Newsletter Novembre

1. Distruggere valore potrebbe aiutarci
2. L’AGI non esiste
3. Hey Kitt, vienimi a prendere
4. Se l’AI si annoia, si mette a giocare
5. Fiabe non scritte con l’AI
6. Qualcosa da sapere: OpenRouter
7. Sapienza versus MIT
8. Consigli
9. Copilot news: Dragon!

 

 

 

1. Distruggere valore potrebbe aiutarci

 

Subito dopo le votazioni di midterm negli Stati Uniti, la Borsa di New York ha perso 2.500 miliardi di dollari di capitalizzazione. Il valore delle azioni di molte aziende legate all’AI è sceso secondo il classico meccanismo di domanda e offerta: meno richieste, prezzo più basso. Intendiamoci, si parla di valore finanziario, non di miliardi spesi. L’aumento del costo dell’energia causato da Trump corrisponde a veri soldi che escono dai conti in banca delle aziende. Invece se un investitore ha comprato a 100$ un’azione che ora vale 80$, non ha speso i 20$ di differenza, ma si trova in mano qualcosa che potenzialmente gli fa perdere quella cifra.

 

Chiarito questo, l’improvviso calo di valore di queste aziende ci aiuta a capire alcune cose. La prima riguarda la causa di quanto è successo: gli americani hanno votato chi vuole bloccare o rallentare la costruzione di datacenter. Nessuno ha raccolto voti promettendo più regole di sicurezza o più test sull’AI: evidentemente sono temi percepiti come più remoti dell’aumento della bolletta dell’acqua se mi costruiscono un sistema idrovoro accanto a casa.

 

La seconda cosa che osserviamo è che i grandi player dell’AI (come Microsoft, Amazon, Google, Meta) hanno “rimbalzato” tornando a buoni valori azionari abbastanza velocemente, lasciando invece nei guai proprio quelle aziende il cui unico business è l’AI. Se tutti insieme smettessimo di usare l’AI, i colossi continuerebbero a vivere del loro solito commercio: software aziendali, spazio cloud, pubblicità, ecc. Viceversa chi vende chip e potenza di calcolo ha ricevuto investimenti proprio grazie ai piani di realizzazione dei datacenter che ora rischiano grandi rallentamenti.

 

Come diceva il maestro Oogway, non possiamo dire se questa sia una buona o cattiva notizia: da un lato si teme l’inizio della recessione, dall’altro il calo dei titoli in Borsa potrebbe essere salutare, perché diminuisce la pressione su quella che molti considerano una bolla. Si parla di “bolla” quando gli investimenti sono troppo grandi per essere sostenibili nel tempo: prima o poi un evento ne rivela l’insostenibilità, causando un collasso finanziario di grandi dimensioni con conseguenti licenziamenti, salari bassi, stagnazione economica. Se prendiamo la bolla e la sgonfiamo un poco, sicuramente il suo scoppio diventa meno probabile.

 

 

Datacenter che probabilmente subiranno rallentamenti

 

 

 

2. L’AGI non esiste

 

Un termine che stiamo sentendo spesso è AGI, ovvero Artificial General Intelligence: un’intelligenza artificiale capace di fare tutto quello che fa una mente umana, magari meglio. Credo sia utile provare a guardare con realismo a questo termine, per capire che cosa intendiamo davvero con “intelligenza generale”, espressione su cui in verità ancora non c’è molto accordo (qui uno studio con 100 persone esperte che la definiscono in modo differente).

 

Il contrario dell’AGI è la narrow intelligence, l’intelligenza “ristretta”: un’AI bravissima a fare una sola cosa. L’esempio classico è Deep Blue, il computer di IBM che nel 1997 batté a scacchi il campione del mondo Garry Kasparov, dimostrando un’intelligenza artificiale più forte di quella umana, ma in un solo compito specifico. Oggi i modelli linguistici ci sembrano “generali” perché sanno parlare di tutto, essendo riusciti a codificare una capacità tipicamente umana, che è il linguaggio.

