Chi tiene il volante

Chi tiene il volante

La macchina prende tutto ciò che sa verificare. Il valore, e il potere, migrano altrove: dove si giudica, e dove si decide chi comanda.

C'è una domanda che, negli ultimi giorni, è diventata più nitida di tutte le altre. Non è più quanto diventeranno brave le macchine. È dove finisce il valore quando le macchine sanno fare quasi tutto. Andrej Karpathy l'ha detta nel modo più asciutto possibile, con due parole soltanto. Naval Ravikant l'ha rovesciata dall'altro lato. Patrick Collison la sta già trasformando in tubature e conti correnti. E mentre loro ragionavano di economia, Geoffrey Hinton ricordava a tutti che sotto l'economia c'è sempre una questione di potere. Cominciamo da una sala piena di investitori, in California.

La scena è quella di una conferenza, il Sequoia Ascent di quest'anno, e sul palco c'è Andrej Karpathy, uno che il campo dell'intelligenza artificiale lo ha attraversato dall'interno, prima a OpenAI e poi alla guida della guida automatica di Tesla. Karpathy prende un'idea complicata e la riduce a due parole: verificabile, quindi automatizzabile. La macchina, dice, prende per prima tutto ciò di cui esiste un modo chiaro di controllare se è giusto o sbagliato. Se un compito ha una risposta verificabile, prima o poi la scriverà una macchina. Se non ce l'ha, resta all'uomo.

Detta così sembra un tecnicismo. In realtà è una mappa del lavoro dei prossimi anni. Pensiamo a com'è andata con le fabbriche. La macchina a vapore, e poi l'elettricità, hanno preso per primi i gesti ripetibili, misurabili, quelli che si potevano cronometrare. Il lavoro umano non è sparito: si è spostato verso ciò che non si poteva ridurre a un gesto identico. È la stessa logica, applicata stavolta al lavoro di ufficio, alla scrittura, al codice. Dove esiste un metro, entra la macchina. Dove il metro non c'è, resta la persona.

Ed è qui che entra Naval Ravikant, che di mestiere fa l'investitore e il pensatore intermittente, uno che pubblica poco e a distanza di mesi. Naval prende l'idea di Karpathy e la gira come un guanto. Se la macchina si prende tutto ciò che è verificabile, allora il bene più raro diventa esattamente la cosa che non si può verificare in anticipo: il giudizio. Decidere cosa vale la pena costruire. Scegliere quale problema è quello giusto. È una competenza scomoda, perché non si insegna con un corso e non si misura con un test. E proprio per questo, dice in sostanza Naval, varrà sempre di più.

Nel frattempo, dall'altra parte di questa stessa storia, Patrick Collison — quello di Stripe, l'azienda che fa passare i pagamenti dentro mezza internet — sta costruendo qualcosa che fino a poco fa sarebbe suonato come fantascienza. Non pagamenti tra persone, o tra persone e negozi. Pagamenti tra agenti. Software che compra da altro software, senza un umano che clicca. Collison lo paragona all'arrivo del commercio elettronico: un momento in cui cambia chi sta dall'altra parte della transazione. Prima erano le aziende a vendere alle persone. Poi le persone hanno cominciato a vendersi tra loro. Adesso, dice, arrivano attori nuovi — programmi che trattano, ordinano, saldano il conto.

Mettiamo insieme i tre gesti di questa giornata. Uno dice che la macchina prende ciò che si può controllare. Il secondo dice che allora il giudizio umano diventa la cosa scarsa. Il terzo aggiunge che, intanto, queste macchine stanno diventando soggetti economici a tutti gli effetti. Non è un elenco di notizie. È una direzione. Il valore si sta spostando, come acqua che trova il livello più basso, via dalle cose che si possono automatizzare, verso i due poli che restano: il giudizio, in alto, e l'infrastruttura invisibile, in basso. Nel mezzo — il lavoro misurabile, ripetibile, verificabile — si prosciuga. Come già osservato nei giorni scorsi, il modello in sé conta sempre meno. Quello che conta è dove si annida ciò che la macchina non sa ancora prendere.

Restiamo sul terreno che tiene insieme tutto questo, perché proprio lì è esplosa la frattura più netta della settimana. Ilya Sutskever è, per capirci, uno dei nomi che hanno costruito l'intelligenza artificiale come la conosciamo: tra i padri della svolta del 2012, poi capo scienziato a OpenAI, oggi alla guida di una società che ha un nome-programma, Safe Superintelligence — superintelligenza sicura — e la particolarità di non avere ancora nessun prodotto da vendere.

