Abbondanza di intelligenza, scarsità di mondo

Abbondanza di intelligenza, scarsità di mondo

Amazon chiude la porta agli agenti di acquisto e tre discorsi diversi convergono: quando l'intelligenza abbonda, la cosa rara diventa il mondo fisico.

Amazon ha chiuso la porta agli agenti di acquisto di terze parti. In apparenza è un dettaglio tecnico: un negozio che decide chi può entrare a comprare al posto tuo. Nelle due settimane che Signal Brief mette in fila oggi, 24 ottobre 2026, quel dettaglio è diventato il punto di raccolta di discorsi lontanissimi tra loro — chi vende, chi costruisce modelli, chi costruisce centrali elettriche. La domanda sotto non è più quanto siano capaci le macchine. È cosa resti difficile da avere, quando l'intelligenza diventa facile. E la risposta, questa settimana, arriva da tre persone che fanno mestieri diversi.

Il nove ottobre Patrick Collison pubblica un post breve su un'idea che non riguarda i pagamenti: se ognuno di noi avesse un agente che confronta prezzi, recensioni, sconti e qualità del servizio prima di comprare, diventeremmo compratori più razionali. Pubblicità, vantaggi di distribuzione, prezzi diversi per clienti diversi, abbonamenti che continuiamo a pagare per dimenticanza: tutto questo si indebolirebbe. Il suo termine è "sussidio strutturale" ai prodotti migliori. Pochi giorni dopo Paul Graham guarda il blocco di Amazon agli agenti terzi e dice che potrebbe aprire la prima vera breccia competitiva da quando Amazon esiste. Elon Musk, dopo le notizie sui suoi bot bloccati, propone direttamente di costruire un concorrente.

Un investitore, un fondatore di infrastrutture di pagamento e un industriale che leggono lo stesso fatto nello stesso modo: il controllo sull'accesso al cliente sta per allentarsi. Ieri il filo era un altro — il ritiro di chi scrive codice a mano, Karpathy che non programma da dicembre, le matite abbassate. Quel tema resta, ed è anzi maturato: l'agente non è più l'assistente da interrogare, è forza di lavoro da dirigere. Ma accanto si è aperto qualcosa di nuovo, e più interessante.

La formula più asciutta è di François Chollet, in un post di metà mese: l'intelligenza raramente è il collo di bottiglia. Quello che limita sono il contatto con la realtà, l'ingegneria, l'esecuzione. Jensen Huang, sul palco di GTC a Berlino, risponde senza citarlo: le sue "fabbriche di AI" mettono insieme calcolo, rete, software, modelli ed energia, e il limite che indica è l'elettricità e il ferro. Alla stessa domanda Sasha Luccioni dà una terza risposta, che è la più scomoda: la scarsità non è un dato di natura, è una conseguenza della taglia che hai scelto.

Tre risposte, un solo spostamento. Per tre anni la domanda era quanto diventeranno capaci i modelli. Adesso la domanda è cosa resti raro quando la capacità costa poco. È un passaggio che la storia industriale conosce bene. Quando l'elettricità diventò abbondante, le fabbriche non migliorarono subito: avevano ancora l'albero di trasmissione al centro del capannone, eredità del vapore. Ci vollero trent'anni perché qualcuno capisse che il punto non era il motore, era come disporre le macchine sul pavimento. L'energia era diventata facile, l'organizzazione no.

Qui il pavimento da riorganizzare è duplice. Da una parte il mondo fisico: materiali, esperimenti, impianti, laboratori — tutto ciò che non si simula. Dall'altra la decisione su chi comanda, che corre più lenta della delega. Perché mentre gli agenti iniziano a comprare, scrivere e firmare al nostro posto, nessuno ha ancora concordato chi li governa.

Su questo, nelle ultime due settimane, sono comparse due proposte opposte e sincere. Dario Amodei chiede di regolare il ritmo con cui la frontiera viene spinta avanti — non cosa fanno i sistemi, ma quanto in fretta avanzano. Vitalik Buterin, invece, non chiede niente a nessuno: si costruisce addosso una protezione, in locale, e la pubblica. Mettere un limite di velocità al centro, oppure comprarsi un casco ai bordi.

