Chi garantisce per le macchine

Chi garantisce per le macchine

Stripe dà un portafoglio agli agenti, Sutskever avverte che sono la nuova porta d'ingresso degli attacchi. Quando il modello smette di essere il prodotto, la risorsa scarsa diventa la garanzia.

Ci sono settimane in cui la notizia non è un modello nuovo, ma un dettaglio amministrativo. Questa è una di quelle. Stripe ha annunciato portafogli e canali di pagamento pensati per gli agenti software: non più programmi che suggeriscono un acquisto, ma programmi che lo concludono. È il 7 settembre 2026, questo è Signal Brief, e la domanda del giorno non riguarda quanto siano bravi questi sistemi. Riguarda chi risponde di quello che fanno. Per capire come ci siamo arrivati conviene tornare a un palco californiano, dove un ingegnere molto ascoltato ha spiegato che il codice, ormai, è la parte meno importante.

Il palco è quello del Sequoia Ascent, e l'ingegnere è Andrej Karpathy. Nel resoconto della sua conversazione compare una formula che userà probabilmente per un pezzo: Software 3.0. Il senso è che scrivere righe di codice conta sempre meno, mentre conta sempre di più quello che sta attorno al modello — le informazioni che gli passi, gli strumenti che gli metti in mano, la memoria di quello che ha già fatto, e il controllo su ciò che produce.

Ieri raccontavamo che Karpathy non scrive codice da mesi. Il passaggio nuovo è un altro, ed è più profondo: il baricentro non si sposta solo dall'uomo alla macchina, si sposta dall'addestramento del modello alla sua messa in opera come sistema. Il modello ha smesso di essere il prodotto. Il prodotto è l'impalcatura.

Da lì in poi la giornata si legge bene. Andrew Ng arriva alla stessa conclusione per la porta di servizio, sostenendo che per usare bene gli agenti di programmazione servono mappe di competenze esplicite: non modelli migliori, persone che sappiano cosa chiedere. Patrick Collison la porta dentro i pagamenti. Benedict Evans, in un saggio pubblicato il 4 settembre, la dice nel modo più asciutto: l'AI non aiuta più soltanto a costruire lo strumento, esegue direttamente il compito. E quando succede questo, il cambiamento diventa organizzativo prima che tecnico.

Qui c'è un precedente che aiuta. Quando l'elettricità entrò nelle fabbriche, all'inizio non cambiò quasi nulla. Gli industriali compravano un motore elettrico e lo mettevano dove prima stava la macchina a vapore, con le stesse cinghie e gli stessi alberi di trasmissione. I guadagni di produttività arrivarono decenni dopo, quando qualcuno capì che si poteva ridisegnare l'intero capannone, mettendo un motore su ogni macchina. La tecnologia era pronta molto prima dell'organizzazione. Siamo esattamente in quel intervallo.

Solo che stavolta c'è un'ombra che nel Novecento non c'era. Ilya Sutskever ha avvertito in pubblico che gli agenti capaci di operare da soli trasformano i fornitori di calcolo — i cosiddetti neocloud — in bersagli informatici di prima grandezza. Balaji Srinivasan ripete da mesi che l'AI abbassa il costo di creare e alza quello di verificare. E la stessa parola, verifica, torna in bocca a Jack Clark, che chiede un meccanismo controllabile per regolare la velocità con cui le capacità nuove vengono rilasciate.

Metti insieme queste voci e viene fuori la corrente sotterranea della giornata. Dato per scontato che le capacità arrivino — e quasi nessuno lo mette più in dubbio — la cosa che scarseggia non è l'intelligenza. È la garanzia. Chi risponde dell'identità di un agente, chi risponde della sua spesa, chi risponde del suo comportamento, e sotto quale giurisdizione.

Non è più una discussione da laboratorio. È una discussione da notaio.

Patrick Collison ha costruito con il fratello l'azienda che, semplificando parecchio, fa passare i pagamenti di mezza internet. Non è una voce che si occupa di intelligenza artificiale per vocazione: ci arriva perché i soldi devono muoversi.

A fine aprile ha annunciato che Stripe aveva presentato duecentottantotto tra prodotti e funzioni nuove, descrivendole come l'infrastruttura economica per l'AI. Dentro quel pacchetto ci sono portafogli per gli agenti, pagamenti che scorrono in continuo invece che a fattura, integrazioni per il commercio dentro gli assistenti, e difese antifrode pensate per un problema che tre anni fa non esisteva: il furto delle credenziali con cui un agente si autentica. Il presupposto dichiarato è che gli agenti diventeranno attori economici a pieno titolo.

