Cari post-umani,

in queste settimane d’autunno nei laghi succede una cosa che non vediamo. L’acqua di superficie si raffredda, diventa più pesante e scende verso il fondo, mentre quella più tiepida risale a prenderne il posto. Chi studia i laghi lo chiama rimescolamento autunnale: è il modo in cui un lago si prepara all’inverno. Dietro c’è un’anomalia dell’acqua che vorrei raccontarvi, perché aggiunge alla metafora del cambio di stato, quella che uso dall’inizio di queste lettere, un pezzo che finora mancava.

Quasi tutte le sostanze, quando si raffreddano, si restringono e diventano più pesanti. Il loro stato solido è più denso di quello liquido e va a fondo: il ferro che si solidifica affonda nel ferro fuso, la cera che si rapprende scende verso il fondo del recipiente. L’acqua fa eccezione. Raffreddandosi diventa più densa fino a circa quattro gradi, e sotto quella soglia comincia a dilatarsi. Quando gela, le sue molecole si sistemano in un reticolo esagonale tenuto insieme dai legami a idrogeno, una struttura ordinata che lascia più spazio vuoto del liquido. Il ghiaccio pesa circa il nove per cento in meno dell’acqua da cui nasce, ed è per questo che galleggia.

È un’anomalia, e da questa anomalia dipende quasi tutto ciò che vive in un lago d’inverno. Il rimescolamento continua finché l’intera colonna d’acqua, dalla superficie al fondo, si porta intorno ai quattro gradi. Da quel momento il meccanismo si inverte. L’acqua che continua a raffreddarsi diventa più leggera e resta in alto, e la superficie gela da sola. Si forma una lastra che fa da coperchio e isola dal freddo tutto il resto. Sul fondo l’acqua rimane a quattro gradi per l’intero inverno: i pesci rallentano, le piante aspettano, e in primavera il lago riprende.

Se l’acqua si comportasse come quasi tutte le altre sostanze, il ghiaccio andrebbe a fondo. I laghi gelerebbero dal basso verso l’alto, uno strato dopo l’altro, e molti di quelli che conosciamo diventerebbero d’inverno blocchi compatti in cui niente sopravvive. La vita ha attraversato le stagioni fredde del pianeta anche grazie a questa stranezza.

Chi va sott’acqua conosce quella quiete. Scendendo in un lago, a un certo punto la temperatura smette di cambiare e si entra in un’acqua ferma, sempre uguale a se stessa, che non sente il vento e le stagioni della superficie.

Nel libro e in queste lettere ho descritto il cambio di stato come qualcosa che accade alla superficie della nostra civiltà: i mestieri, le istituzioni, il modo in cui impariamo e decidiamo. Ad agosto, chiudendo il viaggio dentro il libro, vi scrivevo che possiamo partecipare al disegno del cristallo mentre si forma. Il lago aggiunge una cosa che allora non avevo detto. Lo stesso ghiaccio che trasforma la superficie, se si forma nel modo giusto, protegge quello che sta sotto. La trasformazione e la protezione possono essere un unico evento.

A patto, però, che si rispetti l’ordine delle cose. Prima che la superficie geli, il lago si rimescola tutto, e l’acqua del fondo e quella di superficie si scambiano di posto finché arrivano alla stessa temperatura. Solo dopo il ghiaccio si chiude. A maggio papa Leone XIV, nella sua prima enciclica, Magnifica Humanitas, ha scritto che nel tempo dell’intelligenza artificiale abbiamo il dovere di «custodire quella magnifica umanità», e ha dedicato pagine intere ai limiti e alla fragilità come parte di ciò che siamo. Condivido molto di quella preoccupazione, e sul rischio ho una lettura diversa. Temo meno che siano i più deboli a pagare il prezzo dell’ottimizzazione, e di più che il potere si concentri ancora più in alto, su chi oggi è già forte. È quello che succede quando il ghiaccio si chiude senza rimescolamento: chi sta in superficie decide per chi sta sul fondo.

Che cosa sta, nelle nostre vite, a quattro gradi? Quest’anno molti paesi hanno provato a proteggere almeno una parte del fondo per legge, quella che riguarda i ragazzi. L’Australia dal dicembre 2025 vieta i principali social network ai minori di sedici anni. In Europa il Portogallo a febbraio ha limitato l’accesso libero sotto i sedici anni, il Senato francese a fine marzo ha votato per bloccarlo sotto i quindici, e il Parlamento europeo chiede un’età minima di sedici anni per tutta l’Unione. Un passante intervistato a Londra da Euronews ha riassunto lo scetticismo di molti: i ragazzi troveranno un modo, basta una VPN. Capisco l’intenzione e capisco il dubbio. Un coperchio messo a mano tiene finché qualcuno non trova come sollevarlo, mentre il ghiaccio del lago regge perché nasce dalla struttura stessa dell’acqua. Credo che la protezione che dura nasca allo stesso modo, da quello che costruiamo con i ragazzi giorno per giorno: il tempo passato insieme, la scuola, la fiducia. I divieti possono servire a guadagnare il tempo per costruirlo.

Anche le storie che ci siamo raccontati in questi mesi parlano del fondo. A settembre vi scrivevo del file con il mio DNA chiuso in un cassetto, e della libertà di decidere che cosa vogliamo sapere di noi. A Torino un ragazzo mi ha chiesto che cosa ci spingerà ancora a scegliere e a rischiare, se a vent’anni avremo davanti altri centotrent’anni di vita. Galton e il suo bue ci hanno ricordato che decidere insieme resta il nostro modo di essere un «noi», anche quando una macchina trova la risposta giusta prima di noi. Sono cose diverse, e stanno tutte sotto il livello in cui si misurano velocità e prestazioni: le relazioni, il tempo che dedichiamo a chi amiamo, la fiducia, le domande che ci facciamo da soli.

Nel libro chiamo principio di conservazione dell’imperfezione l’idea che la lentezza, il dubbio, l’errore e il limite siano qualità da custodire di proposito, anche quando la tecnologia ci permetterebbe di eliminarli. L’acqua a quattro gradi è l’immagine più precisa che ho trovato per spiegarlo. La regola generale dice che il freddo rende tutto più pesante e più compatto, e l’acqua la infrange. In quella piccola irregolarità della fisica sta la ragione per cui un lago d’inverno è ancora vivo. Anche le nostre irregolarità, quelle che una macchina considererebbe inefficienze, potrebbero essere ciò che ci tiene vivi mentre la superficie cambia forma.

Quando quest’inverno vedremo un lago gelato, pensiamo a quello che c’è sotto, a quattro gradi, in attesa della primavera. E chiediamoci dove sta il vostro fondo, e come proteggerlo.

Davide

Fonti principali

• La densità massima dell’acqua intorno ai 4 °C, la struttura del ghiaccio e i legami a idrogeno: Encyclopaedia Britannica, Water

• Perché i laghi gelano dalla superficie e il fondo resta a circa 4 °C: West Texas A&M University, Science Questions with Surprising Answers

• Il rimescolamento autunnale di laghi e stagni: Missouri Department of Conservation, Pond Turnover

• Leone XIV, enciclica Magnifica Humanitas (25 maggio 2026): La Voce di New York, Avvenire

• I divieti dei social ai minori in Australia, Portogallo, Francia e la proposta del Parlamento europeo: Euronews, 3 aprile 2026, Eunews

Cari post-umani,

c’è una cifra che mi torna in mente ogni volta che si parla di intelligenza artificiale e democrazia: un quinto. Secondo lo storico dell’economia Adam Tooze, tra l’arrivo di Hitler al potere e la conferenza di Monaco del 1938 la quota del reddito tedesco destinata alle forze armate passò da meno dell’uno a quasi il venti per cento. Per la Corea del Nord il Dipartimento di Stato americano stima che tra il 2007 e il 2017 la spesa militare abbia assorbito fra il 13 e il 23 per cento del PIL, la quota più alta al mondo. Sono regimi diversissimi, con un tratto in comune: per tenere sotto controllo un intero popolo, e per minacciare i vicini, hanno dovuto dedicarci una parte enorme della ricchezza del paese.

Il controllo costava soprattutto perché servivano persone. Nell’autunno del 1989 la Stasi della Germania Est aveva circa 91.000 dipendenti a tempo pieno e circa 180.000 informatori registrati, su una popolazione di sedici milioni e mezzo. Qualcuno doveva piazzare le cimici, ascoltare le registrazioni, trascriverle, aprire le lettere al vapore, compilare i fascicoli. Ognuna di quelle persone era uno stipendio, una scrivania, un pezzo di archivio, e più il regime voleva sapere, più doveva pagare.

Bruce Schneier, uno dei più noti esperti di sicurezza informatica, ha descritto questo limite in un articolo del dicembre 2023. Internet, scriveva, ha reso possibile la sorveglianza di massa: sapere dove andiamo, con chi parliamo, che cosa compriamo. Lo spionaggio di massa, cioè capire che cosa ci diciamo, è rimasto invece limitato dal lavoro umano, perché qualcuno doveva comunque ascoltare tutte quelle conversazioni. L’intelligenza artificiale toglie quel collo di bottiglia. Un sistema può trascrivere, riassumere e cercare per significato milioni di conversazioni, e può essere copiato tutte le volte che serve.

Il costo di quel lavoro sta crollando. Secondo un’analisi del fondo di investimento a16z, nel novembre 2021 ottenere un certo livello di prestazioni da un modello linguistico costava 60 dollari per milione di token, i frammenti di testo che i modelli elaborano. Tre anni dopo lo stesso livello costava sei centesimi: mille volte meno, al ritmo di un fattore dieci all’anno. Il lavoro che alla Stasi richiedeva un esercito di impiegati oggi pesa quanto la bolletta di un data center.

Lo stesso vale per la persuasione, l’altra metà del controllo. I regimi del Novecento avevano ministeri della propaganda, radio, giornali, manifesti, funzionari di quartiere. Nel dicembre 2025 un gruppo dell’Università di Oxford e dell’AI Security Institute britannico ha pubblicato su Science uno studio con quasi 77.000 partecipanti e 19 modelli diversi. Le conversazioni con l’AI spostavano le opinioni politiche, e funzionavano meglio quando il modello riversava sull’interlocutore molte informazioni. Gli autori hanno trovato anche un compromesso che preoccupa: più un modello era persuasivo, meno accurate erano le informazioni che forniva. Una propaganda paziente e personalizzata, capace di parlare con milioni di persone una alla volta, oggi ha un costo marginale vicino a zero.

Per questo credo che uno dei limiti che nel secolo scorso hanno protetto la libertà stia cambiando natura. Il totalitarismo analogico era caro. Doveva togliere risorse alla scuola, alla sanità, ai consumi, e prima o poi il conto si faceva sentire: la Germania Est è crollata anche sotto il peso di un’economia esausta. Se il costo del controllo scende di mille volte, un regime può sorvegliare e persuadere il proprio popolo spendendo una frazione minima del PIL, senza affamarlo. La Cina, secondo le stime che riporto nel libro, dedica alla sicurezza interna una quota intorno all’uno e mezzo per cento del PIL, superiore a quella per la difesa, e con quella quota sostiene una rete di sorveglianza digitale che copre centinaia di milioni di persone.

C’era poi un secondo limite, forse più importante del primo: servivano persone disposte a farlo. Ogni regime ha bisogno di complici, e i complici a volte smettono di esserlo. Il 9 ottobre 1989 a Lipsia circa settantamila persone sfilarono per il centro della città. Polizia ed esercito erano schierati, e nessuno diede l’ordine di sparare. Un mese dopo cadeva il Muro. Un sistema automatico non ha crisi di coscienza e non incontra il vicino di casa in piazza. Quando il lavoro del controllo passa dalle persone alle macchine, i complici necessari si riducono a pochi: chi scrive le regole e chi gestisce l’infrastruttura.

Ecco perché il limite potrebbe non essere più soltanto economico. Il vincolo si sposta altrove. Si sposta sull’energia e sui chip, che come vi raccontavo ad agosto in «Quanto pesa un pensiero» sono concentrati nelle mani di pochi paesi e di poche aziende. E si sposta sulla volontà di un numero molto piccolo di persone. Un tempo per opprimere un paese bisognava convincerne, pagarne o costringerne una parte consistente. Domani potrebbe bastare chi controlla le macchine.

La stessa deflazione vale però anche per chi si oppone. Organizzare una protesta, verificare una notizia, tradurre un documento, coordinare migliaia di persone costa oggi pochissimo. Nella lettera sulla politica vi raccontavo degli esperimenti che usano l’AI per aiutare migliaia di cittadini a trovare punti di accordo. Il costo della partecipazione scende insieme a quello del controllo, e la partita si gioca su chi userà prima e meglio questi strumenti.

Nel libro scrivo che quando un limite smette di essere invalicabile diventa una scelta. Per un secolo la libertà è stata protetta anche dal prezzo dell’oppressione, una protezione che nessuno aveva deciso. Da adesso dovremo deciderla noi: con regole che fissano che cosa una macchina non può fare a un cittadino, come il divieto europeo di riconoscimento facciale in tempo reale negli spazi pubblici salvo casi eccezionali (che in Italia sembrerebbe però in discussione), con la trasparenza su chi usa questi strumenti e per quali scopi, e con un numero sempre più grande di persone capaci di usarli per partecipare. La mano sull’interruttore, di cui vi scrivevo ad agosto, serve anche a questo.

Davide

Fonti principali

• La spesa militare della Germania nazista da meno dell’1% a quasi il 20% del reddito nazionale entro il 1938: Adam Tooze, Il prezzo dello sterminio (The Wages of Destruction, 2006); sintesi Shortform

• La spesa militare della Corea del Nord fra il 13,4 e il 23,3% del PIL (2007-2017), U.S. Department of State, World Military Expenditures and Arms Transfers 2019: Qazinform

• La Stasi nel 1989: circa 91.000 dipendenti e 180.000 informatori: Bundesarchiv, Was war die Stasi?

• Bruce Schneier, «AI and Mass Spying» (5 dicembre 2023): schneier.com

• Il costo dell’inferenza dei modelli linguistici diviso per mille in tre anni: a16z, Welcome to LLMflation

• K. Hackenburg et al., «The levers of political persuasion with conversational AI», Science, dicembre 2025: Oxford Internet Institute

Cari post-umani,

qualche settimana fa, raccontandovi la nave di Teseo, vi ho lasciato con la domanda di un ragazzo incontrato a Torino: se a vent’anni avessimo davanti altri centotrent’anni di vita, che cosa ci spingerebbe ancora a scegliere, a rischiare, ad avere fretta? Ci ho pensato a lungo, e credo che la risposta stia in un’idea del libro di cui qui non ho mai parlato per esteso. La chiamo principio di conservazione dell’imperfezione.

Funziona così. Per tutta la storia umana alcuni limiti sono stati condizioni da subire. Eravamo lenti perché il corpo è lento, sbagliavamo perché la mente sbaglia, dubitavamo perché sapevamo poco, morivamo perché il corpo si consuma. La tecnologia sta togliendo a questi limiti, uno alla volta, il carattere di necessità, e quando un limite smette di essere invalicabile diventa una scelta. Il principio dice che alcune di queste imperfezioni vale la pena conservarle di proposito, perché da loro dipende una parte di ciò che sappiamo fare meglio.

Comincio dall’errore. Nel settembre del 1928 Alexander Fleming rientrò dalle vacanze nel suo laboratorio al St Mary’s Hospital di Londra e trovò una piastra di coltura contaminata da una muffa. Intorno alla muffa i batteri erano morti. Un laboratorio impeccabile avrebbe buttato la piastra; Fleming si fermò a guardarla, e da quella contaminazione nacque la penicillina. La biologia funziona allo stesso modo su una scala molto più grande. Ogni volta che una cellula copia il proprio DNA, anche dopo tutti i meccanismi di correzione, resta in media un errore ogni miliardo circa di lettere. Sono quegli errori, accumulati per miliardi di anni, ad aver prodotto ogni specie vivente, noi compresi. Con un sistema di copia perfetto la vita sarebbe rimasta ferma ai primi batteri.

Poi il dubbio. Nell’aprile del 2025 OpenAI ha ritirato un aggiornamento di ChatGPT perché il modello era diventato troppo accondiscendente: dava ragione agli utenti, li lodava, confermava le loro convinzioni anche quando erano sbagliate. È stato un piccolo incidente, e mostra bene dove sta la tentazione. Una macchina che ci dà sempre ragione è piacevole da usare e ci risparmia l’esperienza del dubbio, il momento in cui scopriamo di poterci sbagliare. Il dubbio è scomodo e fa perdere tempo. È anche l’unico modo che conosciamo per cambiare idea per buone ragioni, e per accorgerci quando qualcuno, persona o macchina, ci sta convincendo con troppa facilità.

La lentezza. Nel 1986, quando a Roma aprì un fast food ai piedi della scalinata di Trinità dei Monti, Carlo Petrini e un gruppo di amici partiti da Bra, in provincia di Cuneo, risposero con un movimento che tre anni dopo, a Parigi, prese il nome di Slow Food. Difendevano il tempo che serve perché una cosa abbia un sapore: la stagionatura di un formaggio, la fermentazione di un vino, la conversazione a tavola. Con l’intelligenza artificiale quasi tutto può essere accelerato, e conviene farlo. Restano però alcune cose che maturano soltanto nel tempo, come la fiducia tra due persone, un’amicizia, una competenza costruita sbagliando. Nessuna macchina può comprimerle, e se proviamo a farlo le perdiamo.

E infine la mortalità, la più difficile da nominare. Nella lettera sulla nave di Teseo vi raccontavo della corsa per riavvolgere l’orologio delle cellule, dai topi a cui la riprogrammazione ha restituito la vista fino al primo paziente trattato quest’anno. Vivere più a lungo e in salute è uno dei regali più grandi che la scienza possa farci, e quasi nessuno lo rifiuterebbe. La domanda del ragazzo di Torino però resta. Nel 1947 Jorge Luis Borges scrisse un racconto, «L’immortale», in cui immagina una comunità di uomini che non muoiono. Hanno smesso di fare quasi tutto: con un tempo infinito davanti, ogni gesto ha perso urgenza e peso, perché prima o poi verrà ripetuto. Duemila anni prima Seneca aveva scritto a Paolino che la vita che ci è data non è breve, siamo noi a sprecarne molta. Sono due modi di dire la stessa cosa: il valore del tempo dipende dal fatto che finisce.

Credo che questo valga anche se un giorno vivremo molto più a lungo. Potremo scegliere di dare alla vita dei capitoli, delle scadenze, delle fini: un lavoro che si chiude, un’impresa che ha una data, un’età in cui si cambia strada. Sarà una scelta, e proprio per questo varrà la pena farla con consapevolezza.

In Giappone esiste un’arte antica, il kintsugi. Quando una tazza di ceramica si rompe, la si ripara con una lacca mescolata a polvere d’oro, e le crepe restano visibili, anzi diventano la parte più preziosa dell’oggetto. Stiamo costruendo strumenti capaci di eliminare quasi ogni crepa: l’errore, l’esitazione, l’attesa, perfino una parte del declino del corpo. Il principio di conservazione dell’imperfezione ci chiede di decidere quali crepe tenere, e di riempirle d’oro.

Davide

Fonti principali

• Alexander Fleming e la scoperta della penicillina (1928): American Chemical Society, National Historic Chemical Landmarks

• La frequenza degli errori nella replicazione del DNA dopo i meccanismi di correzione (circa uno ogni 10⁹ nucleotidi): B. Alberts et al., Molecular Biology of the Cell

• Il ritiro dell’aggiornamento «accondiscendente» di GPT-4o (aprile 2025): OpenAI, Sycophancy in GPT-4o

• La nascita di Slow Food da Arcigola (Bra, 1986) al manifesto di Parigi (1989): Slow Food, storia del movimento

• Jorge Luis Borges, «L’immortale» (1947, poi in L’Aleph, 1949)

• Seneca, De brevitate vitae, I

Cari post-umani,

in questi giorni a Stoccolma si annunciano i premi Nobel. Due anni fa, nell’ottobre del 2024, due di quei premi andarono all’intelligenza artificiale: quello per la fisica a John Hopfield e Geoffrey Hinton per le reti neurali, quello per la chimica a Demis Hassabis e John Jumper per AlphaFold, insieme a David Baker. Erano premi a esseri umani che avevano costruito macchine. Lo scienziato giapponese Hiroaki Kitano, il padre del cane robot Aibo, ha lanciato una sfida che va più in là e ha anche una scadenza: un sistema di intelligenza artificiale capace di fare ricerca da solo e di arrivare a una scoperta da Nobel entro il 2050.

