L’obiettivo dell’incontro è tracciare un profilo sintetico dell’intelligenza artificiale e dei suoi strumenti principali. Una volta definiti brevemente i contorni tecnologici, ci sposteremo su un’analisi dei pericoli che questa tecnologia porta con sé: dalla concentrazione del potere in nuove oligarchie, all’impatto ambientale, fino alle radicali trasformazioni del mondo del lavoro.

Juan Carlos è professore presso il Dipartimento di Automatica e Informatica del Politecnico di Torino ha cofondato e co-dirige il Centro Nexa su Internet e Società presso il Politecnico di Torino

La panoramica sugli strumenti la introduciamo, perchè spesso leggiamo molto dei nuovi strumenti digitali senza però usarli davvero. Si tratta di un rifiuto consapevole dettato da motivi etici: l’enorme impronta energetica di ogni singola query e la scelta deliberata di non alimentare l’apprendimento di questi algoritmi, quindi molti di noi ne facciamo un utilizzo parsimonioso…

1. Lo stato dell’arte degli strumenti di AI

L’intelligenza artificiale generativa ha segnato il passaggio dall’AI come strumento invisibile (gli algoritmi dei social o di Netflix) all’AI come interlocutore attivo tra il 2022 e 2023. Strumenti come ChatGPT (OpenAI), Claude (Anthropic) e Gemini (Google) hanno diffuso l’accesso a modelli di linguaggio avanzati, capaci di sintetizzare testi, scrivere codice e generare immagini in pochi secondi, “vedono” immagini, “ascoltano” audio e analizzano dati complessi in tempo reale.

Gli strumenti utilizzati in occidente: Al centro troviamo i Large Language Models (LLM) come ChatGPT (OpenAI), Claude (Anthropic) e Gemini (Google). Non sono database di informazioni, ma motori statistici capaci di prevedere la “prossima parola” più probabile in un contesto.
Utilizzi attuali: Oggi l’AI viene usata per generare codice di programmazione, creare immagini e video da descrizioni testuali, e analizzare enormi set di dati medici o legali in frazioni di secondo. La percezione è quella di uno strumento onnipotente, ma è fondamentale ricordare che manca di coscienza e di comprensione reale del significato.
L’illusione della comprensione: Sebbene sembrino intelligenti, questi sistemi sono mastodontici predittori statistici. Non “capiscono” il significato di ciò che dicono, ma calcolano la probabilità che una parola ne segua un’altra. Un’allucinazione AI è un fenomeno in cui un modello generativo (LLM) produce informazioni false, illogiche o fuorvianti, presentandole con estrema sicurezza e coerenza. Non si tratta di un semplice errore di programmazione, ma di una conseguenza del funzionamento probabilistico dell’IA, che prevede la parola successiva più plausibile invece di consultare un database di fatti
Integrazione invisibile: Oltre alle chatbot, l’AI è già nei nostri flussi di lavoro (Microsoft Copilot) e nei nostri consumi, agendo come un filtro invisibile tra noi e la realtà.

2. Cenni alle tecnologie che supportano gli strumenti

L’Architettura Transformer: Il “Cuore” dell’IA

Introdotta nel 2017 con il paper “Attention is All You Need”, questa architettura ha sostituito le vecchie tecnologie (come le RNN) grazie a due concetti chiave:

Self-Attention (Auto-Attenzione): Permette al modello di capire quali parole in una frase sono collegate tra loro, indipendentemente dalla loro distanza. Ad esempio, in “Il gatto che era sulla sedia è saltato”, il modello capisce istantaneamente che “saltato” si riferisce a “gatto”.
Parallelizzazione: A differenza dei modelli precedenti che leggevano una parola alla volta, i Transformer elaborano interi blocchi di testo simultaneamente, permettendo l’addestramento su miliardi di documenti in tempi ragionevoli.

2.a Il Processo di Addestramento

L’IA passa attraverso diverse fasi critiche:

Pre-training: Il modello “legge” gran parte di internet (libri, codice, articoli) per imparare la struttura del linguaggio. In questa fase impara a prevedere la parola successiva in una sequenza.
Instruction Fine-Tuning: Dopo l’apprendimento generale, il modello viene addestrato specificamente per rispondere a comandi (es: “Scrivi una mail” o “Spiegami la fisica”).
RLHF (Reinforcement Learning from Human Feedback): È la fase di “educazione”. Addestratori umani valutano le risposte dell’IA, premiando quelle utili e sicure e penalizzando quelle errate o tossiche. [In Africa, gli allenatori di modelli AI (data labeler/annotatori) vengono pagati cifre molto basse, spesso tra 1,32 e 2 dollari l’ora (circa 1,20€ – 1,85€) per etichettare dati e filtrare contenuti nocivi per grandi modelli di intelligenza artificiale. ]