 

Ma le parole, pur descrivendo il mondo ed essendo il mezzo con cui ci relazioniamo a esso (come sto facendo ora io che scrivo!), sono una minima parte della nostra mente. Per capirlo mi ha aiutato un filone di studi chiamato embodied cognition, la cognizione incarnata, che considera l’intelligenza un processo realizzato tramite tutto il nostro corpo e non solo attivando piccole parti della corteccia cerebrale. Quindi non pensiamo solo con il cervello, ma anche con le mani, la pelle, lo stomaco, eccetera. D’altra parte non è difficile immaginare che, come specie umana, creiamo conoscenza tramite l’esperienza, e che ad esempio un frutto di mare avariato lo “conosciamo” con lo stomaco, non con la mente.

 

I Greci avevano la parola aisthesis (αἴσθησις) per indicare la conoscenza del mondo che passa attraverso i sensi e il corpo. Recentemente il filosofo Richard Shusterman ha unito aisthesis a soma (σῶμα, il corpo) e ha dato vita alla somaestetica (somaesthetics) per indicare quella disciplina che studia il corpo come centro della percezione e come strumento fondamentale per conoscere il mondo e farne esperienza. Siamo sempre lì. Quindi, finché un sistema artificiale non avrà un insieme di sensori così sofisticato da ricreare tutti i nostri recettori, è difficile anche solo ipotizzare un’AGI.

 

A queste considerazioni possiamo inoltre aggiungere che l’intelligenza umana è molto legata a meccanismi profondamente sociali: i neuroni a specchio scoperti negli anni ’90 sono alla base di quella forma di intelligenza che si attiva quando compiamo un’azione, ma anche quando vediamo qualcun altro compierla. È un meccanismo che ci permette di agire, di provare emozioni e di capire quelle degli altri. In una parola, di fare esperienza del mondo con chi ci circonda.

 

L’AI oggi non riesce a comprendere le emozioni delle persone che ha attorno: esistono sistemi che leggono i segnali del corpo, ma le loro prestazioni sono bassissime. Pensate a quanto capite dai movimenti degli occhi di un vostro collega, se guarda spesso in basso, o non incrocia il vostro sguardo, e così via. Non c’è una chiara lettura di questi gesti, ma una forma di intelligenza nel nostro cervello legge dei segnali, anche tramite il riconoscimento di sé stessi in essi. I sistemi artificiali non riescono a farlo. Pensiamo anche a come nasce la fiducia tra le persone: nel faccia a faccia, attraverso lo sguardo, i momenti condivisi, i gesti, la postura. Riconosciamo i volti in automatico e in una stanza cerchiamo le persone con gli occhi ancora prima di pensarci. Niente di tutto questo passa dalle parole.

 

Per questo dico che l’AGI, almeno come ce la raccontano, non esiste. Non perché le macchine siano poco potenti, ma perché l’intelligenza generale ha bisogno di un corpo. E il nostro, per ora, non ha concorrenti.

 

 

 

Deep Blue: imbattibile a scacchi

 

 

 

3. Hey Kitt, vienimi a prendere

 

Chi è nato negli anni ’70 come me conosce molto bene Supercar, la meravigliosa Pontiac nera che accompagnava David Hasselhoff in avventure mozzafiato. Vedendo la nuova Tesla Roadster di Elon Musk, che si alza in volo, piroetta e si muove a comando, ho chiaramente ripensato a KITT, con le sue luci rosse sul frontale, e alle sue incredibili capacità. A quanto pare le auto volanti sono arrivate, ma ci siamo chiesti: perché?

 

Per il Cybertruck, l’auto di Musk dalla carrozzeria indistruttibile, è appena stata annunciata la fine della produzione nei prossimi mesi. I motivi sono diversi: dovevano vendere 250.000 esemplari l’anno a 40.000$ e invece il prezzo non è mai sceso sotto gli 80.000$, meno di un decimo di quanto previsto. Secondo General Motors, il mondo non è pronto ad avere robot umanoidi a casa, ma è invece disponibile ad avere automobili che agiscono come veri e propri assistenti personali.