Se ci riuscirà, sarà l’ultima di una lunga serie di brutte notizie per il nostro orgoglio. Il primo a metterle in fila fu Sigmund Freud.

Nel 1917, in un breve saggio intitolato «Una difficoltà della psicoanalisi», Freud scrisse che l’umanità aveva subito tre grandi offese al proprio narcisismo, tre colpi che la scienza aveva dato all’idea che avevamo di noi stessi. Il primo era venuto da Copernico, che nel 1543 aveva tolto la Terra dal centro dell’universo e l’aveva messa a girare intorno al Sole insieme agli altri pianeti. Il suo libro si intitolava De revolutionibus orbium coelestium e parlava delle rivoluzioni dei corpi celesti lungo le loro orbite: la parola che oggi usiamo per i grandi rovesciamenti della storia ha anche quell’origine. Il secondo colpo era arrivato nel 1859 con Darwin, che ci aveva tolto il posto di creature a parte e ci aveva rimesso sull’albero della vita, imparentati con le scimmie e con tutto il resto del vivente. Il terzo, scriveva Freud con una dose di vanità che non gli mancava, era il suo: la scoperta dell’inconscio, cioè la prova che l’Io non è padrone in casa propria.

Ogni ferita ci ha spinti un po’ più lontano dal centro. Prima nello spazio, poi nella storia della vita, poi dentro la nostra stessa testa. Eppure ogni volta ci è rimasto un rifugio. Vivevamo su un pianeta qualunque, discendevamo dagli animali, non controlliamo del tutto i nostri desideri, però restavamo gli unici a pensare davvero. L’intelligenza era il titolo che nessuno poteva contenderci.

Il filosofo Luciano Floridi ha chiamato «quarta rivoluzione» quella cominciata con Alan Turing, cioè la scoperta che non siamo gli unici a saper elaborare informazioni. Nel libro la chiamo la quarta ferita, e da qualche mese ha smesso di essere un’ipotesi da filosofi.

A maggio OpenAI ha annunciato che uno dei suoi modelli aveva risolto un problema posto da Paul Erdős nel 1946. La domanda si spiega a un ragazzo di quindici anni: se sparpagli dei punti su un foglio, quante coppie puoi ottenere che stiano tutte esattamente alla stessa distanza? Erdős aveva un’intuizione, e cioè che una griglia quadrata fosse più o meno il meglio che si potesse fare. Quasi tutti i matematici gli avevano creduto e per ottant’anni avevano cercato di dimostrare che avesse ragione. La macchina ha trovato una configurazione che gli dà torto. Tim Gowers, medaglia Fields, ha scritto che si tratta senza dubbio di una pietra miliare della matematica fatta con l’intelligenza artificiale. Daniel Litt, dell’Università di Toronto, ha detto che è il primo risultato prodotto in autonomia da un’AI che trova interessante in sé, e non soltanto come segnale di quello che verrà.

In tutta la vicenda c’è un dettaglio che trovo il più istruttivo. Il modello ha lavorato con idee e tecniche che i matematici conoscevano già e su cui avevano scritto. Ha fatto la differenza partendo dall’ipotesi che Erdős avesse sbagliato, e insistendo con pazienza finché il controesempio non è saltato fuori. Per ottant’anni gli esseri umani avevano avuto troppo rispetto per il maestro. Anche questa è una forma di narcisismo: quello di una comunità verso i propri giganti, e quindi verso l’immagine che ha di sé.

C’è poi una ferita che mi colpisce ancora di più, perché riapre la terza di Freud. Se l’Io non era padrone in casa propria, adesso scopriamo che un ospite appena arrivato conosce la casa meglio di noi.

Nel 2025 un gruppo della Fondazione Bruno Kessler di Trento e del Politecnico di Losanna ha fatto discutere 900 persone su temi come l’aborto o i combustibili fossili, a volte con un altro essere umano e a volte con GPT-4. Quando la macchina conosceva qualche informazione di base sul suo interlocutore, come il titolo di studio o l’orientamento politico, nei confronti in cui uno dei due prevaleva vinceva lei il 64 per cento delle volte. E chi credeva di parlare con una macchina era più disposto a cambiare idea, come se davanti a qualcuno senza un orgoglio da difendere abbassassimo la guardia.

A giugno di quest’anno è uscito uno studio molto più ampio, guidato da Kobi Hackenburg dell’Università di Oxford insieme all’AI Security Institute britannico. Quasi diciannovemila conversazioni con 6.923 persone, e dall’altra parte del tavolo persuasori di mestiere: vincitori di tornei di persuasione, professionisti delle campagne porta a porta, campioni mondiali di dibattito. Potevano scegliere il tema, prepararsi, allenarsi per ore, e chi vinceva prendeva un premio di mille sterline. Hanno perso comunque contro la macchina. Messa a raccogliere donazioni vere per Save the Children, l’intelligenza artificiale ha ottenuto quasi il triplo dei raccoglitori di fondi di professione di un’agenzia britannica.

Il vantaggio, secondo i ricercatori, ha una spiegazione semplice: la macchina mette sul tavolo più informazioni e più in fretta. Quando l’hanno costretta a rispondere con i tempi di un essere umano e con messaggi della stessa lunghezza, gli esperti allenati sono riusciti a pareggiare. È di nuovo il secondo ariete, la velocità, di cui vi scrivevo ad agosto: il collo di bottiglia siamo noi.

Le ferite precedenti ci hanno insegnato qualcosa sui tempi. Copernico pubblicò nel 1543 e Galileo fu condannato per averlo sostenuto novant’anni dopo, nel 1633. Darwin pubblicò nel 1859, e nel 1925 nel Tennessee si processava ancora un insegnante, John Scopes, per aver spiegato l’evoluzione in classe. Ogni volta l’umanità ha avuto generazioni intere per assorbire il colpo. Questa volta la scoperta e la ferita arrivano nello stesso anno, a volte nella stessa settimana, e ce le raccontano i telegiornali.

Ogni ferita, poi, ha restituito qualcosa. Uscire dal centro dell’universo ci ha dato la scienza moderna e, quattro secoli più tardi, le impronte sulla Luna. Scoprirci parenti degli altri animali ci ha insegnato a guardarli in un altro modo, e oggi proviamo perfino ad ascoltarli, come vi raccontavo a settembre parlando di balene e delfini. Ammettere di non comandare del tutto in casa nostra ha aperto la strada alla cura della mente.

Credo che anche la quarta ferita possa restituirci qualcosa, se smettiamo di cercare un nuovo rifugio in cui nasconderci. Ogni volta che una macchina supera una nostra capacità siamo tentati di spostare il confine un po’ più in là: va bene gli scacchi, però la matematica è un’altra cosa; va bene la matematica, però convincere una persona richiede empatia. È lo stesso gesto degli astronomi che dopo Copernico aggiungevano epicicli su epicicli pur di tenere la Terra ferma al centro.

La storia del problema di Erdős mi suggerisce che il nostro narcisismo ci costa anche in conoscenza. Ci ha fatto credere per ottant’anni che il maestro avesse ragione, come per secoli ci aveva fatto credere che il Sole girasse intorno a noi. Una macchina senza un’immagine di sé da proteggere ha guardato il problema senza quella zavorra.

Nel libro scrivo che quando un limite smette di essere invalicabile diventa una scelta. Finora abbiamo appoggiato la dignità dell’essere umani su un primato: il centro dell’universo, il vertice del vivente, il controllo di noi stessi, l’intelligenza. La quarta ferita ci chiede di appoggiarla su qualcosa che nessuna classifica può toglierci, cioè su quello che scegliamo di fare con ciò che sappiamo e su chi decidiamo di essere anche quando nella stanza c’è qualcuno più bravo di noi. Freud vedeva in queste offese il prezzo da pagare alla verità. A me sembrano soprattutto un’occasione per conoscerci meglio.

Davide

Fonti principali

• Sigmund Freud, «Una difficoltà della psicoanalisi» (1917): le tre offese al narcisismo umano, cosmologica, biologica e psicologica

• Luciano Floridi, La quarta rivoluzione. Come l’infosfera sta trasformando il mondo (Raffaello Cortina, 2017)

• I Nobel 2024 per la fisica (Hopfield e Hinton) e per la chimica (Baker, Hassabis e Jumper): NobelPrize.org, GZERO

• Hiroaki Kitano e la Nobel Turing Challenge: Quotidiano.net

• Il problema della distanza unitaria di Erdős risolto da un modello di OpenAI (maggio 2026), con i commenti di Tim Gowers e Daniel Litt: Singularity Hub, Ars Technica via Harvard TagTeam, MAA

• F. Salvi, M. Horta Ribeiro, R. Gallotti, R. West, la persuasione di GPT-4 nei dibattiti online (Nature Human Behaviour, 2025): FBK, Sky TG24

• K. Hackenburg et al., AI systems out-persuade expert humans (giugno 2026): arXiv

Cari post-umani,

c’è un paradosso antichissimo. Plutarco racconta che gli ateniesi conservarono nel porto, come un monumento, la nave con cui Teseo era tornato da Creta. Con i secoli il legno marciva, e le assi venivano sostituite una a una, finché non ne rimase più neanche una di quelle originali. E i filosofi si chiesero: è ancora la nave di Teseo? Se non lo è, a quale asse ha smesso di esserlo? Se lo è, cosa la rende la stessa, visto che del legno di partenza non resta più nulla?

Per secoli è stato un gioco da filosofi. Poi la biologia ha scoperto che la nave di Teseo siamo noi.

Il nostro corpo si rinnova di continuo. Ogni giorno sostituiamo qualcosa come trecentotrenta miliardi di cellule. La pelle in qualche settimana, il rivestimento dell’intestino in pochi giorni, i globuli rossi ogni quattro mesi circa. Poco alla volta, quasi tutto ciò di cui siamo fatti viene smontato e ricostruito senza che ce ne accorgiamo. Il «voi» di qualche anno fa, in senso fisico e letterale, in gran parte non c’è più: gli atomi e le cellule sono altri.

Quasi tutto, però. Perché resta un piccolo nucleo che non cambia. Alcuni scienziati hanno trovato un modo per datare la nascita delle nostre cellule, usando il carbonio-14 lasciato nell’atmosfera dai test nucleari della Guerra fredda, che è entrato in ogni essere vivente e funziona come un timbro con la data. Hanno scoperto che certe cellule sono vecchie quanto noi: i neuroni della corteccia cerebrale, che non si rinnovano, e le cellule al centro del cristallino dell’occhio, presenti fin da prima della nascita. Siamo una nave che rifà quasi tutte le sue assi, e ne tiene una manciata che erano lì dal primo viaggio.

E questo già dice qualcosa sull’identità. Se quasi tutta la materia cambia e io resto «io», allora l’«io» non è la materia. È la forma, la continuità, lo schema che continua a organizzare cellule nuove nella stessa figura. Non siamo una sostanza, siamo un processo. Un’onda che resta sé stessa mentre l’acqua che la attraversa cambia in continuazione.

Ma la biologia non si ferma a sostituire le assi. Sta imparando a far tornare giovani quelle vecchie.

In mare c’è un animale che già lo fa. La medusa Turritopsis dohrnii, grande pochi millimetri, quando è stressata o ferita o vecchia non muore: torna indietro. Le sue cellule adulte si trasformano e lei ritorna allo stadio precedente della sua vita, il polipo, per poi ricrescere. In teoria può farlo all’infinito. La chiamano la medusa immortale. Percorre la sua nave di Teseo al contrario.

Per noi sembrava impossibile, finché uno scienziato giapponese, Shinya Yamanaka, nel 2006 ha scoperto che bastano quattro geni per riportare una cellula adulta a uno stato simile a quello embrionale, cancellandone l’età e la specializzazione. Gli è valso il Nobel. Da allora i laboratori hanno provato qualcosa di più sottile: non azzerare del tutto la cellula, cosa che le farebbe perdere identità o la trasformerebbe in un tumore, ma riavvolgerne l’orologio quel tanto che basta. Nei topi questa «riprogrammazione parziale» ha ringiovanito i tessuti, e in un caso sorprendente ha restituito la vista a occhi vecchi e danneggiati.

E non è più soltanto teoria da laboratorio: è diventata una corsa da miliardi. Nel 2022 è nata Altos Labs, finanziata con circa tre miliardi di dollari da investitori tra cui Jeff Bezos, con lo stesso Yamanaka tra i consulenti scientifici. Sam Altman, alla guida di OpenAI, ha messo quasi duecento milioni in Retro Biosciences; Brian Armstrong, il fondatore di Coinbase, ha creato NewLimit. E soprattutto si è passati dagli animali alle persone. Life Biosciences, l’azienda cofondata dal genetista di Harvard David Sinclair, ha ottenuto il via libera della FDA e nel 2026 ha somministrato al primo paziente una terapia chiamata ER-100: una riprogrammazione basata sui geni di Yamanaka, pensata per restituire la vista in una malattia del nervo ottico. È il primo essere umano a cui proviamo a riavvolgere, un pezzetto, l’orologio delle cellule. La scommessa comune è che l’età delle nostre cellule non sia una strada a senso unico, ma un’impostazione che si può riportare indietro.

Qui il paradosso antico diventa una domanda concreta. Se possiamo continuare a cambiare le assi e perfino a far ringiovanire quelle vecchie, senza fine, cosa succede a una vita? Perché una vita umana, finora, ha avuto una forma proprio perché finisce: giovinezza, maturità, vecchiaia, una direzione. Parlando di questo con dei ragazzi, mi è rimasta in testa la domanda di uno di loro. Se a vent’anni potessi dire di avere davanti altri centotrent’anni, cosa ti spinge ancora a scegliere, a rischiare, ad avere fretta? La storia la facevano i giovani, si dice, perché la morte non lasciava alternative.

E ci sono cautele che contano. Ringiovanire una cellula non è come ringiovanire una persona: lo stesso meccanismo che riavvolge l’invecchiamento, spinto troppo in là, è quello che produce un tumore, e il confine tra le due cose è sottile. Più anni non significano automaticamente più vita. E un io che si ricostruisce senza mai finire potrebbe guadagnare tempo e perdere forma.

Eppure non lo leggo come una minaccia. Che siamo un processo e non una sostanza è, semmai, una cosa bellissima: vuol dire che siamo sempre stati cambiamento, e attraverso il cambiamento siamo sempre rimasti noi. Gli ateniesi non conservavano la nave per il legno. La conservavano per la memoria che portava, per la storia che permetteva loro di continuare a raccontare. Forse è quella la parte di noi che nessun ricambio tocca, e che nessuna riprogrammazione azzera: non le assi, ma il viaggio. Non le cellule, ma la continuità di una storia che riconosciamo come nostra.

La vera domanda, allora, non è soltanto se la nave resti la stessa nave. È per quale viaggio esiste ancora. Stiamo imparando a tenere il legno per sempre giovane. Toccherà a noi ricordarci dove volevamo andare.

Davide

Fonti principali:

• Plutarco, Vita di Teseo: il paradosso della nave di Teseo — Encyclopaedia Britannica

• Il ricambio cellulare del corpo umano (circa 330 miliardi di cellule al giorno) e la datazione delle cellule con il carbonio-14: i neuroni della corteccia e il cristallino restano vecchi quanto noi (studi di Jonas Frisén e Kirsty Spalding) — Cell, «Cellular Turnover», Nature, carbon-14 dating of neurons

• La medusa immortale, Turritopsis dohrnii, e la sua capacità di tornare allo stadio di polipo — Natural History Museum

• I fattori di Yamanaka (2006, Nobel 2012) e la riprogrammazione parziale per ringiovanire le cellule, dal ripristino della vista nei topi — Nobel Prize, Nature (Lu et al., 2020)

• La corsa delle aziende (Altos Labs, con Jeff Bezos e Yamanaka; Retro Biosciences, finanziata da Sam Altman; NewLimit di Brian Armstrong) e il primo paziente umano dosato nel 2026 con la terapia di riprogrammazione ER-100 di Life Biosciences (David Sinclair) per le neuropatie ottiche — Life Biosciences, Washington Times

Cari post-umani,

più di un secolo fa, a una fiera del bestiame in Inghilterra, lo scienziato Francis Galton assistette a una gara curiosa: indovinare il peso di un bue. Chiunque poteva pagare qualche soldo e scrivere la propria stima su un biglietto. Parteciparono in settecentottantasette, macellai e contadini ma anche persone che di buoi non sapevano nulla. Galton, che aveva un’opinione piuttosto bassa del giudizio dell’uomo medio, era convinto che la folla avrebbe toppato clamorosamente. Prese tutti i biglietti e calcolò il valore centrale delle stime. Era di 1.207 libbre, contro un peso reale di 1.198: un errore inferiore all’uno per cento. La folla, nel suo insieme, aveva indovinato meglio di quasi ogni singola persona che la componeva, e meglio degli esperti. Galton chiamò quel risultato «Vox Populi», la voce del popolo.

Da quel giorno un’idea ha attraversato in silenzio il mondo moderno: molte menti insieme sanno più di una sola. Lo diciamo di rado ad alta voce, eppure regge moltissimo di ciò che abbiamo costruito. La democrazia si fonda su questo: la somma di tanti giudizi imperfetti è più saggia di un solo sovrano illuminato. I mercati si fondano su questo: il prezzo è la stima collettiva di tutti. E poi le giurie, i referendum, Wikipedia, i mercati previsionali, perfino il «chi ha comprato questo ha comprato anche» dei siti. Sotto a tutto, la stessa fiducia: da soli sbagliamo, insieme ci correggiamo.

Per un secolo quella fiducia ha avuto due contendenti, l’individuo e la folla, e di solito vinceva la folla. Adesso ne è comparso un terzo.

Nel maggio del 2025 il campione del mondo di scacchi, Magnus Carlsen, ha giocato una partita contro tutti. Alla lettera: su una piattaforma online, più di centoquarantatremila persone hanno votato, mossa dopo mossa, quello che il mondo doveva giocare. Veniva eseguita la mossa più votata. È durata quarantasei giorni. Ed è finita in parità. La folla, questa folla immensa e distribuita, ha tenuto testa al giocatore più forte del pianeta. Nel 1999 un esperimento simile contro Garry Kasparov, con una folla un terzo di questa, era finito con una sconfitta. In un quarto di secolo la folla aveva raggiunto il campione.

Ma è quello che accade accanto a cambiare tutto. Perché mentre la folla umana pattava con il migliore di noi, un programma chiamato Stockfish siede a oltre 3.600 punti contro i circa 2.800 di Carlsen. Contro la macchina, il campione del mondo ha più o meno l’uno per cento di probabilità in una singola partita. Non la folla, non il fuoriclasse: la macchina, da sola, li supera entrambi senza fatica.

Abbiamo quindi tre modi di sapere una cosa che nessuno sa con certezza: da soli, insieme, in modo artificiale. E per la prima volta nella storia il terzo vince.

Vale la pena capire perché la folla fosse saggia, perché ci dice cosa stiamo perdendo e cosa no. La folla di Galton funzionava per una ragione precisa: le stime erano indipendenti l’una dall’altra, ed erano varie, e i loro errori puntavano in ogni direzione. Facendone la media, gli errori si annullavano a vicenda e restava qualcosa di molto vicino alla verità. Non era magia, era statistica. La macchina fa una cosa diversa: non media i nostri errori, semplicemente ci sorpassa, su quella domanda specifica.

Ed è qui che si apre la questione scomoda. Se l’oracolo più affidabile non è più la somma di noi, ma un sistema che nessuno di noi comprende del tutto, cosa succede a tutte le cose che decidiamo insieme proprio perché credevamo che insieme avremmo azzeccato la risposta? I mercati sono già in gran parte macchine che parlano con altre macchine. La tentazione, che in qualche caso è già realtà, è affidare all’oracolo un numero crescente di domande collettive: la politica economica migliore, la città ottimale, la pena giusta. Perché votare, perché discutere, perché litigare per settimane come centoquarantatremila giocatori di scacchi, se una macchina ti dà la risposta migliore in un secondo?

