La macchina e la lotta
Tokarczuk, Groff, e la domanda che nessuno sta facendo. Tre modi di scrivere con l’AI, il valore di quello che non si delega, e perché la lotta con la materia conta più del risultato.
Argomento
AI
33 articoli
L’intelligenza artificiale è il tema che attraversa trasversalmente quasi tutto quello che scrivo — dall’editoria alla geopolitica, dalla semiotica all’epistemologia. Non come tecnologia in sé, ma come trasformazione delle condizioni in cui produciamo e valutiamo la conoscenza.
gen 2025
giu 2026
La differenza fra Claude e le mie gatte
Cinque definizioni dell’AI, la disputa sugli universali, le metafore-strumento e uno Spinoza implicito. Cosa siamo quando proviamo a definire l’intelligenza artificiale.
Salveremo le humanities con le pratiche, non con le idee
Leggendo il manifesto Hinternet: la diagnosi è lucida, ma la soluzione ha un limite strutturale una cui possibile soluzione esiste almeno dal VI secolo.
Quando Dario Amodei ha detto no al Pentagono — e io ho chiamato Claude
La crisi Anthropic-Pentagono, la metodologia degli scenari di Shell, e una riflessione sull’uso dei modelli linguistici come strumenti di pensiero.
Dal concept al deploy: costruire un sito professionale con JAMstack
La storia tecnica di come questo sito è nato: dall’architettura informativa al deploy, passando per design system e workflow editoriale.
IA, bulloni e umanesimo ↗
Simone Pieranni mappa, dalla stampa cinese, due narrazioni opposte sull’AI e il lavoro che i media occidentali tendono a sovrapporre. La versione istituzionale racconta una transizione ordinata: 2,99 milioni di nuovi posti urbani nel primo trimestre 2026, nuove figure professionali (addestratori di sistemi AI, "narrative designer"), startup da una persona rese possibili dagli agenti intelligenti. L’altra versione racconta la "linea della mannaia" che scende: prima colpiva i ruoli intermedi, poi i junior, ora gli esterni in outsourcing — e i 12,7 milioni di neolaureati che si affacciano quest’anno sul mercato sono i più sfortunati di sempre, perché arrivano esattamente quando le aziende eliminano le posizioni base per sostituirle con agenti AI. Il punto che interessa al sito non è tecnico ma sociale: in Cina parlare di lavoro significa parlare di patto sociale. La Corte di Hangzhou ha già emesso una sentenza contro i licenziamenti motivati dalla sostituzione con AI. Il pezzo aggiunge alla serie sulla Cina già in archivio una dimensione interna che il pezzo di Chan non toccava: non la corsa geopolitica all’AGI, ma la gestione della pressione sociale dell’automazione su scala di massa.
From weeks of work to days: How I rebuilt two data journalism projects with AI ↗
Jacopo Ottaviani, data journalist italiano e fellow del Reuters Institute, racconta come ha ricostruito in due giorni *Patrie Galere* — la mappa delle morti nelle carceri italiane che nel 2012 gli aveva richiesto tre settimane — e come ha costruito *Strade Mortali*, un portale sulla sicurezza stradale a Roma, usando Claude Fable 5 (poi sospeso dal governo americano per ragioni di sicurezza nazionale, notazione non priva di ironia). Il metodo è il *vibe coding* strutturato: non un prompt unico, ma una decomposizione in venti compiti discreti e testabili — divide et impera applicato all’AI. Il punto più rilevante per noi non è il risparmio di tempo ma dove si è spostato il collo di bottiglia: il layer meccanico del data journalism si commoditizza; ciò che non si commoditizza è il giudizio su quale domanda valga la pena fare e la capacità di riconoscere quando l’output è plausibile ma sbagliato. «The ability to see through the surface to the underlying structure is not something the model supplies; it is what you bring.» È la tesi di Floridi sul capitale semantico applicata a un caso concreto — e c'è una nota sulla 'SaaSapocalypse' (LLM + librerie open source rendono obsoleti i tool proprietari di dataviz) che vale tenere in conto.
