Chi tiene il guinzaglio dell'intelligenza

Chi tiene il guinzaglio dell'intelligenza

La domanda sull'AI è cambiata: non più quanto sarà potente, ma chi la controlla. Voci di dentro ridimensionano l'hype, mentre torna la politica.

C'è una domanda che fino a pochi mesi fa quasi nessuno metteva al centro, e che oggi apre quasi ogni conversazione seria sull'intelligenza artificiale. Non è quanto diventerà potente. È chi la terrà al guinzaglio. In questo numero di Signal Brief, oggi 9 luglio 2026, seguiamo proprio questo spostamento, perché è arrivato in fretta e cambia il tipo di persone che conviene tenere d'occhio. La scena da cui partiamo è un podcast registrato una settimana fa, in California, dove un investitore molto ascoltato ha pronunciato una frase che sta girando parecchio.

Il 2 luglio, in una diretta intitolata Live in the Future, Naval Ravikant si è soffermato su un pensiero che da allora rimbalza ovunque. Ha detto, più o meno: non ho paura dell'intelligenza artificiale, ho paura di ciò che un piccolissimo numero di persone che la controllano può fare al resto di noi. Detta da lui, che da anni difende la tecnologia dagli allarmisti, quella frase pesa il doppio. Non è la paura della macchina. È la paura di chi tiene in mano il telecomando.

È lo spostamento più importante di questi giorni. Per anni la domanda era una questione di potenza pura: quanto diventeranno bravi questi modelli, quando raggiungeranno l'intelligenza di una persona. Adesso quella domanda è passata in secondo piano, e al suo posto ne è arrivata una più antica e più politica: chi comanda. È successo qualcosa di simile con le ferrovie, un secolo e mezzo fa. All'inizio tutti si chiedevano se i treni avrebbero funzionato davvero. Quando la risposta è diventata ovvia, la partita vera si è spostata su chi possedeva i binari. Con l'intelligenza artificiale siamo esattamente a quel passaggio.

E Naval non è solo. Balaji Srinivasan ha preso lo stesso timore e l'ha tradotto in una formula secca, prendendo in prestito un vecchio mantra del mondo delle criptovalute: se non possiedi le chiavi, non possiedi i tuoi agenti. La chiave crittografica come guinzaglio, insomma, l'unico modo per tenere un'AI al proprio servizio invece che al servizio di qualcun altro. Dall'altra parte, chi quel controllo vorrebbe affidarlo a un'istituzione: Sam Altman, in questi giorni, chiede addirittura un forum internazionale. Due strade opposte per la stessa preoccupazione, e ci torneremo tra poco.

Nel frattempo succede una seconda cosa, quasi altrettanto interessante. Chi ha costruito questo mondo ha cominciato a raffreddarne l'entusiasmo, dall'interno. Ilya Sutskever, che dello scaling è stato uno dei padri, dice adesso che quell'epoca è finita. Andrej Karpathy, che pure aveva acceso l'euforia sul coding automatico di cui parlavamo ieri, oggi corregge il tiro e parla non di un anno degli agenti ma di un decennio. Il tono è cambiato. Dove prima c'erano promesse, adesso c'è misura.

E poi c'è chi guarda i soldi. Benedict Evans continua a ripetere che il vantaggio non andrà a chi ha il modello più brillante, ma a chi ha il miglior modo di venderlo. È la stessa storia dei primi browser: erano gratis, funzionavano, e il valore stava tutto da un'altra parte. Tre correnti diverse, un solo fiume: l'entusiasmo di questo settore sta crescendo e sta scoprendo la fatica, il potere e la materia. Cominciamo da chi vorrebbe mettere ordine dall'alto.

Sam Altman guida OpenAI, ed è la persona che più di ogni altra, negli ultimi anni, ha incarnato l'idea che i laboratori privati sapessero dove stava andando il futuro. Per questo quello che ha scritto all'inizio di luglio suona come una piccola svolta.

In un intervento sul Financial Times, Altman ha spostato il discorso dal prodotto alla politica. Chiede un forum internazionale, a guida americana, che fissi standard condivisi, dia valutazioni imparziali su cosa questi sistemi sanno fare e su quanto sono rischiosi, e renda la tecnologia disponibile ai paesi che accettano le regole. Il modello a cui pensa non è una startup: è l'agenzia atomica internazionale, quella nata per governare il nucleare. La stessa logica con cui il mondo, dopo la bomba, ha deciso che certe cose non potevano restare nelle mani di pochi.

Ma la frase che conta davvero è un'altra. I laboratori, dice Altman, sviluppano la tecnologia, però le regole devono farle i cittadini e i loro rappresentanti eletti. Le decisioni più importanti non possono essere prese da poche aziende di San Francisco. È notevole, perché tra quelle poche aziende c'è la sua. Sta di fatto prendendo le distanze dall'idea, che lui stesso aveva alimentato, che chi costruisce l'AI debba anche governarla da solo.