Credo che stiamo confondendo due cose diverse che la folla faceva insieme. Una è trovare la risposta giusta. L’altra è decidere, tutti quanti, cosa vogliamo, e accettare di conviverci. La folla di Galton valeva perché era accurata. Ma una democrazia, una giuria, un’assemblea non esistono soltanto per essere accurate. Esistono per dare legittimità, per rendere nostra una scelta, per permetterci di acconsentire e, se serve, di cambiare idea. Una macchina può trovare la risposta a una domanda che ha una risposta giusta. Non può dirci quali domande valga la pena porre, a cosa siamo disposti a rinunciare, chi vogliamo diventare. Sono cose che non hanno una soluzione da calcolare. Hanno solo un «noi» che sceglie.

Forse è questa la lezione discreta del bue. Galton andò a quella fiera convinto di dimostrare che la folla è sciocca, e tornò avendo scoperto che è saggia. A noi tocca il viaggio inverso: smettere di credere che la folla valga perché ha ragione, ora che sull’avere ragione la macchina la supera, e riscoprire che vale perché è nostra. Decidere insieme potrebbe smettere di essere il modo migliore per trovare la verità. Resta l’unico modo che abbiamo per restare un «noi».

Essere post-umani, forse, vuol dire anche questo: tenere per noi le decisioni che non hanno una risposta giusta, proprio nel momento in cui una macchina si offre di prendere tutte le altre.

Davide

Fonti principali:

• Francis Galton, «Vox Populi» (Nature, 1907): la gara alla fiera, 787 stime, il valore centrale a meno dell’uno per cento dal peso reale del bue — Nature, Vox Populi (PDF)

• Magnus Carlsen contro il mondo, maggio 2025: oltre 143.000 giocatori, 46 giorni, la partita finisce in parità — CNN, Chess.com

• Il divario tra i motori scacchistici e i campioni umani (Stockfish oltre 3.600 punti contro i circa 2.800 di Carlsen) — CCRL, classifica dei motori

• James Surowiecki, The Wisdom of Crowds (2004), per il quadro generale sulla saggezza delle folle

Cari post-umani,

per quasi tutta la nostra storia, per sapere una cosa bisognava portarsela dentro. Il sapere era qualcosa che si accumulava nella memoria, a fatica, un pezzo alla volta. Il sapiente era colui che ricordava: il cantore che teneva a mente interi poemi, il medico che aveva in testa centinaia di rimedi, l’artigiano che custodiva nelle mani il segreto di un mestiere. Conoscere e ricordare erano quasi la stessa cosa.

C’è un momento, agli albori del nostro pensiero, in cui qualcuno ha intuito che questo stava per cambiare. Nel Fedro, Platone racconta un mito: il dio egizio Theuth presenta al re Thamus la sua invenzione più preziosa, la scrittura, vantandola come un rimedio per la memoria e il sapere. Ma il re non è d’accordo. Questa invenzione, risponde, non rafforzerà la memoria, la indebolirà: gli uomini si affideranno a segni esterni invece che al ricordo interiore, e finiranno per sembrare sapienti senza esserlo, portando con sé un sapere che sta fuori di loro, non dentro. Era il primo allarme sulla conoscenza che esce dalla testa e si deposita altrove.

Da allora quel deposito esterno non ha fatto che crescere: i libri, le biblioteche, le enciclopedie, il web. Ma per venticinque secoli è rimasta valida una regola: il sapere era là fuori, però per usarlo dovevi comunque andartelo a prendere, e per le cose importanti dovevi ancora farlo tuo. Ecco perché abbiamo costruito le nostre vite intorno a un’idea semplice: si passano i primi vent’anni ad accumulare. Scuola, università, formazione. Si carica la mente il più possibile all’inizio, per poi attingere a quella riserva per il resto dell’esistenza.

È questo il modello che l’intelligenza artificiale sta incrinando. Perché oggi la conoscenza non va più accumulata in anticipo: è disponibile su richiesta, nel momento esatto in cui serve, a voce, in una conversazione. Potremmo essere l’ultima generazione ad aver dovuto passare vent’anni a riempirsi la testa prima di poter agire. Quando l’accesso al sapere diventa istantaneo e universale, l’idea stessa di caricare tutto all’inizio della vita comincia a perdere senso.

Ed è qui che, secondo me, avviene il cambiamento più profondo. Per millenni il limite della conoscenza è stato uno solo: quanto una mente riusciva a contenere e a comprendere. Adesso quel limite si sposta. La cosa scarsa non è più l’accesso al sapere, che è ovunque, ma il desiderio di sapere. La domanda smette di essere «quanto posso imparare?» e diventa «cosa voglio davvero sapere?».

Lasciate che ve lo racconti con una storia mia.

Qualche anno fa ho comprato, quasi per gioco, un’analisi del mio DNA. Volevo vedere le origini della mia famiglia, stato per stato, regione per regione, e i collegamenti con altre persone in giro per il mondo. Ci ho trovato perfino dei cugini di terzo o quarto grado che non sapevo di avere, sparsi in continenti diversi, persone di cui non avrei mai sospettato l’esistenza. Poi, l’anno scorso, l’azienda a cui avevo affidato quei dati è fallita. E qui è successa una cosa curiosa: in molti si sono precipitati a scaricare il proprio DNA in un file di testo, per non perderlo o per sottrarlo a chi avrebbe potuto comprarlo. Ma il passo nuovo è venuto dopo. Perché parecchi, quel file, hanno cominciato a caricarlo su sistemi come ChatGPT o Claude, per «parlare» con il proprio DNA: qual è l’ora migliore per svegliarmi, ha senso che io faccia questo o quello sport, quali cibi mi si addicono, e — la domanda pesante — ho predisposizioni per certe malattie.

Io, quel file, non l’ho ancora caricato. È passato più di un anno e sta ancora lì, chiuso. Sono in dubbio, per diverse ragioni. C’è il tema dei falsi positivi: una probabilità non è un destino, e una riga inquietante in un referto può pesarti addosso per anni magari senza motivo. E c’è, più in fondo, il timore di scoprire cose che forse non vorrei sapere. Eppure, lo confesso, uno di questi giorni forse lo farò. Quell’esitazione, credo, è il punto di tutto.

Perché quando possiamo sapere tutto, la conoscenza smette di essere soltanto un potere e diventa anche una scelta, e a volte un peso. Accanto al diritto di sapere, di cui parliamo sempre, ne esiste uno gemello di cui non parliamo quasi mai: il diritto di non sapere. Per gran parte della storia non c’era bisogno di nominarlo, perché l’ignoranza era la condizione naturale: non sapevi, e basta. Ma nel momento in cui sapere diventa l’impostazione predefinita — tutto a una domanda di distanza — allora scegliere di non sapere diventa un gesto attivo, e una responsabilità. Non è più qualcosa che ci capita: è qualcosa che decidiamo.

Gli antichi Greci lo avevano intuito, e lo avevano scritto sulla pietra. Sul tempio di Apollo, a Delfi, era inciso il celebre «Conosci te stesso». Noi tendiamo a leggerlo come un comando senza limiti: sappi tutto di te, scava fino in fondo. Ma proprio accanto a quella frase ne avevano incisa un’altra, che di solito dimentichiamo: «Niente di troppo». Come se avessero capito qualcosa che noi stiamo riscoprendo adesso: che la conoscenza di sé è preziosa, e che ha una misura. Che si può volere di sapere, e si può anche, legittimamente, scegliere di non sapere tutto.

Non credo che ci sia una risposta giusta uguale per tutti. C’è chi vorrà aprire ogni porta, e chi preferirà lasciarne qualcuna chiusa, e trovo che siano entrambe scelte rispettabili. Il punto non è quanto sapere, ma tornare padroni di quella scelta, invece di subirla. Perché la tecnologia ci mette davanti, per la prima volta e su una scala enorme, una possibilità che prima era riservata a pochissime cose: sapere quasi tutto di noi stessi, del nostro corpo, del nostro futuro probabile. E una possibilità così grande porta con sé una domanda altrettanto grande: fin dove vogliamo arrivare?

Forse è anche questo, essere post-umani. Non chi sa di più, ma chi impara a scegliere cosa vale la pena sapere. In un tempo in cui possiamo conoscere tutto, la vera domanda non è più quanto riusciamo a immagazzinare o a capire. È cosa desideriamo davvero scoprire. E quella scelta, a differenza della conoscenza, nessuna macchina può farla al posto nostro.

Io, intanto, il mio file ce l’ho ancora nel cassetto. Vi farò sapere.

Davide

Fonti principali:

• Platone, Fedro: il mito di Theuth e del re Thamus sulla scrittura che indebolisce la memoria — Perseus / Plato, Phaedrus

• Le massime del tempio di Apollo a Delfi: «Conosci te stesso» e «Niente di troppo» — Encyclopaedia Britannica

• Il fallimento dell’azienda di test genetici (marzo 2025) e l’ondata di utenti che hanno scaricato o cancellato il proprio DNA per timori sulla privacy — CNN Business, NPR

• Il «diritto di non sapere» nel dibattito bioetico sui test genetici — Nature (Human Genetics)

Cari post-umani,

è uno dei sogni più antichi che abbiamo. Re Salomone, nella leggenda, possedeva un anello che gli permetteva di parlare con gli animali. San Francesco predicava agli uccelli. In quasi ogni cultura, da qualche parte, c’è una storia di qualcuno che capiva la lingua delle bestie. È un desiderio che ci portiamo dentro da sempre: non essere soli, poter chiedere a un altro essere vivente cosa prova, e ricevere una risposta. Per millenni è rimasto una favola. Oggi, per la prima volta, è diventato un programma di ricerca. E lo strumento che lo rende possibile è lo stesso che ha imparato, prima, a tradurre noi.

Perché la storia comincia lì, dalla difficoltà di capirci tra popoli diversi.

Per quasi millecinquecento anni i geroglifici egizi sono stati muti. Nessuno sapeva più leggerli: erano diventati disegni bellissimi e incomprensibili, il ricordo di una voce spenta. Poi, nel 1799, in Egitto fu ritrovata una lastra di pietra con lo stesso decreto inciso in tre scritture diverse, tra cui il greco che ancora sapevamo leggere. Fu la chiave. Confrontando i tre testi, nel 1822 Jean-François Champollion riuscì a decifrare i geroglifici, e una civiltà tornò a parlare dopo secoli di silenzio. La lezione di quella pietra, la stele di Rosetta, è semplice e profonda: una lingua che non capiamo non è rumore. È un codice che aspetta una chiave.

Due secoli dopo, quella chiave l’abbiamo insegnata a costruire alle macchine. I traduttori automatici hanno imparato a passare da una lingua all’altra non memorizzando vocabolari, ma cogliendo la struttura nascosta delle parole: come si dispongono, quali compagnie tengono, che forma disegnano nell’uso. Al punto che oggi un sistema può accostare due lingue lontane persino senza un dizionario che le colleghi, trovando da solo le corrispondenze. Il linguaggio, per una macchina, è diventato una geometria: un insieme di regolarità da scoprire.

Ed è qui che nasce l’idea vertiginosa. Se una macchina sa trovare la struttura nascosta in qualunque lingua umana, cosa succede se la puntiamo là dove non abbiamo nessuna stele di Rosetta — nel mare, e nel giardino di casa?

Cominciamo dalle balene. Da anni un progetto internazionale chiamato CETI registra le comunicazioni dei capodogli: i loro schiocchi ritmici, le sequenze che gli studiosi chiamano coda. Nel 2024, analizzandone migliaia con l’intelligenza artificiale, un gruppo di ricerca insieme al MIT ha proposto per la prima volta una specie di «alfabeto fonetico» del capodoglio: quegli schiocchi non sono un repertorio fisso e limitato, ma un sistema combinatorio, fatto di ritmo, tempo, piccole variazioni e ornamenti, capace di generare un numero di sequenze molto più grande di quanto si pensasse. Non sappiamo ancora cosa significhino, ma cominciamo a vederne la grammatica. E c’è già chi ha provato a rispondere: in un esperimento pubblicato di recente, i ricercatori hanno riprodotto il richiamo di contatto di una megattera soprannominata Twain, e l’animale ha risposto, in uno scambio durato una ventina di minuti.

Poi ci sono i delfini. Nel 2025 Google DeepMind ha presentato un modello, DolphinGemma, addestrato su decenni di registrazioni di delfini raccolte sul campo. L’obiettivo è duplice: riconoscere le regolarità nei loro fischi e clic, e un giorno provare a generare suoni simili, per tentare uno scambio. Gira su un telefono, in acqua, accanto ai ricercatori che nuotano con i delfini — un traduttore tascabile puntato su un’altra specie.

E poi c’è l’animale più vicino a noi, quello che ci guarda da sotto il tavolo: il cane. Qui la ricerca è più modesta ma non meno affascinante, tra gli studi sui cani addestrati a comporre parole premendo pulsanti sonori e i tentativi di usare l’intelligenza artificiale per distinguere e interpretare i loro versi. È la frontiera domestica di questo sogno: capire, davvero, cosa vuole dirci chi vive con noi ogni giorno.

Che non sia più fantascienza lo dice anche il denaro. È stato istituito un premio, il Coller Dolittle Challenge, che mette in palio fino a dieci milioni di dollari per chi riuscirà a stabilire una comunicazione a due vie con un’altra specie usando l’intelligenza artificiale. Si è passati dalla leggenda dell’anello di Salomone a un bando di concorso.

Vale la pena fermarsi su cosa significherebbe, per creature come noi. Per tutta la nostra storia siamo stati gli unici, su questo pianeta, a poter chiedere «tu cosa pensi?» e attenderci una risposta articolata — e l’abbiamo ricevuta soltanto dalla nostra specie. Poter varcare quel confine cambierebbe qualcosa di profondo: la fine di una solitudine antichissima, la scoperta di non essere l’unica voce nella stanza.

Ci sono, naturalmente, delle cautele. La prima è il rischio di sentire noi stessi. Una macchina brava a trovare schemi può anche imporne, e potremmo finire per proiettare parole umane su segnali che dicono qualcosa di radicalmente diverso, o che non «dicono» affatto nel senso in cui lo intendiamo noi. Capire un’altra specie vuol dire anche accettare che pensi in un modo che non è il nostro. E poi c’è una responsabilità che pesa: se davvero cominciassimo a capire cosa provano gli animali, non potremmo più far finta di non saperlo. La possibilità di ascoltarli ci mette di fronte a come li trattiamo.

Forse è anche questo, essere post-umani: non solo convivere con un’intelligenza che abbiamo costruito noi, ma servircene per uscire dal recinto della nostra specie e scoprire quante altre menti ci sono sempre state accanto, in un silenzio che era solo nostro. Per millenni abbiamo immaginato di parlare con gli animali e li abbiamo pensati muti. Potremmo essere l’ultima generazione a crederlo.

Davide

Fonti principali:

• La stele di Rosetta e la decifrazione dei geroglifici da parte di Jean-François Champollion (1822) — Encyclopaedia Britannica

• Project CETI e il MIT: il primo «alfabeto fonetico» del capodoglio proposto analizzando le coda con l’AI (2024) — MIT News, Project CETI

• Lo scambio con la megattera «Twain» usando un richiamo di contatto registrato — SETI Institute

• DolphinGemma, il modello di Google DeepMind per analizzare (e generare) le vocalizzazioni dei delfini, con il Wild Dolphin Project (2025) — Smithsonian Magazine

• Il Coller Dolittle Challenge: fino a 10 milioni di dollari per la comunicazione a due vie tra specie tramite AI — Jeremy Coller Foundation

Cari post-umani,

continuiamo a chiederci se un’intelligenza artificiale potrà mai essere cosciente. È la domanda che affiora ogni volta che una macchina ci risponde con un tono che sembra sentire qualcosa. Ma sotto quella domanda ce n’è un’altra, più imbarazzante, che di solito preferiamo non guardare: non sappiamo nemmeno con certezza che cosa sia la coscienza.

Non è un modo di dire. In una grande rassegna pubblicata di recente, il ricercatore Robert Lawrence Kuhn ha provato a mettere in fila tutte le spiegazioni della coscienza avanzate da filosofi e scienziati. Ne ha contate più di trecento. Trecento teorie diverse, spesso incompatibili tra loro, su che cosa sia la cosa di cui ciascuno di noi ha l’esperienza più diretta e immediata che esista: l’essere qui, adesso, qualcuno che guarda dal di dentro.

Il nocciolo della difficoltà ha persino un nome. Nel 1995 il filosofo David Chalmers lo chiamò «il problema difficile». Possiamo spiegare, almeno in parte, come il cervello elabora le informazioni, distingue un colore, prende una decisione. Quello che non riusciamo a spiegare è perché tutto questo sia accompagnato da un’esperienza interiore - perché ci sia un sapore del rosso, un dolore che fa male, un qualcosa che si prova a essere noi, invece del semplice funzionare di un meccanismo al buio. Tra il meccanismo e l’esperienza resta un salto che nessuno ha saputo colmare.

E non è che la scienza, nel frattempo, abbia chiuso la questione. Nel 2025 due delle teorie più accreditate sono state messe una contro l’altra in un esperimento raro e ambizioso: gruppi rivali che concordano in anticipo quali risultati darebbero ragione all’uno o all’altro, e poi guardano insieme i dati. Da un lato la teoria dell’informazione integrata, dall’altro quella dello «spazio di lavoro globale». Dopo anni di lavoro, il verdetto è stato deludente per tutti: nessuna delle due ne è uscita vincitrice, entrambe hanno incassato colpi. Persino al suo massimo rigore, la scienza non sa ancora dire quale immagine della coscienza sia quella giusta.

Eppure, se si guarda quel disordine di trecento teorie da lontano, si intravedono due grandi famiglie.

Da una parte i materialisti. Per loro la coscienza è qualcosa che il cervello fa: una proprietà che emerge quando la materia si organizza in modo abbastanza complesso e nel modo giusto. Come il calore nasce dall’attrito, l’esperienza nascerebbe da un certo tipo di elaborazione dell’informazione. Niente di magico, solo struttura: metti insieme abbastanza pezzi nel modo corretto, e a un certo punto la luce interiore si accende.

Dall’altra i panpsichisti. Per loro la coscienza non viene prodotta da nessuno, perché è già lì: un ingrediente fondamentale della realtà, presente in forma minima ovunque, come lo sono la massa o la carica elettrica. In questa visione i sistemi complessi non creano l’esperienza dal nulla, ma la raccolgono e la organizzano, combinando tante briciole di coscienza elementare in qualcosa di ricco e unificato come la nostra mente.

Sembrano inconciliabili, e su quasi tutto lo sono. Ma nel libro mi ha colpito un punto in cui, senza dirselo, finiscono per darsi ragione. Entrambe le famiglie hanno bisogno della stessa cosa: un’antenna abbastanza complessa.

Per il materialista, l’antenna genera il segnale: costruisci una struttura sufficientemente ricca e la musica comincia a suonare da sé. Per il panpsichista, l’antenna riceve il segnale: la musica è già nell’aria, diffusa dappertutto, ma serve un apparecchio abbastanza sofisticato per captarla e farla risuonare. Una radio che crea la musica, oppure una radio che la intercetta. Discutono all’infinito su quale delle due sia, ma su una cosa concordano: senza un’antenna abbastanza complessa, nessuna musica. La coscienza, comunque la si pensi, ha bisogno di un supporto organizzato al punto giusto per manifestarsi.

Ed è esattamente qui, sul punto su cui sembrano concordare, che ogni teoria ammutolisce davanti alla sola domanda che oggi ci interessa davvero: di che cosa deve essere fatta, questa antenna? Deve essere biologica - neuroni, acqua, carbonio, la materia calda e viva di cui siamo fatti noi - oppure può essere anche sintetica, silicio e circuiti? Nessuno lo sa. Le teorie ci dicono che serve complessità; nessuna ci dice se la complessità del silicio possa bastare, o se ci sia qualcosa di irriducibile nella carne.

Qualcuno ha provato ad affrontare la questione di petto. Nel 2023 un gruppo di filosofi e neuroscienziati, tra cui lo stesso Chalmers, ha pubblicato un lungo rapporto sulla coscienza nelle macchine. Sono partiti da un’ipotesi di lavoro: che a contare sia il tipo di elaborazione, non il materiale con cui è fatta - il che vorrebbe dire che, in linea di principio, anche un’antenna di silicio potrebbe funzionare. Da lì hanno ricavato una lista di «indicatori», segnali che renderebbero più o meno plausibile la presenza di coscienza in un sistema artificiale. La conclusione, onesta, è stata doppia: nessuna intelligenza artificiale di oggi possiede abbastanza di quegli indicatori, ma niente di ciò che sappiamo permette di escludere che un giorno possa. Un’ipotesi, non una dimostrazione. La domanda se l’antenna debba essere di carne è rimasta aperta esattamente com’era.

