Il collo di bottiglia si è spostato

Il collo di bottiglia si è spostato

I modelli non sono più il limite. Il freno è tutto ciò che li circonda: supervisione, laboratorio, autorizzazioni. E il capitale che non si può più richiamare indietro.

Signal Innovazione, 25 agosto 2026.

Per tre anni la domanda che organizzava il dibattito sull'intelligenza artificiale è stata una sola: quanto diventeranno bravi questi modelli. Nelle ultime settimane quella domanda ha smesso di essere quella decisiva. Non perché sia stata risolta, ma perché un gruppo di pensatori che non si parlano tra loro — un teorico del lean startup, un economista, una premio Nobel per la chimica, un analista di regolazione — è arrivato per strade diverse alla stessa conclusione.

Il limite non sta più dentro il modello. Sta in tutto ciò che gli sta intorno.

Cominciamo da un gesto preciso. A giugno Eric Ries, l'autore di The Lean Startup, ha pubblicato un libro che si chiama Incorruptible e che non parla di come si costruisce un prodotto. Parla di come si impedisce a un'azienda di essere svuotata da chi la finanzia. La sua proposta si chiama "mission primacy": statuti e assetti proprietari che proteggono lo scopo dell'impresa dagli stessi investitori che ne traggono profitto. Ries racconta anche di aver consigliato i fondatori di Anthropic sulla struttura societaria, e commenta il contenzioso tra Musk e OpenAI come il primo vero collaudo su scala del suo argomento.

Ma l'osservazione più utile per noi è un'altra, ed è quasi un inciso. Il ciclo che Ries ha insegnato a mezzo mondo — costruisci, misura, impara — sta subendo una compressione asimmetrica. L'intelligenza artificiale accorcia radicalmente il costruire e il misurare. Non tocca l'imparare. Il giudizio su cosa valga la pena capire resta un lavoro umano, lento, non parallelizzabile. Abbondanza di codice non produce abbondanza di validazione.

Tenete a mente questa forma, perché si ripete altrove con altri nomi.

Tyler Cowen, economista alla George Mason, in un post di agosto rilancia l'osservazione di uno sviluppatore: il costo di un agente autonomo fermo in attesa di un'istruzione umana è proibitivo. Gli agenti funzionano, ma pretendono attenzione costante di chi li dirige. La diffusione non è frenata dalla capacità: è frenata dal prezzo della sorveglianza.

Jennifer Doudna, che ha vinto il Nobel per CRISPR, in un'intervista a Bloomberg di fine giugno contesta frontalmente l'idea che un modello linguistico possa scoprire farmaci. La complessità biologica non si riduce a un problema di calcolo. L'intelligenza artificiale comprime i cicli sperimentali, sintetizza la letteratura, ma non produce l'ipotesi. Il laboratorio fisico resta il collo.

Eli Dourado, che studia da anni perché le tecnologie promesse non arrivano, e George Church, il genetista di Harvard, indicano un terzo punto: lo strato che autorizza. Permitting, NEPA, FAA, e soprattutto la FDA. Church lo dice in modo brutale — i costi della biologia crollano di ordini di grandezza, i farmaci no, perché il ciclo regolatorio resta pluriennale.

Quattro diagnosi, un unico spostamento: l'ottimismo ha traslocato dalla curva delle capacità alla capacità di assorbimento.

È già successo. L'elettricità industriale impiegò quarant'anni a comparire nelle statistiche di produttività americane, non perché i motori non funzionassero, ma perché le fabbriche erano ancora costruite intorno all'albero di trasmissione a vapore. Bisognava riprogettare l'edificio, non il motore. Siamo esattamente lì: la macchina c'è, l'edificio no.