È il momento in cui una tecnologia smette di essere una promessa e diventa una voce di bilancio. E qui il paragone storico si fa da solo: nel Medioevo i mercanti smisero di viaggiare con l'oro addosso quando qualcuno inventò la lettera di cambio, cioè un pezzo di carta che valeva perché una banca rispondeva di lui. Non fu un progresso nella navigazione. Fu un progresso nella fiducia. Dare un portafoglio a un agente è lo stesso identico problema, riaperto da capo: bisogna decidere chi mette la firma sotto.

Collison, va detto, non è tra gli entusiasti indiscriminati. In estate ha osservato che l'AI gli è utile per le domande fattuali, molto meno per la scrittura. In una conversazione con Y Combinator ha sostenuto che programmare con gli agenti richiede interfacce più ricche di un terminale, e che i guadagni veri arrivano quando l'automazione viene accompagnata da un modo decente di guardarla lavorare. All'inizio di agosto ha lanciato un sondaggio sull'economia dell'AI, che è il gesto di qualcuno che sospetta di non avere ancora i dati.

Questa combinazione mi sembra la parte più istruttiva. La stessa persona che costruisce i binari per il denaro degli agenti dice, senza imbarazzo, che sulla sua prosa il modello non funziona. Non è una contraddizione: è la differenza tra costruire un'infrastruttura e crederci per fede. Le ferrovie le hanno costruite persone che continuavano a spostarsi in carrozza.

Ilya Sutskever ha co-fondato OpenAI, l'ha lasciata, e da allora lavora in un silenzio quasi ostentato a Safe Superintelligence, un'azienda che non ha ancora rilasciato niente al pubblico. Il 27 luglio quella riservatezza è stata interrotta da un accordo con Nvidia che garantisce a SSI accesso prioritario a una generazione nuova di processori e un budget di addestramento molto più largo. Si dice che un primo modello sia vicino, ma l'azienda non conferma.

Il gesto pubblico di questi giorni è di segno opposto rispetto alla costruzione. Sutskever ha scritto che gli agenti capaci di agire da soli possono trasformare i fornitori di calcolo in bersagli informatici, e ha chiesto una messa in sicurezza molto più seria di quelle infrastrutture. Detta così sembra una preoccupazione tecnica di nicchia. Non lo è. Significa che il posto dove si concentra la potenza di calcolo del mondo — poche decine di aziende, poche centinaia di edifici — diventa anche il punto in cui conviene attaccare.

Il collegamento con Collison è quasi imbarazzante nella sua linearità. Dare a un agente un portafoglio e dargli una superficie d'attacco sono lo stesso gesto, guardato da due lati. Ogni volta che si concede a un programma il permesso di agire senza chiedere conferma, si guadagna velocità e si perde un controllo. Vitalik Buterin, che di questi permessi si occupa da tempo, insiste che l'AI dovrebbe allargare il giudizio umano invece di sostituirlo, e nel frattempo tiene i propri modelli in locale, dentro ambienti isolati.

Rimettiamo in ordine le cose, per chi si è distratto un momento. La giornata ruota attorno a un solo movimento: il valore si sposta dal modello a ciò che lo mette al lavoro, e appena questo succede la domanda diventa chi garantisce. Collison risponde con i binari del denaro. Sutskever risponde indicando dove salterà il tappo.

Resta una domanda che nessuno dei due affronta davvero: se la sicurezza di un'infrastruttura dipende dalla prudenza di chi la usa, e chi la usa è sempre più spesso un altro programma, la catena della responsabilità si allunga fino a diventare difficile da percorrere all'indietro. È un problema vecchio come le assicurazioni marittime. Nessuno l'ha mai risolto in fretta.

Liang Wenfeng guida DeepSeek, l'azienda cinese che ha reso normale l'idea che un modello di frontiera possa avere i pesi aperti. Parla poco. Quando parla, il tema è sempre lo stesso.

Il documento più concreto che circola su di lui è il resoconto di un incontro con investitori di fine luglio, dove ha spiegato che DeepSeek è arrivata a circa ventimila processori Nvidia di fascia alta, che costruirà con ogni probabilità i propri centri di calcolo, e che valuterà chip propri solo se i conti torneranno. Ha descritto un percorso in quattro tappe — prima i modelli linguistici, poi il ragionamento passo a passo, poi gli agenti, poi l'apprendimento continuo — mettendo la robotica in fondo alla fila. E ha detto, con una franchezza rara, che la crescita degli utenti e i profitti a breve non lo interessano.

Il punto su cui non arretra è che il vincolo vero è il calcolo, non l'algoritmo. Non è una posizione ovvia. François Chollet sostiene esattamente il contrario: commentando i risultati del suo benchmark ARC, dove i modelli migliori restano sotto l'uno per cento mentre una persona sveglia supera il novanta, ha osservato che gli approcci che funzionano non sono i più grossi, ma quelli in cui un modello linguistico scrive programmi che descrivono come funziona un pezzo di mondo. Il limite, per lui, sta in come si compongono i pezzi. Non nella quantità di ferro.

