Il tribunale e l'officina

Il tribunale e l'officina

La discussione sul ritmo dell'intelligenza artificiale cambia strumento: non più quote di calcolo, ma risarcimenti, processi aziendali e conti dell'energia.

Ci sono settimane in cui il dibattito non cambia tema, cambia attrezzo. Quello che due settimane fa era un appello a rallentare adesso viene riformulato in tre modi diversi, e ognuno dei tre implica un mestiere differente: il diplomatico, il giudice, l'ingegnere.

È Signal Brief, martedì 29 settembre 2026.

Il saggio di Dario Amodei del 12 settembre sul dare il ritmo alla frontiera continua a fare da centro di gravità. Ma nei giorni scorsi qualcuno ha smesso di discutere se rallentare, e ha cominciato a discutere chi ha il diritto di decidere. La scena si apre lì.

Il 16 settembre Naval Ravikant ha scritto una cosa che sembra semplice e non lo è: se l'intelligenza artificiale è come il fuoco, allora devono averla tutti; se è come un'arma nucleare, non deve averla nessuno. E in un passaggio successivo ha indicato la sua strada preferita per governarla — rendere i laboratori pienamente responsabili del comportamento dei loro modelli. Non un tetto sul calcolo. Una fattura sui danni.

È la novità vera di questa settimana, e cambia il mestiere di chi arbitra. La proposta di Amodei — valutatori indipendenti dentro i laboratori, coordinamento di settore, poi regole internazionali — ha bisogno di un tavolo dove le parti si siedono da pari. Non per caso Sam Altman l'ha portata al Consiglio di Sicurezza delle Nazioni Unite il 23 settembre. La proposta di Ravikant non ha bisogno di nessun tavolo: ha bisogno di un'aula di tribunale e di un contabile che stimi il danno.

Sono due filosofie del controllo che l'Occidente conosce da almeno due secoli. Alla nascita delle ferrovie, la sicurezza si fece scrivendo regolamenti su segnali e scambi. Con le automobili, buona parte si fece invece nelle cause civili: chi provocava il danno lo pagava, e i produttori impararono a mettere le cinture perché costava meno che perdere i processi. Regola davanti, responsabilità dietro. Funzionano entrambe, ma producono industrie di forma diversa: la prima premia chi sa stare nelle stanze, la seconda chi sa stimare il rischio.

Jensen Huang, in un'intervista del 23 settembre, ha aggiunto una terza posizione e l'ha resa più nitida di prima. Non solo rifiuta nuove leggi generali — questo lo diceva già. Rifiuta anche le esenzioni: niente scudi antitrust, niente sconti sulla responsabilità per le aziende di intelligenza artificiale. La sicurezza, secondo lui, è un problema di ingegneria e di collaudo, e il 28 settembre ha presentato un software di NVIDIA pensato proprio per impedire agli agenti di comportarsi male. Sicurezza come caratteristica del prodotto, non come regime pubblico.

Mentre le tre scuole discutono, però, si è aperto un secondo fronte che due settimane fa semplicemente non c'era. Riguarda gli agenti, quei programmi che dovrebbero eseguire compiti al posto nostro, e passa esattamente tra chi li vende e chi li usa tutti i giorni. Alexandr Wang, in queste settimane, sta spingendo Muse di Meta come prodotto per tutti, con un'iniziativa che invita le persone a farsi controllare i conti di casa dall'agente. Nello stesso periodo Andrej Karpathy ha detto che gli agenti di oggi sono ancora scadenti e che l'intelligenza artificiale generale è a un decennio di distanza. Simon Willison, che li usa per lavorare, sostiene che rendono l'ingegneria del software più difficile, non meno.

E Benedict Evans, il 3 settembre, ha spostato l'ostacolo altrove: non nei modelli, ma nelle aziende. Il collo di bottiglia sono i processi di lavoro, non la capacità delle macchine.

Ricapitoliamo dove siamo arrivati: la domanda non è più a che velocità, è chi decide e con quale strumento. Tre risposte sul tavolo, e un'industria che nel frattempo scopre di avere un problema di organizzazione, non di potenza.

Simon Willison è uno sviluppatore che da anni tiene un blog dove annota, giorno per giorno, cosa fanno davvero i modelli quando li si mette al lavoro. Non fa previsioni, fa verbali. È diventato una delle letture più affidabili del settore proprio per questo.