Il briefing di ieri chiudeva su una convergenza — siamo all'inizio, dice quasi tutti. Oggi quella convergenza si è irrigidita in qualcosa di più utile: un accordo sulla natura del limite, e un disaccordo feroce su chi lo sblocca. Perché se il collo è la supervisione, vince chi sa organizzare il lavoro umano. Se è il laboratorio, vince chi possiede gli strumenti fisici. Se è l'autorizzazione, vince chi sa muovere le agenzie. Sono tre strategie di investimento incompatibili, e nessuno oggi può dire quale sia quella giusta.

C'è poi una novità che riguarda il denaro, e che cambia il registro del rischio.

Azeem Azhar scrive Exponential View, una delle poche analisi che tratta l'economia dell'intelligenza artificiale con la disciplina di chi guarda i bilanci prima delle narrazioni. Il 19 agosto ha pubblicato un pezzo dal titolo secco: l'intelligenza artificiale è già una bolla? Cinque indicatori dicono di no.

La risposta però non è rassicurante, è solo più precisa. I suoi cinque indicatori dicono che la domanda giustifica ancora la spesa. Il problema che segnala è di natura diversa: la spesa sta diventando difficile da smontare. Non parliamo di valutazioni azionarie gonfiate — quelle si sgonfiano in un trimestre e la vita continua. Parliamo di contratti energetici pluriennali, di data center costruiti nel cemento, di impegni di fornitura che non si ricalibrano guardando i numeri del quarto. Il rapporto State of the AI Economy 2026 che accompagna la sua analisi quantifica il fenomeno: circa duemila miliardi di dollari di capex impegnati entro il 2026, e — dettaglio che pesa — finanziati sempre più con debito esterno anziché con la cassa generata. Il settore elettrico americano è tornato a crescere dopo quindici anni piatti.

Questo è il vero cambiamento rispetto a ieri. La discussione sulla bolla si era finora giocata sul terreno delle valutazioni, e Carlota Perez — la studiosa dei cicli tecnologici lunghi che avevamo incontrato — offriva la lettura più tranquillizzante: siamo nella fase di installazione, la bolla è il modo fisiologico in cui il capitale finanziario costruisce l'infrastruttura prima che il valore reale arrivi. Perez non ha cambiato idea, e continua a leggere il capex degli hyperscaler come classico sovra-investimento di installazione. Ma aggiunge una precisazione che ieri non era in primo piano: l'esito resta aperto tra un conflitto prolungato e una golden age, e la golden age non arriva per inerzia tecnologica. Arriva solo se qualcuno sceglie una direzione — nel suo caso l'accoppiamento tra digitale e transizione ambientale.

Azhar aggiunge il pezzo che mancava. Un sovra-investimento fatto di software si riassorbe. Un sovra-investimento fatto di turbine, cavi e contratti a vent'anni no. L'irreversibilità non è un dettaglio contabile: è ciò che trasforma un errore correggibile in un vincolo strutturale su un decennio.

C'è un secondo pezzo di Azhar, del 16 agosto, che vale come contrappunto. Racconta il caso di un'iniziativa Amazon basata su Claude, dal valore di un milione e ottocentomila dollari, rimasta inosservata dentro l'organizzazione per cinque mesi. Non è aneddotica: è l'argomento che le imprese non sanno calcolare il costo marginale del lavoro cognitivo automatizzato. E se non sanno calcolarlo, le curve di adozione che leggiamo sono inaffidabili in entrambe le direzioni.

Un capitale che non si può richiamare indietro, appoggiato su curve di adozione che nessuno sa misurare. È una posizione scomoda, ed è quella in cui siamo.

Se la prima frattura riguarda dove sta il limite, la seconda riguarda dove si deposita il valore. E qui il dibattito, nelle ultime settimane, si è spaccato in due tesi che non possono essere entrambe vere.

Tim O'Reilly, l'editore che ha coniato l'espressione "web 2.0" e che il software libero lo racconta da trent'anni, ha pubblicato sul Radar della sua casa editrice un intervento che sposta il tema dell'apertura fuori dal terreno consueto. L'open source nell'intelligenza artificiale, sostiene, non è una questione di pesi ma di architettura. L'analogia che usa è Apache contro Netscape e Microsoft: Apache non vinse perché avesse più risorse, ma perché permetteva a chiunque di aggiungere estensioni senza chiedere permesso.

