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.

comincio da un lago ghiacciato.

Ogni inverno mi immergo sotto il ghiaccio di un lago sopra Chamois. A quattro gradi, appena sotto la superficie, succede una cosa che a scuola diamo per scontata e che, a guardarla bene, è straordinaria: l’acqua smette di raffreddarsi e scendere verso il basso e cambia stato e inizia a galleggiare.

Arriva a quel limite oltre il quale più fredda non riesce a diventare, e allora diventa altro.

Mi presento, per chi non mi conosce.

Sono Davide Casaleggio, presidente di Casaleggio Associati, e da oltre vent’anni studio come la tecnologia cambia le imprese, il lavoro e il modo in cui viviamo insieme. Coordino la ricerca Ecommerce Italia e l’analisi sull’evoluzione dell’AI e dei modelli di business digitali.
Vivo e lavoro a Ivrea, nel Canavese olivettiano, e per me è un dettaglio che pesa: qui, nel 1965, è nato il primo personal computer della storia, il Programma 101.
Da queste parti l’idea che la tecnologia possa essere umana vale più di uno slogan: è un’eredità con cui si fanno i conti ogni giorno.

Ho scritto questo libro perché credo che stiamo vivendo il momento in cui l’acqua è ancora acqua e ha già cominciato a comportarsi come ghiaccio. L’intelligenza artificiale è molto più dell’ennesima moda: è il punto in cui tre limiti che ci accompagnano da trecentomila anni cedono tutti nello stesso istante:

Quanto possiamo pensare. Quanto in fretta. Con quanta energia.

E quando i limiti cedono insieme, quello che ottieni assomiglia poco a un’evoluzione e molto a un cambio di stato.

Nel libro li chiamo i tre arieti: il Pensiero, la Velocità, la Potenza.

Tre arieti che con lo stesso colpo abbattono tre muri che credevamo eterni: i confini della mente, del tempo e dell’energia.

Il libro si chiama Post-umani. Le 7 rivoluzioni dell’intelligenza artificiale.

Esce il 19 giugno per Chiarelettere ed è già in prevendita su post-umani.it.

Racconta sette trasformazioni che stanno già accadendo: l’economia, il lavoro, la conoscenza, la politica, la finanza, la salute e, in fondo a tutto, la filosofia, cioè l’idea stessa di che cosa significhi essere umani.

Cosa troverai in questa newsletter

Questa newsletter sarà il diario di avvicinamento.

Ogni settimana prenderò una di queste rivoluzioni e te la racconterò con una storia, un dato e una domanda. Lo farò senza tecnicismi e senza allarmismi. E senza la scorciatoia di far finta che non stia succedendo nulla. Perché davanti a un cambio di stato la cosa peggiore che possiamo fare è continuare a misurare la temperatura dell’acqua mentre intorno si forma già il ghiaccio. Scrivo questo libro perché sono convinto che una scelta ce l’abbiamo ancora, e che riguardi noi molto più delle macchine.

La domanda che torna in ogni pagina la rivolgo a noi:

Cosa decideremo di restare, quando l’AI sarà più capace di noi in moltissime cose?

Il mio obiettivo, riga dopo riga, è tenere aperta quella domanda, senza spaventare nessuno. Se tutto questo ti interessa, ci sono due cose che puoi fare.

La prima è preordinare il libro su post-umani.it: in questa fase conta più di quanto immagini.
La seconda è girare questa lettera a una persona con cui ti piacerebbe parlarne, perché le rivoluzioni si attraversano meglio in compagnia.

Ci leggiamo la settimana prossima.

Si parte dal principio: l’acqua, il ghiaccio e il cambio di stato.

Davide

P.S. Preordina Post-umani. In libreria dal 19 giugno (Chiarelettere).

Iscriviti per ricevere una rivoluzione a settimana.