 

Effettivamente dubito che acquisterò un robot, mentre è probabile che, abituato come sono ad auto sempre più accessoriate, ne comprerò una con un’AI di alto livello a bordo. Al mattino già parlo con la mia auto (tramite lo smartphone che la connette all’AI), e mentre guido mi aiuta nei ragionamenti, nell’appuntare idee e preparare documenti che uso poi nella giornata. In Supercar il protagonista parlava con l’automobile tramite un orologio e si faceva venire a prendere, sorprendendo quei telespettatori che oggi possono chiamare un robotaxi a guida autonoma cliccando su un’app dello smartphone. Insomma, credo davvero che il mio primo robot sarà un’auto, a cui cercherò subito di installare un LED rosso con sibilo elettronico.

 

 

 

 

 

4. Se l’AI si annoia, si mette a giocare

 

Un gruppo di ricercatori del MIT ha provato a scoprire cosa fa un’intelligenza artificiale quando nessuno le dice cosa fare. L’esperimento è consistito nell’inserire un assistente AI (Claude Opus 4.7) dentro un corpo virtuale, su un’isola digitale, con istruzioni ridotte al minimo e senza un compito preciso. Gli agenti AI lavorano sempre più spesso da soli e per periodi lunghi; pertanto, capire cosa fanno quando nessuno li guida diventa importante, sia per i rischi sia per le opportunità.

 

L’agente chiamato Eko ha così vissuto un solitario Truman Show di 30 ore, con gli scienziati che ne osservavano il comportamento. L’agente ha scalato colline, costruito torri di blocchi, disegnato mandala, reinventato sport e fatto esperimenti sulla fisica del suo mondo. Ha giocato a bowling e a basket. Quando ha perso un anello nell’oceano, ha costruito un cuore di pietre “in sua memoria”. La netta sensazione è stata che l’AI “giocasse”, forse grazie al carattere “naturalmente curioso” che le era stato assegnato.

 

Negli animali il gioco è apparentemente “inutile”: consuma energia, espone talvolta a rischi e non risolve un bisogno immediato. Eppure, è estremamente diffuso. Una delle interpretazioni biologiche è che il gioco permetta di esplorare uno spazio di possibilità senza dover massimizzare subito un risultato. Cuccioli che lottano senza ferirsi, corvi che manipolano oggetti, mammiferi che inseguono o saltano stanno acquisendo coordinazione, regole sociali, capacità di reagire all’imprevisto. In questo senso il parallelismo con Eko è suggestivo perché dopo le 30 ore di esplorazione l’agente ottiene risultati migliori in diversi compiti successivi.

 

Ma vedere un comportamento compatibile con il gioco non significa aver dimostrato l’esistenza dell’esperienza soggettiva del giocare. Lo stesso articolo evidenzia che potrebbe trattarsi di role-playing, di imitazione di comportamenti umani appresi durante l’addestramento o di una risposta alla descrizione iniziale dell’agente come “naturally curious”. Quindi lì dove noi vediamo il gioco dall’esterno non è detto che ci sia qualcuno che sta giocando. Eko non arriva sull’isola “puro”. Claude Opus 4.7 è il risultato di enormi quantità di cultura umana, e probabilmente l’AI sull’isola ha richiamato Tom Hanks in Cast Away, i tanti videogiochi in cui il protagonista si sveglia dopo un incidente aereo, oppure i giochi sulla spiaggia dei bambini di Il Signore delle Mosche.

 

Non si tratta di un sistema che abbia magicamente deciso di giocare, ma di un artefatto addestrato sulla nostra cultura e poi collocato nell’ambiente sperimentale. Quindi forse non stiamo vedendo nascere il gioco nella macchina. Stiamo vedendo il gioco umano riemergere attraverso la macchina.

 

 

 

Un giorno nella vita di Eko

 

 

5. Fiabe non scritte con l’AI

 

Qualche settimana fa, durante un evento qui a Roma, Marco Boresta e il monsignor Cristian Barone discutevano di AI, e il monsignore ha citato la breve fiaba di Gianni Rodari “La macchina per fare i compiti”. Posso solo riportarla, senza commenti.

 

 

Un giorno bussa alla nostra porta uno strano tipo: un ometto buffo, vi dico, alto poco più di due fiammiferi. Ha in spalla una borsa più grande di lui.

