In vista delle elezioni di Midterm che si terranno martedì 3 novembre 2026, nel dibattito politico americano sull’intelligenza artificiale sta accadendo qualcosa di interessante.

Si parla moltissimo di IA, ma sempre meno della sua governance, cioè dell’insieme di regole, controlli, responsabilità e limiti che dovrebbero disciplinare lo sviluppo e l’utilizzo di questi sistemi. Temi come la trasparenza degli algoritmi, la tutela dei lavoratori, la disinformazione o la concentrazione di potere delle Big Tech sembrano oggi ricevere meno attenzione rispetto ai temi energetici e infrastrutturali.

I temi, soprattutto tra i democratici più moderati, si focalizzano sempre di più sul fabbisogno energetico necessario ad alimentare lo sviluppo dell’intelligenza artificiale, sull’espansione dei data center, sui costi delle infrastrutture elettriche e sull’impatto economico che questa nuova corsa tecnologica potrebbe avere sui cittadini americani. Il centro della discussione, oggi, è l’energia.

Quanto consumeranno i data center necessari ad alimentare la nuova economia dell’intelligenza artificiale? Chi sosterrà il costo dell’infrastruttura energetica? E soprattutto: saranno i cittadini americani a pagare il prezzo della corsa tecnologica tra Stati Uniti e Cina?

È una trasformazione significativa del dibattito pubblico perché segnala un cambio di priorità politico e culturale. L’intelligenza artificiale non viene più percepita soltanto come una tecnologia da regolamentare o contenere, ma come un’infrastruttura strategica da sostenere economicamente, quasi al pari delle reti energetiche, delle telecomunicazioni o dell’industria militare. In altre parole, negli Stati Uniti il tema non è più soltanto “quali rischi comporta l’IA?”, ma “come possiamo vincere la competizione globale senza rallentare l’innovazione?”.

Questo spostamento del dibattito rivela anche un altro elemento: la crescente convinzione che la leadership nell’intelligenza artificiale determinerà gli equilibri economici e geopolitici dei prossimi decenni. Per questo motivo, il confronto politico americano tende sempre più a privilegiare competitività, investimenti e sicurezza nazionale rispetto ai temi della regolazione preventiva.

Perché mentre l’Europa continua a osservare l’intelligenza artificiale soprattutto come un problema normativo ed etico, e la Cina la considera una componente strategica della propria architettura di potere, gli Stati Uniti sembrano interpretarla principalmente attraverso la lente della competitività economica, dell’innovazione e della leadership geopolitica.

In realtà, dietro questa differenza di approccio si nasconde una diversa idea di equilibrio tra Stato e mercato.

La governance dell’intelligenza artificiale, quindi, riguarda il modo in cui ogni sistema politico immagina il rapporto tra Stato, mercato, cittadini e potere. Ed è proprio per questo che le strategie adottate da Stati Uniti, Unione Europea e Cina finiscono per raccontare tre diverse idee di società.

Stati Uniti: L’IA come competizione strategica

Negli Stati Uniti il tema dell’intelligenza artificiale si intreccia inevitabilmente con il ruolo assunto negli ultimi anni dalle grandi aziende tecnologiche che oggi dominano lo sviluppo dei sistemi più avanzati di IA. Realtà come OpenAI, Google, Microsoft, Anthropic e Meta non rappresentano più soltanto grandi imprese private operanti nel settore tecnologico, ma costituiscono ormai centri di influenza economica, politica e culturale capaci di incidere direttamente sul dibattito pubblico, sugli equilibri industriali e persino sulle strategie geopolitiche del Paese. In questo contesto, affrontare seriamente il tema della regolazione dell’intelligenza artificiale significherebbe inevitabilmente entrare in contatto con gli interessi di uno dei comparti più forti e strategici dell’economia americana.

Anche per questo motivo, una parte significativa della leadership democratica sembra preferire un approccio più prudente e politicamente meno conflittuale, concentrando l’attenzione su temi percepiti come più immediatamente comprensibili dall’opinione pubblica, come il consumo energetico dei data center, il costo delle infrastrutture elettriche e l’impatto economico della crescita dell’intelligenza artificiale sui cittadini americani. Parlare di bollette, reti energetiche e investimenti infrastrutturali consente infatti di intercettare le preoccupazioni della classe media e del mondo produttivo senza aprire uno scontro diretto con la Silicon Valley e con il potere economico delle Big Tech. Si tratta di una linea politica che tenta di tenere insieme due esigenze differenti: da un lato la necessità di proteggere cittadini, lavoratori e consumatori dagli effetti più critici dell’innovazione tecnologica; dall’altro la volontà di non rallentare lo sviluppo di un settore considerato strategico per la competitività economica e tecnologica degli Stati Uniti.

