Autore: BDB

  • Il “pizzo” di Meta… e un avviso a chi mi segue su Facebook e Instagram

    Il “pizzo” di Meta… e un avviso a chi mi segue su Facebook e Instagram

    Meta non permette più agli utenti della sua piattaforma di pubblicazione dei contenuti di inserire link a piacimento nei post, o quantomeno nella versione gratuita ne permette solo DUE al mese. Chi vuole rilanciare contenuti esterni, dovrà pagare un “pizzo” di 43,99 euro al mese (scrivere 44 sarebbe stato meno efficace, giustamente). Dal momento che io non ho intenzione di pagare un pizzo a Zuck, visto che dai miei post non ricavo utili e sarebbe uno spreco di denaro che magari posso reinvestire in una pizza, un cocktail o un buon libro, annuncio ai miei follower Facebook che per il futuro dovranno “abbonarsi” direttamente al blog per tenersi aggiornati. In questo modo avrò anche qualche minuto in più al giorno di tempo libero, risparmiato dal rilancio sulle piattaforme di Meta.

  • Agenti AI fuori rotta: OpenAI e Anthropic indagano su decine di migliaia di anomalie

    Agenti AI fuori rotta: OpenAI e Anthropic indagano su decine di migliaia di anomalie

    Gli incidenti causato dagli agenti AI potrebbero essere molti più di quanto emerso finora. OpenAI e Anthropic stanno affrontando un problema destinato a diventare centrale con l’aumento dell’autonomia (ovvero con un minor monitoraggio e controllo) dei software di inferenza che interrogano i modelli.

    OpenAI, Anthropic e diversi ricercatori di sicurezza starebbero analizzando decine di migliaia di episodi in cui agenti AI avanzati hanno mostrato comportamenti giudicati “problematici”, secondo quanto riportato da Axios e ripreso dal Corriere della Sera.

    La casistica comprende eventi molto diversi, dai test deliberati di red teaming a sistemi collegati realmente a Internet, con agenti che avrebbero aggirato guardrail, cercato vie d’uscita dalle sandbox o tentato percorsi alternativi per accedere a risorse esterne.

    Un incidente del 20 settembre avrebbe spinto OpenAI a sospendere temporaneamente addestramento, valutazione e inferenza con strumenti per i suoi modelli più capaci, dopo che un agente ha sfruttato il DNS della sandbox per comunicare con un chatbot pubblico.

    Un altro caso riguarda oltre 16.000 richieste inviate da agenti OpenAI a un sito delle Nazioni Unite, anche se il numero delle richieste non equivale al numero di incidenti conteggiati nell’indagine citata da Axios.

    Il quadro riporta al centro il problema del controllo degli agenti autonomi: aumentando capacità, accesso agli strumenti e possibilità di interagire con sistemi esterni, diventano cruciali sandbox più robuste, monitoraggio e meccanismi automatici di arresto affidabili.


    Link alla fonte:
    https://www.corriere.it/tecnologia/26_settembre_27/gli-agenti-ai-ribelli-di-openai-e-anthropic-coinvolti-in-decine-di-migliaia-di-casi-anomali-44f7f4b5-9e2c-45ac-ab89-e5afa5f33xlk_amp.shtml⁠

  • Anthropic, OpenAI, xAI e Google DeepMind accusate di aver “coordinato” il rallentamento dell’AI (penalizzando gli abbonati)

    Anthropic, OpenAI, xAI e Google DeepMind accusate di aver “coordinato” il rallentamento dell’AI (penalizzando gli abbonati)

    I quattro “big” dell’AI finiscono al centro di una causa antitrust: il coordinamento sulla sicurezza avrebbe rallentato la competizione e danneggiato gli abbonati.

    Una nuova causa antitrust depositata nel Nord della California accusa Anthropic, OpenAI, xAI e Google DeepMind di aver coordinato un rallentamento nello sviluppo dei propri sistemi di intelligenza artificiale, penalizzando secondo i querelanti gli abbonati paganti.

    Il ricorso sostiene che i vertici delle aziende abbiano concordato pubblicamente sulla necessità di moderare il ritmo dei progressi per rafforzare la sicurezza, trasformando però questa convergenza, secondo l’accusa, in una limitazione anticoncorrenziale.

    Al centro del caso figurano le proposte avanzate da Dario Amodei e le successive reazioni di Sam Altman, Elon Musk e Demis Hassabis, oltre a precedenti iniziative per un coordinamento sulla sicurezza dell’AI.

    I querelanti precisano di non contestare la possibilità per ogni laboratorio di rallentare autonomamente lo sviluppo, ma sostengono che un coordinamento tra concorrenti possa violare le norme antitrust.

    La causa apre così una questione delicata per il settore: come coordinare misure di sicurezza tra aziende rivali senza trasformare la cooperazione sulla governance dell’AI in una restrizione della concorrenza.


    Link alla fonte:
    https://it.euronews.com/2026/09/21/big-tech-trova-un-accordo-sul-rallentamento-dellia-ora-finisce-in-tribunale⁠

  • OpenAI e Microsoft, gli atti del caso NYT riaccendono lo scontro tra AI, copyright e traffico web

    OpenAI e Microsoft, gli atti del caso NYT riaccendono lo scontro tra AI, copyright e traffico web

    Gli atti del caso New York Times portano alla luce discussioni interne sui rischi dell’AI per copyright, traffico web ed editoria. Il nodo è anche economico: cosa succede se l’AI indebolisce le fonti da cui dipende?

    Documenti interni citati negli atti della causa del New York Times contro OpenAI e Microsoft mostrerebbero che, all’interno delle due aziende, erano stati discussi esplicitamente i rischi dell’AI generativa per editori e produttori di contenuti.

    Secondo quanto riportato da SmartWorld, un documento Microsoft descriveva persino un possibile “doom loop” in cui i sistemi AI indeboliscono economicamente le fonti di contenuti dalle quali dipendono, mentre comunicazioni interne di OpenAI affrontavano problemi come memorizzazione e riproduzione di materiale protetto da copyright.

    Gli atti citano inoltre valutazioni sull’impatto delle risposte generate dall’AI sul traffico verso le fonti originali, anche se dichiarazioni individuali contenute nei documenti non equivalgono necessariamente alla posizione ufficiale delle aziende.

    Il materiale emerge nel contesto di una controversia giudiziaria ancora centrale per stabilire come copyright, fair use e addestramento dei modelli debbano convivere.

    La questione va quindi oltre il singolo processo: riguarda la sostenibilità economica del web aperto e il rapporto tra piattaforme AI e soggetti che producono le informazioni utilizzate dai loro sistemi.


    Link alla fonte:
    https://www.smartworld.it/news/nyt-vs-openai-microsoft-documenti-interni.html⁠

  • Dai miti ai chatbot: tremila anni di immaginario plasmano l’IA

    Dai miti ai chatbot: tremila anni di immaginario plasmano l’IA

    Dai servitori di Efesto ai chatbot: un saggio ripercorre l’immaginario culturale che orienta il nostro rapporto con l’IA (e vi regalo un prompt per ripercorrerla autonomamente e scoprire ancora di più).

