Andreessen siede nel consiglio tecnologico della Casa Bianca, e fa da consulente informale per il DOGE. La sua tesi è che la censura sull'AI sia un milione di volte più pericolosa di quella sui social. E inquadra il momento attuale come "morning in America" — è una formula reaganiana, e non è scelta a caso. Quello che propone è il ribaltamento di un'élite manageriale a favore di un'altra élite, tecno-ottimista.

Negli stessi giorni ha attaccato pubblicamente la giornalista Karen Hao, autrice di un libro critico su OpenAI. Le contesta errori sui dati di consumo idrico dei data center. È un attacco preciso, fatto pubblicamente, e va letto nel quadro più ampio: per Andreessen è il momento di costruire una narrazione, e la narrazione non ammette critiche imprecise.

Quello che salta agli occhi, mettendoli accanto, è che Altman e Andreessen rispondono alla stessa domanda — chi controlla l'infrastruttura — con strategie opposte. Uno propone di cedere quote al governo, l'altro finanzia chi nel governo dovrà votare le leggi. Sono due modi diversi di prenotarsi il prossimo decennio. Non è detto che siano davvero alternativi: potrebbero coesistere benissimo. Ma raccontano due intuizioni diverse sul potere — chi pensa che vada legittimato, e chi pensa che vada conquistato.

Geoffrey Hinton ha ottantasette anni, ha vinto il Nobel per la fisica per il suo lavoro sulle reti neurali, ed è probabilmente la persona vivente più associata all'idea di sicurezza nell'AI. Quando dice qualcosa, le aziende lo ascoltano.

Il primo giugno è salito sul palco del Sana AI Summit a New York. Ha ripetuto la sua tesi consueta: stiamo creando entità più intelligenti di noi, e succederà presto. Niente di nuovo, per chi lo segue. Ma poche settimane dopo, in un'intervista a NBC News, Hinton ha fatto una cosa che invece è nuova. Ha attaccato direttamente Anthropic, accusandola di essersi allontanata dalla sua missione originale di sviluppo sicuro. Le pressioni competitive, dice Hinton, hanno fatto cedere anche il laboratorio che più si identificava con la sicurezza.

È un gesto pesante. Anthropic è stata fondata proprio da persone che avevano lasciato OpenAI perché ritenevano che la sicurezza non fosse abbastanza al centro. Vedersela contestare da Hinton non è una critica generica: è la perdita di una legittimazione. E qui torna il filo di oggi. Fino a un anno fa la sicurezza dell'AI sembrava un problema tecnico — come allineare i modelli, come evitare comportamenti indesiderati. Ora è un terreno istituzionale. Chi parla a nome della sicurezza, chi può rivendicarla, chi viene scomunicato. Si sta formando un'ortodossia, e dentro un'ortodossia ci sono fedeli, eretici, scissioni.

C'è poi un cambio di posizione personale che vale la pena segnalare. Hinton, storicamente scettico sull'AI militare, ha dichiarato qualche giorno fa di essere diventato più aperto, dopo aver osservato il ruolo dei droni autonomi nella guerra in Ucraina. Per lui non è più solo un rischio, è anche uno strumento di difesa reale. È un'inversione netta, e dice molto del momento: anche chi ha passato decenni a costruire il vocabolario del rischio sta riconfigurando le proprie linee rosse.

L'osservazione che lascio in chiusura è una. Quando un campo intellettuale matura, succede una cosa precisa: smette di essere fatto di idee e diventa fatto di istituzioni. I dipartimenti, le riviste, le scuole di pensiero. E al momento decisivo, le istituzioni iniziano a litigare tra loro per stabilire chi rappresenta cosa. La sicurezza dell'AI è entrata in quella fase. Non è una buona notizia, non è una cattiva notizia. È un segnale di maturazione. E in genere, quando un settore matura così, le scelte importanti vengono fatte nelle stanze, non sui palchi.

Torniamo un attimo sul filo della giornata. L'infrastruttura dell'AI si consolida, e il dibattito si è spostato dalla domanda cosa può fare alla domanda chi la controlla. Altman propone di distribuire, Andreessen organizza, Hinton scomunica. C'è poi una quarta categoria, quella delle persone che non discutono affatto: costruiscono sopra una transizione che danno per fatta. Nat Friedman è una di queste.

