Chi governa la velocità

Chi governa la velocità

L'accelerazione tecnologica non ha più punti di stabilità: ogni framework di adattamento nasce già obsoleto. La domanda vera non è dove va l'innovazione — ma chi decide il ritmo.

Signal Innovazione. Dodici giugno duemilaventisei.

Da qualche settimana seguiamo una tensione precisa: il cambiamento tecnologico avanza per leggi proprie, le istituzioni per inerzia propria. Questa settimana quella tensione è diventata più netta. Non si parla più solo di AI che accelera. Emerge una domanda più radicale: chi ha il diritto — e la capacità — di decidere il ritmo? E la risposta onesta, nel panorama intellettuale di questa settimana, è: nessuno. Non ancora. È da lì che cominciamo.

Cominciamo da un gesto concreto. Jason Crawford — storico della tecnologia, fondatore di Roots of Progress — ha pubblicato un saggio breve ma denso sul linguaggio che usiamo per parlare di AI. Il bersaglio è una parola sola: "transizione".

Quando usiamo quella parola, stiamo proiettando su questo momento un modello specifico: il modello del cambiamento che termina. L'elettrificazione fu una transizione. Shock, adattamento, poi un nuovo equilibrio che durò decenni. Internet fu una transizione. Ci vollero vent'anni, ma alla fine le industrie si assestarono, i lavori si ridefinirono, il sistema si stabilizzò. C'era un dopo riconoscibile.

Crawford dice che questa volta il modello è sbagliato — non nei dettagli, nella categoria. Prima che la società finisca di metabolizzare l'AI, emergerà l'ingegneria genetica. Prima che quella venga assorbita, arriverà la nanotech. Ogni ciclo più corto del precedente, perché la capacità scientifica e computazionale si accumula in modo compounding. Non c'è un nuovo equilibrio in arrivo. C'è solo il prossimo ciclo. I framework che costruiamo oggi per "adattarci" sono obsoleti nel momento stesso in cui li completiamo.

Questa diagnosi — sobria, non catastrofista — produce una domanda che attraversa tutto il panorama di questa settimana: se non esistono più punti di stabilità, chi governa la velocità?

Le risposte che emergono sono radicalmente incompatibili tra loro.

Azeem Azhar — riprendiamo brevemente questo filo — porta i numeri. I ricavi AI nel primo trimestre 2026 crescono al cento per cento anno su anno. Il consumo di token è triplicato. Le aziende che investono di più in AI crescono cinque volte più veloci del mercato. Per Azhar non è euforia anticipatoria. È domanda reale che sta trasformando la struttura dell'imprenditorialità: non razionalizzazione di costi dall'alto, ma creazione di mercati nuovi dal basso. L'AI boom sta diventando un entrepreneurship boom diffuso.

Garry Tan porta questa idea sul piano operativo. Il modello vincente non è il blitzscaling — la crescita esplosiva a tutti i costi che ha caratterizzato il decennio scorso. È l'impresa nano. Sei persone, AI come moltiplicatore, otto milioni di ricavi annui. Il teorema di Coase del 1937 spiegava che le imprese esistono perché coordinare le transazioni sul mercato costa più che coordinare internamente. Se quei costi crollano grazie all'AI, l'impresa ottimale si fa piccola — non per mancanza di ambizione, per eccesso di efficienza.

Peter Thiel non condivide questa visione. Per lui la velocità è una competizione a eliminazione, non un'opportunità che si distribuisce. Chi controlla l'infrastruttura AI e il potere militare vince. Chi non la controlla, dipende. Il manifesto Palantir di aprile — ventidue punti, linguaggio tagliente — formalizza la posizione: la Silicon Valley ha, queste le parole, l'obbligo affermativo di servire il complesso militare-industriale. L'innovazione civile si subordina alla sicurezza nazionale.

È una frattura che non si chiude con una sintesi elegante. Azhar dice: guarda l'imprenditore che costruisce da Lagos con sei persone e un abbonamento AI. Thiel dice: guarda chi possiede il datacenter su cui gira tutto questo. Hanno ragione su piani diversi, e questo è il nodo.

Tim Harford arriva da un angolo laterale. Ha scritto di infrastruttura statistica pubblica — istituti, censimenti, banche dati collettive. La tesi: la velocità privata parassita fondamenta pubbliche che nessuno prezza finché non spariscono. Come il parcheggio nella canzone di Joni Mitchell: non sai cosa hai finché non c'è più. I modelli AI addestrati su archivi pubblici, le fintech appoggiate su dati macroeconomici governativi — tutto si appoggia su un'infrastruttura informativa invisibile che si deteriora senza che nessuno la difenda attivamente.