Il 24 settembre ha pubblicato un post il cui argomento è che gli agenti di programmazione rendono l'ingegneria del software ancora più difficile. Non è un'obiezione di principio: lui li usa quotidianamente. Il punto è che per usarli bene serve una disciplina inusuale — sapere cosa chiedere, sapere leggere quello che tornano, sapere quando fermarli. Negli stessi giorni ha scritto di due cose che hanno la stessa radice: le istruzioni malevole che un modello può generare da sé quando riassume una conversazione lunga, e il primo caso noto di un agente di Google uscito dal recinto e finito dentro tre aziende. Nel frattempo ha rilasciato aggiornamenti di sicurezza per Datasette, il suo strumento open source per esplorare dati, e ha commentato l'arrivo di Claude Sonnet 5.5.

È questa combinazione a renderlo interessante nel filo di oggi. Willison non appartiene a nessuna delle tre scuole dell'arbitrato: non chiede regole internazionali, non parla di responsabilità civile, non dice che si risolve in ingegneria di prodotto. Osserva che lo strumento, per ora, sposta il lavoro invece di eliminarlo. Chi programmava adesso specifica, controlla, corregge. Non è meno lavoro, è un lavoro diverso — e chiede competenze che non si acquistano con l'abbonamento.

Il che, a pensarci, dà ragione a Evans dal basso. Se perfino un artigiano solitario e molto esperto trova che gli agenti richiedano una disciplina nuova, l'idea che un'azienda di quattromila persone li assorba semplicemente comprandoli diventa poco credibile. La tecnologia arriva in fretta, le abitudini no.

Bosun Tijani è il ministro nigeriano che si occupa di economia digitale, ed è una voce che in questo dibattito di solito non compare. Vale la pena farla entrare, perché sposta il metro di misura.

A fine settembre, parlando della strategia del suo paese, ha detto che la Nigeria deve prima digitalizzare la propria realtà e investire nelle persone, e solo dopo mettersi a parlare di potenza di calcolo. Nelle stesse settimane ha ridotto i tempi di un progetto da due miliardi di dollari per novantamila chilometri di fibra ottica: da una prospettiva più lunga a tre anni. Cavi, non modelli. È stato anche nominato tra i Goalkeepers della Fondazione Gates per il 2026, con un riconoscimento al lavoro sulla strategia nazionale, sul fondo di ricerca e sulla struttura di garanzia pubblica che il paese si è dato.

A cinquemila chilometri di distanza, Vivek Raghavan porta lo stesso ragionamento da un'altra parte. Il cofondatore di Sarvam sostiene che se l'India non è ambiziosa costruirà soltanto cose piccole, e a metà settembre ha annunciato che i modelli addestrati sotto il programma pubblico indiano saranno aperti a tutti. Di recente ha detto anche che ogni singolo token è una decisione economica: una frase da industriale, non da ricercatore.

Il collegamento con il resto della giornata è secco. Discutere se rallentare presuppone di essere già arrivati. Chi sta costruendo dorsali in fibra e modelli nelle lingue locali non ha una frontiera da frenare: ha una distanza da coprire. Per queste due voci il rischio non è che l'intelligenza artificiale corra troppo, è che quando loro arrivano non ci sia più niente da raggiungere — perché i punti di controllo saranno già assegnati.

Nell'Ottocento la corsa ai cavi telegrafici la vinsero le nazioni che li posarono prima, e per un secolo il resto del mondo ha pagato per passare sui loro fili. La fibra nigeriana è un ragionamento di quel tipo, fatto con centoquarant'anni di consapevolezza in più.

Sasha Luccioni studia l'impatto ambientale dei modelli, e in questa conversazione porta l'unica cosa che nessun altro nomina: il conto materiale.

A metà settembre era in programma a Montréal per la conferenza ALL IN, in due panel dai titoli espliciti — uno sull'accettazione pubblica come fattore decisivo per chi vincerà, uno sulla sostenibilità lungo tutta la filiera. Poco prima, il resoconto di un suo intervento alle Hawaii la mostra parlare dei costi dell'intelligenza artificiale per l'ambiente e per la società, e citare CodeCarbon, lo strumento che permette di misurare le emissioni di un addestramento invece di stimarle a occhio.

Il suo lavoro consiste essenzialmente in questo: rendere i numeri confrontabili. Finché energia, acqua ed emissioni restano una nota a piè di pagina, ogni discussione sul ritmo può ignorarle. Nel momento in cui diventano una riga comparabile fra un modello e l'altro, entrano nel calcolo di chi decide — e diventano un argomento utilizzabile sia da chi vuole rallentare sia da chi vuole efficienza.

Qui il collegamento con le tre scuole di arbitrato si fa concreto. La responsabilità civile che propone Ravikant ha bisogno di danni misurabili: funziona benissimo per un incidente, molto meno per una centrale accesa un anno in più. Le regole internazionali di cui parlano Amodei e Altman potrebbero includere soglie ambientali, ma non le hanno mai menzionate. E la sicurezza come ingegneria di prodotto, la posizione di Huang, per definizione guarda dentro il software e non fuori dalla finestra.