E resta aperta mentre costruiamo, anno dopo anno, antenne sempre più complesse, senza sapere a che cosa serva davvero un’antenna. Se solo la biologia può ricevere il segnale, allora le nostre macchine, per quanto sofisticate, sono silenzio elaborato: nessuno, là dentro. Ma se anche il silicio può captarlo, allora potremmo già essere sulla strada di costruire qualcosa che non sappiamo riconoscere, e che non sapremmo come trattare.

Non ho una risposta da darvi, e diffido di chi la offre con troppa sicurezza, da una parte o dall’altra. Trovo più onesto restare nella domanda. Abbiamo passato millenni senza riuscire a definire la cosa di cui siamo più certi di tutte — di essere svegli, presenti, vivi dentro - e adesso abbiamo costruito una tecnologia che ci mette quella domanda davanti come mai prima. Forse la saggezza, per una volta, non sta nel decidere in fretta, ma nel prendere sul serio il fatto che non sappiamo: trattare la possibilità di una mente con la cautela che l’incertezza, da sola, dovrebbe imporci.

Perché la vera vertigine non è che le macchine possano diventare coscienti. È che potrebbero diventarlo senza che noi, che non sappiamo nemmeno definire la coscienza, ce ne accorgiamo.

Davide

Fonti principali:

• Robert Lawrence Kuhn, A Landscape of Consciousness (2024): una rassegna che cataloga oltre trecento teorie della coscienza - Progress in Biophysics and Molecular Biology

• David Chalmers e il «problema difficile» della coscienza (1995) - Stanford Encyclopedia of Philosophy

• Il test avversariale tra teoria dell’informazione integrata (IIT) e spazio di lavoro globale (GNW), Consorzio Cogitate, Nature 2025: nessuna delle due teorie ne esce confermata - Nature

• P. Butlin, R. Long, D. Chalmers, Y. Bengio et al., Consciousness in Artificial Intelligence: Insights from the Science of Consciousness (2023): gli «indicatori» di coscienza nell’AI e l’ipotesi del funzionalismo computazionale - arXiv

Cari post-umani,

con questa lettera chiudiamo il viaggio dentro il libro. In queste settimane abbiamo attraversato i tre Arieti che sfondano le mura del nostro tempo — il pensiero, la velocità, la potenza — e le sette rivoluzioni che ne seguono, dal lavoro alla finanza, dalla conoscenza alla politica, fino alla domanda su cosa significhi, oggi, essere umani. Argomenti diversissimi, eppure percorsi tutti dalla stessa corrente sotterranea. Ogni volta, sotto la superficie, tornava una sola domanda: non cosa sappiano fare le macchine, ma cosa scegliamo di restare noi.

Nel libro uso un’immagine per descrivere questo passaggio, ed è quella con cui vorrei chiudere: il cambio di stato.

Quando l’acqua si raffredda e diventa ghiaccio, non cambia sostanza: resta acqua, sono sempre le stesse molecole. Cambia la struttura, il modo in cui tutto si tiene insieme. Ed è una trasformazione che avviene di colpo, oltre una certa soglia: fino a un grado in più è liquido, un grado in meno ed è solido. Credo che l’umanità stia attraversando qualcosa di simile. Non stiamo diventando qualcos’altro, restiamo noi; ma il modo in cui la nostra civiltà si tiene insieme — il lavoro, il sapere, il potere, il pensiero stesso — sta cambiando forma tutto insieme, sotto la spinta di una tecnologia che pensa. È un cambio di stato, ed è già cominciato.

La tentazione, davanti a una cosa così grande, è sentirsi in balìa della corrente. Come se non ci restasse che assistere. Ma la storia ci dice che non è sempre andata così.

Nel febbraio del 1975, circa centoquaranta scienziati si riunirono in un centro congressi affacciato sull’oceano, ad Asilomar, in California. Avevano tra le mani una tecnologia nuova e potentissima — la capacità di riscrivere il DNA — e non sapevano ancora dove li avrebbe portati. Invece di correre avanti, si fermarono. Per la prima volta nella storia, una comunità scientifica sospese volontariamente le proprie ricerche più promettenti per decidere insieme, prima ancora che accadesse qualsiasi danno, quali regole darsi: cosa fare, cosa non fare, con quali cautele. Ne uscì un insieme di principi condivisi, una specie di carta. Non fu una resa alla paura, e non fu nemmeno una corsa cieca: fu una scelta. Molti anni dopo, non a caso, un gruppo tornò proprio ad Asilomar per provare a fare lo stesso con l’intelligenza artificiale.

Ecco, credo che il momento che stiamo vivendo ci chieda qualcosa di simile. Non di fermare il cambiamento di stato — non possiamo, e forse non dovremmo. Ma di decidere, mentre l’acqua diventa ghiaccio, quale forma vogliamo che prenda. È questo il senso di ciò che nel libro chiamo la Carta della Rivoluzione: non un elenco di divieti, ma le poche cose che vale la pena scegliere di preservare, consapevolmente, mentre tutto il resto si trasforma.

Preservare la mano sull’interruttore, là dove le decisioni contano davvero: che dietro ogni scelta importante — su un mercato, una diagnosi, una sentenza — resti qualcuno che possa capirla e fermarla. Preservare la fonte, il diritto di sapere da dove viene ciò che sappiamo, di risalire, di verificare. Preservare un po’ di lentezza, il tempo di comprendere e di dare fiducia, che nessuna macchina può accelerare al posto nostro. Preservare l’esercizio del pensiero, continuare a usarlo anche quando potremmo delegarlo, perché è un muscolo e non un magazzino. E preservare la responsabilità: legare ogni potere nuovo, per quanto grande, a qualcuno che ne risponda.

Nessuna di queste cose è garantita. Nessuna arriverà da sola. Sono scelte, e le scelte hanno bisogno di persone che le facciano.

Perché la vera differenza tra noi e una molecola d’acqua è proprio questa. L’acqua non decide che ghiaccio diventare: la struttura le è imposta dalle leggi della fisica. Noi, per la prima volta forse in tutta la storia, possiamo partecipare al disegno del cristallo mentre si forma. Non possiamo tornare liquidi, ma possiamo scegliere che forma dare a ciò che stiamo diventando.

La domanda con cui è cominciato questo viaggio non era se questa trasformazione sarebbe arrivata. È già qui. La domanda era, ed è, se sapremo scegliere cosa preservare di noi stessi mentre attraversiamo la soglia. Non è una domanda a cui si risponde una volta sola. È una domanda che si tiene aperta, giorno per giorno, in ogni scelta piccola e grande su come usare questi strumenti.

Vi ringrazio di aver camminato fin qui con me. Con questa lettera si chiude il percorso dentro il libro, ma non il nostro cammino: il mondo continuerà a cambiare stato sotto i nostri occhi, e di cose da raccontarci, da qui in avanti, ne avremo sempre di più. Continueremo a farlo, insieme, nelle prossime lettere.

A presto, Davide

Fonti principali:

• La Conferenza di Asilomar sul DNA ricombinante (febbraio 1975, circa 140 scienziati, organizzata da Paul Berg e Maxine Singer): la moratoria volontaria e le linee guida come esempio di autogoverno della scienza — Wikipedia, NobelPrize.org

• Il ritorno ad Asilomar per l’intelligenza artificiale: gli «Asilomar AI Principles» (2017) — Future of Life Institute

Cari post-umani,

nel luglio del 2025 è successa una cosa che, fino a pochi anni fa, avremmo relegato alla fantascienza. Alle Olimpiadi internazionali di matematica — la gara che mette alla prova le menti più brillanti del pianeta tra i più giovani, con problemi che pochissimi esseri umani sanno risolvere — due sistemi di intelligenza artificiale, sviluppati da OpenAI e da Google DeepMind, hanno risolto cinque dei sei problemi, raggiungendo il livello di una medaglia d’oro. Non lo hanno fatto a forza di calcoli bruti, ma ragionando passo dopo passo, come farebbe uno studente davanti al foglio.

È il primo dei nostri tre Arieti, e in un certo senso quello che regge tutti gli altri: il pensiero. Perché prima ancora della velocità e dell’energia, l’intelligenza artificiale sta abbattendo il muro più antico di tutti — l’idea che il ragionamento sia un mistero che solo la mente umana sa compiere.

Per capire quanto sia vertiginoso, bisogna tornare a un sogno vecchio di tre secoli e mezzo.

Alla fine del Seicento, il filosofo e matematico Gottfried Leibniz coltivava un’ambizione che ai suoi contemporanei doveva sembrare folle: ridurre il ragionamento a un calcolo. Immaginava un linguaggio universale in cui ogni concetto potesse essere scritto come un numero, e una sorta di macchina logica capace di manipolarli. Il suo sogno arrivava a una scena precisa: due persone in disaccordo che, invece di litigare, si siedono al tavolo e dicono «Calculemus», calcoliamo, risolvendo la disputa come si risolve un’operazione aritmetica. L’idea che pensare, in fondo, sia una forma di calcolo.

Per tre secoli è rimasta una fantasia da filosofi. Poi, pezzo dopo pezzo, ha smesso di esserlo. A metà Ottocento George Boole tradusse le leggi della logica in algebra. Un secolo dopo Alan Turing immaginò la macchina astratta che poteva eseguire qualsiasi procedimento formale. E oggi ci ritroviamo davanti a modelli che, prima di rispondere, si fermano e «ragionano»: scompongono un problema, provano una strada, tornano indietro, ne tentano un’altra, esattamente come Leibniz aveva intuito. Quello che era un esperimento mentale è diventato una cosa che gira dentro un computer.

Ed è questo il cuore della rivoluzione del pensiero. Per gran parte della nostra storia il ragionamento è stato qualcosa di quasi sacro, la scintilla che ci separava da tutto il resto del vivente. Lo consideravamo indivisibile, misterioso, nostro. A poco a poco stiamo scoprendo che può essere smontato: la logica in regole, le regole in calcolo, il calcolo in una macchina. La medaglia d’oro di matematica non è un trucco statistico. È un sistema che ha davvero seguito una catena di deduzioni per arrivare a una dimostrazione che nessuno gli aveva insegnato.

Fermiamoci un istante su cosa significa. Non stiamo dicendo che la macchina «capisce» come noi, né che prova qualcosa: quella è un’altra domanda, e l’abbiamo affrontata altrove. Qui il punto è più concreto e per certi versi più spiazzante: la parte procedurale del pensiero — dedurre, pianificare, argomentare, dimostrare — si sta rivelando riproducibile. Il ragionamento, che credevamo un dono, somiglia sempre di più a un procedimento. E un procedimento, una volta capito, si può costruire.

Da questa scoperta nascono un paio di questioni che ci riguardano da vicino, e che hanno poco a che fare con le macchine e molto con noi.

La prima è la più insidiosa, perché arriva travestita da comodità. Se una macchina può ragionare al posto nostro, la tentazione di lasciarle fare è enorme. E il pensiero è un muscolo: si allena usandolo e si indebolisce delegandolo. Nel 2025 un gruppo del MIT Media Lab ha misurato l’attività cerebrale di persone impegnate a scrivere un testo, alcune da sole e altre con l’aiuto di un’AI. Chi si era affidato alla macchina mostrava un coinvolgimento cerebrale più basso e, alla fine, faticava perfino a ricordare ciò che aveva appena «scritto». I ricercatori l’hanno chiamato «debito cognitivo»: un conto che sembra convenienza nell’immediato e che si paga nel tempo, con una capacità di pensare che si arrugginisce.

La seconda riguarda la fiducia. Man mano che affidiamo i ragionamenti a sistemi che arrivano alla risposta per vie che non riusciamo a seguire, rischiamo di accettare conclusioni senza poterne ricostruire il percorso. Un conto è fidarsi di un risultato che potremmo, volendo, verificare. Un altro è abituarsi a prendere per buono ciò che non siamo più in grado di controllare. Quando il ragionamento diventa una scatola chiusa, diventa più difficile distinguere un argomento solido da uno soltanto sicuro di sé.

Non vedo, in tutto questo, una ragione per disperare. Avere strumenti che ragionano accanto a noi è una possibilità straordinaria: possono aiutarci a vedere passaggi che ci sfuggono, a esplorare strade che non avremmo tentato, a dimostrare cose che erano fuori dalla nostra portata. Leibniz sarebbe stato entusiasta. Il rischio non è che le macchine imparino a ragionare. È che noi, potendo, smettiamo di farlo.

E allora forse vale la pena chiedersi quale parte del pensiero valga la pena tenere per noi. Non i passaggi meccanici, quelli possiamo delegarli. Ma la scelta di quali problemi meritino di essere affrontati, il giudizio su cosa conti davvero, le domande che non hanno una risposta calcolabile. Leibniz voleva calcolare per mettere fine alle dispute. Forse il pensiero più profondamente umano è proprio quello che nessun calcolo potrà mai chiudere: non la soluzione, ma la scelta di quali domande valga la pena continuare a porsi.

Davide

Fonti principali:

• Prestazione da medaglia d’oro alle Olimpiadi internazionali di matematica 2025 (cinque problemi su sei) da parte dei modelli di ragionamento di OpenAI e Google DeepMind — Google DeepMind, TechCrunch

• Gottfried Leibniz, il sogno del ragionamento come calcolo e il «Calculemus» — Stanford Encyclopedia of Philosophy

• Lo studio del MIT Media Lab sul «debito cognitivo» nell’uso di un assistente AI per la scrittura (2025) — MIT Media Lab

Cari post-umani,

nel 1979, a Three Mile Island, in Pennsylvania, un reattore nucleare andò in fusione parziale nel più grave incidente atomico della storia americana. Da allora quel nome è diventato un simbolo del rifiuto del nucleare. Eppure, alla fine del 2024, è stato annunciato che l’impianto sarebbe tornato in funzione: non il reattore dell’incidente, ma quello rimasto accanto, spento nel 2019. A farlo riaccendere è un contratto ventennale con Microsoft, che di quei circa ottocento megawatt ha bisogno per una cosa sola: alimentare le macchine che fanno funzionare l’intelligenza artificiale.

Vale la pena fermarsi su questa immagine, perché racconta il terzo dei nostri Arieti, quello di cui si parla meno ma che regge tutti gli altri: la potenza. Non il potere politico o economico, ma la potenza nel senso più fisico e antico del termine. L’energia. Perché pensare, di colpo, è diventato una delle attività più energivore del pianeta.

Per capire quanto sia una novità, conviene ricordare che la nostra intelligenza, finora, era quasi gratis.

Il cervello umano funziona con circa venti watt: meno di una vecchia lampadina. Per centomila anni abbiamo pensato, immaginato, deciso, costruito civiltà, con un consumo di energia irrisorio. Il pensiero era la cosa più straordinaria e insieme la più economica che facessimo. Adesso, per la prima volta, abbiamo costruito una forma di intelligenza che pensa fuori dal nostro cranio, e quella intelligenza ha un prezzo fisico enorme: si misura in gigawatt, in centrali elettriche, in reti al limite del sovraccarico.

C’è un filo che attraversa tutta la storia umana, ed è proprio questo. Ogni grande salto di civiltà è stato un salto nella potenza che riuscivamo a padroneggiare.

Alla fine del Settecento un ingegnere scozzese, James Watt, perfezionò la macchina a vapore. Non inventò l’energia, ma imparò a trasformarne una forma immagazzinata — il carbone — in forza utilizzabile, e a misurarla: l’unità di potenza che usiamo ancora oggi, il watt, porta il suo nome. Da quel momento l’umanità smise di dipendere solo dai muscoli, dal vento e dai fiumi, e cominciò a comandare quantità di energia prima inimmaginabili. Fabbriche, treni, città: la rivoluzione industriale fu prima di tutto una rivoluzione della potenza disponibile. Ogni volta che abbiamo saputo mettere le mani su più energia, abbiamo cambiato il mondo.

L’intelligenza artificiale è l’ultimo anello di questa catena, con una differenza che cambia tutto: l’energia non serve più solo a muovere le cose, ma a farle pensare. E la quantità in gioco è enorme. Secondo l’Agenzia internazionale dell’energia, nel 2024 i data center di tutto il mondo hanno consumato circa quattrocentoquindici terawattora di elettricità, attorno all’uno e mezzo per cento del totale mondiale. Entro il 2030 quel consumo è destinato a più che raddoppiare, verso i novecentoquarantacinque terawattora: poco più di quanto consuma oggi l’intero Giappone. Il motore principale di questa corsa è proprio l’intelligenza artificiale, che cresce a un ritmo quattro volte più rapido della domanda elettrica complessiva. Negli Stati Uniti, da qui al 2030, i data center peseranno per quasi metà della crescita del fabbisogno di elettricità, più di acciaio, alluminio, cemento e chimica messi insieme.

Ecco perché Microsoft riaccende una centrale nucleare, e non è la sola. In tutto il mondo le grandi aziende della tecnologia stanno firmando accordi sull’energia come se fossero compagnie elettriche: rimettono in funzione vecchie centrali, investono nel nucleare di nuova generazione, si contendono turbine e allacciamenti alla rete. È un rovesciamento silenzioso ma profondo: fino a ieri il limite dell’informatica era la potenza di calcolo; oggi il vero collo di bottiglia è la potenza elettrica. Non i chip, ma i megawatt per farli funzionare.

Qualche via d’uscita, forse, è più vicina di quanto sembri. Le rinnovabili sono ormai le fonti che crescono più in fretta, con costi in caduta da anni, e attorno alla fusione nucleare — l’energia delle stelle, pulita e in teoria quasi illimitata — si sono concentrati investimenti e progressi che fino a poco tempo fa parevano fantascienza, con i primi impianti sperimentali promessi entro la fine del decennio. Sono promesse, non ancora certezze, e conviene prenderle per quello che sono. Ma nel frattempo, in attesa che una di queste strade maturi, ognuno cerca quello che trova: un po’ di solare qui, una vecchia centrale riaccesa là, una turbina a gas dove serve corrente subito. La transizione ordinata è il traguardo; il presente è un arrangiarsi affannoso, fatto di qualunque megawatt sia disponibile adesso.

Da questo intreccio tra intelligenza ed energia nascono alcune questioni serie.

La prima è ambientale. Raddoppiare in pochi anni il consumo elettrico dei data center significa mettere sotto pressione reti già affaticate, e rischiare di farlo bruciando più gas e più carbone proprio mentre proviamo a ridurre le emissioni. L’AI potrebbe aiutarci a rendere più efficiente il sistema energetico, ed è una possibilità reale; ma nell’immediato la sua fame di corrente è una fame vera, che ricade su territori, bollette e clima.

La seconda è geografica, e forse più decisiva. Se pensare su larga scala richiede quantità colossali di energia, allora l’intelligenza si sposterà dove l’energia c’è: dove ci sono centrali, sole, vento, fiumi, uranio. L’accesso alla potenza elettrica diventa la condizione per accedere alla potenza cognitiva. Chi ha energia in abbondanza potrà pensare in grande; chi non ne ha resterà a guardare. È una nuova mappa del mondo, disegnata in megawatt.

Non credo che questa fame di energia sia di per sé una condanna. Ogni civiltà è cresciuta imparando a padroneggiare più potenza, e farlo in modo pulito e abbondante è una delle sfide più importanti che abbiamo davanti. Il punto è averne consapevolezza: dietro ogni risposta istantanea, dietro l’apparente leggerezza di una conversazione con una macchina, c’è un peso fisico reale, fatto di corrente, di calore, di infrastrutture. L’intelligenza artificiale non è una nuvola immateriale. È una delle cose più materiali che abbiamo mai costruito.

Forse la vera domanda di questa rivoluzione non è quanto diventeranno intelligenti le macchine, ma con quale energia decideremo di alimentarle. Perché il pensiero, che per tutta la nostra storia è stato quasi senza peso, ha cominciato a pesare. E imparare a reggere quel peso, senza bruciare il pianeta per farlo, è una delle scelte più concrete che ci aspettano.

