L’intelligenza artificiale dopo l’inizio

https://zenodo.org/records/20746874

L’intelligenza artificiale non arriva più come promessa. È già entrata nel ciclo degli investimenti, nelle strategie industriali, nei contratti pubblici, nelle piattaforme software, nei sistemi educativi, negli strumenti professionali, nei servizi digitali, nella ricerca, nella produzione culturale, nelle agende degli Stati.

Non chiediamoci  più se l’AI debba essere sviluppata. Viene sviluppata. Non è più se debba essere adottata. Viene adottata. Non è più se entrerà nel lavoro, nella conoscenza, nell’amministrazione, nella scuola, nella medicina, nella produzione di immagini e testi. Ci è già entrata, con livelli diversi di maturità, efficacia e confusione.

Ragionare come se tutto fosse ancora davanti a noi significa descrivere un mondo che non esiste. Capitali, infrastrutture, accordi, forniture energetiche, data center, partnership editoriali, licenze enterprise, integrazioni nei software, contratti con amministrazioni, investimenti in chip e cloud hanno già definito una traiettoria. Non una traiettoria chiusa, ma nemmeno una pagina bianca.

La realtà dell’AI contemporanea è questa: una tecnologia ancora instabile sul piano epistemico, ma già stabilizzata sul piano economico. I modelli sbagliano, inventano, appiattiscono, imitano comprensione, perdono contesto, faticano con ironia, posizione, responsabilità, nessi profondi. E tuttavia l’infrastruttura che li sostiene procede con una sicurezza molto superiore alla loro affidabilità. La promessa finanziaria corre più veloce della maturità tecnica. L’adozione organizzativa corre più veloce della comprensione sociale. La retorica dell’efficienza corre più veloce della verifica degli effetti.

L’AI non si sta diffondendo perché abbia risolto tutte le sue contraddizioni, ma perché è abbastanza utile da giustificare una scommessa enorme, abbastanza seducente da generare adozione, abbastanza flessibile da entrare in settori diversi, abbastanza finanziarizzata da attirare capitali, abbastanza strategica da interessare gli Stati, abbastanza opaca da lasciare margini di manovra a chi la controlla.

Non serve immaginare un disegno unico.

La traiettoria nasce dalla convergenza di interessi diversi.

Le imprese tecnologiche cercano rendita infrastrutturale, mercati enterprise, dipendenza da piattaforma, integrazione nei processi ordinari, vantaggio nella corsa al cloud, ai dati, ai modelli, agli assistenti, agli strumenti per sviluppatori. Gli investitori cercano una nuova grande promessa di crescita dopo la saturazione di altri mercati digitali. Le aziende clienti cercano riduzione dei costi, automazione, accelerazione dei flussi documentali, maggiore produttività, possibilità di fare con meno persone ciò che prima richiedeva più tempo e più personale.

Gli Stati cercano capacità strategica, efficienza amministrativa, strumenti di sicurezza, controllo dei dati, competitività geopolitica. Le università e i centri di ricerca cercano potenza di calcolo, strumenti di analisi, accesso a infrastrutture che difficilmente potrebbero costruire da soli. Queste spinte non coincidono, ma si sommano. La somma produce direzione.

Per questo il linguaggio della scelta individuale è insufficiente. L’utente può decidere se usare o non usare un assistente in una singola attività. Ma la struttura dell’adozione non passa dall’utente isolato. Passa dall’integrazione dell’AI nei pacchetti software, nei motori di ricerca, nei sistemi operativi, nelle suite d’ufficio, nelle piattaforme educative, nei servizi clienti, nei processi di selezione, nei flussi amministrativi, negli strumenti di scrittura, nei sistemi di sviluppo, nelle interfacce dei dati.

A quel punto l’AI non viene più scelta come applicazione. Viene incontrata come ambiente. L’utilità resta reale. Sarebbe un errore trattarla come pura illusione. Chi lavora con testi, lingue, documenti, codice, immagini, archivi, materiali didattici, sintesi, bozze, traduzioni, procedure sa che questi strumenti producono vantaggi immediati. Riducono tempi, aprono possibilità, abbassano alcune barriere, aumentano la capacità operativa di singoli e organizzazioni. In certi casi migliorano l’accessibilità. In altri rendono praticabile un lavoro che prima richiedeva risorse sproporzionate.

La forza dell’AI nasce precisamente da questa utilità quotidiana. La grande infrastruttura si legittima attraverso piccoli vantaggi continui.

Una tecnologia non diventa dominante solo perché viene imposta dall’alto. Spesso diventa dominante perché conviene abbastanza a molti soggetti diversi, in momenti diversi, per ragioni diverse. Il professionista la usa per risparmiare tempo. L’azienda per ridurre costi. La piattaforma per trattenere utenti. L’investitore per inseguire crescita. Lo Stato per non perdere capacità strategica. La scuola per gestire pressione organizzativa. L’editore per comprimere lavorazioni. Il software provider per rendere indispensabile il proprio ecosistema.

Nessuno deve volere tutto. Basta che ciascuno voglia la propria parte.

È così che una tecnologia utile si trasforma in infrastruttura.