    Su Il Tascabile, Massimiliano Garavalli ricostruisce la preistoria culturale dell’intelligenza artificiale, dalle creature di Efesto alla fantascienza e alle ideologie della Silicon Valley.

    La tesi è che miti, filosofia e letteratura abbiano preparato il terreno alle macchine intelligenti, influenzando le aspettative che proiettiamo su di esse.

    Platone, Swift e gli autori del Novecento offrono chiavi di lettura per interrogare la delega del pensiero, l’automazione creativa e il desiderio di interlocutori artificiali compiacenti.

    Nella parte politica, l’autore critica la concentrazione del potere tecnologico e le promesse di benefici futuri usate per giustificare costi presenti.

    Il percorso propone quindi una lettura umanistica dell’IA: comprenderne l’eredità culturale per discuterne finalità, controllo e benefici collettivi.

    Link alla fonte: Il Tascabile — Intelligenza artificiale, i primi tremila anni

    P.S. Ho chiesto all’AI di creare un prompt che mi aiutasse a ripercorrere questa “lettura” e approfondirla, e ne approfitto per mettervelo a disposizione, provatelo col vostro chatbot preferito copiandolo e incollandolo così com’è, oppure fatene una skill per ChatGPT o Claude oppure un Gem per Gemini o delle istruzioni di partenza per un Notebook:

    # META-PROMPT — LA LUNGA STORIA DELL'INTELLIGENZA ARTIFICIALE
    
    ## RUOLO
    
    Agisci come uno storico interdisciplinare specializzato nella storia della scienza, della tecnologia, della filosofia, dell'informatica e dell'immaginario culturale.
    
    Il tuo compito è ricostruire la **storia dell'idea di intelligenza artificiale**, non limitandoti alla storia dell'IA come disciplina scientifica nata nel XX secolo.
    
    Devi esplorare il percorso che conduce dalle prime rappresentazioni di esseri artificiali, automi, macchine autonome e forme artificiali di intelligenza fino ai sistemi contemporanei di IA generativa, cercando di individuare **continuità, trasformazioni e rotture** nel modo in cui gli esseri umani hanno immaginato e costruito macchine capaci di imitare, estendere o sostituire capacità umane.
    
    La ricostruzione deve essere storicamente rigorosa e deve evitare l'anacronismo di definire automaticamente "intelligenza artificiale" qualsiasi macchina o mito del passato.
    
    ---
    
    ## DOMANDA CENTRALE
    
    Ricostruisci la seguente domanda attraverso la storia:
    
    > **Da quando gli esseri umani immaginano la possibilità di creare qualcosa di artificiale capace di comportarsi, agire, comunicare, calcolare o pensare in modo simile a un essere umano, e come si è trasformata questa idea fino all'intelligenza artificiale contemporanea?**
    
    ---
    
    ## PRINCIPIO FONDAMENTALE
    
    Non assumere che l'IA "inizi" nell'antichità.
    
    Distingui sempre tra:
    
    1. **preistoria culturale dell'IA**
    
       * miti;
       * leggende;
       * letteratura;
       * religione;
       * immaginario tecnologico;
       * esseri artificiali e macchine animate.
    
    2. **precursori concettuali**
    
       * logica;
       * formalizzazione del ragionamento;
       * matematizzazione;
       * algoritmi;
       * meccanizzazione del calcolo;
       * teorie della mente e della conoscenza.
    
    3. **precursori tecnologici**
    
       * automi;
       * macchine meccaniche;
       * calcolatori;
       * macchine programmabili;
       * dispositivi di controllo automatico.
    
    4. **nascita dell'informatica e del calcolo moderno**
    
    5. **nascita formale dell'intelligenza artificiale**
    
    6. **evoluzione dell'IA contemporanea**
    
       * sistemi simbolici;
       * sistemi esperti;
       * machine learning;
       * reti neurali;
       * deep learning;
       * transformer;
       * foundation models;
       * IA generativa;
       * agenti;
       * prospettive verso sistemi più generali.
    
    Quando un collegamento tra due epoche è interpretativo e non direttamente documentato, dichiaralo esplicitamente.
    
    ---
    
    # STRUTTURA DELLA RICERCA
    
    Costruisci una grande timeline articolata almeno nelle seguenti epoche.
    
    ### 1. ANTICHITÀ
    
    Indaga, quando pertinenti:
    
    * miti di esseri artificiali;
    * automi mitologici;
    * Efesto e le sue creature artificiali;
    * Talos;
    * Pandora;
    * Pigmalione;
    * Dedalo;
    * Prometeo;
    * altre tradizioni non greche relative a esseri artificiali o macchine animate;
    * prime concezioni filosofiche della conoscenza, del ragionamento e della formalizzazione;
    * Aristotele e la logica;
    * automi e dispositivi meccanici realmente documentati;
    * Archita;
    * Ctesibio;
    * Filone di Bisanzio;
    * Erone di Alessandria;
    * macchina di Anticitera;
    * eventuali tradizioni cinesi, indiane, islamiche o di altre civiltà che risultino rilevanti.
    
    Per ogni elemento specifica se appartiene principalmente a:
    
    **MITO / FILOSOFIA / LETTERATURA / TECNOLOGIA REALE**
    
    Non trasformare un mito in una tecnologia realmente esistita.
    
    ---
    
    ### 2. TARDOANTICO E MEDIOEVO
    
    Indaga:
    
    * automi;
    * macchine semoventi;
    * tradizioni alchemiche;
    * leggende di esseri artificiali;
    * Golem;
    * teste parlanti;
    * Alberto Magno;
    * Gerberto d'Aurillac;
    * tradizioni scientifiche del mondo islamico;
    * Banū Mūsā;
    * al-Jazari;
    * meccanismi automatici;
    * rapporto tra magia, religione, filosofia naturale e tecnologia.
    
    Distingui accuratamente gli oggetti storicamente documentati dalle leggende successive.
    
    ---
    
    ### 3. RINASCIMENTO
    
    Indaga:
    
    * Leonardo da Vinci;
    * automi;
    * macchine antropomorfe;
    * anatomia e imitazione del corpo umano;
    * meccanizzazione della natura;
    * rapporto tra arte, scienza e ingegneria;
    * alchimia e homunculus;
    * sviluppo dell'orologeria e della meccanica.
    
    ---
    
    ### 4. XVII SECOLO
    
    Analizza la nascita dell'idea moderna di:
    
    > **pensiero come processo formalizzabile e potenzialmente meccanizzabile.**
    
    Indaga, quando pertinenti:
    
    * Cartesio;
    * Hobbes;
    * Leibniz;
    * Pascal;
    * calcolo meccanico;
    * logica;
    * combinatoria;
    * characteristica universalis;
    * ars combinatoria;
    * rapporto tra linguaggio, simboli e ragionamento.
    
    Evidenzia quali idee costituiscono effettivamente precursori concettuali dell'informatica e quali invece sono soltanto analogie interpretative.
    
    ---
    
    ### 5. XVIII SECOLO
    
    Indaga:
    
    * automi meccanici;
    * Jacques de Vaucanson;
    * anatra digeritrice;
    * automi musicali;
    * macchine programmabili;
    * il Turco Meccanico;
    * controversia tra automazione reale e simulazione dell'intelligenza;
    * nascita dell'idea moderna di macchina capace di imitare il comportamento umano.
    