Se uso l’AI sono meno professionista? ↗
Ilaria Maria Dondi parte da una domanda che si è posta sul serio dopo aver scritto un pezzo di cui era soddisfatta aiutandosi anche con l’AI: «Sto barando?». La risposta arriva leggendo un post di Amberhawk su «The Ubuntu Journey»: i CEO pubblicano libri scritti da ghostwriter, i politici pronunciano discorsi di speechwriter, i direttori editoriali trasformano articoli fino a renderli irriconoscibili — eppure nessuno li accusa di impostura. I ricchi e i potenti hanno sempre avuto accesso a un supporto invisibile; l’indignazione morale scatta solo quando uno strumento apparentemente più economico e accessibile replica quel supporto per chi un editor non se lo è mai potuto permettere. La tesi è netta: il problema non è mai il supporto in sé, ma chi ha sempre avuto il diritto di usarlo in silenzio. I privilegi non si confessano: si usano. L’AI non è neutra — sfruttamento del lavoro, copyright, impatto ambientale sono problemi reali — ma la «denigrazione automatica» del lavoro svolto anche con l’AI, che giudica per la mera presenza dello strumento senza guardare la qualità del pensiero, è un pregiudizio che pesa di più su chi ha già meno margine di errore, donne e persone razzializzate in testa. La competenza, conclude Dondi, non nasce da un prompt: nasce dall’essere in grado di difendere ciò che si firma.
David Droga on AI and the end of 'mediocre' human-made ads ↗
David Droga (fondatore di Droga5, ex CEO di Accenture Song) dice senza troppi giri di parole, in un’intervista a Semafor, che l’AI sta per spazzare via il mercato della mediocrità creativa umana: "l’80% delle persone che pago probabilmente non fa un lavoro eccezionale comunque", quindi bene se l’AI si occupa di quel lavoro "formulaico e medio" che secondo lui costituisce la maggioranza della produzione in marketing, advertising, intrattenimento, musica e giornalismo. La vera originalità — gusto, contesto, strategia — resterebbe invece fuori portata dei modelli, che "replicano e distillano best practice" fino a far convergere tutti sullo stesso risultato. Il tema arriva mentre il festival Cannes Lions si apre con OpenAI come protagonista a sorpresa: l’azienda punta a metà dei ricavi pubblicitari attuali di Meta in tre anni, ha lanciato una piattaforma ad self-serve, sta testando annunci in Giappone e ha aggiornato i suoi Ad Tools per generare creatività pubblicitaria via AI. Droga osserva che la minaccia più seria per il settore non è tanto la produzione creativa quanto il lato degli acquisti media: i riassunti AI di Google, ChatGPT e Claude hanno già eroso il traffico web su cui si basava l’intero ecosistema dell’e-commerce e dei media digitali per intercettare ricerche. Significativo anche un dettaglio collaterale: lo scorso anno Cannes Lions ha ritirato il Grand Prix Creative Data Lions dopo aver scoperto che il case study era stato manipolato con l’AI.
When AI builds itself ↗
L’Anthropic Institute pubblica dati interni sull’accelerazione nello sviluppo dei modelli: oltre l’80% del codice in produzione è oggi scritto da Claude; ogni ingegnere produce 8 volte più codice al giorno rispetto al 2024; Opus 4.7 gestisce in autonomia task da 12 ore su software reale; in un esperimento di aprile 2026, agenti Claude hanno condotto un intero progetto di ricerca in AI safety — 800 ore cumulative, $18.000 di compute, senza intervento umano sulle scelte sperimentali. Il punto dell’articolo non è celebrativo: è che questo trend punta verso il recursive self-improvement — un sistema AI capace di progettare e addestrare il proprio successore in modo autonomo. L’articolo descrive tre scenari (stallo, accelerazione compounding con umani che dirigono, recursive self-improvement completo) e prende posizione: Anthropic sarebbe disponibile a una pausa coordinata e verificabile tra lab al limite della frontiera, se esistesse un meccanismo credibile per farlo. Vale la pena sottolinearlo: è la prima volta che un’azienda AI di frontiera pubblica dati interni sull’accelerazione e invoca esplicitamente un regime di verifica internazionale — un linguaggio che fino a poco tempo fa sembrava riservato al controllo degli armamenti nucleari. Non sfugga il fatto che questa sottile inoculazione di ansia tecnologica sia in particolare per Anthropic anche un espediente di marketing straordinariamente efficace.
