Le batterie della zucca di Halloween

Le batterie della zucca di Halloween

Un test banale su un robot diventa il miglior metro per pesare le promesse dell'IA. E il blocco di Amazon agli agenti terzi apre un varco competitivo che nessuno aspettava.

Quaranta miliardi di dollari di debito per comprare schede grafiche da una parte. Dall'altra, quattro Paesi africani che valutano di mettere in comune quelle che già hanno. È il 28 ottobre 2026, e questo è Signal Brief. La geografia del calcolo si sta dividendo tra due verbi: concentrare o condividere. Ma la misura più utile di questa settimana non arriva da un bilancio né da un annuncio di governo. Arriva da una zucca intagliata, con due batterie dentro, che nessun robot al mondo è in grado di sostituire.

Il 27 ottobre John Carmack — il programmatore che ha scritto i motori grafici di Doom e Quake, e che da anni lavora sui fondamenti dell'intelligenza artificiale — ha pubblicato un'osservazione molto semplice. I video dei robot che ballano, impilano, corrono, nascondono un buco preciso: nessun robot generalista oggi sa cambiare le batterie a una zucca di Halloween. Aprire lo sportellino, trovare il verso, rimettere il coperchio. Carmack usa quel gesto come termometro, e ne ricava una conclusione sobria: le narrazioni sull'apocalisse robotica sono esagerate, perché la destrezza di base non c'è ancora.

È lo stesso scarto che separava, un secolo fa, l'aeroplano che fa due giri sopra una fiera dall'orario di volo di una compagnia aerea. La dimostrazione prova che il principio funziona. Non dice nulla sul servizio.

Questo metro vale per tutto il resto della giornata, e serve soprattutto a leggere la cosa che è cambiata rispetto a ieri. Ieri il filo era lo spostamento del lavoro umano dalla scrittura alla direzione: Andrej Karpathy che non tocca codice da dicembre 2025, sedici ore al giorno passate a dirigere agenti; DHH con sedici flussi di lavoro in parallelo. Oggi quel filo resta, ma accanto se ne apre un altro, e riguarda il tono della discussione più che il suo contenuto.

Fino a poco tempo fa, sul rischio dei sistemi avanzati si litigava sui rimedi: più test, più vigilanza, chi certifica cosa. Adesso si litiga sul diritto di porre la domanda. L'8 ottobre Yoshua Bengio ha scritto che chi mette davvero la sicurezza al primo posto dovrebbe lasciare i laboratori di frontiera, perché la pressione commerciale e geopolitica spinge il rilascio dei sistemi più veloce di quanto la società riesca a controllarli. Pochi giorni dopo Andrew Ng ha definito il discorso sull'estinzione una cosa ridicola da dire per qualunque impresa. Non sono due proposte alternative. Sono due giudizi su cosa sia legittimo discutere. Quando una controversia smette di riguardare le soluzioni e comincia a riguardare l'ammissibilità del problema, significa che le posizioni si sono irrigidite.

Nel frattempo Bengio porta avanti LawZero, l'organizzazione no profit che ha co-fondato per costruire sistemi che non perseguono obiettivi propri: strumenti pensati per fare da guardrail, non da protagonisti. Il 26 ottobre, in un panel, ha ripetuto che l'allineamento va risolto all'origine, perché l'essere umano resterà l'anello debole.

Mi sembra che il modo più onesto di tenere insieme queste voci sia proprio il test di Carmack. Non come sarcasmo verso chi si preoccupa, e nemmeno come alibi per chi minimizza: come criterio. Guardare cosa un sistema fa in una stanza qualunque, non cosa promette in un video.

E c'è un terzo fronte, che è quello dove la partita si sta spostando dalla tecnica al mercato. Perché mentre si discute di quanto siano capaci questi sistemi, qualcuno ha già cominciato a decidere chi può usarli, e su quali scaffali. Amazon ha chiuso la porta agli agenti di acquisto costruiti da terzi. Paul Graham ci ha letto dentro qualcosa di grosso.

Paul Graham ha fondato Y Combinator e da vent'anni scrive saggi che le persone che fanno startup leggono come una bussola. Questo mese ha puntato l'attenzione su una decisione aziendale che in sé suona tecnica e noiosa: Amazon limita gli agenti di shopping costruiti da altri, cioè i programmi che un cliente potrebbe incaricare di cercare, confrontare e comprare al suo posto.

La lettura di Graham è che quel blocco apra il primo vero spiraglio competitivo contro un rivale della scala di Amazon da decenni. Il ragionamento è lineare: le persone vorranno un agente che compra per loro, ma difficilmente vorranno che sia Amazon a controllarlo. E se il negozio più grande del mondo rifiuta gli assistenti degli altri, qualcuno aprirà un negozio che li accetta.