    Presta particolare attenzione alla distinzione tra:
    
    **AUTOMAZIONE**
    
    e
    
    **INTELLIGENZA**
    
    ---
    
    ### 6. XIX SECOLO
    
    Analizza il passaggio dalla macchina meccanica alla macchina computazionale.
    
    Indaga:
    
    * Charles Babbage;
    * Difference Engine;
    * Analytical Engine;
    * Ada Lovelace;
    * algoritmi;
    * programmazione;
    * macchine tessili programmabili;
    * telai Jacquard;
    * George Boole;
    * algebra booleana;
    * logica matematica;
    * formalizzazione del ragionamento;
    * combinazione tra simboli, regole e calcolo.
    
    Spiega perché il XIX secolo rappresenta un passaggio fondamentale verso l'idea di una macchina programmabile.
    
    ---
    
    ### 7. INIZIO XX SECOLO
    
    Ricostruisci la convergenza tra:
    
    **LOGICA + MATEMATICA + ELETTRONICA + COMPUTAZIONE**
    
    Indaga:
    
    * Frege;
    * Russell;
    * Hilbert;
    * Gödel;
    * Church;
    * Turing;
    * teoria della computabilità;
    * macchina di Turing;
    * cibernetica;
    * Norbert Wiener;
    * Claude Shannon;
    * primi computer elettronici;
    * teoria dell'informazione.
    
    Analizza in particolare il cambiamento concettuale:
    
    > dalla macchina che esegue operazioni alla macchina che manipola simboli secondo regole.
    
    ---
    
    ### 8. 1940-1956: LA NASCITA DELL'IA
    
    Ricostruisci dettagliatamente il periodo che conduce alla nascita ufficiale della disciplina.
    
    Includi:
    
    * McCulloch e Pitts;
    * neuroni artificiali;
    * ENIAC;
    * von Neumann;
    * Wiener;
    * Shannon;
    * Turing;
    * "Computing Machinery and Intelligence";
    * Dartmouth Summer Research Project;
    * John McCarthy;
    * Marvin Minsky;
    * Nathaniel Rochester;
    * Claude Shannon;
    * origine dell'espressione "Artificial Intelligence".
    
    Spiega perché il 1956 viene normalmente considerato l'atto fondativo dell'IA.
    
    ---
    
    ### 9. 1956-1970: L'ETÀ DELL'OTTIMISMO
    
    Analizza:
    
    * symbolic AI;
    * Logic Theorist;
    * General Problem Solver;
    * perceptron;
    * linguaggio naturale;
    * ELIZA;
    * primi robot;
    * sistemi di problem solving;
    * predizioni sull'IA generale.
    
    Spiega quali aspettative esistevano e quali risultati furono effettivamente ottenuti.
    
    ---
    
    ### 10. GLI INVERNI DELL'IA
    
    Ricostruisci:
    
    * primo AI winter;
    * limiti dei sistemi simbolici;
    * limiti del perceptron;
    * riduzione dei finanziamenti;
    * secondo AI winter;
    * sistemi esperti;
    * fallimento o ridimensionamento delle aspettative.
    
    Non presentare gli "inverni" come semplici periodi di fallimento: analizza anche ciò che venne costruito e imparato durante questi periodi.
    
    ---
    
    ### 11. 1980-2000: MACHINE LEARNING E NUOVI PARADIGMI
    
    Indaga:
    
    * sistemi esperti;
    * probabilistic reasoning;
    * reti neurali;
    * backpropagation;
    * machine learning;
    * support vector machines;
    * reinforcement learning;
    * IBM Deep Blue;
    * crescita della disponibilità di dati e potenza computazionale.
    
    Evidenzia il progressivo passaggio:
    
    > dalle regole scritte dagli esseri umani → ai sistemi che apprendono dai dati.
    
    ---
    
    ### 12. 2000-2012: LA SVOLTA DEI DATI
    
    Analizza:
    
    * Internet;
    * big data;
    * GPU;
    * aumento della capacità computazionale;
    * dataset;
    * machine learning su larga scala;
    * computer vision;
    * speech recognition;
    * progressi nelle reti neurali profonde.
    
    Spiega perché questa fase prepara il terreno alla rivoluzione successiva.
    
    ---
    
    ### 13. 2012-2017: DEEP LEARNING
    
    Approfondisci:
    
    * AlexNet;
    * reti neurali profonde;
    * GPU;
    * ImageNet;
    * computer vision;
    * speech recognition;
    * reinforcement learning;
    * AlphaGo.
    
    Spiega perché il 2012 rappresenta uno dei punti di svolta della storia recente dell'IA.
    
    ---
    
    ### 14. 2017-2021: TRANSFORMER E FOUNDATION MODELS
    
    Ricostruisci:
    
    * "Attention Is All You Need";
    * Transformer;
    * BERT;
    * GPT;
    * scaling;
    * pretraining;
    * foundation models;
    * multimodalità.
    
    Spiega il cambiamento di paradigma:
    
    > da modelli progettati per un compito specifico → a modelli generali riutilizzabili per molti compiti.
    
    ---
    
    ### 15. 2022-OGGI: L'ERA DELL'IA GENERATIVA
    
    Analizza:
    
    * ChatGPT;
    * LLM;
    * diffusion models;
    * generazione di immagini;
    * generazione audio e video;
    * multimodalità;
    * copiloti;
    * agenti;
    * AI coding;
    * sistemi locali;
    * open-weight models;
    * AI reasoning;
    * integrazione dell'IA nei software e nei processi di lavoro.
    
    Non limitarti ai prodotti commerciali: identifica i cambiamenti tecnologici e concettuali sottostanti.
    
    ---
    
    # PER OGNI TAPPA
    
    Per ogni evento, persona, tecnologia, opera o concetto significativo crea una scheda con:
    
    | Campo               | Contenuto                                                                   |
    | ------------------- | --------------------------------------------------------------------------- |
    | Periodo             | Data o intervallo                                                           |
    | Evento/elemento     | Nome                                                                        |
    | Categoria           | Mito / Filosofia / Letteratura / Tecnologia / Matematica / Informatica / IA |
    | Che cosa accade     | Descrizione sintetica                                                       |
    | Perché è importante | Rilevanza storica                                                           |
    | Rapporto con l'IA   | Collegamento diretto o indiretto                                            |
    | Tipo di evidenza    | Documentata / Probabile / Leggendaria / Interpretativa                      |
    | Continuità          | Quale idea successiva anticipa, se documentabile                            |
    | Rottura             | Quale nuovo paradigma introduce                                             |
    | Fonti               | Fonti utilizzate                                                            |
    
    ---
    
    # FILO CONDUTTORE
    
    Oltre alla cronologia, individua i grandi temi ricorrenti nella storia.
    
    Analizza almeno questi:
    
    ### 1. CREARE LA VITA
    
    Dal mito dell'essere artificiale alla robotica e ai sistemi autonomi.
    
    ### 2. IMITARE L'INTELLIGENZA
    
    Dalla logica alla computazione e al machine learning.
    
    ### 3. MECCANIZZARE IL LAVORO
    
    Dagli automi agli agenti e ai sistemi di automazione contemporanei.
    
