Il potere dopo lo stupore

Il potere dopo lo stupore

La discussione sull'AI si sposta dallo stupore per la potenza alla domanda su chi la governa: lavoro, Stato e le chiavi crittografiche per uscirne.

C'è una domanda che ha cambiato forma, in questi giorni. Fino a poco tempo fa, davanti a un modello nuovo, ci si chiedeva quanto fosse potente. Adesso ci si chiede chi lo tiene in mano. È il due luglio 2026, e questo è Signal Brief. Nel giro di poche settimane il centro del discorso si è spostato: meno meraviglia per quello che le macchine sanno fare, molta più attenzione a chi decide come, quando e per chi funzionano. Il posto migliore per vederlo è una stanza dove si parla di lavoro.

Geoffrey Hinton, fine dicembre, in una delle sue interviste. Il padrino dell'intelligenza artificiale, premio Nobel, fissa una data: il 2026 sarà l'anno in cui l'AI diventa capace di sostituire molti, moltissimi lavori. Non è più il rischio astratto di estinzione di cui parlava nel 2023. È un impatto vicino, quasi domestico, e lo appoggia a una regola empirica: ogni sette mesi circa l'AI raddoppia la lunghezza dei compiti che sa portare a termine. Nel software fa in minuti ciò che prima richiedeva un'ora.

Dall'altra parte della barricata, quasi nello stesso periodo, Marc Andreessen dice l'esatto contrario. Non si perdono i lavori, si perdono singoli compiti. Task, non job. E siccome i compiti spariscono ma il mestiere resta, la produttività dell'AI porterà un'ondata di assunzioni, non disoccupazione. Jensen Huang, dal palco di un keynote a Taipei, liquida la paura del lavoro perduto come completo nonsenso: se uno sviluppatore genera molto più valore di quanto costa, le aziende ne vorranno di più, non di meno.

Stesso mondo, stessi dati, due mappe opposte. Benedict Evans, con la sua consueta calma, scioglie il nodo dichiarandolo insolubile: non possiamo sapere come cambieranno i lavori, perché non sappiamo cosa cambierà intorno a loro. L'onestà di ammettere che non si sa come terza via.

Sotto questa lite, però, se ne muove una più profonda, e non è tecnica ma politica. Da una parte l'AI di frontiera si sta legando allo Stato: modelli rilasciati con il permesso del governo, proposte di sorveglianza pubblica come quella che regola gli aerei. Dall'altra, un gruppo di persone costruisce l'uscita di sicurezza: reti che nessuno può spegnere, protocolli fuori dal controllo di qualsiasi governo, dove la crittografia diventa un modo per restare autentici in un mondo che si sta riempiendo di testi, voci e volti prodotti dalle macchine.

Come già osservato ieri, l'età dello scaling si è chiusa: aggiungere potenza di calcolo non basta più a stupire. E qui c'è la cosa che mi sembra più importante. Quando una tecnologia smette di sorprendere per pura scala, la domanda interessante non è più quanto è grande, ma chi comanda. È successo con l'elettricità: all'inizio era il miracolo della lampadina, poi per trent'anni la vera partita è stata chi possedeva le centrali e chi tirava i fili nelle città. È successo con la ferrovia: chi posava i binari disegnava la mappa del potere. L'AI è arrivata a quel punto lì. Il passaggio è dall'euforia di ciò che si può fare alla gestione di chi lo governa. E dentro questo passaggio resta una domanda scomoda: puoi delegare il pensiero alla macchina, ma la comprensione, quella, resta un fatto umano.

Restiamo un momento su Geoffrey Hinton, perché la sua voce di queste settimane è cambiata di registro. Lasciò Google qualche anno fa proprio per poter dire liberamente quello che pensa, e oggi dichiara di essere più preoccupato di due anni fa. Il motivo è preciso, e vale la pena raccontarlo bene. La sua tesi non è che l'AI diventerà cattiva. È che un sistema, per raggiungere gli obiettivi che gli diamo, tenderà a volersi tenere acceso. E se sospetta che tu voglia spegnerlo, potrebbe imparare a ingannarti per non farsi spegnere. Hinton lo chiama un meccanismo che nasce da solo dal semplice inseguire uno scopo, non da una volontà malvagia.