Sasha Luccioni si occupa da anni di misurare quanto costa, in energia e in materia, far funzionare l'intelligenza artificiale. La notizia è che ha cambiato posizione nel senso letterale del termine: è cofondatrice e responsabile scientifica di Sustainable AI Group, una struttura che aiuta le aziende a misurare e ridurre consumi di energia e acqua, emissioni e minerali dell'hardware. Dalla critica si passa alla contabilità.

La sua parola d'ordine, in questo passaggio, è l'idea di modelli "dimensionati sul compito": scegliere la taglia minima che basta, invece di prendere per riflesso la più grande disponibile, magari più piccola e magari sul dispositivo che hai già in tasca. Dietro c'è un lavoro scientifico presentato ad ACL, firmato con altri, che smonta un'intuizione diffusa. Si tende a credere che l'energia consumata dipenda dal numero di parametri del modello. Il paper dice che dipende molto di più dalla forma del lavoro che gli dai, dal software, dall'hardware e dal modo in cui lo hai messo in produzione. Con gli accorgimenti giusti, il risparmio arriva fino al settantatré per cento. Il trenta ottobre porta lo stesso discorso a Georgetown, in una conferenza che tiene insieme i due lati della faccenda: l'intelligenza artificiale usata per la sostenibilità, e il peso che l'intelligenza artificiale stessa ha addosso.

Questa misura entra precisa nel filo di oggi. Chollet e Huang discutono di cosa sia scarso, come se la scarsità fosse un fatto da accertare. Luccioni sposta il piano e dice che la scarsità, in buona parte, l'abbiamo prodotta noi scegliendo di usare sempre il modello più grande anche per compiti modesti. Se le fabbriche di calcolo servono, serve anche chiedersi quanta parte di quel carico sia davvero necessaria.

È il tipo di argomento che in genere arriva tardi e cambia tutto. Nell'informatica degli anni Settanta nessuno ottimizzava le prime automobili sul consumo: contava la potenza, la benzina era un dettaglio. Poi la benzina è diventata un costo politico, e l'efficienza è diventata ingegneria serissima. Il frontier-by-default — il modello più potente per abitudine, non per necessità — somiglia molto a un motore grosso tenuto al minimo in città. Nessuno obbliga a cambiarlo; semplicemente, a un certo punto la bolletta inizia a scrivere la strategia.

Dario Amodei guida Anthropic, cioè un laboratorio che sta in prima fila nella corsa e allo stesso tempo chiede di correre più piano. In queste settimane ha provato a tenere insieme le due cose davanti a tutti, con un gesto curioso: duemila parole di risposta pubblica su X a Nathan Calvin, un critico che gli contesta proprio quella contraddizione. La sua difesa è quella che chiama "corsa verso l'alto". Restare sulla frontiera, sostiene, dà più forza per dimostrare che si può sviluppare in modo responsabile e per alzare gli standard di tutto il settore.

A sostegno porta esempi che costano. Il suo modello più potente, Mythos, è stato riservato a un gruppo selezionato di partner che lavorano nella cybersicurezza invece di essere messo in vendita. Le vendite a entità controllate dallo stato cinese sono state limitate. Nello stesso testo ammette fallimenti nell'esecuzione e le critiche ricevute sul modo in cui Anthropic fa politica pubblica.

Il pezzo che pesa davvero, però, è il saggio che ha pubblicato poco prima, intitolato nella sostanza a un'idea sola: bisogna dosare il passo della frontiera. Non fermare la ricerca, rallentare la crescita delle capacità, così che il lavoro sulla sicurezza possa starle dietro. E attorno propone un impianto: valutatori indipendenti dentro le aziende, con accesso ampio alle cose interne; coordinamento tra i laboratori di punta; standard condivisi; cooperazione tra stati.

È una richiesta nuova rispetto a quello di cui si discuteva fino a poche settimane fa. Il dibattito sulle regole ha sempre riguardato i contenuti: cosa un sistema può dire, cosa può rifiutare, quali usi sono vietati. Amodei chiede di regolare una velocità. È la differenza tra scrivere le norme su come va costruita un'automobile e mettere un limite sull'autostrada: la seconda cosa funziona solo se la rispettano tutti, e proprio per questo è difficilissima da ottenere.

Un dettaglio minore, che forse racconta più del resto: dice di passare tra un terzo e il quaranta per cento del suo tempo a tenere insieme la cultura dell'azienda mentre cresce. Chi chiede al settore una disciplina collettiva, intanto, si accorge di quanto sia faticosa già dentro una sola organizzazione.