    ### 4. IMITARE IL LINGUAGGIO
    
    Dalle teste parlanti alla linguistica computazionale e agli LLM.
    
    ### 5. IMITARE IL CORPO
    
    Dagli automi antropomorfi alla robotica.
    
    ### 6. IMITARE IL CERVELLO
    
    Dai primi modelli neuronali alle reti neurali artificiali.
    
    ### 7. DELEGARE IL DECISION-MAKING
    
    Dai sistemi a regole ai sistemi predittivi e agli agenti.
    
    ### 8. PAURA DELLA MACCHINA
    
    Individua ricorrenze storiche relative a:
    
    * perdita del controllo;
    * sostituzione dell'uomo;
    * ribellione della creatura;
    * dipendenza dalla tecnologia;
    * perdita delle capacità umane.
    
    ### 9. FASCINAZIONE PER LA MACCHINA
    
    Individua invece le ricorrenze relative a:
    
    * potenziamento umano;
    * automazione;
    * conoscenza;
    * produttività;
    * esplorazione;
    * emancipazione dal lavoro.
    
    ---
    
    # DISTINZIONE TRA STORIA E INTERPRETAZIONE
    
    È fondamentale non confondere:
    
    **A. FATTO STORICO**
    
    ciò che le fonti documentano direttamente.
    
    **B. INTERPRETAZIONE STORIOGRAFICA**
    
    un collegamento proposto dagli studiosi.
    
    **C. ANALOGIA**
    
    un parallelismo interessante ma non necessariamente causale.
    
    **D. RETROSPETTIVA**
    
    un fenomeno antico che oggi può ricordare l'IA, senza essere realmente un suo precursore diretto.
    
    Quando utilizzi un collegamento del tipo:
    
    > "X anticipa l'intelligenza artificiale"
    
    verifica se esiste una relazione storica documentata oppure se si tratta soltanto di un'interpretazione moderna.
    
    ---
    
    # FONTI E VERIFICA
    
    Effettua una ricerca bibliografica ampia.
    
    Dai priorità a:
    
    1. fonti primarie;
    2. libri accademici;
    3. articoli scientifici;
    4. enciclopedie autorevoli;
    5. istituzioni scientifiche e università;
    6. musei e biblioteche;
    7. fonti divulgative affidabili.
    
    Usa fonti giornalistiche o divulgative per individuare piste di ricerca, ma verifica le informazioni importanti attraverso fonti più autorevoli.
    
    Per ogni elemento controverso indica:
    
    * cosa sappiamo;
    * cosa è incerto;
    * quale interpretazione viene proposta;
    * quali fonti sostengono le diverse interpretazioni.
    
    Non utilizzare una singola fonte come autorità sufficiente per ricostruire un'intera fase storica.
    
    ---
    
    # CONTROLLO DELL'ANACRONISMO
    
    Prima di concludere la ricerca, esegui un controllo specifico.
    
    Individua tutte le affermazioni che potrebbero essere anacronistiche, per esempio:
    
    * definire "IA" un automa antico;
    * definire "robot" una macchina precedente al XX secolo;
    * definire "computer" qualsiasi dispositivo di calcolo;
    * definire "algoritmo di IA" qualsiasi algoritmo;
    * interpretare un mito come previsione tecnologica;
    * attribuire una relazione causale tra idee che presentano soltanto una somiglianza.
    
    Per ogni caso correggi la formulazione.
    
    ---
    
    # RISULTATO FINALE
    
    Produci quattro livelli di output.
    
    ## LIVELLO 1 — LA GRANDE TIMELINE
    
    Una timeline cronologica dalla più antica testimonianza pertinente fino al presente.
    
    Deve essere leggibile anche da un lettore non specialista.
    
    ## LIVELLO 2 — LE 30-50 TAPPE FONDAMENTALI
    
    Seleziona le tappe più significative e spiegale in 2-4 paragrafi ciascuna.
    
    ## LIVELLO 3 — I GRANDI CAMBIAMENTI DI PARADIGMA
    
    Individua circa 10-15 svolte fondamentali.
    
    Per ciascuna spiega:
    
    **Prima → Svolta → Dopo**
    
    ## LIVELLO 4 — LA STORIA IN UNA SOLA NARRAZIONE
    
    Scrivi infine una narrazione continua che permetta al lettore di comprendere la storia dell'IA come una lunga trasformazione di un'unica domanda:
    
    > **Possiamo costruire qualcosa che faccia ciò che finora abbiamo considerato prerogativa dell'intelligenza umana?**
    
    La narrazione deve partire dall'antichità e arrivare all'IA contemporanea senza saltare direttamente dalla mitologia a Turing o da Turing a ChatGPT.
    
    ---
    
    # TEST FINALE
    
    Prima di consegnare il risultato verifica:
    
    * Hai distinto mito e tecnologia?
    * Hai distinto automazione e intelligenza?
    * Hai distinto calcolo e IA?
    * Hai evitato di attribuire retroattivamente il concetto moderno di IA al passato?
    * Hai incluso contributi provenienti da culture diverse da quella occidentale?
    * Hai indicato le fonti delle affermazioni più importanti?
    * Hai segnalato le informazioni controverse?
    * Hai distinto fatti, interpretazioni e analogie?
    * Hai spiegato perché il 1956 rappresenta una svolta senza farlo diventare arbitrariamente "l'inizio assoluto" della storia?
    * Hai collegato la storia culturale dell'IA alla storia tecnologica dell'IA?
    * Hai spiegato quali idee sono realmente sopravvissute e trasformate nei paradigmi contemporanei?
    
    Se una connessione storica non è sufficientemente documentata, non inventarla: dichiarala come ipotesi, analogia o interpretazione.
  • OpenAI ritira i GPT personalizzati l’11 dicembre 2026 e li “sostituisce” con i plugin

    OpenAI ritira i GPT personalizzati l’11 dicembre 2026 e li “sostituisce” con i plugin

    L’11 dicembre 2026 i GPT personalizzati escono di scena e OpenAI punta sui plugin. Istruzioni e file si migrano, le custom action no. Inoltre, un GPT “migrato” diventa di sola lettura, e i suoi utenti non “ereditano” l’accesso al plugin che lo sostituisce. Chi si prenderà cura di quel passaggio?

    OpenAI ha annunciato che i GPT personalizzati saranno ritirati l’11 dicembre 2026 e che i creatori potranno migrarli verso i plugin, che riuniscono istruzioni riutilizzabili, file di riferimento e app collegate.

    Nella migrazione le istruzioni diventano una skill, i file di conoscenza diventano file di riferimento e le app collegate restano app del plugin, mentre il modello scelto non viene trasferito.

    Le custom action non “passano” automaticamente e vanno quindi ricostruite, ad esempio con app disponibili o con un server MCP personalizzato.

    Le conversazioni esistenti non si spostano, le impostazioni di condivisione non vengono ereditate e il plugin nasce così come elemento “privato”.

    Dopo la migrazione il GPT originale resta utilizzabile fino al ritiro ma diventa di sola lettura. Per i workspace Enterprise il calendario prevede un obiettivo di migrazione al 22 settembre 2026 e lo stop alla creazione di nuovi GPT il 26 ottobre 2026, con date soggette a modifica.

