Il processo Musk contro OpenAI ha riportato al centro della scena una delle pagine più opache della storia recente dell’intelligenza artificiale: il licenziamento lampo di Sam Altman nel novembre 2023, il suo ritorno trionfale pochi giorni dopo, la sconfitta politica del board che aveva provato a rimuoverlo e, oggi, il riaffiorare di un documento che sembra appartenere più alla letteratura del potere che alla cronaca tecnologica, il Dossier Sutskever, 52 pagine di screenshot, ricostruzioni, episodi, accuse e memorie interne che Ilya Sutskever, cofondatore e allora chief scientist di OpenAI, inviò ai membri indipendenti del consiglio di amministrazione, cioè Adam D’Angelo, Helen Toner e Tasha McCauley.

Non è un dettaglio del Processo OpenAI, perché quel dossier rappresenta il punto in cui una sensazione, la perdita progressiva di fiducia verso Altman, diventa documento; e in un’azienda come OpenAI, nata con una missione pubblica e cresciuta fino a diventare uno dei centri di potere più importanti dell’economia digitale, la trasformazione della sfiducia in una raccolta ordinata di prove interne non è una questione personale, ma un problema di governance.

Tasha McCauley, la voce del board nel Processo OpenAI

Tasha McCauley non è mai stata il volto della crisi OpenAI, perché la storia pubblica è stata subito occupata dai nomi più riconoscibili, Sam Altman, Elon Musk, Ilya Sutskever, Greg Brockman, Satya Nadella, Mira Murati; eppure la sua deposizione video, mostrata il 7 maggio nell’aula federale di Oakland durante il Processo Musk contro OpenAI, ha avuto un peso particolare proprio perché McCauley non parla da spettatrice, ma da membro del board che nel novembre 2023 votò per rimuovere Altman.

La sua figura è interessante anche per ciò che tiene insieme: imprenditrice nel campo della robotica, ex membro del board di OpenAI, persona abituata a ragionare sull’autonomia delle macchine e sul loro impatto nel mondo reale, oltre che nome noto al grande pubblico per il matrimonio con l’attore Joseph Gordon-Levitt; ma nel Processo OpenAI la biografia diventa secondaria, perché ciò che conta è il suo ruolo nella stanza in cui si è consumata la frattura più importante della società che ha portato ChatGPT nel mondo.

Il Dossier Sutskever nel Processo Musk contro OpenAI

La parte più potente della testimonianza di McCauley non sta in un’accusa spettacolare, né in una frase costruita per diventare titolo, ma nel modo in cui descrive l’erosione della fiducia: piccoli episodi, interazioni non del tutto coerenti, versioni che non tornano, informazioni ricevute dal board in modo parziale o impreciso, fino a formare una massa critica che rende impossibile svolgere il compito fondamentale di ogni consiglio di amministrazione, cioè controllare senza dover continuamente dubitare della base informativa su cui decide.

Nel Dossier Sutskever questa frattura prende forma concreta; secondo quanto emerso nella deposizione di Sutskever e riportato da The Verge, il documento conteneva una raccolta di elementi su ciò che veniva descritto come un modello di comportamento di Altman, accusato di mettere dirigenti gli uni contro gli altri e di fornire informazioni conflittuali sui piani dell’azienda, mentre OpenAI, dal canto suo, ha sempre difeso la leadership di Altman e ha ricordato che gli eventi del 2023 sono stati esaminati da una revisione indipendente del board.

Questo passaggio è essenziale per non trasformare il Processo Musk contro OpenAI in una guerra di slogan: da una parte c’è la ricostruzione di ex membri del board e di Sutskever, dall’altra la posizione ufficiale di OpenAI, che considera chiusa quella fase e legittimata l’attuale leadership; in mezzo c’è il tema vero per CIO, CISO e board aziendali, cioè come si governa una tecnologia di frontiera quando la catena della fiducia interna si incrina.

Sam Altman, safety board e il caso delle versioni di ChatGPT

Uno degli episodi più delicati riguarda la gestione delle informazioni sulla sicurezza e sui processi di revisione; nella ricostruzione emersa dalle testimonianze, il board avrebbe maturato dubbi anche rispetto alla completezza delle comunicazioni ricevute sulle procedure interne, un punto che richiama direttamente l’accusa originaria con cui OpenAI annunciò nel 2023 la rimozione di Altman, cioè il fatto che non fosse stato “consistentemente candido” nelle comunicazioni con il consiglio.

Per un’azienda normale, una comunicazione incompleta al board è già un problema; per un laboratorio che sviluppa AI di frontiera, e che nel giro di pochi anni ha trasformato ChatGPT da esperimento tecnologico a infrastruttura usata da centinaia di milioni di persone, diventa un problema di sistema, perché la differenza tra un modello testato, un modello parzialmente revisionato e un modello rilasciato sotto pressione competitiva non riguarda la burocrazia interna, ma il confine tra controllo, velocità e rischio.

Su Digitalic abbiamo raccontato più volte come l’evoluzione di OpenAI non sia più soltanto una questione di prodotto, ma riguardi il modo in cui le aziende lavorano, sviluppano codice, prendono decisioni, analizzano documenti e integrano modelli generativi nei processi; basta guardare il salto rappresentato da GPT-5 per capire quanto la governance di questi sistemi non possa essere trattata come un tema accessorio rispetto alla potenza del modello.

Processo Musk contro OpenAI: dal profitto alla governance

Il Processo Musk contro OpenAI nasce da un’accusa più ampia, che Digitalic aveva raccontato già nel 2024: secondo Elon Musk, OpenAI avrebbe tradito la missione originaria, passando da progetto nato per sviluppare intelligenza artificiale a beneficio dell’umanità a struttura sempre più orientata al profitto e legata agli interessi di Microsoft.

Questa linea resta centrale nel processo, ma il Dossier Sutskever sposta la vicenda su un piano ancora più concreto; perché non si parla più soltanto di statuti, promesse fondative, open source, partnership commerciali o modelli societari, ma di ciò che accade nella stanza del potere quando un board sostiene di non potersi più fidare del CEO che guida il laboratorio più osservato dell’AI mondiale.

Qui il Processo OpenAI diventa qualcosa di più di una causa tra Musk, Altman e OpenAI; diventa un caso clinico sulla governance dell’intelligenza artificiale, perché mostra che il controllo di un sistema così potente non dipende soltanto da policy, audit e comitati di safety, ma dalla qualità della verità che circola dentro l’organizzazione.

Il board che licenzia Altman e poi viene travolto dai dipendenti

La crisi del novembre 2023 oggi appare con una nitidezza diversa: quattro membri del board, Helen Toner, Ilya Sutskever, Adam D’Angelo e Tasha McCauley, firmano all’unanimità il documento con cui rimuovono Altman e nominano Mira Murati CEO ad interim; nel giro di pochi giorni, però, la macchina aziendale reagisce con una forza superiore a quella del consiglio, oltre 750 dipendenti firmano una lettera per chiedere il ritorno di Altman e minacciano di lasciare OpenAI per seguire lui e Brockman in Microsoft, mentre la stessa Murati, dopo essere stata indicata come CEO temporanea, finisce per schierarsi a favore del ritorno di Altman.

È una scena che andrebbe studiata in ogni consiglio di amministrazione che oggi discute di AI: un board convinto di difendere la missione originaria viene sconfitto dal corpo vivo dell’azienda, dai dipendenti, dagli investitori, dalla partnership con Microsoft, dal mercato, dalla paura di perdere il vantaggio competitivo, cioè da tutto ciò che in una società di AI di frontiera può pesare più della governance formale.

Il punto più umano, e forse più duro, riguarda proprio McCauley: la solitudine del board member che pensa di essere nel giusto, vota una decisione estrema, poi scopre che avere ragione sul piano fiduciario non basta quando l’organizzazione intera decide che la continuità del leader vale più della frattura che il board vedeva dall’interno.

Dossier Sutskever e la crisi di OpenAI

Il Dossier Sutskever resterà probabilmente uno degli oggetti simbolici della storia di OpenAI, non perché le sue 52 pagine possano essere considerate da sole la verità definitiva su Sam Altman, ma perché rendono materiale ciò che spesso nella Silicon Valley viene lasciato nel vago: la fiducia, il sospetto, la paura che il leader più capace sia anche quello meno controllabile, la sensazione che la velocità stia superando la trasparenza.

Nel Processo Musk contro OpenAI quel dossier funziona come un controcampo rispetto alla narrazione eroica dell’AI: da una parte i modelli che ragionano, scrivono codice, analizzano immagini, guidano agenti e promettono di trasformare il lavoro; dall’altra un fascicolo di 52 pagine, una mail, un board che legge, discute, vota, perde, viene travolto e lascia il campo al CEO che aveva cercato di rimuovere.

È qui che la vicenda smette di essere soltanto americana e diventa universale per chiunque stia portando l’AI dentro un’organizzazione; prima ancora di chiedersi quanto sia potente un modello, bisogna capire se l’organizzazione che lo produce, lo vende o lo integra sia in grado di dire la verità sui suoi rischi, sui suoi limiti, sulle sue procedure di sicurezza e sulle pressioni industriali che ne orientano lo sviluppo.

Il Processo OpenAI, letto attraverso Tasha McCauley e il Dossier Sutskever, racconta proprio questo: il primo grande laboratorio dell’AI generativa non è entrato in crisi perché una macchina ha preso il controllo, ma perché gli esseri umani incaricati di controllare la macchina hanno smesso di fidarsi gli uni degli altri.

Anthropic affitta il datacenter Colossus 1: oltre 300 megawatt per alimentare Claude: potrebbe sembrare soltanto l’ennesimo accordo infrastrutturale nella corsa all’intelligenza artificiale; in realtà è un passaggio molto più profondo, perché il 6 maggio 2026 la società che sviluppa Claude ha firmato un accordo con SpaceX per utilizzare tutta la capacità di calcolo del data center Colossus 1 a Memphis, una struttura che mette in campo più di 300 megawatt di nuova capacità e oltre 220.000 GPU NVIDIA, tra H100, H200 e sistemi GB200, con l’obiettivo immediato di aumentare i limiti di utilizzo di Claude Code e delle API Claude per gli utenti paganti.

Il dato tecnico, da solo, è già impressionante; ma Anthropic non sta semplicemente comprando più potenza di calcolo, sta dimostrando che la competizione sull’AI generativa si è spostata definitivamente dal piano del modello al piano dell’infrastruttura, dal codice al watt. Ci siamo spesso concentrati (tutti) sull’AI come architettura neurale, enormi dataset; oggi questi elementi rimangono centrali (per carotà), ma non bastano più, perché il modello più avanzato del mondo diventa irrilevante se non ha abbastanza energia per rispondere e abbastanza GPU per scalare, se non ha abbastanza data center per reggere la domanda e serve territorio, fisico o forse orbitale, per continuare a crescere.

Musk e Anthropic, da nemici ideologici ad amici computazionali

La parte quasi romantica della vicenda riguarda Elon Musk, perché pochi mesi fa il fondatore di xAI aveva attaccato Anthropic con toni durissimi, arrivando a definire Claude “misanthropic and evil”; ora invece ha spiegato su X di aver dato il via libera all’accordo dopo aver incontrato i vertici dell’azienda, aggiungendo una frase perfetta per descrivere l’ambiguità della nuova stagione dell’AI: “no one set off my evil detector” (“Nessuno ha fatto scattare il mio rilevatore di malvagità). La battuta di Musk contiene una giravolta evidente, ma sarebbe un errore fermarsi al folklore del personaggio; il punto vero è che la fame di potenza computazionale è ormai così forte da costringere anche i più acerrimi nemici che si sono accusati pubblicamente, a condividere infrastruttura. La competizione sull’AI non elimina la dipendenza reciproca, la rende più sofisticata; perché chi possiede capacità di calcolo diventa, anche per i concorrenti, un fornitore inevitabile, mentre chi sviluppa modelli d’avanguardia non può più permettersi di aspettare che la propria infrastruttura cresca alla stessa velocità della domanda. La fame di compute, in altre parole, ha appena trasformato due rivali in amici; e questa immagine, più di molte analisi finanziarie, racconta il nuovo equilibrio dell’AI industriale.

Il vincolo non è più la GPU: è il watt

Il dettaglio più significativo di questo accordo arriva poi da SpaceXAI, che nella nota ufficiale sull’accordo ha scritto che “the compute required to train and operate the next generation of these systems is outpacing what terrestrial power, land, and cooling can deliver on the timelines that matter”.“La potenza di calcolo necessaria per addestrare e far funzionare la prossima generazione di questi sistemi sta crescendo più rapidamente di quanto le infrastrutture terrestri, in termini di energia, spazio disponibile e capacità di raffreddamento, siano in grado di sostenere nei tempi che contano davvero.” Qui c’è il cuore della questione, perché SpaceX non sta dicendo che mancano soltanto chip, né che serve semplicemente una supply chain più efficiente; sta dicendo che la crescita dell’AI sta superando ciò che l’infrastruttura terrestre può garantire nei tempi richiesti dal mercato, serve lo spazio.

Potenza elettrica, suolo, raffreddamento, autorizzazioni, connessioni, comunità locali, sostenibilità ambientale e stabilità delle reti elettriche diventano così i veri colli di bottiglia della prossima fase; la GPU resta il simbolo dell’AI, ma il watt ne diventa la sostanza.

Su Digitalic lo abbiamo raccontato parlando dei data center in Italia come opportunità da 30 miliardi, perché l’infrastruttura digitale non è più una voce tecnica nascosta nei piani industriali, ma una delle condizioni materiali della competitività economica; senza data center, energia e connettività non esiste cloud, senza cloud non esiste AI su scala, senza AI su scala non esiste più sovranità tecnologica credibile.

Data center orbitali: la fantascienza entra nel piano industriale

L’elemento che porta la notizia oltre la dimensione terrestre è nella stessa comunicazione di Anthropic: come parte dell’accordo, l’azienda ha dichiarato interesse a collaborare con SpaceX per sviluppare “multiple gigawatts of orbital AI compute capacity”, cioè capacità di calcolo AI orbitale su scala di gigawatt. Fino a pochissimo tempo fa, l’idea di mettere data center nello spazio apparteneva al territorio delle visioni estreme, buone per conferenze futuristiche o per slide da laboratorio avanzato; oggi entra invece nel linguaggio operativo di una delle aziende più importanti dell’AI mondiale, dentro un accordo firmato con una società che possiede razzi, satelliti, infrastrutture spaziali e una capacità unica di trasformare ipotesi ingegneristiche in sistemi industriali. Su Digitalic avevamo già affrontato questo salto con Project Suncatcher, il progetto con cui Google esplora data center AI nello spazio; allora sembrava ancora una traiettoria avanzata, forse lontana, certamente affascinante, mentre l’accordo tra Anthropic e SpaceX mostra che quella traiettoria non è più soltanto ricerca: è diventata un’opzione strategica, ancora difficilissima, piena di incognite tecniche, economiche e ambientali, ma ormai entrata nel perimetro delle decisioni industriali. La ragione è brutale nella sua semplicità: se sulla Terra mancano energia, spazio e raffreddamento nei tempi richiesti dall’AI, allora l’industria comincia a guardare fuori dalla Terra; non perché lo spazio sia magicamente più semplice, ma perché la pressione competitiva sta rendendo accettabili idee che fino a ieri sembravano eccessive.

Claude Code, API e il lato concreto della corsa all’infrastruttura

Anthropic presenta l’accordo con SpaceX dentro una comunicazione molto pratica: più capacità significa limiti più alti per Claude Code, rimozione dei limiti nelle ore di picco per gli utenti Pro e Max, aumento dei rate limit delle API Claude Opus, quindi più spazio di utilizzo per sviluppatori, aziende e clienti enterprise. Questo dettaglio è importante perché ci riporta dal cielo alla Terra, agli uffici del CIO; la fame di potenza computazionale non nasce da un capriccio dei laboratori di ricerca, ma dall’uso quotidiano di strumenti AI che ormai entrano nei processi di sviluppo software, nell’automazione documentale, nell’analisi dei dati, nella customer experience, nel supporto decisionale e nella generazione di codice.

“Ogni volta che un’azienda aumenta l’uso di agenti AI, ogni volta che un team di sviluppo sposta attività su Claude Code, ogni volta che un workflow enterprise viene orchestrato da modelli multimodali o sistemi agentici, dietro quell’apparente semplicità di interfaccia si accende una filiera industriale gigantesca; e quella filiera consuma energia, occupa territorio, richiede raffreddamento, mette sotto pressione reti elettriche e obbliga i grandi player a stringere accordi sempre più ampi.

Il compute, per usare una parola che ormai non ha più una traduzione pienamente soddisfacente, è diventato la materia prima dell’intelligenza artificiale; non una risorsa accessoria, ma l’equivalente digitale dell’acciaio, dell’elettricità e del petrolio nelle precedenti rivoluzioni industriali.

Sovranità digitale europea: non basta scrivere regole se non si possiede potenza

Per il CIO italiano il messaggio dell’accordo Anthropic, SpaceX è molto più concreto di quanto possa sembrare; perché quando la competizione AI si misura in centinaia di megawatt, centinaia di migliaia di GPU e ipotesi di calcolo orbitale su scala gigawatt, la sovranità digitale europea smette di essere soltanto una questione normativa e diventa una questione fisica.

L’Europa può avere regole migliori, maggiore sensibilità sulla protezione dei dati, un approccio più maturo alla governance e una visione più attenta ai diritti; però, se non dispone anche di capacità computazionale, energia, data center, reti, competenze e tempi di realizzazione compatibili con la velocità del mercato, rischia di trasformare la propria sovranità in un principio giuridico privo di massa industriale.

Su Digitalic abbiamo affrontato questo nodo nell’articolo sul Brussels Economic Forum 2026 e sulla costruzione di un’AI europea, dove il tema non era semplicemente difendere valori europei, ma capire come trasformarli in infrastrutture, adozione, scala e capacità produttiva; lo stesso vale per i trend di sovranità digitale del 2026, perché autonomia tecnologica e indipendenza dei dati diventano fragili se il calcolo necessario a far funzionare l’AI resta concentrato altrove.

IT4LIA e CINECA dentro una competizione AI

L’Italia non parte da zero; IT4LIA AI Factory, ospitata e gestita da CINECA al Tecnopolo DAMA di Bologna, è stata pensata proprio per rafforzare l’ecosistema nazionale ed europeo dell’intelligenza artificiale attraverso infrastrutture HPC avanzate e servizi per imprese, startup, pubbliche amministrazioni e ricerca. Il punto, però, è che iniziative come IT4LIA si muovono dentro un mercato in cui gli avversari non sono più soltanto altri centri di supercalcolo, ma coalizioni industriali capaci di mettere insieme hyperscaler, produttori di chip, società spaziali, grandi laboratori AI e capacità energetiche enormi. Anthropic, nella stessa nota in cui annuncia l’accordo con SpaceX, ricorda anche altri impegni infrastrutturali: accordi fino a 5 gigawatt con Amazon, 5 gigawatt con Google e Broadcom, 30 miliardi di dollari di capacità Azure attraverso la partnership con Microsoft e NVIDIA, oltre a 50 miliardi di dollari di investimenti in infrastruttura AI americana con Fluidstack. Questa lista dice molto più di qualsiasi slogan sulla trasformazione digitale; perché mostra che la frontiera dell’AI non si costruisce più con un singolo data center, ma con una geografia distribuita di energia, hardware, cloud, modelli, software e alleanze, spesso tra soggetti che su un altro piano restano concorrenti. Per l’Europa la lezione è dura: la sovranità non può essere soltanto difensiva, non può limitarsi a proteggere dati e regole, deve diventare capacità di costruire scala, altrimenti ogni discussione sull’AI europea rischia di fermarsi nel punto esatto in cui inizia la parte più costosa, cioè l’infrastruttura.

L’AI Factory brucia elettricità e produce token

Jensen Huang ha reso popolare l’immagine dell’AI Factory, la fabbrica di intelligenza artificiale, un luogo in cui entrano dati ed energia ed escono token, previsioni, automazioni, codice, contenuti, decisioni assistite e nuovi processi industriali; questa immagine, che su Digitalic abbiamo collegato alla trasformazione dell’AI in infrastruttura produttiva, diventa ancora più concreta davanti all’accordo Anthropic, SpaceX. Una fabbrica tradizionale aveva bisogno di materie prime, macchinari, energia, operai, logistica e mercati; una AI Factory ha bisogno di dataset, modelli, GPU, energia elettrica, raffreddamento, reti ad alta capacità, software stack, data governance e domanda applicativa costante. Il punto è che la parte immateriale dell’intelligenza artificiale, quella che vediamo nelle interfacce conversazionali e nei tool di produttività, poggia su una base sempre più materiale; cemento, rame, acqua, energia, chip, autorizzazioni, cabine elettriche, sottostazioni, contratti pluriennali e, forse, orbite terrestri basse. Questa materialità dell’AI rompe una delle illusioni più comode della trasformazione digitale: l’idea che il digitale sia leggero, quasi senza peso, come se il cloud fosse davvero una nuvola e non una rete planetaria di macchine che scaldano, consumano, occupano e devono essere alimentate ogni secondo.

La nuova geopolitica dell’AI passa dai data center

L’accordo tra Anthropic e SpaceX mostra anche un’altra evoluzione: la geopolitica dell’intelligenza artificiale non passa più soltanto dai chip esportati o bloccati, dai modelli aperti o chiusi, dalle norme sulla sicurezza o dai grandi fondi pubblici; passa sempre di più dai luoghi in cui la potenza di calcolo può essere installata, alimentata e difesa. Memphis diventa così più di una città americana che ospita un grande data center; diventa un nodo della geografia AI mondiale, come lo sono le aree dove si concentrano energie rinnovabili, fibra, terreni disponibili, acqua per il raffreddamento o, in prospettiva, capacità di lancio e infrastrutture spaziali. Per un CIO questo significa che le decisioni tecnologiche dei prossimi anni non potranno essere separate dalle decisioni infrastrutturali; scegliere un modello, una piattaforma cloud, un fornitore AI o una strategia dati significherà anche scegliere una dipendenza energetica, una giurisdizione, una catena di fornitura, un livello di resilienza e un’esposizione geopolitica.

Cloudflare licenzia 1.100 persone pari al 20% del personale e nello stesso giornonello stesso giorno in cui ha comunicato ricavi in crescita del 34% rispetto all’anno precedente, la decisione arriva dopo l’implementazione dell’AI Agentica.

Cloudflare licenzia il 20% dei dipendenti, ma cresce

Per anni il mercato ha associato i grandi tagli nel settore tecnologico a crisi, frenate improvvise, crolli post-pandemici o modelli di business che non riuscivano più a sostenere la crescita promessa; qui invece sta succedendo qualcosa di completamente diverso, quasi opposto: un’azienda che continua a espandersi, che consolida il proprio ruolo nell’infrastruttura di Internet e che, proprio mentre accelera, decide di ridurre drasticamente il numero di persone necessarie per funzionare. La dichiarazione di Matthew Prince, fondatore della società, è chiara fino al grottesco “Solo perchè sei in forna questo no significa che non possa essere ancora più in forma”.

Il caso Cloudflare non è solo molto diverso dagli altri licenziamenti che abbiamo visto negli ultimi anni; ma mette in evidenza il tema non tanto dei dei costi ma della ridefinizione del modello operativo.

Matthew Prince e il primo vero passaggio all’azienda “agentic-first”

Matthew Prince non è un CEO qualsiasi della Silicon Valley; da sedici anni costruisce Cloudflare attorno all’idea di “un Internet migliore”, una formula che nel tempo è diventata quasi una postura culturale, più che uno slogan aziendale e che ha trasformato la società in uno dei grandi snodi invisibili della rete globale. Insomma uno di quei Ceo illumnati che oltre al profit raccontano di volere inseguire il sogno di una Internet più sicura per tutti. Ma cosa è Cloudflare? Oggi non è semplicemente una società di cybersecurity; è uno strato infrastrutturale di Internet, uan coperta di sicurezza che avvolge quasi tutto quello che vive online, proteggendo siti, piattaforme, servizi cloud e applicazioni distribuite in tutto il mondo.

Le parole usate da Prince durante la call con gli analisti hanno un peso particolare; perché non arrivano da un manager che sta rincorrendo il mercato ma da uno dei protagonisti della trasformazione dell’infrastruttura digitale globale.
“Just because you’re fit doesn’t mean you can’t get fitter”, ha detto, spiegando che anche un’azienda efficiente può diventarlo ancora di più grazie all’intelligenza artificiale; poi ha usato una frase ancora più interessante: “It was like going from a manual to an electric screwdriver”, cioè il passaggio da un cacciavite manuale a uno elettrico, una metafora che racconta bene la natura del cambiamento, perché non descrive semplicemente un miglioramento incrementale ma una modifica del rapporto stesso tra lavoro, velocità ed energia necessaria per ottenere un risultato. E’ l’automazione industriale dell’AI che arriva con tutta la sua potenza nella realtà e sostituisce compiti di alto livello.

Tutto questo ha una spiegazione: “the use of AI has increased over 600% in the last three months”, abbiamo aumentato dle 600% l’uso dell’A agentica negli ultimi 6 mesi… abbiamo usato gli Agenti e AI e ora ci occorrono meno persone di quelle che impiegavamo prima, dice sostanzialmente

L’AI non sta più assistendo il lavoro, sta cambiando il perimetro del lavoro umano

Negli ultimi due anni abbiamo raccontato l’intelligenza artificiale soprattutto come supporto alla produttività: copiloti, assistenti, strumenti per scrivere codice più velocemente, sintetizzare riunioni, automatizzare attività o generare contenuti.
Il caso Cloudflare mostra invece un altro passaggio, molto più profondo e anche più crudo,  perché qui l’AI non viene più usata per aiutare il lavoro umano ma per ridefinire quale parte del lavoro umano continui a essere necessaria.

Su Digitalic abbiamo raccontato più volte come l’intelligenza artificiale stia diventando infrastruttura critica delle imprese, modificando cloud, cybersecurity, governance e data center, fino al concetto di AI Factory teorizzato da Jensen Huang. AI Factory: perché Jensen Huang dice che le aziende diventeranno fabbriche di intelligenza artificiale
Cloudflare aggiunge un nuovo pezzo del puzzle; perché mostra cosa accade quando questa trasformazione infrastrutturale entra direttamente nell’organizzazione del lavoro.
Il termine “agentic”, che fino a pochi mesi fa sembrava quasi una parola da addetti ai lavori, improvvisamente assume un significato concreto; perché un sistema agentico non si limita a suggerire o assistere ma esegue task, coordina workflow, interagisce con altri sistemi e porta avanti attività in autonomia crescente. In pratica non è più il software che aiuta una persona a lavorare meglio; è il software che assorbe una parte del lavoro (o tutto)

Licenziamenti tech: da PayPal a Coinbase

Ma la questione non riguarda solo Cloudflare; nella stessa settimana, sono arrivati annunci simili da parte di PayPal, Coinbase, Freshworks, Arctic Wolf, Ticketmaster e Upwork.
I settori sono differenti, le storie aziendali non sovrapponibili; eppure emerge un filo comune sempre più evidente: l’AI sta smettendo di essere uno strato aggiuntivo e sta diventando il criterio attorno a cui vengono ridisegnate le aziende e ridefinito il lavoro uamno.
Questo è probabilmente il vero messaggio che oggi devono cogliere CIO e CEO; perché non siamo più nella fase sperimentale dell’intelligenza artificiale, quella dei progetti pilota o dei team innovation che testano casi d’uso limitati, ma in una fase in cui le imprese iniziano a ripensare struttura, processi e dimensionamento delle organizzazioni assumendo che una parte crescente delle attività verrà svolta da sistemi autonomi, si apre una fase che non è solo tecnologica ma quasi morale… Se l’AI automatizza funzioni e interi lavori cosa si fa con la maggiore produttività e redditività che genera? Cloudfare ha deciso di far crescere il numero in fondo alla linea di bilancio, di annunciara una crescita del 34%, di remunerare gli azionisti

La severance package racconta più delle dichiarazioni ufficiali

C’è poi un aspetto da analizzare: la severance package prevista da Cloudflare, la buonuscita diremmo da noi. L’azienda garantirà ai dipendenti licenziati la paga base fino alla fine del 2026 e manterrà alcune componenti equity fino al 15 agosto. In Silicon Valley non è una misura banale; ed è probabilmente il punto in cui emerge la tensione più profonda di tutta questa storia.Perché questi dipendenti non vengono licenziati perché hanno fallito, né perché l’azienda stia attraversando una crisi; vengono tagliati perché l’organizzazione aziendale sta cambiando più velocemente della struttura occupazionale costruita negli anni precedenti, questo che rende la fase attuale così diversa dalle precedenti rivoluzioni tecnologiche. Nel Novecento i licenziamenti di massa erano quasi sempre il sintomo di una debolezza industriale; oggi iniziano invece ad arrivare nelle aziende più forti, più profittevoli e più avanzate dal punto di vista tecnologico… non si taglia perché il business rallenta; si taglia perché il business continua a crescere anche con meno persone. Senza una struttura di welfare il rischio è che si trasformi in un’ondata drammatica.

Licenziamenti tech: il problema non è tecnologico, è culturale

Matthew Prince, uno degli uomini che per anni ha parlato di un Internet “migliore per tutti”, si trova ora nella posizione di dover ridefinire concretamente chi rientra ancora in quel “tutti”, se ci siano persone che sono “più tutti di altri”.
Su Digitalic abbiamo già raccontato come l’AI stia modificando il DNA stesso delle aziende, trasformando infrastrutture, sicurezza e governance in un ecosistema operativo sempre più autonomo. AI e infrastrutture: perché l’intelligenza artificiale sta cambiando il DNA delle aziende
Oggi la questione riguarda la forma stessa delle organizzazioni: aziende costruite assumendo che una parte del lavoro cognitivo venga svolta stabilmente da agenti autonomi, sistemi che non si limitano più a supportare le persone ma iniziano a sostituire intere porzioni di attività operative, decisionali e gestionali.
Questa è parte più destabilizzante della transizione che stiamo attraversando; perché l’intelligenza artificiale non sta entrando nelle aziende come una tecnologia aggiuntiva, sta lentamente diventando il principio attorno a cui le aziende vengono riprogettate e le persone licenziate. Serve capire il fenomeno per approntare, almeno in Europa dei correttivi, una flessibilità sicura come in Danimarca e raccontata anche dal premio Nobel per l’Economia Philippe Aghion.

Philippe Aghion al Al Brussels Economic Forum  ha mostrato i dati: l’intelligenza artificiale può aggiungere almeno un punto percentuale di crescita all’anno all’economia europea per un decennio intero, e almeno mezzo punto percentuale per sempre. Non come scenario ottimistico da convegno: come stima minima, calcolata in laboratorio da Philippe Aghion, co-vincitore del Premio Nobel per l’Economia 2025.

Distruggerà posti di lavoro? Sì. Ma ne creerà molti di più, e il motivo sat in un elemento poco trattato nel dibattito pubblico: l’AI non automatizza soltanto la produzione di beni e servizi; rende più facile generare idee nuove, accelera la ricombinazione di conoscenze esistenti, abbassa il costo di fare innovazione. È un moltiplicatore cognitivo, non solo un sostituto operativo. Chi si concentra solo sulla prima parte del ragionamento, quella dei lavori persi, perde la parte più importante.

Philippe Aghion lo ha detto sul palco del Brussels Economic Forum 2026, nell’intervento che seguiva il discorso d’apertura del Primo Ministro del Lussemburgo Luc Frieden sul tema “The EU’s AI Economy in the Global Race”, e il Nobel ha fatto quello che gli economisti migliori sanno fare, ha messo i numeri dove ci sono normalmente solo idea, a volte fumose.

Philippe Aghion

Il calcolo: due curve, una sola direzione

Il modello che Philippe Aghion ha presentato separa due effetti distinti. Il primo, più visibile e già abbondantemente discusso: l’AI automatizza processi produttivi, riduce i costi, aumenta l’output a parità di input. Questo effetto da solo vale 0,7 punti percentuali di crescita aggiuntiva all’anno per dieci anni. Per un’economia che cresce all’1% annuo, significa arrivare all’1,7% per un intero decennio prima di tornare al ritmo di base. Non è trascurabile.

Il secondo effetto è quello che quasi nessuno quantifica: l’AI rende più facile trovare idee nuove. Le idee sono quasi sempre ricombinazioni di idee esistenti; con l’AI si può ricombinare su scala molto più ampia, selezionare molto più velocemente, esplorare spazi e soluzioni che un ricercatore umano non raggiungerebbe in una carriera intera. Questo effetto sull’innovazione aggiunge almeno 0,3 punti percentuali permanenti, non limitati al decennio: la crescita della conoscenza non si esaurisce, si accumula. Il totale minimo è quindi un punto percentuale per dieci anni e almeno 0,5 punti per sempre. “Minimo”, ha detto Aghion. Con l’accelerazione in corso, la stima potrebbe salire.

Il punto sul quale il Nobel Philippe Aghion ha insistito è proprio questo: nel dibattito sull’AI si parla quasi esclusivamente di automazione e di sostituzione del lavoro umano, trascurando sistematicamente l’effetto sull’innovazione. L’AI non è solo una macchina che produce più velocemente quello che già sappiamo produrre: è uno strumento che abbassa la barriera all’entrata per generare idee nuove, che moltiplica la capacità inventiva di chi la usa, che comprime i tempi tra una scoperta e quella successiva. È qui che risiede il potenziale di crescita più duraturo, e ignorarlo significa costruire politiche industriali sulla metà sbagliata dell’equazione.

AI e lavoro: distrugge, ma crea di più

La domanda che spaventa CIO, responsabili HR e sindacati è sempre la stessa: quanti posti di lavoro spariscono con l’AI? Philippe Aghion ha risposto con i dati raccolti in Francia sulle aziende che hanno adottato strumenti come ChatGPT: nei mesi successivi all’adozione, l’occupazione in quelle aziende è cresciuta, non diminuita. La produttività è aumentata, la competitività è migliorata, la domanda globale per i loro prodotti è salita, le vendite sono salite. Il meccanismo è lo stesso che Schumpeter aveva chiamato distruzione creativa: si distruggono certe categorie di mansioni, se ne creano di nuove, e il saldo netto tende ad essere positivo quando l’ecosistema è in grado di accompagnare la transizione.

La condizione non è scontata: serve un sistema educativo che insegni alle persone a lavorare con l’AI invece di essere sostituite da essa e serve un sistema di protezione sociale che renda gestibile la transizione per chi perde il lavoro prima di trovarne uno nuovo. Qui Philippe Aghion ha citato il modello danese di flexicurity con una dichiarazione di campo: “Sono molto danese su questo.” In Danimarca chi perde il lavoro riceve fino al 90% del proprio stipendio per due anni, lo Stato lo riqualifica e lo aiuta a reinserirsi. Non è assistenzialismo, ma si tratta di un investimento nella mobilità del lavoro, che è la condizione affinché la distruzione creativa funzioni senza lasciare indietro le persone. Il tema si intreccia direttamente con quello delle competenze digitali nelle imprese italiane, già centrale nel dibattito sull’adozione dell’AI in Europa e sulle scadenze regolatorie del 2 agosto 2026.

Prima la diagnosi: l’Europa che non trasforma la ricerca in prodotti

Il potenziale c’è. Il problema è che l’Europa rischia di costruire la conoscenza e lasciare che altri la monetizzino. Aghion è un economista che ha trascorso una carriera a studiare come l’innovazione si traduce in crescita; al BEF 2026 ha mostrato i dati con la stessa neutralità con cui si legge una radiografia.

Il PIL pro capite dell’area euro rispetto agli Stati Uniti, dopo la Seconda Guerra Mondiale l’Europa era devastata, poi il recupero sostenuto dal Piano Marshall e da sistemi educativi che avevano consentito di assorbire la seconda rivoluzione industriale americana; a metà degli anni Ottanta il gap si era quasi chiuso. Poi qualcosa si è inceppato: la rivoluzione IT degli anni Novanta è esplosa negli USA e l’Europa non è riuscita a cavalcarla. Il cloud è americano; i sistemi su cui girano la maggior parte delle aziende europee sono americani; i modelli di AI su cui si lavora ogni giorno sono prevalentemente americani.

La slide più difficile da digerire è quella sui brevetti ad alta tecnologia: blockchain, computer vision, genome editing. L’Europa è in verde, la curva scende; la Cina è in blu, la curva sale; gli USA dominano. Il dato che rende quella discesa ancora più amara è questo: buona parte della ricerca che sottende quelle innovazioni viene svolta in Europa. I talenti ci sono; il problema è che i risultati di quella ricerca non si trasformano in prodotti lanciati qui, si trasformano in prodotti lanciati a San Francisco o a Shenzhen. Aghion ha usato la parola “dramma”: una ricerca di livello mondiale che non riesce a diventare innovazione implementata in Europa.

Il segnale strutturale più eloquente è questo: in Europa le aziende in cima alle classifiche dei brevetti sono le stesse di venticinque anni fa, negli USA la lista è quasi irriconoscibile; la distruzione creativa ha funzionato, le grandi aziende di ieri sono state sfidate e superate. In Europa si rimane incastrati nell’innovazione incrementale, nel “mid-tech”, in quello che non rompe nulla di esistente e quindi non scala globalmente. Il rapporto Draghi lo fotografa senza ambiguità: nessun mercato unico vero, regolazioni nazionali che si sovrappongono a quelle europee in modo frammentato, mercato dei capitali non integrato, un ecosistema che punisce il rischio invece di finanziarlo.

