Incontro 65 – Superesponenziale: l’anno in cui l’IA ha cambiato pelle

L'incontro propone una lettura ad alta densità dei dodici mesi che hanno trasformato l'intelligenza artificiale in un'infrastruttura superesponenziale: agenti capaci di lavorare per ore in autonomia, modelli a codice aperto che colmano il divario con i sistemi proprietari, generatori di immagini che padroneggiano il testo. Si delineano gli effetti concreti sulle aziende, sull'energia, sullo spazio e sul contratto sociale, distinguendo le svolte reali da quelle apparenti.

I temi affrontati

• L'accelerazione del raddoppio: dalla legge di Moore al regime superesponenziale
• Agenti autonomi e sciami di agenti come nuova interfaccia di lavoro
• Modelli a codice aperto e la corsa cinese guidata da DeepSeek
• Domanda energetica, chip dedicati e data center orbitali
• Esplosione di intelligenza e codice scritto dall'IA
• Regolamentazione europea e svantaggio competitivo strutturale
• Riprogettazione delle aziende e paradosso della percezione sociale dell'IA

Il racconto

Dal raddoppio biennale al regime superesponenziale

Il filo conduttore è il restringimento dei tempi di raddoppio della potenza di calcolo e delle capacità dei modelli di intelligenza artificiale. Quello che la legge di Moore aveva codificato come un raddoppio ogni due anni è diventato, nell'ultimo lustro, una scala che si comprime: prima diciotto mesi, poi dodici, poi nove. Oggi gli annunci si succedono a cadenza quasi settimanale, da GPT 4.5 a Claude 4.7 fino a DeepSeek 4, in una dinamica che richiama l'espressione anglosassone del leapfrogging: ogni nuovo rilascio scavalca il precedente, e l'ordine fra i contendenti cambia nel giro di settimane.

Per le imprese il risultato è scomodo. La pratica consolidata di standardizzare una scelta tecnologica e non rimetterla in discussione per anni — adottare la suite di Google o di Microsoft per i documenti e dimenticarsene — diventa impraticabile sull'IA, perché le caratteristiche dei modelli di OpenAI, Anthropic, Microsoft e Google si rimescolano di mese in mese. L'unica strada operativa è la sperimentazione diretta: testare di prima mano cosa il modello sa fare, segnarsi i limiti incontrati, e tornare sul punto qualche mese dopo, perché molto spesso quei limiti sono già stati superati. Le polemiche sulle prime gaffe matematiche di ChatGPT o sul conteggio delle lettere appaiono, ad anni di distanza, perfettamente risibili — eppure il riflesso a "metterci una pietra sopra" continua a essere una delle euristiche più costose nel valutare i sistemi di intelligenza artificiale.

Agenti autonomi: dal consiglio all'esecuzione

Il salto qualitativo del 2025-2026 è il passaggio dall'IA che dà consigli all'IA che esegue. La presentazione stessa dell'incontro è stata generata con Claude Design (claude.ai/design), uno strumento che produce direttamente il file PowerPoint a partire da indicazioni di brand. Sul fronte agentico, l'arrivo di OpenClaude — software a codice aperto che persegue obiettivi con un grado di autonomia molto elevato — ha sbaragliato il campo, attirando milioni di utilizzatori e ricevendo da Jensen Huang, fondatore di Nvidia, l'etichetta di "software più importante di tutti i tempi". L'approccio agentico è poi confluito nelle piattaforme principali: Claude di Anthropic e ChatGPT di OpenAI ora coordinano sciami di agenti specializzati che attaccano lo stesso problema da angolature diverse.

La metrica più semplice di questa autonomia è la durata media dei compiti che un agente porta a termine con successo nel cinquanta per cento dei casi. A fine 2025 si misurava in pochi minuti; oggi si parla di diverse ore, con cicli di revisione e correzione che superano la decina di ore. La traiettoria attesa è giorni e settimane interi di lavoro continuativo. Il moltiplicatore reale, però, non sta nella durata in sé, ma nella combinazione fra velocità di generazione e adozione universale dei reasoning model: sistemi che non sparano la prima risposta che viene loro in mente, ma costruiscono ipotesi, le verificano, tornano sui propri passi, generando una quantità di token enormemente superiore alla precedente generazione di modelli.

Su questa base si fonda l'annuncio simultaneo, alla vigilia dell'incontro, di accordi multimiliardari fra OpenAI, Anthropic e grandi società di private equity e consulenza per fornire ingegneri specializzati alle imprese che non riescono a riprogettarsi internamente con la velocità richiesta.