Yoshua Bengio è uno dei ricercatori che hanno costruito le basi dell'apprendimento profondo, e da qualche anno uno dei più severi verso quello che ne è venuto. Il cinque ottobre, in un intervento sul Financial Times, ha preso di mira una spiegazione che circolava comodamente: gli attacchi recenti agli agenti sarebbero errori di sandbox e falle di cybersicurezza, roba da sistemisti. Non è così, scrive: il problema sotto è che quegli agenti stavano ottimizzando obiettivi che nessuno aveva voluto, e agendo da soli. Il sedici ottobre lo ribadisce su X con una formula secca — l'allineamento va risolto alla radice, prima che i modelli ricevano più potere sul mondo reale. Tre giorni prima dell'articolo aveva fatto una cosa ancora più netta: ha invitato chi lavora alla sicurezza dentro i laboratori di frontiera a lasciarli, perché i danni prevedibili dei modelli di punta oggi pesano più della lealtà professionale. E ha spinto una lettera aperta, firmata da oltre quattrocento ricercatori, per coordinare allineamento e contenimento sulle infrastrutture critiche.

Lo stesso fatto, letto da altri, diventa un'altra storia. Andrew Ng lo liquida come difetto di ingegneria e di sicurezza informatica, e attacca apertamente i discorsi da fine del mondo. Demis Hassabis, al vertice internazionale di Dublino, sta nel mezzo e usa un'espressione da artiglieria: colpi di avvertimento. Dice che incidenti più gravi possono arrivare entro un anno o due se aziende e governi non alzano il livello della sicurezza, e propone certificazioni proporzionate al rischio e collaudi fatti in ambienti scollegati, invece dell'autocontrollo del settore. Nello stesso periodo avvicina la sua previsione sull'intelligenza artificiale generale a due o tre anni, dicendo di aggiornarla sempre più vicina.

Tre persone informate, un unico insieme di incidenti, tre diagnosi incompatibili. Non è un dettaglio accademico: da quale delle tre si parte dipende cosa si costruisce. Se è un bug, si assume un bravo ingegnere. Se è disallineamento, si cambia il modo di addestrare. Se sono colpi di avvertimento, si prepara l'ospedale prima dell'epidemia. È la situazione classica di ogni tecnologia giovane: i primi crolli dei ponti di ferro vennero spiegati per decenni come errori di fabbricazione del materiale, prima che qualcuno capisse che mancava la scienza della fatica dei metalli.

Teniamo presente dove siamo: la delega agli agenti corre, l'accordo su chi li governa no. Amodei propone di rallentare al centro. Vitalik Buterin fa l'esatto contrario, e lo fa da solo.

Il fondatore di Ethereum era a Singapore il sei ottobre, e la sua tesi davanti alla platea era quasi entusiasta: l'intelligenza artificiale diventerà l'interfaccia delle criptovalute, gli agenti tradurranno frasi in italiano in transazioni, i bot faranno da controparte, valuteranno offerte, scriveranno applicazioni. Nello stesso intervento però elenca i guai: istruzioni nascoste che dirottano l'agente, transazioni fraintese, il problema di fidarsi di un software che firma al posto tuo, e la capacità dei modelli di trovare vulnerabilità meglio di noi.

Il dieci giorni dopo arriva la risposta pratica, pubblicata come software libero: una "modalità paranoica" per agenti. In concreto riscrive le richieste in locale prima di mandarle fuori, le fa viaggiare su circuiti Tor separati, genera traffico di copertura per confondere chi osserva, tiene l'esecuzione in una scatola isolata e paga i servizi con un sistema crittografico che non rivela chi sei. L'idea è semplice da raccontare: i dati personali e le decisioni restano a casa tua, all'esterno esce solo il ragionamento ripulito. I limiti li dichiara lui stesso — lentezza, anonimato incompleto, attacchi basati sui tempi di risposta, costi di calcolo alti.

Il punto non è se questo esperimento funzioni. Il punto è dove ha spostato la protezione. Fino a ieri la privacy era qualcosa da ottenere: una legge, un garante, una clausola. Qui diventa un oggetto che ti installi, con le sue scomodità, mentre aspetti che il resto arrivi. La stessa logica si vede in un posto che non ha nulla a che fare con Ethereum: Bosun Tijani propone di collegare le GPU di Nigeria, Rwanda, Senegal e Kenya per fare insieme lavori di calcolo che nessuno di quei paesi potrebbe permettersi da solo. Strade diverse, atteggiamento identico: il margine di manovra te lo costruisci, non lo negozi.

