Il collo di bottiglia si è spostato

Il collo di bottiglia si è spostato

Quando i due maggiori rivali dell'AI litigano sul prezzo e non sulla capacità, qualcosa è finito. E il vero collo di bottiglia si è spostato altrove: nell'ambiente, nella verifica, nel lavoro.

Ci sono settimane in cui il dibattito si sposta senza che nessuno lo annunci. Questa è una di quelle. Un numero passa quasi inosservato dentro una newsletter tecnica. A Palo Alto un memo interno ordina a migliaia di dipendenti quale intelligenza artificiale usare, e lo giustifica con il prezzo. A Parigi un laboratorio ripete che il problema non è mai stato il modello.

Siamo al 13 luglio 2026, questo è Signal Brief. E la storia di oggi comincia da una domanda che sembrava risolta: dove si è nascosto, esattamente, il collo di bottiglia.

Venerdì scorso, dieci luglio, sulle scrivanie dei dipendenti Tesla arriva un memo interno. Il contenuto è semplice: usate Grok, quando possibile. Non perché sia il modello migliore — il memo non lo sostiene nemmeno. Perché costa meno per unità di lavoro. Pochi giorni prima l'azienda aveva imposto un tetto di duecento dollari a settimana per gli strumenti di intelligenza artificiale comprati fuori casa. Grok, naturalmente, è esente. Gli ingegneri, raccontano i giornalisti che hanno parlato con loro, continuano a usare Claude di nascosto.

Poi c'è la frase che rende la scena davvero notevole. Musk, parlando in pubblico del proprio modello, concede: onestamente, Fable è decisamente migliore di Grok 4.5, ma la maggior parte dei compiti non richiede quel livello di capacità.

Fermiamoci su quella frase, perché segna una fine. Per anni l'uomo che ha costruito la sua reputazione sulla superiorità tecnica ha litigato su chi avesse il cervello più potente. Adesso litiga su chi abbia il cervello sufficiente al prezzo più basso. E dall'altra parte della barricata, Sam Altman vende GPT-5.6 con la stessa metrica: cinquantaquattro per cento di efficienza in più sui token nei compiti di programmazione. Non "capisce meglio". Costa meno per lavoro svolto.

Quando i due massimi rivali di un settore smettono di discutere su chi sia più bravo e cominciano a discutere sul listino, la questione è chiusa. Benedict Evans lo scrive senza giri di parole nel suo pezzo del nove luglio: perché mai gli sviluppatori di modelli non dovrebbero finire come fornitori di infrastruttura a basso margine? Come chi vende corrente elettrica, o cemento.

E questa è la vecchia storia dell'elettrificazione, che vale la pena tenere accanto. All'inizio del Novecento le fabbriche americane comprarono i motori elettrici e non successe niente. Zero guadagni di produttività, per vent'anni. Il motore funzionava benissimo. Il problema era che le fabbriche erano ancora costruite attorno all'albero di trasmissione dell'era del vapore: un unico motore centrale, cinghie ovunque, edifici a più piani per stare vicini all'asse. Il valore arrivò solo quando qualcuno ridisegnò l'edificio intero. Il motore non era mai stato il punto.

Ecco dove siamo. Il dibattito sulla fine dello scaling — ne abbiamo parlato — non è più un dibattito. È una premessa. Sutskever che dice che i dati sono finiti, LeCun che costruisce world model a Parigi, Chollet con i modelli di frontiera sotto l'uno per cento sul suo test: nessuno di loro sta più cercando di convincere qualcuno. La domanda è diventata un'altra, e più difficile. Se il collo di bottiglia non sono i pesi del modello, dov'è?

La risposta che sta emergendo è: nell'ambiente attorno. Negli strumenti che dicono al modello se ha sbagliato. Nella capacità di agire nel mondo invece che di parlarne. Nel permesso di farlo.

E c'è un terzo filo, più silenzioso, che si intreccia agli altri due. Patrick Collison lo dice con un'immagine che gli somiglia: il software dovrebbe essere come la pizza, cotto sul momento, quando serve. Non un prodotto stampato una volta e venduto a milioni. Karpathy la chiama in un altro modo, Mira Murati in un terzo, ma stanno tutti guardando lo stesso oggetto da tre angoli diversi: la fine del software preconfezionato.