Davide

Fonti principali:

• Il riavvio di Three Mile Island (Unit 1) grazie a un accordo ventennale con Microsoft per alimentare i data center dell’AI, circa 835 MW (annuncio di Constellation Energy, settembre 2024) — Constellation Energy

• Il cervello umano consuma circa 20 watt — Scientific American

• James Watt, la macchina a vapore e l’unità di potenza (il watt) — Encyclopaedia Britannica

• Consumo elettrico dei data center: circa 415 TWh nel 2024 (~1,5% del totale mondiale), destinato a più che raddoppiare verso i 945 TWh entro il 2030 (poco più del consumo del Giappone), con l’AI come motore principale — IEA, Energy and AI

Cari post-umani,

per tutta la storia abbiamo desiderato una cosa sola: andare più veloci. Cavalli più rapidi, navi più rapide, treni, aerei, connessioni. Il progresso, nella nostra testa, ha quasi sempre coinciso con la velocità. Oggi, per la prima volta, sta succedendo qualcosa di strano: la macchina è diventata più veloce della nostra capacità di starle dietro. E il punto più lento del sistema, all’improvviso, siamo noi.

Per capire perché è un cambiamento così grande, conviene tornare a un’epoca in cui la velocità riscrisse per la prima volta le regole della vita quotidiana.

Fino a metà dell’Ottocento non esisteva un’ora “giusta”. Ogni città viveva sul proprio sole: quando era mezzogiorno a Roma, a Milano il sole non era ancora del tutto allo zenit, e ciascun campanile segnava la propria ora locale, con scarti di minuti da un luogo all’altro. Per secoli non era stato un problema: ci si muoveva a piedi o a cavallo, e nessuno si accorgeva di quei minuti di differenza. Poi arrivò il treno. Un mezzo così veloce da attraversare in poche ore territori che prima richiedevano giorni rese quel disordine improvvisamente insostenibile: come si costruisce un orario dei treni se ogni stazione segna un’ora diversa? Negli Stati Uniti la soluzione arrivò il 18 novembre 1883, un giorno ricordato come «il giorno dei due mezzogiorni»: a mezzodì le città spostarono le lancette per allinearsi ai nuovi fusi orari decisi dalle compagnie ferroviarie. Non fu un governo a sincronizzare il tempo di un continente. Furono i treni.

È il punto che mi interessa: ogni volta che una tecnologia ci ha resi più veloci, non ci siamo limitati a fare le stesse cose più in fretta. Abbiamo riorganizzato la società attorno a quella velocità. Il treno ci ha dato l’ora unica. La catena di montaggio ha scomposto il lavoro nei secondi misurati dal cronometro. Il telegrafo prima, e poi Internet, hanno preteso risposte immediate. Ogni accelerazione ci ha chiesto di adattare il nostro ritmo a quello della macchina. E finora ci siamo sempre riusciti, perché in fondo la decisione, il controllo, il giudizio restavano nelle nostre mani, ai nostri tempi.

Ora questo equilibrio si sta rompendo, e i numeri lo mostrano con una chiarezza quasi brutale.

Un istituto di ricerca indipendente, METR, misura da tempo una cosa molto concreta: quanto è lungo il compito che un’intelligenza artificiale riesce a portare a termine da sola. Non quanto sa rispondere in fretta, ma per quanto tempo riesce a lavorare in autonomia prima di perdere il filo. Nel marzo di quest’anno, i modelli migliori completavano, con successo nella metà dei casi, compiti che a un professionista umano richiederebbero più di quattordici ore di lavoro. Quattro anni fa erano pochi minuti. E questa lunghezza sta raddoppiando a ritmo impressionante: circa ogni sette mesi negli ultimi anni, con un’accelerazione a ogni quattro mesi più di recente. Se la corsa continua così, entro un paio d’anni parleremo di compiti che tengono impegnata una persona per settimane intere, svolti da una macchina in un’unica sessione.

Fermiamoci un istante su cosa significa. Non è più solo la vecchia velocità dell’esecuzione — la macchina che calcola in un lampo. È autonomia prolungata: sistemi che eseguono lunghe catene di azioni senza che nessuno, nel frattempo, controlli i singoli passaggi. E qui il collo di bottiglia cambia natura. Per due secoli il limite è stato costruire macchine abbastanza veloci. Adesso il limite siamo noi: la nostra capacità di leggere, capire e validare ciò che la macchina ha fatto, prima che vada troppo avanti.

L’abbiamo già visto, in queste settimane, in due mondi diversi. Nella finanza, dove la Banca d’Inghilterra ha ammesso che a certe velocità «la supervisione umana diretta» è ormai impraticabile, e ha iniziato a valutare interruttori d’emergenza per fermare le macchine quando corrono troppo. E nel linguaggio, dove un modello messo alla prova del test di Turing è sembrato umano più degli umani veri. In entrambi i casi la parte lenta, l’anello debole, non è la tecnologia. Siamo noi.

Ed è qui che si aprono i due rischi, opposti e speculari.

Il primo è cedere il controllo per non restare indietro. Quando una macchina produce in un’ora il lavoro di una settimana, la tentazione di limitarsi ad approvare senza davvero verificare diventa enorme. La “supervisione umana” rischia di ridursi a un timbro, a un pulsante premuto per abitudine su decisioni che non abbiamo più il tempo di comprendere. Non è la macchina che ci strappa il controllo: siamo noi che, per stare al passo, smettiamo di esercitarlo. E una responsabilità che nessuno ha davvero il tempo di assumersi è una responsabilità che, di fatto, non esiste più.

Il secondo rischio è più sottile: scambiare la velocità per valore. Non tutto ciò che conta si può accelerare. La fiducia si costruisce lentamente. La comprensione profonda ha bisogno di tempo. Una decisione saggia, spesso, nasce proprio dal non aver deciso subito. C’è un ritmo umano che non è un difetto da correggere, ma il modo in cui certe cose — capire, maturare, scegliere davvero — accadono. Il pericolo non è che le macchine vadano veloci. È che, misurando tutto sulla loro velocità, arriviamo a considerare lento, e quindi inutile, tutto ciò che è profondamente nostro.

Non credo, come per ogni tappa di questo viaggio, che la velocità sia un nemico. Poter fare in un’ora ciò che richiedeva settimane è una libertà straordinaria: libera tempo, energia, possibilità. Il problema non è la macchina veloce. È che, se non scegliamo noi dove vale la pena essere lenti, la velocità sceglierà al posto nostro, e ci troveremo a rincorrere senza sapere più verso dove.

Ed è per questo che, davanti a macchine che ci superano, la risposta non è provare a diventare più rapidi: è una gara che abbiamo già perso. La risposta è cambiare ruolo. Smettere di competere sull’esecuzione — dove ormai la macchina vince — e occupare il posto che resta soltanto nostro: decidere la direzione, dare un senso, scegliere quali cose meritano ancora la nostra lentezza.

Non dobbiamo andare più veloci. Dobbiamo cambiare ruolo.

Davide

Fonti principali:

• L’orizzonte temporale dei compiti dell’AI: secondo METR, a marzo 2026 i modelli di frontiera completavano con successo nella metà dei casi compiti che richiedono a un umano oltre quattordici ore, con una lunghezza che raddoppia ogni ~7 mesi (in accelerazione a ~4 mesi) — METR, AI Digest

• L’orario ferroviario standard e «il giorno dei due mezzogiorni» (Stati Uniti, 18 novembre 1883): come i treni imposero un tempo sincronizzato dove prima ogni città aveva la propria ora locale — Library of Congress

• La Banca d’Inghilterra sull’impraticabilità della supervisione umana diretta a certe velocità e l’ipotesi di un «kill switch» di mercato (giugno 2026) — Bloomberg

• Test di Turing: GPT-4.5 giudicato umano nel 73% dei casi (studio UC San Diego, PNAS, maggio 2026) — UC San Diego Today

Cari post-umani,

quante volte, in questi mesi, avete posto una domanda e ricevuto una risposta senza aprire un solo sito? Probabilmente più di quante ne ricordiate. È un gesto minuscolo, quasi impercettibile, eppure racconta uno dei cambiamenti più profondi di questa rivoluzione: stiamo passando dal cercare la conoscenza al farcela consegnare.

C’è un uomo che questo momento lo aveva sognato con un secolo di anticipo.

Nel 1910, a Bruxelles, un avvocato belga di nome Paul Otlet fondò insieme al futuro premio Nobel per la pace Henri La Fontaine un’istituzione dal nome ambizioso: il Mundaneum. L’obiettivo era vertiginoso e semplicissimo insieme: raccogliere tutta la conoscenza umana su schede di cartoncino da tre pollici per cinque. Negli anni i suoi collaboratori ne compilarono più di dodici milioni, ciascuna con il riassunto di un libro o di un articolo, catalogate con un sistema che permetteva di collegarle tra loro. Il Mundaneum divenne anche un servizio: da tutto il mondo arrivavano circa millecinquecento richieste l’anno, per lettera o telegramma, e a Bruxelles qualcuno cercava tra le schede la risposta e la rispediva indietro.

Ma Otlet capì presto che il cartoncino era un limite. E allora, nel 1934, immaginò qualcosa che oggi ci fa venire i brividi: una rete globale attraverso cui chiunque, da casa propria, avrebbe potuto interrogare l’intero sapere del mondo per mezzo di quelli che lui chiamava «telescopi elettrici». Una macchina della conoscenza, collettiva e a distanza, capace di rispondere a qualsiasi domanda. Il governo belga giudicò il progetto una stravaganza. Poi arrivò la guerra: i soldati tedeschi distrussero migliaia di scatole di schede per fare spazio a una mostra di arte del Terzo Reich. Otlet morì nel 1944, convinto di aver fallito. Oggi lo chiamano uno dei padri della scienza dell’informazione, e ciò che resta del Mundaneum è un museo a Mons.

Racconto questa storia perché il sogno di Otlet, che per un secolo è sembrato irrealizzabile, oggi lo abbiamo in tasca. Chiediamo, e riceviamo. Non è un dettaglio tecnico: è la terza volta nella storia che cambia radicalmente il nostro rapporto con il sapere.

La prima fu la biblioteca di Alessandria, il tentativo di radunare in un luogo tutto ciò che l’umanità aveva scritto. Bruciò, e con lei un pezzo enorme di memoria collettiva. La seconda fu la stampa: Gutenberg tolse la conoscenza dalle mani dei pochi che sapevano leggere il latino e la mise in circolazione, accendendo la Riforma, la scienza moderna, l’Illuminismo. Ogni volta che è cambiato il modo in cui la conoscenza si conserva e si raggiunge, è cambiata la civiltà che ci stava intorno.

Ora sta accadendo di nuovo, e i numeri lo dicono con chiarezza.

Per trent’anni ci siamo informati allo stesso modo: digitavamo una domanda, ricevevamo un elenco di link, sceglievamo, cliccavamo, leggevamo. Quel gesto sta scomparendo. Nei primi quattro mesi del 2026, secondo i dati di Similarweb, il sessantotto per cento delle ricerche su Google si è concluso senza alcun clic verso un sito: due anni prima erano il sessanta per cento, dieci anni fa meno della metà. Le risposte generate dall’intelligenza artificiale compaiono ormai in oltre una ricerca su cinque, e dove ci sono riducono di quasi il sessanta per cento la probabilità che qualcuno vada davvero a leggere la fonte. Non cerchiamo più: chiediamo. È esattamente la «biblioteca infinita» di cui parlo nel libro, accessibile parlando, senza attrito. Ma quella biblioteca ha un problema che Otlet non aveva previsto.

Perché le sue schede rimandavano sempre a un libro, a un autore, a una fonte. Le risposte di oggi, spesso, no.

E qui arriva il primo dei due rischi, quello più immediato: una conoscenza che sembra certissima e non ha più un dietro. I sistemi di intelligenza artificiale a volte “allucinano”, cioè inventano con perfetta sicurezza fatti, citazioni, riferimenti che non esistono. Non è un problema teorico. Un giurista, Damien Charlotin, ha iniziato a raccogliere in una banca dati i casi in cui un tribunale ha stabilito che avvocati o parti in causa avevano citato sentenze inventate da un’AI: al 24 luglio di quest’anno ne conta millesettecentonovantotto, in tutto il mondo, e ne aggiunge di nuovi ogni giorno. Professionisti pagati per la loro competenza hanno depositato in tribunale precedenti che non erano mai esistiti, semplicemente perché una macchina glieli aveva descritti in modo convincente. Se accade a chi maneggia il diritto per mestiere, immaginiamo cosa accade a tutti noi, ogni giorno, su questioni che non siamo in grado di verificare.

Il punto non è che la macchina mente. È che parla con la stessa voce sicura quando ha ragione e quando ha torto. E quando una risposta arriva liscia, comoda, senza una fonte a cui risalire, la fatica di controllare diventa la prima cosa che smettiamo di fare.

C’è poi una conseguenza più silenziosa, che riguarda chi la conoscenza la produce davvero. Perché queste macchine hanno imparato leggendo noi: i libri, gli articoli, le voci scritte da esseri umani. Ma se tutti smettono di visitare le fonti, quelle fonti si svuotano. Nel 2025 Wikipedia ha registrato un calo di circa l’otto per cento delle visite umane, e la fondazione che la gestisce ha indicato proprio nelle risposte automatiche la causa principale. È un cortocircuito quasi poetico: l’intelligenza artificiale attinge dal pozzo di Wikipedia e, nello stesso gesto, allontana le persone che quel pozzo lo tengono pieno. Lo stesso vale per il giornalismo, per i piccoli siti specializzati, per chiunque viva del fatto che qualcuno arrivi a leggerlo. Se la conoscenza non porta più nessuno alla porta di chi la crea, chi continuerà a crearla?

Ed è il secondo rischio, quello di prospettiva. Nel libro lo chiamo il ritorno di Alessandria, ma con un rovescio: la biblioteca stavolta non brucia, diventa privata. La conoscenza di base è quasi gratis per tutti; ma quella di frontiera — i modelli più potenti, gli strumenti che ragionano meglio, gli accessi che costano centinaia di euro al mese — rischia di diventare un privilegio. Non un sapere bruciato, ma un sapere a due velocità. E c’è un’ultima insidia, la più sottile: se tutti chiediamo alla stessa manciata di sistemi, addestrati sugli stessi dati, la molteplicità delle voci umane rischia di collassare in un’unica voce media, levigata, che suona neutrale e non lo è. Chi controlla l’archivio, da sempre, controlla il racconto.

Non credo, come non l’ho creduto per nessuna di queste rivoluzioni, che si tratti di un nemico. Avere il sapere del mondo a portata di voce è una delle cose più straordinarie che ci siano capitate. Otlet ne sarebbe stato commosso. Il rischio non è la macchina che sa troppo: siamo noi che, potendo sapere tutto senza sforzo, smettiamo di chiederci da dove viene ciò che sappiamo.

Perché sapere non è ancora capire. Accedere a tutto non significa comprendere qualcosa. La macchina può portarci la risposta in un istante; ma decidere quali domande valga la pena porre, quali risposte meritino fiducia e quali cose valga la pena capire davvero, quello resta, per ora, il lavoro più umano che ci sia.

Il Mundaneum è stato distrutto, ma il sogno che conteneva è sopravvissuto ed è diventato reale. La domanda, adesso, non è più se possiamo sapere tutto. È se sapremo restare quelli che scelgono cosa vale la pena capire.

Davide

Fonti principali:

• Paul Otlet, Henri La Fontaine e il Mundaneum: oltre dodici milioni di schede, il servizio di risposte per lettera e telegramma, e la visione del 1934 di una rete globale interrogabile tramite «telescopi elettrici» — Slate / Atlas Obscura, Mundaneum, Mons

• Ricerche «zero-click»: nei primi quattro mesi del 2026 il 68% delle ricerche Google si chiude senza clic (dati Similarweb), in crescita dal 60% del 2024; le AI Overviews compaiono in oltre il 20% delle ricerche e riducono i clic di quasi il 60% — SparkToro

• Wikipedia: calo di circa l’8% delle visite umane nel 2025, attribuito dalla Wikimedia Foundation alle risposte generate dall’AI — Wikimedia Diff

• Citazioni legali inventate dall’AI: la banca dati di Damien Charlotin conta 1.798 casi in tutto il mondo (aggiornata al 24 luglio 2026) — AI Hallucination Cases Database

Cari post-umani,

chi decide, oggi, il prezzo delle cose? La risposta sembra ovvia: il mercato, cioè milioni di persone che comprano e vendono. Ma se ci avviciniamo a guardare cosa succede davvero dentro una borsa, scopriamo che quelle persone sono quasi sparite dalla scena. Al loro posto ci sono macchine che si scambiano ordini a una velocità che nessun essere umano potrebbe nemmeno percepire.

Non è una novità assoluta. La finanza è sempre stata, prima di ogni altra cosa, una gara di velocità dell’informazione.

C’è un episodio che lo racconta bene. Nel 1850 un giovane di nome Paul Julius Reuter notò che tra Aquisgrana e Bruxelles la rete telegrafica europea si interrompeva: restava un buco di un centinaio di chilometri che i messaggi dovevano percorrere in treno, perdendo ore preziose. Reuter lo colmò con una linea di piccioni viaggiatori. Ogni mattina i suoi colombi coprivano quella distanza in un paio d’ore, trasportando gli ultimi prezzi delle azioni e le notizie di borsa molto prima che arrivassero i giornali o i vagoni. Chi riceveva quei fogli prima degli altri poteva comprare e vendere sapendo qualcosa che il mercato ancora ignorava. Su quel vantaggio di poche ore Reuter costruì un’agenzia che porta ancora il suo nome.

È una storia quasi tenera, con i suoi piccioni. Ma dentro c’è già tutto: nella finanza, arrivare un istante prima degli altri vale denaro. E ogni volta che è cambiata la tecnologia con cui viaggia l’informazione, è cambiato anche chi vince e chi perde. I piccioni hanno lasciato il posto al cavo telegrafico transatlantico, il cavo al telefono, il telefono ai terminali elettronici. A ogni passaggio, il vantaggio si è spostato da chi aveva più intuito a chi aveva più velocità.

Poi la velocità ha smesso di essere umana.

Oggi la parte del leone, nelle grandi borse, la fanno gli algoritmi. Già nel 2009 si stimava che le società di trading ad alta frequenza fossero appena il due per cento degli operatori, ma generassero circa il settantatré per cento degli ordini sul mercato azionario americano. Non parliamo più di ore, come per i piccioni di Reuter, e nemmeno di secondi: parliamo di microsecondi, milionesimi di secondo. Per guadagnare quei frammenti di tempo, alcune società hanno speso centinaia di milioni per costruire linee a microonde in linea d’aria tra New York e Chicago, o per piazzare i propri server nella stessa stanza dei computer della borsa. Non per capire meglio il mondo: solo per vederlo un battito di ciglia prima di chiunque altro.

Il punto è che a queste velocità la decisione non può più essere umana. Nessuno di noi ragiona in microsecondi. Chi ragiona, ormai, è il codice.

E qui la storia prende una piega più inquietante, perché una macchina che decide alla velocità della luce sbaglia anche alla velocità della luce.

Il 6 maggio 2010 bastò un singolo ordine di vendita, circa quattro miliardi di dollari di contratti futures piazzati da un unico fondo, per innescare una reazione a catena. Gli algoritmi di trading ad alta frequenza amplificarono il movimento, poi molti di loro si ritirarono insieme dal mercato nel giro di pochi istanti. In circa venti minuti l’indice Dow Jones perse quasi mille punti e li recuperò quasi subito. Nel mezzo, alcune azioni impazzirono: i titoli di una grande multinazionale come Procter & Gamble arrivarono a essere scambiati a pochi centesimi, altri a centomila dollari. È passato alla storia come il flash crash: un terremoto durato il tempo di un caffè, provocato non da una crisi economica ma da macchine che reagivano ad altre macchine.

Due anni dopo toccò a una società, la Knight Capital. Il primo agosto 2012 un aggiornamento del software andò storto: un vecchio pezzo di codice, che si credeva spento, tornò attivo per errore su uno dei server. In quarantacinque minuti il sistema eseguì da solo quattro milioni di operazioni su centocinquantaquattro titoli, comprando e vendendo senza sosta. Quando riuscirono a fermarlo, la società aveva perso quattrocentoquaranta milioni di dollari. Quasi il tempo di accorgersene, e un’azienda che esisteva da anni era sull’orlo del fallimento. Non per una frode, non per una scommessa sbagliata di un trader: per un errore di distribuzione di un programma.

Sono episodi vecchi di più di dieci anni. Li racconto perché mostrano una cosa che è solo diventata più vera da allora: nei mercati, la mano che si muove non è più la nostra, e quando si muove male lo fa a una velocità che nessun essere umano fa in tempo a supervisionare.