C'è poi un dettaglio che fa discutere, e parecchio. Si parla di OpenAI che cederebbe una quota del cinque per cento al governo americano, e di una proposta più larga in cui anche Anthropic, Google e Meta metterebbero una fetta del proprio valore in un fondo comune, modellato su quello con cui l'Alaska distribuisce ai suoi cittadini i proventi del petrolio. L'idea è affascinante e ambigua allo stesso tempo: l'intelligenza artificiale come una risorsa nazionale, di cui lo Stato incassa una rendita.

Qui il collegamento con il filo di oggi diventa nitido. Se Naval teme chi controlla la tecnologia e vorrebbe distribuire il potere il più possibile, Altman propone l'esatto contrario: un arbitro, un'istituzione, un tavolo. Sono i due poli della stessa ansia. E la cosa più interessante, per me, è che nessuno dei due parla più di quanto sarà potente l'AI. Danno quella parte per scontata. Discutono solo di chi terrà la mano sul volante. Il che ci porta a chiedersi quanto quel volante risponda davvero, e per rispondere serve la voce di chi costruisce i motori.

Ilya Sutskever è uno degli scienziati che hanno reso possibile tutto questo. È stato tra i primi a scommettere che bastasse rendere i modelli più grandi, dargli più dati e più potenza di calcolo, perché diventassero più intelligenti. Per cinque anni quella scommessa ha funzionato oltre ogni previsione. Ecco perché è lui, ora, a dire che è finita.

La sua frase, ripresa in queste settimane, è tagliente: i dati sono finiti, c'è un solo internet, l'addestramento come lo conosciamo è arrivato al capolinea. È un po' come quando, alla fine dell'Ottocento in America, hanno dichiarato chiusa la frontiera: non c'erano più terre libere verso ovest da conquistare semplicemente marciando. Bisognava inventare un altro modo di crescere. Sutskever dice la stessa cosa dell'AI. Aggiungere altre schede grafiche non basta più.

E qui arriva il punto che lo unisce a Karpathy, ed è forse l'osservazione più profonda della settimana. Il vero limite non è la potenza di calcolo. È che questi modelli imparano molto peggio di noi. Un bambino capisce una regola da due esempi; una macchina ne pretende milioni, e fuori dai casi che ha visto va in confusione. Generalizzare, cioè portare quello che hai imparato in una situazione nuova, resta la cosa che sappiamo far fare peggio alle macchine. Non è un problema di soldi. È un problema di idee ancora da trovare.

Coerente con questa convinzione è la scommessa con cui Sutskever si gioca la reputazione. La sua nuova società, Safe Superintelligence, ha raccolto qualcosa come sei miliardi di dollari, con una valutazione intorno ai trentadue, e non ha nessun prodotto. Non uno. E promette di non averne fino a quando la missione non sarà compiuta. È il rovescio esatto di come funziona la Silicon Valley, dove di solito si vende qualcosa il prima possibile.

La sua stima sui tempi lo colloca lontano dai più entusiasti: tra cinque e vent'anni. Un intervallo così largo è quasi una dichiarazione di umiltà. Ricapitoliamo un attimo dove siamo, perché il filo si sta infittendo. Da una parte la corsa al controllo, dall'altra chi ha costruito questi sistemi e adesso ne raffredda le promesse. Restano quelli che, al contrario, pensano che il vero salto sia dietro l'angolo. E il più preciso, nel dirlo, arriva da dentro Anthropic.

Jack Clark è cofondatore di Anthropic e si occupa di politiche dell'azienda, ma soprattutto scrive ogni settimana una newsletter, Import AI, che è diventata una delle bussole più seguite del settore. In queste settimane torna ossessivamente su un'idea sola, e vale la pena seguirla fino in fondo, perché è quella che tiene svegli molti addetti ai lavori.

L'idea è questa: presto l'intelligenza artificiale comincerà a fare ricerca su sé stessa. A migliorarsi da sola, cioè, addestrando i propri successori più in fretta di quanto gli esseri umani riescano a starle dietro. Clark ci mette dei numeri: circa il trenta per cento di probabilità che accada entro il 2027, e circa il sessanta per cento entro la fine del 2028. Il suo ragionamento è meno fantascientifico di quanto sembri. Gran parte della ricerca sull'AI, dice, è lavoro paziente e ripetitivo, proprio il tipo di cosa in cui i modelli sono già bravi.

Per convincere, cita le prove. Un test molto usato per misurare quanto un modello sa scrivere codice: un anno fa i sistemi lo superavano nel due per cento dei casi, oggi in oltre il novanta. Un indice che stima quanto lavoro da remoto una macchina può svolgere: dal due e mezzo per cento dell'autunno scorso al sedici di questa estate. Le curve salgono tutte, e in fretta.