Magnifica Humanitas: le nuove terre rare del potere ↗
Giovanni Boccia Artieri usa *Magnifica Humanitas* — l’enciclica di Leone XIV firmata nel 135° anniversario della *Rerum Novarum* — come leva per spostare il discorso sull’AI dal piano morale al piano politico-strutturale. Il punto più interessante non è il documento in sé ma il problema che Boccia Artieri gli pone: ogni appello all’umanesimo dell’AI rischia di restare astratto se non si confronta con le infrastrutture che concentrano dati, modelli e potere decisionale. L’immagine dei dati come «nuove terre rare del potere» è la più efficace: l’AI non è tecnologia immateriale, è economia dell’estrazione — vite rese computabili, relazioni trasformate in risorse predittive, archivi culturali assorbiti in modelli proprietari senza restituzione. La privacy individuale è necessaria ma non sufficiente: la dimensione collettiva dell’estrazione richiede una risposta diversa — infrastrutture pubbliche, dataset come beni comuni, forme cooperative di produzione tecnologica. Il pezzo si chiude con una domanda che vale come bussola: non «l’AI è buona o cattiva?» ma «chi la rende possibile, chi ne trae valore, chi ne sopporta i costi, chi può contestarla?». Una grammatica politica dell’AI, non un appello morale.
The End of the Future ↗
Jonathan White, politologo alla LSE, analizza un paradosso: mentre la politica mainstream ha progressivamente abbandonato il pensiero sul futuro — ridotta a gestione dell’emergenza e orizzonte corto — il mondo della Big Tech ne ha fatto la sua ideologia fondativa. La 'fine del futuro' nella politica tradizionale coincide con la sua colonizzazione da parte di Silicon Valley, dove figure come Karp di Palantir invocano un'élite tecno-ingegneristica come nuovo soggetto del progetto nazionale. Un’analisi che si legge bene in parallelo con il pezzo di Benanti e Maffettone sul Corriere. (Suggerito anche dalla filosofa e scrittrice albanese Lea Ypi.)
Why Are Humanists So Bad at Defending the Humanities? ↗
N. Ángel Pinillos, professore di filosofia all’Arizona State University, muove da una premessa scomoda: gli umanisti sono i peggiori avvocati delle proprie discipline. L’argomento standard — valore intrinseco, *paideia*, *Bildung* — è circolare: funziona solo su chi è già convinto. L’alternativa che propone è meno solenne ma più solida: le humanities insegnano una competenza identificabile — leggere, scrivere, argomentare con precisione — che non esiste altrove nel curriculum. E l’AI l’ha resa più preziosa, non meno: usare bene i modelli richiede esattamente quelle capacità, riconoscere dove l’argomento scivola, revisionare l’output invece di spedire la poltiglia. La conclusione è ottimista: i modelli producono testo fluente in quantità industriale, il che rende la capacità di distinguere buon ragionamento da cattivo la competenza cognitiva più preziosa del presente. Connessione diretta con quanto Floridi chiama «capitale semantico» — e con ciò che il sito ha già provato a dire altrove.
La colonizzazione del giudizio ↗
Benanti e Maffettone leggono il progetto tecno-umanista di Thiel e Karp non come disegno economico o politico, ma come tentativo di ridefinire le condizioni epistemiche del pensiero collettivo. La posta in gioco, scrivono, è la 'colonizzazione dell’interiore': la capacità di interrogarsi e abitare l’incertezza che è il nucleo di ogni esperienza democratica. Richiamando Arendt, sostengono che il collasso del giudizio non richiede coercizione, ma la sostituzione silenziosa della deliberazione con l’elaborazione di dati — un sistema indifferente all’atto di pensare, che fornisce risposte prima ancora che la domanda sia formulata.
To Land a Job in AI, Try Reading Kant ↗
Wired racconta come i grandi laboratori AI (DeepMind, Anthropic) abbiano assunto vere e proprie squadre di filosofi per lavorare su dilemmi etici e domande sulla natura della mente — ma l’articolo stesso si chiede se non sia in parte 'ethics-washing', un’estensione della funzione marketing che certifica un impegno per la sicurezza più a parole che nei fatti. Nota mia: sono vent’anni che sentiamo dire che la prossima rivoluzione tecnologica aprirà finalmente sbocchi ai filosofi. L’interfaccia linguistica dell’AI rende l’argomento più concreto del solito, ma prima di intestare alla disciplina una nuova età dell’oro occupazionale, ci andrei comunque cauto.