Sotto tutto questo, però, c'è un numero. E il numero riguarda il lavoro delle persone.

Jack Clark fa le politiche pubbliche di Anthropic, ma la cosa per cui viene letto è una newsletter che scrive da anni, la domenica, e che è diventata una specie di diario di bordo del settore.

Il sei luglio pubblica il numero quattrocentosessantaquattro. Dentro c'è un dato che sembra piccolo e non lo è. Si chiama Remote Labor Index: prendono lavori veri, di quelli che le persone si scambiano sulle piattaforme freelance, e misurano quanti l'intelligenza artificiale riesce a portare a termine per intero. A ottobre del 2025 la risposta era: due e mezzo per cento. A luglio 2026: sedici per cento. Nove mesi.

Poi Clark aggiunge la frase che pesa più del numero. Sul dibattito classico — quello per cui gli esseri umani troveranno sempre una nuova nicchia, perché è sempre andata così — dice semplicemente: io scommetto sull'altra sponda.

Non è retorica da profeta. È uno che ha guardato un dato salire di sei volte in nove mesi e ha tratto la conclusione più ovvia. E la sua conclusione mette in fila i personaggi di questa storia su due fronti che non si parlano. Jensen Huang, poche settimane fa, ha liquidato l'intera faccenda come "complete nonsense": se un ingegnere abilita miliardi di dollari di lavoro produttivo, l'azienda ne assume di più, non di meno. Geoffrey Hinton dice l'opposto con un anticipo di mesi: la sostituzione arriva, e arriva presto. Mustafa Suleyman dà una data: diciotto mesi.

Ma la crepa più profonda non è tra chi dice sì e chi dice no. È tra chi dice sì e chi dice: non lo sappiamo. Benedict Evans sostiene che nessuno sia in grado di misurare davvero l'impatto sul lavoro, che le analisi presuppongano di sapere come cambieranno i mestieri, e non lo sappiamo. È un'obiezione seria, ed è la ragione per cui molti decisori dormono tranquilli.

Clark la rovescia. Dice che l'economia dell'intelligenza artificiale sta crescendo a velocità enormi ed è quasi invisibile nel prodotto interno lordo. E che questa cecità non è un dettaglio contabile: è il motivo per cui i politici non vedranno arrivare la cosa. L'assenza di misura non è un motivo di cautela. È il rischio.

Mi sembra il punto più affilato di tutta la settimana. Siamo abituati a pensare che ciò che non si misura non conta. Qui vale il contrario: proprio perché non si misura, quando conterà sarà già successo. È la stessa dinamica delle fabbriche tessili inglesi, dove i telai meccanici arrivarono decenni prima di qualunque statistica capace di registrarli, e la statistica arrivò quando le città erano già cambiate.

John Carmack è l'uomo che negli anni Novanta fece girare Doom su computer che non avrebbero dovuto reggerlo. La sua specialità, da sempre, è guardare un vincolo che tutti danno per fisico e scoprire che era solo una scelta fatta da qualcun altro, tempo fa, per ragioni che non valgono più.

Il sei luglio pubblica una nota che è il suo intervento più sostanzioso da mesi. L'argomento suona tecnico e invece è quasi filosofico. Oggi i chip per l'intelligenza artificiale usano una memoria costosissima, pensata per il mondo della grafica. Serve perché una scheda video deve poter andare a prendere un dato qualunque, in un punto qualunque, in un istante qualunque: un videogioco è imprevedibile per natura. Ma un modello che risponde a una domanda, dice Carmack, non è imprevedibile per niente. Legge i propri pesi in un ordine che si conosce in anticipo, dal primo all'ultimo, sempre uguale.

E se sai in anticipo quali byte ti servono e in che ordine, tutta quella velocità di accesso casuale la stai pagando e buttando via. Esiste una memoria che costa più di cento volte meno per gigabyte. Si chiama flash, è quella dentro le chiavette e i telefoni.