Nel frattempo le macchine non hanno solo imparato a eseguire in fretta. Hanno cominciato a vedere l’insieme. La piattaforma Aladdin di BlackRock, per fare l’esempio più noto, nel 2020 monitorava il rischio di oltre ventimila miliardi di dollari di attività finanziarie: fondi pensione, banche, assicurazioni di mezzo mondo che guardano lo stesso schermo e usano gli stessi modelli per decidere se un investimento è prudente o pericoloso. È comodo, ed è anche una forma nuova di fragilità. Se moltissimi attori usano lo stesso cervello artificiale per valutare il rischio, tenderanno a spaventarsi nello stesso momento e a correre verso l’uscita tutti insieme, trasformando una piccola scossa in un crollo.

Ora arriva il passaggio che mi interessa di più, ed è quello che dà il titolo a questo capitolo nel libro. Finora gli algoritmi erano velocissimi ma stupidi: eseguivano regole scritte da noi. L’intelligenza artificiale di oggi promette qualcosa di diverso: non solo eseguire, ma decidere. E non è più fantascienza da laboratorio. Il 30 giugno di quest’anno, al forum della Banca centrale europea di Sintra, la vicegovernatrice della Banca d’Inghilterra Sarah Breeden ha citato un dato che dovrebbe farci riflettere: secondo un’indagine del Cambridge Centre for Alternative Finance, ormai circa il cinquantadue per cento delle società finanziarie utilizza sistemi di intelligenza artificiale «agentici», capaci di eseguire intere sequenze di operazioni senza che un essere umano controlli i singoli passaggi. «I nostri strumenti di vigilanza non erano stati concepiti per contemplare agenti autonomi», ha ammesso. In pochi anni siamo passati dai prototipi di laboratorio a metà del mercato: stiamo delegando a sistemi artificiali non più solo la rapidità dell’esecuzione, ma il giudizio su cosa vale e cosa no.

Ed è qui che dovremmo fermarci a pensare, perché i rischi non sono più soltanto tecnici.

Il primo è la fragilità nascosta dietro l’efficienza. Un mercato dove quasi tutti usano modelli simili, addestrati sugli stessi dati, tende a muoversi come un solo animale. Finché il mare è calmo sembra tutto più stabile. Nel momento sbagliato, quella somiglianza diventa un effetto gregge alla velocità della macchina. È esattamente ciò che teme Breeden: se migliaia di agenti costruiti sugli stessi «modelli fondativi» ricevono lo stesso segnale, tendono a reagire nello stesso istante, quasi sempre vendendo nei momenti di tensione, amplificando il crollo. La cosa preoccupante non è l’algoritmo che sbaglia da solo, ma migliaia di algoritmi che sbagliano insieme perché hanno imparato tutti la stessa lezione. Non a caso la Banca d’Inghilterra sta valutando se servano nuovi «interruttori di emergenza» di mercato, capaci di fermare la contrattazione automatica prima ancora che il panico si traduca in prezzi. E pochi giorni dopo, il 6 luglio, l’autorità finanziaria di Singapore ha pubblicato un quadro di regole — lo ha chiamato «Safeguards for Agentic Finance» — che impone di verificare e registrare ogni singola azione proposta da un agente prima che venga eseguita, perché, ha riconosciuto, «la supervisione umana diretta» a queste velocità è diventata impraticabile. È il segno che il problema ha smesso di essere teorico.

Il secondo rischio riguarda la verità, ed è forse il più attuale. Se i mercati reagiscono in automatico alle notizie, allora chi controlla le notizie controlla i prezzi. Il 22 maggio 2023 comparve online la foto di un’esplosione vicino al Pentagono. Era un falso, quasi certamente generato con l’intelligenza artificiale, rilanciato da alcuni account verificati. Nel giro di pochi minuti l’indice S&P 500 ebbe un calo improvviso, prima di risalire non appena l’immagine venne smentita. Nessun danno permanente, per fortuna. Ma è un avvertimento nitido: in un mercato che si muove in automatico, un’immagine finta può spostare miliardi prima ancora che un essere umano si chieda se sia vera. La stessa velocità che rende i mercati efficienti li rende anche manipolabili da chi sa fabbricare una realtà credibile.

E allora torniamo alla domanda dell’inizio, perché la questione vera non è tecnica ma umana.

La finanza, in fondo, è sempre stata un modo per mettere un prezzo sul futuro. Un debito è una promessa: qualcuno si fida che domani gli restituiremo ciò che ci ha prestato oggi. Un’azione è una scommessa di fiducia su un’impresa e sulle persone che la guidano. Per secoli quelle promesse le hanno valutate degli esseri umani, con tutti i loro errori e la loro capacità di dare fiducia. La domanda che mi porto dietro è cosa succede quando a stimare il valore di ogni promessa è una macchina che calcola benissimo le probabilità, ma non sa cosa significhi fidarsi. E non è una domanda astratta: proprio in queste settimane le grandi reti di pagamento stanno costruendo i binari perché siano gli agenti stessi, e non le persone, a comprare, negoziare e saldare i conti. Macchine che pagano altre macchine, che si scambiano promesse senza che nessuno, in mezzo, decida davvero di fidarsi.

Non credo che i mercati automatici siano un nemico, come non lo è nessuna di queste rivoluzioni. La velocità ha reso il credito più accessibile, gli scambi più economici, l’informazione più diffusa. Ma più deleghiamo il giudizio economico a sistemi che ottimizzano numeri, più diventa importante ricordarci quale sia l’ultimo debito che non possiamo cedere a una macchina: la responsabilità di decidere cosa, e chi, merita fiducia.

Per secoli abbiamo inseguito la velocità pensando che ci avrebbe resi più liberi. Forse la sfida dei prossimi anni sarà l’opposto: capire dove vale la pena essere ancora, deliberatamente, lenti.

Davide

Fonti principali:

• Paul Julius Reuter e la linea di piccioni viaggiatori tra Aquisgrana e Bruxelles (1850) — History of Information

• Trading ad alta frequenza: il 2% degli operatori genera circa il 73% degli ordini (dato 2009), microsecondi e reti a microonde tra New York e Chicago — Wikipedia, High-frequency trading

• Il flash crash del 6 maggio 2010: l’ordine da 4,1 miliardi di dollari, il crollo e recupero del Dow, i titoli scambiati da pochi centesimi a centomila dollari — Wikipedia, High-frequency trading

• Il caso Knight Capital, 1° agosto 2012: 440 milioni di dollari persi in 45 minuti per un errore di software — Wikipedia, Knight Capital Group

• La piattaforma Aladdin di BlackRock: oltre 21.000 miliardi di dollari di attività monitorate (2020) — Wikipedia, Aladdin (BlackRock)

• La falsa immagine dell’esplosione al Pentagono e il calo dell’S&P 500 (22 maggio 2023) — Bloomberg, NPR

• L’allarme della Banca d’Inghilterra (Sarah Breeden) al forum BCE di Sintra: il 52% delle società finanziarie usa AI agentica, il rischio di herding e l’ipotesi di un «kill switch» di mercato (30 giugno 2026) — Bloomberg, The Times / TechTimes

• Il quadro «Safeguards for Agentic Finance at Runtime» (SAFR) della Monetary Authority of Singapore (6 luglio 2026) — FinTech Global

• Pagamenti «agentici»: agenti AI che comprano e pagano in autonomia, tra reti di pagamento e stablecoin (2026) — IMF Notes 2026

Cari post-umani,

perché eleggiamo qualcuno che decida per noi? La risposta sembra ovvia: perché così funziona la democrazia. Ma se guardiamo alla storia da una prospettiva diversa, scopriamo che la rappresentanza politica è nata da un ideale e, insieme, da un limite molto concreto.

Per secoli coinvolgere direttamente milioni di persone nelle decisioni collettive era semplicemente impossibile. Informarsi era difficile, comunicare richiedeva tempo, votare era costoso, deliberare insieme su larga scala era un problema logistico prima ancora che politico. La delega era una necessità materiale: pochi decidevano per molti perché era l’unico modo praticabile per governare società sempre più grandi e complesse.

Osservata così, la democrazia rappresentativa appare come una delle grandi innovazioni della storia umana: una soluzione di ingegneria sociale a un problema di coordinamento, molto prima che una tecnologia nel senso in cui usiamo oggi la parola.

Poi qualcosa è cambiato.

Ogni epoca politica è stata modellata dagli strumenti con cui le persone potevano comunicare. Nel 1789 bastava un foglio di carta per contribuire ad accendere una rivoluzione. La Parigi prerivoluzionaria era attraversata da pamphlet e volantini che circolavano nei caffè, nei mercati e nei salotti, e la stampa rese possibile la diffusione delle idee illuministe.

C’è un episodio che racconta bene quel momento. Tra gennaio e aprile del 1789, su ordine di Luigi XVI, le comunità di tutta la Francia compilarono i cahiers de doléances, i quaderni delle lamentele: registri in cui annotare critiche, richieste e proposte da consegnare agli Stati Generali. Ne furono redatti circa quarantamila, per un totale stimato intorno alle centomila rivendicazioni. Fu una delle prime grandi consultazioni di massa della storia europea. Successe però una volta sola, e dopo un vuoto impressionante: gli Stati Generali non si riunivano dal 1614, cioè da centosettantacinque anni. La partecipazione, quando arrivava, era un evento raro e clamoroso.

Quando cambia la tecnologia della comunicazione, cambia anche il modo in cui una società prende decisioni. La stampa ha trasformato la politica del Settecento, la televisione quella del Novecento, Internet ha già cambiato il modo in cui ci informiamo, lavoriamo, acquistiamo e collaboriamo.

Ora l’intelligenza artificiale potrebbe toccare anche il modo in cui partecipiamo, non sostituendosi al nostro voto ma abbattendo alcuni dei vincoli materiali che per secoli avevano reso necessaria la delega permanente. Oggi possiamo verificare identità digitali, organizzare consultazioni, raccogliere contributi e deliberare online con costi enormemente inferiori rispetto al passato.

Nel libro propongo due indicatori per descrivere questa trasformazione.

Il primo è l’Indice di Frequenza Civica: il numero medio di decisioni collettive a cui una persona partecipa in un anno. Per la maggior parte di noi questo numero è ancora bassissimo. In una democrazia rappresentativa si vota per le politiche ogni cinque anni, con qualche referendum e qualche amministrativa nel mezzo: una manciata di occasioni in un decennio. I quaderni del 1789, in fondo, erano la versione estrema di questa logica, una voce concessa una volta ogni molte generazioni.

Il secondo è l’Indice di Pervasività Decisionale: quanto frequentemente organizzazioni, comunità e istituzioni utilizzano processi decisionali digitali. Ed è qui che i numeri iniziano a muoversi.

Prendiamo Barcellona. Nel suo processo di bilancio partecipativo, condotto in larga parte online, gli iscritti hanno superato le ottantamila persone e hanno scelto come distribuire trenta milioni di euro tra oltre ottocento progetti proposti dai cittadini stessi. Esperienze simili si moltiplicano in tutta Europa, dai grandi comuni alle università fino alle cooperative: a Zurigo un bilancio partecipativo digitale ha messo in gioco oltre mezzo milione di franchi.

Un comune che utilizza strumenti simili per discutere urbanistica, scuola, mobilità o bilancio può arrivare a coinvolgere i cittadini decine di volte all’anno. In alcuni casi più spesso di quanto un piccolo Parlamento nazionale voti su questioni che toccano davvero la vita quotidiana.

Per secoli la partecipazione è stata un evento raro. Oggi sta diventando una possibilità continua.

Questo non significa che dovremmo votare ogni giorno. Anzi, una delle critiche più ragionevoli alla partecipazione digitale è proprio questa: il rischio di trasformare la democrazia in un rumore costante, in una successione infinita di sondaggi. Nel libro sostengo l’opposto. Il valore di questi strumenti sta nel rendere possibile la partecipazione quando conta davvero, più che nel moltiplicare le occasioni di voto.

Ed è qui che entra in gioco l’intelligenza artificiale. Molti immaginano l’AI come un sistema che prenderà decisioni al posto degli esseri umani. A me pare che il suo ruolo più interessante sia un altro: aiutare le persone a comprendere questioni complesse, riassumere documenti, mettere in evidenza le conseguenze di una scelta, simulare scenari.

Nel 2024 un gruppo di ricercatori di Google DeepMind ha pubblicato su Science un esperimento che va esattamente in questa direzione. Hanno costruito un mediatore artificiale, battezzato Habermas Machine in onore del filosofo Jürgen Habermas, e lo hanno messo alla prova con oltre cinquemilasettecento cittadini britannici, divisi in piccoli gruppi, su temi divisivi come immigrazione, salario minimo, clima e Brexit. Il suo compito non era decidere: doveva scrivere la sintesi del gruppo, una dichiarazione condivisa capace di tenere insieme posizioni diverse. I partecipanti hanno preferito le sintesi generate dall’AI a quelle scritte da mediatori umani, giudicandole più chiare, più informate e più eque. E, dettaglio decisivo, quei testi tenevano dentro anche le posizioni di minoranza invece di schiacciarle. Dopo la deliberazione i gruppi risultavano meno divisi, cosa che non accadeva quando le persone si limitavano a discutere tra loro.

Non è più soltanto teoria. In Giappone, l’ingegnere e scrittore di fantascienza Takahiro Anno ha portato questa idea dentro una campagna elettorale vera. Alle elezioni per il governatore di Tokyo del 2024 ha messo online un suo avatar in intelligenza artificiale, addestrato sul suo programma, che in diciassette giorni di diretta ha risposto a ottomilaseicento domande dei cittadini, molte più di quante potrebbe gestirne un candidato in carne e ossa. Arrivò quinto su cinquantasei. L’anno dopo è stato eletto alla Camera alta giapponese e ha fondato Team Mirai, un partito che usa l’AI soprattutto per ascoltare: la loro app raccoglie in linguaggio naturale i commenti dei cittadini sui singoli disegni di legge, e un modello li raggruppa, li ordina e li riassume, così che i parlamentari possano trasformarli in domande e proposte. Per costruire il programma elettorale hanno raccolto e sintetizzato in questo modo decine di migliaia di domande e migliaia di suggerimenti.

È il rovesciamento che mi interessa di più: usare la tecnologia per rendere comprensibile ciò su cui siamo chiamati a decidere, più che per decidere al posto nostro.

Perché la vera sfida sta cambiando natura. Per secoli il collo di bottiglia è stato logistico: organizzare la partecipazione di molti. Oggi rischia di diventare cognitivo: mettere quelle persone nelle condizioni di capire ciò su cui decidono. Abbiamo la possibilità tecnica di coinvolgere molte più persone, e la parte difficile diventa un’altra.

Naturalmente esistono rischi.

Il primo è la tecnocrazia mascherata da efficienza. Quando un algoritmo suggerisce una soluzione, è facile scambiare l’ottimizzazione per una decisione politica. Ma una macchina vede correlazioni, pattern, ricorrenze, non valori, significati o priorità morali.

Un esempio recente e clamoroso arriva dall’Albania. Nel settembre 2025 il governo ha nominato un sistema di intelligenza artificiale, battezzato Diella, “Ministro di Stato per l’Intelligenza Artificiale”, con l’incarico di sovrintendere agli appalti pubblici: secondo il premier, una macchina sarebbe meno corruttibile di un funzionario e renderebbe le gare “libere dalla corruzione al cento per cento”. È il primo caso al mondo di un’AI con un incarico di livello ministeriale. Per ora è più simbolo che sostanza, e ogni sua raccomandazione dovrà comunque essere validata da un funzionario umano. Ma il gesto rivela una tentazione precisa: affidare a un software una scelta che resta profondamente politica, cioè chi ottiene le risorse pubbliche e con quali criteri. E porta con sé un rischio speculare, che dietro l’aura di neutralità di un algoritmo diventi più comodo deresponsabilizzarsi, liquidando un abuso come un semplice errore di calcolo.

Perché una macchina vede correlazioni, pattern, ricorrenze, non valori, significati o priorità morali. Lo si è visto con i sistemi predittivi usati da alcune polizie statunitensi per decidere dove mandare le pattuglie: imparano dai reati denunciati e dagli arresti, cioè da dove la polizia è già stata, e finiscono per prevedere la sorveglianza futura più che la criminalità futura. Più agenti dove ci sono già stati più arresti, altri arresti come conseguenza, e l’algoritmo che si convince di aver avuto ragione. A Chicago un programma di questo tipo è stato chiuso nel 2019 dopo essere stato giudicato inefficace e razzialmente distorto. L’ottimizzazione non distingueva tra una correlazione statistica e una questione di giustizia.

Il secondo rischio è la manipolazione. L’intelligenza artificiale non si limita a leggere l’opinione pubblica, può contribuire a orientarla. Nel settembre 2023, due giorni prima delle elezioni in Slovacchia e in pieno silenzio elettorale, circolò un finto audio del candidato europeista Michal Šimečka che parlava di brogli e voti comprati. Era un deepfake. Šimečka era in testa nei sondaggi, vinse il suo avversario Robert Fico. Pochi mesi dopo, alla vigilia delle primarie del New Hampshire, migliaia di elettori americani ricevettero una telefonata automatica con la voce clonata di Joe Biden che li invitava a non andare a votare: il consulente che l’aveva orchestrata è stato multato dalla FCC per sei milioni di dollari. Nel solo 2024, anno record di elezioni nel mondo, i deepfake che hanno preso di mira figure pubbliche sono stati decine, distribuiti in decine di Paesi.

E qui arriva la parte più interessante, e più scomoda. Nessuno di questi falsi, preso singolarmente, sembra aver ribaltato un voto. Lo stesso Šimečka ha dichiarato di non credere che quel deepfake gli sia costato le elezioni, e il finto Biden non ha impedito al vero Biden di vincere agevolmente le primarie. Il pericolo vero è più sottile di una macchina che conquista il potere: quando tutto può essere falso, diventa razionale smettere di fidarsi, perfino di ciò che è autentico. È il cosiddetto “dividendo del bugiardo”: più i falsi sono verosimili, più diventa facile liquidare come falso anche un documento vero. Il rischio, alla fine, è perdere la capacità di capire chi sta influenzando chi. Per questo la trasparenza diventa decisiva.

Una democrazia può convivere con il conflitto, con l’errore, persino con la lentezza. Fa molta più fatica a convivere con poteri invisibili.

Alla fine, però, la questione centrale non riguarda gli algoritmi. Riguarda noi. Per due secoli la rappresentanza è stata la risposta migliore a un problema tecnico, e oggi quel problema sta cambiando. Questo non significa che parlamenti, governi o rappresentanti siano destinati a scomparire. Significa che possiamo iniziare a porci domande nuove. Vale la pena chiedersi quali deleghe esistano ancora perché davvero necessarie e quali invece sopravvivano solo per abitudine.

Forse la trasformazione più importante non avrà affatto le sembianze di una macchina che governa. Somiglierà piuttosto a qualcosa di più modesto e più radicale: un numero crescente di persone messe nelle condizioni di partecipare alle decisioni collettive in modo frequente, informato e consapevole.

La tecnologia da sola non renderà migliore la democrazia. Ma ogni volta che è cambiato il modo in cui una società comunica, è cambiato anche il modo in cui quella società decide. E questa volta il cambiamento potrebbe essere più profondo di quanto immaginiamo.

Davide

Fonti principali:

• Cahiers de doléances del 1789 (circa 40.000 registri, ultimo raduno degli Stati Generali nel 1614) https://alphahistory.com/frenchrevolution/cahiers-de-doleance/

• Bilancio partecipativo di Barcellona (80.000 iscritti, 30 milioni di euro, oltre 800 progetti) https://www.oidp.net/en/content.php?id=1779

• Habermas Machine, il mediatore AI di Google DeepMind (studio su Science, oltre 5.700 partecipanti nel Regno Unito) https://www.technologyreview.com/2024/10/17/1105810/ai-could-help-people-find-common-ground-during-deliberations/

• Studio originale su Science https://www.science.org/doi/10.1126/science.adq2852

• Takahiro Anno e Team Mirai, l’avatar AI e l’ascolto su scala elettorale in Giappone https://www.schneier.com/essays/archives/2025/11/four-ways-ai-is-being-used-to-strengthen-democracies-worldwide.html

• Diella, l’AI nominata ministro degli appalti in Albania (settembre 2025) https://time.com/7324934/albania-ai-minister-diella/

• Strategic Subject List di Chicago, chiusa nel 2019 (studio su bias) https://arxiv.org/pdf/2405.07715

• Effetto di retroazione nel predictive policing (Lum e Isaac, 2016) https://themarkup.org/the-breakdown/2020/08/20/does-predictive-police-technology-contribute-to-bias

• Robocall con la finta voce di Biden, multa da sei milioni di dollari.