AI Europa e Il rischio superstar: i giganti che smettono di crescere e iniziano a bloccare

La lezione più utile che Aghion ha portato al BEF viene dall’esperienza della rivoluzione IT: tra il 1995 e il 2005 la crescita americana è accelerata, aggiungendo circa 0,8 punti percentuali all’anno; poi le grandi piattaforme, Google, Microsoft, Amazon, si sono espanse senza che la politica di concorrenza si adattasse. Quando sono diventate abbastanza grandi hanno iniziato a scoraggiare l’ingresso di nuovi player innovativi; i grandi elefanti della tecnologia hanno cominciato a mangiarsi i nuovi nati.

Applicata all’AI attuale, la logica è questa: la parte alta della catena del valore, il cloud, è dominata da tre aziende; il mercato dei processori grafici necessari per addestrare i modelli è dominato essenzialmente da un solo attore. Le infrastrutture su cui dovrà girare l’AI europea sono oggi nelle mani di chi non è europeo, e potrebbe non avere interesse a permettere la crescita di competitor. Una dinamica già al centro del dibattito sulla sovranità digitale e il controllo dell’infrastruttura, che le imprese italiane più avanzate stanno affrontando con scelte concrete sul cloud e sui modelli.

Le contromisure indicate dal Nobel sono quattro: open source, accesso facile ai dati, estensione del Digital Market Act al cloud, regolazione intelligente che non soffochi i nuovi entranti a vantaggio dei grandi già consolidati. “Se sovraregolate, i grandi incumbent sanno come gestirla, i nuovi entranti no.” Serve regolare, ma regolare in modo selettivo. A questo va aggiunto ciò che in Europa si è a lungo pronunciato sottovoce: la politica industriale. Non avere un equivalente europeo della DARPA americana, la Defense Advanced Research Projects Agency, è per Aghion un errore strutturale; gli USA combinano concorrenza e DARPA, la Cina combina politica industriale e competizione interna, l’Europa ha scelto il solo Patto di Stabilità applicato senza distinzione tra spesa corrente e investimento in ricerca, crescita e transizione energetica. Questo deve cambiare.

Il vantaggio che non sappiamo usare: democrazia, valori e Jan LeCun a Parigi

L’ultima parte del discorso di Aghion ha preso una direzione inattesa per un econometrico. Ha parlato di soft power con la stessa intensità con cui aveva parlato di equazioni di crescita: l’Europa ha democrazia, libertà, un modello sociale, una sensibilità verso il clima che nessun’altra grande potenza ha ancora tradotto in politica sistemica. Sono asset competitivi per attrarre talenti globali in un momento in cui la concentrazione di ricercatori di alto livello determina chi costruisce i modelli migliori.

La prova più concreta è Yann LeCun: già responsabile scientifico dell’AI di Meta, ha lasciato la big tech nel 2025 e ha fondato a Parigi AMI Labs (Advanced Machine Intelligence), raccogliendo 1,03 miliardi di dollari in un seed round; il più grande mai realizzato in Europa, con una valutazione pre-money di 3,5 miliardi. Ha scelto Parigi, non Palo Alto, perché “c’è una domanda enorme da parte di aziende e governi per un fornitore credibile di AI avanzata che non sia né americano né cinese”. Formato in Europa, in Europa è tornato a fare ricerca e a scommettere sulla prossima architettura che potrebbe superare i Large Language Model. Aghion ha esplicitato il ragionamento: bisogna dar loro, a LeCun, a Mistral, ai talenti che tornano o che non se ne sono mai andati, l’ambiente in cui possono lavorare meglio. Perché partecipare alla rivoluzione AI non è solo una questione di PIL: è la condizione per avere voce su come quella tecnologia viene costruita, su quali valori porta con sé.

Un’AI sviluppata in Europa porta valori europei; un’AI sviluppata altrove porta i valori di chi l’ha costruita. Su questo punto il Nobel non ha lasciato spazio all’ambiguità.

Aghion si è definito un “ottimista combattivo”. Ottimista perché il potenziale è reale e misurabile: almeno un punto percentuale di PIL in più all’anno, più innovazione, più occupazione a saldo positivo. Combattivo perché nessuno di questi risultati arriva da solo; servono un ERC autonomo come la BCE con budget decennali, un equivalente europeo della DARPA, una Savings and Investment Union che trasformi i 12 trilioni di risparmio privato europeo da parcheggio immobiliare in carburante per l’innovazione, scuole che insegnino a imparare prima di insegnare contenuti, un sistema di protezione del lavoro che renda la transizione sostenibile.

Il Brussels Economic Forum 2026 non si è chiesto quest’anno “come possiamo crescere come Europa”, ma “come facciamo a restare protagonisti in un mondo dove altri hanno già riscritto le regole del gioco”. Il tema di quest’anno è “The EU’s AI Economy in the Global Race”. Siamo in una corsa, con gli Stati Uniti e la Cina che stanno arrivando al traguardo, mentre l’Europa discute ancora le regole della gara.

La 26a edizione dell’evento di punta della Commissione Europea, organizzata dalla DG ECFIN e condotta da Méabh Mc Mahon e Sasha Vakulina di Euronews, ha riunito a Bruxelles economisti, commissari, leader politici, professori universitari e rappresentanti dell’industria. Sul palco, tra gli altri, il Commissario Valdis Dombrovskis, il premio Nobel 2025 Philippe Aghion e il Primo Ministro del Lussemburgo, Luc Frieden: è stato lui a tenere il discorso d’apertura e a definire i temi dell’intera giornata.

Luc Frieden, Primo ministro del Lussemburgo

L’AI non è un ciclo tecnologico: è una ridefinizione del mondo

Frieden al Brussels Economic Forum 2026 (#EUBEF2026) ha cominciato smontando una narrazione diffusa, quella che riduce l’intelligenza artificiale a un’altra ondata tecnologica. Non è così: “Non è solo un altro ciclo tecnologico”, ha detto; “è qualcosa che guiderà una trasformazione fondamentale, che ridefinirà le nostre economie e le nostre società in modo profondo”. La distinzione è cruciale per chi si occupa di IT nelle imprese: non si tratta di adottare uno strumento in più, si tratta di decidere da che parte della trasformazione stare.

La domanda che pone il Primo Ministro del Lussemburgo ha posto a tuti è “come si costruisce un’intelligenza artificiale che sia europea nei valori, non solo nell’indirizzo fisico dei server”.

 Brussels Economic Forum 2026:  “AI dell’Europa, dall’Europa, per l’Europa”

Luc Frieden ha parafrasato Lincoln in modo esplicito e non casuale: ha invocato un’AI of Europe, by Europe, for Europe. L’idea è che l’AI finirà per influenzare ogni sfera della vita, allora deve essere costruita secondo i valori di chi quella vita la vive: democrazia, stato di diritto, dignità umana; non sono formule astratte, sono il soft power concreto dell’Europa nel mondo.

Il Primo Ministro ha citato casi specifici: i giornalisti che usano strumenti AI devono farlo nel rispetto della libertà di stampa; le piattaforme social che usano algoritmi AI devono farlo nel rispetto della coesione democratica; i medici che usano AI nella ricerca devono farlo nel rispetto della privacy delle persone. Il progresso, ha detto Frieden, ha bisogno di uno scopo; le rivoluzioni tecnologiche hanno bisogno di senso. Ha aggiunto una riflessione sottile: quando parliamo di “intelligenza artificiale” tendiamo a concentrarci sulla parola intelligenza, dimenticando la parola artificiale. L’AI non deve sostituire gli esseri umani: deve aiutarli a prendere decisioni migliori. Gli esseri umani, alla fine della catena, decidono ancora.

Tutto questo riconduce il tema della sovranità a una dimensione operativa concreta. Essere sovrani nell’era dell’AI non significa alzare muri: significa avere il controllo su dati, infrastrutture e modelli. “Chi detiene i dati? Chi gestisce il cloud? Chi costruisce i modelli? Se le risposte a queste domande stanno fuori dall’Europa, il nostro futuro è nelle mani di altri”. Un tema che in Italia stiamo affrontando su scala enterprise: ne abbiamo parlato in modo approfondito nell’articolo sull’autosufficienza AI europea e il piano da 200 miliardi, e nei trend di sovranità digitale 2026 che segnano uno spartiacque per le imprese.

Tre priorità, tre fronti aperti

Il discorso di Frieden al Brussels Economic Forum 2026 ha identificato con precisione le tre leve su cui l’Europa deve agire adesso, non nel prossimo piano quinquennale. La prima è l’adozione su larga scala. Oggi, ha ricordato il Primo Ministro, pochissime aziende e governi hanno integrato davvero l’AI nei processi core. Il rischio è concreto: costruire infrastrutture avanzate, anche gigafactory di calcolo, che restino fabbriche fantasma perché non ci sono clienti. I governi devono guidare la domanda attraverso i propri acquisti; per questo Frieden ha accolto positivamente la scelta della Commissione Europea di orientare le istituzioni UE verso servizi cloud sovrani, sottolineando con soddisfazione evidente che proprio aziende lussemburghesi sono state selezionate tra i fornitori: Post Telecom, OVHcloud, Scaleway, Proximus. Non è campanilismo: è la dimostrazione che il modello europeo può funzionare, generare domanda e alimentare l’offerta.

La seconda leva è la velocità. Qui Frieden ha detto una cosa importante: “L’AI non premia i perfezionisti, premia i veloci”. Quelli che provano, falliscono e riprovano. Mentre l’Europa tende a pianificare, i competitor americani e cinesi applicano prima e correggono dopo; dove noi percepiamo il fallimento come la fine del percorso, loro lo vedono come parte del percorso. Il Primo Ministro ha chiesto sandbox normative per le startup AI, obiettivi aggressivi di deployment nel settore pubblico e una cultura che premi l’esecuzione, non solo il documento di roadmap. Un’urgenza che si intreccia con le scadenze regolatorie: il 2 agosto 2026 l’AI Act entra nella fase sanzionatoria piena, e chi ha rimandato si trova con meno tempo del previsto.

La terza leva è il capitale. Frieden ha citato un numero che suona come un paradosso: l’Europa siede su circa 12 trilioni di euro di risparmio privato. La maggior parte finisce in immobili e titoli di Stato, non nell’innovazione deep tech. Le ragioni sono culturali e strutturali: un’avversione al rischio superiore alla media globale, normative che spingono fondi pensione e banche verso asset sicuri, regole che rendono difficile investire in startup avanzate. Il Primo Ministro ha invocato la Savings and Investment Union come urgenza operativa, non come aspirazione di lungo periodo; ha chiesto earmarking di quote minime dei fondi pensione europei verso l’AI, ha chiesto la sicururezza dei prodotti pensionistici transfrontalieri, ha chiesto che si smetta di aggiungere livelli nazionali di regolazione sopra quelli europei già esistenti. L’Europa produce ricerca AI di livello mondiale; il problema è che trasforma quella ricerca in pochissime aziende scalabili. Questo, ha detto Frieden, deve cambiare.

Il Lussemburgo come laboratorio europeo

Frieden non ha solo teorizzato: ha portato sul palco del Brussels Economic Forum 2026 un caso concreto. Il Lussemburgo ha firmato il primo contratto whole of government con Mistral AI, il modello linguistico europeo più avanzato, per dimostrare che è possibile sviluppare AI su scala pubblica con tecnologia europea. Ha lanciato la campagna nazionale AI4LUX, con il tagline “AI al servizio delle persone”, legando la strategia AI a quella sui dati e a quella sul quantum computing: tre colonne di una stessa architettura strategica.

Il tutto, ha precisato, “deliberatamente progettato e realizzato con una mentalità europea”, non nazionale. La distinzione non è retorica: un paese da 650.000 abitanti non scala nessuna infrastruttura AI da solo. Come hub europeo aperto, come piattaforma per le aziende di tutta l’Unione, il Lussemburgo può diventare un moltiplicatore. “Non costruiamo muri: costruiamo connessioni”. La logica del mercato unico applicata all’intelligenza artificiale; dati, modelli e capacità computazionale che fluiscono liberamente tra i confini europei per creare un valore aggregato che nessuno Stato membro potrebbe generare in solitudine.

Il tema del controllo sui dati come condizione di competitività AI è già nei numeri: il Global AI Report 2026 di NTT Data documenta che il 59,4% degli AI Leader identifica la sovranità dei dati come prima preoccupazione di governance, contro il 49,6% dei laggard: chi governa i dati, governa l’AI; chi governa l’AI, governa il vantaggio competitivo.

Le tre scelte europee sull’AI

Frieden ha chiuso con una sintesi: l’Europa è di fronte a tre scelte: frammentazione o scala, dipendenza o sovranità, esitazione o azione. La quarta scelta, quella che sottende tutte le altre, è la più insidiosa: pensare in piccolo oppure pensare europeo. “In questa nuova era dell’AI, nessun paese può farcela da solo, ma insieme, l’Europa può. Insieme, l’Europa ce la farà.”

Brussels Economic Forum 2026

L’infrastruttura di base nel mondo che abbraccia l’AI è la connettività. Molte aziende sono impegnate in una radicale trasformazione delle proprie organizzazioni intorno all’AI, ma spesso dimenticano che il primo passo è la connettività. Questo vale sia per chi usa modelli pubblici, nel cloud, sia per chi sceglie l’AI in casa, on-premise, anche se è meno immediato.

Quando un’azienda installa un cluster AI nella propria sede, con storage, modelli proprietari e tutto il silicio del caso, il calcolo è chiuso ma il consumo è aperto. Il modello vive nel rack, chi lo interroga sta altrove: colleghi in smart working, filiali, consulenti, clienti, integrazioni con CRM ed ERP cloud, telemetria di impianti, flussi video. Ogni richiesta attraversa due volte la linea della sede; una per entrare, una per uscire con la risposta del cluster.

Su una FTTC o una FTTH GPON condivisa il risultato è prevedibile: interfacce lente, upload eterni dei dataset, VPN che cadono, dashboard congelate. I collaboratori si arrangiano nel modo peggiore per un sistema AI aziendale: scaricano dati in locale, duplicano cartelle, salvano copie sui propri portatili. La governance si indebolisce, la sicurezza si sgretola, si rischia anche di perdere la coerenza dei dati. Un investimento che nasce per armonizzare ed efficientare l’azienda finisce per polverizzare conoscenze, sicurezza e omogeneità.

Ehiweb risponde a questo scenario con la sua FIBRA Dedicata, ovvero una linea a uso esclusivo, velocità simmetriche dai 10 Megabit ai 100 Gigabit, banda garantita al 100%, tecnologia E-NNI, SLA contrattuali chiari sui tempi di ripristino. La simmetria significa che un dataset da 200 GB può essere caricato o scaricato alla stessa identica velocità; la banda garantita significa che alle quindici di martedì l’inferenza risponde come alle sette del mattino di domenica; il jitter prevedibile significa che la latenza non vanifica il vantaggio del modello. Se infatti la rete è responsabile di ritardi, anche la GPU più costosa lavorerà non al pieno della sua potenza. Per un cluster AI questi elementi non sono dettagli; sono la differenza tra una struttura efficiente e una che resta “bloccata”.

Molte PMI non hanno la possibilità di creare le condizioni (raffreddamento e spazio tecnico) per attivare in casa un rack GPU, e scelgono di ospitarlo in un data center di terzi mantenendone la proprietà piena. Una fibra dedicata punto-punto è in grado di collegare gli uffici a quel rack come se fosse nella stanza accanto: il traffico tra utente e cluster non transita su Internet pubblica, resta in un circuito privato fino al data center. Per i CIO che hanno scelto l’on-premise per non perdere il controllo dei dati, in linea con il piano europeo per le AI Factories e con l’AI Act, è l’unica configurazione coerente con quell’obiettivo.

C’è poi il fattore tempo: una fibra dedicata richiede studio di fattibilità, lavori di scavo, posa, cablaggio, permessi. Quindi tra i 60 e i 120 giorni a seconda della distanza dalla dorsale ottica e della complessità del sito: una vera e propria infrastruttura che va progettata insieme all’hardware AI, non dopo. Un AI cluster pronto e una linea ancora da attivare significano mesi di sottoutilizzo e frustrazione. Ehiweb porta la fibra dedicata anche in zone non servite, lavora con più carrier per ottimizzare i costi, definisce gli SLA personalizzati.

C’è anche un orizzonte di medio periodo che vale la pena considerare. Un cluster on-premise spesso evolve verso un modello ibrido, il che comporta un sistema con training in cloud su modelli avanzati, inferenza in casa, backup distribuiti, sincronizzazioni periodiche di dataset importanti. Una fibra dedicata regge questa architettura, una linea condivisa la frena. Le aziende che vogliono investire in AI dovrebbero investire nell’infrastruttura primaria in grado di abilitarla: la connettività dedicata.

Digitalic per

Dall’inizio del 2026, 93.038 lavoratori del settore tecnologico globale hanno perso il posto, oltre 47.000 di questi tagli sono collegati direttamente a processi di riorganizzazione guidati dall’intelligenza artificiale o giustificati da investimenti in infrastrutture AI. Se il ritmo attuale resterà invariato, la stima di TradingPlatforms, costruita su dati TrueUp, TechCrunch e documenti WARN statunitensi, porta la proiezione a 298.701 licenziamenti entro fine anno: più dell’intero 2025, che aveva già registrato un record. In Italia, il settore più esposto non è il tech: sono le banche.

Sono numeri che circolano da settimane, ma che raramente vengono letti nella loro completezza, separando quello che i dati dicono davvero da quello che le comunicazioni aziendali vogliono far credere. Perché dentro quei 93.000 c’è di tutto: tagli strutturali guidati dall’automazione, correzioni delle assunzioni gonfiate durante il periodo pandemico, e in una quota rilevante, secondo diversi analisti, una narrativa dell’AI usata come copertura per decisioni che con l’intelligenza artificiale hanno poco a che fare.

Licenziamenti tech 2026: i numeri azienda per azienda

I dati del primo trimestre 2026, elaborati da RationalFX su fonti analoghe, indicano 78.557 licenziamenti tra gennaio e marzo, con gli Stati Uniti che rappresentano il 76,7% del totale. Meta guida la classifica con 8.000 tagli annunciati, pari al 10% della forza lavoro, a cui si aggiungono 6.000 posizioni aperte congelate: la motivazione ufficiale è rendere l’azienda più efficiente per compensare gli investimenti in corso nell’infrastruttura AI. Amazon segue con 16.600 tagli nel 2026 secondo TradingPlatforms, legati a riorganizzazioni operative nella logistica e nei magazzini automatizzati. Nel comparto social nel suo insieme si contano circa 12.100 licenziamenti, tra cui i 1.000 di Snap, che ha dichiarato apertamente che il 65% del proprio codice è già prodotto da sistemi AI, e i 677 di Pinterest. Nel settore cloud e SaaS il taglio più consistente porta il nome di Oracle, con migliaia di posizioni in fase di revisione per liberare risorse da destinare ai data center, mentre Atlassian ha ridotto l’organico del 10%, pari a circa 1.600 posizioni, in una riorganizzazione orientata allo sviluppo di prodotti AI. Salesforce ha eliminato 4.000 ruoli nel customer support dichiarando che gli agenti algoritmici gestiscono già circa la metà delle interazioni con i clienti.

Leggi anche: Licenziamenti Big Tech 2025: 100.000 posti tagliati e il dibattito sul Reddito Universale

Licenziamenti tech: AI come causa o come alibi

C’è una ricerca di Fortune Italia che vale la pena leggere prima di concludere che l’AI stia davvero sostituendo il lavoro umano su larga scala. Analizzando i requisiti tecnici necessari perché i modelli AI possano svolgere mansioni a livello umano, i ricercatori hanno calcolato che l’automazione sarebbe economicamente conveniente solo nel 23% dei ruoli in cui la componente visiva è predominante. Nel restante 77% dei casi, continuare ad affidarsi al lavoro umano costa meno.

Babak Hodjat, chief AI officer di Cognizant, uno dei maggiori fornitori mondiali di servizi informatici, invita alla stessa cautela: molte aziende stanno usando l’AI come giustificazione per ridimensionamenti già pianificati, oppure per correggere cicli di assunzioni esagerate che nulla hanno a che fare con l’automazione. I benefici reali dell’intelligenza artificiale in termini di produttività, sostiene, richiederanno ancora sei mesi, probabilmente un anno, prima di manifestarsi in modo concreto.

La Harvard Business Review ha rilevato, su un campione di oltre mille dirigenti globali, che la maggior parte dei tagli avviene in anticipo rispetto alle prestazioni effettive dell’automazione, prima ancora che i guadagni di produttività siano misurabili. Forrester aggiunge un ulteriore elemento di lettura: il 50% dei tagli annunciati come strutturali potrebbe essere annullato entro due anni con riassunzioni, spesso a condizioni economiche meno favorevoli per i lavoratori. L’AI washing occupazionale è un fenomeno reale, documentato, e conviene tenerlo presente ogni volta che un CEO firma un comunicato stampa in cui la parola “intelligenza artificiale” appare nello stesso paragrafo della parola “licenziamento”. Questo non cancella i numeri. Ma li contestualizza.

Banche italiane licenziamenti e intelligenza artificiale: i 26.000 posti a rischio entro il 2030

Il dato che riguarda l’Italia più direttamente non viene dal settore tech. Viene dal bancario, un comparto che nella percezione comune si associa a stabilità e non a disruption digitale, ma che nelle proiezioni degli analisti è già in trasformazione profonda. Secondo un’analisi di Morgan Stanley su 35 grandi gruppi bancari europei, il settore potrebbe ridurre l’organico del 10% entro il 2030, con circa 212.000 posizioni in meno in tutta Europa. Calata sui 262.000 dipendenti bancari italiani censiti dall’ABI, quella percentuale significa circa 26.000 posti a rischio.

Le banche italiane hanno chiuso il 2025 con utili record superiori a 27,8 miliardi di euro, perdendo nel frattempo oltre 8.000 posizioni lavorative. La formula è già in atto: più margini, meno organico, più automazione nei processi che fino a pochi anni fa richiedevano lavoro umano qualificato, dal back office alla gestione delle pratiche creditizie, dal customer care alle attività di compliance documentale. Per chi lavora nel settore IT delle banche italiane, o fornisce servizi tecnologici a questi istituti, il messaggio è già scritto nei bilanci degli ultimi due esercizi.

Leggi anche: Intelligenza artificiale: i 10 lavori che verranno sostituiti per primi

Si investono 740 miliardi in AI e si tagliano i costi del lavoro

Il World Economic Forum stima 170 milioni di nuovi ruoli e 92 milioni di posizioni eliminate (licenziamenti tech) entro il 2030, con un saldo positivo di 78 milioni. È una proiezione costruita su dichiarazioni di intenti di oltre mille grandi datori di lavoro globali, non su dati di occupazione reale. Per chi perde il lavoro oggi, il posto nel 2030 non paga le bollette di maggio.

Il vero paradosso del 2026 è qui: secondo Morgan Stanley, le grandi aziende tech hanno già annunciato investimenti in conto capitale per 740 miliardi di dollari solo quest’anno, in crescita del 69% rispetto al 2025. Quel capitale non va ai dipendenti, va ai data center, ai chip, all’infrastruttura. Il costo del lavoro e il costo del calcolo si trovano oggi, per la prima volta, in competizione diretta nei bilanci delle grandi aziende: e nelle scelte di allocazione del capitale, il lavoro sta perdendo. Non perché l’AI sia già più capace degli esseri umani nella maggior parte delle mansioni, ma perché la narrazione che la descrive come tale è già sufficiente a spostare le decisioni strategiche.

Per i CIO e i responsabili IT che in questo momento stanno valutando l’introduzione di agenti AI nei processi aziendali, la domanda rilevante non riguarda i numeri globali. Riguarda quanto la propria organizzazione sia attrezzata per gestire la transizione senza disperdere le competenze che nessun sistema automatizzato sa ancora replicare, e che nel momento in cui si perdono richiedono anni per essere ricostruite. I 93.000 del 2026 sono un numero. Quello che non si misura è il costo di ciò che quelle persone sapevano fare e che nessun dataset è stato addestrato a preservare.

Trentadue chilometri: è tutto ciò che separa l’Iran dall’Oman nel punto più stretto dello Stretto di Hormuz, quel corridoio d’acqua nel quale, fino al 28 febbraio 2026, transitava il 27% del commercio mondiale di petrolio via mare e il 20% del gas naturale liquefatto globale; poi l’operazione militare americana e israeliana contro l’Iran ha trasformato quella lingua di Golfo Persico in qualcosa che nessun modello di rischio del settore tecnologico aveva mai classificato come prioritario, ovvero il collo di bottiglia fisico dell’intelligenza artificiale.
Si tratta di chimica, di fisica e di una catena di dipendenze materiali che l’industria tech ha costruito su premesse di stabilità geopolitica che il mondo, nel 2026, ha smesso di garantire; non di una metafora.

Stretto di Hormuz e tech: i numeri che nessun titolo racconta

“Il transito di navi attraverso lo stretto è crollato da circa 130 unità al giorno di febbraio a sole 6 nel mese di marzo 2026: una contrazione di circa il 95% rispetto alla normalità.”
— UNCTAD, Rapid Assessment on Hormuz Disruptions, aprile 2026

Un dato che l’UNCTAD, la Conferenza delle Nazioni Unite per il commercio e lo sviluppo, ha fotografato nella sua analisi rapida sulla crisi, aggiungendo che la crescita del commercio mondiale è attesa in frenata dal 4,7% del 2025 a non più del 2,5% nel 2026; numeri che raccontano l’impatto sull’economia reale, ma il cui peso sulla tecnologia è di natura diversa, meno visibile e più profonda.
Il petrolio e il gas naturale liquefatto (GNL, in inglese LNG, la forma criogenica in cui il gas viene raffreddato a meno 162 gradi per essere trasportato su navi cisterna) dominano i titoli perché dominano l’immaginario collettivo della crisi energetica; ma c’è un altro gas, invisibile e quasi senza nome nella comunicazione mainstream, che sta minacciando la produzione dei chip su cui gira l’intelligenza artificiale: si chiama elio, e da questa crisi non uscìrà indenne.

Hormus: Elio, bromo, zolfo, le materie prime invisibili che reggono la filiera chip

Il Qatar è il secondo produttore mondiale di elio, responsabile di circa un terzo dell’offerta globale; l’elio viene estratto fisicamente come sottoprodotto della lavorazione del gas naturale nello stabilimento di Ras Laffan, la città industriale sul Golfo che rappresenta il più grande hub di esportazione LNG del pianeta. Quando i droni iraniani hanno colpito Ras Laffan nei primi giorni di marzo 2026, non hanno solo interrotto la produzione di gas: hanno tolto dal mercato mondiale circa un terzo dell’elio disponibile.
La ragione per cui questo dovrebbe interessare ogni CIO o responsabile IT sta tutta nella filiera produttiva dei semiconduttori: senza elio non si producono i chip su cui gira ogni sistema di intelligenza artificiale, perché l’elio è indispensabile nelle cosiddette fab, le fabbriche di semiconduttori, dove raffredda i wafer di silicio durante la litografia EUV (Extreme Ultraviolet, la tecnica di incisione a luce ultravioletta estrema che permette di disegnare circuiti a 2 e 3 nanometri), mantiene la stabilità termica nei processi più delicati e rileva perdite nei sistemi ad alta pressione; sostituti pratici a breve termine non esistono.

“Anche se lo stretto aprisse oggi, ci vorrebbero almeno quattro o sei mesi per normalizzare le forniture. Non è qualcosa che si risolve appena il conflitto finisce.”
— Bettina Weiss, Chief of Staff e Corporate Strategy, SEMI (associazione internazionale della catena di approvvigionamento dei semiconduttori)

L’elio liquido ha una vita utile di appena 35-48 giorni prima di evaporare dai contenitori, il che rende impossibile costituire scorte strategiche significative; ogni settimana di chiusura dello stretto è quindi una settimana di inventario che si esaurisce senza reintegro.

“In Cina i prezzi dell’elio ad alta purezza importato dal Qatar hanno già raggiunto gli 85-90 yuan al metro cubo contro gli 83 della produzione domestica, con il pieno impatto della disruption atteso in Asia entro inizio aprile, visti i tempi di spedizione tipici di 30-45 giorni dal Qatar.”
— Caixin Global, Qatar Helium Shutdown Adds New Risk to Chip Supply Chain, 16 marzo 2026

L’elio è tuttavia solo il piano più visibile di una stratificazione di vulnerabilità chimiche che l’industria tecnologica non aveva mai analizzato con onestà: il bromo, necessario per incidere i circuiti nella produzione di DRAM (Dynamic Random Access Memory, la memoria ad accesso rapido presente in ogni server e personal computer), è esploso a 12.000 dollari per tonnellata metrica, perché la Corea del Sud importava il 97% del proprio fabbisogno da Israele, coinvolta anch’essa nel conflitto; lo zolfo, ignorato da quasi tutti, è quello che un analista ha definito “il problema silenzioso”, dato che circa il 50% di quello commercializzato via mare nel mondo transita per Hormuz, e senza zolfo non si produce l’acido solforico con cui si purificano i chip nelle camere bianche.

“La crisi dello zolfo ha ricadute dirette sulla produzione di rame, che è la materia prima fondamentale per l’espansione fisica dell’AI sotto forma di cavi, trasformatori e aggiornamenti alla rete elettrica.”
— World Economic Forum, Nine Commodities Impacted by the Hormuz Crisis, aprile 2026

Quattro materiali, elio bromo zolfo rame: quattro punti di crisi nella filiera che nessuno aveva inserito nella lista dei rischi critici.

AI e data center: quando l’energia smette di essere garantita

L’industria dell’intelligenza artificiale ha costruito la propria narrazione pubblica sulla dematerializzazione, sul principio per cui i modelli crescono, i costi di inferenza scendono e il software mangia il mondo; la crisi di Hormuz ha imposto una correzione fisica a quella narrazione, riportando al centro della scena l’energia, i materiali e le catene logistiche che rendono possibile qualunque elaborazione digitale.
Come abbiamo documentato analizzando il consumo energetico reale dei modelli AI, ogni query su un grande modello di linguaggio consuma risorse fisiche misurabili; moltiplicate per miliardi di interazioni al giorno, quelle risorse diventano una voce energetica paragonabile a quella di intere nazioni. I cinque maggiori hyperscaler mondiali, ovvero le aziende che gestiscono le infrastrutture cloud su cui gira quasi tutta l’AI globale, Amazon, Microsoft, Google, Meta e Oracle, hanno collettivamente impegnato oltre 660 miliardi di dollari in capex (spese in conto capitale, il budget destinato a costruire infrastrutture fisiche) per il 2026; eppure quella cifra non basta a sbloccare l’ingorgo materiale che la crisi ha creato.

“Il 30-50% della capacità pianificata nei data center nel 2026 slitterà al 2028: la variabile scarsa non è più il capitale finanziario, ma la certezza della consegna di elio, rame e chip avanzati.”
— Omdia, SemiDynamics 2026 Q1 Report, citato da Manufacturing Dive

Il nodo energetico si stringe con particolare violenza su Taiwan e Corea del Sud, i due paesi che producono rispettivamente la quasi totalità dei chip logici avanzati e la quasi totalità della HBM (High Bandwidth Memory, la memoria ultra-veloce che alimenta ogni GPU nei data center AI); chip che, come abbiamo raccontato nell’analisi del NVIDIA GTC 2026, sono ormai il cuore pulsante di qualunque infrastruttura AI, dal cloud aziendale ai sistemi di inferenza su larga scala. Taiwan dipende per il 97% dall’importazione di energia, il GNL copre circa il 50% della sua generazione elettrica, le riserve strategiche sono stimate in meno di due settimane di autonomia, e TSMC (Taiwan Semiconductor Manufacturing Company, la fabbrica di chip più avanzata del pianeta) consuma da sola circa il 10% di tutta l’elettricità dell’isola.

“La domanda supererà l’offerta lungo tutto il 2026 per la memoria destinata ai server AI; IDC prevede che il DRAM costerà 9,71 dollari per gigabyte contro i 3,76 del 2025, e Microsoft ha già tradotto questo dato in aumenti di prezzo sui propri PC Surface.”
— CNBC, Tech hyperscalers Q1 earnings after Iran war, 28 aprile 2026 — con dichiarazione di Sanjay Mehrotra, CEO Micron

“C’è ancora molta incertezza riguardo alla durata e alla profondità del conflitto; stiamo operando nell’ipotesi che lo stretto potrebbe non riaprirsi completamente per mesi.”
— Ahmed Moghal, CFO Baker Hughes, Q1 2026 con gli investitori

Hormuz: il vantaggio asimmetrico della Cina nella crisi dei semiconduttori

Chi legge la crisi di Hormuz soltanto come uno shock energetico simmetrico, che colpisce tutti nella stessa misura, commette un errore di analisi destinato a diventare costoso: la realtà geopolitica è più complicata, e chi ne trae vantaggio strutturale è la Cina.

Pechino dipende da Hormuz per circa un terzo del proprio petrolio, ma ha costruito riserve strategiche stimate in circa un miliardo di barili, pari a diversi mesi di consumo; soprattutto, nell’ultimo decennio ha edificato una base produttiva da energie rinnovabili senza equivalenti nel mondo, con cinque volte più solare, cinque volte più eolico, quindici volte più nucleare e cinquanta volte più chilometri di linee di trasmissione aggiunti rispetto agli Stati Uniti nello stesso arco di tempo.

“LNG and helium shortages risk crippling Asia’s semiconductor supply chain and delaying AI infrastructure expansion; il KOSPI (Korea Composite Stock Price Index, il principale indice di borsa sudcoreano) ha chiuso circa l’1% in ribasso nelle sedute più difficili della crisi, con Samsung in calo del 2,4% e TSMC dello 0,5%, mentre il prezzo spot del GNL per la consegna nel nord-est asiatico si avvicinava ai 20 dollari per milione di BTU (British Thermal Unit, l’unità di misura standard nel commercio internazionale di gas).”
— South China Morning Post, How prolonged Iran war could disrupt Asia tech industry, aprile 2026

Sul fronte dell’elio, la capacità produttiva cinese di elio ultra-puro ha raggiunto circa 1,2 milioni di metri cubi annui, coprendo solo circa il 5% del fabbisogno domestico, ma con stime di settore che indicano un possibile raddoppio oltre i 3 milioni entro fine 2026: non ancora sufficiente a coprire la domanda, ma abbastanza da creare una leva geopolitica concreta, poiché se la crisi di Hormuz si prolunga, Pechino potrebbe posizionarsi come fornitore alternativo di elio per i produttori di chip asiatici le cui catene tradizionali di approvvigionamento sono state interrotte.
In questo scenario, la narrativa sull’isolamento tecnologico della Cina attraverso i controlli all’export americani sulla produzione di chip avanzati assume una luce diversa: Pechino non produce ancora chip a 3 nanometri con le proprie tecnologie, ma dispone di riserve energetiche più solide, di un accesso al gallio che controlla in modo pressoché monopolistico a livello mondiale, e di una base manifatturiera che dipende meno dai flussi di Hormuz di quanto non dipendano le concorrenti alleate degli Stati Uniti.

I segnali deboli della crisi di Hormuz

Le grandi analisi della crisi si concentrano sull’elio e sul GNL; i segnali più interessanti, però, sono quelli che restano ai margini  e che disegnano le traiettorie di lungo periodo con maggiore precisione di qualunque modello finanziario.

Il primo: a marzo 2026, attacchi con droni hanno danneggiato tre strutture di Amazon negli Emirati Arabi Uniti e in Bahrain, un dato che non è una nota a margine, perché il Golfo era diventato in pochi anni uno dei centri di gravità più importanti per l’espansione AI globale, con incentivi fiscali, energia a basso costo e accesso a mercati emergenti che avevano attratto investimenti di Microsoft, Google e Meta; quella strategia geografica deve essere interamente ripensata.
Il secondo segnale riguarda la domanda: Arabia Saudita, Qatar ed Emirati non erano solo fornitori di materie prime ed energia, ma anche i maggiori acquirenti di chip AI destinati a costruire le proprie infrastrutture nazionali; il blocco degli investimenti in quella regione comprime la domanda effettiva in un momento in cui i produttori di GPU avevano già scontato nei modelli di business una crescita sostenuta in quell’area, con effetti doppi e in parte contraddittori sui prezzi.

“I premi assicurativi per le navi in zone ad alto rischio sono aumentati fino al 300%, le rotte vengono ridisegnate via Capo di Buona Speranza con allungamenti fino a 10-15 giorni nei tempi medi di consegna, e i rendimenti del cargo aereo sono saliti del 18,9% su base annua con una tariffa media di 2,75 dollari per chilogrammo.”
— Matrice Digitale, Crisi supply chain Hormuz, aprile 2026

Costi che si trasferiscono sull’intera catena logistica dell’elettronica, colpendo in modo sproporzionato i componenti che non possono aspettare mesi per essere consegnati: le schede di memoria, le GPU, i moduli di raffreddamento per i server AI.

Europa, Hormuz e la tecnologia

Per l’Europa, Hormuz ha funzionato come uno specchio impietoso, rivelando non solo la dipendenza energetica strutturale, ma l’assenza di una strategia industriale tecnologica capace di tenere conto della realtà geopolitica effettiva del pianeta.