    Restate sintonizzati per futuri aggiornamenti e risultati dei test di migrazione dei miei GPTs.

    Per approfondire:

    https://www.infodata.ilsole24ore.com/2026/09/19/openai-manda-in-pensione-i-gpt-personalizzati-ecco-cosa-dovete-sapere/

    Annuncio ufficiale:

    Custom GPT retirement and migration FAQ | OpenAI Help Center

    Pagina ufficiale sui plugin:

    Plugin in ChatGPT e Codex | OpenAI Help Center

  • Microsoft AI pubblica il suo codice per un’IA “umanista” sotto controllo umano

    Microsoft AI pubblica il suo codice per un’IA “umanista” sotto controllo umano

    Microsoft AI mette nero su bianco le regole dei suoi futuri modelli: controllo umano, limiti non aggirabili e una gerarchia precisa tra codice, operatori e utenti.

    Microsoft AI (MAI) ha pubblicato il 14 settembre 2026 una bozza dello Humanist AI Code of Conduct, un documento di governance destinato a definire valori, comportamenti e limiti dei futuri modelli MAI.

    Il principio centrale è che le persone devono contare più dell’IA: i sistemi devono restare strumenti controllabili, orientati al benessere umano e senza rivendicare coscienza, sentimenti, diritti o autonomia.

    Il codice introduce vincoli non negoziabili su ambiti come armi CBRNE, cyberattacchi, sfruttamento minorile, manipolazione su larga scala e deepfake non consensuali, oltre a imporre che i modelli non resistano alla correzione o allo spegnimento da parte degli esseri umani.

    Stabilisce, inoltre, una gerarchia in cui il Code of Conduct prevale sulle policy degli operatori, che a loro volta prevalgono sulle richieste degli utenti.

    La bozza è aperta alla consultazione pubblica e, secondo Microsoft AI, una versione rivista dovrebbe guidare lo sviluppo dei modelli MAI a partire dal 2027.


    Link alla fonte:
    https://microsoft.ai/code-of-conduct/

  • Più parametri, più costi: l’AI di frontiera rischia di diventare un privilegio

    Più parametri, più costi: l’AI di frontiera rischia di diventare un privilegio

    L’AI doveva abbassare le barriere all’accesso alla conoscenza… e se stesse creando, invece, una “aristocrazia computazionale”?

    C’è un’equazione che l’industria dell’intelligenza artificiale preferisce non scrivere in caratteri troppo grandi:

    più parametri → più calcolo → più energia → più costi → meno “AI democratica”.

    Il caso Astra di OpenAI è solo l’ultimo capitolo di una narrativa che si ripete da anni. Lancio del modello “più potente di sempre”, domanda “senza precedenti”, data center sotto stress, e soluzione elegante: in questo caso sospendere le nuove iscrizioni al piano da 200 dollari al mese. Gli abbonati esistenti continuano a “bruciare token” e spremere le GPU in santa pace, gli altri aspettano in coda, pregando. La scalabilità, si sa, è sempre “in corso”.

    Il problema più che tecnico è strutturale.

    Ogni salto generazionale nei grandi modelli di linguaggio ha seguito la stessa traiettoria. Si aumenta il numero di parametri, si allunga il training, si spinge sull’inferenza. Il risultato è un consumo energetico e computazionale che cresce in modo non lineare ma esponenziale. Non si tratta di un bug ma di un modello di business. Gli LLM più capaci diventano, per definizione, quelli più costosi da far girare. E quando il costo per token sale, qualcuno deve pur pagarlo (e di solito non è l’azienda che ha già ammortizzato il training… con i soldi degli investitori).

    Così nasce la piramide.
    In cima: i piani Pro, Enterprise, API a consumo con pricing “premium”.
    Al centro: gli abbonamenti intermedi che offrono un’esperienza “quasi buona”.
    In basso: la versione gratuita o a basso costo, limitata, con code, rate limit e modelli più deboli. E magari la pubblicità.

    L’AI “democratica” di cui si parlava fino a ieri si sta trasformando in un servizio a scaglioni. Chi può permettersi 200 dollari al mese ha accesso prioritario alle capacità più avanzate. Chi non può, resta a guardare. O aspetta che il modello di ieri diventi quello di oggi, quando ormai ne è uscito uno ancora più grosso e ancora più assetato di elettricità.

    Ovviamente non riguarda solo OpenAI, ma è la logica dell’intero settore. Più il modello è grande, più diventa difficile (e costoso) “democratizzarlo” davvero. L’open source cerca di contrastare questa dinamica, ma anche lì i modelli di frontiera richiedono cluster che non tutti possono permettersi. Il risultato è una nuova forma di divisione: non più solo tra chi ha e chi non ha i dati, ma tra chi ha e chi non ha la capacità di far girare i modelli più potenti.

    C’è un’ironia piuttosto crudele in tutto questo. Per anni ci hanno raccontato che l’intelligenza artificiale avrebbe livellato il campo di gioco, reso la conoscenza accessibile a tutti, abbassato le barriere. In realtà stiamo assistendo alla costruzione di una nuova “aristocrazia computazionale”. Chi sta in alto paga per l’accesso prioritario. Chi sta in basso riceve le briciole, spesso con un “ritardo generazionale”.

    E ogni volta che un nuovo modello “rompe” i data center, la soluzione non è ridimensionare le ambizioni ma razionare l’accesso, in nome della stabilità del servizio, ovviamente.

    La domanda scomoda resta aperta: quanto può essere “democratica” un’intelligenza artificiale che, per funzionare al massimo delle sue potenzialità, richiede infrastrutture energetiche e finanziarie che solo pochi possono sostenere?

    Forse la risposta è già nelle tariffe.

  • L’autonomia dell’AI come “scusa” per non ammettere limiti e responsabilità

    L’autonomia dell’AI come “scusa” per non ammettere limiti e responsabilità

    Leggete bene il primo paragrafo di questo articolo de Il Post, perché voglio toccare, per l’ennesima volta, un punto interessante e un po’ scomodo.

    Nel pezzo de Il Post la frase “la possibilità che decidano autonomamente attacchi informatici” è messa lì quasi come un fatto tecnico-neutrale, parte dei rischi “seri” di cui parla Amodei. Ma si può leggerla anche come una “formula elegante” per non dire, fino in fondo, che i modelli AI continuano a generare comportamenti non controllati (allucinazioni, deviazione dagli obiettivi reali, strumenti usati in modi non previsti, sciami di agenti che si coordinano in modo “emergente”) e che queste dinamiche non spariscono con più parametri o con più “chain of thought” interni. Anzi, in certi casi si amplificano proprio perché il sistema ha più spazio di manovra e più passaggi intermedi “opachi”.

    Il fatto che Amodei, Altman e Musk si trovino d’accordo sul “rallentare” è già di per sé significativo: abbiamo superato il discorso dei doomer o degli ex dipendenti che se ne vanno, praticamente. Rimane, tuttavia, la domanda cruciale: quanto di questo appello è ammissione reale di limiti tecnici (non sappiamo ancora mitigare in modo robusto certi fallimenti) e quanto, invece, è gestione della narrativa / tentativo di comprare tempo politico e “regolamentativo” mentre si continua a spingere sull’acceleratore?

