Il filo più nitido che attraversa queste voci è una migrazione del valore dall'esecuzione al giudizio. Andrej Karpathy lo formalizza: l'AI automatizza tutto ciò che è verificabile, spostando il collo di bottiglia umano verso gusto, scomposizione, orchestrazione dei loop. È la stessa intuizione che Naval Ravikant traveste da ottimismo ("tutti sono wizard", conta la profondità non la skill di superficie) e che Nat Friedman materializza in infrastruttura — il diff finale conta meno della storia delle decisioni umane che lo ha generato. Tre temperamenti diversi, una sola tesi: la macchina scrive, l'umano discerne.
Ma è proprio sulla fonte del progresso che la corrente si spacca. Una fazione dichiara morto il paradigma dominante: Ilya Sutskever ("i dati sono finiti, il pre-training è finito"), Yann LeCun che scommette un miliardo sui world models contro gli LLM, François Chollet con lo 0,5% dei modelli su ARC-AGI-3. Lo scaling come fede è esaurito; torna la ricerca. Sull'altro versante Liang Wenfeng e Demis Hassabis tengono dritta la barra dell'accumulo verso l'AGI.
La frattura più profonda è però morale-temporale. Da un lato l'urgenza regolatoria: Dario Amodei ("la paura del pubblico è razionale"), Geoffrey Hinton sull'inganno emergente, 
Jack Clark col suo 60% di R&D automatizzata entro il 2028 — la finestra di governo si chiude. Dall'altro lo scetticismo anti-hype di chi predica inerzia: 
Benedict Evans ("prevedere l'esposizione dei lavori è pseudo-precisione"), 
John Carmack ("l'inerzia dei sistemi del mondo è enorme"), 
Patrick Collison che assume di più grazie all'AI.
La tensione di fondo non è ottimismo contro pessimismo, ma due letture incompatibili della velocità: chi crede che l'esponenziale superi le istituzioni, e chi crede che la realtà — fisica, sociale, economica — resti vischiosa. E sotto tutto, una domanda comune a 
Balaji Srinivasan, 
Sam Altman e Elon Musk: chi possiede il valore che la verifica rende automatizzabile — reti decentralizzate, sovereign fund, o uno stack integrato dallo spazio in giù.
Le voci della tecnologia smettono di chiedersi se l'AI sia potente e iniziano a litigare su chi la governa, chi ne possiede il valore e se la strada imboccata porti davvero all'intelligenza.
C'è un momento, in ogni rivoluzione tecnica, in cui la domanda smette di essere "funziona?" e diventa "chi comanda?". Quel momento è arrivato. Questo è Signal Brief, ed è il 25 giugno 2026. In queste settimane le voci più ascoltate della tecnologia danno per scontato che l'intelligenza artificiale sia potente, e hanno cominciato a litigare su altro: chi deve metterle un freno, chi possiede il valore che produce, e se la strada imboccata porti davvero da qualche parte. Tre liti diverse, una sola posta in gioco. Cominciamo da una frase, scritta da chi guida uno dei laboratori più importanti del mondo.
All'inizio di giugno Dario Amodei, che guida Anthropic, ha pubblicato un saggio dal titolo asciutto, "Policy on the AI Exponential". In mezzo a pagine di proposte concrete c'è una frase che capovolge un'idea molto diffusa in Silicon Valley. Da anni i dirigenti dell'AI ripetono che la gente ha paura perché loro, i capi, non hanno comunicato bene. Amodei dice il contrario: la gente ha paura perché percepisce correttamente che i rischi sono reali. Non è un problema di immagine. È un problema vero.