Tuttavia, questa impostazione sta mostrando già alcune contraddizioni. Negli Stati Uniti cresce infatti una diffusa inquietudine nei confronti del potere accumulato dalle grandi piattaforme digitali e delle possibili conseguenze sociali dell’automazione legata all’intelligenza artificiale. Le preoccupazioni non riguardano più soltanto la tutela della privacy o la diffusione di contenuti manipolati attraverso deepfake e sistemi generativi, ma investono questioni molto più ampie, come la trasformazione del mercato del lavoro, il ruolo dell’informazione, la sostenibilità della produzione culturale e, più in generale, l’equilibrio democratico tra potere pubblico e potere privato. Non è un caso che alcuni settori progressisti abbiano iniziato a chiedere forme di regolazione molto più severe, arrivando persino a proporre moratorie temporanee sulla costruzione di nuovi data center fino all’introduzione di garanzie più solide sul piano occupazionale, ambientale e della sicurezza tecnologica.

Nonostante questo crescente dibattito, il sistema politico americano continua però a muoversi con estrema cautela. Una delle ragioni principali è che l’intelligenza artificiale viene ormai considerata anche una questione strategica di politica internazionale. A Washington è sempre più diffusa la convinzione che un eccesso di regolazione possa rallentare l’innovazione americana e favorire indirettamente la Cina nella competizione tecnologica globale. Soprattutto dopo la diffusione dell’IA generativa, la priorità strategica degli Stati Uniti sembra essere diventata quella di mantenere il vantaggio accumulato nella capacità computazionale, nei semiconduttori avanzati, nei modelli linguistici e nelle infrastrutture necessarie allo sviluppo dell’intelligenza artificiale.

Secondo un’analisi della Brookings Institution, la competizione tra Stati Uniti e Cina non riguarda infatti soltanto i software o i modelli di IA, ma coinvolge elementi molto più ampi, come la disponibilità di energia, il controllo delle filiere dei semiconduttori, la potenza di calcolo, gli investimenti industriali e la capacità di integrare rapidamente l’intelligenza artificiale nei sistemi economici e produttivi.

Questa crescente attenzione verso la competizione con la Cina sta modificando progressivamente anche il tradizionale approccio americano al mercato tecnologico. Gli Stati Uniti restano fortemente legati a un modello fondato sull’iniziativa privata e sull’innovazione guidata dalle imprese, ma negli ultimi anni Washington ha introdotto controlli sempre più rigidi sull’esportazione di semiconduttori avanzati, restrizioni sulle tecnologie considerate strategiche e nuove forme di intervento pubblico nel settore digitale e industriale. In altre parole, anche gli Stati Uniti stanno progressivamente recuperando strumenti tipici della politica industriale e della sovranità tecnologica, nella convinzione che il controllo delle infrastrutture digitali e computazionali rappresenti ormai un elemento centrale degli equilibri economici e geopolitici contemporanei.

Europa: L’IA come questione di diritti, regole e controllo democratico

L’Europa si muove in una direzione profondamente diversa rispetto a quella americana. Se negli Stati Uniti il dibattito sull’intelligenza artificiale tende a essere interpretato soprattutto attraverso le categorie della competitività economica, della leadership tecnologica e della sicurezza strategica, l’Unione Europea ha affrontato il tema partendo principalmente dalla tutela dei diritti fondamentali e dalla gestione preventiva dei rischi legati all’utilizzo di questi sistemi.

Il principale esempio di questo approccio è rappresentato dall’AI Act, il regolamento europeo sull’intelligenza artificiale approvato dopo anni di negoziati tra istituzioni comunitarie, governi nazionali, imprese e autorità di controllo. Si tratta del tentativo più articolato finora realizzato a livello internazionale per costruire una cornice normativa organica dedicata all’IA. Il principio su cui si basa il regolamento europeo è relativamente semplice: non tutte le applicazioni dell’intelligenza artificiale presentano lo stesso livello di rischio per cittadini e società e, proprio per questo motivo, devono essere sottoposte a obblighi differenti in base alla loro potenziale pericolosità.

L’approccio europeo riflette una cultura politica e giuridica molto precisa, consolidatasi negli ultimi decenni attorno all’idea che il mercato digitale non possa essere lasciato completamente privo di regole. L’Unione Europea tende infatti a considerare la regolazione come uno strumento necessario per prevenire effetti sociali, economici o democratici potenzialmente irreversibili.