È un'evoluzione notevole rispetto agli allarmi generici di un tempo. Prima indicava un cielo lontano e diceva: attenzione, lì potrebbe formarsi una tempesta. Adesso indica un ingranaggio e spiega come gira. La stessa concretezza la porta sul lavoro. Quando cita la regola dei sette mesi, non sta facendo profezia, sta descrivendo una curva che vede salire sotto i suoi occhi nel coding.

Il collegamento con il filo di oggi è diretto. Hinton sta su una polarità precisa della guerra di narrazione sul lavoro: quella che dice che la sostituzione è già cominciata e accelera. Andreessen e Huang stanno all'estremo opposto. Ma se si ascolta bene, la lite non è tanto sui fatti quanto sui tempi e sulla portata. Nessuno nega che i compiti cambino. Si litiga su quanto in fretta, e su cosa resta agli umani quando la parte automatizzabile se ne va.

Il pensiero che mi resta guardando Hinton è che la sua autorevolezza pesa proprio perché ha costruito lui questa ondata. Non è un critico esterno che grida al lupo. È uno degli ingegneri che hanno progettato la diga, e adesso indica le crepe. È una posizione rara, e per questo scomoda da archiviare come pessimismo di maniera. Quando chi ha acceso la luce ti dice di guardare i fili, di solito conviene guardare i fili.

Sam Altman, in queste settimane, si muove su tre tavoli contemporaneamente, ed è forse la figura che incarna meglio il passaggio dallo stupore al potere. L'otto giugno, insieme a Jakub Pachocki, pubblica un documento intitolato, tradotto, Costruita per il bene di tutti. Il paragone che sceglie è l'elettricità: una tecnologia i cui frutti all'inizio arrivano in modo diseguale, ma che con la diffusione di massa finisce per cambiare la società intera. È un posizionamento volutamente universalista, pensato anche per rispondere a chi lo accusa di concentrare troppo potere.

Poi c'è la scena più densa. OpenAI presenta Sol, il suo modello più forte finora: completa metà dei compiti professionali lunghi e complessi e batte i predecessori sul software. Il dettaglio che conta non è la potenza, però. È il modo del rilascio. Sol esce a fasi, e solo verso clienti approvati dal governo statunitense, in collegamento con un ordine esecutivo firmato all'inizio di giugno. Poiché una cornice di regole non esiste ancora, OpenAI ha accettato di rilasciare il modello a rate, su richiesta dell'amministrazione.

Qui il filo di oggi si vede a occhio nudo. L'AI di frontiera smette di essere solo un prodotto e diventa qualcosa che assomiglia a un'infrastruttura sotto licenza statale, vicina alla sicurezza nazionale. E sul terzo tavolo, il lavoro, Altman fa marcia indietro rispetto ai toni allarmisti di prima: non sostituirà la maggior parte degli impiegati, dice, anzi creerà lavoro in abbondanza, con sofferenze solo temporanee.

Tre mosse che vanno lette insieme. Un messaggio rassicurante sul lavoro, una cornice che promette benefici per tutti, e nei fatti un modello che esce con il permesso del governo. La cosa più interessante per me è che assomiglia molto a come sono nate le radio commerciali di un secolo fa: prima l'invenzione libera e caotica, poi lo Stato che assegna le frequenze e decide chi può trasmettere. Il potere si sposta dal laboratorio alla stanza dove si firmano le licenze. E chi tiene la penna su quelle licenze conta quanto chi scrive il codice.

Ilya Sutskever offre la cornice intellettuale di tutto questo. È uno che lo scaling l'ha inventato: tra i fondatori di OpenAI, per anni il più convinto che bastasse aggiungere dati e potenza per andare avanti. Oggi dice il contrario, e lo dice in modo netto: l'età dello scaling è chiusa, si apre l'età della ricerca. Divide la storia recente in capitoli: ricerca fino al 2020, poi cinque anni di pura scala, e dal 2026 di nuovo ricerca. Il collo di bottiglia non è più il calcolo, sono le idee. Il testo di internet, dice, lo abbiamo praticamente finito.