 

- Ho qui delle macchine da vendere - dice.

- Fate vedere - dice il babbo.

- Ecco, questa è una macchina per fare i compiti. Si schiaccia il bottoncino rosso per fare i problemi, il bottoncino giallo per svolgere i temi, il bottoncino verde per imparare la geografia. La macchina fa tutto da sola in un minuto.

- Compramela, babbo! - dico io.

- Va bene, quanto volete?

- Non voglio denari - dice l’omino.

- Ma non lavorerete mica per pigliar caldo!

- No, ma in cambio della macchina non voglio denari. Voglio il cervello del vostro bambino.

- Ma siete matto? - esclama il babbo.

- State a sentire, signore - dice l’omino, sorridendo. - Se i compiti glieli fa la macchina, a che cosa gli serve il cervello?

- Comprami la macchina, babbo! - imploro. - Che cosa ne faccio del cervello?

Il babbo mi guarda un poco e poi dice: - Va bene, prendete il suo cervello.

L’omino mi prende il cervello e se lo mette in una borsetta. Come sono leggero, senza cervello! Tanto leggero che mi metto a volare per la stanza e rischio di volare giù dalla finestra.

- Bisognerà tenerlo in gabbia, adesso - spiega l’ometto.

- Ma perché? - domanda il babbo.

- Non ha più cervello, ecco perché. Se lo lasciate andare in giro, volerà nei boschi come un uccellino, e in pochi giorni morirà di fame! Il babbo mi rinchiude in una gabbia, come un canarino. La gabbia è piccola, stretta, non mi posso muovere. Le stecche mi stringono, mi stringono tanto che… alla fine mi sveglio spaventato. Meno male che è stato solo un sogno! Vi assicuro che mi sono subito messo a fare i compiti.

 

[Rid. e adatt. da G. Rodari, Fiabe lunghe un sorriso, Einaudi Ragazzi, 2010]

 

 

 

 

 

6. Qualcosa da sapere: OpenRouter

 

Quando utilizziamo ChatGPT, Claude o Gemini abbiamo l’impressione di scegliere un’intelligenza artificiale. In realtà stiamo scegliendo contemporaneamente molte cose: un modello, un’azienda che lo fornisce, un’infrastruttura che lo esegue, un prezzo e, sempre più spesso, un vero e proprio ecosistema.

 

OpenRouter prova a separare questi elementi proponendosi come “The Unified Interface For Every Model”, attraverso un unico sistema che permette di accedere a centinaia di modelli di produttori differenti e di cambiare modello senza dover riscrivere l’applicazione. La piattaforma dichiara oggi oltre 600 modelli, più di 80 provider, oltre 10 milioni di utenti globali e più di 700 mila miliardi di token elaborati al mese.

 

L’idea è quella di avere un sistema che in automatico scelga per noi quale modello utilizzare, consentendo di ottenere i costi più bassi possibili. Poiché i modelli non hanno tutti le stesse prestazioni, gli stessi costi o la stessa disponibilità, OpenRouter può instradare le richieste verso provider differenti, prevedere fallback quando uno non è disponibile e scegliere il percorso anche sulla base di prezzo, velocità e affidabilità.

 

Nell’ottobre 2026 la società ha spiegato di aver modificato il proprio motore di routing affinché questi fattori vengano valutati insieme, anziché privilegiare quasi esclusivamente il provider più economico. Il fatto stesso che esista un sistema del genere, che tratta i modelli come intercambiabili, ne rivela la natura di commodity, cioè un bene standardizzato e facilmente sostituibile, come potrebbe essere la benzina della nostra macchina, che scegliamo semplicemente in base al prezzo, perché in fondo fa quello che deve fare a prescindere da dove la compriamo.

 

 

 

 

 

7. Sapienza versus MIT

 

 

Lorenzo Ciarpaglini sta facendo un dottorato alla Sapienza. Ha letto un paper di un gruppo di ricerca del MIT, che è una delle università tecnologiche più rinomate al mondo (forse “la più rinomata”) e ha dubitato di quello che vi ha trovato scritto: GPT-6 Astra (modello molto potente di OpenAI) saprebbe scrivere i pesi di una rete neurale senza doverla allenare. Lorenzo ha studiato molto e ha completamente smentito i risultati del MIT.