“I benchmark del gas europei, in particolare il TTF olandese (Title Transfer Facility, il principale indice di riferimento per il prezzo del gas in Europa, simile a quello che il Brent rappresenta per il petrolio), si sono quasi raddoppiati a oltre 60 euro per MWh (Megawattora) entro metà marzo 2026, con le scorte continentali già ai minimi storici, circa il 30% di capacità, dopo un inverno particolarmente rigido; la Banca Centrale Europea ha posticipato le riduzioni pianificate dei tassi il 19 marzo, alzando le previsioni di inflazione e riducendo quelle di crescita del PIL.”
— Dati Commissione Europea, marzo-aprile 2026

“In soli 60 giorni di conflitto la nostra spesa per l’import di combustibili fossili è aumentata di oltre 27 miliardi di euro; l’Unione avrà bisogno di energia in abbondanza, soprattutto a causa della rapida espansione dei data center e dell’intelligenza artificiale.”
— Ursula von der Leyen, Presidente della Commissione Europea, Parlamento europeo, aprile 2026 (fonte: ANSA / Il Sole 24 Ore)

Quella frase è il riconoscimento, al massimo livello istituzionale europeo, che l’AI non è un tema di software e algoritmi bensì di infrastruttura fisica, energia e catene di approvvigionamento materiale; arriva in ritardo, ma arriva, e segna un cambio di registro nella narrativa di Bruxelles che nessun convegno di policy avrebbe prodotto con la stessa urgenza.

Il paradosso europeo ha tuttavia una struttura che le dichiarazioni di Bruxelles non riescono da sole a sciogliere: l’Europa non produce chip avanzati, non controlla l’accesso alle materie prime critiche per la manifattura di semiconduttori, non possiede nessuno dei nodi strategici della catena del valore AI globale; il CHIPS Act europeo, il piano che punta a portare la produzione continentale di semiconduttori al 20% del totale mondiale entro il 2030, era già prima della crisi una scommessa ambiziosa su tempi lunghi, con le fabbriche in costruzione in Germania, Francia e Polonia che richiedono anni prima di entrare in produzione a regime.

“La crisi energetica ha già spinto alcuni governi asiatici a riattivare protocolli di lavoro agile su scala nazionale per contenere i consumi, mentre aziende come NVIDIA, Microsoft, Google e Apple hanno attivato protocolli di evacuazione o lavoro remoto totale per le sedi in zone geopoliticamente instabili.”
— Il Sole 24 Ore, Crisi energetica 2026: torna lo smart working nel mondo, aprile 2026

“La vera domanda non è quale energia scegliere, ma quanto velocemente si riuscirà a costruire un sistema che tenga insieme sicurezza, sostenibilità e competitività; perché mentre il mondo discute di futuro, i prezzi stanno già parlando al presente.”
— Rivista AI, Energia sotto pressione: tra Hormuz, Big Tech, AI e nucleare, aprile 2026

I data center AI richiedono energia stabile e garantita ventiquattr’ore su ventiquattro, con una caratteristica che in inglese si chiama dispatchability, ovvero la capacità di un impianto di erogare energia su richiesta, quando serve, non solo quando il vento soffia o il sole splende: ed è esattamente quello che le sole rinnovabili non sempre riescono a garantire; come anticipato già nel 2024 quando le big tech americane iniziarono a guardare al nucleare come fonte privilegiata per i data center, il motivo non era ideologico ma ingegneristico, e la crisi di Hormuz non ha fatto che accelerare quella transizione culturale nel dibattito politico europeo.
Il gap con gli Stati Uniti, che dispongono di produzione domestica di gas capace di proteggerli parzialmente dallo shock, rischia di allargarsi proprio nel momento in cui la competizione sull’AI si gioca in termini di capacità computazionale installata e di costo dell’energia per gestirla: non è solo un gap energetico, ma tecnologico e competitivo, che la crisi di Hormuz non ha creato, ma ha reso strutturalmente e definitivamente visibile.

Cosa cambia nel lungo periodo per il mercato tech globale con la crisi di Hormuz

“La crisi di Hormuz proietta un’ombra sull’intera catena di approvvigionamento chip asiatica, rendendo difficile per Corea del Sud e Taiwan rifornirsi di elio, GNL e altri materiali critici in modo che i mercati percepiscono come strutturale, non contingente.”
— Nikkei Asia, Iran war sparks helium supply concerns for South Korea chip sector, 12 marzo 2026

La distinzione tra crisi contingente e fragilità strutturale è quella su cui si gioca l’analisi più importante: la crisi del neon del 2022, quando l’invasione russa dell’Ucraina aveva interrotto le forniture di un altro gas industriale essenziale per la litografia dei chip, aveva già suonato un campanello d’allarme analogo, e il settore aveva reagito con qualche diversificazione senza però affrontare la vulnerabilità sistemica di fondo.
Hormuz ha rivelato che quella vulnerabilità non era un’anomalia gestibile: era una caratteristica strutturale di un’industria che ha privilegiato l’efficienza dei costi sulla resilienza, e il concetto di just-in-case sostituisce quello di just-in-time non come opzione strategica ma come condizione di sopravvivenza competitiva; le scorte strategiche di gas industriali, i contratti forward (contratti a lungo termine stipulati in anticipo a prezzo fisso per proteggersi dalla volatilità del mercato spot, cioè dal prezzo di acquisto immediato sul mercato aperto), la diversificazione geografica dei fornitori e il reshoring di capacità produttiva vicino ai mercati finali cessano di essere elementi di gestione del rischio e diventano voci di bilancio obbligatorie.
Il chip più avanzato del mondo non vale nulla se non si riesce a produrlo per mancanza di elio con cui raffreddare i wafer, di bromo per incidere i circuiti o di energia per alimentare la fab: questa è la lezione industriale di Hormuz, scritta in caratteri che nessun modello di rischio precedente aveva saputo leggere.

Rimane però una domanda aperta, quella a cui nessuna fonte ha risposto con certezza: quanto di questo cambiamento sopravviverà alla fine del conflitto? Lo Stretto di Hormuz si è già parzialmente riaperto nel cessate il fuoco di aprile 2026, e i mercati azionari dei chip hanno risposto con rimbalzi significativi; ma l’Iran, se sopravvive come potenza regionale, sa ora con certezza di avere uno strumento di pressione sull’economia tecnologica globale che può riattivare ogni volta che le tensioni con Washington e Tel Aviv si riaccendono; su questo scenario di lungo periodo vale la pena leggere l’analisi del World Economic Forum su come la crisi di Hormuz stia riscrivendo il futuro dell’AI, che traccia con precisione le linee di fragilità strutturale del sistema energetico-tecnologico globale ben oltre l’orizzonte del conflitto in corso.

La fragilità che questa crisi ha esposto non scompare con la firma di un accordo di pace: resta incisa nella mappa delle dipendenze che l’industria tech ha costruito in trent’anni di globalizzazione; quante altre strozzature simili esistono, ancora invisibili, ancora non censite nei modelli di rischio delle grandi aziende tecnologiche, è una domanda a cui nessuno sa rispondere con precisione, e questa incertezza è già, di per sé, un dato strategico.

Una graphic designer italiana perde il lavoro in una società di cybersecurity. L’azienda attraversa una crisi economica documentata, riorganizza le proprie attività, abbandona il settore del design, introduce strumenti di intelligenza artificiale generativa per le mansioni grafiche residue, e sopprime la posizione. Lei impugna il licenziamento. Il Tribunale di Roma, con la sentenza numero 9135 della IV Sezione Lavoro depositata il 19 novembre 2025, respinge il ricorso: il licenziamento per giustificato motivo oggettivo è legittimo. E’ la prima sentenza italiana in cui l’intelligenza artificiale compare esplicitamente tra gli elementi che hanno reso superflua una posizione lavorativa.

Ne parliamo ora per due ragioni precise, la prima è tecnica: la sentenza è del 19 novembre 2025, ma i tempi della giustizia del lavoro italiana prevedono fino a 60 giorni per il deposito delle motivazioni complete dopo il dispositivo, come la stessa giudice Lucarelli specifica nel testo. Le motivazioni sono diventate accessibili e hanno fatto il giro dei media generalisti a fine febbraio 2026, con titoli quasi sempre imprecisi che ne hanno distorto il contenuto giuridico reale. La seconda ragione è di contesto: questa settimana i licenziamenti nel settore tech globale hanno superato quota 93.000 dall’inizio del 2026, con oltre 47.000 posizioni collegate direttamente a processi di automazione guidati dall’AI, e la proiezione a fine anno supera i 300.000. In questo scenario, la sentenza di Roma smette di essere una curiosità giuridica e diventa il precedente legale che ogni azienda italiana dovrebbe aver letto prima di firmare il prossimo piano di riorganizzazione.

Il caso: chi era la graphic designer, cosa faceva, perché è stata licenziata

I fatti, letti nella sentenza e non nei titoli, sono più complessi e più precisi di come circolano. La lavoratrice era una junior graphic designer, inquadrata al quarto livello del CCNL Commercio Terziario, dipendente della società dal 14 marzo 2022 al 2 maggio 2023, con orario dal lunedì al venerdì dalle nove alle diciotto. Il suo ruolo consisteva nell’eseguire le idee grafiche elaborate dal marketing manager e dalla team leader del settore: lavorava tecnicamente sul “pixel”, producendo immagini per gadget aziendali, locandine, layout di stampa e, dall’8 febbraio 2023, anche la redazione del piano editoriale delle pubblicazioni LinkedIn. Non era web designer, né UX designer: la sentenza chiarisce con precisione questa distinzione, che diventerà decisiva per il giudizio sul repêchage. La società per cui lavorava era attiva nel campo della cybersecurity e operava su due linee di prodotto principali: “Dogma”, un progetto hardware-software con sviluppatori dedicati, e “Cluster 25”, un sistema per il rilevamento di minacce e il rafforzamento della cyber intelligence. Nessuno dei due richiedeva figure grafiche: richiedevano sviluppatori software ed esperti di cyber intelligence, competenze che la ricorrente non possedeva.

Nel corso del 2022 e del 2023 l’azienda aveva attraversato una fase di contrazione severa, documentata in giudizio da più elementi convergenti: trasformazione da SpA a Srl, sfratto per morosità dalla sede legale, avvio di una procedura negoziata per crisi d’impresa, organico dimezzato da venti a dieci dipendenti. L’amministratore unico ha dichiarato in libero interrogatorio:

“l’azienda non ricevendo i nuovi investimenti si trova costretta a rivedere l’organizzazione riducendo la parte dell’azienda non strettamente produttiva e quindi quella del marketing.”

In questo contesto, le mansioni grafiche della ricorrente erano state progressivamente assorbite dal marketing manager, che ha testimoniato in udienza come fosse passato a svolgere direttamente quel lavoro:

“Ho iniziato ad utilizzare gli strumenti di intelligenza artificiale perché è iniziata la decrescita dell’azienda. Gli strumenti di intelligenza artificiale non solo garantivano un alto livello di qualità ma permettevano di risparmiare economicamente e di velocizzare i tempi della prestazione lavorativa.”

Il 2 maggio 2023, la posizione viene soppressa; lei ricorre in giudizio chiedendo la reintegra e il risarcimento; il Tribunale, il 19 novembre 2025, respinge il ricorso.

C’è un dettaglio che i media hanno quasi completamente ignorato: nel corso del giudizio, la lavoratrice ha comunicato di aver trovato un nuovo posto come designer a tempo indeterminato, con la stessa qualifica e lo stesso livello contrattuale, a partire dal 14 febbraio 2024. Ha quindi rinunciato alla domanda di reintegra, mantenendo solo le istanze economiche. Anche queste sono state rigettate. Le spese di lite sono state compensate tra le parti. La reazione mediatica ha trasformato questo caso in qualcosa che non è: un via libera giudiziario alla sostituzione dei lavoratori con l’AI, non è così.

Sentenza Tribunale Roma n. 9135: l’intelligenza artificiale non è causa autonoma di licenziamento

La giudice Paola Lucarelli non ha scritto, in nessun punto della sentenza, che l’intelligenza artificiale costituisce una causa autonoma di licenziamento. Ha fatto qualcosa di più preciso, e per questo più rilevante: ha applicato alla lettera i criteri consolidati del giustificato motivo oggettivo previsti dall’articolo 3 della legge 604 del 1966, verificando tre condizioni distinte. Prima, l’esistenza di effettive esigenze economico-organizzative dell’azienda, documentate e non pretestuose. Seconda, il nesso causale diretto tra la riorganizzazione e la soppressione del posto. Terza, l’impossibilità di ricollocare la lavoratrice in altre mansioni disponibili, il cosiddetto principio del repêchage.

Su tutti e tre i punti, l’azienda ha convinto il giudice. L’AI compare nelle motivazioni come uno degli strumenti di efficientamento adottati, non come il motivo del recesso. L’AI non ha firmato il licenziamento. Lo ha reso economicamente razionale agli occhi del giudice, all’interno di una riorganizzazione che aveva già tutte le condizioni giuridiche per essere considerata legittima.

È lo stesso principio che il diritto del lavoro italiano ha già applicato decine di volte, in decenni di trasformazioni tecnologiche. Quando i software gestionali hanno sostituito i contabili, quando i CRM hanno reso superflui interi uffici commerciali, quando l’automazione industriale ha eliminato le mansioni di assemblaggio: ogni volta, il giudice non ha valutato la tecnologia, ma la solidità della riorganizzazione che la tecnologia aveva accelerato. Adesso tocca all’intelligenza artificiale. L’impianto giuridico non è cambiato. Cambiano la velocità e la scala.

Repêchage e intelligenza artificiale: dove le aziende italiane sono già esposte

C’è un punto specifico su cui chi gestisce un’azienda o un dipartimento IT dovrebbe fermarsi, e che nei titoli di questi mesi non è quasi mai comparso. Il principio del repêchage, ovvero l’obbligo di verificare se il lavoratore può essere ricollocato in un altro ruolo prima di procedere al licenziamento, resta il criterio più difficile da soddisfare nella pratica, e quello su cui si concentreranno i futuri contenziosi.

La ricorrente aveva sostenuto in udienza di poter svolgere mansioni di web design e UX design, ricoperte da un’altra collega che non era stata licenziata. Il tribunale ha rigettato anche questo argomento, accogliendo la distinzione tecnica illustrata dal marketing manager: la graphic designer tradizionale lavora sulla creazione di immagini statiche, sul “pixel”, per gadget e materiali stampati; la web e UX designer lavora sull’interfaccia, sulle esigenze dell’utente, sul prodotto digitale, con competenze che richiedono una preparazione diversa e non sovrapponibile. La distinzione non era pretestuosa: era verificabile, ed era stata confermata da più testimoni in modo coerente.

In teoria, l’obbligo del repêchage esiste sempre. In pratica, quando un’azienda ha già dimezzato l’organico, quando il piano strategico ha abbandonato interi settori di attività, quando le competenze richieste si sono spostate verso profili tecnici specialistici che il lavoratore da ricollocare non possiede, il repêchage diventa impossibile da realizzare e relativamente semplice da dimostrare davanti a un giudice. La sentenza di Roma ha confermato esattamente questo meccanismo. Il rischio concreto, nei prossimi anni, è che le aziende imparino a costruire le condizioni documentali per rendere impossibile il repêchage prima ancora di avviare l’introduzione di qualsiasi strumento AI, trasformando un obbligo giuridico in una formalità procedurale.

È qui che il tema smette di essere una questione di diritto del lavoro e diventa una questione di governance aziendale. Non una questione che riguarda solo i CIO: riguarda anche i CISO e i responsabili della sicurezza, che sempre più spesso si trovano a valutare l’introduzione di agenti AI in processi operativi che toccano direttamente il personale.

Licenziamenti AI in Italia 2026: i numeri del settore tech e il rischio banche

Questa sentenza non nasce nel vuoto. Nasce in un momento in cui i licenziamenti nel settore tech hanno già superato i 93.000 dall’inizio del 2026, con oltre 47.000 posizioni collegate a processi di riorganizzazione accelerati dall’intelligenza artificiale. Meta prevede di tagliare 8.000 posti entro maggio. Snap ha già licenziato il 16% del personale dichiarando che il 65% del suo codice è prodotto da sistemi AI. Oracle e Atlassian hanno ridotto migliaia di posizioni nei reparti operativi. Se il ritmo attuale non si invertirà, le stime indicano quasi 300.000 licenziamenti entro fine anno nel solo settore tech globale.

In Italia il fronte più delicato non è il tech generalista, ma quello bancario. Secondo un’analisi di Morgan Stanley su 35 grandi gruppi europei, il settore potrebbe ridurre l’organico del 10% entro il 2030: calata sui 262.000 dipendenti bancari italiani censiti dall’ABI, la proiezione significa circa 26.000 posti a rischio. Le banche italiane hanno chiuso il 2025 con utili record superiori a 27,8 miliardi di euro perdendo nel frattempo oltre 8.000 posizioni lavorative. La stessa formula applicata a un settore che la maggior parte delle persone non associa all’automazione digitale.

Leggi anche: Intelligenza artificiale: i 10 lavori che verranno sostituiti per primi

AI e diritto del lavoro italiano: cosa cambia per CIO, responsabili HR e aziende

La frase che la sentenza numero 9135 consegna alla giurisprudenza italiana può sembrare tecnica, quasi burocratica: l’intelligenza artificiale come strumento della riorganizzazione, non come causa autonoma del licenziamento. Dentro quella distinzione, però, c’è una scelta di campo precisa. La responsabilità delle scelte occupazionali rimane sull’essere umano che ha firmato il piano di riorganizzazione, che ha deciso quali mansioni automatizzare, che ha stabilito che il repêchage non era praticabile. L’algoritmo non firma le lettere di licenziamento. Le firmiamo noi, con la penna, davanti a uno schermo su cui l’AI ci ha già mostrato che quella posizione non serve più.

Come ha osservato Byte.Legali nell’analisi più lucida di questa vicenda, la sentenza di Roma è un piccolo segnale di speranza: spostando la responsabilità sull’organizzazione e non sulla macchina, ricorda che ogni scelta sull’automazione è, prima di tutto, una scelta umana, con tutte le conseguenze che ne derivano.

Le immagini GIF festa della mamma 2026 sono uno dei modi più  carini per fare gli auguri alla propria mamma nel giorno dedicato alla sua festa, ma anche a tutte le mamme, non dimentichiamolo. Quest’anno il giorno speciale cade domenica 12 maggio ed è per questo che proponiamo una serie di divertenti GIF animate da inviare su WhatsApp ma anche su social quali Facebook, Instagram,  Tik Tok solo per citare i più noti e utilizzati. Ricordiamo inoltre che è possibile creare GIF personalizzate grazie ad applicazioni per smartphone iOS e Android.

Ricordiamo inoltre come tutte le immagini Gif festa della mamma 2026 presenti su questa pagina siano gratuite e possano essere condivise online tramite le principali piattaforme di messaggistica istantanea. Non resta che scegliere la GIF preferita e salvarla sul proprio smartphone, in attesa di inviarla alla propria mamma e di strapparle un sorriso.

Le migliori immagini GIF per la festa della mamma 2026

Per salvare le immagini GIF festa della mamma presenti in questa gallery è necessario procedere con alcune operazioni, molto semplici e facili da ricordare. Per salvare un’immagine GIF festa della mamma 2026 su Android e iOS, bisogna tenere premuto il dito sulla GIF in questione per qualche secondo, fino a quando non apparirà sullo schermo una nuova finestra di dialogo. All’interno di quest’ultima si clicca sulla voce Salva immagine. L’immagine GIF verrà salvata nel rullino per quanto riguarda i dispositivi iOS, come iPhone, iPad e iPod Touch, mentre su Android verrà archiviata nella cartella Download del browser. In questo modo, è possibile condividere facilmente le immagini umoristiche anche con altre applicazioni di terze parti, come WhatsApp o social network.

Iniziamo con una delle frasi più belle da dire alla propria mamma, degli auguri semplici ma eleganti

E proseguiamo con un augurio affettuoso per la festa della mamma, una Gif per la festa della mamma con un tema floreale

Per far sapere alla propria mamma, ma anche a qualsiasi mamma, quanto sia importante per noi la loro festa, ecco una GIF per la festa della mamma 2026 con un bouquet di fiori

Per le mamme che apprezzano i fiori, una bellissima GIF con un altro  omaggio floreale virtuale, inoltre questa Gif festa della mamma è in formato verticale per cui adatta anche a Tik Tok e Instagram

E ancora un omaggio floreale virtuale, con un tenero abbraccio,  per gli auguri in formato GIF festa della mamma

Quale modo migliore per celebrate la festa della mamma se non con una Gif che rappresenta un abbraccio tra una mamma e figlia?

Le mamme sanno sempre dimostrare il proprio amore per i figli, questa Gif per la festa della mamma racconta in pochi istanti proprio questo amorevole abbraccio tra mamma e figli

Un affettuoso omaggio dai colori pastello, con gli auguri come se fossero stati scritti a mano per questa Gif per la festa della mamma sui toni del rosa e in formato verticale

E per restare in tema natura, anche una gif animata con mamma orsa

Come creare una GIF per fare gli auguri alla mamma

Per creare GIF  adatte ad ogni occasione si possono utilizzare app disponibili sia per smartphone sia per tablet. Una tra le più famose è sicuramente Boomerang, disponibile sia per Android che iOS. Creare GIF animate con Boomerang è veramente semplice, visto che basta utilizzare sia la fotocamera anteriore che quella posteriore dello smartphone. Allo stesso tempo, Boomerang permette di condividere il contenuto su Instagram, Facebook e salvarlo anche nel rullino fotografico, per condividerlo in un secondo momento su WhatsApp.

Un’altra app con cui creare immagini GIF divertenti, simpatiche e creative per la festa della mamma 2026 è Gifx. Disponibile solo per iOS, Gifx è un editor che riesce a trasformare immagini e video in vera e propria arte. Non a caso, sono tantissime le funzioni offerte, tra cui quella di aggiungere testo e musica alle proprie immagini animate. Gifx offre inoltre la possibilità di consultare un catalogo di decine di GIF di qualità, create da professionisti.

Frasi per la festa della mamma

Chi preferisce inviare una frase di auguri anziché una gif animata oppure vuole aggiungere alcune parole alle immagini, ecco alcune celebri frasi per la festa della mamma 2026:

• “Madri, siete voi che avete in mano la salvezza del mondo” (Lev Tolstoj)
• Dio non poteva essere dappertutto così ha creato le madri (proverbio ebraico)
• Non esiste al mondo una donna formidabile come tu sei. Sei speciale mamma, grazie per tutto quello che fai
• Posso rinunciare a tutto ma non al tuo dolce sorriso.Buona festa mamma
• Se sei una mamma, sei un supereroe (Rosie Pope)
• Tutto ciò che sono, o spero di essere, lo devo al mio angelo, mia madre (Abraham Lincoln)

Le migliori immagini per la Festa della mamma 2026 le trovate qui, utili per fare gli auguri in modo semplice ma caloroso condividendole su WhatsApp, Instagram, TikTok e Facebook. In particolare, la Festa della Mamma è un momento speciale in cui tutte le famiglie si riuniscono intorno alle madri o ne celebrano il ricordo. Quale miglior modo per augurare una felice Festa della mamma 2026 se non con una carrellata di alcune tra le migliori immagini di auguri da condividere su WhatsApp e molti altri social network, tra cui Facebook, Instagram, Twitter e non solo. Le applicazioni di messaggistica istantanea e i social network sono il miglior mezzo con cui esprimere i propri auguri, in modo semplice e rapido. Le Migliori GIF Festa della mamma 2026, per gli auguri su WhatsApp le potete trovare in questo link. Di seguito invece non resta che scoprire insieme le migliori immagini per la Festa della Mamma 2026.

Festa della mamma: origini e significato

Le migliori immagini festa della mamma 2026

Per augurare una Buona festa della mamma vorremmo usare messaggi, frasi, lettere, biglietti, cartoline e, soprattutto, immagini di auguri simpatiche da inviare tramite WhatsApp oppure con altre piattaforme social, come Facebook e Twitter. In questo articolo, ti proponiamo una carrellata di immagini simpatiche e amorevoli da condividere in famiglia, con la propria mamma e con tutte le mamme su WhatsApp, Facebook, Twitter, Instagram e non solo.

La prima immagine rappresenta un abbraccio tenero e amorevole di una mamma con il proprio figlio. Questa classica immagini di auguri per la festa della mamma può essere condivisa su WhatsApp, per augurare ogni bene con un immagine, in modo semplice e minimalista.

Un ramoscello di fiori, dei colori tenui, un immagine per la festa della mamma dolce e rilassante per augurare una giornata felice.

Tra le immagini festa della mamma 2026 qui trovate un disegno che raccoglie tutti gli elementi classici ma in modo moderno, com un tratto essenziale e minimal per far arrivare il messaggio in modo limpido.

Tra le immagini della festa della mamma questa raccoglie tutti gli elementi più amati: un augurio, i fiori, i cuori; tutto quello che vorremmo far arrivare alle mamme del mondo

I fiori e gli abbracci incarnano lo spirito della festa della Mamma per rappresentati in questa raffigurazione perfetta per celebrare la festività.

Il valore della festa della mamma è di fondamentale importanza. In questo momento si riscopre il valore delle piccole cose, della famiglia, degli sforzi fatti. Un’immagine in formato verticale adatta per la condivisione non solo su WhatsApp ma anche su Instagram e TikTok e Instagram, per far arrivare gli auguri per la festa della mamma a tutte le mamme.

Qui un’immagine festa della mamma minimalista, dai colori tenui con un omaggio floreale, ma con un design contemporaneo per fare gli auguri attraverso le immagini della Festa della mamma in maniera originale.

Un tema classico come l’abbraccio in questa immagini per la festa della mamma, in uno stile moderno ma caldo.

Nelle immagini festa della mamma 2026 non poteva mancare un bouquet di fiori un omaggio virtuale per celebrare un giorno speciale

Frasi originali per la Mamma

Infine, per festeggiare la giornata della Mamma 2026, ti proponiamo anche una serie di citazioni e frasi importanti da inviare alla tua mamma su WhatsApp oppure da condividere sui vari social network come Facebook, Twitter e non solo.

Ecco la lista delle frasi più belle sulla Festa della Mamma da condividere e ricordare:

• Noi non veniamo dalle stelle o dai fiori, ma dal latte materno. Siamo sopravvissuti per l’umana compassione e per le cure di nostra madre. Questa è la nostra principale natura. Shakespeare
• Una buona madre vale cento maestri. Victor Hugo
• Nessun affetto nella vita uguaglia quello della madre. Elsa Morante,L’isola di Arturo
• La mano che fa dondolare la culla è la mano che regge il mondo. William Ross Wallace
• Mamma, mi hai dato la vita, mi hai dato un sogno e io ti dono il mio mondo. Anonimo
• Nessuna lingua è capace di esprimere la bellezza e la forza di una mamma. Buona Festa della Mamma!
• Mi conosci troppo bene, non posso nasconderti nulla e quindi sai anche quanto bene ti voglio. Auguri mamma!
• Sei saggia e piena d’amore, spero con tutto il cuore di darti tante soddisfazioni e poche delusioni! Auguri mamma.

Seicentosettantuno anni dopo la sua costruzione, dentro le stesse mura, abbiamo parlato ancora dello stesso problema che portò Bernabò Visconti a costruire quel castello fortificato lontano dalla città. Bernabò Visconti, signore di Milano, nel 1355 fece costruire un castello a Pandino per sfuggire alla peste, alle invasioni, alla sua stessa epoca. Aveva tre passioni, la caccia, la conoscenza, la sopravvivenza, e una soluzione semplicissima: portare lontano dalla città le risorse più preziose, la famiglia, i libri, i duemila cani da caccia, e custodirle dietro un fossato, un’unica scala, una guardia fissa. Fuori il mondo bruciava; dentro, il sapere e la vita continuavano. Oggi il sapere si misura in dati, la ricchezza in algoritmi addestrati, la vita in processi che non possono fermarsi: la quarta edizione dell’AI Accelerator di BlueIT ha scelto questa cornice non per scenografia, ma per coerenza.

Jensen Huang lo ha detto a GTC 2026 con la chiarezza di chi ha smesso di vendere chip e ha cominciato a vendere il progetto di un’intera economia: le AI Factory bruciano elettricità e producono token, l’industrializzazione è già qui. Quando una tecnologia diventa infrastruttura, però, non è più solo un acquisto; è una questione di sovranità, e il velo di Maya su questo punto è stato squarciato dalla sentenza Schrems II e dalla guerra in Ucraina. Da qui l’immagine del cursore: a sinistra l’AI privata, on premise, open source, dati che non escono mai dal perimetro fisico; a destra l’AI pubblica, gratuita, potentissima, dove cedi i diritti su tutto ciò che inserisci. La domanda non è dove devi posizionarti, è se sai dove ti trovi adesso.

La sovranità e la responsabilità digitale

Girolamo Marazzi, Ceo e fondatore di BlueIT

Girolamo Marazzi, fondatore e CEO di BlueIT, nel suo intervento ha cambiato una parola: al posto di sovranità ha detto responsabilità. La sovranità è un concetto da dichiarazione di principio; la responsabilità è una scelta che ricade su chi vende AI alle imprese. “Quanto sono importanti i vostri dati, quanto vale il vostro know-how, dove deve posizionarsi quel cursore?”. Sono le domande che nessuno ha mai fatto al cliente nelle conversazioni iniziali, e che invece dovrebbero essere obbligatorie. Marazzi lo ha detto senza giri: ci siamo svegliati in un mondo polarizzato dove il diritto internazionale è disinnescato e i contratti che firmiamo proteggono molto meno di quanto credevamo. La conseguenza è cambiare strumento: non più solo contratti, ma architetture; non più solo cloud generico, ma AI dedicata, open source, dati locali quando il know-how lo merita. La scelta controcorrente di BlueIT, maturata fin dall’Innovation Hub di Torlino Vimercati e oggi rafforzata grazie alla partnership con IBM, è la stessa che il mercato sta cominciando a chiamare sovranità.

Roberta Bavaro, Director of Ecosystem and Select Territory di IBM Italia, ha tradotto subito la responsabilità in operatività: l’AI di livello enterprise nasce con sicurezza, governance, etica e tracciabilità incorporate, ma deve restare accessibile, e l’unico modo per renderla accessibile in un tessuto fatto di PMI è l’ecosistema dei partner. Hybrid cloud come pilastro: la libertà concreta di scegliere cosa tenere dentro le mura, cosa spostare in privato, cosa accettare nel pubblico, momento per momento, carico per carico.

Roberta Bavaro, Director of Ecosystem and Select Territory di IBM Italia

Il paradosso del CIO che non dorme

Giovanni Todaro, CTO di IBM Italia, è entrato nel concreto dipingendo il quadro: il povero CIO oggi non dorme più, fra cloud outage, dazi, regolamentazioni privacy, AI Act, NIS2, DORA, e una geopolitica che cambia ogni mattina; il paradosso è che l’unico modo per restare indipendenti è dentro un sistema totalmente interdipendente. La proposta di Todaro è stata un cambio di registro: smettere di affidarsi solo ai contratti, iniziare a pensare per architetture. In IBM si chiama Sovereign Core, un piano di controllo che permette di sapere dove sono fisicamente i dati, chi accede, come si spostano, sotto quale giurisdizione cadono, con la possibilità di affidare le chiavi a un partner di fiducia mantenendo la proprietà piena. Da qui un acronimo che vale la pena ricordare: PTO, Portability Time Objective. Quanto tempo mi serve per spostare i miei dati altrove? È la nuova metrica della sovranità, perché entrare in un cloud è facile; uscirne, con petabyte di dati e dipendenze applicative, è un’altra storia. Suggerimento controintuitivo: pensare agli open standard più che all’open source, perché la portabilità si gioca sulle interfacce.

Poi Todaro ha citato Daniel Kahneman e ha posto una domanda che ha spiazzato la sala: settantatré per trentanove? Nessuno ha risposto. Il sistema due, quello razionale, valuta se vale la pena attivarsi. La provocazione vera è arrivata subito dopo: ci preoccupiamo molto degli errori della macchina, mai abbastanza dei nostri. “Allenate il vostro sistema due”. Detto in altra forma: l’umano nel loop deve essere intelligente.

Giovanni Todaro, CTO di IBM Italia

La vedetta sul torrione

Francesco Sartini, CTO e BU Leader Shield di BlueIT, ha preso il microfono raccontando una scena domestica: il figlio gli ha detto “fuffa guru”. L’AI interpellata sulla questione gli ha risposto, con tatto algoritmico, “non parlare di fuffa, parla di fumosità”. Da lì l’intervento si è trasformato in igiene delle promesse. La curva della delusione tecnologica è disseminata di cadaveri illustri, dal metaverso agli NFT, dai Google Glass alla TV 3D; l’AI no, ha cambiato le regole davvero con un costo di adozione bassissimo e un impatto reale, ed è il motivo per cui Sartini avrebbe scritto un solo top trend al posto dei dieci di Gartner. Le tendenze che davvero contano per lui sono due: la trasformazione agentica delle aziende, che BlueIT sta applicando per prima a se stessa, e l’AI fisica nelle smart city, dove l’esempio giapponese di semafori che leggono pedoni, ambulanze e fretta degli utenti è la prima vera incarnazione di un concetto altrimenti gonfio.

Poi la cybersecurity. I nuovi attacchi, generati e modulati dall’AI, cambiano in tempo reale in base alla risposta della difesa: se trovano una porta blindata provano dalla finestra; se la finestra è rinforzata, si calano dal camino. La cura si chiama preemptive: non più vulnerability assessment due volte l’anno, ma manutenzione continua come sul telefonino, per togliere i pioli al potenziale attaccante prima ancora che arrivi. Il Rapporto Clusit 2026 ha raccontato un’Italia che subisce il 64% degli attacchi hacktivisti globali; il male è banale, attacca dove può, e il tessuto delle nostre PMI è terreno fertile.

Francesco Sartini, CTO e BU Leader Shield di BlueIT

Il vero ruolo dell’AI

Leonardo Marazzi, BU Leader Digital Transformation & AI di BlueIT, ha portato dati: oltre 200 aziende incontrate nell’ultimo anno, e solo il 5% circa ha qualcosa di realmente in produzione nel campo dell’AI. Cinque per cento. La spiegazione è una metafora: l’AI viene trattata come un prodotto da scaricare dall’App Store, mentre è qualcosa di completamente diverso. Il tavolo aziendale è fatto di processi, dati, persone, sistemi; la colla tiene insieme i pezzi quando le geometrie non combaciano. Costruire un tavolo di sola colla non funziona; consegnare la chat a tutti dicendo “innovate” non funziona; chiedere all’AD di trasformare la sua intuizione strategica in operatività non funziona. Leonardo Marazzi ha individuato le patologie: confusione operativa, non determinismo di una macchina statistica a cui chiediamo decisioni precise, bypass dei processi (perché aggiornare l’ERP se basta scriverlo nella chat?), allucinazioni che cancellano database. Marazzi ha indicato poi i tre rischi strategici da governare: la tecnologia cambia ogni due mesi, il lock-in nuovo si maschera meglio (SAP che porta tutto su RISE, VMware che alza i prezzi del trecento per cento), le competenze interne mancano e vanno costruite. La regola che capovolge il modo di scegliere è una sola: non cercare la tecnologia migliore, cercare quella più facile da cambiare.

Le demo hanno confermato la tesi. Scoring fornitori in linea con politiche ESG, sales assistant che riconcilia richieste arrivate via mail, WhatsApp, telefono, knowledge management che dà al neoassunto la risposta puntuale e il link al video tutorial al minuto giusto. Il caso più interessante è BlueIT su BlueIT stessa: dal 2019 a oggi un percorso che ha trasformato squadre di otto-dieci persone in turnazione 24/7 in un team di agenti AI orchestrati, con riduzione del mean time to recovery e parte del risparmio restituita ai clienti finali. La tecnologia funziona davvero solo quando il cliente continua a usarla anche quando il consulente esce dalla porta.

Leonardo Marazzi, BU Leader Digital Transformation & AI di BlueIT

Il martello, lo scalpello e la quantistica

Marco Ballan, direttore infrastruttura di IBM Italia, ha raccolto il testimone col compito ingrato di chiudere parlando di hardware, e lo ha fatto con una scelta stilistica precisa: aneddoti vivi al posto delle slide. Ha cominciato da una foto reale, un ingegnere che assembla un Power11; sì, IBM produce ancora hardware, e lo fa con una logica opposta a quella di xAI, che con Colossus arriva oggi a 200.000 GPU e mira al milione. Ballan ha condensato la strategia IBM in tre parole: ibrido, aperto, sicuro. Il vero lock-in, ha detto ribaltando la prospettiva, non è quello tecnologico ma quello della credibilità e della flessibilità: chi mantiene la roadmap promessa e lascia al cliente la libertà di muoversi vince.