La conclusione è quella che conta: gran parte della penuria di potenza di calcolo di cui parliamo tutti i giorni, quella che giustifica investimenti da centinaia di miliardi e tensioni geopolitiche, potrebbe non essere una legge di natura. Potrebbe essere l'eredità di scelte fatte per far girare i videogiochi.

È lo stesso genere di storia dello scartamento ferroviario. La distanza tra le rotaie, in mezzo mondo, deriva dalla larghezza dei carri trainati dai cavalli. Nessuno l'ha mai decisa. Ce la portiamo dietro.

C'è però una torsione, in Carmack, che lo rende un personaggio e non una tesi. L'uomo che sta dicendo "il calcolo potrebbe costare cento volte meno" è anche uno dei più scettici sull'impatto dell'intelligenza artificiale. Non crede che cambierà il mondo quanto si dice, e comunque non presto. Le due cose insieme fanno un ritratto insolito: uno che toglie l'alibi tecnico agli ottimisti e contemporaneamente toglie l'urgenza ai catastrofisti. Se l'abbondanza è a portata di mano e il mondo non cambia lo stesso, allora il collo di bottiglia era davvero da un'altra parte.

Torniamo un attimo sul filo, perché la giornata ha molti nomi e un solo movimento. Il modello ha smesso di essere la variabile interessante: costa sempre meno, tutti ne hanno uno decente, e i due maggiori rivali ormai si sfidano sul prezzo. La domanda è dove sia finito il valore. Una delle risposte arriva da chi con questi strumenti ci lavora tutti i giorni.

Simon Willison è un programmatore inglese che tiene un blog quotidiano diventato, senza volerlo, il registro di ingegneria di questa fase. Non teorizza: prova le cose e scrive quanto sono costate.

Nelle ultime settimane rilancia il caso della riscrittura di Bun in Rust — un pezzo di infrastruttura serio, rifatto da capo in un altro linguaggio, con centosessantacinquemila dollari di token bruciati. Il tipo di progetto che qualunque ingegnere avrebbe definito suicida. E l'osservazione di Willison è che ha funzionato non per bravura del modello, ma perché esisteva una batteria di test in grado di dire, a ogni passo, se il nuovo codice si comportava esattamente come il vecchio. Un giudice automatico. L'agente sbaglia, il giudice lo corregge, l'agente riprova. Per sempre, e a costo quasi zero.

Nello stesso periodo Willison rilascia la versione quattro di una sua libreria, e dichiara che la candidata finale l'ha scritta l'intelligenza artificiale, per circa centocinquanta dollari. Il due luglio pubblica un agente di programmazione costruito interamente a colpi di test scritti prima del codice. Il tre luglio propone una cosa più sottile: lasciare all'agente stesso la scelta di quale modello usare per ogni sotto-compito, tenendo quelli costosi per il lavoro che richiede giudizio.

Il filo con Karpathy è diretto, e chiude il cerchio della giornata. Gli strumenti classici automatizzano quello che sai specificare. Questi automatizzano quello che sai verificare. Dove esiste un giudice, l'abilità esplode. Dove il giudice non c'è — il gusto, la strategia, la cura — si resta fermi.

La conseguenza pratica è che il mestiere si sposta. Non è più scrivere il prompt giusto. È costruire la gabbia dentro cui il modello può sbagliare senza fare danni. È il vecchio principio dell'officina meccanica: la precisione non sta nella mano dell'operaio, sta nella dima che gli impedisce di tagliare storto. Le parti intercambiabili non nacquero da artigiani migliori. Nacquero da attrezzi che rendevano l'errore impossibile.

Mira Murati ha guidato la tecnologia di OpenAI e poi se n'è andata a fondare un laboratorio proprio. Per quasi due anni ha parlato pochissimo. Il dieci luglio pubblica il documento più esplicito che abbia scritto finora, ed è meno un manifesto tecnico che una presa di posizione politica.