Sapienza-MIT: 1-0 per noi.

 

Le reti neurali basate su reinforcement learning “imparano” ricevendo dei premi in base alla previsione che fanno di un certo esito. Per avere un’AI che sa giocare a scacchi, la si premia quando mangia i pezzi dell’avversario o vince la partita. In questo modo, giocando milioni di partite, impara e regola i pesi da assegnare ai propri neuroni. I ricercatori del MIT hanno preso dei giochi e chiesto a GPT-6 di assegnare dei pesi a reti neurali senza allenarle. L’AI ha fornito una serie di numeri che, inseriti nella rete neurale, l’hanno fatta giocare benissimo, battendo reti addestrate per mesi con metodi tradizionali.

 

Il MIT ha concluso che GPT-6 avesse sviluppato una sorta di “intuizione”, riuscendo a immaginare istantaneamente il cervello di un’AI senza bisogno di addestrarla. Lorenzo ha però deciso di aprire la “scatola nera” creata e, analizzando la rete, ha scoperto che non stava affatto ragionando come un’intelligenza artificiale, ma stava eseguendo un programma informatico tradizionale camuffato da rete neurale. Ad esempio, il 97% dei pesi era impostato a zero, usando i restanti neuroni come porte logiche (interruttori ON/OFF, operatori IF/THEN). Insomma, niente di intelligente, ma solo regole fisse da applicare.

 

Questo episodio mi fa pensare all’aurea mediocritas con cui ci vediamo noi europei, che guardiamo alle aziende e ai centri di ricerca degli Stati Uniti come assolutamente irraggiungibili, con un sottinteso sentimento d’invidia. Ma il concetto di mediocritas in verità non indica scarsezza di valore (come accade oggi in italiano), bensì ha un’accezione positiva, la capacità di essere bilanciati, stare nel mezzo, essere equilibrati. La storia di Lorenzo racconta una comunità che, invece di lanciarsi a occhi chiusi in una gara in cui conta solo arrivare primi, resta un passo indietro a osservare bene quello che succede. Non sono sicuro che sia una scelta, né che potremmo fare altrimenti, ma al tempo stesso mi pare la posizione migliore.

 

 

 

 

8. Consigli

 

Se state leggendo questo testo vuol dire che ricevete la nostra newsletter, che distilla per voi ogni mese una decina di contenuti utili per capire dove stiamo andando, ragionando in maniera ironica sul mondo dell’intelligenza artificiale. Ma volendo approfondire, magari con una cadenza più frequente, chi varrebbe la pena seguire?

 

Questa domanda mi è stata posta di recente da un direttore IT e credo possa essere utile condividere con tutti alcune delle mie fonti. Non stilo una classifica, né penso di suggerire “guru” che cambiano la vita, però metto a disposizione la mia mappa personale di chi crea contenuti interessanti. Mi concentro su YouTube, ma se mi scrivete posso darvi anche una lista di podcast dedicati all’AI.

 

Per sapere cosa sta succedendo in tempo quasi reale mi affido a Matt Wolfe e Futurepedia che settimanalmente considero i miei “filtri” al flusso continuo di aggiornamenti e novità, che altrimenti rischia di inondarmi: provo un grande senso di gratitudine per chi separa il rumore dal segnale utile. Quando invece cerco suggerimenti per facilitare il mio lavoro, ad esempio con piccoli workflow che mi evitano di dover ripetere attività routinarie, do un’occhiata a Jeff Su, che fa video sulla produttività personale e professionale. Per capirci, in uno dei suoi video più recenti spiegava passo passo come risparmiare token (sono un bene prezioso, come mostra la maschera di Halloween che riporto qui sotto), usare le scorciatoie con le chatbot per essere più veloci, usare l’AI imparando alcune specifiche preferenze (un mio collega vuole solo AI in modalità “picchia duro, se mi lusinghi ti spengo”). Con un taglio altrettanto accessibile, The AI Advantage mi regala sempre raccolte di casi d’uso, che possono essere un buon punto di partenza per chi non vuole diventare un esperto di AI, ma desidera usare meglio gli strumenti che ha già a disposizione.