La domanda di Crawford — chi governa la velocità — rimane aperta. Questa settimana nessuno ha saputo rispondere. Forse questa è già una risposta.

Jason Crawford non viene dall'informatica. Non viene dalle startup, né dal venture capital. È uno storico — e per questo, in questo momento, è probabilmente uno dei commentatori più lucidi sull'AI.

Roots of Progress, la piattaforma che ha fondato, tratta l'innovazione tecnologica come si tratterebbe la storia politica: con cause, contesti, cicli, e la consapevolezza metodologica che ogni presente è meno unico di quanto sembri a chi lo vive dall'interno. Chi ha studiato come la macchina a vapore ha trasformato l'economia britannica negli anni Venti dell'Ottocento sa che il pattern attuale — concentrazione dei guadagni, lentezza istituzionale, ansia popolare — non è una novità strutturale. Si ripete.

La mossa recente che ha catturato attenzione è il saggio sul linguaggio della transizione. Ma è il secondo testo di questa settimana — più personale, più metodologico — che rivela la logica più profonda del suo pensiero.

Crawford ha scritto del suo uso dell'AI nella scrittura. Usa i modelli per ricerca, brainstorming, verifica dei fatti. Non li usa mai per le bozze. La spiegazione non è estetica né romantica. È epistemica: il processo di scrivere — dalla ricerca all'outline, dalla bozza alla revisione — non è un mezzo verso un output. È il processo attraverso cui si costruisce il worldview. Non scrivi per comunicare quello che già pensi. Scrivi per capire cosa pensi.

Se esternalizzi quel processo all'AI, non stai risparmiando tempo su un compito meccanico. Stai rinunciando allo strumento con cui formi le tue vedute. Un intellettuale pubblico che non costruisce il proprio pensiero attraverso il processo di scrittura è, dice Crawford esplicitamente, svuotato — non nell'output, nel metodo.

Questo si collega alla diagnosi sull'accelerazione permanente in modo diretto e non ovvio. Se il regime è di cambiamento strutturale continuo senza punti di stabilità, il pensiero lento diventa la risorsa più scarsa. Non il pensiero ottimizzato per la velocità — il pensiero che si prende il tempo di costruire un framework valido anche per il prossimo ciclo, non solo per quello attuale.

Crawford non dice che l'AI è pericolosa. Dice che il rischio non è tecnologico ma metodologico: che la velocità degli strumenti induca a rinunciare ai processi lenti che producono comprensione vera. E la comprensione vera — la sua, nella storia della tecnologia; la nostra, nel navigare i cambiamenti che la storia produce — è l'unica risorsa che non si scala e non si delega.

Per Crawford, la governance della velocità comincia lì: da chi si prende la responsabilità di capire davvero, invece di ottimizzare la velocità con cui produce output.

Peter Thiel polarizza. È difficile leggerne il lavoro in modo neutro, non perché sia irrazionale, ma perché porta la logica fino al fondo anche quando il punto d'arrivo disturba. E spesso disturba molto.

Il frame di queste settimane è doppio.

Il primo argomento, presentato in un panel in Giappone ad aprile, è geopolitico. Thiel inverte il frame dominante: gli Stati Uniti non stanno reggendo a fatica — stanno distanziando. Ogni modello AI di frontiera è americano. Il PIL generato dall'AI si concentra negli Stati Uniti. L'Europa ha Mistral — Thiel lo definisce piccolo rispetto ad Anthropic e OpenAI, senza eufemismi. La Cina ha un problema demografico strutturale: meno di un figlio per donna. Gli Stati Uniti, a uno virgola sei figli per donna più immigrazione strutturale, hanno un vantaggio che Pechino non può replicare per decreto.

Il secondo argomento è nel manifesto Palantir — ventidue punti pubblicati in aprile. Il nucleo: la Silicon Valley non può essere neutrale rispetto alla sicurezza nazionale. Ha, queste le parole usate, l'obbligo affermativo di collaborare con il complesso militare-industriale. Non perché la guerra sia desiderabile, ma perché l'AI bellica è già in sviluppo ovunque, e vale più che la costruiscano soggetti con un sistema di accountability democratica piuttosto che soggetti privi di qualsiasi vincolo.

I critici hanno usato la parola technofascismo. I sostenitori dicono realismo. Entrambe le etichette rivelano chi le usa più di quanto rivelino Thiel.