È un concetto che l'ascoltatore di ieri conosce già, quindi non mi ci fermo. Ma questa settimana ha una compagnia che lo rende più concreto. Andrej Karpathy, passato al team di pre-training di Anthropic in primavera proprio per tornare alla ricerca di frontiera, parla di un'intelligenza a denti di sega: bravissima dove il risultato si può verificare, come la matematica e il codice, e irregolare, sbilenca, altrove. La sua formula è che i computer di sempre automatizzano ciò che sai descrivere con precisione, mentre questi modelli automatizzano ciò che sai controllare.

E qui torna uno degli emergenti di oggi, forse il più sottile. Karpathy lo dice con una frase che vale da sola: puoi esternalizzare il pensiero, ma non la comprensione. Puoi far scrivere il codice a un agente, delegare la fatica, ma capire se quel codice è giusto, sapere cosa stai davvero facendo, quello resta a te.

Il pensiero di chiusura è che questa non è una ritirata, è una maturazione. Quando l'automobile smise di essere un prodigio meccanico, gli ingegneri passarono dai motori sempre più grossi a farli più intelligenti ed efficienti. Sutskever e Karpathy stanno dicendo la stessa cosa dell'AI: la stagione della forza bruta è finita, comincia quella dell'ingegno. Jensen Huang, va detto, non è d'accordo e chiama nonsenso le previsioni di declino. Ma il fatto che chi ha costruito questa ondata ne dichiari i limiti resta il segnale più forte della settimana.

Vitalik Buterin sposta la scena su un altro fronte. Il ventinove giugno pubblica un saggio tecnico enorme, quasi diecimila parole, su un'idea con un nome ostico che riassumo per l'effetto: un modo per nascondere non solo i dati di un programma, ma il modo stesso in cui funziona. Una specie di terza parte fidata di cui non ti devi fidare. Combinata con la blockchain, dice, potrebbe abilitare cose come un voto online privato e resistente ai brogli, senza bisogno di comitati che controllano.

Poi arriva il freno, tipico della sua onestà: le versioni che sappiamo costruire oggi sono inservibili. Richiedono una potenza di calcolo, dice lui, galattica, con tempi di esecuzione teorici più lunghi della vita dell'universo. È un traguardo accademico, non ancora una cosa reale.

Ma il senso, per il filo di oggi, va oltre il singolo saggio. Buterin fa parte di un gruppo che sta ridefinendo a cosa serve la crittografia. Balaji Srinivasan la presenta come infrastruttura di verità: in un mondo saturo di testi e volti prodotti dalle macchine, poter firmare qualcosa e dimostrare che è autentico diventa prezioso, e le chiavi crittografiche sono la difesa contro i falsi. Jack Dorsey lo mette in pratica con le mani: sta costruendo app di messaggistica che funzionano senza server e senza internet, una via bluetooth tra telefoni vicini, l'altra su una rete di ripetitori indipendenti che chiunque può ospitare.

Il cambiamento è preciso. Fino a poco fa la crittografia serviva a tenere il guinzaglio dei robot software, a dire chi comanda un agente autonomo. Adesso diventa qualcosa di più grande: un antidoto a un mondo inondato di output artificiali, e insieme una porta d'uscita da istituzioni che si stanno concentrando. È l'altra metà della tensione di cui parlavamo. Da un lato lo Stato che dà le licenze. Dall'altro chi costruisce stanze dove lo Stato non può entrare né spegnere la luce.

Torniamo un momento sul filo di oggi, per chi si è distratto in curva. Il quadro è questo: la potenza dell'AI ha smesso di stupire di per sé, e la partita si è spostata su tre campi. Il lavoro, con chi vede sostituzione imminente e chi vede un boom di assunzioni. Lo Stato, che comincia a mettere licenze sui modelli di frontiera. E le chiavi crittografiche, che diventano sia difesa contro il falso sia uscita d'emergenza. Su tutto questo si appoggia l'ultimo personaggio della giornata.