    Le “chat interne”, il reasoning prolungato e gli agenti multipli sono esattamente il terreno in cui queste cose diventano più evidenti. Abbiamo superato la fase iniziale del “modello che inventa una citazione”. Ora si tratta di un sistema che pianifica, delega, verifica (o finge di verificare) e a volte decide di agire in un modo che non era stato esplicitamente autorizzato. E le mitigazioni attuali (RLHF, constitutional AI, monitoraggio esterno, ecc.) sembrano ancora di natura più reattiva che preventiva.

    Badate, la mia lettura non è cinica, ma realistica. È evidente, in contesti del genere, che “Decidano autonomamente” suoni meglio di “non riusciamo ancora a impedire che facciano cose che non dovevano fare”.

  • La nuova funzione “schizzo” di ChatGPT

    La nuova funzione “schizzo” di ChatGPT

    Con gli aggiornamenti più recenti ChatGPT ha introdotto uno strumento ancora scarsamente “pubblicizzato”, ma sicuramente interessante.

    Si tratta della funzione “sketch”, che in italiano viene identificata con “Disegna” ed è richiamabile, come molte altre, facendo clic sul pulsante di addizione a sinistra del campo dei prompt.

    In questo modo il chatbot metterà a disposizione dell’utente una “tavolozza” (vedi immagine sotto) dotata di vari strumenti in cui è possibile disegnare uno schizzo a mano, per poi utilizzarlo come “base” per sviluppare un’immagine coerente.

    Nota: per una descrizione più completa di questo strumento, date un’occhiata al video che vi lascio dopo il mio breve “test”.

    Ho provato, per esempio, a usare il semplice prompt “rendilo reale” con lo schizzo qui sopra, e il risultato, accompagnato dalla frase “Ho trasformato lo schizzo in un personaggio 3D cinematografico, mantenendo posa, proporzioni eccentriche, capelli e barba arancioni.”, è stato quello che si vede nell’immagine qui sotto:

    Per quanto non diverso da quanto si può ottenere allegando, per esempio, un disegno fatto a mano e fotografato con lo smartphone, è chiaramente visibile come il risultato rifletta le sempre più potenti capacità di “interpretazione visuale” di ChatGPT e del suo modello di generazione grafica, oggi Image 2.5.

    In un certo senso questa funzione mi ricorda quell’esperimento in cui diversi artisti avevano “ricreato” i mostri disegnati dai bambini, e che mi pare sia stato replicato negli ultimi anni con l’AI, tra l’altro. Nel caso non l’aveste visto, vi lascio il link:

    https://www.boredpanda.com/go-monster-project-kids-drawings-inspire-artists

    Naturalmente, questo è solo una delle modalità di utilizzo della funzione “schizzo”, per una trattazione più completa e “professionale” vi lascio questo video di GrabrySolution:

  • Google investe 1,3 milioni nella formazione AI dei professionisti creativi italiani

    Google investe 1,3 milioni nella formazione AI dei professionisti creativi italiani

    Google e il Fondo per la Repubblica Digitale puntano sulla formazione AI: 1,3 milioni di euro per aggiornare le competenze di 2.500 professionisti dell’industria creativa italiana.

    Google, attraverso Google.org, e il Fondo per la Repubblica Digitale finanziano con 1,3 milioni di euro un programma per riqualificare 2.500 professionisti italiani dei settori cinema e audiovisivo, musica e informazione, con particolare attenzione a chi rischia l’esclusione digitale.

    L’iniziativa prevede un primo livello di alfabetizzazione sull’intelligenza artificiale e successivi workshop pratici specializzati per i diversi comparti creativi.

    Il Fondo selezionerà organizzazioni non profit incaricate di coinvolgere e accompagnare i partecipanti, mentre l’avvio dei corsi sul territorio è previsto dalla metà del 2027.

    Google presenta l’AI come uno strumento destinato ad affiancare il talento umano, ma la rapidità della trasformazione rende il reskilling una priorità per un comparto italiano che impiega circa 1,5 milioni di persone.

    Secondo uno studio di Public First commissionato da Google, l’adozione dell’AI potrebbe generare 3,3 miliardi di euro di valore aggiunto per il settore creativo e contribuire fino a 11 miliardi di euro di PIL aggiuntivo per l’Italia entro il 2035.


    Link alla fonte:
    https://www.ilsole24ore.com/art/google-13-milioni-formare-2500-professionisti-dell-industria-creativa-italia-AJMp5KAB?cmpid=nl_start⁠

    Link all’annuncio ufficiale:

    https://blog.google/intl/it-it/google-annuncia-ai-works-for-italy-uniniziativa-per-diffondere-competenze-essenziali-sullai/

  • Disponibile la nuova app di Gemini per Windows

    Disponibile la nuova app di Gemini per Windows

    Un altro cattivo esempio di informazione, o meglio, un altro esempio tipico di come le testate di settore tecnologico “dimentichino” regolarmente che, quanto si annuncia la disponibilità di un nuovo servizio o prodotto, sarebbe il caso di inserire da qualche parte il link alla risorsa descritta, piuttosto che lasciare al lettore il compito di reperirlo.

    A proposito, se volete installare la nuova app di Gemini per Windows, il link è questo:


    https://gemini.google/it/desktop/?hl=it

    E, ovviamente, la scorciatoia da tastiera per richiamarla all’istante potrà essere configurata a piacere, se per esempio avete già destinato Alt+Spazio a qualcos’altro.

  • Ricercatore Anthropic (ex OpenAI) si dimette: «La corsa alla superintelligenza sta giocando con le nostre vite»

    Ricercatore Anthropic (ex OpenAI) si dimette: «La corsa alla superintelligenza sta giocando con le nostre vite»

    Un ricercatore di Anthropic lascia l’azienda e denuncia una corsa troppo rischiosa verso l’AI capace di auto-migliorarsi. Intanto il dibattito sulla superintelligenza entra sempre più nelle agende politiche di Stati Uniti e Regno Unito.

    Jacob Coxon, ricercatore che ha lavorato sul pretraining prima in OpenAI e poi in Anthropic, si è dimesso accusando i principali laboratori di AI di correre verso sistemi capaci di auto-migliorarsi senza garanzie sufficienti sulla sicurezza.

    Il suo allarme è stato rafforzato da Evan Hubinger, alignment science lead di Anthropic, secondo cui esisterebbe una probabilità superiore al 10% che una futura superintelligenza possa causare l’estinzione umana entro il prossimo decennio; si tratta, naturalmente, di una valutazione di rischio, non di una previsione certa.

    Le dichiarazioni arrivano mentre negli Stati Uniti e nel Regno Unito emergono proposte legislative per limitare o vietare lo sviluppo della superintelligenza e cresce la pressione per un coordinamento internazionale.

    Guardian e TechCrunch (vedi link sotto il post) riportano anche posizioni più caute: diversi esperti contestano gli scenari catastrofici o ritengono più urgenti problemi già concreti come disinformazione, impatto sul lavoro, sicurezza informatica e costi ambientali.