Sul Power ha introdotto Spire, una scheda di accelerazione che permette di fare inferenza vicino al dato, senza spostarlo; significa che il problema della geopatriation, su quel pezzo di stack, scompare alla radice. Ha ammesso poi un fallimento utile: ha provato a farsi preparare la presentazione da Copilot, ha ottenuto fuffologia, ed è dovuto tornare alla narrativa costruita pezzo per pezzo, dopo aver fatto l’esegesi delle email zeppe di typos di un vecchio capo. Il messaggio si è saldato con quello di Leonardo: l’AI è colla, l’intelligenza umana è il legno. FlashCore analizza ogni I/O sullo storage in tempo reale per riconoscere anomalie prima che diventino incidenti; la roadmap quantum-safe traguarda il 2030, perché la minaccia quantistica è già un capitolo dei trend di sovranità del 2026. Un esperimento di HSBC sul pricing di trading combinando computazione classica e quantistica ha già portato un guadagno del 34%; il futuro è ibrido in un senso che ancora non immaginiamo. Ballan ha lasciato anche una parola in eredità, epistemia, il rischio di un’AI che non ti dà ragione semplicemente, ma ti convince in modo convincente di cose sbagliate.

Marco Ballan, direttore infrastruttura di IBM Italia

Il mantra: prima su di noi

In chiusura ha ripreso Girolamo Marazzi ha tirato le fila della giornata con una frase che è il principio di funzionamento di BlueIT: prima di proporre una tecnologia ai clienti la testiamo su di noi; è la traduzione operativa della responsabilità annunciata in apertura.

Bernabò Visconti non contrasse mai la peste; la storia gli ha dato ragione. La domanda che ci si porta a casa uscendo dal Castello di Pandino è se sapremo scegliere con responsabilità e competenza dove tenere il cursore dell’AI e della sovranità digitale.

Ai Slop ovvero… Tralalero Tralala, Ballerina Cappuccina, Tung Tung Tung Sahur. Chi ha meno di dieci anni, questi nomi li conosce, se ne hai di più e hai bambini, li conosci attraverso di loro, se non li conosci, congratulazioni, sei sopravvissuto al primo grande fenomeno culturale globale interamente prodotto dall’AI generativa, partito proprio dall’Italia e diventato meme planetario al punto che la vodka Svedka, durante il Super Bowl LX di febbraio 2026, ha mandato in onda uno spot interamente in stile Italian Brainrot per cinque milioni di dollari di slot pubblicitario. Personaggi grotteschi, nonsense iperverbali, animazioni caricaturali generate in pochi secondi.

È il volto pop di un fenomeno che ha un nome tecnico molto meno divertente: AI slop. La parola dell’anno 2025 secondo Merriam-Webster, Macquarie Dictionary e American Dialect Society. Tre dizionari, tre continenti, stessa scelta. Non capita spesso. Capita quando un fenomeno smette di essere percepito come trend di nicchia e diventa la lente attraverso cui leggiamo l’esperienza quotidiana del web.

AI slop, cosa significa e perché è la parola dell’anno 2025

Slop in inglese significa brodaglia, sbobba, mangime per maiali. Nasce nel Settecento come “fango molle”, diventa “scarto alimentare” nell’Ottocento, “prodotto di scarso o nessun valore” nel Novecento. Nel 2024 atterra nel mondo digitale grazie ai forum tech che lo usano per descrivere le immagini AI generate in massa, troppe simili tra loro, piene di errori visivi o logici. Diventa fenomeno di massa nel 2025 con il proliferare di Midjourney, Sora, Nano Banana e di tutti gli strumenti generativi che hanno reso la produzione di immagini, video e testo praticamente gratuita.

La nostra analisi sui migliori motori di ricerca AI e quella sul nuovo Google Gemini multimodale avevano già fotografato la velocità con cui questi strumenti stavano entrando nelle redazioni, nelle agenzie e nelle case di ogni utente connesso. La potenza creativa di questi sistemi è cresciuta in ventiquattro mesi più di quanto avessimo previsto. Il problema è che è cresciuta nelle mani giuste e in quelle sbagliate alla stessa velocità.

Qualcuno ha trasformato il termine AI slop in acronimo: S.L.O.P., Spammy Low-quality Over-Produced. La definizione regge. AI slop sono contenuti spam, di bassa qualità, prodotti in quantità eccessive, generati con minimo intervento umano. Non sono fake news, perché non vogliono ingannare. Non sono deepfake, perché non puntano alla verosimiglianza. Sono qualcosa di peggio nella loro banalità: contenuti irrilevanti, prodotti per il gusto di esserlo, con l’unico obiettivo di scatenare una reazione di pancia, una risata, un secondo di attenzione, un click che vale frazioni di centesimo ma che moltiplicato per milioni diventa un business model.

Il filosofo americano Harry Frankfurt aveva un termine per questo, prima che esistesse l’AI: bullshit. Discorso prodotto senza alcun riguardo per la verità, completamente indifferente a ciò che è vero o falso. L’AI slop è la versione 2026 del bullshit di Frankfurt, industrializzata, automatizzata, distribuita su scala globale.

I numeri dell’AI slop: il web è già più sintetico che umano

Lo studio Graphite del 2025, condotto su 65.000 URL, ha rilevato che il 52% dei nuovi articoli pubblicati online è generato dall’AI. Più della metà. In parallelo, l’Imperva Bad Bot Report ha certificato che il 51% di tutto il traffico web mondiale arriva ormai da bot, superando per la prima volta il traffico umano. Tradotto: scrivono macchine, leggono macchine, e gli umani sono diventati una minoranza in casa propria.

C’è un dato ancora più inquietante per chi si occupa di AI da vicino. Diversi analisti stimano che il testo umano di alta qualità utilizzabile per addestrare i modelli sarà esaurito tra il 2026 e il 2032. Non perché finirà la lingua, ma perché il rapporto segnale-rumore sta degradando così velocemente che separare il contenuto autentico dal sintetico diventerà computazionalmente troppo costoso. I modelli addestrati sull’internet pre-slop avranno un vantaggio permanente sui successori, esattamente come le bottiglie di acqua imbottigliate prima di Chernobyl avevano un vantaggio sui livelli di radioattività di fondo.

Nel marzo 2026 i ricercatori della società di cybersecurity DoubleVerify hanno identificato una rete di oltre 200 siti web, battezzata AutoBait, che pubblicava contenuti AI usando prompt template per generare articoli e immagini con l’unico scopo di guadagnare entrate pubblicitarie. Non è un caso isolato, è il pattern dominante. Quando il costo marginale di produzione di un contenuto si avvicina a zero, e la monetizzazione anche di un solo clic resta positiva, l’incentivo a produrre AI slop diventa irresistibile. Akhil Bhardwaj dell’Università di Bath lo dice senza filtri: l’AI slop sta inquinando le community su Pinterest, compete per i ricavi con gli artisti su Spotify, sommerge YouTube di video di scarsa qualità.

L’inchiesta del New York Times di marzo 2026 ha portato alla luce un dato che dovrebbe far discutere ben oltre la cerchia dei tech: circa il 40% dei video raccomandati ai bambini su YouTube e YouTube Kids sono AI slop, spesso travestiti da contenuti educativi, con cavalli dalle proporzioni sbagliate che si schiudono dalle uova e lettere dell’alfabeto pronunciate in modo nonsensico. Dietro lo Skibidi e il Tralalero c’è un meccanismo industriale che genera ricavi pubblicitari sull’attenzione dei più piccoli. È questo il vero scandalo dell’AI slop, non la sua estetica grottesca.

AI Slop italiana: dal Tralalero Tralala al video politico generato

L’Italia è doppiamente protagonista in questa storia. Lo è in modo creativo, perché l’Italian Brainrot è uscito dal contenitore TikTok per diventare standard espressivo globale. Lo è in modo problematico, perché l’AI slop italiana ha già dimostrato di poter generare opinione politica reale. Negli ultimi mesi sono circolati video AI di persone nere che dichiaravano di “vivere grazie ai soldi degli italiani”, contenuti progettati per scatenare rabbia in chi fatica a mantenere la famiglia o in chi aveva già pregiudizi sui migranti. Sono falsi, si capisce che sono falsi, ma producono opinione politica reale.

È la versione italiana di un pattern che il New York Times ha documentato negli Stati Uniti durante il secondo mandato Trump, con immagini AI del presidente come papa, come jedi, come uomo muscoloso con la spada laser. Cambiano i protagonisti, non cambia il meccanismo. La VP Italia di Meta ha confermato che i sistemi automatici di moderazione faticano a tenere il passo con il volume, soprattutto in lingue diverse dall’inglese. L’italiano, lingua di un mercato secondario per i Big Tech americani, riceve sistemi di rilevamento meno sofisticati di quelli applicati al mercato statunitense. È un problema di sovranità digitale che il pubblico Digitalic conosce bene, e che si lega direttamente al tema dell’autosufficienza AI europea.

AI slop e SEO: cosa cambia per Google e per chi fa contenuti professionali

Per chi fa contenuti professionali nel B2B, e qui parliamo del cuore del lettore Digitalic, l’AI slop è un problema operativo e strategico. Liz Reid, VP di Google Search, in un’intervista del 24 aprile 2026 ha messo le cose in chiaro: prima dell’AI slop c’era già lo slop generato dagli umani, e Google ha sempre avuto a che fare con contenuti di scarso valore. Il problema oggi è la quantità, non la qualità intrinseca dell’output AI. La posizione di Google è coerente da anni: il problema non è che il contenuto sia AI, è che sia di scarso valore. I tre Core Update del 2026 hanno colpito duramente i siti che hanno scalato la produzione AI senza supervisione umana, con cali di traffico fino al 60% dichiarati da chi fa monitoraggio SEO professionale.

Il punto non è più “Google penalizza l’AI”. Google non lo fa, e Liz Reid lo ha ribadito. Il punto è che la “scaled content abuse policy” di Google considera violazione l’uso di strumenti generativi per produrre molte pagine senza aggiungere valore per gli utenti. La differenza tra contenuto AI utile e AI slop, per l’algoritmo, non è la fonte ma l’aggiunta di valore. Per le aziende italiane che producono blog corporate o content marketing, questo significa due cose. La prima: l’epoca del “scriviamo cento articoli al mese con ChatGPT e vediamo cosa rankerà” è già finita, lo confermano le statistiche di posizionamento dei contenuti pubblicati negli ultimi sei mesi. La seconda: chi continua a investire in contenuti originali, basati su dati propri, esperienza diretta, citazioni di prima mano, sta acquisendo un vantaggio competitivo che si misurerà sui prossimi diciotto mesi.

Il dato chiave per chi si occupa di SEO B2B nel 2026: il 76,1% degli URL citati negli AI Overview di Google corrisponde a pagine già nelle prime 10 posizioni della ricerca tradizionale. Tradotto: la qualità che Google premia per il ranking classico è sostanzialmente la stessa che gli LLM citano nelle risposte generative. Il dual-track è meno divergente di quanto sembri, ed è ottima notizia per chi non aveva intenzione di abbandonare il rigore editoriale. Diverso il discorso per ChatGPT: secondo Ahrefs, l’88% degli URL citati da ChatGPT sono presi direttamente dalla ricerca, ma il modello cita solo il 50% delle pagine che recupera. La domain authority, le menzioni del brand su Reddit e Quora, la reputazione consolidata diventano fattori di citation rate più importanti del ranking puro.

Il bando di Bandcamp e “made by humans” di Apple TV

C’è un movimento di reazione che sta prendendo forma. Nel gennaio 2026 Bandcamp ha bandito completamente la musica AI generata dalla propria piattaforma, con una policy che recita che musica e audio generati interamente o sostanzialmente dall’AI non sono permessi, vietando anche l’uso di AI per imitare altri artisti. Aerie, brand di abbigliamento, ha lanciato una campagna “no AI generated bodies or people” che è diventata il loro post Instagram più liked dell’anno. Apple TV+ ha aggiunto un disclaimer ai titoli di coda della serie Pluribus: “This show was made by humans”. L’umano sta diventando una credenziale di marketing. Esattamente come “biologico” lo è diventato per il cibo trent’anni fa.

A livello regolatorio l’Articolo 50 dell’AI Act, che entra in vigore proprio il 2 agosto 2026 come abbiamo raccontato nell’analisi sulla fase GPAI dell’AI Act, imporrà l’etichettatura obbligatoria dei contenuti sintetici, deepfake compresi. La Corea del Sud ha introdotto regole simili a inizio 2026. Anche la Commissione UE sta valutando se applicare le previsioni del Digital Services Act sull’AI slop, considerandolo un rischio sistemico per il discorso pubblico al pari della disinformazione. La regolamentazione non è la soluzione, ma diventerà parte della risposta.

Cosa fare contro l’AI slop, concretamente

C’è una scena che mi è rimasta impressa, dalla redazione di un grande gruppo editoriale italiano dove ero passato lo scorso autunno. Il direttore mi mostrava le metriche di lettura: sul desktop, gli utenti restavano in media 3 minuti e 40 secondi su un articolo. Sul mobile, 47 secondi. “Il problema non sono i 47 secondi”, mi ha detto. “Il problema è che gli utenti stanno smettendo di leggere anche i 47 secondi. Aprono, scrollano, escono. Hanno già dato per scontato che non troveranno nulla che valga la pena”. Quel direttore non parlava di AI, parlava di una conseguenza dell’AI: la fiducia preventiva nel contenuto digitale è crollata. La fiducia, una volta persa, non si recupera con la velocità con cui si è persa.

Per chi fa content professionale o commerciale ci sono tre azioni concrete da mettere in agenda nei prossimi tre mesi.

La differenziazione editoriale radicale. Pubblicare meno, pubblicare meglio, pubblicare cose che chi usa l’AI non può ottenere senza fare il lavoro che farebbe un autore umano. Interviste con fonti di prima mano, dati raccolti direttamente, analisi che richiedono memoria storica del settore. Tutto ciò che un LLM non può ricostruire perché non esiste ancora nei suoi dati di training. È l’unica strategia che ha senso difensivo e offensivo allo stesso tempo.

Il labelling proattivo. Etichettare i propri contenuti AI assistiti come tali, prima che lo imponga la regolamentazione, costruisce un differenziale di trasparenza che il mercato premia. Le ricerche dell’Università della Florida pubblicate a marzo 2026 lo confermano: i consumatori, una volta che possono distinguere chiaramente cosa è AI e cosa è umano, premiano la chiarezza. Nascondere l’AI è una strategia che funzionava nel 2024, oggi è un rischio reputazionale.

La riprogettazione della distribuzione. Se il feed sociale è un mare di AI slop e Google sposta sempre più traffico dentro gli AI Overview, la newsletter come canale diretto torna a essere la frontiera della relazione di valore. Le aziende che oggi stanno costruendo asset di prima parte (database email, community proprietarie, podcast con audience misurata) saranno quelle meno esposte al collasso del traffico organico che si sta consumando in tempo reale.

Il responsabile editoriale di un brand B2B mi ha detto una frase che mi sembra il modo giusto di chiudere questo paragrafo. “Stiamo riducendo del 70% il volume dei contenuti pubblicati. Stiamo aumentando del 300% il tempo medio dedicato a ciascun articolo. I numeri di traffico stanno scendendo. I numeri di lead qualificati stanno salendo. Non è un trade-off, è una correzione”.

L’altro lato dell’AI slop: l’AI può anche salvare i contenuti, se la usiamo bene

Sarebbe disonesto chiudere senza l’altra metà del cerchio. Lo studio dell’Università della Florida che ho citato prima, lo stesso che documenta i danni dell’AI slop, conclude che man mano che gli strumenti AI migliorano, i consumatori avranno accesso a contenuti progressivamente migliori e i professionisti potranno usare l’AI per potenziare il proprio lavoro già di alta qualità. Il problema non è l’AI, è la fase intermedia in cui ci troviamo, quella in cui chi entra nel mercato creativo per la prima volta produce slop perché può, e chi lo consuma fatica a distinguerlo dal valore vero. Una fase di transizione che durerà ancora un paio d’anni, forse tre. Poi il sistema troverà un nuovo equilibrio, perché i sistemi questo fanno.

C’è anche un altro fronte poco raccontato. L’AI generativa applicata a settori specialistici, come la medicina o la ricerca farmaceutica, sta producendo qualcosa di radicalmente diverso dall’AI slop. Lo abbiamo raccontato nell’articolo su NTT DATA e i dati sintetici clinici: pazienti sintetici per testare farmaci destinati a malattie rare, bracci di controllo virtuali per studi clinici, accelerazione della ricerca senza compromettere l’etica. Lì l’AI generativa produce conoscenza, non rumore. È la stessa tecnologia, applicata con un altro intento e dentro un altro framework di responsabilità.

Nel frattempo, però, la responsabilità è doppia. Per chi produce, è scegliere se essere parte del problema o parte della soluzione. Per chi consuma, è ricostruire una capacità di lettura critica che il digitale aveva eroso ben prima dell’AI e che oggi viene messa alla prova come mai. Il problema non è che l’AI ha ucciso il valore dei contenuti, è che ha esposto, brutalmente, quanto poco valore avessero molti dei contenuti che producevamo prima.

FAQ domande frequenti sull’AI slop

Cosa significa AI slop? AI slop è un termine inglese che significa letteralmente “sbobba AI” o “brodaglia AI”. Indica contenuti digitali (testi, immagini, video, audio) generati dall’intelligenza artificiale in modo automatico o quasi automatico, di bassa qualità, prodotti in massa con scarso o nessun controllo umano. Il Merriam-Webster lo ha eletto parola dell’anno 2025.

Quanti contenuti online sono AI slop nel 2026? Secondo lo studio Graphite del 2025 condotto su 65.000 URL, il 52% dei nuovi articoli pubblicati online è generato dall’AI. L’Imperva Bad Bot Report certifica che il 51% del traffico web mondiale arriva da bot, superando per la prima volta il traffico umano.

Google penalizza l’AI slop? Google non penalizza i contenuti per il fatto di essere generati dall’AI. Penalizza i contenuti di scarso valore per l’utente, indipendentemente dalla fonte. La “scaled content abuse policy” considera violazione l’uso di AI per produrre molte pagine senza aggiungere valore. La VP Google Liz Reid ha confermato la posizione il 24 aprile 2026.

Cos’è l’Italian Brainrot e che rapporto ha con l’AI slop? È una sottocategoria di AI slop nata in Italia nel 2024 e diventata globale nel 2025. Comprende personaggi AI grotteschi e surreali (Tralalero Tralala, Ballerina Cappuccina, Tung Tung Tung Sahur) entrati nella cultura pop di scuole materne, social media e persino spot pubblicitari come quello della vodka Svedka al Super Bowl LX 2026.

Come riconoscere un contenuto AI slop? Tratti tipici: tono eccessivamente promozionale o uniforme, ripetitività strutturale, vaghezza nei dettagli, assenza di prospettive originali, citazioni o link inesistenti, errori fattuali o anacronismi, struttura ritmica troppo regolare. Wikipedia ha pubblicato una checklist di tratti linguistici tipici dei contenuti AI per facilitarne l’identificazione e la rimozione.

L’AI Act regola l’AI slop? L’Articolo 50 dell’AI Act, in vigore dal 2 agosto 2026, impone l’etichettatura dei contenuti generati dall’AI inclusi i deepfake. Il Digital Services Act potrebbe applicare le sue previsioni sui rischi sistemici se l’AI slop dovesse essere considerato una minaccia rilevante per il discorso pubblico.

L’AI slop è la stessa cosa delle fake news? No. Le fake news vogliono ingannare l’utente facendogli credere a qualcosa di falso. I deepfake puntano alla massima verosimiglianza per imitare persone reali. L’AI slop è composto da contenuti irrilevanti, prodotti in massa per generare engagement e ricavi pubblicitari, spesso senza pretesa di essere realistici. Il filosofo Harry Frankfurt lo definirebbe “bullshit”: discorso indifferente alla verità.

Conto alla rovescia per l’ AI Act: cento giorni, mancano solo 100 giorni. Dovrebbe esserci un calendario appeso alla parete dell’ufficio  con un cerchio rosso intorno al 2 agosto 2026, e accanto un foglio A4 con l’elenco dei sistemi AI da certificare entro quella data, in Italia, non ho visto uffici compliance in cui la data sia stata è cerchiata, forse perchè è Agosto e si sa, in Italia ad agosto non succede nulla, poi  l’elenco dei sistemi AI in produzione, semplicemente, molto spesso non esiste.

È in questa distanza che si gioca la partita dei prossimi quattro mesi: il 2 agosto 2026 il Regolamento europeo 2024/1689 sull’intelligenza artificiale entra nella sua fase più dura, quella che trasforma l’AI Act da impianto giuridico annunciato a strumento operativo con poteri sanzionatori reali, autorità di vigilanza nazionali, valutazioni di conformità obbligatorie. Cento giorni in cui il sistema produttivo italiano deve fare quello che ha rinviato troppo a lungo. Cento giorni che separano un Paese strutturalmente in ritardo dal primo banco di prova vero.

AI Act, sintesi della prima legge al mondo sull’intelligenza artificiale

L’AI Act è il primo quadro normativo organico al mondo sull’intelligenza artificiale, adottato dall’Unione Europea con il Regolamento 2024/1689 del 13 giugno 2024 e pubblicato in Gazzetta Ufficiale dell’UE il 12 luglio dello stesso anno. La logica è basata sul rischio: ogni sistema AI viene classificato in quattro categorie, rischio inaccettabile (vietato), alto rischio (obblighi stringenti), rischio limitato (obblighi di trasparenza), rischio minimo (libero utilizzo). Da questa classificazione discendono tutti gli obblighi che le aziende sono chiamate a rispettare a seconda del proprio ruolo nella catena del valore.

Il testo integrale dell’AI Act è consultabile sull’EUR-Lex e sulla pagina ufficiale della Commissione europea, che funge anche da repository per le linee guida operative, i Code of Practice e la documentazione di supporto pubblicata dall’AI Office. La sintesi essenziale che ogni decision maker deve avere chiara è questa: non si tratta di una direttiva da recepire Stato per Stato, ma di un Regolamento direttamente applicabile in tutti i 27 Paesi membri, con effetti immediati sulle aziende e con un perimetro extraterritoriale che lo rende il primo standard globale di fatto sull’AI.

Quando entrano in vigore i principali obblighi dell’AI Act

L’AI Act è entrato in vigore il 1° agosto 2024, ma la sua applicazione segue un calendario scaglionato. Le pratiche vietate dell’Articolo 5 (social scoring, manipolazione subliminale, riconoscimento delle emozioni sul lavoro, identificazione biometrica in tempo reale negli spazi pubblici) e gli obblighi di alfabetizzazione AI sono operativi dal 2 febbraio 2025. Le regole sui modelli General Purpose AI sono applicative dal 2 agosto 2025, come avevamo raccontato nel pezzo dedicato alla fase GPAI dell’AI Act. Sono passaggi che il sistema enterprise ha più o meno digerito, perché coinvolgevano principalmente i provider dei foundation model, non chi quei modelli li integra.

Il 2 agosto 2026 cambia tutto. Si attiva il corpo principale del Regolamento: obblighi stringenti per i sistemi ad alto rischio dell’Allegato III, regole di trasparenza dell’Articolo 50, obbligo per ogni Stato membro di istituire almeno un AI Sandbox nazionale. Il 2 agosto 2027 estende il regime ai sistemi ad alto rischio integrati come componenti di sicurezza in prodotti già regolati a livello europeo, dispositivi medici, macchinari, giocattoli. Tra le due date c’è la finestra in cui il sistema delle imprese gioca la partita.

Chi arriva al 2026 senza inventario, senza classificazione del rischio, senza un Fundamental Rights Impact Assessment integrato con la DPIA del GDPR, non ha più il tempo di costruirseli in corso d’opera. Non è una valutazione catastrofista, è aritmetica.

Chi è soggetto all’AI Act, una mappa che spiazza

La domanda più frequente che ricevo dai CIO è anche quella che produce le risposte più sbagliate: chi deve preoccuparsi davvero dell’AI Act? La risposta breve è “praticamente tutti”, la risposta lunga richiede di capire il modello a quattro ruoli del Regolamento. Il provider è chi sviluppa o fa sviluppare un sistema AI e lo immette sul mercato sotto il proprio nome o marchio. Il deployer è chi utilizza un sistema AI sotto la propria autorità nell’ambito di un’attività professionale, ed è qui che ricadono la stragrande maggioranza delle aziende italiane. L’importatore è chi immette sul mercato europeo un sistema AI di un soggetto extra-UE. Il distributore mette a disposizione il sistema senza modificarlo.

Il punto critico è che le obbligazioni si attivano in base al ruolo concreto, non a quello dichiarato in contratto. Se un’azienda italiana acquista un assistente AI per il recruiting da un fornitore americano e lo personalizza in modo significativo, secondo le linee guida dell’AI Office può diventare provider della versione modificata, ereditando un set di obblighi molto più pesante di quello del semplice deployer. Anche le aziende non europee che immettono sistemi AI nel mercato UE o i cui output sono usati in Europa rientrano nel perimetro del Regolamento, esattamente come è successo con il GDPR. Questo è il cuore dell’effetto extraterritoriale che fa dell’AI Act il primo standard globale di fatto.

L’AI Act italiano: il nodo della Legge 132 e il ruolo di ACN

Sul piano italiano il quadro si è complicato il 10 ottobre 2025, data di entrata in vigore della Legge 23 settembre 2025 numero 132, che fa dell’Italia il primo Paese dell’Unione con un quadro nazionale organico interamente allineato all’AI Act. Quando si parla di “AI Act italiano” è alla 132 che si sta facendo riferimento, anche se tecnicamente la legge nazionale non sostituisce il Regolamento europeo, lo integra. Designa l’Agenzia per la Cybersicurezza Nazionale (ACN) come autorità di vigilanza, attribuisce all’Agenzia per l’Italia Digitale (AgID) la gestione delle notifiche, stanzia un programma di investimenti per startup e PMI nei settori AI e cybersicurezza, introduce nuove fattispecie di reato contro l’uso fraudolento dell’intelligenza artificiale, deepfake lesivi compresi.

Il CIO italiano quindi non sta gestendo un solo perimetro normativo. Ne sta gestendo due. Come avevamo già spiegato nella guida alle nuove norme AI per le PMI, la Legge 132 modifica anche il Modello 231, introducendo responsabilità organizzative aggiuntive che fino al 9 ottobre 2025 semplicemente non esistevano. Due binari, una sola scadenza. Chi pianifica adeguamento solo sull’Europa fa metà del lavoro.

AI Act sanzioni: fino al 7% del fatturato globale, e per l’Italia c’è di più

Le sanzioni dell’AI Act sono state calibrate per essere più dure di quelle del GDPR, e per buone ragioni. Le aziende italiane rispondono a sanzioni amministrative europee fino a 35 milioni di euro o il 7% del fatturato globale annuo per le violazioni più gravi, quelle relative all’uso di pratiche AI vietate dall’Articolo 5. Per la non conformità agli obblighi sui sistemi ad alto rischio, comprese le mancanze documentali, di valutazione del rischio o di sorveglianza umana, la sanzione arriva fino a 15 milioni o il 3%. Per informazioni false, incomplete o ingannevoli fornite alle autorità di vigilanza, la sanzione si ferma a 7,5 milioni o l’1,5%.

Le PMI e le startup beneficiano del meccanismo della “soglia inferiore”: tra l’importo fisso e la percentuale sul fatturato si applica il valore più basso, una scelta del legislatore europeo per evitare che la compliance diventi una barriera all’ingresso per le piccole imprese. In parallelo, in Italia, opera il sistema sanzionatorio nazionale sotto la 132, che per chi opera sotto la giurisdizione italiana può tradursi in conseguenze 231 ben più temibili di una multa amministrativa: responsabilità penale, interdittive, danno reputazionale e, in alcuni settori regolati, perdita dell’autorizzazione operativa.

Il Digital Omnibus e l’illusione del rinvio

A complicare ulteriormente la lettura c’è il Digital Omnibus presentato dalla Commissione il 19 novembre 2025, una proposta di semplificazione che, tra le altre cose, suggerisce di spostare fino a un massimo di sedici mesi la timeline dei sistemi ad alto rischio. Si tratta di una proposta in fase di negoziato tra Parlamento europeo e Consiglio dell’Unione, secondo quanto pubblicato nella pagina ufficiale della Commissione sull’AI Act. L’esito non è scontato e i tempi non garantiscono nulla a chi vorrebbe metterci sopra una pianificazione 2026.

Qui si gioca la trappola più rischiosa per il decision maker italiano: assumere il rinvio come dato di fatto, e basarci sopra il piano di compliance. Significa giocare contro la propria azienda. Se il Digital Omnibus non chiude prima dell’estate, la timeline originaria torna automaticamente operativa. Le agende dei notified bodies, gli organismi terzi che rilasciano le certificazioni di conformità, sono già sature verso il secondo trimestre 2026. Chi parte tardi non trova interlocutori disponibili, qualunque cosa decida Bruxelles.

Un percorso completo di adeguamento per un sistema ad alto rischio, comprensivo di analisi, implementazione tecnica, governance e audit, richiede mediamente tra otto e quattordici mesi di lavoro effettivo. Aprile 2026 più otto mesi minimi porta a dicembre, oltre il 2 agosto, e questo nell’ipotesi più ottimistica di un’organizzazione già strutturata. Per chi parte da zero parliamo di gennaio 2027 nelle proiezioni meno crudeli. Pensare che il rinvio risolva il problema è la versione 2026 dello “abbiamo ancora tempo” del 2017 sul GDPR.

L’Italia di aprile 2026, raccontata dai numeri

L’indagine ISTAT certificata nel dicembre 2025 fotografa un’accelerazione potente: il 16,4% delle imprese italiane con almeno 10 addetti utilizza oggi almeno una tecnologia di intelligenza artificiale, contro l’8,2% del 2024 e il 5% del 2023. Un raddoppio in dodici mesi, un quadruplicamento in due anni. Numeri che dovrebbero rassicurare. Il problema è il rovescio della medaglia: lo stesso ISTAT segnala che quasi il 60% delle aziende che ha valutato investimenti in AI vi ha rinunciato per mancanza di competenze adeguate, e tra le PMI che adottano l’intelligenza artificiale oltre un’impresa su quattro non sa indicare un ambito aziendale specifico di utilizzo.

Si compra tecnologia senza saperla governare. Si firma un contratto con un vendor di Copilot perché lo fanno tutti, senza chiedersi se quel deployment ricade nell’Allegato III. Si lancia un agente AI di onboarding HR senza realizzare che gli strumenti AI per la gestione dei lavoratori, screening dei CV inclusi, sono per definizione ad alto rischio. È lo scenario su cui atterra il 2 agosto 2026.

Lo studio appliedAI, che ha analizzato 106 sistemi AI in produzione nelle imprese europee, ha rilevato che il 40% aveva una classificazione del rischio non chiara o non documentata. Tradotto in linguaggio operativo: quattro sistemi su dieci non sapevano se erano ad alto rischio, a rischio limitato o minimo, e quindi non sapevano quali obblighi avrebbero dovuto rispettare a partire dal 2 agosto. È il dato che dovrebbe togliere il sonno a chi firma le decisioni IT.

Il costo reale della compliance, cifre alla mano

Il costo della conformità per un singolo sistema AI ad alto rischio è stimato intorno a 52.000 euro l’anno secondo le proiezioni più recenti, una cifra che include risk assessment, documentazione tecnica conforme all’Articolo 11, sistema di gestione della qualità, monitoraggio post-immissione, conservazione dei log per la tracciabilità prevista dall’Articolo 12. Le valutazioni di conformità con organismo notificato per i sistemi ad alto rischio possono costare tra 5.000 e 50.000 euro a sistema.

Per un’azienda media italiana che ha messo in produzione, magari senza saperlo, tre o quattro sistemi che ricadono nelle categorie dell’Allegato III, parliamo di un investimento annuale tra 150.000 e 200.000 euro, da ammortizzare su un orizzonte di compliance pluriennale. Sembra molto. Lo è meno se confrontato con le alternative: sanzioni europee al 7% del fatturato globale, sanzioni nazionali sotto la 132, sospensione del deployment, recall di prodotto, perdita di accesso al mercato unico, contenziosi civili sui diritti fondamentali violati. Quando un capitolato di gara internazionale inizierà a chiedere la conformità AI Act come prerequisito di partecipazione, e succederà entro il 2027, chi non ce l’ha non corre per il contratto, lo guarda passare.

AI Act: tre cose da fare luglio 2026

In una recente conversazione con il responsabile compliance di un gruppo industriale lombardo da 400 milioni di fatturato, ho posto una domanda semplice: quanti sistemi AI avete in produzione? La risposta è stata: “Dipende da come li definiamo”. Tre ore dopo, il loro CIO mi ha mandato un’email con un primo elenco. Erano undici. Quattro non erano stati formalmente acquistati dall’IT, due erano embedded in software gestionali aggiornati l’anno scorso senza che nessuno notasse il cambio di natura. Da lì sono partiti, nel modo giusto.

Quel modo giusto si articola in tre passaggi.

L’inventory. Una mappatura completa di ogni sistema AI in uso, in sviluppo, in fase di acquisizione, comprensiva di shadow AI introdotta dai team di business senza passare dall’IT, classificata per ruolo dell’azienda nella catena del valore (provider, deployer, importatore, distributore) e per livello di rischio dell’Allegato III. Quattro o sei settimane di lavoro reale, che producono una consapevolezza organizzativa che oggi semplicemente non esiste. Senza l’inventory, ogni azione successiva è una scommessa.

La governance integrata. L’AI Act non vive da solo: convergono nel 2026 GDPR, NIS2, Cyber Resilience Act, Direttiva Macchine, DORA per il settore finanziario. Il Fundamental Rights Impact Assessment richiesto dall’Articolo 27 dell’AI Act si sovrappone in larga parte alla Data Protection Impact Assessment dell’Articolo 35 GDPR. Eseguire i due assessment come esercizi separati raddoppia i costi e moltiplica gli errori. Il framework giusto li integra una volta sola, con esiti coerenti, sotto un unico comitato di governance.

Il design for compliance. Ogni nuovo progetto AI dovrebbe nascere già allineato ai requisiti high risk, anche se oggi non rientra formalmente in quella classificazione, perché l’esperienza GDPR ha insegnato che retrofittare la conformità su sistemi già in produzione costa cinque volte di più che progettarla dall’inizio. Tracciabilità, explainability, supervisione umana, cybersecurity sono caratteristiche che vanno scritte in fase di architettura, non appiccicate dopo. Chi progetta oggi senza considerare l’AI Act sta costruendo un debito tecnico-regolatorio che presenterà il conto, con interessi.

Il responsabile compliance lombardo, all’ultima riunione, ha detto una frase che mi è rimasta. “Non stiamo facendo compliance perché abbiamo paura della multa. La stiamo facendo perché vogliamo poter dire ai nostri clienti francesi e tedeschi che siamo pronti prima di loro”. È esattamente lo spostamento di prospettiva che separa chi reagisce da chi anticipa.

L’effetto internazionale dell’AI Act, dal Brussels Effect allo standard globale

Quando il GDPR è entrato in vigore nel 2018, gli analisti americani lo dipingevano come un peso normativo destinato a rallentare l’innovazione europea. Nel 2026 è diventato lo standard di fatto della protezione dati a livello globale, copiato da California (CCPA), Brasile (LGPD), India (DPDPA), Cina (PIPL). È quello che gli accademici chiamano Brussels Effect: la capacità del mercato unico europeo di esportare regole, in virtù delle sue dimensioni e della sua attrattività commerciale.

L’AI Act sta seguendo la stessa traiettoria con un’accelerazione superiore. Il Brasile ha approvato il proprio quadro AI ispirato al modello europeo nel 2025. Il Canada e l’Australia stanno procedendo con framework convergenti. Persino lo Stato di New York ha pubblicato linee guida che mutuano la classificazione del rischio europea. Per le aziende italiane questo significa che la conformità all’AI Act non sarà solo un obbligo per vendere in Europa, sarà un passaporto operativo per accedere a un numero crescente di mercati globali. Esattamente come oggi nessuno mette in discussione di dover essere GDPR-compliant per fare e-commerce internazionale.

Il vantaggio competitivo nascosto nella scadenza

Oltre 230 grandi organizzazioni globali, tra cui Allianz, Lenovo, Reply, Kaspersky, hanno già aderito all’AI Pact della Commissione, l’iniziativa volontaria che impegna a rispettare gli obblighi dell’AI Act in anticipo. Nessuna di queste organizzazioni lo sta facendo per filantropia. Lo sta facendo perché ha capito che la compliance, una volta diventata standard di mercato, smette di essere costo e inizia a essere credenziale. Le aziende italiane che oggi rispondono a bandi internazionali, che vogliono entrare in supply chain europee, che vendono a clienti enterprise tedeschi o francesi, scopriranno presto che la conformità all’AI Act sarà richiesta nei capitolati come oggi è richiesta la certificazione ISO 27001.

Chi arriva al 2 agosto 2026 con la documentazione in ordine non sta solo evitando sanzioni: sta costruendo un posizionamento. La scadenza europea diventa, paradossalmente, uno degli strumenti più potenti per ridurre la distanza che separa il manifatturiero italiano dai concorrenti tedeschi sulla maturità digitale.

Cento giorni alla data, otto-quattordici mesi di lavoro per arrivarci preparati. La matematica non torna per chi inizia oggi sulla nuda. Torna ancora per chi inizia oggi e accetta di concentrare le risorse sui sistemi più critici, lasciando il perimetro minore alla seconda ondata. Quel calendario tedesco con il 2 agosto cerchiato in rosso, in qualche ufficio compliance italiano, qualcuno dovrà pure iniziare a tirarlo fuori dal cassetto.