Il passaggio dall’uso all’infrastruttura modifica anche il valore della libertà. Finché uno strumento è esterno, si può scegliere di non usarlo. Quando entra nei formati, nei tempi, negli standard e nelle aspettative, la scelta si riduce. Nessuno obbliga esplicitamente a usarlo; semplicemente, il mondo comincia a organizzarsi come se usarlo fosse normale.

Le consegne diventano più rapide. Le bozze più numerose. I costi attesi più bassi. I tempi di risposta più brevi. La produzione più abbondante. Il lavoro umano viene misurato contro una nuova realtà.

A quel punto l’AI non sostituisce necessariamente il lavoratore. Riformula l’ambiente in cui il lavoratore deve dimostrare efficienza.

Questo non vale solo per il lavoro. Vale per la conoscenza. Quando un sistema sintetizza, seleziona, ordina, riassume e presenta informazioni, non offre soltanto una scorciatoia. Definisce un percorso preferenziale. Il sapere non scompare, ma viene attraversato da un nuovo intermediario. Il problema non è che l’intermediario esista. Ogni cultura ha intermediari: scuole, biblioteche, editori, giornali, motori di ricerca, università, archivi. Il problema è la concentrazione della mediazione in soggetti proprietari che operano su scala globale, con criteri in parte invisibili e incentivi non coincidenti con la pluralità del sapere.

La sintesi è una funzione potente. Chi sintetizza decide che cosa resta, che cosa cade, che cosa viene messo prima, quale fonte appare centrale, quale diventa sfondo, quale linguaggio viene normalizzato, quale eccentricità viene persa. L’AI non inventa il problema della mediazione. Lo industrializza.

Anche il rapporto con i contenuti va letto senza moralismi superficiali. I modelli non crescono dal nulla. Incorporano linguaggio, immagini, codice, archivi, conversazioni, opere, documenti, lavoro classificatorio, conoscenze specialistiche, produzione culturale e tecnica accumulata. La loro utilità dipende dal lavoro umano precedente. Questa dipendenza non è un incidente; è la loro condizione.

L’economia dell’AI si regge quindi su un paradosso: promette nuova produttività mentre capitalizza produttività già avvenuta. Trasforma patrimonio diffuso in capacità centralizzata. Rende più accessibili certe funzioni e nello stesso tempo sposta il valore verso chi possiede l’infrastruttura capace di riorganizzarle.

La questione non si risolve con una condanna generica dell’estrazione. Tutte le tecnologie culturali riusano, ordinano, trasformano materiali preesistenti. La differenza sta nella scala, nella concentrazione, nella monetizzazione e nella riduzione del ritorno verso chi alimenta il sistema. Un motore di sintesi che riduce il passaggio verso le fonti può indebolire l’ecosistema da cui dipende. Un sistema che usa l’intero mondo testuale come base, ma remunera soltanto alcuni grandi detentori di contenuti, accentua gerarchie già esistenti. Gli archivi forti trattano. I piccoli vengono assorbiti come ambiente.

La stessa concretezza va applicata alla materia. L’AI non è un fenomeno puramente informazionale. Richiede elettricità, raffreddamento, chip, terre rare, reti, edifici, acqua, suolo, personale, manutenzione, sicurezza fisica. Il termine cloud continua a suggerire leggerezza; l’infrastruttura reale è pesante. Ogni promessa di calcolo illimitato incontra una rete elettrica, un territorio, un’autorizzazione, una filiera mineraria, un sistema di raffreddamento, una priorità energetica.

Chi possiede energia stabile, semiconduttori avanzati, capacità di calcolo, territori disponibili, accordi con governi e accesso a capitali entra nel cuore della nuova geografia del potere digitale. La competizione sull’AI è anche competizione per risorse fisiche.

Non solo modelli migliori, ma data center migliori. Non solo software, ma energia. Non solo talento, ma chip. Non solo innovazione, ma disponibilità materiale.

I costi ambientali ed energetici non fermano di per sé una tecnologia. La storia industriale lo mostra. Ne definiscono però i rapporti di forza. Una tecnologia costosa in termini energetici tende a concentrarsi dove l’energia è disponibile, negoziabile, sovvenzionabile, politicamente garantita. Questo produce geografie della dipendenza. La potenza computazionale non sarà distribuita in modo uniforme. Seguirà capitali, reti, Stati, accordi, disponibilità territoriali.

Il controllo pubblico entra qui in una posizione ambigua. Da un lato è indispensabile. Nessuna infrastruttura con effetti così ampi può essere lasciata alla sola autoregolazione. Dall’altro, il pubblico non è un soggetto puro. Gli Stati non osservano l’AI dall’esterno; la desiderano. La desiderano per amministrare, classificare, accelerare, sorvegliare, prevedere, competere, difendersi, ridurre costi, rafforzare apparati. Questa domanda pubblica si intreccia con l’offerta privata.

La scena più rilevante non è l’opposizione tra Stato e mercato. È la loro negoziazione.