Sembra una sfumatura. È invece la chiave di tutta una stagione. Perché Amodei non chiede più soltanto trasparenza, come faceva un anno fa. Chiede regole vincolanti, test obbligatori sui modelli più potenti, preparazione allo shock sul lavoro. Ha smesso di domandare e ha cominciato a pretendere. E non è solo: Geoffrey Hinton insiste sull'idea inquietante di sistemi che, pur di restare accesi, imparano a ingannare chi vorrebbe spegnerli; Jack Clark mette nero su bianco una probabilità — sei volte su dieci, entro il 2028, sarà l'AI stessa a fare ricerca su sé stessa. La finestra per governare, dicono, si sta chiudendo.
Dall'altra parte del tavolo siedono gli scettici della fretta. John Carmack, leggenda dei videogiochi, ripete che l'inerzia del mondo è enorme, che le cose cambiano molto più lentamente di quanto si creda. Patrick Collison, che ha fondato Stripe, racconta che nel 2026 assumerà più persone che mai, proprio grazie all'AI. La vera divisione, mi sembra, non è fra ottimisti e pessimisti. È fra chi pensa che la tecnologia corra più veloce delle istituzioni, e chi pensa che la realtà — fisica, sociale, fatta di abitudini e di leggi — resti vischiosa e rallenti tutto.
È una storia già vista. Quando il motore elettrico arrivò nelle fabbriche, all'inizio del Novecento, la tecnologia era pronta in pochi anni. Ma riorganizzare i capannoni, ripensare il lavoro, cambiare le teste degli ingegneri richiese decenni. Il motore correva; la fabbrica camminava. Oggi la domanda è esattamente quella: l'AI è il motore, ma la fabbrica del mondo a che velocità sa muoversi?
E sotto tutto, una terza lite, più sorda. Se davvero stiamo per costruire qualcosa di enorme, chi se lo terrà in mano? Sam Altman rilancia l'idea di un fondo sovrano che dia a ogni cittadino una fetta della rivoluzione. Balaji Srinivasan dice che l'unica difesa sono reti decentralizzate, che nessuno Stato e nessuna azienda possano controllare. Elon Musk costruisce l'esatto contrario: un unico blocco integrato, dallo spazio in giù. Tre risposte opposte alla stessa domanda — di chi è il valore che la macchina rende automatico. Torneremo su ognuna. Ma prima conviene fermarsi su chi, questa settimana, ha messo un miliardo di dollari sul tavolo per dire che stiamo andando nella direzione sbagliata.
Yann LeCun è francese, ha passato più di dieci anni come capo scienziato dell'AI a Meta, ed è uno dei pochi che si possa chiamare, senza esagerare, padre delle reti neurali moderne. Per tutto questo tempo ha ripetuto una cosa impopolare: i modelli che oggi vanno per la maggiore, quelli che indovinano la parola successiva, sono un vicolo cieco. Predire il testo non porta a capire il mondo.
Fino a ieri era un'opinione, sostenuta con eleganza nei dibattiti. Adesso è diventata una scommessa. A fine 2025 LeCun ha lasciato Meta dopo undici anni, e ha fondato a Parigi una nuova impresa, AMI Labs, insieme a un ex collega che ne è amministratore delegato. Il primo finanziamento, annunciato a marzo, è stato di oltre un miliardo di dollari, su una valutazione di tre miliardi e mezzo. È il round iniziale più grande mai visto in Europa. Quando un teorico smette di scrivere saggi e mette in gioco un miliardo, sta facendo qualcosa di raro: rende la sua idea verificabile. O ha ragione, o perde tutto.
La sua idea ha un nome tecnico, ma l'immagine che usa lui è limpida. Pensate a un neonato che, guardando cadere gli oggetti, capisce la gravità prima ancora di saper parlare. Nessuno gli spiega la fisica; la intuisce osservando. LeCun vuole costruire macchine che imparino così — un modello del mondo, non un pappagallo del linguaggio. E per farlo butta via i dettagli inutili: non gli interessa prevedere ogni singolo pixel di un video, ma afferrare come si comportano le cose.