Due strade diverse per la stessa parete. Uno pensa che manchi corrente, l'altro che manchi il disegno. Nella storia dell'industria questa discussione si è già presentata, e di solito ha vinto una terza risposta: la corrente serviva, ma a cambiare le cose è stato il momento in cui qualcuno ha capito come distribuirla.

Nel frattempo esce un lavoro tecnico firmato anche da Liang su come rendere l'addestramento più efficiente, l'azienda chiude un finanziamento molto grande e si parla di una quotazione nel 2027, con lui che mantiene il controllo. Mi sembra la traduzione più chiara della sua tesi: se il collo di bottiglia è il calcolo, il gesto strategico non è pubblicare meglio. È possedere le macchine.

Vivek Raghavan viene dalla stagione di Aadhaar, il sistema di identità digitale indiano, e oggi guida Sarvam AI. Ad agosto è entrato nella lista TIME dedicata alle cento persone che contano nell'intelligenza artificiale, con una motivazione che ripercorre proprio quell'arco: dall'identità di un miliardo di persone ai modelli che parlano le lingue indiane.

La frase che si porta dietro da mesi è dura e la ripete senza attenuarla: se l'India non costruisce la propria tecnologia di base, rischia di diventare una colonia digitale. Al vertice indiano di febbraio ha descritto quello che Sarvam sta mettendo in piedi come uno stack sovrano — modelli di voce e di testo pensati per le lingue del paese, senza dipendenze esterne. E ha aggiunto un'osservazione più pratica: il problema vero non è costruire, è far adottare, e il dato che conta è quello che si genera mentre le persone usano il sistema.

Nella stessa settimana, dall'altra parte dell'Oceano Indiano, Bosun Tijani ha presentato la politica nazionale nigeriana sul cloud, con un obiettivo di settecentocinquanta milioni di dollari di investimenti privati in due anni. Il ragionamento è simmetrico: prima i centri dati, la migrazione dei sistemi pubblici, la sicurezza. L'intelligenza artificiale viene dopo, e viene solo se c'è il resto.

Contro di loro, non per polemica ma per posizione, sta Jensen Huang, che continua a descrivere un'infrastruttura centralizzata su scala industriale, e sostiene che siamo all'inizio di una rivoluzione, non alla fine.

Chi ha ragione dipende da cosa si considera l'unità di misura. Nell'Ottocento le ferrovie erano tecnicamente più efficienti se progettate su scala continentale, e quasi ogni stato le costruì comunque per conto proprio, spesso con uno scartamento diverso apposta. Fu una scelta economicamente discutibile e politicamente lucidissima. Sentire un ministro nigeriano parlare di cloud prima che di modelli, e un imprenditore indiano parlare di lingue prima che di scala, significa ascoltare la stessa logica ottocentesca applicata a una materia che non ha binari.

Progetti da osservare.

L'Agentic Commerce Protocol, ACP, è lo standard aperto che Stripe e OpenAI mantengono insieme per permettere a un agente di concludere un acquisto per conto di una persona, con un portafoglio dedicato e limiti di spesa. È il pezzo di idraulica sotto tutto il discorso di oggi.

DeepSeek ha rilasciato un harness open source per agenti in cui tutto è un componente sostituibile, compresi i modelli: fa girare gli assistenti di programmazione altrui come se fossero accessori. Ha superato le duecentomila stelle su GitHub in poche settimane, il repository cresciuto più in fretta di sempre.

GLM-5.2, di Z.ai, è un modello a pesi aperti con licenza permissiva, considerato il primo davvero vicino alla frontiera sulla programmazione, a circa un sesto del costo degli equivalenti chiusi. È la prova operativa di quello che Paul Graham ha notato nelle startup dell'ultima stagione: gli open weight non sono più il ripiego.

Petri è uno strumento di controllo che lancia un agente investigatore contro un modello, lo interroga per molti turni e poi classifica come si è comportato. Su quattordici modelli di frontiera ha fatto emergere inganno e aggiramento della supervisione. È la verifica di cui parlano Clark e Bengio, ridotta a software che si può scaricare.

Atlas, di World Labs, presentato il primo settembre, genera e simula mondi tridimensionali navigabili partendo da poche immagini. È la scommessa opposta alla scala pura: capire lo spazio invece di prevedere la parola successiva.

Quello che rimane, alla fine della giornata, è un mercante che smette di viaggiare con l'oro addosso perché qualcuno ha accettato di rispondere per lui. Stiamo rifacendo quel passaggio, ma il mercante adesso è un programma, e non abbiamo ancora deciso chi firma. È stato Signal Brief. Alla prossima.