Le grandi aziende hanno bisogno di autorizzazioni, energia, protezione normativa, appalti, accesso a mercati, rapporti diplomatici, accettabilità pubblica. I governi hanno bisogno di infrastrutture, competenze, cloud, modelli, capacità tecniche che spesso non possiedono internamente. La dipendenza è reciproca, ma non simmetrica. Chi controlla la tecnologia controlla condizioni operative; chi controlla la norma controlla accesso e legittimità. Da questa interdipendenza nascono accordi, deroghe, cornici flessibili, standard, promesse di sicurezza, programmi pilota, procurement, partnership.

In questo quadro la regolazione esiste, ma non coincide con il governo pieno del fenomeno. Le norme possono delimitare settori, imporre obblighi, definire responsabilità, creare rischi sanzionatori, rendere più costose alcune pratiche. Possono fare molto. Non possono annullare la natura transnazionale, adattiva, proprietaria e competitiva dell’infrastruttura. Un sistema che cambia versione, giurisdizione, fornitore, architettura e funzione più rapidamente della macchina regolatoria non diventa trasparente perché una norma lo chiede.

Il controllo reale sarà sempre parziale, negoziato, intermittente. Questo non lo rende inutile. Lo rende politico nel senso più concreto: dipendente da forza, competenza, continuità, accesso tecnico, capacità ispettiva, potere contrattuale, alleanze, sanzioni credibili. Senza questi elementi, la parola controllo resta scenografia.

La vera maturità non consiste nel pretendere garanzie assolute. Consiste nel costruire contrappesi effettivi dove il processo è già in corso: procurement pubblico esigente, obblighi di portabilità, separazione dei dati operativi, responsabilità umana nei processi ad alto impatto, audit mirati, antitrust, standard aperti, modelli specializzati, infrastrutture pubbliche o consortili dove servono, formazione tecnica delle amministrazioni, capacità di uscita dai fornitori, monitoraggio dei costi energetici, trasparenza sulle partnership, diritti di ricorso.

Sono strumenti imperfetti. Sono anche gli unici che contano.

L’AI, intanto, continuerà a essere usata. Non solo perché le aziende la spingono, ma perché molte persone la trovano utile. Questo dato va preso sul serio. La critica che non riconosce l’esperienza d’uso perde credibilità. Chi usa l’AI per lavorare meglio non si sente colonizzato in astratto; vede tempo risparmiato, possibilità aperte, compiti sbloccati. La potenza di diffusione passa da questa evidenza quotidiana.

La domanda analitica allora diventa più precisa: che cosa succede quando milioni di vantaggi individuali si sommano in una dipendenza collettiva?

La risposta non è univoca. Succede aumento di capacità. Succede riduzione di alcuni costi. Succede nuova pressione produttiva. Succede concentrazione di infrastruttura. Succede riorganizzazione del lavoro. Succede trasformazione del rapporto con le fonti. Succede competizione per energia e chip. Succede rafforzamento di alcuni soggetti privati. Succede coinvolgimento crescente degli Stati. Succede che la forma della conoscenza diventa più sintetica, più assistita, più mediata, più veloce, più opaca.

Questo è il paesaggio dopo l’inizio.

L’intelligenza artificiale non va più discussa come un’opzione da introdurre in condizioni ideali. Va letta come una realtà già attiva, con inerzie forti, benefici distribuiti, costi concentrati o rimossi, promesse finanziarie, accordi industriali, ambizioni pubbliche, vulnerabilità tecniche, seduzione d’uso. Non è un destino metafisico. È un processo storico con attori, interessi, infrastrutture e margini di intervento diseguali.

Il compito non è scegliere tra accettazione e rifiuto. È capire dove si formano le nuove irreversibilità.

Una tecnologia diventa difficile da contestare quando entra nei gesti quotidiani prima ancora di essere compresa come infrastruttura. L’AI sta facendo esattamente questo. Si presenta come aiuto, poi come standard, poi come integrazione invisibile, poi come requisito. Ogni fase sembra ragionevole. L’insieme modifica il campo.

Una società non perde autonomia soltanto quando le viene imposto qualcosa. La perde anche quando una serie di convenienze locali costruisce una dipendenza generale che nessuno ha deliberato davvero.

L’AI è la tecnologia perfetta per questa forma di avanzamento: utile abbastanza da essere adottata, complessa abbastanza da essere poco compresa, costosa abbastanza da concentrarsi, flessibile abbastanza da entrare ovunque, strategica abbastanza da interessare gli Stati, seducente abbastanza da disinnescare molte resistenze.

Il futuro prossimo non sarà deciso da una grande scelta pubblica sull’AI. Sarà deciso da integrazioni progressive: una suite d’ufficio, un gestionale sanitario, un assistente scolastico, un sistema di customer care, un motore di ricerca, un software di programmazione, una piattaforma creativa, una procedura amministrativa, un contratto cloud, un data center autorizzato, una partnership editoriale. La trasformazione passerà per migliaia di decisioni tecniche e commerciali che, prese singolarmente, sembreranno ragionevoli.

L’analisi deve seguire queste decisioni. Non il mito.

L’AI non è più davanti a noi. È intorno a noi. La questione è quali rapporti renderà normali prima che ci accorgiamo di averli accettati.