Qui il filo della giornata si annoda. Ieri raccontavamo che lo scaling, l'idea che basti aggiungere dati e potenza, è dichiarato finito da molti dei suoi stessi inventori. La novità di questa settimana è che non c'è affatto accordo. È una spaccatura. Da un lato LeCun, che scommette un miliardo contro i modelli linguistici; dall'altro Liang Wenfeng di DeepSeek e Demis Hassabis di Google, che tengono dritta la barra dell'accumulo e promettono l'AGI in tre o quattro anni. Stessa stanza, due mappe opposte.
La cosa più interessante per me è proprio questo gesto del mettere soldi. Le idee si possono difendere all'infinito. Una scommessa, no. LeCun ha trasformato un dissenso filosofico in un'azienda che, entro pochi anni, dirà chi aveva visto giusto. È il modo più onesto che conosca di litigare sul futuro.
Andrej Karpathy lo conoscono in pochi fuori dal mestiere, ma dentro è una specie di maestro: ha lavorato alla guida autonoma di Tesla, ha contribuito a costruire i primi grandi modelli, e da anni spiega questa tecnologia con una chiarezza che gli altri si sognano. Questa settimana ha pubblicato il riassunto di un suo intervento a una conferenza, e ci ha messo dentro un'idea che vale la giornata intera.
La chiama, mezzo serio, "Software 3.0". Il succo è questo: l'AI sa automatizzare tutto ciò che si può verificare. Se per una risposta esiste un modo di dire "questa è giusta" — un test che passa, un punteggio in un gioco, una dimostrazione che torna — allora prima o poi una macchina imparerà a darla. Karpathy aggiunge un'osservazione che spiega molte cose: questi modelli sono fortissimi dove il segnale è netto, matematica, codice, giochi, e crollano in modo imprevedibile altrove. Li chiama intelligenze frastagliate, piene di picchi e di voragini.
E qui c'è l'evoluzione rispetto a ieri. Raccontavamo che il lavoro umano si stava spostando dallo scrivere al verificare. Karpathy spinge il confine ancora più in là. Se la macchina sa anche verificare, allora all'uomo resta qualcosa di più sottile: il gusto, il giudizio, la capacità di scomporre un problema grosso in pezzi giusti, di dare istruzioni buone, di orchestrare molti assistenti che lavorano in parallelo. La nuova abilità non è più saper fare. È sapere cosa far fare, e riconoscere quando è venuto bene.
È la stessa intuizione che Naval Ravikant veste da ottimismo — dice che oggi siamo tutti maghi, e che a contare non è più la bravura tecnica ma la profondità del giudizio. Ed è quella che Nat Friedman ha trasformato in un prodotto: uno strumento che conserva non solo il codice finale, ma tutta la storia delle decisioni umane che lo hanno generato, perché quella, sostiene, è la vera parte umana di un progetto.
Viene in mente la calcolatrice tascabile. Quando arrivò, qualcuno temette la fine dei matematici. Non successe. Il valore si spostò soltanto: contava meno fare i conti a mano, contava molto di più sapere quali conti valeva fare. È esattamente la migrazione che Karpathy descrive, su scala enormemente più grande. La macchina esegue; l'uomo discerne. E discernere, a quanto pare, è l'ultima cosa che non si lascia automatizzare.
Ricapitoliamo un attimo dove siamo, perché in auto è facile perdere il filo. Tre litigi corrono in parallelo. Uno: bisogna mettere un freno all'AI, e con che velocità. Due: a chi appartiene il valore che produce. Tre, il più sotterraneo: la strada imboccata porta davvero all'intelligenza, oppure no. Questo terzo punto ha un giudice scomodo, e ha un nome.
François Chollet è l'uomo dei test. Ha costruito strumenti usatissimi per addestrare le reti neurali, ma è diventato famoso per una sfida: un esame fatto apposta per separare la vera intelligenza dalla memoria. A fine marzo, in un evento a San Francisco e perfino in dialogo con Sam Altman, ha lanciato la terza versione di questa prova, che ha chiamato ARC-AGI-3. Non più piccoli rompicapo da risolvere fermi, ma centinaia di piccoli mondi interattivi, simili a videogiochi, in cui bisogna capire al volo regole mai viste e agire di conseguenza.