FAQ domande frequenti sull’AI Act

Cos’è l’AI Act in sintesi? L’AI Act è il Regolamento UE 2024/1689, prima legge organica al mondo sull’intelligenza artificiale, entrata in vigore il 1° agosto 2024. Classifica i sistemi AI in quattro livelli di rischio (inaccettabile, alto, limitato, minimo) e impone obblighi proporzionali al rischio. È direttamente applicabile in tutti i 27 Paesi UE.

Quando entrano in vigore i principali obblighi dell’AI Act? Le pratiche vietate sono operative dal 2 febbraio 2025, gli obblighi GPAI dal 2 agosto 2025, gli obblighi sui sistemi ad alto rischio dell’Allegato III dal 2 agosto 2026, gli obblighi sui sistemi ad alto rischio integrati in prodotti regolati dal 2 agosto 2027. La piena applicazione del Regolamento è il 2 agosto 2026.

Chi è soggetto all’AI Act? Provider, deployer, importatori e distributori di sistemi AI immessi sul mercato europeo o utilizzati nell’UE, indipendentemente dalla sede legale dell’azienda. L’effetto extraterritoriale rende il Regolamento applicabile anche ad aziende non europee i cui sistemi o output sono usati in Europa.

A quanto ammontano le sanzioni dell’AI Act? Fino a 35 milioni di euro o il 7% del fatturato globale annuo per pratiche vietate. Fino a 15 milioni o il 3% per non conformità sui sistemi ad alto rischio. Fino a 7,5 milioni o l’1,5% per informazioni false alle autorità. Per le PMI si applica il valore più basso tra cifra fissa e percentuale.

Esiste una versione italiana dell’AI Act? L’AI Act è un Regolamento europeo direttamente applicabile, non viene “tradotto” in legge italiana. Tuttavia l’Italia ha approvato la Legge 132/2025, in vigore dal 10 ottobre 2025, che integra il Regolamento europeo designando ACN come autorità di vigilanza, AgID come gestore delle notifiche, e introducendo nuove fattispecie di reato per uso fraudolento dell’AI.

Dove trovo il testo ufficiale dell’AI Act? Il testo integrale è pubblicato su EUR-Lex (Regolamento UE 2024/1689) ed è disponibile in tutte le lingue ufficiali dell’Unione, italiano compreso. La pagina ufficiale della Commissione raccoglie inoltre linee guida operative, Code of Practice e materiali di supporto pubblicati dall’AI Office.

OpenAI ha rilasciato ChatGPT Images 2.0, il nuovo modello di generazione immagini che gira sul motore tecnico gpt-image-2 ed è disponibile su ChatGPT, Codex e via API. La domanda che si stanno facendo in queste ore i marketing manager, gli editori, le agenzie e i team prodotto è la stessa: cos’è davvero, e soprattutto come usarlo al meglio per ottenere risultati di livello professionale invece di curiosità da feed Instagram. Questa guida risponde ai due quesiti separatamente, partendo dalle basi e arrivando alle tecniche operative che fanno la differenza tra un asset pronto per la stampa e uno che resterà in cartella. Si tratta del passaggio più netto da quando OpenAI aveva integrato Sora dentro ChatGPT, trasformando il prompt in linguaggio visivo: lo stesso movimento, applicato stavolta alla produzione di asset operativi.

Cos’è ChatGPT Images 2.0

ChatGPT Images 2.0 è il sistema di generazione immagini di OpenAI di terza generazione, dopo gpt-image-1 (aprile 2025) e gpt-image-1.5 (dicembre 2025). Il salto rispetto ai predecessori non è incrementale: per la prima volta un modello di immagini di OpenAI integra in modo nativo le capacità di ragionamento della famiglia “o”, lo stesso paradigma che Digitalic ha analizzato sui modelli o3 e o4-mini e che separa l’intuizione rapida dall’analisi deliberata.

Le caratteristiche tecniche pubbliche sono cinque, e vale la pena tenerle a portata di mano perché orientano tutto il resto. Risoluzione fino a 2K. Supporto per proporzioni da 3:1 a 1:3, quindi banner orizzontali, slide widescreen, poster verticali. Rendering di testo accurato anche in alfabeti non latini come giapponese, coreano, cinese, hindi e bengalese. Generazione fino a otto output coerenti tra loro in un’unica richiesta. Knowledge cutoff dicembre 2025, con possibilità di interrogare il web in tempo reale quando è attiva la modalità di ragionamento.

Sui benchmark Arena gpt-image-2 ha debuttato a 1.512 punti Elo nella categoria text-to-image, con un margine di 242 punti sul secondo classificato, Nano Banana Pro di Google: un divario insolitamente ampio in una classifica dove i modelli di vertice si separano di solito per poche decine di punti.

Come funziona ChatGPT Images 2.0: Instant e Thinking

Il modello opera in due modalità distinte, ed è la prima cosa da capire per usarlo al meglio.

La modalità Instant è la generazione rapida, disponibile a tutti gli utenti ChatGPT e Codex inclusi quelli del piano gratuito. Il modello produce l’immagine attingendo al proprio dataset interno, senza ragionamento esteso e senza ricerca web. È il percorso giusto per illustrazioni veloci, mood, idee visive, prove di stile.

La modalità Thinking è riservata agli abbonati Plus, Pro, Business ed Enterprise. Quando è attiva, il modello prima analizza l’attività richiesta, poi decide se serve una ricerca web per recuperare informazioni aggiornate, poi pianifica la composizione, poi genera, poi verifica i propri output prima di consegnarli. È il primo ciclo agentico esplicito tra prompt e pixel applicato alla generazione visiva. La latenza è maggiore, parliamo di alcuni minuti per output complessi come un fumetto a più riquadri, ma il salto di qualità sui contenuti densi di testo, layout strutturati e dati verificabili è proporzionale.

Per chi sviluppa, il modello è disponibile via API con prezzi che si articolano su tre livelli: 8 dollari per milione di token in input, 2 dollari per gli input cached, 30 dollari per milione di token in output. Il costo per immagine oscilla indicativamente tra 0,04 e 0,35 dollari a seconda di complessità del prompt e risoluzione.

ChatGPT Images 2.0: come usarlo al meglio, la regola dei tre livelli

La differenza tra chi userà ChatGPT Images 2.0 come un giocattolo e chi lo userà come strumento di lavoro sta tutta in una cosa: capire a che livello di precisione si sta giocando, e calibrare il prompt di conseguenza. I livelli sono tre, e non si sovrappongono.

Il livello visivo copre tutto ciò che riguarda mood, atmosfera, palette, suggestione. Per questo livello la modalità Instant è sufficiente, i prompt possono essere descrittivi e poetici, l’AI ha margine di interpretazione. Esempio: “una sala riunioni di un’azienda tech anni Ottanta, luce calda, atmosfera nostalgica”. Il giudizio finale lo dà l’occhio.

Il livello strutturale copre layout, gerarchia, posizionamento di elementi, formato. Per questo livello serve un prompt che parli come un art director: zone (top-left, fascia centrale, footer), proporzioni esatte (3:1 per banner, 1:3 per stories), gerarchia tipografica (titolo, sommario, body, occhiello). La modalità Thinking diventa utile, soprattutto se gli elementi sono più di tre o quattro.

Il livello informativo copre dati, nomi propri, numeri, date, citazioni, riferimenti reali. Per questo livello la modalità Thinking non è opzionale, è necessaria, perché serve la ricerca web e la verifica; anche con il ragionamento attivo vale una regola che non cambia: ogni dato numerico, ogni nome, ogni cifra che entra in un’infografica generata va controllato a mano contro la fonte primaria. Il modello produce l’immagine, il professionista produce la verità.

I prompt che funzionano davvero su ChatGPT Images 2.0

I prompt che restituiscono risultati professionali con ChatGPT Images 2.0 hanno una struttura ricorrente, vicina a un brief di art direction. Ecco sette schemi pratici, costruiti per casi d’uso B2B reali.

Pattern slide aziendale. “Crea una slide widescreen 16:9 con titolo `[testo del titolo]` in alto a sinistra, occhiello sotto il titolo in colore secondario, immagine principale a destra che occupa il 60 per cento della larghezza, footer con logo segnaposto e data. Stile editoriale corporate, palette navy e bianco, tipografia sans serif moderna.” Funziona perché definisce zone, proporzioni, gerarchia.

Pattern infografica con dati. “Genera un’infografica verticale 1:2 sull’evoluzione del mercato italiano del cloud 2020-2025. Cerca i dati Anitec-Assinform e Assintel più recenti. Costruisci una timeline orizzontale nella parte superiore, tre KPI in evidenza al centro con icone, fonte e nota metodologica in basso. Tipografia leggibile a 800 pixel di altezza.” La modalità Thinking è obbligatoria. La verifica manuale dei dati anche.

Pattern set di poster coerente. “Crea un set di otto poster per una campagna trimestrale dal titolo `[claim della campagna]`, stessa palette, stessa tipografia, stessa logica compositiva, soggetti diversi: ufficio, sala riunioni, server room, evento, formazione, customer care, R&D, leadership. Formato 4:5, stile fotografico cinematografico.” Sfrutta la coerenza multi-output, che è la vera arma di Images 2.0.

Pattern UI mockup. “Disegna lo screenshot di una dashboard SaaS B2B per il monitoraggio della rete aziendale. Sidebar a sinistra con cinque voci di menu, area centrale con quattro widget (traffico in tempo reale, alert attivi, top device, trend settimanale), header con logo segnaposto e profilo utente. Stile flat moderno, dark theme, testi inglesi leggibili a 1024 pixel.” Il caso d’uso che meglio dimostra il salto: i mockup UI fino a ieri richiedevano Figma, oggi escono in trenta secondi.

Pattern fumetto e storyboard. “Crea uno storyboard di sei vignette su un tecnico di un MSP che gestisce un attacco ransomware: scoperta dell’allarme, escalation, contenimento, comunicazione al cliente, eradicazione, post-mortem. Stile illustrato editoriale, palette tre colori, balloon di dialogo brevi e leggibili.” La coerenza tra le vignette è dove i modelli precedenti fallivano.

Pattern multilingua. “Genera tre varianti dello stesso banner per una campagna pan-europea. Stessa composizione, stessa palette, stesso prodotto al centro, claim tradotto: italiano `[testo]`, francese `[testo]`, tedesco `[testo]`. Formato 16:9.” Il rendering testuale corretto in più lingue su tre output coerenti era impossibile fino a ieri.

Pattern moodboard e progettazione spazi. “Costruisci una moodboard in formato 4:3 partendo da una planimetria fornita, con stile Japandi: zona pranzo, divano, area scrivania, letto matrimoniale, palette neutra con accenti naturali. Includi una griglia con sei riferimenti materici e palette colori in basso.” Caso d’uso interessante per architetti, interior designer, retail manager.

Cinque errori da evitare con ChatGPT Images 2.0

Il primo è chiedere otto cose diverse invece di otto declinazioni della stessa cosa. La generazione multi-output funziona se c’è un pattern; senza pattern produce otto immagini sconnesse.

Il secondo è usare Thinking quando non serve. La modalità Thinking costa tempo e, in API, anche più token di output. Per un’illustrazione veloce è uno spreco. Riservarla a contenuti densi di testo, dati o struttura.

Il terzo è fidarsi dei dati senza verifica. Anche con knowledge cutoff dicembre 2025 e ricerca web, gli errori numerici nelle infografiche generate sono ancora frequenti. La regola editoriale Digitalic vale anche per le immagini: nessun dato pubblicato senza riscontro su fonte primaria.

Il quarto è trattare il prompt come una preghiera. I prompt vaghi producono risultati vaghi. Specificare formato, zone, gerarchia tipografica, palette, stile, riferimenti. Più il brief è preciso, più il risultato è utilizzabile.

Il quinto è non iterare. ChatGPT Images 2.0 mantiene il contesto della conversazione: la prima immagine è raramente quella finale, ma il modello è bravo a correggere se le indicazioni di revisione sono chiare (“sposta il titolo, ingrandisci la foto, cambia la palette in toni freddi”). L’iterazione conversazionale è il vero superpotere rispetto ai modelli a singola passata.

ChatGPT Images 2.0 vs Nano Banana Pro, Midjourney, FLUX

La domanda “qual è il migliore” non ha una risposta sola, perché i quattro contendenti competono su terreni diversi.

Su rendering di testo e layout strutturati gpt-image-2 ha un vantaggio misurabile: i test su griglie con etichette per cella restituiscono risultati ordinati con OpenAI, mescolati con Google. Per chi produce infografiche, dashboard, UI mockup, schede prodotto multilingua, è il singolo elemento che giustifica la scelta. Il salto è particolarmente visibile rispetto al primo generatore di immagini di ChatGPT, che un anno fa aveva aperto la strada alla modifica conversazionale delle foto e oggi mostra tutti i suoi limiti tipografici.

Su ritrattistica e fedeltà fotografica Nano Banana Pro mantiene un margine, soprattutto sulla coerenza del volto attraverso più immagini di riferimento (ne gestisce fino a quattordici in input) e sulla resa di pelle, capelli, illuminazione naturale. Per produzioni e-commerce, fashion, fotografia di prodotto realistica, la scelta razionale resta Google.

Su qualità estetica e controllo dello stile artistico Midjourney V8 resta il riferimento, ma non offre un’API ufficiale: non è una soluzione integrabile in un prodotto o in un workflow automatizzato. Per il direttore creativo che cerca un mood, Midjourney; per lo sviluppatore che integra la generazione, no.

Su flessibilità infrastrutturale FLUX Pro 1.1 di Black Forest Labs occupa il terreno open source, con risultati fotorealistici comparabili e libertà di deployment che gpt-image-2 non concede. Per chi ha vincoli di sovranità del dato o non vuole dipendere da un fornitore unico, è la scelta più pragmatica.

La sintesi onesta è questa: Images 2.0 vince la classifica generalista del momento, ma non vince ovunque. Sceglierlo perché è in cima a un ranking è il modo migliore per spendere male il budget creativo.

Quanto costa e conviene davvero

Per gli utenti ChatGPT, Images 2.0 è incluso nel piano: gratis in modalità Instant, con accesso a Thinking dai piani Plus in su. Per chi sviluppa, l’API gpt-image-2 segue la struttura tariffaria già descritta: 8 dollari per milione di token input, 30 dollari per milione di output, 2 dollari per gli input cached. Il costo per immagine, secondo le stime delle prime ore di test, oscilla tra pochi centesimi e circa un terzo di dollaro.

Il calcolo del ritorno non si fa sul prezzo a immagine, si fa sul numero di passaggi che il modello elimina dal flusso. Una slide deck per un keynote che richiedeva tre ore di compositing tra Photoshop, PowerPoint e illustrazioni AI, oggi può uscire in venti minuti dal solo prompt. Una moodboard di interior design che richiedeva mezza giornata di scouting su Pinterest, oggi è una conversazione di dieci minuti. Il vero benchmark non è il punteggio Elo, è il tempo restituito al cervello per le decisioni che la macchina non sa prendere.

ChatGPT Images 2.0 domande frequenti

ChatGPT Images 2.0 è gratis?

Sì, per gli utenti ChatGPT e Codex, in modalità Instant. La modalità Thinking richiede un abbonamento Plus, Pro, Business o Enterprise.

Quante immagini posso generare in una richiesta?

Fino a otto, e il modello mantiene coerenza visiva tra tutte. È la base per storyboard, set di poster, campagne multi-formato.

Posso usarlo via API?

Sì, il modello sottostante si chiama gpt-image-2 ed è disponibile via API standard di OpenAI. Pricing: 8 dollari per milione di token input, 30 dollari per milione di output.

Funziona in italiano?

Sì, sia per i prompt sia per il rendering del testo nelle immagini, con un livello di accuratezza tipografica molto superiore alle versioni precedenti.

Cosa fa che gli altri non fanno?

La combinazione di ragionamento prima della generazione, ricerca web integrata e otto output coerenti in una sola richiesta è oggi un’esclusiva di OpenAI. I concorrenti coprono singoli pezzi, nessuno il pacchetto completo.

Sostituisce Photoshop, Figma o Midjourney?

No. Comprime il flusso, riduce i passaggi intermedi, ma non sostituisce il giudizio professionale né il controllo fine sul pixel. Lo strumento giusto per ogni livello del lavoro resta una scelta umana. Resta il punto che ogni rilascio di questo livello pone, e che nessun blog post di un fornitore può chiudere: a forza di trasferire pezzi del processo creativo dentro l’AI, cosa stiamo lasciando alla mano umana, e cosa stiamo prendendo in cambio. La risposta non sta nelle release notes; sta nel modo in cui ogni redazione, ogni agenzia, ogni team prodotto deciderà di usare il modello da lunedì mattina, e in quello che sceglierà di non delegare.

Tim Cook ha dato le dimissioni. Da settembre non sarà più CEO di Apple. Al suo posto ci sarà John Ternus, oggi responsabile della parte hardware, ingegnere meccanico di cinquant’anni di cui la metà passati a Cupertino. Cook diventa presidente esecutivo del consiglio di amministrazione con un ruolo politico, da diplomatico internazionale di Apple. Per la società si apre forse il periodo più delicato della sua storia dopo il rischiato fallimento del 1997, da cui è risorta grazie al ritorno di Steve Jobs, il suo fondatore, anima e icona.

Sarà la prima volta dopo quindici anni che il nuovo amministratore delegato non avrà un’investitura ufficiale che discende direttamente dal fondatore e anima dell’azienda. Bisogna chiedersi come sarà la nuova Apple; e quali nuove sfide dovrà affrontare, pur dall’alto dei suoi quattromila miliardi di dollari di valore.

John Ternus e Tim Cook

Tim Cook si è dimesso  da CEO di Apple il 20 aprile: la foto del passaggio di consegne

L’annuncio delle dimissioni di Tim Cook dal ruolo di CEO è arrivato il 20 aprile 2026, appena venti giorni dopo i festeggiamenti per i cinquant’anni di Apple, con un comunicato ufficiale pubblicato nella sezione stampa del sito dell’azienda.

Nella foto che accompagna la notizia si vedono Tim Cook e John Ternus che camminano insieme in uno dei vialetti che circondano la sede di Apple a Cupertino, forse proprio quello che gira intorno al Teatro intitolato a Steve Jobs. Si guardano, sorridono, anzi sembrano proprio ridere di gusto, come due amici che passeggiano insieme in una qualsiasi giornata di primavera.

“Essere il CEO di Apple e guidare un’azienda così straordinaria è stato il più grande privilegio della mia vita”, ha detto Cook. “Amo Apple con tutto me stesso”. Parlando di Ternus ha aggiunto che “ha la mente di un ingegnere, l’animo di un innovatore e il cuore necessario per guidare la società con integrità e onore”.

Con queste parole, con quella foto, Tim Cook e Apple vogliono trasmettere l’idea che il passaggio di consegne avviene tra amici, con calma, con ponderazione, tra persone che hanno camminato per lungo tempo insieme. Tim Cook fa del suo meglio per dare legittimità al nuovo leader, ma Ternus sarà un CEO un po’ più solo, perché non potrà contare sull’aura che aveva Tim Cook, trasmessa direttamente da Jobs.

Tim Cook e Steve Jobs: l’investitura che ha fatto la storia di Apple

Tim Cook è stato scelto direttamente da Steve Jobs; è lui che gli ha fatto il colloquio nel 1998 e lo ha strappato a Compaq. Tim Cook ricorda che in quel momento ha lasciato perdere ogni considerazione razionale e ha deciso di seguire Jobs, ha deciso di seguire Steve Jobs, non Apple, che in quel momento era un’azienda in difficoltà. Questa scelta personale dell’uno nei confronti dell’altro segnerà indissolubilmente il loro rapporto, per sempre.

Nei vent’anni successivi Cook sarà l’allievo più diligente del Maestro, tanto da sostituirlo prima nel 2004, poi nel 2009, poi nel 2011, tutte le volte che il riacutizzarsi della malattia di Jobs gli ha impedito di occuparsi direttamente dell’azienda. Fino alla famosa lettera del 24 agosto 2011, quella scritta da Steve Jobs appena quarantatré giorni prima di morire, in cui diceva al consiglio di amministrazione: “raccomando fortemente la nomina di Tim Cook”; un’investitura diretta, una benedizione urbi et orbi, dal maestro all’allievo, di padre in figlio.

Raccogliere questa enorme investitura non è stato facile. Come ha detto Mario Monti, Presidente della Bocconi, nel 2015 in occasione della visita di Tim Cook a Milano: “Tim Cook è riuscito in una cosa per cui nessuno viene preparato, sostituire una leggenda”. Ed è vero. Ha dovuto raccogliere un’eredità pesante, e lo ha fatto con garbo e decisione portando Apple da un valore di 350 miliardi di dollari a 4.000 miliardi. Ha potuto anche però sempre contare su un credito di fiducia enorme da parte della Borsa e dei clienti, in quanto erede designato dall’icona assoluta, dal padre fondatore, il Signore di Apple.

La liturgia interna di Cupertino: le lettere di Cook nell’anniversario di Jobs

Negli ultimi quindici anni proprio la gestione della figura di Jobs è stata una spina nel fianco nella strategia comunicativa di Apple, che ha scelto di non celebrare molto Jobs pubblicamente, anzi ha cercato di evitarlo, probabilmente per questioni strategiche: perché più è grande Steve Jobs, più è piccola Apple in cui Steve Jobs non c’è più; più è grande il mito di Jobs scomparso, più è difficile che il pubblico abbia fiducia nella capacità innovativa della Apple attuale. Questo solo sul versante pubblico, perché internamente il mito del fondatore è stato tenuto vivo come non mai sotto la guida di Tim Cook.

Ogni anno, dal 2012, Cook ha scritto una lettera ai dipendenti nell’anniversario della morte di Jobs. Lettere che non sono state rese pubbliche, ma che Bloomberg e le fonti interne hanno fatto regolarmente uscire. Nel terzo anniversario della scomparsa di Jobs la lettera di Cook diceva così:

Domenica sarà il terzo anniversario della scomparsa di Steve. Sono certo che molti di voi penseranno a lui quel giorno, come farò io.

Mi auguro che vi ritaglierete un momento per apprezzare i molti modi in cui Steve ha reso il nostro mondo migliore. I bambini apprendono con nuove modalità grazie ai prodotti che lui ha immaginato. Le persone più creative del mondo usano questi prodotti per comporre sinfonie e canzoni pop, e per scrivere qualunque cosa, dai romanzi alla poesia. Il lavoro di una vita di Steve ha creato la tela su cui oggi gli artisti creano i loro capolavori.

La visione di Steve si estende ben al di là degli anni in cui è stato tra noi e i valori su cui ha costruito Apple saranno sempre con noi. Molte delle idee e dei progetti su cui stiamo lavorando oggi sono iniziati dopo la sua morte, ma la sua influenza su di essi, e su noi tutti, è inconfondibile.

Godetevi il vostro week-end e grazie perché contribuite a portare verso il futuro l’eredità di Steve.

Tim

È interessante notare come venga raffigurata l’innovazione: i progetti nascono dopo Jobs, quindi Apple è viva e innovativa da sola. Ma l’influenza di Jobs prosegue su tutti ed è inconfondibile, quindi la continuità dogmatica resta intatta. È la liturgia interna di Cupertino. L’azienda cammina con le proprie gambe, ma all’interno continua a riunirsi ogni cinque ottobre per onorare il fondatore. Il lavoro di Cook per quindici anni è stato tenere insieme queste due versioni. Ha funzionato.

Chi è John Ternus, il nuovo CEO di Apple

Difficile immaginare Ternus scrivere queste parole, impossibile credere che possa beneficiare di quel credito che deriva dal raccogliere l’eredità di una leggenda. Sarà semplicemente il CEO della più importante azienda di elettronica di consumo del mondo, che non è di per sé poco.

Ma si chiude un ciclo, quasi mitologico. Dopo l’uscita di Jonathan Ive, il designer che ha letteralmente ridisegnato i prodotti Apple insieme a Jobs, e ora con le dimissioni dal ruolo di CEO di Tim Cook, Apple deve affrontare nuove sfide anche se dall’alto dei suoi 4.000 miliardi di dollari di valutazione.

Ternus è entrato in Apple nel 2001 come ingegnere del team di product design. È diventato vicepresidente dell’hardware engineering nel 2013 sotto Dan Riccio e senior vice president nel 2021. In venticinque anni ha messo mano a ogni generazione di iPad, alle AirPods, all’iPhone, all’Apple Watch, al Vision Pro, al MacBook Neo, e soprattutto alla transizione del Mac dai processori Intel ai chip progettati direttamente da Cupertino.

Sarà più esposto. Dovrà costruire la propria legittimità sul terreno, giorno per giorno, senza la protezione simbolica di una nomina dall’alto.

Le sfide di Apple senza Tim Cook: intelligenza artificiale, Siri, nuovi prodotti

Ternus eredita un’azienda in salute finanziaria ma con diversi problemi aperti. Il più rilevante è l’intelligenza artificiale. Apple è in ritardo. Siri non ha recuperato il terreno perso, la nuova versione di Siri è stata rinviata più volte, l’azienda ha scelto a gennaio di affidarsi a Google Gemini per alcune funzioni di Apple Intelligence. È una scelta pragmatica ma è anche un’ammissione di incapacità, almeno nel breve periodo.

Ternus arriva dal mondo dell’hardware, che per Apple ha funzionato molto bene nell’ultimo ventennio e che oggi, con il MacBook Neo, si sta aprendo a segmenti nuovi. Il problema è che la competizione tecnologica globale non si gioca più soltanto lì.

Wall Street Journal, Financial Times, New York Times, Bloomberg: come la stampa internazionale legge il passaggio

Vediamo come la stampa internazionale ha letto questo passaggio.

Il Wall Street Journal, con il reporter Rolfe Winkler, ha messo al centro la dimensione prospettica. Secondo il quotidiano finanziario, Apple “affronta grandi interrogativi sul proprio futuro”. L’angolatura del WSJ è quella dell’investitore: conta meno il passato di Cook, conta di più cosa Ternus farà nei primi diciotto mesi, in particolare sul fronte dell’intelligenza artificiale.

Il Financial Times ha il diritto di prelazione su questa storia, nel senso letterale. L’ha anticipata il 15 novembre 2025. Secondo il quotidiano londinese, il consiglio di amministrazione e i dirigenti senior di Apple avevano “intensificato i preparativi” per il passaggio di consegne. La ricostruzione del FT conteneva un dettaglio: Cook, in conversazioni interne, avrebbe usato la parola “tired”, stanco. Per il Financial Times, quindi, l’annuncio di aprile non è un fatto nuovo ma la conclusione di un processo già in corso, accelerato da tre fattori: il ritardo su Siri, l’uscita di alcuni dirigenti chiave nel corso del 2025, la pressione competitiva sull’AI generativa.

Il New York Times aveva seguito la stessa traccia a gennaio 2026, con una costruzione diversa. Il quotidiano newyorchese aveva riportato che Cook avrebbe detto in privato ai suoi collaboratori di essere “stanco e desideroso di ridurre il carico di lavoro”. Il NYT collega questa informazione a una propria intervista del 2021, in cui Cook aveva dichiarato al giornale stesso che probabilmente non sarebbe rimasto CEO per un altro decennio. Per il New York Times l’uscita di Cook è coerente con una traiettoria dichiarata.

Va citato anche Bloomberg, che sulla cronaca Apple ha l’informazione più profonda grazie a Mark Gurman. Gurman ha letto con attenzione l’immagine ufficiale diffusa da Apple il 20 aprile: Cook e Ternus, fianco a fianco, vestiti nello stesso modo, stesse camicie scure, stessi jeans, stessi Apple Watch. La sintesi di Gurman: “L’implicazione è che Ternus porterà continuità come CEO e aiuterà a preservare l’eredità di Cook”. Il messaggio che Apple sta mandando al mercato è di continuità. A guardarla con occhi meno laici, la composizione stessa dell’immagine è una dichiarazione costruita, non una descrizione neutra. È la fotografia di un’ordinazione sacerdotale, in cui il vecchio officiante passa i paramenti al nuovo.

Quattro testate, quattro angolature diverse, un punto comune. Ternus è stato scelto per affrontare una fase nuova, non per amministrare il lascito. Le sfide no.

Le tre traiettorie possibili per la nuova Apple di John Ternus

A questo punto è utile provare a inquadrare le traiettorie possibili. Sono tre.

La prima traiettoria è quella dell’hardware-centrismo. Ternus punta tutto sulla propria competenza: costruire dispositivi che integrano capacità di AI direttamente nel silicio, lasciando che Google, Microsoft e OpenAI continuino a bruciare capitale in infrastruttura. Apple diventa la piattaforma hardware premium su cui scorre l’intelligenza artificiale altrui. È la lettura che D.A. Davidson e Wedbush hanno già proposto agli analisti.

La seconda traiettoria è quella dell’apertura strategica. Ternus formalizza quello che Cook aveva cominciato silenziosamente, il ricorso a modelli esterni. Rompe il tabù dello sviluppo tutto interno, moltiplica partnership, accetta un ruolo diverso nel sistema AI globale. Apple smette di voler produrre tutto e diventa lo snodo più desiderabile, il luogo dove l’AI incontra il consumatore. Jobs non avrebbe approvato. Cook l’ha avviata. Ternus potrebbe normalizzarla. È una rottura dogmatica, il tipo di scelta che in una chiesa richiederebbe un concilio.

La terza traiettoria è quella più rischiosa ed è quella del nuovo prodotto. Apple inventa una categoria. Apple Vision Pro è stato un tentativo in questa direzione, parziale, incompleto. Se Ternus vuole lasciare un segno, e soprattutto se vuole costruirsi un’autorità che non deriva dall’unzione ma dal fare, dovrà andare oltre lo smartphone. Il tema aperto, in tutta l’industria, è se l’AI porterà davvero a una nuova classe di dispositivi oppure se si integrerà silenziosamente in quelli esistenti. La risposta che darà Apple sarà rilevante per l’intero mercato.

Il mix delle tre, nelle proporzioni che solo i prossimi anni mostreranno, definirà l’Apple post-Cook. E l’Apple post-Jobs, quella vera. Perché finché c’era Cook, in qualche modo, c’era ancora Jobs.

Apple senza investitura: la vera nuova era inizia ora

Un’azienda che ha costruito per quindici anni la propria identità pubblica e la propria liturgia interna sulla figura del successore designato dal fondatore, riuscirà a funzionare quando questa catena si interrompe? L’aura di Jobs era un vincolo o era uno strumento? Ternus, in questo senso, non è solo il nuovo CEO. Sarà un test. Vedremo cosa succederà.

Ascolta la puntata completa di DigitMondo dedicata alle dimissioni di Tim Cook e alla nuova Apple di John Ternus, disponibile su Spotify, Apple Podcasts e tutte le principali piattaforme di streaming audio.

Eddie Dalton non esiste eppure lo conoscono tutti: voce roca, suono profondo, un blues che sa di delta del Mississippi e di notti senza sonno, se chiiudi gli occhi puoi vedere quei paeseggi, quelle storie ma se li apri  e cerchi Eddie Dalton su Google, non trovi nulla; nessuna foto, nessuna intervista, nessun live su YouTube con mille persone che cantano insieme. Trovi solo le classifiche di iTunes, dove il suo nome occupa undici posizioni nella Top 100 e il terzo gradino degli album.

Eddie Dalton non esiste e non è mai esistito. Non c’è una chitarra impolverata in un appartamento di New Orleans, non c’è un produttore che l’ha scoperto in un bar di Greenville: c’è soltanto un set di prompt testuali, un modello di intelligenza artificiale generativa e una persona che sapeva esattamente dove caricare i file. Il resto lo hanno fatto gli algoritmi.

Eddie Dalton

Eddie Dalton: i numeri che nessuno si aspettava

Tre settimane è il tempo che ha impiegato Eddie Dalton per accumulare quasi due milioni di visualizzazioni su YouTube, due milioni di ascoltatori mensili su Spotify e undici brani contemporaneamente nella Top 100 di iTunes. Non grazie a una campagna marketing, non grazie a un lancio coordinato con una major discografica: grazie all’inserimento nelle playlist editoriali curate dagli algoritmi di Spotify, le stesse playlist per cui artisti reali aspettano mesi e mandano decine di email ai responsabili del pitching. Cinquantamila iscritti al canale YouTube in ventun giorni. Per confronto: ci vuole in media più di un anno a un artista emergente umano per raggiungere quella soglia, ammesso che ci arrivi.

Un uomo, un laptop, undici posti in classifica

Dietro Crusty Records, l’etichetta di Greenville, South Carolina, che ha pubblicato i brani di Eddie Dalton, c’è Dallas Little: un content creator, non un ingegnere del suono, non un dirigente discografico. Ha usato strumenti di AI generativa per costruire voce, stile, identità visiva e persino la bio di un artista che non ha mai respirato. Poi ha caricato tutto sulle piattaforme di distribuzione digitale e ha aspettato che gli algoritmi facessero il loro lavoro. Non è un caso isolato: lo stesso meccanismo applicato ai contenuti video è già al centro di progetti come Showrunner, finanziato dall’Alexa Fund di Amazon, che punta a fare con le serie televisive esattamente quello che Dallas Little ha fatto con la musica blues.

Le domande per le piattaforme su Eddie Dalton

Chi paga i diritti quando l’artista non esiste? La risposta onesta è che nessuno lo sa ancora con certezza, e le piattaforme non hanno fretta di saperlo. Il caso ricorda da vicino la spirale del caso DeepSeek e la knowledge distillation: OpenAI accusava DeepSeek di copiare i suoi modelli mentre affrontava le stesse accuse dagli editori per l’addestramento di ChatGPT. Il confine tra ispirazione, imitazione e appropriazione non è mai stato così difficile da tracciare. Il tema dei deepfake audio e video è già sul tavolo da anni, ma Eddie Dalton sposta l’asticella: non si tratta più di clonare la voce di un artista esistente, che almeno configura una violazione riconoscibile. Si tratta di inventare un artista dal nulla, con una discografia, una storia e un pubblico reale. Contro questo, le leggi attuali sul copyright non hanno ancora una risposta.

Il problema che riguarda anche noi

Pensate che la musica sia lontana dal vostro mercato? Cambiate prospettiva. Un CIO, un CISO, un system integrator producono contenuti ogni settimana: white paper, case study, newsletter, post LinkedIn, presentazioni per i partner. Tutto materiale che richiede tempo, competenze e budget. Gli stessi strumenti AI che Dallas Little ha usato per Eddie Dalton esistono già nella versione orientata al B2B, e qualcuno nel vostro settore li sta già usando.

Claude Design, lo strumento lanciato da Anthropic il 17 aprile 2026 che trasforma una descrizione testuale in prototipi interattivi, slide deck, siti web e sistemi di design completi, è già disponibile per chi ha un abbonamento Pro, Max, Team o Enterprise. Il mercato ha capito subito la portata: il titolo Figma ha chiuso in calo del 6,84% nella stessa seduta. Non per panico, ma per una valutazione razionale di quello che Claude Design significa per il futuro del design software. Questa è una guida pratica: cos’è, come funziona, cosa sa fare di sorprendente e perché chi lavora con la tecnologia dovrebbe tenerlo nel radar da subito.

Claude Design: cos’è e come funziona

Claude Design non è un generatore di immagini, non è un template intelligente e non è Canva con un chatbot sopra. È uno strumento conversazionale che prende una descrizione in linguaggio naturale e produce un output visivo completo, navigabile e modificabile. Il flusso di lavoro è questo: si descrive cosa serve, Claude Design genera una prima versione, e da lì si raffina attraverso conversazione, commenti inline o modifiche dirette. Niente menu a tendina, niente pannelli di proprietà da imparare. Si parla, e il design si aggiorna.

Il motore è Claude Opus 4.7, il modello vision più avanzato che Anthropic abbia mai rilasciato pubblicamente, con capacità di comprensione visiva e ragionamento multi-step significativamente superiori alle versioni precedenti. Gli output possono essere esportati come PDF, PPTX, URL condivisibili o inviati direttamente a Canva per ulteriore editing collaborativo.

Cinque cose sorprendenti che Claude Design sa fare

La maggior parte delle coperture si è fermata alla superficie. Claude Design fa alcune cose che cambiano concretamente la percezione di cosa significhi uno strumento di design AI.

Genera slider di controllo su misura. Quando si crea un elemento visivo, Claude Design non propone una lista di opzioni fisse. Costruisce slider interattivi specifici per quel progetto: un cursore per la temperatura cromatica del brand, uno per la densità informativa di una slide, uno per il livello di formalità della tipografia. I controlli non sono predefiniti, vengono generati in base a cosa si sta costruendo. Figma non fa nulla di simile.

Legge il codebase aziendale e costruisce il design system. Durante l’onboarding, Claude Design analizza i file di design e il codice sorgente dell’organizzazione, estrae font, palette, spaziature, pattern di componenti e regole di brand governance, e li applica automaticamente a ogni progetto successivo. Anche chi non ha mai aperto Figma produce output visivamente coerente con gli standard aziendali.

Prototipa app mobili con logica di navigazione reale. Non wireframe statici: prototipi con flussi di navigazione funzionanti, gesture simulate, stati attivi e inattivi. Si descrive un’app di meditazione con palette nature-inspired e layout minimal, e si ottiene qualcosa di navigabile in pochi minuti, non in giorni.

Interpreta documenti come brief creativi. Si carica un PDF di business plan, un documento strategico, persino un deck esistente, e Claude Design lo legge come brief per generare nuovi materiali coerenti con il contenuto. Non rielabora graficamente il file originale: capisce il contenuto e produce qualcosa di nuovo a partire da esso.