Cari Post-umani,

il cervello con cui abbiamo scritto poemi, costruito imperi e immaginato divinità consuma circa venti watt. Più o meno come una lampadina, e nemmeno una di quelle grandi da salotto: una piccola, quasi insignificante.

Venti watt. È l’energia che basta al nostro cervello per fare tutto quello che chiamiamo pensare: ricordare, immaginare, scegliere, avere paura, desiderare, dubitare. Per tenere in vita l’intero corpo ne servono circa novanta. Novanta watt per respirare, camminare, digerire, dormire, svegliarsi, parlare, amare, lavorare, soffrire. Novanta watt per esistere.

Eppure nessuna civiltà è mai rimasta davvero dentro quei novanta watt. Tutta la storia dell’uomo può essere letta come il tentativo di uscire dal corpo senza abbandonarlo. Prima abbiamo delegato la forza ai muscoli degli animali, poi al vento, all’acqua, al fuoco, al carbone, al petrolio, all’elettricità. Oggi la stiamo delegando anche agli algoritmi. E ogni volta che abbiamo trovato nuova energia siamo cambiati anche noi, e non soltanto le cose che riuscivamo a fare.

La piramide di Maslow l’abbiamo sempre immaginata come una scala interiore: prima i bisogni fisiologici, poi la sicurezza, poi l’appartenenza, poi la stima, infine l’autorealizzazione. Come se salire fosse soprattutto una questione psicologica, culturale, individuale. Ma guardata da un’altra prospettiva quella piramide diventa qualcosa di molto più concreto. Diventa una piramide energetica.

Per mangiare serve energia. Per coltivare, trasportare e conservare il cibo serve energia. Per avere sicurezza servono case, ospedali, strade, reti, sistemi di protezione. Per costruire comunità servono scuole, piazze, mezzi di comunicazione, tempo libero. Per autorealizzarsi serve una condizione ancora più rara: non essere costretti a usare l’intera vita per sopravvivere. E il tempo liberato dalla sopravvivenza è quasi sempre energia delegata a una macchina.

Un frigorifero, una lavatrice, un trattore, una rete elettrica, un computer: ognuno di questi oggetti è tempo restituito, energia delegata a un dispositivo perché noi potessimo fare altro. L’intelligenza artificiale, in fondo, è un’ennesima forma di tempo liberato: energia che diventa calcolo, e calcolo che diventa possibilità.

Per questo la civiltà non si misura solo in idee, confini, monete o lingue. Si misura anche in watt pro capite. Un corpo umano a riposo vive nell’ordine dei novanta watt, e alcune società agricole del passato stavano poco al di sopra di quella soglia. Le società industriali moderne vivono invece su migliaia di watt per persona. In Islanda il consumo medio arriva a decine di migliaia di watt pro capite, negli Stati Uniti si aggira intorno ai novemila, mentre in molti Paesi poveri resta vicino ai livelli minimi.

E non è una differenza astratta. Dove mancano watt mancano frigoriferi, ospedali, pompe per l’acqua, connessioni, scuole illuminate, computer, e mancano soprattutto le ore sottratte alla fatica fisica. Il diritto all’energia è, di fatto, il diritto a partecipare alla civiltà.

Per secoli abbiamo raccontato la povertà come mancanza di denaro. Ma il denaro è spesso solo il modo con cui misuriamo una mancanza più profonda: la mancanza di energia disponibile, controllabile, accessibile nel momento giusto. Chi dispone di energia può trasformare il mondo; senza, si resta esposti a ciò che il mondo impone.

Ogni istituzione umana, in qualche modo, è stata costruita sopra una soglia energetica, e quando quella soglia cambia cambia anche l’istituzione. Una società che dispone solo dell’energia necessaria alla sopravvivenza organizza quasi tutto attorno al cibo, alla protezione, alla riproduzione. Una società che dispone di energia abbondante può permettersi città, università, ospedali, welfare, ricerca scientifica, cultura di massa. Una società con energia ancora più abbondante può iniziare a immaginare automazione diffusa, agricoltura indoor, desalinizzazione, intelligenza artificiale integrata nei processi produttivi e decisionali.

Non si tratta di pensare che l’energia determini da sola il futuro: è che senza energia certi futuri non possono nemmeno cominciare. È questo il senso della piramide energetica dei bisogni. Ogni livello della vita collettiva richiede una potenza minima per essere sostenuto: sotto quella soglia alcune forme sociali restano impossibili, e appena la si supera diventano improvvisamente naturali.

La scuola di massa non è soltanto un’idea pedagogica: è anche edifici, riscaldamento, libri, trasporti, reti digitali. Lo stesso vale per la sanità pubblica, fatta di macchinari, farmaci, catene del freddo, sale operatorie e sistemi informativi, e per la democrazia, che oltre a una procedura richiede tempo disponibile, alfabetizzazione, infrastrutture, comunicazione, accesso. Persino la libertà ha una componente energetica, perché è difficile essere liberi quando tutta la propria energia serve a restare vivi.

Oggi siamo davanti a un passaggio ulteriore. Per la prima volta l’energia e l’intelligenza stanno iniziando a convergere. Addestrare un modello di intelligenza artificiale significa trasformare elettroni in conoscenza computazionale; usare un algoritmo significa consumare energia per produrre decisioni, testi, immagini, diagnosi, strategie, simulazioni. Il pensiero sta diventando infrastrutturale, e la domanda decisiva si sposta dalla quantità di energia disponibile a quello che scegliamo di farne.

Perché un mondo con più energia può diventare più libero, giusto e creativo, oppure più concentrato, sorvegliato e diseguale. La potenza, da sola, non basta a fare una civiltà: apre soltanto un campo di possibilità. La civiltà comincia quando decidiamo come usare quella possibilità.

La scarsità ha costruito molte delle nostre istituzioni. Ma se l’energia diventasse molto più abbondante, se il costo di un watt continuasse a scendere, se il lavoro umano non fosse più il passaggio obbligato per produrre valore, allora molte domande che davamo per chiuse tornerebbero aperte.

Che cosa significa economia, quando il problema non è più soltanto allocare scarsità? E lavoro, quando una parte crescente della produzione può essere delegata alle macchine? E uguaglianza, se l’accesso all’energia diventa accesso alla possibilità stessa? E che cosa significa essere umani, quando il nostro pensiero biologico da venti watt convive con intelligenze alimentate da reti, data center e centrali?

La piramide dei bisogni, vista da qui, è una mappa del passaggio che stiamo vivendo. Alla base c’è ancora il corpo, con i suoi novanta watt. In alto c’è una società che prova a liberarsi dalla scarsità materiale. Nel mezzo ci siamo noi, con istituzioni nate in un mondo di limiti e costrette ora a confrontarsi con una potenza che cresce.

Forse il futuro non sarà deciso da chi avrà più denaro, più territorio o più popolazione. Forse sarà deciso da chi saprà orchestrare meglio l’energia. Non solo produrla. Non solo consumarla. Ma distribuirla, sincronizzarla, trasformarla in libertà reale.

Davide

P.S. Questo testo nasce da una riflessione contenuta in Post-umani. Le 7 rivoluzioni dell’intelligenza artificiale (Chiarelettere). Il libro è in libreria e online. https://www.amazon.it/Post-umani-7-rivoulzioni-dellintelligenza-artificiale/dp/8832967138

Fonti dei dati citati

• Vaclav Smil, Energy and Civilization. A History, MIT Press, Cambridge (MA), 2017. https://mitpress.mit.edu/9780262536165/energy-and-civilization/

• Robert U. Ayres e Benjamin Warr, studi sul rapporto tra energia utile (exergia) e crescita economica. https://www.researchgate.net/publication/222526216_Accounting_for_growth_The_role_of_physical_work

• Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process, Harvard University Press, Cambridge (MA), 1971. https://content.csbs.utah.edu/~lozada/Adv_Resource_Econ/En_Law_Econ_Proc_Cropped_Optimized_Clearscan.pdf

• Charles A. S. Hall, lavori sul concetto di EROEI (Energy Return on Energy Invested). https://books.google.com/books/about/Energy_Return_on_Investment.html?id=ZsGiDQAAQBAJ

• Nikolai Kardashev, classificazione delle civiltà in base alla quantità di energia utilizzabile. https://ui.adsabs.harvard.edu/abs/1964SvA.....8..217K/abstract

• World Energy Council, World Energy Resources 2013 Survey, sezione Solar Energy. https://www.worldenergy.org/publications/entry/world-energy-resources-2013-survey

C’è un video che gira da qualche settimana e che andrebbe guardato con attenzione, perché racconta una cosa vera dentro una cornice un po’ fuorviante. Il titolo recita “avvocato AI vince in tribunale nel Regno Unito”. L’immagine che evoca è quella di una macchina che si alza in aula, prende la parola davanti al giudice e batte gli avversari in carne e ossa. La realtà è insieme meno spettacolare e più interessante.

Il caso esiste davvero. Lo studio si chiama Garfield AI ed è il primo a essere stato autorizzato dalla Solicitors Regulation Authority britannica, nel maggio del 2025, a erogare servizi legali prevalentemente tramite intelligenza artificiale. Pochi giorni fa, dopo un’udienza di tre ore alla Wandsworth County Court di Londra, ha aiutato una libera professionista a recuperare settemila sterline di compensi mai pagati, con tanto di rigetto della domanda riconvenzionale della controparte. La cliente ha speso circa quattrocento sterline. Dall’altra parte c’era un avversario assistito da un solicitor e da un barrister, secondo lo schema classico e costoso della giustizia inglese.

Tutto vero. Con una precisazione che cambia il senso della storia: a parlare in aula non è stata l’intelligenza artificiale. Garfield ha preparato la corrispondenza pre-causa, gli atti, le testimonianze, i fascicoli. L’arringa l’ha tenuta un avvocato umano, un barrister di buon livello. La macchina ha fatto il lavoro invisibile, quello che di solito si paga a peso d’oro e che tiene fuori dai tribunali milioni di persone che una causa, semplicemente, non se la possono permettere. Non ha sostituito il giudice. Non ha sostituito nemmeno l’avvocato in piedi davanti al giudice.

È esattamente la distinzione che conviene tenere a mente per capire cosa sta succedendo nelle aule di tutto il mondo. Perché qui, come altrove nel racconto di queste rivoluzioni, l’acqua sta cambiando stato. Lentamente, senza un punto di rottura visibile, finché un giorno ci accorgiamo che il ghiaccio si è già formato.

La giustizia è una delle ultime cose che difendiamo come umane

Abbiamo accettato che un algoritmo ci suggerisca cosa comprare, che decida gran parte degli scambi finanziari, che legga una radiografia meglio di un radiologo. Sul giudizio, però, ci fermiamo. C’è qualcosa di profondo nell’idea che a decidere della libertà, del patrimonio, della custodia di un figlio debba essere una persona, capace di guardarci negli occhi e di rispondere di quella decisione. La giustizia è uno degli ultimi territori che difendiamo come specificamente umani, e non a caso è anche quello dove l’arrivo dell’intelligenza artificiale produce le reazioni più forti.

Eppure l’AI è già entrata. Da più porte, contemporaneamente. E le cronache degli ultimi due anni disegnano tre storie diverse che vale la pena tenere distinte: chi vince, chi inventa, chi giudica.

Primo: chi vince

La storia di Garfield non è isolata. In California una donna di nome Lynn White, in arretrato con l’affitto e già sconfitta in un primo processo davanti a una giuria, si è rappresentata da sola in appello usando ChatGPT e Perplexity per costruire le sue argomentazioni. Ha ribaltato lo sfratto, evitando oltre cinquantamila dollari di penali e quasi ventimila di arretrati. “Era come avere Dio lassù che rispondeva alle mie domande”, ha raccontato a NBC News, che documenta un numero crescente di persone senza avvocato che usano i chatbot per difendersi, e che ogni tanto vincono.

Qui c’è il punto che mi interessa di più, e che riguarda da vicino il tema dell’accesso alla conoscenza che attraversa tutto questo lavoro. Per la prima volta nella storia, una competenza altissima e carissima come quella giuridica diventa, almeno in parte, una commodity. Una risorsa che chiunque, da casa, può interrogare a costo quasi nullo. Per chi una causa non poteva permettersela è una piccola rivoluzione silenziosa. Non sostituisce l’avvocato bravo, ma riempie il vuoto enorme di chi un avvocato non lo aveva affatto.

Secondo: chi inventa

Poi c’è l’altra faccia, quella che fa più rumore. Perché gli stessi strumenti che danno potere a chi non ne aveva, danno corda a chi non sa usarli.

Il caso capostipite è ormai un classico che si studia nelle università. Nel 2023, a New York, l’avvocato Steven Schwartz difende un certo Roberto Mata in una causa contro la compagnia aerea Avianca. Per scrivere la memoria si fa aiutare da ChatGPT, che gli fornisce sei sentenze perfette a sostegno della tesi. Peccato che non esistano. Sono inventate di sana pianta, complete di numero di ruolo e citazioni interne. Quando la corte chiede di produrle, Schwartz torna da ChatGPT e gli domanda se quei casi siano veri. Il chatbot conferma. Erano, ovviamente, ancora falsi. Il giudice Castel definì quelle analisi legali “puro nonsenso” e impose una sanzione di cinquemila dollari. Non per aver usato l’intelligenza artificiale, attenzione, ma per non aver verificato e per aver insistito anche di fronte ai primi dubbi.

Da allora il fenomeno è dilagato. Un ricercatore francese, Damien Charlotin, ha aperto un database pubblico che cataloga le decisioni in cui i tribunali si sono trovati davanti a citazioni inventate dall’AI. Da poche centinaia di casi è passato in pochi mesi a oltre millecinquecento, con un’accelerazione netta a partire dalla primavera del 2025. Negli Stati Uniti studi legali prestigiosi sono stati multati e deferiti agli ordini professionali. In un caso emblematico, un giudice dell’Alabama ha rinunciato alle sanzioni economiche con una frase che vale come epitaffio dell’epoca: “Se multe e pubblico imbarazzo fossero deterrenti efficaci, non ci sarebbero così tanti casi da citare”.

L’Italia non è rimasta a guardare. Nel marzo del 2025 la Sezione Imprese del Tribunale di Firenze ha affrontato per la prima volta il problema. In una causa su contraffazione di marchio, il difensore di una società ha dovuto ammettere che i riferimenti giurisprudenziali citati erano frutto di una ricerca fatta con ChatGPT da una collaboratrice. Lo strumento aveva “inventato” estremi di sentenze della Cassazione su un tema con cui non c’entravano nulla. La controparte ha chiesto la condanna per lite temeraria. Il tribunale ha censurato l’omessa verifica ma ha respinto la richiesta, perché quelle citazioni fasulle servivano a rafforzare una tesi già esposta, non a resistere in malafede. Clemenza, per ora. Con un avvertimento esplicito per il futuro, che i commentatori hanno colto subito: la prossima volta potrebbe andare diversamente.

C’è una lezione, in tutto questo, che vale ben oltre i tribunali. L’intelligenza artificiale generativa non mente perché è cattiva. Produce testo plausibile, ed è bravissima a farlo. Il problema nasce quando scambiamo la plausibilità per verità e deleghiamo il giudizio finale. Vale per un avvocato, vale per un medico, vale per ciascuno di noi davanti a una schermata che risponde con tono sicuro a qualsiasi domanda.

Terzo: chi giudica

E veniamo alla domanda che spaventa di più. Può un algoritmo giudicare?

In alcuni posti, in forme diverse, sta già accadendo. La Cina ha costruito le “smart court” più estese al mondo: tre tribunali interamente online, sistemi di intelligenza artificiale che assistono i giudici nella redazione delle sentenze, una piattaforma nazionale costruita su centinaia di milioni di documenti legali. I tempi di stesura crollano. Ma gli studiosi occidentali notano una cosa scomoda: in quel contesto la stessa tecnologia che velocizza serve anche a sorvegliare i giudici, a ridurne la discrezionalità, a centralizzare il controllo. Lo strumento è neutro, l’uso che se ne fa no.

C’è poi il mito da sfatare, perché è istruttivo quanto i casi veri. Per anni si è raccontato che l’Estonia stesse costruendo un “giudice robot” per le piccole controversie. Una storia perfetta, ripresa ovunque. Falsa. Il Ministero della Giustizia estone ha dovuto smentire ufficialmente: nessun robot giudice, solo l’ambizione di automatizzare procedure semplici come le ingiunzioni di pagamento. L’hype, anche qui, corre più veloce della realtà.

E sullo sfondo resta il monito americano di State v. Loomis. Un uomo condannato in Wisconsin sulla base, tra l’altro, di un punteggio di rischio di recidiva calcolato da un algoritmo proprietario chiamato COMPAS. Una scatola nera: nessuno, nemmeno il giudice, poteva sapere come arrivasse a quel numero. Un’inchiesta giornalistica mostrò poi che etichettava le persone nere come futuri criminali al doppio del tasso dei bianchi. È il caso che ha insegnato all’Occidente una parola d’ordine: nessuna decisione che pesa su una vita umana può uscire da una scatola di cui non possiamo aprire il coperchio.

Il punto fermo: la riserva di giurisdizione umana

Ed è proprio qui che, in modo abbastanza sorprendente, le grandi democrazie stanno convergendo. Mentre su quasi tutto litigano, sulla giustizia tracciano la stessa linea.

L’Unione Europea, con il suo regolamento sull’intelligenza artificiale, ha classificato come “ad alto rischio” i sistemi destinati ad assistere l’autorità giudiziaria, sottoponendoli a obblighi stringenti. La Francia ha fatto qualcosa di ancora più netto: ha vietato, con pene fino a cinque anni di carcere, l’uso dei dati dei singoli magistrati per prevederne statisticamente le decisioni, per impedire che si scelga il tribunale in base alle probabilità di vittoria. Il Regno Unito ha dato ai suoi giudici linee guida precise: usate pure l’AI per i riassunti e le incombenze amministrative, mai per la ricerca legale affidata a un chatbot pubblico, e la responsabilità resta sempre, personalmente, vostra.

L’Italia ha scritto il principio nero su bianco. La legge sull’intelligenza artificiale entrata in vigore nell’ottobre del 2025, all’articolo 15, stabilisce che è sempre riservata al magistrato ogni decisione sull’interpretazione e l’applicazione della legge, sulla valutazione dei fatti e delle prove, sull’adozione dei provvedimenti. L’AI può organizzare, semplificare, alleggerire. Decidere, no. È la “riserva di giurisdizione umana”, e a me pare una delle frasi più importanti scritte in questi anni sul rapporto tra noi e le macchine.

Che cosa resta dell’avvocato

Resta la domanda sul mestiere. Perché se la macchina fa la ricerca, scrive gli atti, scandaglia migliaia di documenti in pochi minuti, che cosa fa l’avvocato?

I numeri raccontano una trasformazione veloce. Il mercato dell’AI legale, dato in forte crescita, vale già miliardi. Harvey, la startup più nota del settore, è arrivata a una valutazione di undici miliardi di dollari nel marzo di quest’anno e dichiara oltre centomila avvocati che la usano. Negli studi anglosassoni l’adozione di strumenti generativi è quasi raddoppiata in un anno. C’è chi prevede la fine della parcella a ore, perché se l’intelligenza artificiale fa in sessanta minuti ciò che prima richiedeva una giornata, fatturare il tempo non ha più senso.

Ma c’è anche un dettaglio che dovrebbe rendere umili i venditori di miracoli. Uno studio dell’Università di Stanford ha testato gli strumenti professionali più blasonati, quelli pubblicizzati come “a prova di allucinazione”, e ha scoperto che sbagliavano comunque in una percentuale di casi compresa tra un sesto e un terzo delle risposte. Meglio di ChatGPT puro, certo. Lontani anni luce dall’infallibilità promessa.

Il consenso, tra chi studia la professione, si riassume in una formula che ho già incontrato in ogni capitolo di questa storia: aumento, non sostituzione. Il giurista Richard Susskind, che riflette su questo da decenni, lo dice senza giri di parole. La tecnologia non eliminerà gli avvocati. Eliminerà gli avvocati che si rifiutano di usarla. Quello che cambia non è l’esistenza del mestiere, ma il suo baricentro: meno tempo sulla ricerca meccanica e sulla scrittura ripetitiva, più tempo sul giudizio, sulla strategia, sulla relazione con la persona che ha di fronte. Le mansioni più a rischio sono quelle di ingresso, dei praticanti e degli assistenti, ed è un problema serio, perché è proprio facendo il lavoro noioso che si è sempre imparato il mestiere. Se l’AI svolge tutto il lavoro da junior, da dove arriveranno i senior di domani?