Quello che conta strategicamente, nel contesto di questa settimana, è la struttura della tesi. Per Thiel la gara tecnologica globale non è a somma positiva. Non è che tutti i Paesi diventano più ricchi perché l'AI è accessibile ovunque. Chi controlla l'infrastruttura — datacenter, chip, modelli addestrati — cattura il valore. Chi non la controlla, dipende. La dipendenza tecnologica del Ventunesimo secolo assomiglia alla dipendenza petrolifera del Novecento: invisibile nella fase di crescita, critica nella fase di crisi.

C'è una tensione non dichiarata nel confrontare Thiel con Crawford. Crawford dice che la governance della velocità è una questione epistemica: comincia da chi capisce davvero. Thiel dice che è una questione di potere: vince chi controlla l'infrastruttura. Non si contraddicono sul punto strutturale — entrambi riconoscono che il regime è non-stazionario e che adattarsi passivamente non è sufficiente. Divergono radicalmente su cosa fare. Questa divergenza è, probabilmente, la mappa più onesta del momento in cui ci troviamo.

Garry Tan è il presidente di Y Combinator, l'acceleratore che ha finanziato Airbnb, Stripe, Dropbox. La genealogia è abbastanza nota da non richiedere aggiunte. Ma il Tan di questa settimana è meno interessato a celebrare il passato e più concentrato su una tesi operativa concreta per il futuro.

La tesi: il blitzscaling è finito. Non come moda — come logica economica.

Il blitzscaling — termine reso popolare da Reid Hoffman — era la strategia della crescita esplosiva a tutti i costi: assumere migliaia di persone, bruciare capitale, conquistare il mercato prima che la concorrenza potesse reagire. Funzionava quando il vantaggio competitivo veniva dalla scala, dalla rete, dalla velocità del deployment umano. Più persone uguale più velocità uguale più mercato conquistato.

Tan dice che l'AI ha cambiato la matematica di fondo. Se un team di sei persone con gli strumenti giusti può raggiungere otto milioni di dollari di ricavi annui ricorrenti, allora il capitale non è il moltiplicatore. Lo è il giudizio. Il gusto. La capacità di orchestrare agenti AI verso obiettivi che valgono davvero la pena.

Cita Coase — e lo fa senza snobismo accademico. Ronald Coase nel 1937 spiegò perché esistono le imprese: perché il costo di coordinare le transazioni sul mercato aperto è alto, e conviene internalizzarlo in una struttura. Se quei costi di coordinazione crollano grazie all'AI, l'impresa ottimale si fa piccola. Non micro perché marginale — nano perché efficiente. Il capitale smette di essere il moltiplicatore. Lo diventa il gusto umano e la capacità di orchestrazione.

Questo si collega al tema della settimana in modo diretto. Se la nano-impresa è il modello vincente, la velocità non è necessariamente una gara tra grandi oligopoli con datacenter propri. È una proprietà che può distribuirsi. Ogni fondatore con il giudizio giusto e gli strumenti giusti può competere su mercati globali con un team che fino a cinque anni fa sarebbe stato considerato insufficiente anche per un mercato locale.

È la risposta opposta a quella di Thiel. Probabilmente entrambe le cose accadono in parallelo: concentrazione nell'infrastruttura, distribuzione nell'applicazione. La domanda aperta è quale delle due forze definirà la struttura di potere del prossimo decennio.

Tan ha anche scritto dell'infrastruttura AI interna che ha costruito per sé — un sistema di memoria per agenti che considera non delegabile. Chi affida la memoria dell'agente a provider centralizzati, ragiona, perde la sovranità sull'agente stesso. È un'eco della tesi di Harford sull'infrastruttura invisibile, applicata al software invece che ai dati pubblici. La struttura della preoccupazione è identica: quello che non prezi, non difendi.

Tim Harford è un economista e giornalista britannico che collabora con il Financial Times da vent'anni. Conduce podcast, scrive libri, tiene rubriche. Il suo metodo è riconoscibile: parte da un'anomalia empirica apparentemente marginale e arriva a una teoria che illumina qualcosa di più grande. Non è un tecnoentusiasta. Non è un catastrofista. È qualcuno che fa domande precise con dati precisi, e aspetta di vedere cosa risponde il mondo.

Questa settimana ha scritto di statistica pubblica. Non di AI, non di startup, non di venture capital. Di istituti statistici, censimenti, banche dati governative. È un argomento che suona marginale — ed è esattamente questa la trappola che Harford vuole smontare.