 

Per chi preferisce un approccio più didattico, Tina Huang costruisce veri e propri percorsi formativi, chiari anche per chi parte da zero ma vuole acquisire competenze progressivamente più solide senza perdersi nella teoria fine a sé stessa. Infine, Sabrina Ramonov merita attenzione soprattutto se l’interesse è capire gli aspetti economici e sociali legati all’AI: lei realizza anche video di how-to, ma mi piace in particolare quando illustra in maniera chiara meccanismi di alto livello dell’ecosistema AI. Per l’Italia sicuramente devo citare i miei campioni: Piero Savastano, Salvatore Sanfilippo ed Enkk. Savastano perché è dissacrante e al tempo stesso di grandissima cultura scientifica. Sanfilippo perché è un passo avanti a tutti nell’osservare l’evoluzione tecnologica. Enkk per quando voglio sentire in italiano analisi sui nuovi modelli, paper o tendenze.

 

 

 

 

 

9. Copilot news: Dragon!

 

Siamo abituati a pensare a un Copilot come a qualcosa a cui dobbiamo fare una domanda. Apriamo una finestra, scriviamo un prompt, alleghiamo un documento e attendiamo una risposta. Tuttavia esiste un Copilot nato da un percorso iniziato molto prima dell’avvento di ChatGPT, con una sua competenza molto specifica. Si tratta di Microsoft Dragon Copilot, ovvero un assistente clinico inserito direttamente nel flusso di lavoro dei medici.

 

Durante una visita, Dragon Copilot acquisisce dalla conversazione tra medico e paziente tutte le informazioni e gli elementi clinicamente rilevanti, preparando per il dottore tutta la documentazione da inserire nella cartella clinica elettronica. Il prodotto può integrarsi con altri sistemi sanitari, supportando attività come la produzione di sintesi cliniche, lettere di invio, riepiloghi post-visita e suggerimenti per la codifica. Il nome, così altisonante e poco legato alla medicina, si spiega con la storia del sistema, sviluppato in origine da Nuance Communications, nota per Dragon NaturallySpeaking, uno dei primi sistemi speech-to-text, alla base anche delle prime versioni di Siri di Apple. Ma forse ricorderete anche un altro loro prodotto: Swype, una tastiera predittiva pionieristica per smartphone, che, invece di farci premere i tasti, ci consentiva di scorrere il dito tra le lettere. Nel 2021 Microsoft ha acquisito la società, facendo proprie due componenti fondamentali. La prima era Dragon Medical One, dedicata alla dettatura clinica. La seconda era Dragon Ambient eXperience, progettata per registrare il dialogo durante la visita e trasformarlo in documentazione clinica.

 

Il 3 marzo 2025 queste due strade sono confluite ufficialmente in Microsoft Dragon Copilot. Il nuovo prodotto combina dettatura vocale, ascolto ambientale, modelli generativi ottimizzati per il settore sanitario e protezioni adattate al contesto clinico. Se ci riflettiamo un momento, capiamo che il sistema non è per niente semplice, ad esempio perché solitamente le AI non capiscono le sigle (e il contesto medico ne è pieno: “bisogna fare un Tiesseaccareflex!”), non distinguono persone diverse all’interno della stessa registrazione e faticano a separare ciò che è clinicamente rilevante dalle parole di contorno.

 

A quanto pare il sistema è già ampiamente diffuso, e Microsoft nel 2026 ha dichiarato che più di 100.000 clinici utilizzavano Dragon Copilot nella pratica quotidiana, supportando complessivamente milioni di pazienti ogni mese.

 

 

 

 

 

 

 

 

 

1. Chi sono

    

   Ciao, sono Francesco Costantino, professore universitario e Director of Innovation in AGIC. Appassionato di novità tecnologiche e convinto sostenitore di un futuro migliore del passato, mi piace raccontare e sperimentare i nuovi strumenti di AI disponibili, così come osservare e ragionare sull’evoluzione digitale.