BREVE STORIA DELLA INTELLIGENZA ARTIFICIALE

A fine agosto, Unitree Robotics – fondata dieci anni fa e guidata dall’ingegnere trentaseienne Wang Xingxing, ma sostenuta da grandi capitali privati e pubblici – ha debuttato in borsa a Shanghai con un rialzo del 629%, raggiungendo una capitalizzazione temporanea di 66 miliardi di dollari. In questi stessi giorni, l’umanoide cinese Lightning ha battuto il record dei cento metri di Usain Bolt, superato, poi, da un altro robot, Tiangong Ultra. Non è solo un episodio tecnologico: l’intreccio tra vicenda industriale, finanziaria e sportiva è il simbolo di una transizione capitalistica senza precedenti, in cui il fattore produttivo non è più separabile dallo strumento da cui trae origine.

Se il carbone alimentava le macchine a vapore ma non le progettava, l’elettricità scorreva nei motori ma non determinava cosa produrre, oggi i dati addestrano modelli che generano a loro volta nuovi dati, in un ciclo di autovalorizzazione del capitale secondo il meccanismo già analizzato da Marx, ma mai realizzato in questa forma. Per capire dove siamo, occorre partire da dove eravamo. La prima economia delle piattaforme (2004-2016) aggregava attenzione e la monetizzava con la pubblicità, costruendo reti la cui utilità cresceva con i partecipanti: il cosiddetto “effetto di rete” teorizzato negli anni Ottanta da Robert Metcalfe. Il capitale era relazionale e i dati un sottoprodotto prezioso, ma non ancora il cuore del modello.

La seconda fase (2016-2022) li ha resi una materia prima essenziale: la capacità predittiva. Shoshana Zuboff ha mostrato come l’architettura digitale possa orientare la condotta umana, estraendo informazioni comportamentali massive e creando corrispondenti mercati di futures. Oggi siamo nella terza fase. I modelli linguistici non esplorano il linguaggio umano per anticiparlo: lo producono, lo imitano, lo sostituiscono in contesti sempre più ampi. La distinzione tra strumento e produttore tende a svanire. Anthropic ne è un emblema: costituita nel 2021 da ex ricercatori di OpenAI, ha un ricavo annualizzato di 30 miliardi di dollari e più di 300.000 clienti; ad aprile 2026 ha superato OpenAI nella quota di adozione tra le imprese, 34,4% contro 32,3%.

Ma la storia economica insegna che le tecnologie dirompenti raramente seguono le traiettorie previste. L’elettricità ha impiegato quarant’anni a incidere sulla produttività manifatturiera americana, perché richiedeva una riorganizzazione completa dei processi produttivi. Nel 1987 Robert Solow notò che l’era dei computer era visibile ovunque, tranne che nelle statistiche della produttività. Il paradosso dell’IA ha la stessa struttura: la variabile chiave è la “plasticità organizzativa”, cioè la trasformazione dei guadagni individuali in capacità produttiva di sistema. La Cina ha aggirato il problema, abbassando la scala organizzativa minima necessaria per produrre: non una democratizzazione in senso occidentale, ma uno schema radicalmente diverso, che usa l’open source come arma competitiva contro i modelli commerciali americani e, insieme, strumento di egemonia tecnologica globale.

Pechino, tuttavia, ha frenato: dopo un blocco dei robotaxi a Wuhan e alcuni licenziamenti contestati, ha sospeso i nuovi permessi per la guida autonoma. Sul Financial Times, John Thornhill osserva che il collo di bottiglia dell’IA non è più computazionale, ma la mancanza di dati visivi e sensoriali sul mondo fisico. Ampliare la scala dei modelli linguistici non basta a sviluppare un ragionamento causale né ad aprire la strada all’IA generale. Solo unendo il machine learning a un corpo – addestrando una macchina a percepire, agire, fallire e adattarsi nel caos reale – l’intelligenza artificiale può superare la bidimensionalità dello schermo.

Qui la fantascienza torna utile. Stanisław Lem in Solaris descrive un oceano pensante che non comunica con gli umani non per ostilità, ma perché i loro schemi concettuali sono irrilevanti per la sua logica. Guardando oggi l’architettura finanziaria che si forma intorno all’IA, quella metafora smette di essere soltanto letteratura. Philip K. Dick, in “Ma gli androidi sognano pecore elettriche?”, non racconta solo una storia di robot, ma di potere: chi decide chi merita di esistere, chi ha diritto alla memoria e chi viene resettato. Sullo sfondo resta il quesito di Yuval Noah Harari sul governo dell’informazione: non se l’IA pensi, ma chi ne controlli i parametri di funzionamento e i risultati.

Una prima risposta concreta riguarda l’accesso ai modelli di frontiera, che non sarà universale. Mythos, la fascia più avanzata sviluppata da Anthropic e per ora riservata a poche organizzazioni selezionate, è il primo caso di una tendenza che rischia di diventare la norma. Chi rimarrà escluso dovrà utilizzare sistemi meno potenti o più limitati. L’Europa cerca una terza via: con l’AI Act si è dotata di regole vincolanti, ma la sua quota tecnologica è crollata dal 20% al 4% rispetto all’inizio del Duemila. Mistral AI ha raccolto 830 milioni per un data center francese e la Commissione europea ha varato un piano da 200 miliardi.

L’Italia e il Mezzogiorno – con i centri pilota dell’Università della Calabria e di alcune Università campane, capaci di unire analisi, innovazione e applicazioni concrete – possono cogliere, ancora per poco, un’opportunità inedita per contribuire al rilancio del ruolo europeo. La sfida è costruire “sovranità” e autonomia strategica, non solo principi e regolamentazione, mentre la cinese Moonshot AI rilascia un modello da 2.800 miliardi di parametri a costi contenuti. A un orizzonte non lontano, si affaccia il calcolo quantistico: IBM promette le prime applicazioni entro fine 2026. Ma non sarà la tecnologia a decidere chi ne beneficia, bensì chi controlla infrastrutture, accessi e prezzi. L’interrogativo che la storia economica pone non è se questa rivoluzione sia reale. Lo è, come lo furono quelle del vapore, dell’elettricità, del transistor e dell’informatica.

La domanda è la stessa del 1844, quando Engels documentava le condizioni dei lavoratori di Manchester: come e cosa si produce, a chi appartengono i frutti, chi paga i costi. Allora servirono decenni di conflitti, legislazioni e interventi sociali. Oggi la finestra è più stretta. L’oceano di Lem non ci parla non perché non possa: perché non ne ha bisogno. Sta già facendo altro.

…