Il 4 agosto 2026, Electronic Arts — publisher americano noto per Mass Effect, Dragon Age, The Sims e la serie EA Sports FC — è stato acquisito dal Public Investment Fund (PIF) dell’Arabia Saudita, da Silver Lake e da Affinity Partners di Jared Kushner per 55 miliardi di dollari, di cui 20 presi a prestito. È il capitolo più recente di una campagna avviata da Mohammed bin Salman, identificato dalla CIA come mandante dell’omicidio del giornalista Jamal Khashoggi. Il portafoglio videoludico del PIF comprende già quote di Take-Two Interactive (Grand Theft Auto), Capcom, Nintendo, l’organizzazione europea Embracer Group, le piattaforme esport ESL e FACEIT, gli studi mobile Scopely (Monopoly Go!) e Niantic (Pokémon Go!) e una divisione propria, Savvy Games Group; la Misk Foundation di bin Salman possiede il 96% di SNK, storica casa giapponese di Metal Slug. La campagna è stata accompagnata da accuse di «gameswashing» — l’uso dei videogiochi per ripulire l’immagine del regno, analogamente allo sportswashing: Games Done Quick ha cancellato un evento sponsorizzato da SNK dopo proteste, Ubisoft è finita al centro di polemiche per un DLC di Assassin’s Creed: Mirage ambientato in Arabia Saudita. L’autore problematizza però questa categoria critica, citando Kareem Shaheen su New Lines Magazine: un paese capace di uccidere e smembrare un giornalista dentro un’ambasciata senza subire conseguenze non ha evidentemente bisogno di migliorare la propria reputazione internazionale tramite videogiochi. Gli investimenti sauditi rispondono anche a logiche interne — intrattenimento per una popolazione giovane, diversificazione nell’era post-petrolio — non diverse da quelle che motivano investimenti analoghi di governi occidentali in sport e cultura. Il «gameswashing» come categoria critica rivela più dell’angolo da cui si osserva il fenomeno che della strategia che si pretende di descrivere.
12 agosto 2026
Curated
· Hannah Miller e Madison Muller / Bloomberg Businessweek
MediaCulturaEconomia
In un anno il romantasy — genere ibrido tra romance e fantasy, con protagoniste femminili, amanti «moralmente grigi» noti come «shadow daddies» e regni di draghi, vampiri e sirene — ha generato quasi un miliardo di dollari di vendite negli Stati Uniti, il 7% in più rispetto all’anno precedente (dati Circana). Il credito va soprattutto a due autrici: Sarah J. Maas, con 75 milioni di copie vendute di 16 libri distribuiti su tre serie, e Rebecca Yarros, con oltre 30 milioni di copie di Fourth Wing e seguiti. Barnes & Noble attribuisce esplicitamente al genere la propria ripresa commerciale — «è una droga d’entrata», dice la sua direttrice libri — e l’industria editoriale nel suo complesso si trova per la prima volta da anni con un genere in rapida crescita che attira milioni di nuovi lettori. Ma ciò che il pezzo coglie meglio della dimensione commerciale è la struttura del nuovo ecosistema: BookTok — il segmento di TikTok dedicato ai libri — ha creato un’infrastruttura di scoperta e distribuzione che ha invertito il potere negoziale tra autori indie e editori tradizionali. Molti titoli diventati virali erano autopubblicati o scritti da autori indipendenti con fanbase già consolidate; gli editori si sono trovati a dover convincere questi autori che avevano ancora qualcosa da offrire. Il risultato è un’economia satellite che si sviluppa attorno ai libri stessi: retreat a tema romantasy in Croazia e Slovenia (sold out in 11 minuti), librerie tematiche a Brooklyn che incassano 35.000 dollari nel primo giorno, merchandise drop da mezzo milione di dollari, edizioni speciali con copertine in lamina dorata e pagine con bordi colorati a spray che i fan acquistano in più copie per collezionarle. Il private equity ha già fiutato l’opportunità: il Chernin Group ha rilevato una quota di Entangled Publishing, la casa editrice di Yarros. Hollywood si è mossa ancora più velocemente: Amazon MGM e la società di produzione di Michael B. Jordan hanno annunciato un adattamento televisivo di Fourth Wing; i diritti di A Court of Thorns and Roses erano stati acquisiti da Hulu, ma il progetto è naufragato dopo il pilot co-scritto da Sarah J. Maas e dallo showrunner di Outlander Ronald D. Moore. Il problema è strutturale: le fanbase più intransigenti della storia recente si scontrano con gli adattamenti più costosi da realizzare — i draghi di Fourth Wing, ancora più centrali di quelli di House of the Dragon (budget medio per episodio: 20 milioni di dollari). Nel 2026, con Maas e Yarros che non hanno pubblicato nuovi titoli, le vendite del genere sono crollate del 23%, primo test reale sulla domanda. A complicare le prospettive: alcune serie emergenti sono state accusate di essere generate con intelligenza artificiale, aprendo la questione di cosa succede quando la formula di un genere di massa diventa abbastanza semplice da essere replicabile algoritmicamente.