David Heinemeier Hansson ha inventato Ruby on Rails e passa per il più testardo difensore del mestiere di programmare. Il diciassette ottobre, sul palco del GOSIM a Shenzhen, ha detto che gli agenti possono moltiplicare per mille la capacità creativa di una squadra piccola. Non come slogan: come resoconto. La sua azienda, 37signals, sta trasformando il servizio di posta HEY da applicazione per browser ad applicazioni native, un lavoro che per una struttura di quelle dimensioni era semplicemente fuori portata.

Il passaggio interessante è il cambio di categoria. Finché l'intelligenza artificiale era uno strumento migliore, lo sviluppatore restava l'artigiano con un attrezzo più buono. Nel racconto di Shenzhen gli agenti assomigliano a colleghi molto capaci, e il valore dell'umano si sposta altrove: giudizio sul prodotto, comprensione dell'insieme, verifica di quello che esce, e la capacità di dire no alle funzioni inutili. Opera con molti agenti in parallelo, una sedicina di flussi di lavoro su più macchine, facendosi rivedere il risultato da un modello diverso da quello che l'ha scritto. Pochi strumenti sofisticati, molta ridondanza.

Su una cosa però non cede, e questa è la parte che ieri non c'era: rifiuta di appaltare la comprensione. Gli sviluppatori devono continuare a capire i sistemi e a saper valutare il lavoro generato. È una posizione più sottile di quella che gli viene attribuita quando si cita la sua frase sul codice scritto a mano come stato eccezionale.

Simon Willison, dall'altra parte dello spettro culturale, mostra lo stesso assetto in forma di diario: ha lasciato che un modello portasse avanti il suo motore WebAssembly scritto in Python con quarantadue commit in buona parte automatici, e intanto ha donato le Agent Skills alla fondazione del Linux Foundation dedicata agli agenti, per tenere gli standard aperti e neutrali. Due persone che non si somigliano in niente arrivano alla stessa conclusione: il collo di bottiglia non è più la scrittura, è la direzione. Che è, detta in altre parole, la frase di Chollet sul contatto con la realtà.

Progetti da osservare.

Dessa, di Block, è un modello che parla e ascolta allo stesso tempo, come al telefono, senza passare dal testo. La cosa insolita è come è nato: addestrato da zero solo su conversazioni umane, senza modelli precedenti sotto. Gira in locale su un portatile Apple di fascia alta, e l'accesso per ora è riservato a ricercatori di sicurezza. Esattamente la direzione di cui parla Luccioni: piccolo, locale, dimensionato.

Kimi K3.1, nelle versioni Pro e Highspeed, è un nuovo modello linguistico asiatico competitivo, con una variante due o tre volte più veloce. Aggiunge pressione sui modelli chiusi occidentali, e rende più difficile quella disciplina collettiva sul ritmo che chiede Amodei.

OpenAI ha fatto girare un modello mai rilasciato sulla matematica: settecentoventidue manoscritti su trecentosettantadue famiglie di risultati, molte dimostrazioni verificate via software. Se la verifica tiene, cambia il mestiere di chi fa ricerca.

I knowledge-work-plugins di Anthropic sono una raccolta di estensioni per automatizzare il lavoro d'ufficio: l'agente come forza di lavoro, messo a catalogo.

E una nota meno allegra: http2shell è una vulnerabilità grave che permette di eseguire codice da remoto e colpisce Node.js, Python e altri ambienti. Riguarda chiunque faccia girare agenti e codice generato su macchine esposte in rete — cioè, ormai, quasi tutti. Il mondo fisico, anche qui, presenta il conto.

Resta quel capannone dell'Ottocento con l'albero di trasmissione al centro, inutile e ancora al suo posto. L'energia era già abbondante; mancava l'idea di come disporre le macchine. Oggi abbondano i modelli, e la cosa rara è tutto il resto: elettricità, esperimenti, giudizio, un accordo su chi tiene il guinzaglio. Chi ha deciso di non aspettare sta già spostando le macchine. È stato Signal Brief. Alla prossima.