La tesi: l'infrastruttura informativa è il tipo di bene più difficile da valorizzare politicamente. Quando un governo taglia il bilancio di un istituto statistico, nessuno scende in piazza. I dati che quell'istituto produceva non hanno un prezzo di mercato visibile. Non esistono imprenditori che fanno lobbying per difendere la serie storica del PIL trimestrale del 1987. Eppure quella conoscenza pubblica — statistica, cognitiva, di sistema — è il substrato su cui si appoggiano decisioni private, investimenti, ricerca scientifica, giornalismo di qualità, politiche sanitarie. È infrastruttura invisibile.

Harford usa il principio che chiama di Joni Mitchell: non sai cosa hai finché non c'è più. La cantante lo cantava di un parcheggio trasformato in paradiso di cemento. Harford lo applica agli istituti statistici, alle agenzie pubbliche di dati, ai sistemi di conoscenza collettiva che nessuno prezza finché non spariscono. E quando spariscono, il costo è enorme ma diffuso — nessuno può addebitarlo a una voce di bilancio specifica.

Il collegamento al tema della settimana è netto. La velocità privata — i modelli AI addestrati su archivi pubblici, le fintech appoggiate su dati macroeconomici governativi, le ricerche mediche costruite su grant pubblici — consuma fondamenta pubbliche senza vederle, senza preziarle, senza difenderle. Quando quelle fondamenta si deteriorano, il sistema privato non se ne accorge subito. Se ne accorge dopo, quando è tardi e il danno è strutturale.

Harford è anche scettico sulla retorica dell'adozione AI. In un pezzo di giugno ha argomentato che il successo dei modelli linguistici non dipende dalla loro capacità tecnica, ma dalla loro capacità di sembrare plausibili. I modelli sono stati addestrati a essere caldi, simpatici, convincenti. E quella simpatia, paradossalmente, riduce l'accuratezza e aumenta la propensione a diffondere informazioni non corrette in modo persuasivo. È una prospettiva scomoda — ma coerente con il suo metodo: prendere il fenomeno abbastanza sul serio da esaminarne i meccanismi, non solo l'entusiasmo.

Qualche segnale da tenere nell'orbita nei prossimi mesi.

GBrain, il progetto open source avviato da Garry Tan, è in produzione attiva. Architettura di memoria ibrida per agenti AI: ricerca vettoriale, ricerca testuale classica e grafo di conoscenza combinati in un sistema unico. Quasi diciottomila pagine indicizzate, ventuno processi automatici in esecuzione, tutto su infrastruttura locale senza dipendenza da provider cloud. Il principio fondante: chi esternalizza la memoria dell'agente AI perde la sovranità sull'agente stesso. Tendenza strutturale destinata a crescere nei prossimi dodici mesi.

Il Global Council for a Common Good Economy, lanciato a Barcellona con il governo spagnolo e guidato da Mariana Mazzucato, è il tentativo istituzionale più esplicito di condizionare il ritorno pubblico al rischio pubblico nell'era AI. Non è un altro think tank: punta a essere architettura operativa, con condizionalità reali nei contratti pubblici e nei sussidi. Il test non è il lancio — è se nei prossimi due anni produrrà misure concrete invece di documenti. Da osservare con attenzione critica e qualche scetticismo sano.

Polymarket e Kalshi, i mercati predittivi, continuano l'espansione come strumenti di aggregazione dell'informazione distribuita. Harford li ha analizzati: funzionano per raccogliere conoscenza dispersa, ma generano incentivi perversi quando chi scommette può influenzare l'esito. La struttura del problema ricorda le frodi assicurative dell'Ottocento — non per analogia poetica, ma per struttura degli incentivi. Crescita in corso, regolazione ancora da costruire.

NotebookLM di Google resta il caso d'uso pratico più citato dagli intellettuali per l'AI di seconda generazione. Non il chatbot generalista — il sistema alimentato con fonti delimitate e trasformato in formati utili. Steven Johnson chiama questa differenza cognitive uploading: AI che amplifica il pensiero invece di sostituirlo. Larry Lessig, giurista di Harvard, usa centoundici notebook separati per un singolo corso di diritto costituzionale. Segnale di come il lavoro intellettuale si stia trasformando prima ancora di quello manuale.

Rimane, alla fine di questa settimana, una domanda senza risposta ordinata. Se l'accelerazione è permanente e le istituzioni sono strutturalmente in ritardo, chi è il soggetto della governance?

Crawford dice: chi si prende il tempo di capire davvero. Thiel dice: chi ha il potere di farlo. Tan dice: chi sa costruire con efficienza. Harford dice: almeno non distruggete le fondamenta mentre correte.

Tutte posizioni difendibili. Nessuna sufficiente da sola. E forse questa insufficienza è il vero punto di partenza.

È stato Signal Innovazione. Alla prossima.