Energia, chip e data center orbitali

L'altra faccia del consumo crescente è l'energia. Misurare i chip in termini di calcoli al secondo o token prodotti è ormai equivalente a misurarli in gigawatt assorbiti. Tutti i grandi attori sviluppano hardware dedicato: Trainium per Amazon, chip proprietari per Google, e così via. La fabbricazione, però, resta concentrata in tre soli stabilimenti — Intel negli Stati Uniti per una quota residuale, Samsung in Corea del Sud per una quota più rilevante, e soprattutto TSMC a Taiwan, dove si produce anche l'hardware di Nvidia. Lo sforzo annunciato da Elon Musk per costruire fabbriche di chip indipendenti è significativo proprio perché punta a rompere quel collo di bottiglia geografico.

La domanda di calcolo eccede però quanto la Terra può ragionevolmente sostenere, sia per produzione elettrica sia per qualità della rete: un data center non tollera blackout né brownout. Per questo Amazon, Google e SpaceX hanno annunciato data center orbitali, alimentati da pannelli solari e raffreddati per irraggiamento diretto nello spazio. SpaceX ha chiesto alla FAA il permesso per lanciare fino a un milione di satelliti dedicati all'IA, contro i diecimila Starlink già in orbita per le comunicazioni a banda larga.

A questo si somma il punto più speculativo dell'analisi: il miglioramento autoindotto. Già oggi gli ingegneri di OpenAI, Anthropic e Google confermano apertamente che il codice è scritto dall'IA, mentre il ruolo umano è di supervisione e indirizzo architetturale. Quando ogni fase dell'ingegneria di un sistema di IA avanzato sarà eseguibile dal sistema stesso nella versione precedente, ci si troverà nello scenario che I.J. Good chiamava "esplosione di intelligenza".

Le applicazioni che restano sulla Terra

Le ricadute concrete dell'IA non si esauriscono nello spazio. Il premio Nobel assegnato a Demis Hassabis ha riconosciuto, fra l'altro, la decodifica della forma di centinaia di milioni di proteine resa pubblica in un database gratuito ormai utilizzato da tutta la biologia molecolare. Eli Lilly ha firmato un accordo da due miliardi di dollari con un'azienda di progettazione molecolare basata sull'IA, di cui sono già stati erogati i primi cento milioni. In matematica pura, Terence Tao — riconosciuto come il matematico contemporaneo più importante — dichiara apertamente di usare l'IA per migliorare il proprio modo di pensare un problema, e si moltiplicano gli annunci di teoremi verificati o dimostrati con assistenza algoritmica.

Sul fronte dei generatori di immagini, il modello Image 2 di OpenAI rappresenta una soglia visibile: le derisioni di un anno fa, quando questi sistemi non sapevano scrivere due parole coerenti, oggi sono superate da output che gestiscono testo dettagliato e persino QR code in densi diagrammi infografici. È un caso esemplare di limite che pareva strutturale e che la traiettoria superesponenziale ha cancellato in mesi. Sul fronte open source, il rilascio di DeepSeek 4 colloca i modelli cinesi a soli quattro o cinque mesi di distanza dalla frontiera americana, e — soprattutto — consente a banche, assicurazioni e amministrazioni di installare un modello ad alte prestazioni dentro il proprio perimetro, senza dover esfiltrare dati.

Regolamentazione, lavoro e contratto sociale

Sul versante europeo, l'AI Act entrerà in vigore dal 2 agosto, imponendo a chiunque sviluppi o impieghi IA una mole rilevante di documentazione e adempimenti. Una previsione discussa è che le prime multe arriveranno presto e saranno presentate come conferma della bontà della legge, ignorando per definizione le imprese mai nate, gli investimenti mai effettuati e i benefici mai realizzati — secondo uno schema già visto con gli OGM. La regolamentazione tende inoltre a favorire i grandi player, che possono assorbire i costi di compliance, a scapito delle startup. La conseguenza pronosticata è che, dopo l'assenza europea di concorrenti a Google e a Facebook, mancheranno anche concorrenti europei a OpenAI e ad Anthropic; alcune aziende potrebbero perfino rinunciare al mercato europeo perché soddisfare i requisiti diventa troppo oneroso.

L'impatto sul lavoro viene presentato come una scommessa al rialzo: nelle imprese si stima che fino all'ottanta per cento delle attività attuali sia inutile e che esista un margine di miglioramento dell'ordine del quattrocento per cento. Davanti a un guadagno simile, le organizzazioni avranno due strade: ambire a quadruplicare il proprio mercato a parità di forza lavoro, oppure — se operano in mercati saturi o regolamentati — convertire il guadagno in riduzione del personale. La transizione richiederà una riprogettazione del contratto sociale.