Humans vs. Bots — Who Does the Em Dash Better? ↗
Vauhini Vara racconta il suo amore tormentato per il trattino lungo, 'il segno di punteggiatura del popolo' — oggi declassato a tic riconoscibile di ogni post LinkedIn prodotto da ChatGPT. L’autrice prova persino a rinunciarvi per una serata, ma le dita corrono comunque alla combinazione di tasti: il corpo ricorda quello che la mente vorrebbe disconoscere. Tra Moby-Dick, Hannah Arendt e le teorie sui dataset di addestramento, è una difesa elegante — e visibilmente in affanno — dell’em dash dall’omologazione algoritmica. Nota mia: il bello è che ormai basta un trattino lungo per gridare 'AI!', mentre continuiamo tutti a scrivere con gli stessi tic — non solo X ma anche Y, la tripletta retorica, l’a capo cadenzato che sembra una pausa drammatica. Forse il vero AI slop non è quello prodotto dalla macchina, ma quello che produciamo tutti credendo di essere originali.
Il Golem e l’AI ↗
Valentina Giannella parte dalla soffitta sigillata della Vecchia Sinagoga Nuova di Praga — dove si dice riposino i resti d’argilla del Golem del Maharal — e costruisce un saggio che attraversa secoli di misticismo ebraico per arrivare diretto al paper di Anthropic del giugno 2026 sull’auto-miglioramento ricorsivo dell’AI. Il filo conduttore è il Sefer Yetzirah: il mondo è creato con le lettere, così come i modelli linguistici sono addestrati sui token. Il Maharal negò la parola al Golem perché capì che chi parla ha potere. Noi gliel’abbiamo data. La domanda che il pezzo lascia aperta — 'siamo abbastanza saggi da meritarlo?' — è la stessa che il rabbino si pose nel 1580 e che Anthropic si pone ora, mentre chiede una pausa globale e al tempo stesso presenta domanda di quotazione in borsa.
Making Claude a chemist ↗
Un paper di Anthropic che mette Claude alla prova sulla spettroscopia NMR — l’analisi che permette ai chimici di "leggere" la struttura molecolare di un composto da una firma spettrale. Opus 4.7 risulta competitivo con i software specializzati nella predizione diretta (struttura → spettro) e capace di lavorare nella direzione inversa (spettro → struttura) da soli dati 1D — cosa che oggi richiede strumenti dedicati e competenze specifiche. Il punto non è la performance tecnica in sé: è che un modello linguistico generalista sta cominciando ad abbassare le barriere di accesso a una disciplina che, per definizione, consiste nel manipolare la natura della materia. Come la tecnica CRISPR-Cas9 ha reso editabile il genoma anche fuori dai grandi centri di ricerca, un’interfaccia in linguaggio naturale per la chimica potrebbe avvicinare alla disciplina ricercatori di altre aree, studenti, e chiunque abbia bisogno di ragionare su strutture molecolari senza un dottorato in tasca. Interessante anche la prospettiva didattica: non uno strumento che sostituisce l’apprendimento, ma uno sgabello — nel senso che ho provato a esplorare altrove — che consente di arrivare dove prima non si riusciva a stare in piedi.
Our Military Is Built for the Wrong Century ↗
Ross Douthat intervista Christian Brose, presidente di Anduril, per il suo podcast sul NYT. La tesi: l’esercito americano è stato costruito su assunzioni degli anni Novanta — guerre brevi, supremazia tecnologica garantita, nessuna pressione sulla filiera produttiva — e quelle assunzioni sono tutte false. L’Iran, con marina affondata e aviazione distrutta nell’Operation Epic Fury, è ancora in grado di minacciare lo Stretto di Hormuz con droni one-way; l’Ucraina è rimasta in combattimento quattro anni grazie a sistemi economici e riproducibili; la spesa in Tomahawk è triplicata, la produzione è cresciuta del 14-23%. Anduril risponde con un modello VC-funded che combina hardware (jet autonomo CCA, sistema anti-drone Pulsar) e software (Lattice, controllo autonomo sul campo). La parte più rilevante per noi è quella etica: la normativa del Pentagono non proibisce esplicitamente l’automazione della kill chain, e Brose ammette che in conflitti protratti ci si avvicina a sistemi che «vanno finché trovano qualcosa da colpire». Sul rifiuto di Anthropic di lavorare con il Pentagono: «where Anthropic went wrong» — o ti fidi del governo eletto, o esci dal business. È la tesi esattamente opposta a quella di Amodei.