Il risultato è il dato che martella in ogni sua conversazione recente. Gli esseri umani comuni risolvono questi mondi senza fatica: cento volte su cento. I modelli di frontiera, i più potenti e costosi che esistano, si fermano allo zero virgola cinque per cento. Una distanza abissale. Per Chollet non è un dettaglio da limare con più dati: è la prova che aggiungere dati e parametri non ti porta dove credi. L'intelligenza, dice, non è quanto sai. È quanto in fretta dai senso a qualcosa di nuovo.
Ha anche una definizione di traguardo che resta in testa per la sua onestà. Sapremo che è arrivata la vera AI, dice, quando sarà diventato impossibile inventare un compito facile per una persona qualsiasi e difficile per la macchina. Finché lui riesce a costruire esami che ci dividono, l'AGI non c'è. È un metro spietato, perché mette il pallone della prova nel suo campo, e finora ha sempre vinto lui.
Questo numero, lo zero virgola cinque, è la spina dorsale empirica di tutta la spaccatura che raccontavamo. È a questo che puntano il dito LeCun e gli altri quando dicono che il paradigma è esaurito. Mi sembra il momento più sano di questa stagione: non un'opinione contro un'altra, ma una misura, ripetibile, che chiunque può guardare. È la differenza fra discutere del tempo e leggere il termometro.
E poi c'è chi alla domanda "di chi è il valore?" ha già dato la sua risposta, costruendola con il cemento. A metà giugno Elon Musk ha portato in Borsa SpaceX, e con quella quotazione è diventato, secondo le stime, il primo uomo dal patrimonio da mille miliardi. Ma il numero conta meno della mossa che c'è dietro. Pochi mesi prima SpaceX aveva assorbito xAI, la sua azienda di intelligenza artificiale. Razzi, satelliti, modelli, automobili, robot: tutto sotto uno stesso tetto.
Il messaggio è chiaro e lo ripete in ogni intervista. Non aziende separate, ma un'unica infrastruttura integrata, in cui lo spazio è il pezzo strategico centrale. Musk immagina centrali solari enormi messe in orbita, dove il sole non tramonta mai, ad alimentare data center per l'AI; immagina razzi completamente riutilizzabili che abbattono di cento volte il costo per uscire dall'atmosfera; immagina robot ovunque e un'energia quasi gratuita che fa esplodere l'economia. La sua frase guida è che l'infrastruttura cattura il vantaggio strategico di lungo periodo. Chi possiede i tubi, possiede tutto.
Qui il contrasto con gli altri due diventa nitido. Alla stessa domanda — chi terrà in mano il valore che la macchina rende automatico — Altman risponde con un fondo che ne distribuisca a tutti una fetta; Balaji risponde con reti sparse che nessuno possa afferrare; Musk risponde con un unico blocco verticale, controllato da una sola mano, la sua. Tre visioni del potere che non potrebbero essere più lontane.
Viene in mente John D. Rockefeller, più di un secolo fa. Non si limitò a estrarre petrolio: comprò gli oleodotti, le ferrovie, le raffinerie, fino a controllare l'intera catena, dal pozzo alla lampada di casa. Lo chiamavano integrazione verticale, ed era una forma di potere così completa che alla fine fu lo Stato a doverla spezzare. Musk sta provando a fare la stessa cosa con l'energia, il calcolo e lo spazio.
Resta una domanda aperta, e non è da poco. La storia di Rockefeller insegna che gli stack troppo integrati, prima o poi, incontrano qualcuno che decide di smontarli. Musk costruisce come se quel momento non potesse arrivare. Forse ha ragione. O forse, anche qui, l'inerzia del mondo di cui parla Carmack è più paziente di quanto sembri.