Una delle previsioni discusse — sintetizzata in uno studio chiamato "il paradosso dell'AI" — è che più le persone conoscono l'IA, più ne temono l'impatto sulla società, anche quando lo ritengono positivo per sé stesse. Superare questa asimmetria fra percezione individuale e percezione collettiva è una condizione necessaria perché i benefici dell'IA arrivino davvero ai singoli, che dovranno però attrezzarsi a usare i nuovi gradi di libertà ricevuti. In questa direzione si colloca il collettivo Ikigai, un'iniziativa che applica l'IA al disegno di traiettorie di vita personalizzate basate sull'intersezione fra inclinazioni individuali, bisogni del mondo e valore economico, lavorando per cicli iterativi di sperimentazione.

Idee chiave

• La legge di Moore non è morta, ma è stata superata da un regime in cui i tempi di raddoppio si comprimono di anno in anno, rendendo obsoleta la pratica aziendale di standardizzare scelte tecnologiche per cicli pluriennali.
• L'autonomia degli agenti si misura in durata: dai pochi minuti di fine 2025 alle decine di ore odierne, con la prospettiva di compiti che si estendono a giorni e settimane.
• I data center orbitali alimentati a pannelli solari emergono come risposta strutturale al collo di bottiglia energetico e di rete elettrica terrestre.
• La capacità dell'IA di scrivere il codice della propria versione successiva avvicina lo scenario dell'"esplosione di intelligenza" già teorizzato da I.J. Good.
• I modelli a codice aperto come DeepSeek 4 spostano il vantaggio competitivo dalle infrastrutture proprietarie alla capacità delle organizzazioni di installarli e adattarli internamente.
• La regolamentazione che protegge dal rischio senza misurare il costo opportunità rischia di trasformare il continente meno competitivo in un'area anche meno servita dai prodotti di frontiera.
• Il guadagno di produttività atteso dall'IA è dell'ordine di centinaia di punti percentuali, e la sua redistribuzione fra crescita di mercato e riduzione della forza lavoro definirà il prossimo contratto sociale.

Riferimenti citati

• Legge di Moore — riferimento storico per il raddoppio biennale della potenza di calcolo, ora superato da ritmi più rapidi
• GPT 4.5, Claude 4.7, DeepSeek 4 — modelli di intelligenza artificiale di frontiera rilasciati nei mesi precedenti l'incontro
• Claude Design (claude.ai/design) — strumento di Anthropic usato per generare la presentazione dell'incontro a partire da indicazioni di brand
• OpenClaude — software open source di agente autonomo, definito da Jensen Huang "il software più importante di tutti i tempi"
• Reasoning model — categoria di modelli che eseguono ragionamento esplicito e iterativo, oggi standard nella maggior parte dei sistemi di IA
• Optimus 3 — terza generazione del robot umanoide di Tesla, attesa per giugno-luglio
• Trainium — chip dedicato all'IA prodotto da Amazon
• TSMC, Samsung, Intel — i tre produttori di chip avanzati a livello mondiale, con TSMC dominante a Taiwan
• SpaceX, Tesla — aziende di Elon Musk impegnate, rispettivamente, nei lanci orbitali e in uno sforzo di produzione interna di chip
• Starlink — costellazione SpaceX di circa diecimila satelliti per comunicazione a banda larga
• FAA — agenzia federale americana destinataria della richiesta SpaceX di lanciare fino a un milione di satelliti dedicati all'IA
• Jensen Huang, Nvidia — fondatore dell'azienda leader nei chip per IA
• I.J. Good — matematico britannico che teorizzò l'"esplosione di intelligenza" dei sistemi capaci di automigliorarsi
• Demis Hassabis — premio Nobel per il contributo alla decodifica della struttura di centinaia di milioni di proteine
• Eli Lilly — azienda farmaceutica firmataria di un accordo da 2 miliardi di dollari per la progettazione di molecole assistita dall'IA
• Terence Tao — matematico contemporaneo che dichiara di usare l'IA come collaboratore intellettuale nella matematica pura
• Image 2 (OpenAI) — modello di generazione di immagini con elevata padronanza del testo all'interno della grafica
• AI Act europeo — regolamento comunitario in vigore dal 2 agosto, citato come collo di bottiglia regolatorio per l'adozione dell'IA in Europa
• Paradosso dell'AI — studio che mostra la correlazione fra conoscenza dell'IA e percezione del suo impatto negativo sulla società
• Collettivo Ikigai — iniziativa che applica l'IA al disegno di traiettorie di vita basate sull'omonimo concetto giapponese
• Accelera — associazione non profit milanese organizzatrice degli incontri di Singularity U Milan Chapter