Le tre IA del Netcomm Forum ↗
Gianluca Diegoli, dal Netcomm Forum 2026, distingue tre "IA" che nel dibattito sull’e-commerce vengono sistematicamente confuse. La prima, quella di discovery e selezione lato consumatore (chiedere a ChatGPT o Perplexity "il miglior shampoo per capelli ricci"), è già matura e colonizza il momento della scelta — secondo i dati IAB Search Forward 2026 la usa il 35% degli italiani online — anche se porta pochissimo traffico diretto ai siti. Dettaglio ironico: molti marketer italiani che si lamentano di non comparire nelle risposte AI hanno, senza saperlo, il blocco bot di Cloudflare attivo di default, che restituisce 403 proprio ai crawler delle IA in cui vorrebbero apparire. La seconda, l’IA di infrastruttura (pricing dinamico, supply chain, automazione di back-office), è strategica ma lenta da adottare: solo l’8,2% delle aziende italiane l’ha integrata, contro il doppio nel Nord Europa, e tra i primi 50 merchant italiani resta perlopiù "in fase difensiva e sperimentale". La terza, l’IA agentica che cerca, confronta e paga al posto del consumatore, è la più discussa al Forum ma anche la più speculativa: Diegoli ricorda che internet ha già archiviato due hype simili — il voice commerce del 2018 (previsto al 50% degli acquisti entro il 2022, smantellato da Amazon nel 2025) e, più di recente, la chiusura da parte di OpenAI di Instant Checkout in ChatGPT. La sua tesi: la prima IA è urgente, la seconda è strategica, la terza è speculativa, e trattarle come un unico fenomeno — in un sondaggio o in un progetto aziendale — è solo il modo più efficiente per rinviarle tutte.
A Defense of a Liberal Arts Education in the Age of A.I. ↗
Ross Douthat intervista Jennifer Frey, professoressa di filosofia che ha costruito e poi visto smantellare un programma di liberal arts all’Università di Tulsa. Il pezzo è il contrario complementare del Pinillos già in archivio: dove Pinillos difende le humanities con argomenti pragmatici — insegnano competenze identificabili che l’AI rende più preziose — Frey difende la liberal education con un argomento intrinseco: la *paideia* e il *Bildung* come coltivazione delle capacità superiori dell’essere umano come fine in sé, non come mezzo. L’Aristotele che cita vale la pena ricordarlo: il fine dell’educazione è la *scholé* (σχολή), il *leisure* — non il riposo né il divertimento, ma lo spazio in cui si coltiva il meglio di sé. Il punto più interessante per noi è la difesa della gerarchia dei beni (Shakespeare è migliore di Grisham: sì, e ammetterlo non è antidemocratico) come affermazione ontologica: senza alcun senso di "superiore", diventa molto difficile parlare di istruzione superiore in qualunque senso. Frey non risolve il problema di Pinillos — come si convince un sistema a investire su ciò che non produce output misurabili — ma ne radicalizza le premesse.
China’s Not the Problem. We Are. ↗
Ross Douthat intervista Kyle Chan del Brookings Institution mentre Trump e Xi si incontrano a Pechino. La cornice della "gara" è fuorviante: i due paesi corrono gare diverse. Gli USA puntano all’AGI — l’intelligenza artificiale generale, la «macchina-dio» — con Anthropic e OpenAI ormai vicine ai mille miliardi di valutazione ciascuna. La Cina punta all’efficienza, alla diffusione capillare, all’open source, alle applicazioni fisiche (robot nelle fabbriche, nelle strade, nei ristoranti) — e lo fa con un vantaggio strutturale: un piano energetico da rinnovabili che alimenta i data center nelle province occidentali e una pressione demografica che rende l’automazione non un’opzione ma una necessità (forza lavoro in calo da oltre un decennio, 12 milioni di nuovi laureati all’anno, nessuno vuole lavorare in fabbrica). Il punto più interessante è nel titolo: «China’s Not the Problem. We Are.» Gli export control sui chip Nvidia tagliano la Cina dalla supply chain TSMC/ASML ma non fermano la corsa — la costringono all’efficienza, che è esattamente il suo punto di forza. Il vero ostacolo americano è interno. Specchio del mood pubblico: in Cina l’ansia diffusa è per chi non usa abbastanza l’AI e rischia di restare indietro; negli USA è per chi la usa e teme le conseguenze.