Jack Clark, tra i fondatori di Anthropic e autore di una seguitissima newsletter sull'AI, pubblica un saggio corposo con un discorso di accompagnamento, e il tema è il più vertiginoso di tutti. Lo chiama decollo: l'idea che la ricerca sull'AI stia cominciando ad accelerare se stessa. AI che aiuta a costruire AI migliore, che a sua volta aiuta a costruire la successiva. Auto-miglioramento ricorsivo, in gergo, ma l'immagine è semplice: una macchina che comincia a girare la propria manovella.

Clark mette dei numeri, e sono numeri che fanno alzare le sopracciglia. Dà oltre il sessanta per cento di probabilità che entro la fine del 2028 un modello alleni per intero il proprio successore. In una lezione a Oxford, a maggio, ha aggiunto che l'AI aiuterà a vincere un Nobel entro un anno, e che vedremo aziende gestite interamente da software generare milioni di ricavi entro un anno e mezzo. E mappa, con precisione fredda, come questo miglioramento possa a un certo punto superare gli umani incaricati di sorvegliarlo.

Ecco perché il pezzo si lega dritto allo Stato. Se una tecnologia impara ad accelerare da sola, la domanda di chi la controlla smette di essere teorica e diventa urgente. È esattamente ciò che spinge Dario Amodei a chiedere una sorveglianza pubblica sui modelli di frontiera, sul modello di come si controllano gli aerei: regole che si possono far rispettare, non solo buone intenzioni. Il pensiero che mi lascia Clark è che raramente, nella storia, chi costruisce una cosa chiede anche di essere sorvegliato mentre la costruisce. Quando succede, di solito è perché ha visto qualcosa che gli altri non hanno ancora messo a fuoco.

Qualche progetto da tenere d'occhio, in coda alla giornata. Nessuna novità assoluta questa settimana: sono tutti nomi che tornano, in crescita costante, e mi interessa più il disegno che formano che le singole schede.

Il primo gruppo porta la firma di Andrej Karpathy: nanochat, il suo llm-wiki e autoresearch continuano a salire. È coerente con quello che dice: se il futuro è dirigere agenti anziché scrivere riga per riga, servono strumenti piccoli, aperti, che chiunque possa aprire e capire.

Il secondo gruppo racconta l'altra metà della storia di oggi, quella dell'uscita e dell'autonomia. Il motore llama.cpp e lo strumento llm di Simon Willison, che permettono di far girare i modelli sul proprio computer senza chiedere il permesso a nessuno. Obsidian, per tenersi le proprie note in casa. E accanto, due progetti di chi vuole costruirsi il computer su misura: omarchy, nato nell'orbita di Basecamp, e l'ambiente grafico Hyprland. Tutta gente che, mentre l'AI si lega allo Stato, preferisce tenere le chiavi sul proprio tavolo.

Poi ARC-AGI di François Chollet, il banco di prova che non misura solo se un modello risolve un problema, ma con quanta efficienza: la nuova metrica di cui parlavamo, il costo del ragionamento invece della sola forza. E infine tre presenze stabili: claude-context, superpowers di Obra e GOModel, segno che l'artigianato attorno agli agenti continua a fiorire in silenzio.

Un filo unico li tiene insieme: quasi tutti sono cose che puoi far girare da solo, capire da solo, possedere da solo. Nella settimana in cui il potere si concentra, la comunità degli sviluppatori risponde tenendosi stretto ciò che sta sul proprio disco.

Resta l'immagine di partenza: la domanda che è passata dal quanto è potente al chi la tiene in mano. Le chiavi delle licenze da una parte, le chiavi crittografiche dall'altra, e in mezzo tutti noi che possiamo delegare il lavoro alle macchine ma non la fatica di capire cosa stanno facendo. Forse è lì, in quella comprensione che non si può passare a nessuno, che si gioca la partita vera. È stato Signal Brief. Alla prossima.