La sua frase di queste settimane è diventata quasi uno slogan: c'è una sola internet, e l'addestramento di base, così come lo abbiamo conosciuto, è finito. Bisogna spiegarla, perché è più sottile di come suona. Sutskever non dice che le macchine hanno smesso di migliorare. Dice che la strada battuta finora — dare al modello più dati e più potenza di calcolo, all'infinito — ha esaurito la spinta. I dati buoni sono già stati usati tutti. Quello che manca adesso non è altra benzina, sono idee nuove. Divide la storia recente in capitoli: prima un'età della ricerca, poi un'età dello scaling, quella dei modelli sempre più grandi, e adesso — dice — si torna alla ricerca.

È un'ammissione pesante, se si pensa da dove arriva. Chi ha cavalcato per anni la logica del più grande è più bravo, oggi dice che quella logica ha toccato il muro. E lo dice mentre, dall'altra parte del ring, Elon Musk annuncia un modello da duemila miliardi di parametri, il più grande mai messo in addestramento. Due uomini che guardano lo stesso campo e vedono l'opposto: uno che dichiara chiusa un'epoca, l'altro che la rilancia con più forza di prima.

Il collegamento con il filo di oggi è diretto. Se Sutskever ha ragione, la partita non si vince più con la forza bruta ma con l'intuizione — di nuovo, quella cosa difficile da verificare in anticipo di cui parlava Naval. È come il passaggio, nell'esplorazione geografica, dal semplice mandare navi più grandi al capire finalmente come funzionano le correnti e i venti. A un certo punto la potenza non basta più, e serve una teoria. Sutskever sta scommettendo sei miliardi di dollari sul fatto che siamo esattamente a quel punto.

Sul fronte opposto c'è Mustafa Suleyman, e conviene ascoltarlo proprio perché dice il contrario. Suleyman è uno dei fondatori di DeepMind, oggi guida l'intelligenza artificiale dentro Microsoft, e ha una parola d'ordine che ripete come un mantra: non c'è nessun muro. Lo scaling, sostiene, non si ferma affatto.

La settimana gli ha dato un argomento concreto da mostrare. Alla conferenza Build di Microsoft ha presentato sette modelli costruiti in casa, dal nulla, in appena sei mesi. È il suo modo di dimostrare che la sua squadra non dipende più da OpenAI, il partner storico, e che la corsa a costruire modelli propri è tutt'altro che finita. Chi vende prodotti, del resto, non può permettersi di annunciare che la festa è finita.

Qui la tensione con Sutskever diventa quasi comica, se non fosse seria. Uno dice: la strada è esaurita, torniamo a pensare. L'altro dice: la strada è ottima, guardate quanto corro. Ed entrambi hanno, a modo loro, ragione — perché parlano di cose diverse. Lo scaling è morto per chi insegue l'intelligenza generale, quella cosa sfuggente che dovrebbe eguagliare o superare l'uomo su tutto. Ma è vivissimo per chi ogni giorno deve spedire un prodotto migliore di quello di ieri. La differenza non è tecnica, è di scopo.

C'è però un secondo Suleyman, più interessante del venditore. È quello che ha scritto un saggio dal titolo netto — il futuro che vale la pena costruire è umano — dove insiste su un'idea che lo separa dal resto della corsa: un'intelligenza artificiale che estende la volontà e il giudizio delle persone, invece di rimpiazzarle. Tenete a mente questa parola, estendere. Perché tra poco arriva qualcuno che, sulla stessa questione, usa il verbo opposto. E lì si gioca forse la partita più importante di tutte: non cosa sapranno fare le macchine, ma se lavoreranno accanto a noi o al posto nostro.

Ricapitoliamo un attimo dove siamo, perché in auto è facile perdere il filo. Da una parte il valore economico che scivola verso il giudizio umano e verso le tubature invisibili. Dall'altra una lite tra chi dice che la crescita bruta è finita e chi dice che continua. Sotto entrambe le cose, però, c'è una domanda più antica: chi comanda. Ed è la domanda di Geoffrey Hinton.

Hinton è il personaggio che dà più i brividi, in questo momento, perché non è un critico esterno: è uno dei tre uomini a cui dobbiamo l'intera stagione delle reti neurali, l'uomo che ha lasciato Google apposta per poter parlare senza freni. In un'intervista alla CNN, questa settimana, ha indicato il 2026 come l'anno in cui l'intelligenza artificiale comincia a sostituire, testualmente, moltissimi lavori. La sua misura è impressionante nella sua semplicità: ogni sette mesi circa, dice, la macchina raddoppia la lunghezza dei compiti che riesce a portare a termine da sola. Quello che oggi le richiede un'ora, tra qualche anno sarà un mese di lavoro umano.

Notate il verbo. Sostituire. È esattamente l'opposto di estendere. Dove Suleyman vede una protesi che allunga le nostre capacità, Hinton vede una sostituzione di massa. Non è una sfumatura: è la vera frattura del momento, e la stessa parola — lavoro — significa cose diverse a seconda di chi la pronuncia.