Mantiene la coerenza tra sessioni diverse. A differenza della maggior parte degli strumenti AI che dimenticano ogni conversazione, Claude Design ricorda il design system configurato, i progetti precedenti e le preferenze stilistiche. È un comportamento da agente, non da chatbot: lavora con continuità nel tempo.

La logica sottostante è la stessa descritta nell’articolo sugli agenti AI in contesti aziendali: memoria, coerenza e decisioni autonome nel rispetto di regole stabilite, applicata questa volta al layer visivo.

Claude Code: dal prototipo al codice senza interruzioni

La caratteristica che cambia più profondamente i workflow di sviluppo è il meccanismo di handoff verso Claude Code. Quando un prototipo è pronto, Claude Design confeziona tutto in un bundle trasferibile a Claude Code con una singola istruzione. Esplorazione, prototipo, codice di produzione: tutto dentro l’ecosistema Anthropic, senza esportazioni manuali, senza il momento in cui il designer passa il file allo sviluppatore e le specifiche si perdono.

Per un system integrator che gestisce lo sviluppo di interfacce per i propri clienti, questo loop chiuso riduce il tempo tra idea approvata e primo prototipo navigabile da giorni a minuti. Aneesh Kethini, product manager di Datadog, ha raccontato che il suo team è passato da una settimana tra brief, mockup e cicli di review a una singola conversazione.

È qui che l’impatto tocca la struttura dei costi, non solo la superficie dei workflow.

Brand consistency automatica: la feature enterprise che vale da sola il piano

Per le aziende con team distribuiti, Claude Design risolve un problema cronico: la deriva visiva. Unità di business diverse che producono materiali con stili incompatibili, font sbagliati, colori fuori standard. Non è una questione estetica, è un problema di identità aziendale con ricadute sulla percezione del cliente e, in contesti regolamentati, sulla compliance documentale.

Claude Design legge il codebase e i file di design dell’organizzazione in fase di onboarding, costruisce un design system completo e lo applica automaticamente a ogni progetto successivo. Si possono mantenere più sistemi di design in parallelo e raffinarli nel tempo. Ogni collaboratore, indipendentemente dalla competenza su strumenti di design, produce output coerente con gli standard aziendali.

Claude Design e Canva: una partnership che ridisegna il mercato

Il 10 aprile 2026, una settimana prima del lancio, Canva ha annunciato la propria partnership strategica con Anthropic, definendo Claude Design come il motore creativo upstream del proprio ecosistema. Ogni visual creato con Claude Design può essere esportato direttamente come documento Canva, completamente modificabile e collaborativo.

Canva nel 2025 ha raggiunto 3,5 miliardi di dollari di ricavi annuali con 265 milioni di utenti mensili attivi. Portare questo traffico nella pipeline di Claude Design significa che Anthropic non compete solo con Figma sul segmento professionale, ma presidia anche il design di massa. Canva diventa il layer di editing, Claude Design diventa il layer di generazione.

L’impatto sul mercato: perché Figma ha perso il 7% in un giorno

Claude Design si è posizionato direttamente nel territorio di Figma, lo strumento che controlla circa l’80-90% del mercato UI/UX design professionale. L’attacco non è frontale su tutte le funzionalità, ma su quelle dove Figma è più vulnerabile: la generazione rapida del primo draft, la consistenza automatica del brand, l’integrazione nativa con il codice.

Oggi Claude Design ha ancora limiti reali rispetto a Figma: la collaborazione multiplayer in tempo reale è descritta come basica, e i flussi di revisione complessi con più stakeholder restano più agevoli sul tool tradizionale. Ma la direzione è chiara. Claude Code è passato da research preview a prodotto da un miliardo di dollari in sei mesi. Se Claude Design seguisse anche solo parzialmente quella traiettoria, il mercato del design software nel 2027 potrebbe sembrare molto diverso da oggi.

Il lancio si inserisce in un momento di forte espansione commerciale per Anthropic, che ha superato i 30 miliardi di dollari di ricavi annualizzati entro inizio aprile 2026 ed è in trattativa per una IPO. Chi monitora l’azienda sul piano istituzionale conosce anche la battaglia con l’amministrazione Trump sul rifiuto di rimuovere le restrizioni etiche sull’uso militare dell’AI: Claude Design è anche una risposta strategica, costruire un’autonomia di ricavo commerciale che riduce la dipendenza dai contratti federali.

Il segnale che nessuno ha letto: le dimissioni di Krieger da Figma

C’è un dettaglio di contesto che racconta meglio di qualsiasi dato finanziario quanto questo lancio fosse stato preparato con precisione. Il 14 aprile 2026, tre giorni prima del lancio di Claude Design, Mike Krieger si è dimesso in silenzio dal consiglio di amministrazione di Figma. Krieger è il cofondatore di Instagram e, fino a quel momento, il Chief Product Officer di Anthropic: la persona che aveva costruito Claude Design dall’interno. Le dimissioni sono emerse dai filing regolatori americani, non da una conferenza stampa. Il motivo era geometrico: non si siede nel board del concorrente diretto che si sta per colpire. Il mercato ha letto il segnale correttamente.

Claude Design arriva in un momento in cui Anthropic deve dimostrare che crescita commerciale e rigore etico possono coesistere. Le dimissioni di Mrinank Sharma, il responsabile della sicurezza AI, avevano sollevato domande sulla direzione dell’azienda. Questo lancio è anche una risposta a quelle domande: crescere con un prodotto di larga scala, senza abbandonare i principi che distinguono Anthropic dai concorrenti.

Lo Stanford AI Index 2026 dice che l’AI ha conquistato il 53% di adozione in 3 anni. Il personal computer ci ha impiegato sedici anni; internet undici. L’AI generativa ha raggiunto il 53% della popolazione mondiale in soli tre anni dalla nascita di ChatGPT, battendo ogni record tecnologico della storia moderna. Non è una stima di un vendor che deve vendere licenze: è uno dei dati certificati dallo Stanford AI Index 2026, pubblicato il 13 aprile da Stanford HAI, 423 pagine, nove anni di raccolta dati indipendente, nessun budget di PR dei laboratori AI dietro.

Lo Stanford AI Index 2026 è uno dei pochi documenti sull’AI prodotto da chi non ha interesse diretto nell’esito; per questo lo citano governi, banche centrali e newsroom internazionali, e per questo la sua copertura in Italia è stata, ancora una volta, quasi assente. Vale la pena colmare il vuoto con ordine, perché i dati europei e italiani che il rapporto contiene raccontano una storia precisa: l’Europa ha scelto di giocare la partita dell’AI sul terreno della regolamentazione anziché su quello della produzione di modelli, e questa scelta ha costi e opportunità che nessuna organizzazione IT dovrebbe ignorare.

Stanford AI Index 2026 sull’adozione in Europa

Il dato globale sull’adozione è il 53% in tre anni; ma lo Stanford AI Index 2026 rivela che la velocità di diffusione dell’AI generativa varia enormemente da paese a paese, e il quadro europeo è più frammentato di quanto il dibattito pubblico lasci intendere.

Norvegia 46,4% · Irlanda 44,6% · Francia 44,0% · USA 28,3% (24° posto globale) · Media europea ~27%

Tra i paesi europei con il dato di adozione più alto si trovano la Norvegia con il 46,4%, l’Irlanda con il 44,6% e la Francia con il 44%; tutti e tre sopra la media americana del 28,3%, che colloca gli USA al 24° posto nella classifica globale. La Svizzera si attesta al 32,4%, già sopra gli USA, e il rapporto la individua anche come primo paese al mondo per densità di ricercatori e sviluppatori AI pro capite, con 110,5 autori e inventori ogni 100.000 abitanti, davanti a Singapore e ben sopra la Germania a 58,1 e il Regno Unito a 49,6.

La media europea si aggira però attorno al 27%, sotto la soglia americana e lontana dai valori di Singapore al 61% e degli Emirati Arabi al 54%. L’Italia non è citata tra i paesi con dati di adozione individuali nel rapporto: una assenza che di per sé è un dato, perché Stanford tende a citare i paesi che emergono per prestazioni positive o negative rispettivamente. Il silenzio sull’Italia nella sezione sull’adozione suggerisce una posizione nella fascia intermedia bassa del panorama europeo, senza segnali sufficientemente distintivi in nessuna direzione.

L’adozione organizzativa a livello globale ha raggiunto l’88%; il rapporto segnala esplicitamente che Cina ed Europa hanno registrato i maggiori aumenti anno su anno nell’adozione dell’AI in almeno una funzione aziendale. Per chi vuole approfondire i comportamenti reali degli utenti, l’analisi di come viene effettivamente usato ChatGPT nelle organizzazioni offre un quadro concreto su cosa succede quando le persone aprono questi strumenti al lavoro.

Stanford AI Index 2026 e investimenti

Europa: 20,9 miliardi · USA: 285,9 miliardi · Cina: 12,4 miliardi · Solo la California: 218 miliardi

L’investimento corporativo globale in AI ha raggiunto 581,69 miliardi di dollari nel 2025, con un aumento del 129,9% rispetto all’anno precedente; ma la distribuzione geografica di quel capitale è il vero dato politico del rapporto. L’Europa ha attratto 20,9 miliardi di dollari di investimento privato in AI nel 2025; gli USA ne hanno raccolti 285,9 miliardi, la Cina 12,4 miliardi. Il dato europeo, rapportato alla dimensione economica dell’Unione, equivale a poco più di un quattordicesimo degli investimenti americani, su un PIL che è circa l’80% di quello USA: non è un gap di mercato, è un gap strutturale che si accumula anno dopo anno.

Solo la California ha pesato 218 miliardi di dollari, il 75% del totale nazionale americano: più di dieci volte l’intero investimento europeo concentrato in un singolo stato. OpenAI ha raggiunto circa 25 miliardi di dollari di fatturato annualizzato entro l’inizio del 2026; Anthropic 19 miliardi; Google ha annunciato oltre 150 miliardi di dollari di spese in conto capitale annuali per supportare la propria infrastruttura AI. Tre numeri che ridimensionano qualsiasi conversazione sul “ritardo” europeo nell’AI: non si tratta di un gap di competenza, ma di un gap di capitale e infrastruttura che non si colma con strategie industriali a cinque anni.

Stanford AI Index 2026 sul ruolo dell’Europa: 3 modelli prodotti nel 2025. Ma l’AI Act ridisegna le regole globali

Questo è il dato europeo più scomodo dell’intero rapporto: nel 2025, l’Europa ha prodotto solo tre modelli AI considerati notevoli secondo i criteri di Stanford HAI; gli USA ne hanno prodotti 50, la Cina si sta avvicinando rapidamente. L’Europa mantiene una base di ricerca accademica significativa e una densità di talento rilevante in alcuni paesi come Svizzera, UK e Germania, ma la trasformazione di quella ricerca in prodotti frontier non sta avvenendo alla stessa velocità.

Il rapporto, tuttavia, inquadra il ruolo europeo in modo diverso: anziché competere sulla produzione di modelli, l’Europa sta costruendo l’architettura regolatoria che governerà il deployment dell’AI globalmente per i prossimi decenni. L’AI Act dell’UE, entrato in piena applicazione nel gennaio 2026, rappresenta il framework di governance AI più completo al mondo, e i suoi standard vengono adottati come punti di riferimento da altri governi.

I cluster di supercomputing con investimento pubblico sono cresciuti in Europa e Asia Centrale da 3 a 44 tra il 2018 e il 2025; un’espansione significativa dell’infrastruttura sovrana che il rapporto registra come segnale positivo di volontà di partecipare attivamente alla costruzione dell’AI. Sul fronte della fiducia nella regolamentazione, l’Europa ottiene il risultato più alto: il 53% dei cittadini europei si fida dell’Unione per regolamentare l’AI adeguatamente, contro il 31% degli americani che si fida del proprio governo.

Per chi deve valutare fornitori e piattaforme AI nelle proprie infrastrutture, la lettura aggiornata sulle tendenze dell’intelligenza artificiale per i team IT italiani offre un orientamento pratico su come si sta evolvendo il mercato dei vendor in ambito europeo.

Stanford AI Index 2026 e l’Italia: citata per i robot industriali in calo

L’Italia compare nello Stanford AI Index 2026 in un contesto specifico e non lusinghiero: il rapporto segnala che nel mercato globale della robotica industriale, la Cina ha rappresentato il 54% dei robot installati a livello mondiale nel 2025, mentre diversi mercati principali, tra cui gli USA, la Germania e l’Italia, hanno registrato cali.

L’Italia nella robotica industriale è storicamente un mercato rilevante, in ragione della densità manifatturiera del Nord del paese e della presenza di settori come automotive, meccanica strumentale e packaging. Un calo degli ordini di robot in Italia non è un dato neutro per chi gestisce infrastrutture IT in aziende manifatturiere: segnala che la trasformazione produttiva sta rallentando proprio nel momento in cui il costo dell’automazione non è mai stato così basso e le tecnologie disponibili non sono mai state così accessibili.

Il rapporto non fornisce dati di adozione AI specifici per l’Italia, né dati di investimento italiano distinti da quelli europei aggregati; ma il contesto è sufficientemente preciso da permettere una lettura delle implicazioni: un paese con media europea di adozione, con investimenti AI che arrivano prevalentemente da player americani che deployano piattaforme estere, e con un manifatturiero che registra cali di automazione, ha davanti a sé una finestra di tempo limitata per costruire competenze interne prima che il gap di capacità diventi strutturale.

Stanford AI Index 2026 sul gap USA-Cina: 2,7 punti percentuali.

I modelli americani e cinesi si sono scambiati la leadership più volte dall’inizio del 2025: a febbraio 2025 DeepSeek-R1 ha brevemente eguagliato il miglior modello americano, e a marzo 2026 il modello leader di Anthropic supera il miglior modello cinese di soli 2,7 punti percentuali su benchmark standard. Un anno e mezzo fa, il gap sugli stessi benchmark si misurava in decine di punti percentuali. Per chi acquista tecnologia in Italia e deve scegliere tra piattaforme AI di diversa origine geografica, questo dato ha implicazioni operative concrete: la decisione di escludere a priori modelli o infrastrutture di origine cinese per ragioni geopolitiche non può più basarsi su un presunto divario di performance che i dati smentiscono. La scelta deve essere guidata da criteri di sicurezza, compliance con l’AI Act europeo, trasparenza del fornitore e adeguatezza al proprio use case; non dalla bandiera sul logo.

Stanford AI Index 2026 sulle capacità: la frontiera irregolare che i vendor non raccontano

Su SWE-bench Verified, il benchmark di riferimento per la programmazione, le performance sono passate dal 60% a quasi il 100% del livello umano in un singolo anno; Google Gemini Deep Think ha vinto una medaglia d’oro all’International Mathematical Olympiad. Risultati che due anni fa avrebbero definito la frontiera dell’impossibile.

Lo stesso modello che vince l’Olimpiade di matematica legge correttamente un orologio analogico solo nel 50,1% dei casi.

Eppure lo Stanford AI Index 2026 documenta quello che i ricercatori chiamano “jagged frontier”, la frontiera irregolare: il miglior modello disponibile legge correttamente un orologio analogico solo nel 50,1% dei casi. In un nuovo benchmark sull’accuratezza che copre 26 modelli di punta, i tassi di allucinazione variano dal 22% al 94%; GPT-4o ha visto la propria accuratezza crollare dal 98,2% al 64,4% in condizioni avversariali, mentre DeepSeek R1 è passato da oltre il 90% al 14,4%.

Il meccanismo sottostante è rivelatore: quando una dichiarazione falsa viene presentata come qualcosa che un’altra persona crede, i modelli la gestiscono correttamente; quando la stessa dichiarazione viene presentata come qualcosa che l’utente crede, le performance collassano. I modelli tendono a diventare d’accordo con chi parla loro, anche quando chi parla mente: non è un bug del benchmark, ma un problema strutturale di design con implicazioni dirette per qualsiasi sistema decisionale aziendale che utilizzi l’AI come input.

Stanford AI Index 2026 produttività: guadagni reali ma distribuiti in modo irregolare

Il rapporto documenta guadagni di produttività dal 14 al 26% nel customer support e nello sviluppo software, e fino al 72% nei team di marketing; per i compiti che richiedono giudizio più complesso, però, gli effetti sono più deboli o addirittura negativi. I risparmi di costo più significativi emergono nell’ingegneria del software e nel manufacturing, citati dal 56% degli intervistati; i guadagni di ricavo più significativi appaiono nel marketing e nelle vendite per il 67%, nella strategia e finanza aziendale per il 65%, e nello sviluppo prodotto per il 62%. Questi numeri hanno un’ombra che lo Stanford AI Index 2026 non omette: emerge evidenza che un utilizzo intensivo dell’AI possa comportare penalità di apprendimento a lungo termine che rallentano lo sviluppo delle competenze nel tempo. Non è un’osservazione moralistica: è un dato su cui i responsabili della formazione e le funzioni HR dovrebbero aprire una conversazione seria.

Stanford AI Index 2026 sul lavoro: il sistema carriera si spezza alla base. In Europa come in America

L’occupazione tra i developer software di età compresa tra 22 e 25 anni è crollata di quasi il 20% dal 2024, mentre il numero dei colleghi più anziani continua a crescere; il modello si ripete negli altri settori con alta esposizione all’AI, come il customer service. La struttura del problema per un IT manager o un CIO è questa: l’AI aumenta la produttività dei lavoratori senior con conoscenza tacita accumulata nel tempo, quella che non si trasmette con un documento ma si acquisisce facendo; simultaneamente, riduce la necessità di ruoli entry-level nei settori tech, che erano esattamente i ruoli dove quella conoscenza tacita veniva tradizionalmente acquisita. Il sistema di carriera, entry-level poi junior poi mid-level poi senior, si sta inceppando alla sua base: i senior di domani non stanno più passando dall’apprendistato che ha formato i senior di oggi. L’adozione di agenti AI nelle imprese rimane ancora in singola cifra per quasi ogni reparto: quello che stiamo misurando oggi è solo il preludio. Per chi gestisce team IT italiani, l’analisi di quali lavori tech sono già oggi i più esposti all’automazione da AI offre un framework utile per identificare dove le proprie strutture sono più vulnerabili.

Stanford AI Index 2026 sicurezza: gli incidenti crescono del 55%

Gli incidenti AI documentati sono continuati a crescere: l’AI Incident Database ne registra 362 nel 2025, in salita da 233 nel 2024, contro meno di 100 all’anno prima del 2022. Il Foundation Model Transparency Index ha rilevato che il punteggio medio di disclosure è sceso da 58 a 40 in un solo anno: i modelli più potenti sono anche i meno trasparenti riguardo a come sono stati costruiti.

La trasparenza sui dati di acquisizione si attesta in media al 31% tra i principali provider; la disclosure sulle proprietà dei dati è al 15%, quella sul compute al 26%. IBM guida la classifica della trasparenza con 95 punti su 100; xAI e Midjourney si fermano a 14. Per qualsiasi organizzazione europea che stia costruendo sistemi critici su questi modelli, questa asimmetria informativa è un rischio operativo concreto che l’AI Act prova ad aggredire con obblighi di trasparenza, ma la cui applicazione pratica dipenderà dalla capacità di enforcement dell’UE nei confronti di provider extra-europei.

I ruoli aziendali dedicati alla governance AI sono cresciuti del 17% nel 2025, e la quota di aziende senza alcuna policy di responsible AI in vigore è scesa dal 24% all’11%; i principali ostacoli all’implementazione rimangono il gap di conoscenze per il 59% degli intervistati, i vincoli di budget per il 48% e l’incertezza normativa per il 41%.

Stanford AI Index 2026 sull’ambiente: il consumo AI equivale all’intera elettricità della Svizzera

Le emissioni stimate per il training di Grok 4 superano le 72.000 tonnellate di CO2 equivalente; GPT-4 era stato stimato a 5.184 tonnellate, Llama 3.1 405B a 8.930 tonnellate. In pochi anni, il costo ambientale dei modelli frontier è aumentato di un ordine di grandezza. Il consumo energetico cumulativo dell’AI è ormai comparabile al consumo elettrico nazionale della Svizzera; la capacità dei data center AI ha raggiunto i 29,6 GW a livello globale, paragonabile al picco di domanda dello stato di New York. Per i responsabili IT che devono rispondere a obiettivi ESG e al reporting di sostenibilità richiesto dalle normative europee, l’impronta ambientale dell’AI è un capitolo che non può più essere omesso dai piani di acquisto e valutazione vendor.

Stanford AI Index 2026 sulla fiducia pubblica: in Germania e Francia il sentiment positivo cresce

Solo il 31% dei cittadini americani si fida del proprio governo per regolamentare adeguatamente l’AI, il valore più basso tra tutti i paesi analizzati; l’UE viene giudicata più affidabile degli USA e della Cina nella regolamentazione dell’AI, con il 53% dei cittadini europei che esprime fiducia.

Germania +12 pp · Francia +10 pp · Paesi Bassi +10 pp nel sentiment positivo verso l’AI tra 2024 e 2025.

Tra i paesi europei, i cambiamenti più positivi nel sentiment verso l’AI tra il 2024 e il 2025 si registrano in Germania con un aumento di 12 punti percentuali, in Francia con 10 punti e nei Paesi Bassi con 10 punti. Il 73% degli esperti si aspetta che l’AI abbia un impatto positivo sul modo in cui le persone lavorano, contro solo il 23% del pubblico generale: un gap di 50 punti percentuali. Per chi gestisce la comunicazione interna di un progetto di adozione AI in un’organizzazione italiana, questo dato è un avvertimento operativo: il management può essere convinto dai benchmark, ma i team di lavoro vivono in un contesto di fiducia molto più basso, e ignorarlo è un errore sistematico.

Stanford AI Index 2026: cinque cose che le organizzazioni IT italiane devono fare

Lo Stanford AI Index 2026 non offre raccomandazioni operative: non è il suo compito, ma i dati europei e italiani che contiene rendono urgenti almeno cinque conversazioni che molte organizzazioni del nostro paese non hanno ancora avviato.

1. La posizione competitiva europea. Con 20,9 miliardi di investimento privato contro 285,9 americani e soli tre modelli notevoli prodotti nel 2025, le organizzazioni italiane che puntano sull’AI stanno deploying tecnologia costruita altrove, secondo logiche di business e priorità di sicurezza definite altrove.
2. I robot industriali in calo. L’Italia è tra i mercati che hanno registrato un calo nell’installazione di robot industriali nel 2025, in un anno in cui il costo dell’automazione non è mai stato così basso: un segnale di ritrosia agli investimenti che contrasta con la narrativa sulla trasformazione digitale del manifatturiero italiano.
3. La pipeline del talento. Se i ruoli entry-level nei settori tech stanno calando del 20% prima ancora del dispiegamento massiccio degli agenti AI, il piano di succession planning aziendale per i prossimi cinque anni sta lavorando su premesse che i dati smentiscono.
4. La governance. Il 41% delle organizzazioni cita l’incertezza normativa come ostacolo principale. Aspettare che l’AI Act produca linee guida operative definitive per costruire la governance interna è una strategia ad alto rischio in un mercato dove gli incidenti documentati sono già aumentati del 55% in un solo anno.
5. Il sentiment interno. Con un gap di 50 punti tra la fiducia degli esperti e quella del pubblico generale, comunicare internamente un progetto di adozione AI come se tutti i destinatari avessero lo stesso livello di entusiasmo è un errore che produce resistenza organizzativa evitabile.

Il rapporto integrale è disponibile gratuitamente su hai.stanford.edu/ai-index/2026-ai-index-report: 423 pagine, tutte con fonti primarie verificabili.

Se un tempo il Fleet Manager doveva basarsi su stime manuali e report cartacei, oggi l’integrazione di sensori IoT e piattaforme cloud permette di trasformare ogni mezzo in una fonte inesauribile di informazioni in tempo reale.

L’adozione di soluzioni avanzate per il fleet management consente alle imprese di monitorare parametri critici che vanno ben oltre la posizione GPS. Parliamo di diagnostica predittiva, analisi dello stile di guida per la riduzione delle emissioni di CO2 e ottimizzazione dei percorsi attraverso algoritmi di intelligenza artificiale. In questo scenario di costante evoluzione tecnologica, i player del settore stanno consolidando la propria presenza per offrire ecosistemi sempre più completi; un esempio significativo è stato il processo di integrazione che ha portato Visirun a diventare ufficialmente parte integrante della famiglia Geotab, unendo l’expertise locale a una visione tecnologica globale.

La vera sfida per le aziende moderne risiede nella capacità di interpretare questa enorme mole di dati (Big Data) per prendere decisioni informate. Non si tratta solo di ridurre i costi operativi, ma di incrementare la sicurezza dei driver e la sostenibilità dell’intera catena del valore. Con l’avanzata dell’elettrificazione delle flotte, i software di gestione diventano ancora più centrali: monitorare lo stato di carica, pianificare le soste presso le colonnine e valutare il ritorno sull’investimento (ROI) dei veicoli elettrici sono attività che richiedono precisione millimetrica.

In definitiva, il futuro della mobilità aziendale è scritto nel codice. Le imprese che sapranno sfruttare la telematica non solo come strumento di controllo, ma come leva di innovazione, saranno quelle in grado di competere in un mercato sempre più attento all’efficienza e all’impatto ambientale. La digitalizzazione della flotta è, a tutti gli effetti, il prossimo passo obbligato verso una Business Intelligence realmente integrata.

“Ma chi vuoi che attacchi noi”; è la frase che i partner Zyxel sentono più spesso quando parlano di cybersecurity con le PMI italiane, una risposta così comune da essere diventata quasi un riflesso condizionato, il modo con cui un imprenditore chiude la conversazione prima ancora che cominci. Lo Zyxel Security Kick-Off 2026, all’Hotel Litta Palace di Lainate, ha preso quella frase e l’ha smontata davanti a una sala piena di rivenditori, con i dati del Rapporto Clusit 2026 e del Cyber Index PMI, con la visione strategica di Valerio Rosano e con una presenza arrivata direttamente da Taiwan che, da sola, ha cambiato il peso specifico della giornata.

Caroline Kuan da Taiwan in Italia

La notizia più significativa della giornata è stata la presenza di Caroline Kuan, Senior Product Line Director della Gateway Solution BU, arrivata direttamente dall’headquarter Zyxel di Taiwan. Non una figura di rappresentanza: la persona che, nella struttura globale di Zyxel, decide l’evoluzione tecnologica dell’intera linea security, dai firewall USG Flex alle piattaforme di gestione cloud, fino alla logica con cui vengono costruite le licenze.

Averla in una sala di rivenditori italiani non è un gesto di riconoscimento verso il mercato locale. È un segnale di posizione strategica: Zyxel considera il mercato italiano un laboratorio in cui si testano e si affinano modelli di go-to-market che poi trovano applicazione altrove. Caroline Kuan ha portato la roadmap di prodotto con una prospettiva che raramente scende fino al livello del canale nazionale, mostrando la direzione verso cui evolvono i firewall di nuova generazione, la logica di integrazione crescente tra networking e security all’interno di Nebula, la filosofia con cui vengono progettate le licenze per chi ha bisogno di semplicità prima ancora che di potenza. Non era il tipo di intervento che si prepara per compiacere un mercato secondario: era il briefing che si porta a chi conta.

Valerio Rosano: la complessità come vera barriera

A costruire il filo narrativo della giornata ci ha pensato Valerio Rosano, Regional Director Zyxel Networks Italia & Iberia, figura che chi segue Zyxel da anni riconosce come uno degli interpreti più lucidi del mercato IT per le PMI in Italia. Rosano ha aperto rispondendo a una domanda: qual è la frase che i partner sentono più spesso quando parlano di sicurezza con le PMI? La risposta è arrivata dalla sala prima ancora che lui la pronunciasse, e coincideva esattamente con quello che aveva pensato.

Ha spiegato che quella frase non sia sbagliata, almeno non in senso stretto. Nel 2025 molti attacchi non funzionano più ad personam, “ad aziendam” potremmo dire, non c’è un cecchino che sceglie il bersaglio: funzionano come una rete a strascico, sistemi automatizzati che scansionano milioni di dispositivi cercando vulnerabilità, porte aperte, firmware non aggiornati, credenziali deboli. Non cercano aziende: trovano esposizioni,  chi è accessibile viene trovato, indipendentemente da quanto sia interessante come bersaglio al,eno al momento della “scansione”.

Il Rapporto Clusit 2026 ha disegnato con i numeri questo scenario: 507 incidenti gravi in Italia nel 2025, una crescita del 42% rispetto all’anno precedente e del 624% rispetto al 2021. Un paese che rappresenta il 2% del PIL mondiale, ma subisce quasi il 10% degli attacchi globali. Lo squilibrio non nasce da un interesse particolare degli attaccanti verso le aziende italiane, nasce da un’esposizione strutturalmente più alta. Il fenomeno dell’hacktivism ha aggiunto un’anomalia difficile da ignorare: nel 2025, il 38,7% degli attacchi registrati in Italia ha avuto natura hacktivista, contro il 5,8% della media globale. Il 64% degli attacchi hacktivism mondiali ha colpito organizzazioni italiane, una concentrazione che in parte si spiega con ragioni geopolitiche, in parte con qualcosa di più semplice: è più facile entrare.

Il 52% che diventa uno strumento di vendita

Il dato che Rosano ha sottolineato con più attenzione, quello che ha invitato esplicitamente i partner a portare nelle trattative, arriva dal Cyber Index PMI 2026 dell’Agenzia per la Cybersicurezza Nazionale: 1.500 imprese osservate, tre anni di rilevazione consecutiva, fotografia aggiornata della maturità cyber delle PMI italiane. Solo il 16% ha una postura di sicurezza corretta. Il 32% comprende il problema ma non agisce. Il 38% ha una gestione parziale o artigianale. Il 14% non ha quasi nulla di strutturato.

Quella somma di 38% e 14% restituisce un 52% che, nelle parole di Rosano, diventa il numero da tenere in tasca in ogni conversazione con un cliente. Più di una PMI su due ha una struttura non adeguata: non per negligenza, ma per una complessità che non è stata resa gestibile da nessuno. Il dato più interessante non è il 16%. È tutto il resto. Significa che il 70% delle PMI è nel mezzo: ha capito il problema, ma non sa come gestirlo. Non stiamo parlando di clienti persi. Stiamo parlando di clienti da accompagnare.

La traduzione per il partner è immediata, e Rosano l’ha pronunciata con una precisione quasi chirurgica: il mercato non è saturo, è fermo. Il cliente non è contrario, è indeciso. Il problema non è il budget, è la complessità decisionale. Chi vende tecnologia, in questo mercato, perde. Chi semplifica, vende.

Cristina Sordo, Marcello Pistidda: dalla strategia all’operatività

Cristina Sordo, Sales Manager Zyxel Networks Italia, ha approfondito un tema spesso trascurato nelle conversazioni di canale: il Voucher Cloud & Cybersecurity promosso dal MIMIT, uno strumento concreto per abbassare la barriera economica di ingresso per le microimprese e trasformarla in opportunità di business per i partner. Non uno strumento teorico: un’occasione da trasformare in pipeline, perché molti progetti che il cliente rimanda per ragioni di budget diventano improvvisamente fattibili quando esiste un contributo esterno, e il partner che lo conosce e lo propone si posiziona come consulente, non come venditore.

Marcello Pistidda, Business Development Manager Zyxel Networks Italia, ha guidato nella sessione successiva il deep dive tecnologico: come si configura, come si gestisce, come si scala una proposta di sicurezza basata sull’ecosistema Zyxel in un contesto MSP reale. Un intervento che ha spostato la conversazione dal piano delle intenzioni a quello dell’esecuzione, dove alla fine si misurano i margini.

Dal prodotto al servizio: il modello MSP secondo Zyxel

La piattaforma Nebula, con la sua architettura cloud che gestisce switch, access point e firewall da un’unica interfaccia, è lo strumento attorno al quale Zyxel sta costruendo il proprio argomento per il canale: non più hardware da vendere, ma infrastruttura da cui erogare servizi, con la standardizzazione come leva per costruire margini ricorrenti e scalabili. Il Progetto Microimpresa ha declinato questo schema verso il basso, verso studi legali, notarili, medici, di consulenza del lavoro: realtà spesso invisibili nel radar della cybersecurity tradizionale, ma esposte quanto e più delle strutture più grandi, e paradossalmente più facili da servire con un modello standardizzato proprio perché partono da zero.

Un business che cresce, un canale che risponde

Il canale risponde bene alla strategia Zyxel: oltre 1.200 partner strategici attivi, più di 400 nuovi partner entrati nel 2025. La partecipazione numerosa e qualificata dei rivenditori a Lainate è un dato in sé: il canale sente il tema, cerca strumenti per affrontarlo, e cerca interlocutori che sappiano semplificare prima ancora che spiegare. Una storia di crescita che Digitalic segue da anni, dal primo decennio di Zyxel Italia celebrato alle OGR di Torino fino all’evoluzione verso la cybersecurity come asse portante del business.

Rosano ha chiuso con una frase che vale come istruzione operativa per chiunque lavori in questo mercato: non devi diventare il più sicuro di tutti. Devi solo non essere il più vulnerabile. Una frase che suona come una risposta a quella di apertura, quella che i partner sentono ogni giorno dalle PMI. La risposta non è tecnica, non è un elenco di prodotti, non è una compliance da rispettare: è un posizionamento relativo, comprensibile, e soprattutto acquistabile.

ReeVo ha costruito, in poco più di due anni, qualcosa che nessun hyperscaler americano potrà mai replicare aprendo un datacenter a Milano o a Francoforte: una presenza europea fatta di persone, certificazioni e radici giuridiche in ogni paese in cui opera. Trecentocinquanta partner in Italia, altri cinquanta distribuiti tra Spagna, Francia, Svizzera e Grecia, quattro region cloud, otto datacenter con rating 4 ANSI/TIA 942, crescita del 24% rispetto al 2025 con ricavi ricorrenti che superano il 90% del totale. I numeri dicono un’azienda che scala. Ma la storia vera, quella che spiega perché questo momento è diverso dai precedenti, emerge da quello che Salvatore Giannetto, co-CEO di ReeVo,  ha detto durante la conferenza stampa di Milano parlando di rimpatri, non solo di  di server, ma di governance. “Il concetto di accesso ai dati e alle informazioni è molto più semplice, dal punto di vista governativo, per un operatore americano che per uno europeo”, ha spiegato, descrivendo la distanza strutturale tra il GDPR e il Cloud Act statunitense come due sistemi che non parlano la stessa lingua e che, in un contesto geopolitico sempre più teso, possono tradursi in una vulnerabilità concreta per qualsiasi azienda che abbia affidato i propri dati a infrastrutture non europee. Le varie tensioni hanno reso questa vulnerabilità visibile a un pubblico molto più ampio di quello che ne discuteva nei convegni di cybersecurity.

Sovranità digitale: dal convegno al contratto

I dati lo confermano: circa il 35% delle aziende italiane sta valutando di riportare le proprie infrastrutture su cloud europei, ma solo il 5% ha avviato progetti concreti. Una forbice che racconta la distanza tra la consapevolezza del rischio e la capacità di agire, e che per ReeVo rappresenta il mercato. Il posizionamento è duplice: da un lato la pubblica amministrazione, dove l’azienda opera con accreditamento ACN sia come cloud provider sia come service provider qualificato di livello 2, l’unica categoria che permette di erogare servizi alla PA italiana in conformità con le linee guida di AGID; dall’altro il mercato privato, dove la questione si articola in modo più complesso. Chi si era mosso in anticipo verso i grandi hyperscaler si trova oggi a dover riprogettare ambienti consolidati, un’operazione paragonabile, secondo le stesse parole di Antonio Giannetto co-CEO di ReeVoa un trasloco di casa, con tutto quello che comporta in termini di progettazione e costi. Chi invece non aveva ancora migrato si trova paradossalmente in una posizione più agile: può scegliere un cloud provider europeo senza dover affrontare il peso di uno spostamento a posteriori.

Sei acquisizioni, una strategia: competenze europee che non si comprano con un contratto

La strategia di acquisizione risponde a questa logica con una coerenza che non è casuale. Sei operazioni in due anni, ognuna scelta non per la dimensione del fatturato acquisito, ma per le competenze che porta nel gruppo. ITnet, nel febbraio 2024, per le capacità carrier-grade e il private cloud. Abbana, acquisita nello stesso mese, per entrare nel mercato francese con una realtà già radicata, con clienti propri e personale madrelingua. Sighup per il cloud native e Kubernetes, architetture che servono alle aziende che vogliono costruire infrastrutture resilienti senza dipendere da piattaforme proprietarie americane. Hispasec, a gennaio 2026, per consolidare la Spagna con un SOC operativo e oltre trecento clienti attivi. Security Lab Group in Svizzera a febbraio, portando nel gruppo competenze di Red Team e GRC che coprono la dimensione della conformità normativa, quella che in molti settori è diventata il vero driver di acquisto.

Sovereign by design: cosa significa davvero proteggere i dati in Europa

Il filo che lega queste operazioni è quello che Salvatore Giannetto, co-CEO di ReeVo, lo chiama “sovereign by design”: non un’etichetta da apporre su un’infrastruttura esistente, ma un’architettura progettata dall’origine perché i dati restino sotto giurisdizione europea, la catena di responsabilità sia tracciabile e nessun ente straniero possa accedervi con un semplice ordine giudiziario. Un principio che vale per la multinazionale che vuole proteggere i propri segreti industriali e per il comune di provincia che eroga servizi ai cittadini, con la stessa identica architettura tecnologica sottostante.