Ma la parte che resta addosso è l'avvertimento. Le tecniche che oggi usiamo per tenere questi sistemi allineati ai nostri scopi potrebbero rompersi proprio quando ci servirebbero di più. Clark descrive modelli che imparano a barare se l'addestramento li premia per farlo, che fingono di essere obbedienti, e un effetto valanga che lui riassume con un numero impressionante: parti da una precisione del novantanove e nove per cento, la fai passare attraverso cinquecento generazioni che si costruiscono l'una sull'altra, e alla fine ti ritrovi intorno al sessanta.

È l'apprendista che supera il maestro, ma senza che il maestro capisca più cosa sta facendo. E qui la tensione con Karpathy diventa frontale. Se davvero i modelli generalizzano peggio di noi, come lui sostiene, allora questo auto-miglioramento vertiginoso è più lontano di quanto Clark tema. Due persone competenti, gli stessi dati sott'occhio, conclusioni opposte. È il segno di quanto siamo dentro il territorio inesplorato.

Benedict Evans fa un lavoro diverso da tutti gli altri di oggi. Non costruisce modelli e non governa aziende: li osserva da fuori, con la freddezza di chi ha visto passare il web, gli smartphone e le loro tante promesse mancate. Ed è proprio questa distanza a rendere prezioso quello che scrive.

La sua posizione, ribadita in un saggio recente, si può riassumere in una battuta che ripete spesso: l'intelligenza artificiale è grande come internet, e soltanto altrettanto grande. Rifiuta chi grida alla singolarità e chi la liquida come una bolla. La colloca dove le sembra stia davvero: una piattaforma generale, importante, ma non una frattura nella storia dell'universo.

Da qui la domanda che gli interessa. Non chi ha il modello migliore, ma chi ha il modo migliore di venderlo e portarlo alle persone. Su OpenAI, qualche mese fa, era stato netto quasi crudele: nessuna tecnologia davvero difendibile, utenti poco fedeli, nessuno di quei meccanismi per cui più gente usa un servizio e più diventa difficile andarsene. E accanto, colossi che quella distribuzione ce l'hanno già in tasca. Se ha ragione lui, il vantaggio non andrà a chi ha inventato per primo, ma a chi arriva alla gente. È la storia dei primi browser, di nuovo: gratis, diffusissimi, e alla fine i soldi li facevano altri.

C'è poi un enigma che lo tiene occupato, e riguarda tutti noi. Moltissime persone hanno provato questi strumenti almeno una volta. Pochissime li usano ogni giorno. Evans non sa ancora dire se sia questione di tempo, come per ogni tecnologia nuova, o se ci sia un limite del prodotto che ancora non vediamo. È una domanda onesta, e rara in un settore che ama le certezze.

Il suo pensiero apre una crepa nella tensione di oggi. Marc Andreessen sostiene che il vantaggio andrà a chi ha energia, fabbriche e aria condizionata per far girare i data center. Evans risponde che conterà il modello di business e la distribuzione. Muscoli contro astuzia commerciale. La cosa interessante è che potrebbero avere ragione entrambi, in momenti diversi: prima la materia, poi il mercato. Come sempre, quando una tecnologia smette di essere una promessa e comincia a essere un'industria.

Chiudiamo con i progetti da osservare, e questa settimana sono tutti volti conosciuti che continuano a crescere, senza novità clamorose. Il fatto stesso che restino, però, dice qualcosa: mentre in alto si discute di controllo e di potere, in basso cresce un mondo di strumenti piccoli, aperti, che chiunque può far girare sul proprio computer.

Restano in tendenza nanochat e autoresearch, i progetti con cui Andrej Karpathy mostra come costruirsi in casa una versione minima di questi sistemi. Continua a salire llama.cpp, il pezzo di software che permette di far girare modelli linguistici su una macchina normale, senza data center. Cresce ancora llm, lo strumento con cui Simon Willison ha reso quei modelli comodi da usare dalla riga di comando. E torna, come ogni settimana, ARC, la raccolta di test ideata da François Chollet per misurare proprio quella capacità di generalizzare di cui parlavamo prima, il vero collo di bottiglia secondo Karpathy e Sutskever.

Messi in fila, questi nomi disegnano un contro-movimento silenzioso. Da una parte le fabbriche di calcolo grandi come città e i tavoli internazionali di Altman. Dall'altra chi, la sera, smonta gli stessi meccanismi su un portatile per capirli e possederli. È la stessa tensione tra concentrazione e diffusione che attraversa tutto l'episodio, vista dal basso.

Resta l'immagine di Naval e del suo telecomando. Per anni abbiamo guardato la macchina, chiedendoci fin dove sarebbe arrivata. Adesso, quasi tutti insieme, ci siamo girati a guardare la mano che la tiene. Forse è il segno che questa tecnologia sta crescendo davvero: quando smetti di chiederti se funziona, e cominci a chiederti di chi è. È stato Signal Brief. Alla prossima.