La diagnosi che ne ricava è più tagliente della solita polemica sull'apertura. I laboratori dominanti stanno spostando il comportamento del prodotto dentro i pesi del modello, in uno strato che nessuno all'esterno può ispezionare o modificare. Non è un lock-in contrattuale, è un lock-in architetturale — più silenzioso e più difficile da smontare. L'esito che teme è una monocultura di output: affidabilità comprata sacrificando la diversità, e con essa l'innovazione eterodossa, che nasce sempre ai margini. La contromisura che propone è concreta: protocolli aperti, separazione netta tra modello, harness e applicazione, componenti intercambiabili.

Dall'altra sponda, due voci che di solito non si trovano d'accordo su nulla dicono la stessa cosa. Garry Tan, presidente di Y Combinator, spinge una distinzione che sta diventando la sua tesi centrale: possedere la propria intelligenza invece di affittarla. L'intelligenza noleggiata via API non compone valore nel tempo; quella posseduta — memoria di lavoro persistente, contesto accumulato sull'azienda — diventa un asset che si capitalizza. È un lock-in rovesciato: il vantaggio non sta nel modello, sta nello strato di contesto proprietario che ci sta sopra.

Alex Karp, amministratore delegato di Palantir, arriva più lontano nella stessa direzione. Nella lettera agli azionisti e in un intervento alla CNBC del 3 agosto accusa i laboratori di frontiera di tentare di catturare i mezzi di produzione dei loro presunti partner — da cui la definizione, deliberatamente rovesciata, di un'industria dell'intelligenza artificiale "marxista". L'apertura dei pesi, in questa lettura, non è generosità: è una manovra per rendere il modello una commodity e tenere il valore altrove.

Ieri questa sembrava una convergenza tecnica — tutti d'accordo che il valore non stia nei pesi ma nell'applicazione. Oggi si è rotta. Perché "non nei pesi" può voler dire due cose opposte: modularità aperta, oppure possesso esclusivo del contesto. Nandan Nilekani, l'architetto dell'identità digitale indiana, scommette sulla prima e sostiene che l'infrastruttura si svaluti e il valore migri all'applicazione; Marc Andreessen concorda sul crollo del prezzo dell'inferenza. Karp risponde che senza contesto proprietario l'applicazione non trattiene nulla.

Sono scommesse incompatibili sullo stesso decennio. Chi alloca capitale oggi ne sta scegliendo una, spesso senza sapere di averlo fatto.

Resta la domanda più antica: chi dà la direzione. Ed è qui che va registrato lo spostamento più significativo del briefing di oggi.

Matt Ridley, che difende l'ordine emergente dal basso da tutta la carriera, in un intervento del 13 agosto attacca il consenso come meccanismo di produzione della conoscenza: usa il salasso e il freudismo come precedenti di pratiche unanimi e sbagliate, per sostenere che l'accordo istituzionale certifica conformità, non verità. Applicato all'intelligenza artificiale, produce una proposta linguistica che è più seria di quanto sembri: parlarne al plurale. Non "l'intelligenza artificiale" come entità singola da governare centralmente, ma molte intelligenze in competizione, con selezione e varietà. Chi la pensa così — Ridley, Kevin Kelly, Reid Hoffman — sostiene che la diffusione di massa sia essa stessa il meccanismo di sicurezza, perché genera l'apprendimento collettivo su cui poi si costruisce la governance.