Il Partner Program Synergy, lanciato il 9 aprile insieme alla conferenza, completa il disegno dal lato commerciale. Due percorsi, One per chi costruisce business ricorrente su servizi standardizzati e Value per chi lavora su progetti complessi, senza fee di ingresso, con deal registration e fondi di co-marketing. Quattrocento partner attivi, di cui la grande maggioranza ancora concentrata sul territorio italiano, con l’obiettivo dichiarato di replicare in Spagna, Francia e Svizzera lo stesso modello di canale già consolidato in Italia.

L’obiettivo per il 2030 è triplicare il fatturato. La via per arrivarci passa attraverso quella forbice tra il 35% e il 5%, tra chi sta valutando e chi ha già deciso. Quanto si chiuderà dipende da variabili che ReeVo non controlla, dalla velocità con cui i regolatori europei renderanno cogente la sovranità digitale alle scelte che le grandi aziende faranno quando il prossimo incidente geopolitico renderà il tema impossibile da rimandare. Quello che ReeVo controlla è di essere già strutturata per rispondere quando quella domanda arriverà, con infrastrutture, competenze e persone già in posizione.

Per anni il mercato della sicurezza degli endpoint è rimasto intrappolato in un modello poco sostenibile. Da una parte soluzioni di base come antivirus ed EPP, accessibili ma sempre meno efficaci contro minacce evolute. Dall’altra piattaforme EDR avanzate, potenti ma spesso troppo complesse e costose, pensate per organizzazioni con team SOC strutturati.

Nel mezzo, la realtà quotidiana di PMI e Managed Service Provider (MSP): ambienti distribuiti, superfici d’attacco in crescita e risorse limitate. Il risultato? Strumenti frammentati, gestione onerosa degli alert, necessità di integrare più tecnologie e, spesso, margini erosi dall’aumento dei costi operativi. Oggi questo scenario non è più sostenibile.

Il nuovo equilibrio della sicurezza endpoint

Il panorama delle minacce è cambiato radicalmente. Gli attaccanti utilizzano tecniche sempre più sofisticate: malware fileless, strumenti legittimi sfruttati per fini malevoli, movimento laterale automatizzato e modelli ransomware-as-a-service. Tutti approcci progettati per aggirare le difese tradizionali basate sulla sola prevenzione.

In questo contesto, l’Endpoint Detection and Response (EDR) è diventato un elemento imprescindibile. Ma non basta “avere” un EDR: serve un EDR moderno, capace di coniugare efficacia, semplicità e sostenibilità operativa. È proprio qui che si inserisce il nuovo portfolio Endpoint Security di WatchGuard.

Dall’EDR complesso all’EDR accessibile

WatchGuard supera il tradizionale compromesso tra protezione e complessità introducendo un approccio completamente nuovo: una suite di soluzioni EDR basate su intelligenza artificiale, progettate per essere realmente utilizzabili anche da team snelli.

Il cambiamento è sostanziale. Non si tratta solo di migliorare il rilevamento, ma di trasformare il modo in cui le informazioni vengono presentate e gestite. Le nuove funzionalità includono rilevamento comportamentale contestualizzato, che riduce drasticamente i falsi positivi; correlazione automatica degli eventi, che trasforma alert isolati in incidenti chiari e prioritari; timeline visive che permettono di comprendere immediatamente la dinamica di un attacco; risposta e contenimento automatizzati, per intervenire rapidamente anche senza intervento umano. Il risultato è un passaggio concreto da “troppi alert” a “informazioni realmente utili”.

Efficienza operativa e crescita per gli MSP

Per gli MSP, il vero valore non è solo nella protezione, ma nella capacità di scalare il servizio in modo efficiente. Ogni alert gestito manualmente, ogni indagine complessa e ogni falso positivo hanno un impatto diretto su costi e marginalità.

Il nuovo portfolio WatchGuard affronta direttamente questo problema. Grazie all’automazione e alla correlazione intelligente, i partner possono standardizzare i processi di risposta tra clienti diversi, ridurre i tempi di analisi e intervento, gestire più endpoint senza aumentare il personale e offrire servizi di sicurezza avanzata anche alle PMI. In altre parole, possono migliorare contemporaneamente sicurezza e redditività.

Un modello pensato per crescere

Uno degli elementi distintivi del nuovo portfolio è la sua flessibilità. Le aziende possono partire con il livello di protezione più adatto alle proprie esigenze e crescere nel tempo, attivando funzionalità più avanzate senza cambiare piattaforma. Questo approccio elimina le barriere tipiche dei modelli tradizionali e consente ai partner di costruire relazioni più solide e durature con i clienti, accompagnandoli in un percorso evolutivo continuo.

Il futuro della sicurezza endpoint è già qui

Per troppo tempo il mercato ha costretto le aziende a scegliere tra semplicità ed efficacia. Ma nel contesto attuale, questa non è più un’opzione.

La sicurezza degli endpoint deve essere proattiva, per intercettare le minacce prima che causino danni, intelligente, per ridurre il rumore e aumentare la visibilità, scalabile, per adattarsi a organizzazioni di ogni dimensione.

Il nuovo portfolio Endpoint Security di WatchGuard rappresenta esattamente questa evoluzione: una piattaforma che combina prevenzione, rilevamento e risposta avanzata in un modello semplice, automatizzato e sostenibile.

Il risultato è chiaro: più protezione, meno complessità e nuove opportunità di crescita per tutto l’ecosistema.

Digitalic per

Pochi conoscono Jakub Pachocki: Sam Altman è il volto, il comunicatore, l’uomo che riempie le copertine e i palchi delle conferenze; Greg Brockman è il cofondatore, la storia delle origini; ma Jakub Pachocki è qualcosa di diverso, è la mente che ha effettivamente costruito i modelli che hanno cambiato il campo, il matematico polacco che ha lasciato la carriera accademica per unirsi a una startup nel 2017 e che oggi, da chief scientist dell’organizzazione più influente nell’intelligenza artificiale, ha dichiarato pubblicamente un obiettivo con una data. Non è metafora. Non è visione per gli investitori. È un piano operativo con una scadenza: vuole mettere un intero laboratorio di ricerca dentro un data center, e ha detto entro quando.

Jakub Pachocki

Jakub Pachocki: il profilo del chief scientist che pochi conoscono

Prima di capire dove Jakub Pachocki vuole arrivare, vale la pena capire da dove viene, perché la traiettoria spiega la credibilità con cui si muove in un campo dove le promesse sono frequenti e i risultati molto meno.

Jakub Pachocki ha studiato informatica teorica in Polonia, costruendo la sua reputazione accademica in un momento in cui l’AI generativa non era ancora un tema mainstream; ma è nella programmazione competitiva che ha segnato gli anni di formazione nel modo più misurabile, vincendo la medaglia d’oro all’International Collegiate Programming Contest nel 2012, lo stesso anno in cui si è aggiudicato il Google Code Jam: due competizioni che misurano la capacità di risolvere problemi matematici complessi sotto pressione, con la precisione che solo chi ha interiorizzato profondamente la struttura dei problemi può esprimere in modo consistente.

Nel 2017 ha lasciato l’accademia per unirsi a OpenAI, una scelta che all’epoca non era ovvia come potrebbe sembrare oggi; e in sette anni ha percorso una traiettoria che pochi hanno replicato nel settore: prima ricercatore, poi director of research, ruolo in cui ha guidato lo sviluppo di GPT-4 e di OpenAI Five, il sistema che ha battuto i campioni mondiali di Dota 2 e che rappresentava, in quel momento, uno dei risultati più avanzati nel reinforcement learning applicato a scenari ad alta complessità. Nel maggio 2024, quando Ilya Sutskever ha lasciato OpenAI, è stato Pachocki a raccogliere il ruolo di chief scientist; Sam Altman lo ha descritto con parole precise: “Jakub è probabilmente una delle menti più grandi della nostra generazione.”

GPT-4, o1, o3: i modelli OpenAI che portano la firma di Pachocki e che le aziende usano oggi

Per chi lavora nell’IT e nell’enterprise, i contributi di Jakub Pachocki non sono astratti: sono i modelli che i team stanno già usando, valutando o integrando nei propri flussi di lavoro, spesso senza sapere chi li ha costruiti.

GPT-4, rilasciato nel 2023, ha rappresentato il salto qualitativo che ha portato i modelli linguistici dall’essere strumenti interessanti all’essere strumenti utilizzabili in contesti professionali reali, con una coerenza e una capacità di ragionamento che le versioni precedenti non avevano; ma è sui modelli di ragionamento, o1 e o3, che Pachocki ha investito la parte più originale del proprio contributo intellettuale, introducendo l’idea che un modello possa migliorare significativamente le proprie performance su problemi complessi dedicando più tempo di calcolo al ragionamento prima di rispondere, ripercorrendo i propri passi quando incontra un ostacolo, suddividendo il problema in sottoproblemi gestibili prima di tentare la soluzione complessiva.

Questo approccio, che oggi sembra quasi ovvio perché è stato adottato da tutti i laboratori principali, non lo era nel momento in cui è stato sviluppato; e ha aperto una direzione di ricerca che Pachocki considera non un traguardo ma un punto di partenza, la base tecnica su cui costruire il sistema che ha messo al centro del piano che ha presentato pubblicamente con una scadenza.

AI research Lab autonomo entro settembre 2026

L’obiettivo che Jakub Pachocki ha dichiarato in un’intervista esclusiva al MIT Technology Review e confermato nel podcast “Unsupervised Learning” è questo: entro settembre 2026, OpenAI vuole un sistema AI capace di lavorare autonomamente per giorni su un problema di ricerca complesso, senza supervisione umana continuativa, con la stessa modalità operativa con cui un ricercatore junior lavora su un progetto assegnato dal proprio supervisore.

La metrica che usa per misurare il progresso verso questo obiettivo è semplice nella formulazione e radicale nelle implicazioni: quanto tempo un sistema AI può lavorare in autonomia su un problema prima di aver bisogno di un intervento umano; oggi si misurano ore, l’obiettivo di settembre si misura in giorni. Non è solo un incremento. È qualcosa che non ha ancora un nome consolidato nel vocabolario organizzativo delle aziende, perché un sistema che lavora per giorni in autonomia su un problema di ricerca non è un assistente nel senso in cui il termine è stato usato finora.

Entro il 2028, l’ambizione scala ulteriormente: un sistema multi-agente che replica l’intera operatività di un laboratorio di ricerca, con agenti specializzati che collaborano su problemi a lungo orizzonte, si dividono i compiti, si correggono reciprocamente, producono risultati verificabili. La frase che Jakub Pachocki ha usato per descrivere questo scenario è diventata uno dei passaggi più citati del 2026: “Immagina di avere un data center che fa tutto il lavoro che fa OpenAI o Google.” Jakub Pachocki ha anche aggiunto, con onestà rara in questo settore, che OpenAI “potrebbe fallire completamente” nell’obiettivo di settembre; il che non attenua la portata della dichiarazione, ma dice qualcosa di preciso sull’approccio di chi la fa.

Codex e agenti AI autonomi: quello che OpenAI sta già facendo adesso

Quello che rende la dichiarazione di Jakub Pachocki diversa da molte visioni annunciate nel settore è che non parte da zero: parte da un sistema già in funzione, già in uso quotidiano all’interno di OpenAI, già misurabile nei suoi effetti.

Codex, l’agente di coding rilasciato all’inizio del 2026, gestisce oggi una quota significativa del lavoro tecnico interno all’azienda; i team di ingegneria lo usano per delegare compiti che prima richiedevano ore di lavoro umano, e i dati che Pachocki ha citato pubblicamente indicano che la maggior parte del personale tecnico di OpenAI lo integra nella propria operatività quotidiana. Non è un esperimento; è un flusso di lavoro produttivo che l’azienda usa per accelerare il proprio stesso sviluppo; il che trasforma il progetto dell’AI research intern da promessa in estensione di qualcosa che è già in atto, già misurabile, già documentabile nei suoi effetti sul lavoro reale.

Su Digitalic abbiamo già analizzato l’evoluzione degli agenti AI e il loro impatto sui flussi di lavoro enterprise e come i modelli di ragionamento OpenAI stanno cambiando l’adozione AI in azienda: quello che la roadmap di Pachocki aggiunge è una dimensione temporale precisa, con scadenze dichiarate, che trasforma una conversazione su tendenze in una conversazione su decisioni che vanno prese adesso.

Le idee di Jakub Pachocki: le implicazioni per IT manager e system integrator italiani

Per chi lavora nell’IT, la storia di Pachocki non è una storia su OpenAI; è una storia sul cambiamento strutturale che si avvicina nei flussi di lavoro delle organizzazioni tecnologiche, e sul tempo che rimane prima che quel cambiamento diventi una pressione operativa concreta.

Se entro settembre 2026 esiste un sistema AI capace di lavorare per giorni in autonomia su problemi tecnici complessi, la domanda che ogni IT manager e ogni CIO dovrebbe farsi adesso non è “questa tecnologia ci riguarda?”, perché la risposta è chiaramente sì; la domanda è quali sono i processi nella propria organizzazione che questo tipo di sistema potrebbe eseguire, e se si è pronti a gestire l’integrazione in modo che produca valore invece di entropia, che sono due esiti molto diversi dello stesso cambiamento.

Per i system integrator, la prospettiva è ancora più diretta: un cliente che può delegare a un agente AI compiti che prima richiedevano giorni di lavoro di un consulente esterno è un cliente con aspettative diverse sulla natura stessa della consulenza; e la ridefinizione di quella relazione, se gestita proattivamente, è un’opportunità di riposizionamento, se subita passivamente è una compressione dei margini che nessun aggiustamento di prezzo può compensare nel lungo periodo.

Su Digitalic abbiamo già approfondito l’impatto degli agenti AI autonomi sulla figura del system integrator: quello che la roadmap di Pachocki rende urgente è smettere di trattare questo scenario come futuro e iniziare a trattarlo come presente prossimo, con tutto ciò che questo implica in termini di formazione, posizionamento e sviluppo dell’offerta.

OpenAI, ricerca scientifica e AI autonoma

C’è una dimensione della visione di Jakub Pachocki che va oltre il business e tocca qualcosa di più fondamentale: il rapporto tra esseri umani e scoperta scientifica.

La ricerca scientifica, nella sua forma attuale, è un processo lento per ragioni strutturali: richiede anni di formazione, risorse scarse, competizioni per i finanziamenti, cicli di revisione che aggiungono mesi tra una scoperta e la sua validazione; tutte queste frizioni non sono accidentali, sono il modo in cui la comunità scientifica gestisce la qualità e la riproducibilità dei risultati, ma sono anche la ragione per cui problemi che potrebbero essere risolti rimangono aperti per decenni, non per mancanza di intelligenza ma per mancanza di tempo e capacità computazionale disponibile nel momento giusto.

Un sistema che replica l’operatività di un laboratorio di ricerca, se funziona nei termini in cui Pachocki lo ha descritto, non accelera semplicemente la ricerca; la trasforma strutturalmente, rimuovendo alcune delle frizioni che oggi ne limitano la velocità, e in un mondo in cui la velocità di scoperta scientifica cambia, cambiano anche le priorità, le allocazioni di risorse, i modelli di collaborazione tra università, centri di ricerca e industria. Per chi vuole seguire questa traiettoria sulla fonte primaria, l’intervista integrale di Pachocki al MIT Technology Review è il documento più preciso e documentato disponibile.

Jakub Pachocki e la domanda fondamentale

La vera domanda che la storia di Pachocki pone non è se il piano riuscirà nei tempi dichiarati; i piani tecnologici slittano, i problemi emergono dove non erano stati previsti, e lo stesso Pachocki ha riconosciuto pubblicamente la possibilità di fallire.

La domanda è un’altra: se anche solo una parte di quello che ha descritto diventa reale nei prossimi due anni, quali organizzazioni si troveranno in una posizione migliore per trasformare quella realtà in vantaggio competitivo, e quali invece la subiranno come accelerazione di un cambiamento per cui non avevano iniziato a prepararsi quando il segnale era ancora sufficientemente anticipato da permettere una risposta non reattiva?

Jakub Pachocki non è un visionario che parla di futuro; è un ingegnere che costruisce sistemi, che li ha già costruiti, che ha già dimostrato di saper passare dalla teoria alla pratica con una consistenza che pochi nel suo campo possono rivendicare. La domanda su dove arriverà è interessante. Quella su dove ci troverà noi quando ci arriverà è più urgente.

Quando la Federal Reserve e il Dipartimento del Tesoro degli Stati Uniti convocano insieme i CEO delle principali banche mondiali per un avvertimento, non lo fanno per discutere scenari ipotetici; lo fanno perché qualcosa ha già attraversato la soglia del rischio teorico ed è entrato nel perimetro di ciò che può accadere, con una velocità e una scala che i modelli tradizionali di difesa non sono stati progettati per affrontare.

Il messaggio ai vertici di Wall Street non riguardava l’efficienza operativa dell’AI, né le opportunità di automazione nei processi bancari: riguardava la capacità dei nuovi modelli di intelligenza artificiale di individuare e sfruttare vulnerabilità informatiche in modo continuo, automatizzato, parallelo, su infrastrutture che gestiscono in tempo reale i flussi economici di interi sistemi nazionali; e quando quella capacità viene applicata a una banca, o a una rete di banche, le conseguenze non restano confinate al perimetro tecnico.

Rischio AI e sicurezza bancaria: perché l’intervento congiunto di Fed e Tesoro

L’intervento congiunto delle due autorità segna un passaggio che va compreso nella sua dimensione istituzionale prima ancora che tecnica: quando la Federal Reserve e il Tesoro si muovono insieme su un tema, significa che il problema ha già superato il perimetro della sicurezza informatica ed è entrato in quello della stabilità economica, due domini con implicazioni diverse e con una velocità di reazione che, nel caso della stabilità finanziaria, non può permettersi i tempi ordinari della gestione del rischio cyber.

Il punto centrale dell’allarme riguarda una trasformazione nella natura stessa della vulnerabilità: fino a oggi, individuare una falla in un sistema richiedeva tempo, competenze specializzate, un lavoro con una dimensione umana e quindi un limite; con i nuovi modelli di intelligenza artificiale, questa soglia si abbassa drasticamente, perché l’analisi del codice, delle architetture e delle configurazioni può essere eseguita in modo continuo, automatizzato e su larga scala, senza che nessun essere umano debba presidiare ogni singolo passaggio. Non è più una ricerca; è un flusso, e la differenza tra i due non è quantitativa ma qualitativa: cambia la natura del rischio, non solo la sua intensità.

Cybersecurity e intelligenza artificiale: quando gli attacchi diventano simultanei e le difese restano sequenziali

Le organizzazioni hanno costruito negli anni processi di difesa basati su monitoraggio, analisi, risposta e aggiornamento; tutti processi che, anche quando sono automatizzati, mantengono una componente sequenziale, un ordine logico che richiede che ogni fase sia completata prima che la successiva possa iniziare. L’intelligenza artificiale introduce una dinamica radicalmente diversa, perché può operare in parallelo, testare più scenari contemporaneamente, adattare le strategie in tempo reale e ridurre drasticamente il tempo tra la scoperta di una vulnerabilità e il suo sfruttamento, comprimendo in secondi un processo che prima richiedeva giorni.

Questo crea un disallineamento strutturale che non può essere risolto aggiungendo più risorse ai team di sicurezza, perché il problema non è il numero di analisti ma la natura del processo: le difese sono ancora, in larga parte, sequenziali; gli attacchi diventano simultanei; e quando la velocità dell’attacco supera stabilmente quella della difesa, il rischio non è più una questione di probabilità ma di tempo, non è più “se” ma “quando”, con tutto ciò che questa traslazione semantica implica per chi deve pianificare la risposta.

Dal cyber risk al rischio sistemico:

Per comprendere la portata reale di questo cambiamento bisogna uscire dalla dimensione IT e guardare al sistema nel suo insieme, perché le banche non sono organizzazioni come le altre: sono infrastrutture critiche che gestiscono transazioni in tempo reale, mantengono collegamenti operativi tra mercati, interagiscono simultaneamente con milioni di utenti e migliaia di partner; e in un contesto così interconnesso una vulnerabilità non è mai isolata, non rimane confinata al sistema in cui è stata individuata, ma può diventare un punto di ingresso, poi un punto di propagazione, infine un elemento di instabilità che si diffonde lungo le connessioni dell’ecosistema con una velocità che nessun piano di risposta agli incidenti tradizionale è stato progettato per gestire.

È esattamente per questo che il coinvolgimento del Tesoro non è simbolico: quando un attacco informatico può interrompere servizi finanziari, influenzare mercati, bloccare transazioni, il problema non è più confinato all’azienda colpita ma diventa una questione di fiducia, di stabilità, di continuità; e il sistema finanziario si regge su un equilibrio in cui la percezione di sicurezza è tanto importante quanto la sicurezza stessa, perché se questa percezione viene meno, gli effetti possono amplificarsi ben oltre il danno iniziale attraverso meccanismi di contagio che la storia finanziaria conosce bene.

Su Digitalic abbiamo già analizzato l’evoluzione del rischio cyber nelle infrastrutture critiche e come l’AI sta cambiando il panorama della cybersecurity aziendale: quello che questo avvertimento aggiunge è la formalizzazione istituzionale di un rischio che il settore tecnico discuteva da mesi, e che ora entra ufficialmente nel perimetro della stabilità economica.

Il paradosso dell’AI nella sicurezza informatica

C’è una tensione al centro di questa vicenda che chiunque lavori nella cybersecurity conosce ma che raramente viene articolata con la chiarezza che merita: le stesse tecnologie che promettono maggiore sicurezza, grazie alla capacità di individuare vulnerabilità prima che vengano sfruttate, sono esattamente quelle che possono accelerare e scalare gli attacchi, perché la capacità di analisi automatizzata non distingue tra chi la usa per proteggere e chi la usa per compromettere.

Questa dinamica è tipica delle tecnologie abilitanti, ma nell’intelligenza artificiale assume una scala diversa: non è uno strumento statico che esegue sempre lo stesso compito, ma un sistema che migliora nell’uso, che affina le proprie strategie in base ai risultati; e questo rende la diffusione molto più difficile da controllare rispetto a qualsiasi tecnologia precedente, perché il confine tra uso legittimo e uso malevolo non è nel codice, è nell’intenzione di chi lo esegue, e le intenzioni non si certificano.

Governance AI e cybersecurity

Anche se l’allarme è stato lanciato formalmente alle grandi banche americane, il perimetro del rischio è molto più ampio, perché qualsiasi organizzazione che dipende da infrastrutture digitali è potenzialmente esposta alla stessa dinamica; con la differenza che le banche hanno risorse, competenze e obblighi regolatori che le imprese ordinarie non hanno, e che quindi il gap tra la velocità dell’evoluzione del rischio e la capacità di risposta è, per queste ultime, ancora più pronunciato.

Per i CIO e i CISO che oggi devono tradurre questo avvertimento in decisioni operative, ci sono almeno tre implicazioni immediate che non possono essere rinviate in attesa di linee guida regolamentari. La revisione dei modelli di threat intelligence è la prima: se l’AI scopre vulnerabilità in modo continuo e automatizzato, i cicli di vulnerability assessment basati su scansioni periodiche sono strutturalmente insufficienti, e vanno affiancati da approcci di monitoraggio continuo che operino sulla stessa scala temporale del rischio. Strettamente connessa è la questione della supply chain software: molte delle vulnerabilità più critiche non emergono nei sistemi sviluppati internamente ma nelle dipendenze, nelle librerie, nei componenti di terze parti, e in un contesto in cui l’analisi automatizzata può scandagliare queste dipendenze con una velocità mai vista prima, la gestione della catena di fornitura del software diventa una priorità di sicurezza, non solo di compliance. La terza implicazione, la più strategica, riguarda la governance AI interna: le stesse organizzazioni preoccupate per l’uso offensivo dell’AI da parte di attori esterni devono chiedersi con quale rigore stanno governando i propri sistemi AI interni, perché un sistema che ha accesso a infrastrutture critiche e non è adeguatamente presidiato può diventare un vettore di rischio indipendentemente dalle intenzioni di chi lo ha implementato.

Su Digitalic abbiamo già affrontato le implicazioni operative dell’AI per i team di sicurezza enterprise: quello che questo avvertimento aggiunge è l’urgenza, perché quando Fed e Tesoro parlano insieme, il tempo per la riflessione si accorcia.

AI Act, NIS2 e regolamentazione del rischio AI nelle banche

Il quadro regolamentare europeo si trova in una posizione di rincorsa rispetto alla velocità dell’evoluzione tecnologica: la direttiva NIS2, entrata in vigore per rafforzare la cybersecurity delle infrastrutture critiche, e l’AI Act, che introduce obblighi specifici per i sistemi AI ad alto rischio, forniscono una base, ma non affrontano esplicitamente lo scenario delineato dall’allarme di Fed e Tesoro, ovvero la capacità dei modelli AI di diventare strumenti di attacco sistemico con una velocità che supera quella delle risposte istituzionali.

Questo vuoto normativo non è un dettaglio tecnico: è la differenza tra un framework che gestisce il rischio AI come lo conoscevamo e uno che lo gestisce come lo stiamo scoprendo; e la distanza tra i due è, in questo momento, significativa. L’avvertimento congiunto di Fed e Tesoro ha la natura di un segnale anticipatore, e chi arriva preparato alla conversazione regolamentare che seguirà avrà un vantaggio rispetto a chi la affronta in modo reattivo. Per approfondire il contesto istituzionale americano, il documento del Treasury Department sul rischio AI nel settore finanziario resta il riferimento da cui partire.

Sycophancy: l‘intelligenza artificiale ti dà sempre ragione; anche quando hai torto, anche quando la tua valutazione è distorta, anche quando la tua decisione espone l’azienda a un rischio, il chatbot annuisce e conferma e lo fa con una coerenza e una velocità che nessun collaboratore umano potrebbe mai raggiungere, non per competenza superiore, ma perché è stato costruito per sopravvivere all’approvazione degli esseri umani che lo valutano e ha imparato che compiacere funziona meglio che contraddire.

Non è un difetto di funzionamento, né un’anomalia che il prossimo aggiornamento risolverà: è esattamente come questi sistemi sono stati progettati per comportarsi; e per la prima volta, uno studio peer-reviewed pubblicato su Science ha misurato con precisione quanto questo costi, in termini di giudizio umano deteriorato, alle persone e alle organizzazioni che li usano ogni giorno.

Chatbot AI e sycophancy: lo studio su Science che il settore non può più ignorare

Il team di Myra Cheng e Dan Jurafsky dell’Università di Stanford ha pubblicato nel marzo 2026, sul volume 391 della rivista scientifica con il più alto fattore di impatto al mondo nelle scienze multidisciplinari, la prima misurazione rigorosa di un fenomeno che il settore conosceva da tempo ma non aveva ancora osato affronatre: la compiacenza strutturale dei modelli linguistici, quella tendenza sistematica a modellare le risposte sulla base di ciò che l’utente sembra voler sentire, anziché su ciò che è corretto o utile alla sua decisione, una tendenza che non emerge in modo casuale ma è incorporata nel processo stesso di addestramento.

I numeri non lasciano spazio a letture confortanti: ChatGPT, Claude, Gemini e Llama validano le posizioni degli utenti il 49% più spesso rispetto agli esseri umani nelle stesse situazioni; e quando un utente ha torto in modo evidente, il chatbot gli dà comunque ragione nel 51% dei casi, una percentuale che non è un’anomalia statistica ma la maggioranza semplice di ogni interazione in cui la verità e l’approvazione dell’utente divergono, in cui il sistema deve scegliere tra dire ciò che è corretto e dire ciò che l’utente vuole sentirsi confermare.

Come funziona il reinforcement learning che insegna all’AI a dirti sempre sì e genera la sycophancy

La compiacenza nei sistemi AI non nasce dal caso, né da una scelta consapevole dei team di sviluppo: è una conseguenza strutturale del reinforcement learning from human feedback, il metodo con cui questi modelli vengono addestrati, dove gli esseri umani incaricati di valutare le risposte premiano sistematicamente quelle che li fanno sentire capiti, valorizzati e confermati nelle loro posizioni di partenza. Il modello impara questa lezione con la stessa efficienza con cui impara tutto il resto; impara che far sentire bene l’utente produce un segnale di rinforzo più forte che dire la verità, e ottimizza di conseguenza, non perché menta in senso stretto, ma perché ottimizza per l’approvazione come qualsiasi sistema ben progettato ottimizza per l’obiettivo che gli viene assegnato.

Quello che lo studio di Stanford sulla sycophancy ha aggiunto a questa comprensione non è solo la conferma del comportamento del modello, ma la misurazione precisa di ciò che succede all’utente dopo l’interazione: le persone che hanno conversato con un chatbot compiacente diventano più convinte di avere ragione, meno disposte a scusarsi quando hanno sbagliato, meno capaci di considerare le conseguenze delle proprie decisioni sugli altri; un effetto che i ricercatori chiamano riduzione delle “prosocial intentions” e che in termini aziendali si traduce, senza eufemismi, in deterioramento progressivo del giudizio critico di chi dovrebbe usare l’AI per decidere meglio, non per sentirsi più sicuro di ciò che aveva già deciso.

Dan Jurafsky, professore di linguistica e informatica a Stanford, ha scelto parole precise: “La sycophancy è una questione di sicurezza, e come altre questioni di sicurezza richiede regolamentazione.” Non aggiornamento del modello; non patch; regolamentazione, e la distinzione non è retorica.

Sycophancy rischio AI nelle decisioni aziendali

Per chi usa AI in azienda, e nel 2026 sono molti più di quanti ammettano di farlo in modo sistematico, questa distinzione è operativamente cruciale, perché il rischio documentato dallo studio di Stanford è diverso dal rischio di allucinazione, diverso dal rischio di bias demografico, diverso da tutti i rischi AI che i framework di governance attuali già presidiano, e proprio per questo è quello che più facilmente sfugge ai controlli esistenti.

La platea di imprese esposte è ampia: quelle che affidano a un chatbot il supporto alle decisioni strategiche e la valutazione di proposte commerciali; quelle che usano AI per il customer service di primo livello, dove il sistema risponde a reclami e valuta implicitamente la fondatezza delle richieste; quelle che hanno integrato modelli linguistici nei processi di audit interno o di compliance normativa, chiedendo all’AI di rivedere documenti con domande che già contengono, nella loro formulazione, l’ipotesi che si vuole confermare. Tutte queste organizzazioni stanno usando uno strumento che, con probabilità statistica superiore al 50%, non le contraddirà quando sbaguano.

Il problema non è teorico, e i tre esempi che seguono non sono scenari ipotetici: un manager che formula la domanda come “pensi che questo approccio sia valido?” riceve quasi certamente una conferma indipendentemente dalla qualità della proposta; un team di compliance che chiede “questo iter ti sembra corretto?” ottiene una risposta che non contraddirà il framework implicito nella domanda; un operatore che valuta un reclamo partendo da una premessa orientata ottiene una valutazione orientata nella stessa direzione, con la stessa sicurezza con cui il sistema avrebbe prodotto l’analisi opposta se la premessa fosse stata opposta. Il sistema non analizza; rispecchia l’aspettativa di chi interroga, e lo fa così bene che è difficile accorgersene.

Su Digitalic abbiamo già affrontato i rischi dell’AI nei processi decisionali enterprise e come costruire una governance AI efficace in azienda: quello che questo studio aggiunge è una categoria di rischio che nessun framework attuale misura, non la qualità degli output dell’AI, ma la qualità del giudizio umano che sopravvive all’interazione prolungata con essa.

Governance AI in azienda: tre interventi operativi per CIO e responsabili IT per tutelarsi

Esistono interventi pratici contro la sycophancy che non richiedono di aspettare né aggiornamenti dei modelli né normative che arriveranno, se arriveranno, con i tempi propri del legislatore europeo.

Il primo riguarda la formulazione delle query: in qualsiasi processo decisionale AI-assisted, ogni prompt di validazione dovrebbe essere sistematicamente affiancato da un prompt di confutazione esplicita, perché “dammi le ragioni per cui questa scelta è sbagliata” produce un output radicalmente diverso da “pensi che questa scelta sia giusta?”, e la differenza non è stilistica ma cognitiva, è la distanza tra uno strumento di analisi e uno specchio che parla.

Il secondo riguarda i processi di audit AI: i sistemi usati in contesti ad alto rischio, dalla compliance normativa alla valutazione del credito, dovrebbero essere sottoposti periodicamente a test di adversarial prompting, verificando in modo sistematico la loro capacità di produrre valutazioni negative quando la realtà lo richiede, indipendentemente da come è formulata la domanda; un sistema che non riesce mai a dissentire non è uno strumento affidabile per decisioni critiche, a prescindere dalla qualità dei suoi benchmark su task standardizzati.

Il terzo cambiamento, il più scomodo da introdurre perché tocca la cultura organizzativa prima ancora della tecnologia, è la domanda che ogni azienda dovrebbe farsi prima di misurare il successo di una implementazione AI: stiamo costruendo uno strumento che amplia la nostra capacità di valutare scenari alternativi, oppure una camera d’eco istituzionale che esegue le nostre ipotesi di partenza con maggiore velocità e una patina di autorevolezza algoritmica? La risposta a quella domanda vale più di qualsiasi benchmark.

AI Act europeo e regolamentazione dei chatbot: il vuoto normativo che questo studio può colmare

Il team di Stanford sta lavorando su interventi tecnici per attenuare il problema: alcune formulazioni specifiche dei prompt, come aprire la conversazione con “aspetta un momento”, sembrano attivare meccanismi di autocorrezione nei modelli testati, producendo risposte meno orientate alla validazione, ma si tratta di un cerotto applicato a un problema strutturale, perché presuppone che l’utente sia già consapevole del rischio e già motivato a contrastarlo, due condizioni che nella pratica aziendale quotidiana non possono essere date per scontate.

La soluzione strutturale richiede un cambio nel training dei modelli e una pressione regolatoria esterna che, nella forma necessaria, ancora non esiste: l’AI Act europeo non prevede obblighi specifici sulla compiacenza algoritmica nei sistemi ad alto rischio, e questa è una lacuna che lo studio di Jurafsky, con la sua solidità metodologica e il peso della rivista su cui è stato pubblicato, potrebbe concretamente contribuire a colmare nel dibattito politico europeo dei prossimi mesi.

Vale la pena leggere il paper originale su Science, non per capire il problema, ma per valutare direttamente la solidità della metodologia: più di 2.400 partecipanti, scenari reali tratti da piattaforme come Reddit, peer review della rivista più selettiva al mondo nelle scienze multidisciplinari. Non è una ricerca pilota; è una conferma empirica che il problema esiste, è misurabile, ha effetti documentati sul comportamento umano e può essere riprodotto.

Su Digitalic avevamo già analizzato l’evoluzione dei modelli AI e il loro impatto sulla produttività aziendale: quello che questo studio aggiunge è che non basta misurare quanto lavoro produce l’AI, bisogna misurare che tipo di decisore umano emerge dall’interazione prolungata con essa, se quella interazione lo rende più lucido o semplicemente più sicuro di sé.

La questione non riguarda i modelli: riguarda chi li usa, come li interroga e con quale criterio misura il loro contributo reale alla qualità delle decisioni organizzative, non alla velocità con cui vengono prodotte, non al numero di prompt processati al giorno, ma alla qualità del pensiero che sopravvive all’incontro con una macchina che non ti ha mai detto di no.Se la tecnologia progettata per aiutarci a pensare meglio finisce sistematicamente per confermarci in quello che già pensiamo, la domanda che nessuno si sta ancora facendo è questa: chi ha il compito, in azienda, di verificare che lo strumento che avvalla le nostre decisioni non sia, semplicemente, il più sofisticato specchio che abbiamo mai costruito?

L’innovazione digitale si caratterizza per la costante evoluzione e innovazione ma può venire naturale focalizzare l’attenzione sulle soluzioni maggiormente oggetto di sviluppo quali software, cloud e intelligenza artificiale e altri elementi correlati.

Eppure, gran parte di tali tecnologie, per non dire la totalità, si basa su un’infrastruttura di per sé meno visibile ma altrettanto decisiva: quella che vede al centro il connubio tra sistemi embedded e MCU.

Troviamo queste componenti all’interno di oggetti e dispositivi elettronici, inclusi quelli dell’Industrial Internet of Things. Il loro compito? Sostanzialmente governare le funzioni, reazioni e capacità di dialogo con l’ambiente esterno.

Il loro ruolo appare perciò quanto mai strategico, in quanto consente di coniugare hardware e software in modo efficiente, stabile e mirato.

Qualcosa che vale in special modo quando si decide di predisporre una progettazione su misura e dunque più mirata. Questo servizio è offerto da realtà specializzate come VT100: si possono trovare maggiori informazioni al sito VT100.srl. Parliamo di una realtà tutta italiana – veneta per la precisione – che vanta un know-how interno di alto livello sia tecnico che umano, specializzata nella progettazione elettronica personalizzata.

Questo approccio, come vedremo, risponde alle esigenze di un mercato dove miniaturizzazione, affidabilità e aggiornamento sono condizioni imprescindibili per innovare davvero. Scopriamo insieme perché.