2.b Tecniche Avanzate di Ottimizzazione

Per rendere questi colossi efficienti e precisi, si usano oggi tecniche come:

RAG (Retrieval-Augmented Generation): Invece di affidarsi solo alla memoria interna, il modello può “consultare” database esterni in tempo reale per fornire risposte aggiornate ed evitare allucinazioni.
LoRA (Low-Rank Adaptation): Una tecnica che permette di personalizzare un LLM per un compito specifico aggiornando solo una minima parte dei suoi miliardi di parametri, risparmiando tempo e memoria.
Quantizzazione: Riduce la precisione numerica dei calcoli (da 32-bit a 8-bit o meno) per far girare modelli enormi su hardware meno potente senza perdere troppa qualità.

2.c Multimodalità

L’attuale frontiera (2025-2026) è l’integrazione nativa. I modelli non convertono più l’audio o le immagini in testo per “capirle”, ma elaborano pixel, suoni e testo all’interno dello stesso spazio matematico (embeddings multimodali). Questo permette interazioni in tempo reale quasi istantanee, come se l’IA “vedesse” e “sentisse” direttamente.

3. Dagli Strumenti agli Oligarchi: La Concentrazione del Potere

Dietro la democratizzazione apparente di questi strumenti si cela una concentrazione di potere senza precedenti.

Dietro l’interfaccia amichevole di una chat si nasconde la più grande concentrazione di potere economico della storia moderna.

Le Big Tech: Nel 2026, colossi come Microsoft, Alphabet (Google), Amazon e Meta hanno pianificato investimenti (Capex) che superano i 650 miliardi di dollari. Questo crea una barriera all’ingresso insormontabile per chiunque altro.
Lo sviluppo dell’AI richiede tre risorse che solo pochissimi attori possiedono: potenza di calcolo (chip), capitali immensi e dati.Questo ha creato un ecosistema dominato da figure e aziende spesso chiamate “oligarchi del silicio” (Microsoft, Google, Meta, Amazon, NVIDIA).
L’Oligarchia Tecnologica: Non stiamo parlando solo di aziende, ma di figure (gli “oligarchi” della Silicon Valley) che detengono il potere di decidere quali verità l’AI debba veicolare e quali pregiudizi debbano essere codificati. Chi controlla l’algoritmo controlla la distribuzione della conoscenza e, di conseguenza, del potere politico.

La dipendenza: Le startup e i governi finiscono per gravitare attorno alle infrastrutture di questi giganti. Chi controlla i modelli di base controlla le regole del gioco: cosa l’AI può dire, quali valori deve rispettare e chi può accedervi, trasformando la tecnologia in una forma di potere geopolitico e sociale privato.

Citazione Note a partire dal libro “Imperialismo digitale” (Laterza) di Dario Guarascio. Articolo pubblicato sul Menabò n. 254/2026 di “eticaeconomia”. da Quando le Big Tech vanno in guerra : Quando, a inizio del 2025, alla cerimonia di inaugurazione della presidenza Trump, comparvero, schierati disciplinatamente nelle prime file, i proprietari delle più grandi imprese digitali, quella immagine segnò simbolicamente la fine di una illusione. A essere cancellata era l’idea che le grandi imprese digitali, per le loro dimensioni, per le caratteristiche della loro produzione e per la natura globale dei mercati a cui si rivolgevano, fossero interpreti di un sistema produttivo che non aveva alcun bisogno di allinearsi così platealmente al potere politico. E che anzi aveva esplicitamente difeso la propria autonomia dall’ingerenza dei poteri dello stato.

Questa narrazione non corrispondeva alla realtà già da decenni. Ma tuttavia faceva parte dell’aura di indipendenza che aveva caratterizzato la nascita delle grandi imprese digitali americane e ancora persisteva, a dispetto di una crescente compromissione con i poteri dello stato, e a difesa della necessità di non imbrigliare la benefica forza propulsiva delle imprese digitali con dannose regolamentazioni.