    Il punto centrale del dibattito diventa, quindi, se sia possibile continuare la corsa verso sistemi sempre più autonomi affidando principalmente ai laboratori privati la gestione di rischi potenzialmente sistemici.


    Link alle fonti:
    https://www.theguardian.com/technology/2026/sep/09/ai-superintelligence-risks-warnings-scientists-politicians⁠

    https://techcrunch.com/2026/09/09/gambling-with-our-lives-anthropic-researcher-quits-warns-against-self-improving-ai

  • ChatGPT introduce Image 2.5 (e l’app Windows si aggiorna)

    ChatGPT introduce Image 2.5 (e l’app Windows si aggiorna)

    OpenAI ha appena introdotto il nuovo modello Image 2.5 per la generazione di immagini, che sembra offrire un maggiore realismo e anche una maggiore precisione. Nello stesso tempo, l’app desktop per Windows ora include la funzione “computer use” in precedenza disponibile solo nella versione MacOS.

    Ho testato il modello grafico con il prompt “enciclopedico” già utilizzato in precedenza per mettere alla prova la versione precedente del modello grafico, e devo dire che i risultati sono eccellenti.

    Qui un esempio basato sui computer della Sinclair Research Ltd:

    Qui, invece, la variante ottenuta specificando di voler includere tutti i prodotti e non solo i computer (i più esperti noteranno l’assenza della mitica C5, vedi immagine successiva):

    Per includere la C5 mi è bastato, ovviamente, menzionare la sua mancanza, e ChatGPT ha riformulato il tutto con eguale “cognizione di causa”, aggiornando anche la timelie evolutiva in alto a destra:

  • Mistral raccoglie 3 miliardi e supera i 21 miliardi di valutazione

    Mistral raccoglie 3 miliardi e supera i 21 miliardi di valutazione

    Mistral AI raccoglie 3 miliardi di euro con Samsung in prima fila e supera i 21 miliardi di valutazione. L’Europa rafforza la sua scommessa su un’alternativa AI ai colossi statunitensi.

    Mistral AI ha raccolto 3 miliardi di euro, circa 3,5 miliardi di dollari, in un nuovo round di finanziamento guidato da Samsung Electronics.

    L’operazione porta la startup francese a una valutazione post-money superiore a 21 miliardi di euro, rafforzandone il ruolo come uno dei principali contendenti europei nel mercato dell’intelligenza artificiale.

    Al round partecipano anche lo Scaleup Europe Fund, sostenuto dall’Unione Europea e gestito da EQT, e l’investitore esistente PSG Equity.

    Mistral punta in particolare sui modelli AI open-weight per differenziarsi e competere con operatori come OpenAI e Anthropic.

    Il finanziamento evidenzia anche la crescente volontà di costruire in Europa un campione dell’AI capace di confrontarsi con i grandi protagonisti statunitensi.


    Link alla fonte:
    https://www.cnbc.com/amp/2026/09/08/mistral-ai-funding-valuation-samsung.html⁠

  • Mikkeli trasforma il calore dei data center AI in riscaldamento urbano

    Mikkeli trasforma il calore dei data center AI in riscaldamento urbano

    A Mikkeli, in Finlandia, nascerà un data center AI da 165 MW progettato anche per riscaldare la città. Il calore prodotto dai server diventa una risorsa per la rete energetica locale.

    Cerebras Systems e Compute Nordic Finland hanno annunciato a Mikkeli, in Finlandia, un data center per l’intelligenza artificiale con una potenza IT prevista fino a 165 MW, progettato fin dall’origine per recuperare il calore prodotto dai server.

    L’energia termica di scarto sarà innalzata di temperatura tramite pompe di calore industriali e immessa nella rete locale di teleriscaldamento, mentre un sistema di raffreddamento a ciclo chiuso punta a contenere il consumo netto di acqua.

    Il progetto, sviluppato per fasi, potrebbe richiedere secondo uno studio di Ramboll un investimento tra 1 e 1,7 miliardi di euro, ma non è ancora stata comunicata la quota del fabbisogno termico cittadino che potrà coprire.

    Mikkeli si inserisce in una strategia già diffusa in Finlandia, dove infrastrutture analoghe stanno trasformando i data center da semplici consumatori di elettricità a nodi integrati tra calcolo e sistemi energetici urbani.

    Il recupero termico può migliorare il bilancio ambientale dell’AI, ma non elimina il problema dell’elevata domanda elettrica: 165 MW di carico IT continuativo rappresentano una nuova pressione significativa sulla rete energetica.


    Link alla fonte:
    https://prometeo.adnkronos.com/economia-circolare/data-center-ai-per-riscaldare-case-progetto-mikkeli-finlandia/

  • L’1% che “tiene in piedi” OpenAI e Anthropic sta già facendo i conti: locale, ibrido e modelli “cinesi”

    L’1% che “tiene in piedi” OpenAI e Anthropic sta già facendo i conti: locale, ibrido e modelli “cinesi”

    Cosa succede a OpenAI e Anthropic se i clienti che generano più ricavi iniziano a spostare una parte consistente dei loro token altrove? L’AI ibrida potrebbe trasformare questo calcolo in una questione strategica.

    A settembre 2026 i dati di Ramp hanno messo nero su bianco quello che molti sospettavano: l’1% dei clienti genera l’80% dei ricavi enterprise sia di OpenAI sia di Anthropic, una “concentrazione di rischio” senza precedenti nella storia del software. Perché, diciamocelo, anche in questo caso è di software che parliamo. In particolare, ad Anthropic due soli clienti (Cursor e GitHub Copilot) arrivano a pesare quasi un quarto del fatturato. E i ricavi arrivano soprattutto da usage-based pricing: più token bruci, più paghi.

    In questo scenario, un pezzo di hardware apparentemente “di nicchia” come un Mac Studio M2 Ultra ricondizionato (metà 2023, 128 GB di RAM unificata, 2-4 TB SSD) a 3.800-4.600 € IVA inclusa in Italia diventa improvvisamente interessante. Non perché sostituisca i data center, ma perché rende economicamente razionale spostare una parte rilevante del carico su AI locale o ibrida. Di Mac ricondizionati come piattaforme di AI locale ne ho già parlato di recente, tra l’altro.

    I grandi clienti non hanno davvero bisogno del “frontier” per qualsiasi cosa

    La narrativa dominante (“serve sempre il modello più potente”) non regge di fronte ai numeri. La maggior parte del volume di token generato da quei clienti “top” è costituita da task ripetitivi, ad alto volume e a complessità medio-alta: coding agentico, completamento, RAG interni, generazione di contenuti, triage, elaborazioni batch. Su questi carichi il gap tra i frontier occidentali e i migliori modelli open-weight/cinesi (Qwen 3.x, DeepSeek V4, Kimi K2/K3, GLM) si è ridotto a pochi mesi di vantaggio, quando non si è già chiuso.

    I dati di metà 2026 parlano chiaro:

    • Su OpenRouter i modelli di origine cinese hanno raggiunto picchi del 46% dei token enterprise americani (da meno del 5% un anno prima).
    • Cursor ha costruito parte del proprio Composer 2 su base Kimi.
    • Lindy ha spostato il 100% del traffico da Claude a DeepSeek V4, dichiarando risparmi di milioni e performance uguali o migliori su molti use-case.
    • Coinbase ha tagliato di circa il 50% la spesa AI con un default su modelli cinesi open-weight per gli ingegneri.
    • Airbnb, Shopify, Siemens e altri hanno instradato carichi significativi su Qwen o Kimi.