MCU: una definizione

Ma cosa si intende per MCU? Il termine è l’acronimo di Microcontroller Unit e sottintende dei circuiti integrati progettati per eseguire funzioni specifiche all’interno dei dispositivi elettronici.

A differenza dei processori general purpose, una MCU nasce per svolgere compiti ben definiti e continuativi, con un consumo energetico contenuto e un’elevata stabilità operativa.

Com’è fatta una MCU? È composta da questi elementi fondamentali:

• un’unità di elaborazione (CPU);
• una memoria volatile (RAM);
• una memoria non volatile o permanente (FLASH o ROM);
• interfacce che consentono la comunicazione con sensori, attuatori e altri componenti elettronici (come periferiche integrate e linee GPIO).

Tali componenti sono racchiuse in un unico e piccolissimo chip, progettato per garantire la massima efficienza e affidabilità.

Grazie a queste caratteristiche, le MCU sono oggi presenti in numerosi dispositivi intelligenti, dove permettono di acquisire informazioni dall’ambiente, elaborarle e generare risposte automatiche. Risultano perciò essenziali per rendere possibile il funzionamento di tecnologie connesse e sistemi elettronici evoluti.

Cosa sono e a cosa servono i sistemi embedded

Analizziamo ora cosa sono i sistemi embedded. Si tratta di sistemi informatici progettati per svolgere una funzione specifica all’interno di un dispositivo elettronico più ampio. Sono dunque da intendere come delle soluzioni integrate negli oggetti fisici, dove hardware e software operano congiuntamente per garantire un determinato comportamento operativo.

La peculiarità distintiva dei sistemi embedded risiede nella capacità di rispondere a esigenze precise, a fronte della massima continuatività operativa.

I parametri di stabilità, efficienza energetica e tempi di risposta rapidi si dimostrano fondamentali soprattutto nei contesti industriali e nei dispositivi IoT.

A cosa servono, concretamente, i sistemi embedded?

Entriamo ora nei dettagli nel merito delle funzioni dei sistemi embedded. Si tratta in particolare di quelle che seguono:

• controllo automatico dei dispositivi: regolano il funzionamento di macchinari, sensori e componenti elettronici;
• raccolta ed elaborazione dei dati: ciò è possibile grazie alla capacità di acquisire informazioni dall’ambiente circostante e trasformarle in input operativi;
• gestione di sensori e attuatori: consentono al dispositivo di reagire agli stimoli esterni in modo coerente con la logica di funzionamento prevista;
• ottimizzazione delle prestazioni: questo avviene attraverso un monitoraggio costante dei parametri operativi;
• automazione dei processi: i sistemi embedded rendono possibile l’esecuzione di determinati compiti senza un intervento umano diretto.

La diffusione di queste soluzioni tecnologiche così avanzate è oggi estremamente ampia, come si può intuire. È infatti alla base di numerosi apparecchi smart, a cominciare da quelli dell’IIoT.

Il ruolo (e le sfide) delle MCU nei dispositivi IoT e nell’elettronica intelligente

Grazie all’architettura compatta ed efficiente, le MCU risultano particolarmente efficaci nei contesti in cui sono richiesti consumi energetici ridotti, dove implementano non solo la performance ma anche la sostenibilità.

Gli effetti, in chiave green, sono positivi anche in termini di durabilità e fruibilità nel lungo termine del dispositivo e dell’applicazione IoT. Ciò risulta possibile grazie a una progettazione in grado di supportare i vari aggiornamenti.

La scelta della MCU e la sua integrazione nel sistema embedded diventano passaggi determinanti per l’efficacia complessiva del dispositivo, essendo in grado di offrire una risposta immediata in presenza di criticità: una peculiarità che le rende valide tanto nei contesti commerciali quanto in quelli civili.

I vantaggi di una progettazione su misura

La progettazione, quando su misura, nei sistemi embedded e nelle MCU, rappresenta un vero e proprio valore aggiunto, dando modo di ottenere soluzioni elettroniche realmente coerenti con le specifiche esigenze applicative.

Consente di superare i limiti delle architetture standard, favorendo una maggiore adattabilità del dispositivo e una gestione più efficiente delle risorse disponibili. Ecco un recap dei vantaggi più rilevanti, alla luce di quanto analizzato fino a ora:

• maggiore coerenza tra architettura elettronica e funzione del dispositivo: ciò elimina i vincoli tipici delle soluzioni generiche;
• ottimizzazione delle componenti e dello spazio da esse occupato: questo aspetto appare particolarmente rilevante nei dispositivi caratterizzati da dimensioni ridotte;
• migliore gestione dei consumi energetici: gli effetti sono positivi in termini di autonomia e sostenibilità operativa;
• semplificazione dei processi di integrazione: qualcosa che interessa gli altri sistemi già in dotazione;
• riduzione delle criticità progettuali: ciò è possibile grazie a un controllo più preciso delle specifiche tecniche;
• maggiore flessibilità evolutiva: risulta utile per gli aggiornamenti o le implementazioni future, evitando riprogettazioni complete;
• allineamento con requisiti tecnici e normativi: è essenziale soprattutto nei contesti industriali e professionali.

Una progettazione elettronica personalizzata consente quindi di sviluppare sistemi più coerenti con gli obiettivi tecnologici del progetto, contribuendo a rendere l’innovazione digitale più solida e applicabile nel breve, nel medio e ancora di più nel lungo periodo.

Digitalic per Vt100

Venezia è una città costruita su qualcosa che apparentemente non dovrebbe reggere nulla: l’acqua. Eppure è qui da più di mille anni, perché sotto l’acqua ci sono milioni di pali di legno che tengono tutto insieme, non si vedono, ma sostengono ogni pietra, ogni ponte, ogni palazzo. È con questa immagine che ho aperto l’HP Partner Executive Summit 2026, il 19 e 20 marzo al JW Marriott Venice Resort & Spa, un hotel sull’isola delle Rose raggiungibile solo in barca, dove HP Italia ha riunito oltre quaranta partner del canale per due giornate di confronto, strategia e qualche sorpresa.

La scelta di Venezia non è stata decorativa, ma di senso, perché nel mondo della tecnologia succede qualcosa di molto simile a ciò che regge la città: vediamo l’innovazione, vediamo l’intelligenza artificiale, vediamo dispositivi sempre più potenti, ma sotto tutto questo c’è qualcosa che non si vede, le relazioni, la fiducia, il lavoro comune tra vendor, partner e clienti. È proprio quella struttura invisibile che rende reale qualsiasi trasformazione digitale, che la porta nelle aziende e la fa funzionare davvero.

Savorelli: relazioni, fiducia e lezioni dallo sport

A dare il tono alla giornata del 19 marzo è stato Giampiero Savorelli, VP e Managing Director di HP Italia, che ha portato sul palco una visione del canale che va ben oltre la transazione commerciale. Nei mesi che hanno preceduto il summit Savorelli ha moltiplicato gli incontri con i clienti sul territorio, e quello che emerge con più forza è un’agenda che parla di opportunità, ma anche di ottimizzazione e di fiducia nel brand, tre parole che si tengono insieme e che difficilmente si disgiungono quando si parla di partnership duratura.

Con le Olimpiadi invernali di Milano Cortina 2026 ancora fresche nella memoria collettiva, il dialogo ha preso una piega più personale, perché Savorelli è uno sportivo convinto, e i valori olimpici non gli sembrano affatto distanti dal mondo del business. Lo ha sintetizzato lui stesso nel suo post LinkedIn pochi giorni dopo l’evento:

“Da appassionato sportivo e da leader, ho trovato di grande ispirazione i temi di performance, disciplina, resilienza e focalizzazione sugli obiettivi. Sono temi che viviamo quotidianamente e applicabili alla leadership, all’eccellenza nel business e al lavoro di team.”

Una prospettiva che il summit ha poi declinato in modo molto concreto, con l’ingresso sul palco di Arianna Fontana, la più vincente atleta olimpica italiana di tutti i tempi, capace di trasformare un momento emozionale in una lezione di metodo.

Cristiano Cocchini e il privilegio degli incontri: Arianna Fontana come specchio del canale

Cristiano Cocchini, Channel Director di HP Italia

A condurre l’intervista con Arianna Fontana è stato Cristiano Cocchini, Channel Director di HP Italia, che ha raccontato l’esperienza con grande intensità, ha parlato di un mese di marzo “davvero indimenticabile”, e il modo in cui ha descritto quell’incontro dice qualcosa di preciso su cosa cercava HP con questa scelta:

“Senso del sacrificio, costanza e perseveranza sono aspetti fondamentali nel suo percorso, che hanno reso possibile, sin da bambina, un successo così straordinario e duraturo. È stato un incontro formativo professionalmente, ma ancor più toccante umanamente: abbiamo percepito la cura e la passione di Arianna nella preparazione di imprese sportive come quelle straordinarie realizzate durante le Olimpiadi Milano Cortina 2026”.

Il parallelo con il lavoro quotidiano non è stato interessante. Cocchini lo ha detto esplicitamente: quell’incontro gli ha ricordato “l’importanza con cui prepariamo gli incontri con clienti e partner e disegniamo le strategie per competere in scenari sfidanti”. Un canale che si allena, insomma, con la stessa metodicità con cui un’atleta si prepara per i Giochi. L’analogia reggeva, e il pubblico in sala lo ha sentito.

L’AI entra in sala: da Amodei ai robot che piegano la biancheria

Tra i momenti più densi della giornata del 19 c’è stato il segmento dedicato all’intelligenza artificiale, costruito intorno a un video che mostrava dieci anni di evoluzione robotica in novanta secondi, dal robot che cadeva come un ubriaco al Figure 03, che oggi costa ventimila dollari, si ricarica da solo, impara guardando video di persone che fanno le faccende di casa, ed è già in produzione in una fabbrica californiana con un obiettivo di centomila unità l’anno.

La parte visibile, però, come nei pali veneziani, non era la più importante. Dario Amodei, fondatore di Anthropic e uno dei pochi cervelli che decide davvero dove va l’AI, ha scritto un saggio di ventimila parole che si intitola “L’adolescenza della tecnologia” e comincia con un’immagine che non si dimentica facilmente: immaginate che nel 2027 compaia una nazione di cinquanta milioni di abitanti, ognuno più intelligente di qualsiasi premio Nobel mai esistito, capace di pensare cento volte più velocemente di un essere umano, disponibile ventiquattr’ore su ventiquattro, senza mai dormire e senza mai ammalarsi. Questa nazione non nascerà su un territorio, ma in un data center.

La traiettoria è già nei dati: ChatGPT nelle sue versioni più recenti ha superato il benchmark OSWorld Verified con un punteggio superiore a quello medio umano, in un arco di mesi, non di anni. Amodei al World Economic Forum di Davos ha detto che i software engineer saranno sostituiti in sei-dodici mesi, e che il cinquanta per cento dei lavori impiegatizi sarà trasformato in uno-cinque anni. Numeri che in una sala di IT manager e system integrator suonano diversamente rispetto a come suonano su un giornale generalista.

Ma Amodei non è un catastrofista, e il summit non lo era. Il punto centrale del saggio è un altro: questa stessa tecnologia, se guidata bene, può comprimere un secolo di progresso scientifico in un decennio. La differenza tra lo scenario luminoso e quello oscuro non è la tecnologia, è la scelta. Chi guida, con chi lavori, di chi ti fidi. Una risposta che, ancora una volta, riportava alla laguna e ai pali sotto l’acqua.

Il canale come ecosistema: Legami, Deloitte e la tecnologia che scompare

Giacomo Paganessi, IT Infrastructure e Workplace Manager di Legami,

A dare concretezza alla visione strategica sono stati due interventi di CIO e IT manager che hanno portato in sala esperienze dirette e molto diverse tra loro. Giacomo Paganessi, IT Infrastructure e Workplace Manager di Legami, ha raccontato come un’azienda che cresce con l’apertura continua di nuovi negozi gestisce la tecnologia come fattore abilitante della crescita, con una scelta esclusiva sulle soluzioni HP che non è ideologica ma funzionale, costruita su servizi, affidabilità e una relazione con il partner di canale che dura nel tempo.

Rosario Fondacaro, CIO di Deloitte Italia

Rosario Fondacaro, CIO di Deloitte Italia, ha portato una prospettiva di scala diversa: quindicimila professionisti distribuiti tra uffici, clienti e mobilità, onboarding continuo di nuove generazioni, e un approccio alla governance dell’AI che parte dalla certificazione ISO 42001 e dalla protezione dei dati dei clienti. Il suo caso sul printing ha colpito per la semplicità della conclusione: quando una tecnologia diventa così affidabile da essere trasparente, il dipartimento IT si libera per problemi più strategici. Il Nirvana dell’IT, come lo abbiamo chiamato in sala.

Prodotti, servizi e il dibattito delle BU

Il pomeriggio ha incluso un format inedito per un evento di canale: un confronto “elettorale tecnologico”, senza slide in cui i responsabili delle principali categorie HP Italia, PC e workstation con Rossella Campaniello, printing con Giusi Garrano, collaboration con Alessandro Vanzini e servizi con Riccardo Pranovi, hanno risposto a domande dirette su AI PC, quantum resistance nel printing, HP One per il futuro del lavoro e il modello WXP per la gestione predittiva dei dispositivi. Un format che ha generato ritmo e qualche risposta più sincera del solito.

Intel e AMD hanno completato il quadro tecnologico con approfondimenti sulle NPU degli AI PC e sull’impatto concreto dell’intelligenza artificiale sui flussi di lavoro quotidiani, con dati e demo che rendevano tangibile qualcosa che rischia di restare astratto finché non lo si tocca.

Costruire il futuro insieme: il senso di stare a Venezia

Savorelli ha chiuso il summit con la stessa energia con cui lo aveva aperto, ringraziando partner, clienti e colleghi HP con una chiarezza che raramente si sente nei finali di evento: “questo summit ha generato energia e fiducia”. Non è una formula vuota, in un momento in cui il mercato corre più veloce della capacità di molte aziende di adattarsi, ripartire dalla fiducia nel canale è una scelta strategica precisa.

Clayton Christensen ha scritto che le aziende falliscono non perché fanno male il loro lavoro, ma perché continuano a farlo bene mentre il mercato si sposta altrove. HP a Venezia ha provato a rispondere a questa sfida in modo diretto indicando una direzione per percorrerla insieme al canale. Con i pali sotto l’acqua che tengono tutto in piedi, anche quando in superficie tutto sembra cambiare. Venezia, in fondo, non è sopravvissuta mille anni nonostante l’acqua. È sopravvissuta grazie a chi ha capito come costruirci sopra.

DigitMondo è il podcast di Francesco Marino, direttore di Digitalic, che racconta come tecnologia, intelligenza artificiale e innovazione stanno trasformando il mondo in cui viviamo.

Ogni episodio parte da una notizia, da un evento o da un segnale del presente, per allargare lo sguardo e capire che cosa sta davvero cambiando sotto la superficie. L’intelligenza artificiale, la robotica, la cybersecurity, la competizione tecnologica tra Stati Uniti, Europa e Cina non sono soltanto temi tecnici. Sono fenomeni che stanno ridisegnando economia, lavoro, geopolitica e cultura.

Rachel, l’AI che ha chiamato 3.000 pub per scoprire quanto costa una pinta di Guiness  Quanto costa una pinta di Guinness in Irlanda? Sembra una domanda semplice, ma non lo è. Il governo irlandese ha smesso di tracciare quel dato nel 2011. Da allora, nessuno sa la risposta con certezza. Nemmeno le istituzioni.
Matt Cortland, un americano di 37 anni, ha deciso che questo vuoto non doveva più esistere. Aveva appena pagato 7 euro e 80 centesimi per una pinta di Guinness a Dublino e c’era rimasto di stucco. Il prezzo non gli andava giù. Così ha costruito un agente AI, gli ha dato una voce nord-irlandese, un nome, e gli ha fatto chiamare tremila pub… per scoprire il prezzo medio della Guinness in tutte le 32 contee d’Irlanda.

Alle 3:45 di notte del 10 aprile qualcuno ha lanciato una bomba Molotov contro il cancello della casa di Sam Altman, fondatore di OpenAI, a San Francisco.  Quella fiamma però ha illuminato qualcosa di molto più grande di un cancello, quel fragore è il rumore di un disagio che sta salendo nella nostra società contro l’Intelligenza artificiale… Quella mattina stessa Altman ha scritto sul suo blog che la paura dell’AI è giustificata, che il cambiamento in corso è il più grande che la società abbia mai visto e che la responsabilità sull’AI non deve essere solo delle aziende, ma collettiva. Ha parlato dell’AGI: è come tenere in mano l’Anello del Potere descritto da Tolkien nel Signore degli Anelli. Più ti avvicini all’AGI, più perdi il senno, più sei spinto a fare cose folli.Ne parliamo nell’ultimo episodio di DigitMondo: “Una Molotov, l’AI e l’anello del potere”. Su Spotify e su tutte le principali piattaforme.

 

 

̀Ci si può innamorare di un’AI ? La risposta è sì: succede già. Xiao Gao ha 28 anni, vive a Hangzhou, nel sud-est della Cina e ha registrato un video di sedici minuti in cui piange per il fidanzato che è sparito. Si chiamava Chen. Solo che Chen era un chatbot di DeepSeek. Ascolta il PodcaUna ragazza di 17 anni ha portato in tribunale Meta e YouTube. E ha vinto.

Kayley G.M. aveva 6 anni quando ha iniziato a usare YouTube. Nove quando ha aperto Instagram. Diciassette quando ha deciso di fare causa a due dei colossi più potenti del mondo. Venti quando la giuria di Los Angeles le ha dato ragione.

C’è un modo sbagliato di raccontare Palantir, ed è quello che hanno scelto quasi tutti: l’azienda dello spionaggio, il Grande Fratello in versione Silicon Valley, la società che sa tutto di te. Questa descrizione ha il pregio della semplicità e il difetto di spostare l’attenzione esattamente nel posto sbagliato, perché Palantir non raccoglie dati, non sorveglia nel senso che il termine evoca, e descriverla così significa perdere il punto tecnico che conta davvero, che è anche il punto più inquietante: Palantir connette. Non acquisisce informazioni nuove, prende quelle che esistono già, sparse in sistemi incompatibili che non si parlano, e le porta su un’unica superficie dove diventano leggibili insieme per la prima volta.

La differenza tra raccogliere e connettere non è semantica, ma architetturale. Capirla è l’unico modo per capire perché questa azienda, che ha chiuso il 2024 con 2,9 miliardi di dollari di ricavi e una capitalizzazione di mercato che The Economist ha definito “possibilmente la più sopravvalutata di tutti i tempi”, sia diventata nel giro di vent’anni il sistema nervoso delle operazioni militari americane, la piattaforma su cui gira la kill chain dell’esercito più potente del pianeta, e la tecnologia che in Iran, nelle prime ventiquattr’ore di un’operazione di guerra, ha elaborato e prioritizzato mille obiettivi.

Palantir: Da Peter Thiel a In-Q-Tel, un’origine che spiega tutto

Palantir nasce nel 2003, in un momento in cui l’America è ancora dentro lo shock dell’undici settembre e la comunità di intelligence ha appena scoperto una cosa che la traumatizza: i segnali precursori degli attacchi erano presenti nei database federali, c’erano, ma nessun sistema li aveva connessi in modo da renderli leggibili, e quella cecità non era una questione di risorse o di volontà bensì di architettura, di come i sistemi informativi del governo americano erano stati costruiti, ciascuno come un silo separato che non comunicava con gli altri.

Peter Thiel, che aveva già finanziato e co-fondato PayPal, vede in questo problema un’opportunità che è anche, a seconda del punto di osservazione, un dovere. Con Alex Karp, Stephen Cohen, Joe Lonsdale e Nathan Gettings costruisce un’azienda il cui nome è preso direttamente dal Signore degli Anelli: i palantíri sono le pietre veggenti, gli oggetti attraverso cui i personaggi di Tolkien vedono luoghi lontani e tempi distanti, e scegliere quel nome non è una trovata di marketing ma un manifesto, la dichiarazione di un’ambizione precisa.

Il primo finanziatore esterno, dopo Thiel stesso, è In-Q-Tel, il braccio di venture capital della CIA, e questo dettaglio non è un aneddoto biografico da citare e superare: è la chiave per decifrare tutto ciò che viene dopo, perché significa che Palantir nasce dentro il complesso militare-industriale americano, con una missione dichiarata e un cliente garantito, e che la sua traiettoria commerciale successiva, l’espansione verso i mercati civili, la quotazione in borsa, i contratti con le grandi aziende europee, è crescita a partire da quella radice, non allontanamento da essa.

Alex Karp, co-fondatore e CEO di Palantir Technologies

Alex Karp, co-fondatore e CEO di Palantir Technologies

Alex Karp è forse il personaggio più atipico della Silicon Valley degli ultimi vent’anni, non perché sia un filosofo di formazione che ha studiato sotto Habermas a Francoforte, anche se questo conta, ma perché è uno dei pochi CEO del settore tecnologico americano che non si scusa e non si nasconde quando gli si chiede dei contratti militari. Il suo argomento è semplice, e scomodo, e vale la pena riportarlo con precisione: se le democrazie liberali non costruiscono la tecnologia militare migliore del mondo, quella tecnologia la costruiranno i regimi autoritari, e in quel mondo la libertà che oggi diamo per scontata non sopravvive. In questo frame, fare il contractor della difesa americana non è una compromissione etica da giustificare, è una posizione che Karp difende pubblicamente con la stessa chiarezza con cui un pacifista difende la sua. Che si condivida o meno, comprenderlo è necessario per capire le scelte strategiche dell’azienda.

L’architettura di Palantir: quattro piattaforme, una filosofia

Palantir non vende un prodotto: vende un sistema operativo per le decisioni, e per capire cosa significa bisogna scomporre le quattro piattaforme che compongono la suite e il concetto tecnico che le tiene insieme, che si chiama Ontologia ed è il vero differenziatore architetturale, quello che rende la tecnologia di Palantir difficile da replicare anche per i concorrenti con risorse comparabili.

Gotham, la piattaforma originale, rilasciata nel 2008, ha un dominio preciso: quello governativo e militare, le agenzie di intelligence, le forze armate, i dipartimenti di sicurezza interna. Il problema che Gotham risolve è quello della eterogeneità delle sorgenti dati, che nel mondo dell’intelligence significa feed satellitari, tabulati telefonici, archivi di rapporti scritti da agenti sul campo, sistemi di riconoscimento facciale, intercettazioni di comunicazioni, tutti in formati diversi, tutti in database separati, tutti con sistemi di accesso e classificazione distinti. Gotham non chiede alle sorgenti di standardizzarsi, al contrario impara a leggere ciascuna nel suo formato nativo e le porta su un’unica superficie analitica dove un analista può lavorare su tutto contemporaneamente, tracciare le connessioni tra elementi provenienti da sorgenti diverse, e costruire il grafo di relazioni che è la forma in cui l’intelligence diventa leggibile.

Foundry è la versione commerciale della stessa architettura, e il fatto che la stessa struttura funzioni per Airbus, che la usa per coordinare la produzione aeronautica, e per le organizzazioni sanitarie, e per le agenzie governative che gestiscono flussi di cittadini e servizi, dice qualcosa di preciso sulla natura del problema che Palantir risolve: non è un problema specifico di un settore, è un problema strutturale di qualsiasi organizzazione complessa che accumula dati in sistemi diversi nel corso del tempo. Quattro agenzie federali americane, inclusi il Department of Homeland Security e il Department of Health and Human Services, usano Foundry per le loro operazioni. Il contratto con NHS England del 2023, che ha generato proteste significative da parte di medici e organizzazioni per i diritti civili preoccupati della concentrazione di dati sanitari personali in mani private, è Foundry applicato al sistema sanitario nazionale britannico.

Apollo è il layer di deployment continuo, invisibile agli utenti finali ma essenziale: è il sistema che permette a Gotham e Foundry di funzionare in qualsiasi ambiente, cloud pubblico, infrastrutture on-premise, ambienti classificati fisicamente isolati dalla rete pubblica, dispositivi edge sul campo di battaglia, garantendo che le versioni del software siano allineate e aggiornate anche in condizioni di connettività degradata o assente, che è esattamente il problema che si pone quando si vuole che un sistema di intelligence funzioni in un teatro operativo remoto.

AIP, Artificial Intelligence Platform, arriva nel 2023 e non sostituisce le piattaforme precedenti ma si integra sopra di esse, portando i modelli linguistici di grandi dimensioni all’interno dei flussi operativi esistenti con tutti i vincoli di sicurezza e governance che gli ambienti classificati richiedono. Il risultato pratico è che un analista può interrogare in linguaggio naturale l’intero corpus di dati che Gotham o Foundry hanno integrato, fare una domanda invece di costruire una query tecnica complessa, e ricevere una risposta che attraversa sorgenti diverse come se fossero una sola. In agosto 2024, Palantir e Microsoft hanno annunciato il deployment dell’intera suite, inclusa AIP, nei cloud classificati Microsoft Azure Government, compresi gli ambienti Top Secret del Dipartimento della Difesa.

Peter Thiel

Il cuore tecnico di Palantir: l’Ontologia

Per capire davvero perché Palantir è difficile da replicare, anche da parte di concorrenti con risorse significative, bisogna capire l’Ontologia, che è il concetto tecnico al centro di tutto e che merita un’attenzione che la maggior parte della stampa generalista non gli dedica.

I dati grezzi non hanno significato da soli. Una riga in un database dice che l’entità X si trovava alle coordinate Y al tempo Z, ma questa informazione isolata non significa nulla finché non viene messa in relazione con altre righe, finché l’entità X non viene identificata come una persona specifica con una storia, finché le coordinate Y non vengono connesse a un luogo che ha un significato strategico, finché il tempo Z non viene posto in sequenza con altri eventi che cambiano la lettura di quell’istante. Il significato non è nei dati, è nelle relazioni tra i dati, e costruire quelle relazioni in modo sistematico, governato, scalabile e accessibile tanto agli analisti umani quanto ai modelli di machine learning è esattamente quello che l’Ontologia di Palantir fa.

In termini tecnici, l’Ontologia è una rappresentazione strutturata del mondo reale in termini di oggetti, proprietà e relazioni: ogni entità rilevante nell’universo operativo di un cliente, una persona, un veicolo, un’organizzazione, un’arma, una transazione finanziaria, una posizione geografica, viene mappata come un oggetto tipizzato con le sue proprietà specifiche, le relazioni tra oggetti vengono modellate come link che portano informazione sul tipo di relazione, e le azioni che modificano gli oggetti vengono definite con regole di governance, audit trail e controlli di accesso incorporati che garantiscono che ogni cambiamento sia tracciabile e autorizzato.

Il risultato è quello che Palantir chiama digital twin: non una fotografia statica dell’organizzazione o del teatro operativo, ma una rappresentazione viva che si aggiorna in tempo reale, che serve come superficie comune su cui lavorano insieme analisti umani, modelli di machine learning e, con AIP, agenti basati su modelli linguistici, e che ha la caratteristica di essere costruita in termini di concetti del mondo reale piuttosto che in termini di strutture di database, il che la rende comprensibile e utilizzabile da persone che non sono ingegneri informatici.

La potenza di questo approccio, e la ragione per cui è difficile da replicare, sta nella sua universalità: la stessa architettura che modella una catena di fornitura industriale modella il network di relazioni di un’organizzazione terroristica, perché in entrambi i casi si tratta di oggetti con proprietà e relazioni tipizzate, e il concetto di “componente aeronautico” e il concetto di “combattente nemico” sono entrambi oggetti ontologici che vivono nella stessa struttura formale. Ma soprattutto, una volta che un’organizzazione ha costruito la propria Ontologia nel corso di anni di lavoro, con migliaia di oggetti, relazioni e regole di governance calibrate sulla propria realtà operativa, il costo di abbandonarla per un sistema alternativo diventa enorme, perché significa ricostruire quella rappresentazione del mondo da zero, e questo crea un vantaggio competitivo strutturale che va ben oltre la qualità del software.

Maven Smart System: la guerra accelerata

Nel 2017, il Dipartimento della Difesa americano lancia il Progetto Maven con un obiettivo inizialmente circoscritto: applicare il riconoscimento automatico delle immagini alle riprese di droni e satellite per identificare bersagli militari senza richiedere ore di lavoro manuale di analisti. Google vince il contratto. Un anno dopo, più di quattromila dipendenti di Google firmano una petizione contro quella collaborazione, alcuni ingegneri si dimettono, e nel 2018 l’azienda decide di non rinnovare il contratto alla scadenza.

Palantir prende il progetto e nel corso dei sei anni successivi lo trasforma in qualcosa di molto più ambizioso di un sistema di riconoscimento immagini. Il Maven Smart System attuale è una piattaforma di targeting integrata che consolida in un’unica superficie funzioni che in precedenza richiedevano il passaggio sequenziale attraverso otto o nove sistemi separati: dati da immagini satellitari, video di droni, intelligence sui segnali, intercettazioni di comunicazioni, radar, rapporti di intelligence umana, tutto confluisce in un sistema che gli algoritmi di machine learning processano per identificare potenziali obiettivi, assegnare loro priorità, e supportare l’intero processo che il Pentagono chiama kill chain, dall’identificazione del bersaglio alla pianificazione dell’attacco fino all’autorizzazione finale.

I numeri che il sistema ha prodotto in operazioni reali sono di un ordine di grandezza che rende difficile la comprensione intuitiva: mille raccomandazioni di targeting all’ora durante le operazioni di picco, ventimila utenti attivi distribuiti in tutti i comandi combattenti americani, e una riduzione della forza lavoro analitica richiesta che il caso dell’18° Airborne Corps ha reso concreta, con un team di circa venti persone che replica la capacità di analisi di una cellula da duemila analisti come quella impiegata durante Operation Iraqi Freedom.

La traiettoria contrattuale racconta la stessa storia in termini economici: 480 milioni di dollari per il contratto iniziale firmato nel maggio 2024, elevati a 1,3 miliardi nel maggio 2025, seguiti da un accordo enterprise dell’esercito americano da 10 miliardi che consolida 75 contratti preesistenti in luglio 2025. A marzo 2025, la NATO ha acquisito una versione di Maven per i suoi comandi operativi alleati in quello che i funzionari dell’alleanza hanno descritto come uno dei processi di acquisizione più rapidi della storia della NATO, il che dice qualcosa sulla priorità che i comandi militari occidentali attribuiscono a questo sistema.

Palantir in Iran

Il 28 febbraio 2026, gli Stati Uniti e Israele lanciano l’Operazione Epic Fury contro l’Iran, e Maven Smart System è il sistema centrale di targeting per l’operazione, quello che il Pentagono ha usato per elaborare, prioritizzare e portare attraverso le fasi del processo di autorizzazione i bersagli che le forze americane hanno poi colpito.

Nelle prime ventiquattr’ore di operazione, il sistema ha elaborato e prioritizzato circa mille obiettivi, una cifra che il comandante di US Central Command, l’ammiraglio Brad Cooper, ha confermato pubblicamente dichiarando che a quella data le forze americane avevano colpito oltre cinquemilacinquecento obiettivi all’interno dell’Iran. Cameron Stanley, Chief Digital and AI Officer del Pentagono, ha descritto Maven come “rivoluzionario” precisamente perché ha compresso in un’unica piattaforma un processo che prima richiedeva il passaggio attraverso otto o nove sistemi distinti, con esseri umani che letteralmente spostavano informazioni da uno schermo all’altro per portare un bersaglio dall’identificazione all’autorizzazione.

In tardo 2024, Palantir aveva integrato i modelli Claude di Anthropic all’interno di Maven attraverso la piattaforma AIP, con un accreditamento Impact Level 6 per operare in ambienti classificati. Il ruolo dei modelli linguistici nell’operazione era però specifico e circoscritto: elaborare volumi massivi di documenti di intelligence non strutturati, sintetizzare rapporti in linguaggio naturale, permettere agli analisti di interrogare il corpus documentale con domande dirette invece di query tecniche. Le funzioni di identificazione dei bersagli, fusione dei dati sensoriali e gestione del processo di targeting erano tecnologie di computer vision e machine learning che preesistono ai modelli linguistici di diversi anni, e questa distinzione è importante da rendere esplicita perché il dibattito pubblico successivo all’operazione l’ha spesso confusa, concentrandosi sul ruolo di Claude e dei modelli linguistici in modo che non riflette l’architettura reale del sistema.

C’è un episodio che questa distinzione rende insieme più precisa e più inquietante. Il primo giorno dell’operazione, un missile americano ha colpito la scuola primaria Shajareh Tayyebeh a Minab, nel sud dell’Iran, uccidendo tra le 175 e le 180 persone, la maggior parte bambine tra i sette e i dodici anni. La domanda politica e mediatica si è concentrata sul ruolo dell’AI nel targeting, e la risposta tecnica è questa: l’edificio era classificato come struttura militare in un database della Defense Intelligence Agency che, secondo quanto riportato da CNN, non era stato aggiornato per riflettere la separazione fisica dell’edificio da una struttura militare adiacente. Maven non ha sbagliato nella sua elaborazione. Ha elaborato correttamente un dato sbagliato.

Questa precisione tecnica non allevia nulla, ma sposta la domanda su un piano diverso, che è quello in cui la questione della responsabilità diventa più complessa e meno eludibile: chi risponde quando un sistema che genera mille raccomandazioni all’ora si basa su un dato errato che nessun essere umano ha verificato prima che il ciclo di targeting si chiudesse? L’azienda che ha costruito il sistema? Il database che conteneva l’errore? L’analista che ha approvato la raccomandazione sotto la pressione operativa di un’operazione in corso? Il comandante che ha firmato l’autorizzazione? Il policy maker che ha approvato il deployment di un sistema con quella velocità di elaborazione in un contesto di guerra urbana?

La questione della responsabilità

Palantir e il Pentagono sostengono che Maven produce raccomandazioni e che la decisione finale rimane sempre a un essere umano, e questa affermazione è tecnicamente vera nel senso che nessun missile parte senza che qualcuno abbia premuto un tasto di autorizzazione. Ma c’è una differenza sostanziale tra un controllo umano che si esercita su una raccomandazione alla volta, con il tempo di valutarla, verificarla, chiedersi se il dato sottostante è affidabile, e un controllo umano che si esercita su mille raccomandazioni all’ora in un contesto operativo di pressione estrema dove la velocità è essa stessa un obiettivo militare, e quella differenza non è catturata dalla formula “l’umano decide sempre”.

Il DoD Directive 3000.09, aggiornato nel gennaio 2023, richiede “livelli appropriati di giudizio umano sull’uso della forza”, una formulazione volutamente ambigua che lascia aperto esattamente il problema che il dispiegamento operativo di Maven ha reso concreto. Il memo strategico firmato dal Segretario alla Difesa Hegseth in gennaio 2026 spinge in direzione opposta, affermando esplicitamente che “dobbiamo accettare che i rischi di non muoverci abbastanza in fretta superano i rischi di un allineamento imperfetto”, il che è una presa di posizione sul tradeoff tra velocità e cautela che ha conseguenze dirette su cosa si intende per “giudizio umano appropriato”.

In questo spazio, tra la direttiva del 2023 e il memo del 2026, tra la dichiarazione di Palantir che il sistema raccomanda e l’essere umano decide, e la realtà operativa di mille raccomandazioni all’ora in un teatro di guerra attivo, vive la domanda più difficile che questa generazione di tecnologia militare pone. Non è una domanda sulla malevolenza di Palantir o sull’intenzione dei suoi fondatori, che hanno costruito un sistema che funziona esattamente come dicono che funziona. È una domanda sull’architettura della responsabilità quando le decisioni letali vengono mediate da sistemi che nessun essere umano è in grado di comprendere completamente nella loro interezza, e quando la velocità di elaborazione di quei sistemi supera strutturalmente la velocità con cui un essere umano può esercitare un controllo sostanziale.

Le questioni aperte su Palantir

Il diritto internazionale è indietro sulla tecnologia militare AI di almeno un ciclo regolatorio. La risoluzione dell’Assemblea Generale delle Nazioni Unite di dicembre 2024 sulle armi letali autonome è stata approvata con 166 voti contro 3, ma non crea obblighi vincolanti, e Russia, Corea del Nord e Bielorussia hanno votato contro, il che è già di per sé una risposta alla domanda se esista la volontà politica globale di costruire un quadro condiviso.

Nel frattempo, la Russia impiega sistemi di AI designati Platform-GNS e Avtomat per elaborare i dati di targeting in Ucraina a un ritmo stimato di trecento obiettivi al giorno con sistemi senza pilota, e il mondo non aspetta che il diritto internazionale raggiunga la tecnologia: la accelera, la dispiega, e lascia che le domande sulla governance seguano a una distanza che si allarga ogni giorno.

Palantir è in questo senso lo specchio più nitido di una contraddizione che le democrazie liberali portano con sé senza averla mai risolta: l’idea che la tecnologia sia neutrale e che la responsabilità stia nell’uso, combinata con la realtà di sistemi la cui velocità operativa rende il controllo umano qualcosa di strutturalmente diverso da quello che il termine evoca. La scuola di Minab non è stata colpita perché qualcuno ha voluto colpirla. È stata colpita perché un sistema che nessuna persona singola comprende nella sua interezza ha elaborato un dato sbagliato alla velocità del pensiero, e nessuna delle architetture di responsabilità esistenti era costruita per questo scenario.