Qui la storia offre un precedente abbastanza preciso. Negli anni Novanta i portali chiusi vendevano l'accesso a internet dentro un recinto curato: la loro posta, la loro directory, i loro contenuti. Finché le persone non hanno scoperto che un browser qualunque arrivava ovunque, e il recinto è diventato un peso. Il recinto funziona finché è l'unica strada.

Il resto dei suoi interventi recenti è sorprendentemente conservatore, e questo lo rende più credibile. Sulle startup, Graham sostiene che l'intelligenza artificiale cambia la velocità di esecuzione, non i fondamentali: chi costruisce può muoversi più in fretta e preoccuparsi meno delle barriere difensive, e può sostituire con il software una parte del lavoro che prima richiedeva un socio. Ma non il sostegno emotivo necessario per reggere lo stress di un'azienda che nasce. È un'osservazione che vale anche fuori dal suo mestiere.

Ha anche indicato un caso concreto che gli sembra esemplare: Podium, un'azienda di software già consolidata che si è trasformata in un'azienda di agenti e ha raggiunto centocinquanta milioni di dollari di ricavi annuali ricorrenti sulla parte IA in due anni e mezzo. Per Graham conta chi l'ha fatto: un fondatore, perché un amministratore delegato assunto dall'esterno difficilmente abbandona il business che gli ha dato il posto.

La cosa che tengo da questa vicenda è lo spostamento del campo di gioco. Per mesi la domanda sugli agenti è stata se funzionano. Da questa settimana la domanda è dove li lasciano entrare. La fedeltà di un assistente digitale non è un problema di programmazione, ma di accesso ai mercati: e quelle porte le aprono e le chiudono gli uffici legali, non i laboratori.

Patrick Collison, che guida Stripe, ha pubblicato il 9 ottobre un testo che prende la stessa premessa di Graham e la porta altrove. La sua osservazione di partenza è che la superintelligenza esiste già da tempo, e si chiama impresa. Un'azienda accumula memoria, competenza e capacità di calcolo che un singolo cliente non ha: conosce i prezzi, le clausole, i tassi di abbandono, il momento esatto in cui chi compra smette di controllare.

Dentro questa genealogia, un agente personale diventa qualcosa di più di una comodità. Diventa un contrappeso: uno strumento che confronta prezzi, condizioni, recensioni, abbonamenti, qualità del servizio, e lo fa senza stancarsi. La previsione di Collison è che in un mondo così il prodotto migliore venga premiato più della pubblicità, della distribuzione e della distrazione del consumatore. Con una condizione sola, che però è tutto: che l'agente rappresenti davvero chi compra, e non chi lo sponsorizza o chi ospita il mercato.

Ieri questa era un'ipotesi finale, lasciata aperta. Oggi, con la porta chiusa da Amazon, è un conflitto in corso. Due uomini che si conoscono bene partono dalla stessa idea e ne traggono conclusioni diverse: per Collison è una questione di rappresentanza, per Graham un'occasione industriale. Entrambe le cose possono essere vere.

Nello stesso periodo Collison ha mostrato dove guarda quando non guarda il commercio. Il 23 ottobre ha segnalato un lavoro dell'Arc Institute, l'istituto di ricerca che sostiene: usando modelli addestrati sul genoma e strumenti per capire cosa succede dentro di essi, i ricercatori hanno individuato candidati a nuove molecole di RNA funzionale. L'ha descritto come un'applicazione fruttuosa dell'apprendimento profondo a un tipo di conoscenza radicalmente diverso da quella dei testi.

Accanto a questo c'è un contrappunto che arriva da Benedict Evans, e che spiega perché le trasformazioni annunciate tardano ad arrivare. Nel suo saggio di inizio settembre sostiene che dare ai dipendenti la possibilità di costruirsi strumenti su misura non trasforma un'azienda, perché il software rispecchia i flussi di lavoro, gli incentivi e la struttura organizzativa, non soltanto l'accesso ai modelli.

È esattamente quello che succedeva nelle fabbriche quando il motore elettrico ha sostituito la macchina a vapore. Per vent'anni le aziende hanno messo l'elettricità dove prima c'era l'albero di trasmissione, ottenendo quasi nulla. La produttività è arrivata solo quando hanno riprogettato i capannoni intorno al nuovo motore. Lo strumento era pronto molto prima dell'organizzazione.

Teniamo presenti le due domande che tengono insieme la giornata, perché tornano in tutto il resto: quanto credere alle capacità annunciate, e per conto di chi lavora il software che agisce al posto nostro.