Ma il colpo più duro Hinton lo assesta sul potere, non sul lavoro. Mentre mezza industria — da Sam Altman a Demis Hassabis — chiede a gran voce nuovi organismi di controllo, forum internazionali, guardiani che vigilino sui modelli più potenti, Hinton smonta il non detto. Le aziende, dice, hanno un obbligo verso i propri azionisti che rende l'autogoverno strutturalmente impossibile. Tradotto: chi propone le regole è esattamente chi avrebbe interesse a violarle. È la vecchia storia della volpe che si offre di sorvegliare il pollaio, e la offre con le migliori intenzioni. La sua immagine preferita è quella di un'automobile lanciatissima: le aziende che chiedono di essere lasciate libere stanno chiedendo di guidare senza volante. Ed è proprio il volante — chi lo tiene — il vero oggetto del contendere.

Se Hinton descrive la trappola, c'è chi prova a scappare dalla porta di servizio. Si chiama Jack Dorsey, ed è uno che le piattaforme centralizzate le ha costruite — ha fondato Twitter — e adesso passa il tempo a smontarle. La sua ossessione è la stessa da anni: comunicare senza dipendere da un'azienda, da un server, a volte perfino senza internet.

Questa settimana ha fatto due mosse ravvicinate che raccontano la stessa idea. Il ventuno luglio ha lanciato Buzz: uno spazio di lavoro aperto a tutti, gratuito da modificare, che mette insieme in un unico posto le chat di squadra, gli agenti automatici e il deposito del codice. Lo vende come un rivale libero di Slack e GitHub. Ma il dettaglio che conta è un altro: in Buzz, gli umani e gli agenti automatici ricevono la stessa identità. Le stesse chiavi, la stessa appartenenza ai canali, la stessa traccia di ciò che fanno. È il primo che tratta un programma come un cittadino a pieno titolo del posto di lavoro — e collega Dorsey a quel mondo di agenti-che-transano di cui parlava Collison, ma costruito su regole aperte anziché su un'infrastruttura privata.

Pochi giorni prima aveva mostrato BitChat: una messaggistica che funziona senza connessione, facendo rimbalzare i messaggi da un telefono all'altro via Bluetooth, come un passaparola tecnologico. Pensata per i blackout, per le proteste, per i luoghi dove la rete viene spenta dall'alto.

Il senso, messo accanto a Hinton, è limpido. Da una parte c'è chi vuole istituzionalizzare il controllo dell'intelligenza artificiale costruendo torri di guardia. Dall'altra c'è chi diserta: invece di discutere chi debba tenere il volante, costruisce macchine che non hanno un volante centrale da contendersi. È la vecchia scelta tra riformare il palazzo e uscire dal palazzo. Dorsey, come sempre, sceglie l'uscita — e scommette che la libertà si difenda meglio con i protocolli che con i regolamenti.

Qualche progetto da tenere d'occhio, e non a caso sono quasi tutti figli dei temi di oggi. Il primo è nanochat, la creatura minuscola di Karpathy: un modo per addestrare un piccolo modello linguistico con poche centinaia di righe leggibili, tutto sotto gli occhi. Resta in crescita costante, e non stupisce: è la stessa idea del giudizio contro la scatola nera — capire davvero invece di limitarsi a usare.

Accanto c'è llama.cpp, che continua a macinare consensi. Fa una cosa sola e la fa benissimo: far girare modelli seri su un computer normale, senza fabbriche di calcolo grandi come città. È la controparte concreta del discorso sul potere che si diserta dal basso.

Nella stessa famiglia lo strumento a riga di comando di Simon Willison, semplicemente chiamato llm, anch'esso in ascesa: mette tutti i modelli dietro un unico comando, sul tuo laptop. E poi Omarchy, il sistema operativo pre-confezionato di David Heinemeier Hansson, il papà di Rails: la sua battaglia per liberarsi dalle grandi piattaforme, spostata dal cloud fin dentro l'hardware, un portatile alla volta.

Chiude ARC-AGI, il banco di prova di François Chollet, sempre molto seguito. È quel test dove i modelli più avanzati crollano sotto l'uno per cento mentre le persone risolvono senza fatica. Il divario più netto mai misurato tra quello che la macchina sa recuperare e quello che sa davvero capire. Che è, poi, la stessa faglia da cui siamo partiti: c'è ciò che si verifica, e c'è ciò che si giudica. Il primo lo prende la macchina. Il secondo, per ora, resta a noi.

Resta l'immagine di Hinton, con la sua automobile lanciata e senza sterzo. Per anni ci siamo chiesti quanto sarebbero diventate potenti queste macchine. La domanda vera, oggi, è un'altra: chi terrà il volante — e se poi qualcuno lo terrà davvero. Il valore migra verso il giudizio, il potere si contende tra chi costruisce torri e chi le aggira. In mezzo, la strada continua a scorrere veloce. È stato Signal Brief. Alla prossima.