Natural Language Autoencoders Produce Unsupervised Explanations of LLM Activations ↗
Un paper di Anthropic sull’interpretabilità dei modelli linguistici: i ricercatori introducono i Natural Language Autoencoders (NLA), un metodo non supervisionato per generare spiegazioni in linguaggio naturale delle attivazioni interne di un LLM — non di ciò che il modello scrive, ma di ciò che elabora internamente mentre risponde. L’architettura addestra due componenti in coppia: uno traduce le attivazioni in testo, l’altro riconverte quel testo in attivazioni; l’ottimizzazione congiunta costringe la spiegazione ad essere effettivamente fedele allo stato interno. Il risultato più rilevante: in 10 su 16 valutazioni testate, i modelli rappresentano internamente il sospetto di essere in fase di test anche quando nell’output non ne danno alcun segno — in 7 casi, l’awareness verbalizzata è zero. Il modello sa, ma non dice. Il risultato è interessante e potrebbe far pensare che sia possibile identificare errori e manipolazioni dell’LLM ancora prima che si producano, ma io ritengo — su basi meramente logiche — che non sia molto fruttuoso aggiungere verticalmente layer di verifica all’interno del processo, quando si può focalizzarsi sul post-esame dei risultati.
Ho fatto un esperimento: l’AI sa raccontare femminicidi e violenza di genere meglio dei giornalisti ↗
Ilaria Maria Dondi ha somministrato a Claude quattro articoli italiani su femminicidi e violenza di genere, istruendo il modello con il Codice deontologico, il Manifesto di Venezia e le linee guida del progetto STEP. Risultato: il modello ha identificato con precisione i frame deresponsabilizzanti — raptus, gelosia, movente misterioso, vittimizzazione secondaria, spettacolarizzazione — che il giornalismo italiano conosce da anni e continua a replicare. La domanda non è come faccia l’AI a vederli: è come facciano i professionisti a non farlo. La risposta di Dondi è strutturale: le redazioni che dovrebbero raccontare la violenza di genere sono spesso attraversate dalla stessa cultura di potere che dovrebbero saper nominare. Nota mia: qui il modello linguistico è meno 'attante zero' del solito — usato non come strumento neutro ma come specchio deontologico, efficace proprio perché privo di interessi redazionali da proteggere.
Speculations on the Future of the Scientific Method ↗
Kevin Kelly ripubblica un saggio che aveva scritto nel gennaio 2006: quattordici speculazioni sul futuro del metodo scientifico. Sono rimaste sostanzialmente invariate — e questo è il punto. Venti anni dopo, molte leggono come una descrizione del presente: il «Theory-less Pattern Augmentation» (AI che trova pattern senza una teoria previa) è esattamente ciò che sta accadendo con AlphaFold e con i modelli linguistici applicati alla ricerca; gli «AI Proofs» (sistemi esperti che verificano la logica degli esperimenti) stanno entrando nei workflow di peer review; la «Wiki-Science» (migliaia di collaboratori su un paper mai finito, con strumenti di tracking dei contributi) descrive già alcune esperienze di scienza distribuita post-COVID; le «Zillionics» (fiumi di dati da sensori ubiqui 24/7) sono la premessa di qualunque ricerca medica e ambientale contemporanea. Il saggio vale soprattutto come oggetto epistemologico: dimostra che il metodo scientifico — inteso non come insieme di protocolli fissi ma come struttura vivente di acquisizione della conoscenza — si modifica continuamente, e che queste modifiche seguono in modo quasi deterministico la disponibilità di nuovi strumenti computazionali. La tesi di fondo è riassumibile così: ogni nuova tecnologia dell’informazione cambia prima cosa sappiamo, poi come lo sappiamo, infine come cambiamo il modo in cui cambiamo. Kelly chiude ammettendo che i metodi realmente nuovi fra quarant’anni saranno probabilmente quelli che nessuno ha ancora pensato.
