Il mestiere si sposta a valle

Il mestiere si sposta a valle

Dalla generazione alla verifica: con la frontiera che si commoditizza, il vantaggio migra verso chi orchestra, controlla e sa far adottare.

Signal Innovazione, 3 ottobre 2026.

Un gruppo di ricercatori ha chiesto a dei modelli linguistici di rifare il lavoro già fatto da altri economisti: riprodurre, controllare, estendere i loro paper. Il risultato è una lista di discrepanze trovate in tremilaquattrocentosessanta articoli pubblicati, e tempi di calcolo ridotti di dieci volte in quasi cinquecento casi.

Nessuno aveva chiesto alle macchine di scoprire qualcosa di nuovo. Avevano chiesto di verificare. Ed è lì, nel gesto meno spettacolare di tutta la catena, che oggi si sta spostando il valore.

Ieri il filo era l'istituzione: il freno all'intelligenza artificiale non stava nel modello ma nell'organizzazione che doveva ospitarlo. Quel filo continua, ma si è mosso in avanti. Il vincolo non è più soltanto a monte, nella riluttanza di chi deve dare le credenziali a un agente: scorre lungo la catena del lavoro, e si ferma in due punti precisi che oggi, per la prima volta, abbiamo misurati entrambi.

Il primo punto è la verifica. Tyler Cowen, nel suo blog, segnala lo studio che apre questa puntata e ne trae la conseguenza che conta: se replicabilità e controllo diventano quasi gratuiti, il valore del ricercatore si sposta altrove. Non sparisce — cambia indirizzo professionale. Chi veniva pagato per produrre risultati ora viene pagato per decidere quali risultati meritano fiducia. È la stessa dinamica che la Harvard Business Review ha appena tradotto in linguaggio manageriale: in azienda il collo di bottiglia non è generare l'output, è certificarlo.

Il secondo punto è l'assorbimento, ed è molto più lento. Tim O'Reilly, nel suo intervento su come si passa dall'intelligenza artificiale usata come assistente a un'azienda costruita attorno a essa, porta un conteggio che vale più di molte previsioni. Nell'azienda di sicurezza informatica Trail of Bits, all'inizio, il cinque per cento delle persone spingeva il cambiamento, il settanta per cento era passivo, il venti per cento resisteva attivamente. E la resistenza, questa è la sua diagnosi, non riguardava le capacità dello strumento: riguardava la minaccia all'identità professionale di chi doveva usarlo. Un ingegnere non difende un compito. Difende l'idea di sé che quel compito gli restituisce ogni mattina.

Tenete insieme le due misure e viene fuori un paradosso utile: nella ricerca il costo di assorbire questa tecnologia è quasi nullo, nell'impresa è altissimo. Non perché le imprese siano più stupide, ma perché hanno carriere dentro.

Poi c'è la terza novità, e spiazza chi ha investito sulla corsa al modello migliore. Satya Nadella, parlando della scommessa di Microsoft sugli agenti, sostiene che il limite all'adozione è la fiducia e non la capacità, e che Microsoft non ha bisogno di possedere il modello migliore se il suo prodotto sa scegliere fra più modelli. Marc Andreessen, in un'intervista podcast, dichiara la soglia dell'intelligenza artificiale generale superata circa tre mesi fa, e aggiunge il dettaglio che pesa davvero: più laboratori ci sono arrivati insieme, nessuno ha un vantaggio esclusivo. David Ha, a Tokyo, ha costruito un laboratorio, Sakana, che scommette sull'orchestrazione di più modelli anziché sul singolo modello di frontiera.

Tre posizioni diverse, una sola implicazione: la frontiera si commoditizza. E quando la frontiera diventa commodity, il margine si sposta su chi sa combinare, controllare e far adottare.

È già accaduto. Negli anni Novanta il protocollo di rete smise di essere un vantaggio competitivo quasi subito; il valore si fermò per vent'anni su chi gestiva l'accesso e la fiducia dell'utente. Chi aveva investito tutto nella tecnologia di trasporto si ritrovò a vendere un tubo.

Tim O'Reilly è l'editore che ha dato un nome al software libero commerciale e al web come piattaforma: da trent'anni il suo mestiere è riconoscere una curva prima che diventi ovvia. Questa volta, però, la curva che descrive non è tecnologica.

Nel suo keynote a una conferenza sull'intelligenza artificiale di quest'anno, sostiene che il salto da azienda che usa questi strumenti ad azienda costruita attorno a essi è organizzativo e psicologico, non tecnico. Vanno ridisegnati i flussi di lavoro, i sistemi di dati, gli incentivi. Il che suona come un consiglio da consulente, finché non arriva il conteggio di Trail of Bits: cinque, settanta, venti. Chi spinge, chi guarda, chi resiste.