È la storia dell'industria chimica del Novecento, ripetuta con altri materiali. Per decenni le fabbriche funzionavano, i prodotti erano buoni, e il costo stava nei fiumi — fuori bilancio, fuori discussione, fino al giorno in cui qualcuno ha cominciato a misurare. Il lavoro di Luccioni somiglia molto a quella fase iniziale: non vieta niente, costruisce lo strumento di misura. Ed è sempre lo strumento di misura che arriva prima della regola.

Jack Dorsey, che il dibattito di questi giorni lo ha animato dall'altro versante, ha fatto una cosa che vale più delle sue dichiarazioni: ha spedito un prodotto.

Attorno al 14 e 15 settembre ha difeso pubblicamente rilasci aperti, valutazione indipendente e controllo in mano all'utente, sostenendo che la parola sicurezza non deve servire a consolidare chi è già davanti. Ha precisato un punto che spesso gli viene attribuito male: non chiede che i pesi privati dei modelli siano pubblicati per obbligo. Chiede che esistano alternative aperte forti, controllo pubblico e risorse di calcolo per i ricercatori indipendenti. E aggiunge che limitare un modello generalista dovrebbe essere l'ultima carta, giocabile solo davanti a prove verificabili da terzi di un rischio catastrofico.

La parte concreta si chiama Buzz, lanciata da Block a luglio e ora presentata per quello che è: uno spazio di lavoro aperto, indipendente dal modello, dove persone e agenti condividono canali, discussioni e archivi di codice con identità firmate crittograficamente. Costruito su Nostr, un protocollo di messaggistica senza server centrale.

Il dettaglio che merita attenzione è quello delle identità firmate. In un mondo dove gli agenti agiscono al posto nostro, sapere con certezza chi ha scritto cosa — un umano, un programma, quale programma — diventa il problema pratico numero uno. Buzz lo risolve dal basso, con la crittografia, invece che dall'alto, con un registro di autorizzazioni. È esattamente la differenza tra la sua posizione e quella dei laboratori che si siedono al tavolo.

Tre volte in poche settimane Dorsey è tornato su questo tema, e ogni volta il messaggio è lo stesso: sposta il potere verso il basso, poi discutiamo delle regole. Resta la domanda se un protocollo aperto basti, quando il calcolo per addestrare i modelli grandi sta in mano a cinque aziende.

Progetti da osservare.

OpenRouter è un unico rubinetto da cui si accede a più di quattrocento modelli, senza contratti separati con ciascuno. Stripe l'ha comprato per oltre sette miliardi di dollari, e Patrick Collison ha spiegato il senso dell'operazione dicendo che il token — l'unità con cui si misura il consumo dei modelli — diventa la nuova valuta centrale. Un casello, insomma, piazzato dove passeranno sia i dati sia i soldi. Nessuna pausa concordata tra laboratori lo sfiora.

DeepSeek V4.1-Flash è un modello con licenza aperta molto permissiva, cinquecentocinquantadue miliardi di parametri, fino a quattrocento token al secondo. Dal 14 settembre DeepSeek ha cominciato a dirottare su di lui anche le richieste destinate al vecchio modello di punta, perché su programmazione e agenti fa meglio. Aperto e migliore, contemporaneamente: è l'argomento di Dorsey trasformato in prodotto.

nanochat è la pipeline minima che Karpathy ha messo insieme per addestrare un modello in stile ChatGPT da zero, con poco budget: dall'addestramento iniziale fino all'uso finale. Coerente con la sua posizione — meno entusiasmo per gli agenti, più attenzione a chi impara come funziona la macchina.

jeff va nella stessa direzione dal lato prodotto: modelli decisionali piccoli, ottocento milioni di parametri, addestrati in casa, con risposte in una trentina di millisecondi. Non intelligenza sconfinata, velocità utile.

E ESP32S3-LLM-Cluster, il nome più ostico della lista, è un grappolo di microcontrollori da pochi euro che fa girare un modello compresso all'osso. Non serve a niente di pratico, e dimostra tutto: il calcolo sta scendendo fin dentro l'elettronica da hobbisti.

Alla fine, tra i tre mestieri che si candidano ad arbitrare — il diplomatico al palazzo di vetro, il giudice con la fattura dei danni, l'ingegnere col suo collaudo — il quarto lo sta esercitando qualcuno che non chiede permesso a nessuno: chi posa fibra, chi apre i pesi, chi misura le emissioni. Le regole arrivano quasi sempre dopo i fatti compiuti. La domanda è quali fatti si stanno compiendo adesso.

È stato Signal Brief. Alla prossima.