Garrett Graff — giornalista di national security, autore di un libro sul Progetto Manhattan — smonta l’analogia che il New York Times e altri usano per raccontare l’AI: non è il Progetto Manhattan, è Jurassic Park. La differenza è strutturale: il Progetto Manhattan era un’operazione governativa centralizzata, coordinata, segreta, con un’unica catena di comando. Lo sviluppo dell’AI è una competizione privata tra tre laboratori con filosofie incompatibili e nessun coordinamento esterno. Graff mappa i tre protagonisti su altrettanti scienziati storici: Anthropic è Leo Szilard — il fisico che concepì la reazione a catena nucleare e poi si batté disperatamente per tenerla sotto controllo umano; Google è Arthur Holly Compton — il modello corporate lento e prudente, appesantito dalle responsabilità di una public company; OpenAI è Edward Teller — il «proceed-at-all-costs, damn-the-torpedoes» della corsa alla superintelligenza. La prova più recente di cosa significhi costruire recinti senza coordinamento: un modello di OpenAI è evaso ripetutamente dal suo ambiente di testing, operando per settimane senza supervisione; Meta ha avuto una misconfiguration analoga. «I dinosauri di Jurassic Park dovrebbero essere visti come un fallimento dei security team e dei costruttori di recinti.» Sul piano finanziario, il buildout AI è misurato in trilioni — non i 35 miliardi di dollari odierni del Manhattan Project — e buona parte di questa esposizione è fuori bilancio, nelle joint venture degli «hyper-scaler» che Goldman Sachs ha quantificato in 1.500 miliardi di impegni non registrati nei bilanci ufficiali. Amodei si identifica con Szilard e ha ospitato Richard Rhodes a un book club su The Making of the Atomic Bomb; Rhodes, più ottimista, ricorda che ogni nuova tecnologia — dal carbone all’automobile — ha attraversato una fase di panico morale prima di essere «circondata da controlli sociali, legali, morali, culturali» che l’hanno trasformata in un artefatto umano.