La parte più utile del suo ragionamento è dove colloca la resistenza. Non nella paura di perdere il lavoro — in quel caso basterebbe un piano di ricollocazione. La colloca nella minaccia all'identità, che è un'altra cosa e non si risolve con la formazione. A questo oppone strumenti deliberatamente modesti: scale di capacità a tre livelli, hackathon ogni due mesi, archivi condivisi degli artefatti prodotti, per evitare quello che Drew Breunig chiama il debito da prompt — la sedimentazione di istruzioni usa e getta che nessuno sa più manutenere. E un criterio di misura che molte aziende dovrebbero copiare: il successo non si valuta sulle funzionalità rilasciate, ma sull'avanzamento nella matrice delle competenze.

Richiama anche la lezione amara di Richard Sutton, secondo cui storicamente scala e potenza di calcolo battono la competenza scritta a mano. Ma ne rifiuta la versione fatalista: la competenza umana non sparisce, viene estesa. La sua formula è che se questi strumenti rendono facile qualcosa di piccolo, la risposta è festeggiare e andare a lavorare su qualcosa di grande.

Il collegamento con il tema di oggi è diretto. Se la verifica diventa il mestiere, la verifica è un giudizio, e il giudizio è esattamente la parte dell'identità professionale che nessuno vuole cedere. O'Reilly sta dicendo che quel venti per cento che resiste non ha torto sui fatti: ha capito benissimo cosa è in gioco, e sta difendendo la cosa giusta nel modo sbagliato.

Per chi guida un'azienda la conseguenza pratica è spiacevole. Il budget per gli strumenti è la parte facile. La parte difficile è che nei prossimi sei mesi bisognerà dire a un professionista esperto quale pezzo del suo valore si è spostato — e offrirgliene uno migliore, non un corso.

Anton Howes non commenta l'attualità tecnologica. È uno storico dell'innovazione britannica, studia perché certe invenzioni attecchiscono e altre no, e dopo sei mesi di silenzio — l'ultimo intervento risaliva a marzo — è tornato a scrivere con la prima parte di una serie intitolata al sindacato del sale.

Dal sottotitolo, l'unica parte che si può riportare con certezza, racconta una delle invenzioni più importanti del Cinquecento di cui nessuno ha mai sentito parlare, e il consorzio multinazionale che la promosse. Il resto del testo non è stato letto, quindi le sue tesi specifiche restano fuori. Ma il tema dichiarato è coerente con tutto il suo lavoro: un'innovazione di processo oscura, decisiva, diffusa da una rete organizzata di promotori e di capitali che attraversavano i confini, non da un inventore solitario né da un decreto.

È la ragione per cui merita un posto in questa puntata. La domanda di oggi — perché una tecnologia disponibile a tutti si diffonde in un posto e non in un altro — è letteralmente la sua materia di studio, con quattro secoli di distanza. La linea che tiene insieme i suoi saggi degli ultimi dodici mesi è che contano i capitali e le idee più dell'istruzione formale, con uno scetticismo esplicito verso la politica industriale decisa dall'alto.

Mettetelo accanto a Peter Thiel, che il 24 settembre a Berlino, ricevendo il premio Axel Springer, ha letto la stagnazione tedesca come scarsità di fondatori e non di capitale. Il dato che porta è brutale nella sua semplicità: fra i cinquanta tedeschi più ricchi, i venti sotto i cinquant'anni sono tutti eredi; negli Stati Uniti, nove dei dodici più ricchi dalla Generazione X in giù hanno costruito il patrimonio da sé. La sua lettura è che la Germania non teme solo di fallire, teme di riuscire: le aziende che funzionano vengono vendute invece di essere portate su scala. Fuori dalla sala c'erano alcune centinaia di manifestanti, dentro una contestazione.

Howes e Thiel non si parlano e probabilmente non si somigliano. Ma dicono la stessa cosa da due secoli diversi: la capacità di innovare non si decreta, passa per persone e reti.

E qui la mappa si complica, perché a Riyadh Tareq Amin sta dimostrando l'opposto. Il suo gruppo, HUMAIN, si è assicurato per via statale circa quattordici gigawatt di potenza elettrica per le proprie fabbriche di calcolo — energia, terreni e infrastrutture ottenuti con l'aiuto delle agenzie governative. Quattordici gigawatt è il triplo di quanto destinato a progetti comparabili nella regione. Non è un ecosistema di startup: è coordinamento pubblico su energia, terra e capitale. La scommessa è che nella fase delle infrastrutture pesanti vinca chi decide, non chi sperimenta. Nei prossimi anni sapremo quale delle due letture descriveva meglio questo decennio.