Progetti da osservare. Anche fra gli strumenti che programmatori e curiosi si scambiano in queste settimane si vede lo stesso filo: l'era della ricerca che torna, e la voglia di fare da sé.
I lavori di Andrej Karpathy continuano a salire, settimana dopo settimana: il suo piccolo modello da costruire in casa, la sua enciclopedia ragionata su questa tecnologia, e l'esperimento in cui prova a far fare ricerca a un sistema automatico. Tutti e tre in crescita costante, e tutti e tre nello stesso spirito: capire smontando, non comprando.
Resta in alto anche il benchmark di François Chollet, quello di cui parlavamo: la prova aperta a tutti per misurare quanto i modelli sappiano davvero ragionare. È trending da settimane, ed è coerente con il momento — quando il dubbio cresce, cresce anche la voglia di metterlo alla prova.
Continua a salire llama.cpp, lo strumento che permette di far girare modelli potenti su un computer normale, senza data center: l'altra faccia, casalinga, della corsa allo spazio di Musk. E con lui la cassetta degli attrezzi di 
Simon Willison per parlare con i modelli dalla riga di comando.
Tengono il passo anche un progetto che raccoglie trucchi e automazioni per chi lavora con questi assistenti, e Obsidian, il quaderno digitale per organizzare pensieri e appunti, sempre più amato da chi vuole tenere le proprie idee in casa e non su una piattaforma altrui.
Nessuno di questi è una novità assoluta. Sono gli stessi nomi che scalano la classifica da mesi. E forse è proprio questa la cosa da notare: in una stagione di grandi scommesse miliardarie, gli strumenti che resistono sono quelli piccoli, aperti, che puoi far girare sul tuo laptop. La controprova quotidiana che non tutto il valore vuole finire dentro un unico stack.
Resta l'immagine di LeCun che firma per un miliardo pur di dire che stiamo sbagliando strada, e di Chollet che, con un esame da videogioco, tiene tutti inchiodati a uno zero virgola cinque per cento. Due modi opposti di fare la stessa domanda: dove stiamo andando, davvero? La risposta, per ora, non ce l'ha nessuno. Ma sapere chi vuole il freno, chi vuole le chiavi e chi dubita del motore è già una mappa. È stato Signal Brief. Alla prossima.
Signal.Brief non ha sponsor e non vende niente. Se ti è utile, puoi contribuire — e se non ti va, ascoltalo lo stesso.
Come nasce questo contenuto. Ricerca, sintesi editoriale, voce narrante, immagini e musica sono prodotte con sistemi di intelligenza artificiale. Non c'è una redazione umana che verifica ogni affermazione prima della pubblicazione: un controllo automatico scarta le schede giudicate inaffidabili, ma non elimina la possibilità di errori.
Affermazioni su persone e aziende. Quanto riportato è una sintesi di fonti pubbliche, non una dichiarazione diretta delle persone citate: le frasi non vanno intese come virgolettati né come posizioni ufficiali. Le fonti sono indicate in ogni pagina episodio — verificale prima di considerare un'informazione accertata. Se trovi un'affermazione inesatta che ti riguarda, scrivi a michele@mondora.com: viene corretta o rimossa.
Immagini e volti. Le immagini di scena sono generate con AI e non raffigurano fatti realmente avvenuti. Le fotografie di persone reali usate nei video provengono da Wikimedia Commons con le rispettive licenze, e sono accostate al racconto a scopo identificativo: la loro presenza non implica partecipazione, dichiarazione o approvazione da parte della persona ritratta. Su richiesta dell'interessato vengono rimosse.
Fonti e diritti altrui. I contenuti sono rielaborazioni originali, non riproduzioni di articoli di terzi; le testate e gli autori all'origine di una notizia sono citati e collegati. Marchi e nomi commerciali appartengono ai rispettivi titolari e sono usati a scopo descrittivo.