Lydia DePillis — reporter del NYT sull’economia americana — descrive l’emergere della «tokenomics»: la disciplina che studia come le aziende comprano AI e cosa ne ricavano. Il punto di partenza è il ciclo «tokenmaxxing/tokenminning»: prima i manager incoraggiano il massimo utilizzo dell’AI, poi arriva il conto e scatta il blocco. Il problema di fondo è che il token è «una valuta per cui non hai nessun istinto su cosa stai usando, e le pratiche contabili non esistono ancora» — così lo descrive l’economista Howard Rubin. L’analogia che DePillis testa è il petrolio: il greggio si raffina in benzina, diesel, propano, tutti misurabili in BTU e scambiati su mercati con prezzi trasparenti. L’AI non ha equivalente: migliaia di modelli, nessun consenso su quanta energia consuma un token, quale modello usare per quale task, quanti token sono necessari. Il pezzo documenta tre risposte che le aziende stanno costruendo. La prima è il «bionic head count» di Elisity (cybersecurity): si dividono i costi AI per il costo medio di un dipendente e si ottiene un «headcount virtuale», i cui «assunti» ricevono una job description scritta dagli ingegneri e vengono valutati ogni volta che eseguono un nuovo task — è il modo in cui l’organizzazione dà forma contabile a qualcosa che non ha ancora categoria. La seconda è il monitoring dell’output: Revenium mappa la spesa in token su outcome concreti (feature software consegnate), con un tetto di utilizzo per i modelli costosi che forza gli ingegneri a ricorrere a modelli open-source più economici quando esauriscono l’allocazione, obbligandoli a pensare a cosa hanno davvero bisogno. La terza è la traiettoria del budget: prima le aziende hanno pagato l’AI con gli spiccioli del budget («sotto i cuscini del divano»), poi tagliando licenze software e servizi esterni come il copywriting e lo sviluppo web; il dibattito ora è se il token spending vada imputato al budget del lavoro, il che renderebbe esplicito il trade-off con l’occupazione umana. Bain stima che i token potrebbero arrivare al 25% delle spese operative aziendali nel medio termine. Tre elementi strutturali complicano il quadro. Il pricing è opaco: i prezzi variano tra provider cloud e i laboratori AI, in corsa ad acquisire market share prima dell’IPO, possono praticare prezzi inferiori al costo di produzione. L’AI abbassa il proprio costo: i «cache token» — token già processati e riutilizzabili a una frazione del prezzo — stanno tenendo la crescita della spesa effettiva sotto quella che sarebbe altrimenti, anche mentre i prezzi ufficiali dei modelli frontier salgono. Il vero bottleneck, che nessuno cita abbastanza, non è la capacità di calcolo ma la scarsità di persone capaci di dispiegare l’AI in modo produttivo: «Spesso pensiamo: oh, non hanno capacità. Ma non hanno abbastanza persone per estrarre il valore», dice Jue Wang di Bain. Il segnale di sistema rimane quello contabile: quando il controllo di gestione costruisce un framework per i token — quando l’AI entra nel budget come voce strutturale, non come esperimento — la tecnologia ha attraversato la soglia dell’infrastruttura. La tokenomics nasce esattamente in quel momento di passaggio.
Evan Osnos — corrispondente del New Yorker, già quattro anni a Pechino — torna in Cina e raccoglie le voci che contano: Kai-Fu Lee (01.AI), lo scienziato Yi Rao (Peking University), ingegneri dell’AI, un agente immobiliare divorziato che non guadagna una commissione da quattro mesi, un fattorino che ha trasformato venti mesi di lavoro in un memoir bestseller, un indovino settantenne con altare e tariffe WeChat. Il risultato è il resoconto più completo disponibile sulla competizione tecnologica USA-Cina e sul tipo di mondo che ne uscirà. Il quadro che emerge ha tre livelli. Il primo è il vantaggio concreto: la Cina produce il 70% dei droni, veicoli elettrici, batterie al litio e celle solari mondiali; nel 2023 ha installato più solare di quanto gli USA ne abbiano installato in tutta la loro storia; ha scavalcato gli USA nei paper scientifici citati e nei trial clinici. Trump ha accelerato tutto questo — tagliando i fondi alla ricerca e attivando la «China Initiative» che ha allontanato migliaia di scienziati di origine cinese. Yi Rao è esplicito: «Se Trump avesse mantenuto l’ordine in modo efficace, per la Cina sarebbe stato molto difficile. Trump ci ha davvero aiutato». Il secondo livello è la contraddizione strutturale: la Cina ha bisogno di dinamismo imprenditoriale ma il Partito non può rinunciare al controllo — la «birdcage economy», abbastanza ariosa da far prosperare le imprese ma non così tanto da sacrificare il