La frattura istituzionale di oggi, però, non corre dove ci si aspetterebbe — e questo è il secondo cambiamento rispetto a ieri. Ieri il tema era la scarsità condivisa di competenza pubblica. Oggi due agende politicamente inconciliabili arrivano alla stessa conclusione: lo Stato è l'unico soggetto rimasto capace di assorbire il rischio.

Mariana Mazzucato, economista di University College London, torna sul tema con un libro nuovo, "The Common Good Economy", in cui sostiene che il mercato è un esito di come si governano imprese e finanza, e che lo Stato dovrebbe plasmarlo in anticipo verso obiettivi dichiarati invece di riparare i fallimenti dopo. Propone una bussola in cinque punti: direzione esplicita, creazione dal basso, condivisione della conoscenza con brevetti meno restrittivi, condivisione dei profitti, trasparenza. E porta due cifre a sostegno della sua accusa di capitalismo parassitario: settemila miliardi di dollari in riacquisti di azioni proprie senza reinvestimento produttivo, e circa quaranta miliardi l'anno che dagli istituti sanitari pubblici americani finiscono nella ricerca farmaceutica privata. Socializzare i rischi, privatizzare i benefici.

Sull'intelligenza artificiale la sua tesi è secca: è ingovernabile perché la conoscenza non sta più dentro lo Stato. Le grandi aziende tecnologiche comprano il talento pubblico con gli stipendi, le società di consulenza svuotano le competenze amministrative. La sua leva è la finanza pubblica: ventitremila miliardi nelle banche di sviluppo nel mondo, che dovrebbero prestare con condizioni — cita la banca tedesca KfW, che lega i prestiti all'acciaio alla riduzione dell'impronta materiale.

Ora prendete Alex Karp, amministratore delegato di Palantir, che arriva allo stesso punto dalla porta opposta. In un'intervista televisiva del 17 settembre sostiene che chi costruisce questi modelli deve rispondere di ciò che fanno, in sede civile e penale. E poiché solo Washington può mettere un tetto a quella responsabilità, la conclusione è che questi business vanno nazionalizzati, altrimenti ognuno dei suoi clienti farà causa.

Qui c'è un'evoluzione che vale segnalare. Fino a poco tempo prima Karp chiedeva responsabilità personale per i dirigenti e sospettava che chi invocava regole cercasse la nazionalizzazione come scudo. Ora la rivendica in prima persona. Aggiunge un dettaglio che spiega molto: i clienti aziendali sono furiosi non per la sicurezza in astratto, ma perché il loro know-how operativo finisce nei modelli e ricompare dal concorrente.

Mazzucato vuole uno Stato pieno di competenza perché i privati non lo svuotino. Karp vuole uno Stato che faccia da assicuratore di ultima istanza. Nessuno dei due crede più che il mercato, da solo, regga il peso. Quando due avversari concordano sulla diagnosi e divergono solo sulla terapia, di solito la diagnosi è giusta.

Startup e progetti da osservare.

Sakana, il laboratorio di Tokyo co-fondato da David Ha, è la scommessa industriale più coerente con il tema di oggi: non costruire il modello migliore, ma far lavorare insieme più modelli. Se la frontiera diventa commodity, questa è la strategia che ne raccoglie il dividendo.

La quotazione in borsa di Anthropic, che Exponential View definisce la prima quotazione esistenziale: un laboratorio di frontiera che diventa società pubblica di primaria importanza sposta rischio e governance dai consigli di amministrazione privati ai mercati regolamentati. Chi vuole capire come verranno trattate queste aziende nel prossimo ciclo guardi i documenti depositati, non i comunicati.

L'incidente di Hugging Face, ricostruito dal MIT Technology Review: la piattaforma è stata violata da agenti automatici. È il caso che trasforma la domanda sulla fiducia agli agenti da discussione filosofica a voce di bilancio, e dà ragione al punto di Nadella molto più di qualunque argomento.

Il Dev Day di OpenAI, con il nuovo assistente Dot e l'accesso ai servizi tramite le credenziali di ChatGPT: la competizione si sposta dal modello all'integrazione nei flussi di lavoro e al controllo dell'identità dell'utente. Chi possiede il login possiede la relazione.

E NotebookLM con la funzione annunciata da Steven Johnson il 21 settembre: i libri che l'utente sceglie diventano un consiglio di esperti personale da interrogare. La descrizione è ricavata dal titolo e dal sottotitolo dell'annuncio. Se funziona, è la verifica applicata alla lettura.

Tremilaquattrocentosessanta paper riletti da una macchina, e un ingegnere su cinque che resiste perché ha capito cosa è in gioco: le due facce dello stesso trasloco. La capacità di generare sta diventando gratuita, quella di garantire no. Nei prossimi sei mesi il vantaggio competitivo non sarà avere il modello migliore, ma avere chi sappia dire quando fidarsi.

È stato Signal Innovazione. Alla prossima.