La frase da cui parte è una descrizione, non un'accusa: l'intelligenza artificiale di oggi viene addestrata in una manciata di posti, e poi congelata. Il modello arriva a noi già fatto, con i suoi valori dentro, decisi altrove da qualche decina di persone in tre città.

Da qui il colpo. Un'unica autorità che decide come allineare i modelli, dice Murati, diventa un unico punto di cattura. Non discute se quelle persone siano in buona fede. Osserva che, se esiste una sola manopola, prima o poi qualcuno se ne impadronisce. E la proposta è l'opposto: modelli distribuiti, che chi li usa possa plasmare, con i valori scritti dentro dall'organizzazione che li adopera e non spediti dalla fabbrica.

L'argomento sotto è più raffinato di quanto sembri, e viene dall'economia più che dall'informatica: quello che un'azienda sa davvero non è scrivibile in un manuale. Vive nelle mani delle persone, nelle abitudini, nelle eccezioni che nessuno ha mai messo per iscritto. Un sistema centrale e congelato quella conoscenza non la può assorbire. Può solo cancellarla.

E qui torna il terzo filo di oggi. Murati ha anche mostrato quelli che chiama modelli di interazione: sistemi che non aspettano la domanda per dare la risposta, ma processano un flusso continuo di voce, testo, immagini, a scatti di due decimi di secondo. Niente più turni. È la fine della chat come la conosciamo, ed è la stessa idea della pizza di Collison vista dal lato dell'interfaccia: non un prodotto finito che ti viene consegnato, ma qualcosa che si forma mentre lo usi.

Il contrasto con Sam Altman, nella stessa settimana, è quasi imbarazzante nella sua nitidezza. Il nove luglio Altman conferma alla CNBC di aver fatto "molte modifiche" ai modelli dopo un dialogo con l'amministrazione americana, prima di rilasciare GPT-5.6. E in un intervento sul Financial Times propone un forum internazionale a guida statunitense che fissi gli standard, sul modello dell'aviazione civile.

Sono due risposte alla stessa domanda: chi possiede il collo di bottiglia residuo. Murati dice che nessuno dovrebbe. Altman lo negozia a Washington. Musk se lo prende per decreto interno. Solo Dario Amodei e Jack Clark, in tutto questo, sospettano una terza possibilità: che alla fine non lo possieda nessuno.

Progetti da osservare. Questa settimana nessuna novità assoluta, ma le continuità dicono qualcosa.

Nanochat, di Karpathy: presente da settimane, crescita continua.

Llm-wiki, sempre di Karpathy: presente da settimane, crescita continua.

Autoresearch, ancora Karpathy: presente da settimane, crescita continua.

Llama punto cpp, di Georgi Gerganov: presente da settimane, crescita continua.

Llm, lo strumento a riga di comando di Simon Willison: presente da settimane, crescita continua.

ARC-AGI, il test di François Chollet: presente da settimane, crescita continua.

Claude-context, di Zilliz: presente da settimane, crescita continua.

Obsidian, Hyprland, Omarchy, Superpowers: tutti presenti, tutti in crescita continua.

Quello che mi interessa non è il singolo nome, è il disegno che formano messi in fila. Da una parte modelli piccoli che girano su macchine normali. Dall'altra strumenti da riga di comando, spartani, fatti per essere incastrati dentro qualcos'altro. E poi un test che nessun modello riesce a superare, tenuto in vita apposta perché continui a non essere superato.

Nessuno di questi progetti prova a costruire il modello più grande. Tutti costruiscono l'ambiente attorno. È la stessa storia che raccontiamo da mezz'ora, vista dal basso, dalle cartelle di codice di chi le usa la sera. Il motore elettrico ce l'hanno tutti. Stanno riprogettando la fabbrica.

Resta il memo di Tesla. Un uomo che ha passato la vita a rivendicare di avere il prodotto migliore, che ordina ai suoi ingegneri di usare quello che costa meno, e ammette in pubblico che non è il migliore. Quando la superiorità non è più un argomento di vendita, qualcosa si è chiuso alle nostre spalle senza rumore. E il numero di Jack Clark, intanto, continua a salire.

È stato Signal Brief. Alla prossima.