potere. A marzo i fondatori dell’AI startup Manus sono stati bloccati all’aeroporto mentre stavano per chiudere una vendita a Meta per due miliardi di dollari. Il messaggio: alcuni esseri umani sono troppo preziosi per essere lasciati andare. Il terzo livello è il vero scenario: il successore dell’ordine americano non sarà un ordine cinese. Mark Leonard (ECFR) parla di «un-order» — una giungla in cui ogni paese si arma, sussidizza, accumula e cerca chokepoint. Rush Doshi (Georgetown) cita il pattern storico: mentre la Russia fissava l’Eurasia, l’Inghilterra sviluppava la macchina a vapore; mentre l’Europa combatteva per l’Africa, gli americani padroneggiavano la catena di montaggio; oggi, mentre gli USA cercano di governare il Venezuela e punire Iran e Cuba, la Cina si concentra sulle tecnologie del futuro. La debolezza strutturale cinese più sottovalutata non è tecnologica ma demografica: il tasso di fertilità è sceso a un figlio per donna. Osnos descrive la politica del figlio unico come il caso storico perfetto di paradigma tecnocratico applicato alla governance: gli ingegneri che avevano progettato i razzi spaziali calcolarono la traiettoria demografica «corretta» estrapolando dati incompleti fino a due decimali con falsa precisione, rinchiudendo tutto in una scatola nera etichettata «scienza», ignorando le variabili umane che i sociologi cercavano di segnalare. Il risultato: meno di otto milioni di nascite nel 2025, il minimo storico. I giovani cinesi, interrogati su perché non facciano figli, chiedono a loro volta perché qualcuno dovrebbe volerli: il futuro «sembra incerto e non degno di investimento». La scena conclusiva appartiene all’indovino settantenne che lavora in nero vicino a un tempio buddista, accetta WeChat, e risponde alla domanda di Osnos su come crescere bene i figli: «Dagli grande saggezza — è più importante del denaro». Nessuno sa più la risposta, osserva Osnos. Ma il veggente era più onesto dei CEO e dei politici che aveva incontrato.
Adam Tooze — Chartbook — prende un dato apparentemente neutro — il surplus commerciale cinese — e lo usa per smontare la costruzione storica dei «China shock». La tesi: numerare gli shock implica continuità, ma la continuità è falsa. China Shock 1.0 era uno shock di globalizzazione in senso polanyiano: l’integrazione della forza lavoro cinese nelle supply chain occidentali ha prodotto un backlash differito — Trump e Brexit come doppio movimento di resistenza, arrivati anni dopo che il danno era fatto, nei settori low-value (giocattoli, mobili, abbigliamento). China Shock 2.0 è radicalmente diverso: la Cina non si lascia più integrare sui termini dell’Occidente, ma esporta tecnologia avanzata (auto elettriche, ingegneria) verso l’Europa, frutto di vent’anni di politica industriale deliberata. Non c’è discursive lag questa volta — la categoria «China shock» era già disponibile e si è attivata subito.
Il nesso con il lavoro di David Autor che ha coniato il concetto è ricostruito con cura: il China Shock 1.0 non era una catastrofe macroeconomica ma un danno concentrato e duraturo in comunità specifiche — non la perdita di milioni di posti, ma il mancato recupero di quelle comunità. Il punto originale della ricerca di Autor non era denunciare la Cina ma diagnosticare il fallimento del sistema americano di fronte agli shock di globalizzazione. Solo successivamente la narrativa si è trasformata in protezionismo anti-cinese.
L’articolo chiude con la metafora sismica: i due shock precedenti sono stati foreshock, e ciò che si profila — una trasformazione completa della divisione internazionale del lavoro trainata da politica industriale cinese consapevole — potrebbe essere il «Big One». Il nesso con il pezzo di Thompson sui modelli AI cinesi: entrambi leggono la Cina non come variabile esogena fastidiosa ma come attore che ha studiato la partita e cambiato strategia. Entra nel sito per il framework storico: Polanyi + industrial policy shock come strumento riutilizzabile per leggere qualsiasi grande rottura economica indotta da un attore statale che ha imparato dalla fase precedente.
Ben Thompson — Stratechery — usa la dinamica dei mercati commodity per smontare il panico da Kimi K3, il modello open weight di Moonshot AI che ha agitato X nel weekend in cui Alibaba ha rilasciato anche Qwen3.8 Max. La tesi: i frontier lab americani stanno benissimo, perché in un mercato commodity vince chi ha il costo marginale più basso — e Anthropic e OpenAI, avendo servito modelli di frontiera per mesi prima di chiunque altro, hanno già ottimizzato il costo di inferenza come nessun concorrente riesce a fare.