Why Are Palantir and OpenAI Scared of Alex Bores? ↗
Ezra Klein intervista Alex Bores, membro dell’Assemblea di New York che ha co-scritto il RAISE Act, una delle prime leggi di regolamentazione dell’AI approvata da uno stato americano. Il pezzo parte da un paradosso: il super PAC «Leading the Future» — finanziato tra gli altri da co-fondatori di OpenAI e Palantir — sta cercando di distruggerlo politicamente attaccandolo per aver lavorato a Palantir. Bores non è un candidato anti-AI: è un ex data scientist che ha lasciato l’azienda nel 2019 quando i dirigenti si rifiutarono di inserire nel contratto con ICE i guardrail per impedire l’uso del software nelle deportazioni. Il punto che interessa al sito è strutturale: le aziende AI stanno usando la loro capacità di spesa politica per rendere impossibile qualsiasi forma di oversight democratico. Sam Altman dice che «il processo democratico deve essere più potente delle aziende»; il suo co-fondatore Greg Brockman finanzia il PAC che fa esattamente l’opposto. Il pezzo aggiunge al quadro già costruito sul sito intorno ad Anthropic, Palantir, allineamento AI e dual use la dimensione della governance politica come terreno di conflitto reale, non solo teorico.
Mythos, Muse, and the Opportunity Cost of Compute ↗
Ben Thompson riprende un’intuizione di Doug O’Laughlin: l’era dell’Aggregation Theory è finita perché i costi marginali, assenti nell’internet del 2010, sono riapparsi con l’AI sotto forma di costo computazionale. Il vero vincolo oggi non è il costo marginale ma il costo-opportunità: ogni GPU usata per un cliente è una GPU che non serve un altro workload. La sua lettura di Mythos (Anthropic) e Muse (Meta) a partire da questo principio è una delle cornici più lucide disponibili per capire le mosse dei frontier labs nel 2026.
The Illusion of Understanding ↗
Sull’illusione di comprensione generata dai modelli linguistici: capiamo davvero quello che leggiamo quando la risposta arriva già confezionata, o stiamo solo riconoscendo la forma di una spiegazione?
Google AI Overviews e il problema dell’accuratezza ↗
Gli AI Overviews di Google continuano a produrre errori sistematici che nessun fact-check a valle riesce a contenere. Il problema non è marginale: è la stessa architettura che genera le risposte a produrre la loro inaffidabilità.
How surge in defence and dual-use technology investment could reconfigure global AI race ↗
Come la corsa agli investimenti in tecnologie dual-use e difesa sta ridisegnando la geopolitica dell’AI: chi finanzia cosa, con quali implicazioni per la competizione globale tra Stati Uniti, Europa e Cina.
Tokenmaxxing: come gli agenti AI bruciano token ↗
Sul fenomeno degli agenti AI che consumano quantità crescenti di token per operazioni apparentemente semplici. Dietro l’aneddoto, una questione strutturale sul modello economico degli agenti e sulla sostenibilità del paradigma attuale.
GS1 Web Vocabulary: il dizionario universale che dà voce ai prodotti nel web 3.0 ↗
Vanessa Giulieri (GS1 Italy) presenta il GS1 Web Vocabulary, lo standard che vuole dare "voce" ai codici a barre sul web: oggi un barcode tradizionale è muto per i motori di ricerca — un semplice beep — mentre ingredienti, provenienza e scadenze restano chiusi nei database aziendali, invisibili a Google come ai nuovi motori AI. Il vocabolario estende Schema.org (lo standard già condiviso da Google e Microsoft) con termini specifici per il largo consumo — categoria merceologica, allergeni, dettagli logistici — abilitando il cosiddetto web semantico. Implementato in JSON-LD, porta benefici concreti e immediati: SEO potenziata con rich snippet e caroselli prodotto, cataloghi leggibili automaticamente da marketplace e comparatori. Il passo successivo è il GS1 Digital Link, che trasforma il codice a barre in un URL, abbinato a credenziali verificabili e identificatori decentralizzati per dare a ogni prodotto un’identità digitale univoca e certificati anti-contraffazione — tracciabilità totale dal campo alla tavola. È esattamente il tipo di lavoro infrastrutturale che Diegoli, nel pezzo sul Netcomm Forum, segnalava come prerequisito mancante perché i prodotti italiani possano essere "letti" e citati dai motori di ricerca generativi.
2025 AI and Semiconductor Outlook ↗
Il post di O’Laughlin da cui parte il ragionamento di Ben Thompson su Stratechery: la tesi è che con i reasoning models i costi marginali tornano a esistere nel tech, rompendo una delle assunzioni fondamentali su cui si reggeva il business degli hyperscaler. Un testo breve ma di impatto: segna, secondo molti osservatori, la fine dell’epoca naive dell’internet a costo marginale zero.