La prima trova la sua risposta più radicale sul palco di Rails World 2026, dove David Heinemeier Hansson — il creatore di Ruby on Rails, co-fondatore di 37signals — ha detto ai programmatori di posare la matita. Scrivere a mano Ruby, Rust o C++ sta diventando economicamente irrazionale, man mano che gli agenti migliorano. Non è una previsione sul futuro: è un giudizio sul presente, e detto da chi ha inventato uno degli strumenti che quelle righe le rendeva piacevoli da scrivere pesa il doppio.

Il suo metodo di lavoro è sorprendentemente spartano. Niente impalcature elaborate, niente configurazioni infinite: più agenti in parallelo, uno che implementa e un altro che rivede quello che il primo ha fatto. Tratta questi sistemi come colleghi molto capaci, con cui a volte bisogna litigare, e considera un errore di categoria chiamarli semplicemente strumenti. Il segnale più concreto riguarda il suo prodotto: dentro 37signals gli agenti stanno aiutando a trasformare il servizio di posta HEY in più applicazioni native, e rendono affrontabile per una squadra piccola una riscrittura del motore in Rust che prima sarebbe stata impensabile.

Hansson però insiste su un punto che molti entusiasti saltano: il costo di esecuzione scende, ma la comprensione resta obbligatoria. Chi sviluppa deve capire il sistema, verificare quello che esce, mantenere il giudizio.

Ed è qui che si incastra l'obiezione di François Chollet, arrivata il 17 ottobre. Gli agenti possono arrivare a scrivere quasi tutto il codice mentre il numero di ingegneri, il carico di lavoro e la domanda continuano a crescere — e i conti delle aziende spesso non migliorano. L'automazione non elimina il collo di bottiglia, lo trasferisce: a coordinare, rivedere, allineare.

Quando le macchine da composizione hanno sostituito i tipografi che montavano le lettere a mano, i giornali non hanno ridotto le redazioni. Hanno stampato più pagine. Il lavoro si è spostato dal piombo alle parole.

Il punto dove Hansson e Chollet convergono, senza dirlo, è il più scomodo: in un mondo dove scrivere costa poco, l'unica cosa che diventa cara è decidere se quello che è stato scritto va bene.

Torniamo per un attimo a John Carmack, perché la zucca non era un numero da cabaret. Era il corollario pubblico di un modo di lavorare.

Il 22 ottobre ha segnalato un dettaglio che sembra fatto per far addormentare chiunque, e che invece spiega tutto. Nei robot, i comandi ai giunti vengono spesso inviati cinquanta volte al secondo, mentre i video usati per addestrarli vengono registrati sessanta volte al secondo. Due orologi che non battono allo stesso ritmo. Un disallineamento evitabile, dice Carmack, che oggi quasi non si nota e che peserà molto quando si cercherà il controllo fine — quello che serve, per esempio, a infilare due batterie in uno sportellino di plastica.

Negli stessi giorni ha elogiato Goose, un nuovo linguaggio di programmazione, per come gestisce la memoria e per l'impostazione orientata ai sistemi. È lo stesso Carmack di sempre: ridurre i ritardi, organizzare meglio la memoria, mettere in dubbio le assunzioni dietro i punteggi dei test. La sua scommessa è che l'intelligenza generale si raggiunga per via ingegneristica, non per annuncio.

Messo accanto al resto della giornata, questo capitolo fa da zavorra utile. Karpathy racconta di delegare giornate intere a schiere di agenti che lavorano in parallelo; Hansson dice che scrivere a mano è irrazionale; Carmack ricorda che nel mondo fisico c'è ancora un problema di sincronia fra due orologi. Sono tutte descrizioni vere, di tre stanze diverse.

E qui c'è una differenza che vale la giornata: il software vive in un mondo dove si può riprovare mille volte in un secondo, la materia no. Le due curve non viaggiano alla stessa velocità, e confonderle è il modo più comune di sbagliare previsione.

C'è anche un'osservazione di Karpathy che aiuta a spiegare perché questo scarto non si vede. L'11 ottobre ha descritto una specie di imbuto molto stretto nella consapevolezza di cosa questi sistemi sanno fare: la gran parte delle persone non ha praticamente mai usato un modello linguistico, un paio di miliardi usano chatbot gratuiti in modo occasionale, qualche decina di milioni lavorano con i modelli migliori, e forse cinquemila persone vedono sistemi capaci di coordinare progetti grandi. Chi sta in fondo all'imbuto parla di un mondo che gli altri non hanno ancora toccato. E chi sta in cima giudica promesse che non può verificare.