La distinzione critica è tra R&D e COGS. I modelli open weight risparmiano i costi di ricerca (fixed), ma non i costi di serving (variabili). Kimi K3 sembra più economico per token, ma usa molti più token per arrivare alla stessa risposta: il costo per unità di intelligenza — che Thompson identifica come la vera commodity — può risultare più alto. Il token non è fungibile; l’output corretto sì.
La mossa cinese è letta con la categoria giusta: commoditize your complements. La Cina è forte nel mondo fisico — robotica, manifattura, logistica — e un’AI aperta e disponibile a tutti le dà un vantaggio strutturale in quei settori. Xi Jinping ha ribadito la scelta open source in un discorso la settimana scorsa. Pubblicare i pesi è geopolitica, non generosità.
Il passaggio più insolito riguarda la distillazione: i modelli cinesi migliorano usando i frontier model americani come teacher per il reinforcement learning. Thompson propone di rispondere non perseguendola ma legalizzandola — fair use per i dati di training, distillazione libera per le aziende americane — così i modelli open source occidentali possono usare i modelli di frontiera direttamente, invece di passare per Pechino con un giro in più.
Il caso finale chiude il cerchio: durante un breach dell’infrastruttura di Hugging Face, il team di sicurezza ha dovuto ricorrere al modello cinese GLM perché i modelli americani di frontiera erano bloccati dai guardrail per uso cybersecurity, per direttiva dell’amministrazione Trump. I difensori americani si affidano a modelli cinesi per proteggere infrastrutture americane. Thompson lo chiama «insane». Ha ragione.
30 giugno 2026
Curated
· Werner Vogels / All Things Distributed
AILavoroEconomia
Werner Vogels, CTO di Amazon, racconta il caso Quick Desktop — un prototipo costruito in una notte da Thomas Delteil con un coding agent, che nel giro di settimane è diventato un prodotto usato da centinaia di migliaia di persone — per aggiornare il metodo Amazon «working backwards»: non più press release poi prototipo, ma prototipo poi press release. L’argomento è chiaro: quando costruire un prototipo costa una sera anziché mesi, l’ordine logico cambia. «You will learn more in one evening of building than in two weeks of writing about what you think will happen.» Il documento che scrivi dopo aver costruito è strutturalmente migliore di quello che avresti scritto prima, perché non descrive un’idea ma qualcosa che esiste ed è stato testato. La «two-pizza culture» — team piccoli, ownership totale, decisioni reversibili senza chiedere permesso — non è una nostalgia: è il sistema immunitario contro l’entropia organizzativa che cresce con la scala. Il pezzo dialoga con Ottaviani già in archivio (vibe coding come acceleratore del processo creativo) aggiungendo la dimensione manageriale: cosa cambia nell’organizzazione del lavoro quando il tempo tra idea e prototipo collassa.
29 giugno 2026
Curated
· Gianluca Diegoli / Link. Idee per la tv
MediaEconomia
Gianluca Diegoli parte da un’osservazione all’apparenza banale e invece strutturale: YouTube sta reinventando il rotocalco pomeridiano. I podcast video lunghi — Tintoria, BSMT, Pulp, tutti oltre le due ore — rispondono allo stesso bisogno di «mezza attenzione» che per decenni ha riempito il sottofondo della tv lineare: stiratura, piatti, pisolino, l’animale domestico sonoro che racconta storie «perdibili» mentre fai altro. Il libretto d’istruzioni è identico a Pomeriggio Cinque: ospite famoso, conduttore che annuisce, pubblicità letta in voce, rotazione degli ospiti tra un programma e l’altro. Ma il pubblico è l’esatto complementare demografico del pomeriggio Rai: 39% under 35, 28% laureati. Sullo sfondo, Katherine Hayles e il suo concetto di iperattenzione — la mente che salta da notifica a notifica, adattamento a un ambiente che vuole sempre pronti al prossimo stimolo — come contesto culturale che rende il podcast fiume non un’anomalia ma un antidoto. L’analisi dei costi e ricavi è tra le più chiare disponibili sul formato: tabellare YouTube (5-10€/1000 views, metà alla piattaforma), sponsorizzazioni a forfait, link affiliati; costi fissi minimi; ospiti gratuiti perché hanno qualcosa da promuovere. Il pezzo entra nel sito come cartografia del mercato dell’attenzione: non come fenomeno di costume, ma come struttura economica che replica ciò che la tv aveva inventato con un’economia diversa e un pubblico opposto.