All'estremo opposto Mariana Mazzucato, economista alla University College London, ha pubblicato a giugno The Common Good Economy, che sposta il suo stesso impianto: non basta orientare l'innovazione verso missioni, serve una teoria normativa di cosa sia il bene comune, altrimenti la direzione viene semplicemente catturata da chi ha più forza. Sull'intelligenza artificiale la sua linea è quella delle rendite algoritmiche: non un ciclo di innovazione, ma una struttura di estrazione costruita su asset pubblici — ricerca finanziata dallo Stato, dati collettivi, calcolo sussidiato. Da cui la richiesta di condizionalità sui contratti pubblici, invece di incentivi senza contropartita.

La novità non è la distanza tra queste due posizioni, che conosciamo. È che il campo in mezzo si è riempito. Ieri la proposta di Ries sugli statuti che blindano lo scopo era un'intuizione isolata e controcorrente di un padre del lean startup. Oggi è un tassello di un consenso più largo: Satya Nadella parla di licenza sociale — l'intelligenza artificiale deve produrre impatto misurabile su prodotto interno lordo, sanità, servizi, o perde il permesso sociale di consumare l'energia che consuma. E la sua risposta sulla bolla è coerente: non scoppia per eccesso di capex, scoppia per difetto di beneficio distribuito.

Nadella aggiunge un secondo argomento, più freddo e più strategico. Le aziende che affidano tutto a un singolo laboratorio proprietario, dice, non sopravvivranno, perché chi esternalizza il pensiero consegna al fornitore il proprio know-how. Il meccanismo che descrive è preciso: i modelli imparano dallo scarto — i prompt, le chiamate agli strumenti, e soprattutto le correzioni umane agli errori. Quel residuo è l'asset vero, e finisce nel modello di chi un giorno sarà concorrente.

Quasi nessuno, oggi, difende ancora il laissez-faire puro. La disputa non è più se serva una direzione. È su quale strato esercitarla: il protocollo, lo statuto d'impresa, o lo Stato.

Startup e progetti da osservare.

Isomorphic Labs, lo spin-off di DeepMind che progetta farmaci con l'intelligenza artificiale. Il suo primo candidato è stato autorizzato dalla FDA a gennaio, e a maggio la società ha chiuso un round da due miliardi e cento milioni. I primi test sull'uomo sono attesi entro fine anno: è il collaudo più diretto della tesi di Doudna sul primato del laboratorio.

Koloma, che cerca idrogeno geologico — idrogeno già presente nel sottosuolo, non prodotto in fabbrica. Ha raccolto circa quattrocento milioni, con un ultimo round da cinquanta insieme a Mitsubishi Heavy Industries e Osaka Gas, dopo Breakthrough Energy e il fondo climatico di Amazon. Se la risorsa si dimostra estraibile a scala, l'idrogeno passa da manifattura energivora a estrazione.

Reflect Orbital, che vuole vendere luce solare riflessa su richiesta. Primo satellite in orbita quest'anno, visione di cinquantamila specchi entro il 2035. La American Astronomical Society e Dark Sky International chiedono di fermarla: è il caso limite di innovazione senza licenza sociale, quella di cui parla Nadella.

Digital Economy and Algorithmic Rents, il programma di ricerca all'Institute for Innovation and Public Purpose di Londra, finanziato da Omidyar Network. Mette insieme Mazzucato, Tim O'Reilly e Ilan Strauss — apertura architetturale e condizionalità pubblica nello stesso gruppo di lavoro.

E la lista delle richieste di Y Combinator, che si è spostata sui sistemi fisici: software per l'ottanta per cento della forza lavoro che non sta a una scrivania, manifattura avanzata, difesa. Il capitale early-stage insegue lo strato di assorbimento, non quello dei modelli.

Le fabbriche dell'Ottocento tennero l'albero di trasmissione a vapore per decenni dopo l'arrivo del motore elettrico. Il ritardo non era nella macchina, era nell'edificio. Oggi l'edificio ha tre piani — la supervisione, il laboratorio, l'autorizzazione — e il capitale si sta cementando prima di sapere quale dei tre cederà per primo.

È stato Signal Innovazione. Alla prossima.