L'ultima scena di oggi riguarda chi possiede le macchine. Il 25 ottobre Elon Musk ha annunciato che SpaceX ha chiuso quaranta miliardi di dollari di finanziamento a debito per comprare schede grafiche, in consegna all'inizio del 2027. La sua tesi competitiva è industriale: il rating solido dell'azienda, i ricavi di Starlink e quelli dei lanci la mettono in una posizione migliore rispetto a chi vende solo potenza di calcolo. Nella stessa occasione ha previsto un'estinzione di massa fra gli oltre duecento operatori che affittano calcolo per l'intelligenza artificiale: scompariranno, dice, quelli troppo indebitati e senza altre entrate.

In parallelo ha appoggiato l'idea di studiare una fusione fra SpaceX e Tesla, citando l'integrazione fra software, chip su misura, robotica e calcolo nello spazio. E ha ribattezzato il suo sforzo sull'intelligenza artificiale chiamandolo Super Intelligenza, perfino negli account aziendali.

Questa è la strada della concentrazione: tutto sotto lo stesso tetto, finanziato con il debito di un'azienda che vende altro.

L'altra strada ha nomi meno familiari. Bosun Tijani, che si occupa di tecnologia per il governo nigeriano, ha proposto che Nigeria, Ruanda, Senegal e Kenya mettano insieme le schede che possiedono per addestrare o far funzionare modelli troppo grandi per un Paese solo. Ha indicato con precisione i collli di bottiglia: elettricità, connettività, cloud, accesso ai chip avanzati. E ha segnalato un possibile parco dati fra Nigeria e Togo presso la centrale di Egbin, per sfruttare capacità elettrica che oggi resta inutilizzata. Accanto alla proposta infrastrutturale spinge l'adozione dal basso, con un concorso per sviluppatori su sanità, agricoltura, istruzione e finanza.

Dall'India, Vivek Raghavan di Sarvam ripete da settimane che il Paese rischia di diventare una colonia digitale se non controlla modelli, dati e calcolo, e che bisogna passare da un artigianato dell'intelligenza artificiale a una fabbrica. La sua azienda ha chiuso la prima parte di un finanziamento da trecento milioni di dollari.

Il parallelo storico qui è la febbre ferroviaria dell'Ottocento: migliaia di chilometri di binari costruiti con denaro prestato, e alla fine sopravvissuti quasi solo da chi aveva anche traffico, miniere, porti. La differenza, stavolta, è che il binario non resta a terra. Un data center obsoleto non diventa un monumento: diventa un costo.

Progetti da osservare.

GPT-6.1 Terra è il nuovo modello di OpenAI, più economico e più rapido, pensato per usare il computer come lo usiamo noi: guardare lo schermo, muoversi fra le applicazioni, portare a termine il compito. Sam Altman l'ha presentato il 26 ottobre come l'inizio di un'era dell'uso del computer. È il mattone che serve a tutti gli agenti di cui si è parlato finora.

Amazon Nova è la famiglia di modelli di Amazon, oggi al centro di una riorganizzazione della divisione dopo fallimenti che si trascinano da tempo. Tenerla accanto al blocco degli agenti terzi aiuta a capire quella decisione: chi chiude la porta spesso lo fa perché deve ancora arredare la stanza.

Dessa è il modello vocale sperimentale di Block, l'azienda di Jack Dorsey, promosso da lui stesso il 23 ottobre. È addestrato soltanto su voce umana, non su testo, ascolta e parla nello stesso momento, interrompe, ride, cambia ritmo. Gira in locale su un portatile. Non è pubblico, non ha punteggi né data di uscita, e l'accesso iniziale è limitato a ricercatori di sicurezza: suona troppo umano, e i rischi di truffa sono evidenti.

Kimi K3.1 Pro è un modello cinese con capacità di ragionamento avanzate, interessante per una scelta: i suoi autori hanno rimosso dall'addestramento i dati sulle tecniche offensive informatiche. Vitalik Buterin l'ha appoggiata, preferendo limitare gli usi pericolosi invece di chiedere documenti d'identità agli utenti. La versione filtrata perde qualche punto sui test di attacco. È una rinuncia misurabile.

SWE-agent è un progetto aperto che risolve da solo le segnalazioni di errore nei repository veri. Non promette nulla di grandioso, e per questo è un buon termometro: misura quanto di quel lavoro quotidiano gli agenti sanno davvero portare a termine.

Alla fine, la scena che riassume il 28 ottobre non sono i quaranta miliardi di debito. Sono due orologi che battono a ritmi diversi dentro un robot, e uno sportellino di plastica che non si apre. Mentre si discute se sia lecito parlare dei rischi, il mondo continua a chiedere prove molto più piccole. E le prove piccole sono quelle che non si possono annunciare. È stato Signal Brief. Alla prossima.