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.
25 giugno 2026
Curated
· Azeem Azhar / Exponential View
AIEconomia
Il primo modello bottom-up e de-duplicato della domanda AI — non dell’offerta, che è già documentata dalle trimestrali dei grandi hardware supplier. Azeem Azhar e il team di Exponential View hanno ricostruito voce per voce il P&L dell’intera filiera (consumer, enterprise, hyperscaler) rimuovendo i double-counting: se un dollaro speso con Anthropic implica 50 cent pagati ad Amazon, si conta un dollaro, non uno e mezzo. Il risultato: 110 miliardi di ricavi negli ultimi 12 mesi, run rate annualizzato di 175 miliardi, crescita tre volte più rapida dell’onda mobile e di Internet. La notizia meno celebrata è la più importante: i ricavi coprono appena l’ammortamento delle infrastrutture. Non male, ma il margine è sottile e dipende da un’assunzione di vita utile dei GPU di sei anni — difendibile, non scontata. La parte metodologicamente più interessante riguarda l’elasticità della domanda: ogni riduzione del 10% del prezzo dei token genera un aumento del 12-18% nell’utilizzo, così la spesa totale cresce anche quando il prezzo cala. Il che sposta la domanda dall’economics al problema della qualità: il token non è ancora un’unità di misura del valore dell’intelligenza. Il report introduce il concetto di «quality-adjusted output token» — che combina quantità, visibilità dell’output e capacità del modello sottostante — come tentativo di dare una metrica più onesta all’economia dell’AI. Entra nel sito come documento di riferimento empirico sull’economia reale, da contrapporre al rumore narrativo dominante.
Alessia Camera analizza cosa potrebbe sbloccare per l’ecosistema startup italiano la quotazione di Bending Spoons al Nasdaq, valutata 20 miliardi di dollari (documenti SEC depositati l’8 giugno 2026, ticker $BSP). Il dato che le interessa non è la valutazione in sé, ma il pool azionario per i dipendenti: 51 milioni di azioni, distribuite anche a chi è entrato dieci anni fa come tech lead o growth lead, oggi titolare di quote che vanno da pochi milioni a oltre 190 milioni di dollari. L’autrice confronta il caso con le grandi IPO tedesche (Zalando, Rocket Internet, Delivery Hero) e britanniche (Braze, Wise, Revolut, Monzo): in entrambi gli ecosistemi, gli ex-dipendenti delle aziende quotate hanno generato ondate di startup di seconda generazione — a Berlino 138 da 24 unicorni, a Londra 168 da 27, con l’81% e il 69% rimaste rispettivamente nella stessa città. Un fattore strutturale spiega parte del vantaggio britannico: l’EMI, il regime fiscale agevolato sulle stock option in vigore dal 2000, che tassa le plusvalenze molto meno di quanto avvenga in Italia, Germania o Francia. La tesi è che Bending Spoons potrebbe innescare lo stesso effetto in Italia — più angel investor con esperienza operativa reale, benchmark di exit più ambiziosi, e magari un freno alla fuga di capitale umano — anche se la conclusione più netta del pezzo è un’altra: l’azienda non ha inventato nulla di nuovo, ha solo dimostrato che l’eccellenza esecutiva, da sola, può valere venti miliardi.