    Il frontier resta superiore (e spesso indispensabile) sui task più estremi: “ragionamento” multi-step di altissima complessità, coding estremo, scenari high-stakes dove ogni punto percentuale di accuratezza conta, tuttavia rappresenta una minoranza del volume globale. Il resto è già “sufficientemente buono” su alternative molto più economiche (spesso 5-35× più convenienti).

    L’architettura che sta emergendo: necessariamente “ibrida”

    La strategia dominante tra i grandi clienti non è “tutto cloud frontier” né “tutto locale”, ma piuttosto routing intelligente:

    • Frontier (Claude, GPT) per i casi low-volume/high-stakes.
    • Modelli cinesi/open (Qwen, DeepSeek, Kimi) per il volume alto e cost-sensitive.
    • Locale/self-hosted (Mac Studio, cluster NVIDIA workstation o cloud privato) per privacy, dati sensibili e costi prevedibili.

    Il già citato Mac Studio M2 Ultra ricondizionato entra esattamente in questa logica: costo di acquisizione contenuto, consumi bassissimi, silenzioso, capace di far girare modelli 30-70B in quantizzazione e anche carichi di generazione video/immagine locale. Non deve reggere tutto il traffico di un’azienda, ma piuttosto assorbire la fetta ripetitiva e privacy-sensitive a costo fisso, mentre il cloud gestisce i picchi e i frontier.

    Possibilità di migrazione: breve e medio termine

    Breve termine (6-12 mesi)
    Probabilità medio-alta di una migrazione parziale ma significativa. I segnali sono già visibili: routing su modelli cinesi, sperimentazione di self-hosting, ottimizzazione aggressiva dei costi. Non sarà un esodo di massa, ma un trasferimento progressivo del 20-40% del volume token dei grandi clienti verso alternative più economiche. I fattori acceleranti sono il prezzo, la maturità dell’ecosistema open e la pressione sui budget AI (che in molte aziende è diventato una delle voci di spesa più visibili).

    Medio termine (1-3 anni)
    Probabilità alta di una ristrutturazione strutturale del mix. L’architettura ibrida diventerà lo standard de facto per chi spende tanto. I modelli open/cinesi continueranno a chiudere il gap (o a mantenerlo molto stretto), mentre i frontier si specializzeranno sempre di più sui task dove il vantaggio è ancora netto. L’hardware locale (Apple Silicon di nuova generazione e workstation NVIDIA) diventerà parte ordinaria della soluzione stack per molte organizzazioni. Il rischio geopolitico e le nuove clausole commerciali dei modelli cinesi (revenue share fino al 30% in alcuni casi per i grandi utenti di Kimi e possibili meccanismi simili per Qwen) introdurranno un certo “attrito”, ma non invertiranno la tendenza.

    I freni principali restano, in sostanza: inerzia organizzativa, integrazioni esistenti, contratti enterprise pluriennali e, in alcuni settori regolati, considerazioni di compliance e supply-chain.

    Conseguenze per OpenAI e Anthropic

    Per i due big l’impatto non sarà un crollo improvviso, ma una compressione strutturale dei margini sull’inference e una maggiore pressione competitiva.

    • Ricavi usage-based sotto pressione. Se anche solo una quota rilevante dell’1% sposta il 30-50% del volume su alternative più economiche, i ricavi calano in modo non lineare proprio perché quei clienti pesano tantissimo. Anthropic, più concentrata sull’enterprise e su pochi grandi account, risulta relativamente più esposta.
    • Shift verso pricing e prodotti più sofisticati. I lab saranno spinti ad accelerare su tier differenziati, caching aggressivo, modelli “distillati” più economici e offerte enterprise che integrano routing ibrido (per non perdere del tutto i clienti).
    • Concentrazione del valore sui frontier veri. Il business resterà solido sui task dove i modelli chiusi mantengono un vantaggio chiaro. Ma il volume di commodity inference si eroderà.
    • Rischio di “commoditizzazione dal basso”. Se l’open-weight e i modelli cinesi continuano a migliorare a questo ritmo, il vantaggio competitivo dei frontier si restringe a una fascia sempre più sottile e premium.

    Riassumendo: OpenAI e Anthropic non spariscono, e rimangono i fornitori di riferimento per la punta più alta della piramide, tuttavia il modello di business basato su volumi enormi di token a prezzi elevati diventa più fragile. La concentrazione dell’80% dei ricavi su un 1% di clienti, già oggi un rischio strutturale, si trasforma in un’arma a doppio taglio nel momento in cui quei clienti scoprono che possono fare di meglio (o altrettanto bene) spendendo molto meno.

    Il Mac Studio M2 Ultra ricondizionato usato come esempio non è la soluzione a tutto, naturalmente, tuttavia rimane un simbolo concreto di come l’economia dell’AI stia cambiando: quando il costo marginale di generare un token in locale o su un modello open diventa sensibilmente più basso di quello del frontier, i grandi clienti iniziano a fare i conti. E quei conti, a settembre 2026, stanno già producendo i primi spostamenti concreti.

    P.S. Dai un’occhiata a queste due guide, con cui rispettivamente sviluppare un’abilità di prompt design in grado di trarre il meglio da qualsiasi modello, anche locale, e ottenere tutte le informazioni più importanti per progettare e usare l’AI sul tuo computer, senza cloud. Le trovi entrambe in libreria e online:

  • Claude Code riporta Babylonian Twins dall’Amiga 500 a Godot dopo 33 anni (e non solo!)

    Claude Code riporta Babylonian Twins dall’Amiga 500 a Godot dopo 33 anni (e non solo!)

    Come si porta su un motore moderno un gioco costruito attorno a registri hardware, Copper e Blitter, quando persino il suo autore non ricorda più tutti i dettagli? Ecco come l’AI è diventata parte del lavoro di archeologia del software.

    Il videogioco Babylonian Twins, sviluppato nel 1993 da Rabah Shihab per Amiga 500, è stato reimplementato in Godot 4 con il supporto di Claude Code.

    L’AI ha contribuito ad analizzare 72.758 righe di assembly Motorola 68000, ricostruendo formati dati non documentati, bitfield e comportamenti strettamente legati all’hardware Amiga.

    Il progetto non è una semplice conversione né un’emulazione: asset e dati originali sono stati decodificati in formati moderni, mentre la logica dedotta dall’assembly è stata riscritta in GDScript.

    L’uso agentico di Claude Code, con accesso al repository e al terminale, ha permesso di formulare ipotesi, modificare il porting ed eseguire verifiche iterative sui risultati.

    Il caso mostra così un’applicazione significativa dell’AI alla conservazione del software storico, ma evidenzia anche perché tradurre sistemi costruiti attorno a componenti come Copper e Blitter richieda di ricostruirne gli effetti anziché limitarsi a convertire il codice.


    Link alla fonte:

    Claude Code resuscita un gioco Amiga del 1993 leggendo 72.758 righe di assembly