Ma quella della autonomia delle grandi imprese digitali dal potere politico non era la sola falsa credenza ad essere contraddetta così clamorosamente. Nei mesi precedenti, una inchiesta della rivista israeliana +972 aveva svelato l’utilizzo di sistemi predittivi basati su intelligenza artificiale nei bombardamenti su Gaza, la cui disponibilità ed utilizzo era consentito da una stretta collaborazione con alcune delle più grandi piattaforme digitali degli USA e con imprese digitali, come Palantir, esplicitamente orientate a produrre per l’apparato militare. E dalle cronache della guerra tra Russia e Ucraina emergeva l’utilizzo cruciale di infrastrutture digitali, come la rete Starlink, o come i servizi cloud di Amazon, indispensabili per consentire il funzionamento di armamenti sempre più dipendenti dalle tecnologie digitali. Agli occhi di tutti veniva svelato che l’industria digitale era direttamente coinvolta nelle guerre in corso. Ne era parte attiva, addirittura indispensabile.

4. Risorse e Impatto Planetario: Dati, risorse e pianeta

Esiste una narrazione dell’AI come tecnologia “immateriale”, che vive nel “cloud” (nuvola), un termine che suggerisce qualcosa di etereo e immateriale. In realtà, l’AI ha un corpo fisico pesantissimo che impatta direttamente sulla Terra.

La realtà è brutalmente fisica. L’addestramento di modelli come GPT-4 o Gemini richiede una quantità di energia e risorse naturali senza precedenti.

Consumo Energetico: Si stima che le emissioni di $CO_2$ dei sistemi AI possano raggiungere gli 80 milioni di tonnellate annue, paragonabili alle emissioni di un’intera metropoli come New York.
Il costo ecologico: I centri elaborazione dati (Data Center) sono enormi infrastrutture che consumano quantità spaventose di energia elettrica e acqua dolce (necessaria per il raffreddamento dei server). Ogni conversazione media con un’AI generativa equivale a “consumare” circa mezzo litro d’acqua. L’innovazione digitale corre, dunque, su un binario che spesso collide con la sostenibilità climatica.
La Sete dell’AI: I data center hanno bisogno di milioni di litri di acqua dolce per il raffreddamento dei server. Spesso queste infrastrutture vengono costruite in zone dove l’acqua è già una risorsa scarsa.
Estrattivismo minerario: Per costruire i chip (come quelli di NVIDIA) e le infrastrutture, dipendiamo dall’estrazione di terre rare in condizioni spesso poco etiche, spostando il peso ecologico e sociale del progresso verso il Sud del mondo.
Estrattivismo dei dati: Per allenare un modello serve l’intero patrimonio dello scibile umano digitalizzato. Questa “aspirazione” di dati solleva questioni etiche sul copyright e sul consenso: stiamo alimentando macchine private con la nostra creatività collettiva.

5. AI e Lavoro: tra Efficienza e Controllo

Il punto di caduta finale è il mondo del lavoro. L’AI viene spesso presentata come un “assistente”, ma il rischio è che diventi uno strumento di riduzione del costo del lavoro e di iper-sorveglianza.

L’alibi dell’automazione: Molte aziende utilizzano l’AI come pretesto per ristrutturazioni aziendali e tagli del personale, vendendo come “inevitabilità tecnologica” quella che è, in realtà, una scelta politica di gestione dei costi.
Il nuovo Taylorismo digitale: Il rischio non è solo la perdita del lavoro, ma il peggioramento delle condizioni di chi resta. L’AI permette un monitoraggio granulare delle performance, trasformando il manager in un algoritmo che valuta velocità e output in tempo reale.
La sfida: Il passaggio non dovrebbe essere “uomo contro macchina”, ma una riflessione su come distribuire i guadagni di produttività derivanti dall’AI: serviranno a ridurre l’orario di lavoro a parità di salario o solo ad aumentare i dividendi degli azionisti?

Sostituzione vs Supporto: In molti settori, l’AI viene usata come pretesto per ridimensionare il personale, automatizzando compiti cognitivi ripetitivi. Il rischio non è solo la disoccupazione, ma la svalutazione delle competenze umane.
L’Algoritmo come Manager: L’AI permette un monitoraggio delle prestazioni granulare e costante. Nelle aziende, questo si traduce in “gestione algoritmica”: decisioni su turni, licenziamenti e produttività prese da software opachi, riducendo l’autonomia dei lavoratori e aumentando la pressione psicologica.
Asimmetria di Potere: Il vero conflitto del 2026 non è tra uomo e macchina, ma tra chi possiede l’algoritmo e chi ne subisce gli effetti. La sfida è governare questa trasformazione affinché l’incremento di produttività non resti nelle mani di pochi, ma diventi un beneficio collettivo.

La registrazione dell’incontro di venerdi 8 maggio con Juan Carlos De Martin lo trovate qui, sul canale YouTube di Volere la Luna.