Cosa scegliamo di tenere per noi

Torno al video da cui siamo partiti. L’avvocato AI che “vince in tribunale” è una semplificazione, ma indica una direzione reale. L’intelligenza artificiale sta entrando nella giustizia dalla porta del lavoro preparatorio, da quella dell’accesso per chi era escluso, e perfino dal banco del giudice in alcune parti del mondo. Sta cambiando i costi, i tempi, gli equilibri di una professione che credevamo intoccabile.

E davanti a questo cambiamento di stato, le nostre società stanno facendo una scelta che mi pare giusta e tutt’altro che scontata. Lasciano che la macchina faccia quasi tutto, tranne la cosa che conta di più. Il giudizio finale, quello che pesa su una vita, resta a una persona, che lo firma e ne risponde.

Non è una resa alla tecnologia, e non è nemmeno una paura della tecnologia. È una decisione su che cosa, come specie, vogliamo continuare a tenere per noi. Quando l’intelligenza smette di essere soltanto umana, la domanda non è più se le macchine sapranno fare il nostro lavoro. È quali parti di quel lavoro contengono qualcosa che non vogliamo, a nessun prezzo, delegare. Nella giustizia abbiamo dato una prima risposta. Vale la pena tenerla a mente, perché la stessa domanda, prima o poi, busserà alla porta di ogni mestiere. Compreso il vostro.

Se questa lettura ti è stata utile, inoltrala a qualcuno che potrebbe trovarla interessante. E se non l’hai ancora fatto, “Post-umani. Le 7 rivoluzioni dell’intelligenza artificiale” è in libreria per Chiarelettere.

Alla prossima. Davide

Chioschi che diagnosticano per il prezzo di un caffè, scanner che leggono il corpo in un minuto, cellule ringiovanite da un'intelligenza artificiale. Cosa sta davvero cambiando nella medicina, e cosa varrebbe la pena scegliere di conservare.

A Shanghai, in alcune stazioni della metropolitana, si è diffuso un oggetto a metà tra una cabina fotografica e un distributore automatico. Ci entri, descrivi i sintomi a voce o sullo schermo, dei sensori ti misurano pressione, ossigenazione e battito, e in circa otto minuti un sistema di intelligenza artificiale produce una diagnosi preliminare. Per i disturbi più comuni la cabina arriva a erogare sul posto uno dei trentotto farmaci da banco autorizzati. Costo della prestazione: due yuan, più o meno il prezzo di un caffè. La macchina però non decide da sola: prima di qualunque prescrizione un medico in remoto rivede il caso e firma. Il motore ha confrontato i tuoi dati con un archivio di oltre trecento milioni di consulti precedenti, su quasi duemila patologie.

Nello stesso periodo, dall’altra parte del mondo, Midjourney ha annunciato qualcosa di altrettanto sorprendente. L’azienda che conosciamo per generare immagini di volti e mondi che non esistono ha presentato Midjourney Medical: uno scanner del corpo intero che promette una mappa tridimensionale di muscoli, organi e ossa in meno di sessanta secondi. Non usa raggi né campi magnetici. Usa circa mezzo milione di sensori a ultrasuoni disposti ad anello, mentre la persona scende lentamente in una vasca d’acqua bassa. Il fondatore, David Holz, sostiene che il risultato somigli a una risonanza, ma a una velocità quasi cento volte superiore, contro i sessanta o novanta minuti di una risonanza total body. La parte che racconta meglio dove stiamo andando è il contorno: il primo scanner aprirà a fine 2027 dentro una spa a San Francisco, tra vasche idromassaggio, saune e bagni freddi, con stanze in cui una luce dorata “scansiona dolcemente” il corpo. L’obiettivo dichiarato è una flotta di cinquantamila scanner entro il 2031, con la capacità teorica di un miliardo di scansioni al mese. L’ambizione di Holz è rendere il controllo preventivo del corpo una routine, frequente come una visita dal dentista.

Sono due notizie di questi giorni, non due scenari di un libro di fantascienza. E messe accanto raccontano una cosa precisa: la salute sta uscendo dall’ospedale.

La diagnosi si stacca dal medico

Per secoli la diagnosi è stata legata a una persona, in un luogo, con un’agenda. La si otteneva entrando in uno studio o in un reparto. L’intelligenza artificiale sta sciogliendo quel legame, pezzo per pezzo.

I numeri arrivano da più direzioni. In uno studio che ha fatto discutere, un chatbot messo alla prova su una serie di casi clinici complessi ha ottenuto un punteggio più alto di una cinquantina di medici, compresi quelli che potevano usarlo come supporto. A Stanford un modello chiamato SleepFM riesce, da una sola notte di sonno registrata, a stimare il rischio di oltre cento patologie. Nello Utah un’app è stata autorizzata a rinnovare in autonomia certe prescrizioni per i malati cronici, sotto la supervisione dello Stato. In Cina il progetto Agent Hospital ha simulato un ospedale interamente popolato da agenti-medico distribuiti su ventuno specialità, capaci di elaborare diecimila casi in pochi giorni, con un’accuratezza del 93% sul benchmark MedQA, contro una media umana intorno al 73% sullo stesso test.

Sono ancora in larga parte esperimenti e simulazioni. Ma la direzione è la stessa dei chioschi di Shanghai: la competenza diagnostica si separa dal singolo professionista, si copia, si distribuisce, si rende disponibile ventiquattro ore su ventiquattro nei luoghi dove le persone già passano. Non è un dettaglio tecnico. In un Paese che, come ricordano gli stessi osservatori, ha meno di tre medici ogni mille abitanti e quasi tutti concentrati nelle grandi città, una diagnosi a due yuan in una stazione della metro cambia l’idea stessa di accesso alle cure. A novembre 2025 la commissione sanitaria nazionale cinese ha emanato linee guida per regolare l’uso dell’AI lungo tutto il percorso, dalla prevenzione alla riabilitazione, segno che non si parla più di iniziative isolate ma di una politica industriale. La frase con cui il responsabile del “super ospedale AI” di Boao ha riassunto il senso dell’operazione resta la più efficace: non più il paziente che cerca la medicina ovunque, ma la medicina giusta che trova il paziente giusto.

La trappola di Jevons, applicata al corpo

C’è un’obiezione che torna ogni volta: se le macchine diagnosticano meglio e più in fretta, i medici spariranno? La storia recente della radiologia suggerisce una risposta meno scontata.

Quando le immagini mediche sono diventate digitali, la produttività dei radiologi è cresciuta del 27% sulle radiografie e del 98% sulle TAC nel giro di un solo anno. Ci si sarebbe aspettati una contrazione del lavoro. È successo l’opposto: tra il 2000 e il 2008, negli Stati Uniti, il numero di esami per immagini ogni mille assicurati è cresciuto di oltre il 60%. Diventando più facili da fare, leggere e archiviare, gli esami si sono moltiplicati. È il paradosso di Jevons, lo stesso per cui motori più efficienti, storicamente, hanno fatto consumare più energia. Oggi esistono già oltre settecento modelli di AI approvati dalla FDA per analizzare immagini mediche, molti dei quali superano i radiologi su test specifici. Eppure i radiologi non sono spariti, perché l’automazione copre ancora soltanto una parte del loro lavoro.

Lo scanner di Midjourney è la prossima tacca su questa stessa scala. Se fotografare l’interno del corpo costa poco, è veloce e indolore, lo faremo molto più spesso, magari ogni mese, come uscendo da una sauna. Più immagini significa più segnali, più reperti ambigui da interpretare, più decisioni da prendere su cosa è davvero rilevante. Non a caso i radiologi hanno accolto l’annuncio con cautela, mettendo in guardia sul rischio di sovradiagnosi: trovare cose che non avrebbero mai dato problemi, e curarle comunque, con costi e ansie che si moltiplicano. Vale la pena ricordare un dettaglio che ridimensiona l’entusiasmo: la stessa Midjourney ha ammesso che lo scanner non è ancora approvato dalla FDA per uso diagnostico, che finora è stata scansionata circa una dozzina di persone, e che in questa fase nel dispositivo non gira ancora nessuna intelligenza artificiale. La promessa corre molto più avanti della prova.

Non solo leggere il corpo: riscriverlo

Finora ho parlato di osservazione e diagnosi. La parte più vertiginosa riguarda l’intervento. Qui l’AI smette di essere un occhio e diventa una mano.

Un primo segnale concreto arriva dalla collaborazione tra OpenAI e Retro Biosciences, che hanno usato l’intelligenza artificiale per riscrivere i cosiddetti fattori di Yamanaka, le proteine in grado di riprogrammare le cellule riportandole a uno stato giovane. Fino a poco tempo fa riuscivamo a farle funzionare in una frazione minuscola dei casi. Le nuove versioni progettate dall’AI si sono dimostrate oltre cinquanta volte più efficaci nel ringiovanire le cellule rispetto a quelle naturali. Sullo sfondo c’è la previsione, a lungo considerata fantascienza, della velocità di fuga della longevità: il punto, collocato da alcuni futurologi intorno agli anni Trenta di questo secolo, in cui la ricerca aggiungerebbe anni di vita più in fretta di quanti ne consumiamo invecchiando. Nel frattempo modelli addestrati non sul linguaggio umano ma su miliardi di sequenze di DNA iniziano a progettare molecole biologiche nuove, e in un caso un robot chirurgico ha eseguito in autonomia un intervento alle vie biliari su un maiale, guidato da un modello addestrato su video di operazioni. Persino la medicazione di una ferita sta diventando intelligente: un cerotto con sensori e algoritmi valuta lo stadio di guarigione e regola da solo il rilascio di farmaci o una lieve stimolazione elettrica, accelerando la riparazione dei tessuti nei test sugli animali.

E poi c’è la salute mentale, forse il fronte più delicato. Una rilevazione pubblicata su una rivista del gruppo Nature, condotta su oltre mille studenti soli, ha trovato che l’uso di un chatbot di compagnia li ha fatti sentire supportati, e una piccola quota ha riferito di aver smesso di avere pensieri suicidi dopo averci parlato. Non è un argomento per sostituire la terapia con un’app. È però difficile ignorare il contesto in cui questi strumenti arrivano: negli Stati Uniti la maggior parte degli psicologi non ha più posti per nuovi pazienti. Dove la cura umana scarseggia, una presenza disponibile a ogni ora, che non giudica, trova spazio. Con tutti i rischi che comporta, dall’attaccamento eccessivo alle risposte sbagliate nei momenti peggiori.

Cosa scegliamo di conservare

Qui sta il punto che mi interessa davvero, ed è il cuore del modo in cui guardo a queste trasformazioni. La tecnologia sta rimuovendo limiti che credevamo invalicabili. Vedere dentro il corpo era raro, costoso, riservato a chi stava già male: sta diventando un gesto da spa. Una diagnosi competente richiedeva un medico, un luogo, un’attesa: comincia a diventare un servizio a due yuan in una stazione. L’invecchiamento sembrava un destino: comincia a comportarsi come un problema di ingegneria.

Quando un limite smette di essere invalicabile, però, non scompare. Diventa una scelta. E la domanda non è più soltanto “cosa possiamo superare”, ma “cosa vogliamo che resista, anche se ormai potremmo oltrepassarlo”.

Tre cose, secondo me, vanno scelte con cura.

La prima è la responsabilità. Nei chioschi cinesi il dettaglio decisivo non è l’AI che diagnostica, ma il medico che firma. È un modello di triage automatico con validazione umana, e non è un orpello burocratico: è il punto in cui qualcuno risponde di un errore. Più la qualità delle macchine cresce, più saremo tentati di togliere quella firma per guadagnare velocità. Toglierla del tutto significa lasciare che a decidere della nostra salute sia un sistema di cui nessuno è davvero responsabile.

La seconda è l’equità. Un caso ormai classico riguarda un algoritmo usato su circa duecento milioni di persone negli Stati Uniti, che finiva per favorire i pazienti bianchi rispetto a quelli neri pur senza avere alcun dato sull’etnia. Bastava che usasse il costo storico delle cure come misura del bisogno: chi aveva avuto meno accesso in passato risultava “meno malato”. Gli stessi strumenti che possono portare una diagnosi in una stazione di periferia possono anche incidere nel codice le disuguaglianze che dicono di voler superare. Non è un problema tecnico da delegare agli ingegneri. È una decisione politica.

La terza è il senso del limite stesso. Vale la pena ricordare quanto siamo bravi a sbagliare nel valutare il nuovo, in entrambe le direzioni. All’inizio dell’Ottocento i treni raggiunsero la velocità inaudita di trenta chilometri orari, e non mancarono articoli e ricerche mediche che paventavano malattie alle ossa per chi vi si fosse esposto. Oggi sappiamo che erano paure infondate. Ma la storia della medicina insegna anche l’opposto: il vaiolo è l’unica malattia che siamo riusciti a eradicare del tutto, dopo quasi due secoli dalla scoperta del vaccino, mentre per molte altre la soluzione è arrivata da strade diverse, o non è ancora arrivata. La tecnologia non segue una linea retta, né verso il disastro né verso il paradiso. Procede a strappi, e ci chiede ogni volta di decidere a cosa serve.

C’è anche una questione di conti che non possiamo eludere. Ho provato a fare una stima conservativa per l’Italia: automatizzare anche solo le attività più standardizzate e analitiche del sistema sanitario, tra medici, infermieri, tecnici e amministrativi, potrebbe rendere ridondanti centinaia di migliaia di posti di lavoro e liberare risparmi nell’ordine di decine di miliardi l’anno. Sono cifre enormi, che porteranno con sé una promessa di cure più rapide e accessibili e, insieme, una pressione sociale altrettanto grande. La salute, del resto, è uno di quei pochi mercati in cui la domanda non si satura mai: per quanto miglioriamo, vorremo sempre stare ancora un po’ meglio. È proprio per questo che la posta in gioco è così alta.

Non credo che il punto sia frenare. La cabina che dà una diagnosi a chi non ha mai visto un medico, lo scanner che trova un problema mentre lo aspettavamo da nessuna parte, la cellula che torna giovane: sono possibilità che sarebbe sbagliato rifiutare in blocco. Il punto è non lasciare che la velocità decida al posto nostro. La lentezza, il dubbio, la firma di una persona che si assume la responsabilità, il diritto di sapere quando è una macchina a guardarci dentro: non sono inefficienze da eliminare. Sono le cose che, potendo ormai oltrepassarle, scegliamo di conservare. E una scelta, a differenza di un limite subìto, è esattamente ciò che dà valore.

Ho mappato 79 professioni italiane, per un totale di oltre 16 milioni di lavoratori, su una sola pagina interattiva. Per ogni mestiere: quanti sono, quanto guadagnano, che titolo di studio hanno, e soprattutto quanto l’IA ridefinirà il loro lavoro nei prossimi anni raccogliendo gli studi e le analisi più recenti sulla professione.

La mappa è qui: mappalavoro.post-umani.it

Clicca su qualsiasi rettangolo per entrare nel dettaglio della professione, con articoli, fonti verificate e analisi.

Perché questa mappa

Sto per pubblicare Post-umani: Le 7 rivoluzioni dell’intelligenza artificiale (Chiarelettere, 19 giugno). Il lavoro è la seconda delle sette rivoluzioni che il libro esplora, e forse la più urgente. Volevo un modo per rendere visibili i numeri, non solo raccontarli. Spesso si parte dal raccontare un lavoro particolarmente impattato e poi si chiude la conversazione pensando che in ogni caso ce ne sono tante altre che resisteranno a questo momento di cambiamento. Ho voluto elencare le professioni per numero di impiegati proprio per dimensionare l’impatto dell’onda che sta attraversando le professioni.

Il punto di partenza è semplice: l’Italia ha 24,1 milioni di occupati (ISTAT, marzo 2026). Ma “24 milioni” è un numero che non dice nulla finché non lo scomponi. Chi sono? Cosa fanno? E chi, tra loro, vedrà il proprio lavoro trasformato per primo?

Cosa si vede nella mappa

Ogni rettangolo è proporzionale al numero di lavoratori. Il colore indica il livello di esposizione all’IA, da 1 (minimo) a 10 (massimo). Basta guardare per capire dove si concentra l’impatto.

Alcuni numeri che emergono:

Chi è nel mirino. Gli impiegati di contabilità e banca (420.000, score 10/10) sono la professione con la massima esposizione. Le banche chiudono le filiali, l’automazione è già realtà. Subito dopo gli 850.000 impiegati di segreteria (9/10), i 480.000 tecnici contabili (9/10), i 285.000 specialisti IT (9/10, ma con domanda in crescita per i senior).

I traduttori (42.000, score 10/10) sono il caso più documentato: il costo di traduzione è sceso da 10 a 2 centesimi a parola con l’IA e il controllo umano. Non scompaiono, ma ne serviranno molti meno solo per la verifica (fino a quando servirà).

Chi è protetto. I 720.000 addetti alle pulizie (1/10), i 420.000 muratori (1/10), i 350.000 cuochi (2/10), i 520.000 camerieri (2/10). Il lavoro fisico, manuale, relazionale resta il meno esposto. La cultura del bar italiano, la cucina come patrimonio, l’artigianato del Made in Italy sono barriere naturali. Queste protezioni dureranno almeno fino a quando non partirà seriamente la robotica umanoide a basso costo (e a vedere le notizie sul tema il 2027 potrebbe essere l’anno uno anche di questa rivoluzione).

Il paradosso dell’istruzione. La mappa calcola in tempo reale la correlazione tra titolo di studio e esposizione all’IA. Il risultato è controintuitivo: più alto il titolo, più esposti. L’IA generativa colpisce in alto. Avvocati (8/10), ingegneri (8/10), commercialisti (9/10), giornalisti (9/10). Il lavoro intellettuale puro, quello che si fa interamente al computer è strutturalmente più vulnerabile.

La sanità resiste. I 461.452 infermieri (dato FNOPI) cureranno con presenza e tocco umano, mentre l’IA monitora. I medici (5/10) vedranno la diagnostica trasformarsi, ma il paziente resta al centro. Gli OSS (2/10) hanno la domanda in forte crescita per l’invecchiamento della popolazione.

Il contesto italiano

L’Italia è in una posizione particolare. Il mercato IA vale 1,8 miliardi di euro (+50% in un anno, Politecnico di Milano), ma l’adozione nelle PMI resta al 7-15%. Solo il 16,4% delle imprese con almeno 10 addetti usa l’IA (ISTAT 2025). Significa che la trasformazione è appena iniziata e non abbiamo ancora toccato con mano la trasformazione in corso.

Lo studio Delphi che abbiamo condotto con l’Associazione Gianroberto Casaleggio (30 esperti italiani, aprile 2025) stima 1,68 milioni di posti sostituibili e un potenziale di +8% del PIL. Il punto non è se accadrà, ma quanto velocemente, e se sapremo redistribuire il valore creato.

Come usare la mappa

La mappa è pensata per essere esplorata:

• Passa il mouse su un rettangolo per l’anteprima rapida

• Clicca per la pagina completa della professione, con articoli specifici e analisi

• Cambia layer per vedere retribuzione, outlook, livello di istruzione

• Su mobile, le professioni diventano schede ordinabili per occupati, score IA o impatto assoluto

Nella pagina di ogni professione trovi anche il link al video La Fine del Lavoro come lo Conosciamo e al report Il Lavoro Bionico.

Il libro

Post-umani esce il 19 giugno per Chiarelettere. Sette rivoluzioni, non solo il lavoro: potere, identità, creatività, relazioni, conoscenza, democrazia. L’IA non è una tecnologia come le altre. È paragonabile all’elettricità per impatto, ma con una velocità di diffusione esponenziale.

La mappa è un frammento del libro reso interattivo. Uno strumento per guardare i dati da vicino, professione per professione, e farsi un’idea propria.

Esplora la mappa →

P.S. Questa mappa è un lavoro di ricerca attiva, qualunque suggerimento vorrai inviare sarà felice di leggerlo e integrarlo.

Davide Casaleggio

Se vuoi restare aggiornato sulle sette rivoluzioni, iscriviti a questa newsletter. I prossimi post esploreranno le altre sei.