Friedman è stato amministratore delegato di GitHub, l'ha guidata durante l'acquisizione di Microsoft. Per anni ha fatto l'investitore indipendente attraverso NFDG, un fondo da un miliardo e cento milioni di dollari co-gestito con Daniel Gross. Poi, l'estate scorsa, una parte significativa di quel fondo è stata acquisita da Meta, e Friedman è diventato Vice President of Product and Applied Research nei Meta Superintelligence Labs, il laboratorio che Zuckerberg ha costruito intorno ad Alexandr Wang.

Ma il gesto interessante di queste settimane è un altro. Friedman ha lanciato una società che si chiama Entire. Ha raccolto sessanta milioni di dollari a una valutazione di trecento. La descrizione che ne danno è efficace: Git per agenti AI. L'idea è che gli strumenti che usiamo oggi per scrivere codice — i sistemi di controllo versioni, le pull request, le issue — sono stati progettati per gli umani. Ma se gli agenti AI stanno diventando i principali produttori di codice, come crede Friedman, allora servono strumenti diversi. La feature centrale di Entire si chiama Checkpoints: ogni cambiamento fatto da un agente porta con sé tutto il contesto — la trascrizione della conversazione, i file toccati, il costo in token, gli strumenti chiamati, il ragionamento dell'agente. Tutto tracciato e auditabile.

Qui c'è una postura precisa che merita di essere notata. Friedman non scrive saggi sul futuro degli agenti. Non discute se accadrà. Costruisce gli strumenti di cui servirà disporre quando sarà accaduto. È la stessa postura di Patrick Collison, che dai dati di Stripe legge che la singolarità è iniziata nel primo trimestre del duemilaventisei, e di Jensen Huang, che parla dell'era agentica come di un fatto compiuto.

La cosa interessante di queste persone è il vantaggio narrativo. Chi costruisce l'infrastruttura non deve convincere nessuno: deve solo aspettare che il resto del mondo si accorga di vivere in un mondo che lui ha già descritto. Quando le ferrovie americane di fine Ottocento iniziarono a piazzare i binari, non discutevano se i treni avrebbero sostituito le diligenze. Le città che non avevano la stazione si svegliarono qualche anno dopo capendo che il mondo era cambiato senza chiedere il loro parere. Sta succedendo qualcosa di simile, solo che le stazioni adesso sono server farm e protocolli per agenti.

Progetti da osservare. Cinque cose, brevi.

Nanochat, di Andrej Karpathy, continua a crescere: è un esperimento per costruire un modello linguistico essenziale e leggibile, didattico. L'idea che si possa capire dentro come funziona una di queste macchine senza averne una grande come una città.

Sempre di Karpathy, autoresearch è il progetto di cui ha parlato a Sequoia: un agente lasciato a girare per due giorni, settecento esperimenti, venti ottimizzazioni trovate. Non è il prodotto finito, è una dimostrazione: l'idea che la ricerca scientifica stessa diventi un processo automatizzabile.

Datasette, di Simon Willison, con il nuovo plugin Datasette Agent, è la versione più semplice e onesta della promessa degli agenti: interroghi un database in italiano o in inglese, e dietro un sistema scrive le query, visualizza i dati, esegue codice. Niente magia, solo strumenti che si possono leggere.

Hyprland, un gestore di finestre per Linux, sta crescendo come spesso succede ai progetti che incarnano un'estetica precisa: minimale, configurabile fino all'osso, fatto da persone che amano avere il controllo del proprio strumento. È curioso vederlo accanto agli altri: mentre l'AI parla di delegare, una parte della comunità tecnica tira nella direzione opposta.

E poi llama.cpp, il progetto che permette di far girare modelli linguistici grandi su hardware piccolo, anche su un laptop. È il rovescio della medaglia delle fabbriche di calcolo da miliardi di dollari. La sua presenza continua nei progetti più seguiti dice una cosa che non andrebbe dimenticata: c'è ancora una comunità che pensa che l'AI debba essere portabile, leggera, sotto il controllo di chi la usa. Anche questa è una posizione politica, anche se non viene mai raccontata così.

L'immagine che lascio è quella dell'elettricità degli anni Venti. Le centrali esistevano già da decenni. Quello che è cambiato in quel decennio è stato il modo in cui sono state messe insieme, finanziate, regolate. Adesso sta succedendo la stessa cosa con l'AI, solo molto più in fretta. La domanda non è se. La domanda è chi. È stato Signal Brief. Alla prossima.