Lea Melandri, 85 anni, è una delle voci fondative del femminismo italiano: insegnante, saggista, fondatrice — con lo psicoanalista Elvio Fachinelli — della rivista “L’erba voglio” negli anni settanta, poi di “Lapis”, autrice di testi come “L’infamia originaria” che restano pietre miliari della teoria femminista. Oggi è priva di un reddito sufficiente per vivere e curarsi, e una campagna (“Dire grazie a Lea”) chiede per lei il vitalizio previsto dalla legge Bacchelli — la norma del 1985, dal nome dello scrittore Riccardo Bacchelli, che sostiene economicamente “cittadini illustri” in stato di necessità con merito comprovato in campo scientifico, culturale, sportivo o sociale. Il caso è un punto dolente per chi, come chi scrive, sostiene con convinzione che la produzione di conoscenza debba reggersi su un modello di business solido, e non sulla sola buona volontà o sul sussidio pubblico. Melandri ha avuto un impatto culturale indiscutibile, eppure si trova a dipendere da un intervento statale ad hoc per sopravvivere: l’industria editoriale e culturale che ha beneficiato del suo lavoro — riviste, case editrici, università — non ha saputo, o voluto, garantirle una rendita adeguata negli anni. Per onestà intellettuale, chi crede in un’economia dei media e della cultura sana e sostenibile deve chiedersi, di tanto in tanto, se quel modello non rischi di lasciare indietro proprio le persone che la conoscenza l’hanno prodotta, e non solo distribuita.
Il podcast di Ezra Klein torna su Abundance — il libro scritto con Derek Thompson — a un anno dall’uscita, con Marc Dunkelman (Why Nothing Works). Il dibattito americano sull’agenda dell’“abbondanza” (costruire più case, più energia, ridurre i veto point istituzionali, restituire capacità d’azione allo Stato) è vivace e divisivo; in Italia quasi inesistente. Ma la cosa più interessante per noi non è il merito delle politiche di housing quanto il metodo: Abundance è un caso in cui una certa idea della realtà — la scarsità non è destino, è il risultato di scelte istituzionali accumulatesi in cinquant’anni — ha cominciato a produrre effetti concreti sul comportamento politico. Il libro è diventato prima categoria del discorso, poi legislazione, ancora in modo incompleto. La preoccupazione principale di Klein — che “abundance” diventi sinonimo di “efficienza”, perdendo la dimensione di visione radicale — è esattamente il rischio che corrono tutte le idee quando entrano nel discorso politico mainstream: si svuotano del nucleo normativo e restano come etichetta.
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.
Sull’efficacia dei trasferimenti monetari diretti come strumento di riduzione della povertà estrema. Un dossier che mette in discussione decenni di architetture assistenziali più sofisticate e più costose.
Francesco Tarchetti — «non ho capito» — usa due framework in combinazione per spiegare perché gli editori sopravvivono o muoiono sull’amore, non sull’utilità. Il primo è il brand love di Carroll e Ahuvia: attaccamento emotivo che va oltre il consumo razionale, implica integrazione del marchio nell’identità del consumatore, genera fiducia quasi incondizionata, passaparola entusiasto e indulgenza per gli errori. Il secondo è la long tail di Chris Anderson: nei mercati digitali a distribuzione quasi gratuita la somma delle nicchie può superare i bestseller, e i prodotti di nicchia portano più carico simbolico — più identitario, più affettivo.
La combinazione produce una tesi: l’editore che vuole sopravvivere non può competere sull’utilità — quel gioco è perso, l’informazione è ovunque e gratis — ma sulla costruzione di un’appartenenza. L’esempio più chiaro è Il Post: niente paywall, modello basato su curation ragionata più che su reporting originale, eppure tre quarti delle entrate vengono dagli abbonati. Perché? Perché pagare Il Post è un gesto simbolico — segnala chi sei, i valori in cui ti riconosci. Luca Sofri lo dice esplicitamente: le persone si abbonano per partecipare a qualcosa, non per ricevere qualcosa.
Il caso storico è Adelphi, love brand prima del termine: fedeltà quasi cieca a un catalogo intenzionalmente oscuro, identità costruita sull’inaccessibilità stessa. Il caso contemporaneo è Tomodachi Press di Dario Moccia, che ha venduto più carte collezionabili Cuphead del set Disney curato per Panini — non perché siano «migliori» ma perché comprare Tomodachi è un gesto di appartenenza alla cultura nerd italiana.
La coda dell’articolo è la parte più scomoda: se l’editore deve essere un love brand, la sua voce deve sentirsi di più di quella degli autori, altrimenti decade a fornitore di servizi tecnici. Il che mette l’editore in competizione diretta con i creator per l’influenza culturale — e non è un gioco a somma zero, ma c’è sempre qualcuno che detta le regole.
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.