È accaduto con la privacy attraverso il GDPR, con le piattaforme digitali tramite il Digital Services Act e il Digital Markets Act, con la concorrenza e ora anche con l’intelligenza artificiale. Non sorprende quindi che il lessico europeo ruoti costantemente attorno a concetti come trasparenza, accountability, supervisione umana, protezione dei dati personali e tutela dei cittadini.

Dietro questa impostazione vi è anche una certa diffidenza nei confronti della concentrazione del potere tecnologico privato. A differenza degli Stati Uniti e della Cina, infatti, l’Europa non dispone di grandi piattaforme digitali comparabili per dimensioni, capacità computazionale o influenza geopolitica. Proprio per questo motivo, l’Unione Europea ha progressivamente costruito la propria influenza internazionale soprattutto attraverso la regolazione. È ciò che numerosi osservatori definiscono “Brussels effect”, vale a dire la capacità dell’UE di trasformare i propri standard normativi in riferimenti globali, inducendo aziende e piattaforme internazionali ad adeguarsi alle regole europee per poter operare all’interno del mercato comunitario. In questa prospettiva, l’AI Act non rappresenta soltanto un insieme di norme tecniche, ma anche uno strumento di influenza geopolitica e di affermazione della sovranità normativa europea.

Alcuni studi recenti, come quelli pubblicati dalla University of Turku, parlano ormai apertamente di tre distinti modelli di governance dell’intelligenza artificiale,europeo, americano e cinese, ciascuno collegato a una diversa concezione del rapporto tra Stato, mercato, tecnologia e cittadini.

L’Europa continua infatti a rappresentare il modello più esplicitamente orientato alla tutela dei diritti. La logica dell’AI Act è prevalentemente preventiva: identificare i livelli di rischio, imporre obblighi di trasparenza, limitare gli utilizzi considerati più invasivi e garantire una supervisione umana sulle decisioni automatizzate. In questa visione, l’intelligenza artificiale non può essere lasciata esclusivamente alle dinamiche del mercato, poiché il rischio è che tecnologie sempre più pervasive finiscano per ridefinire diritti, accesso alle informazioni, relazioni sociali e organizzazione del lavoro senza un adeguato controllo democratico.

Non è quindi casuale che il dibattito europeo ruoti continuamente attorno a concetti come explainability, trasparenza algoritmica, accountability e protezione dei dati personali. L’Unione Europea sta cercando di costruire un modello di innovazione compatibile con il proprio impianto democratico e sociale, tentando di estendere anche al settore dell’intelligenza artificiale quella capacità regolatoria che negli ultimi anni ha già inciso profondamente sugli standard globali relativi alla privacy, alla concorrenza e al funzionamento delle piattaforme digitali.

Tuttavia, proprio all’interno di questo modello emergono anche alcune fragilità strutturali. Numerosi osservatori sostengono infatti che un eccesso di regolazione possa rallentare la capacità europea di innovare e ampliare ulteriormente il divario tecnologico rispetto a Stati Uniti e Cina. La stessa applicazione dell’AI Act sta mostrando quanto sia complesso regolamentare una tecnologia che evolve con una velocità spesso superiore a quella delle istituzioni chiamate a disciplinarla. Non è un caso che negli ultimi mesi Bruxelles abbia già iniziato a discutere possibili modifiche, rinvii e semplificazioni di alcune disposizioni, in particolare per quanto riguarda i sistemi ad alto rischio e i modelli general purpose.

Ed è proprio qui che emerge uno dei principali paradossi dell’Europa digitale contemporanea. L’Unione Europea potrebbe diventare la più importante potenza normativa mondiale nel campo dell’intelligenza artificiale senza però possedere aziende, infrastrutture computazionali o capacità industriali comparabili a quelle statunitensi o cinesi. In altre parole, il rischio è che l’Europa finisca per scrivere le regole di tecnologie sviluppate prevalentemente altrove. Ed è proprio questa tensione, tra sovranità regolatoria e debolezza industriale, a rappresentare oggi uno dei grandi dilemmi strategici del progetto digitale europeo.

Cina: L’IA come strumento di sovranità, controllo e stabilità politica

La Cina rappresenta probabilmente il modello più distante da quello europeo.

Se l’Unione Europea tende infatti a interpretare l’intelligenza artificiale soprattutto come una questione legata ai diritti, alla trasparenza e alla regolazione preventiva del mercato digitale, Pechino considera invece l’IA parte integrante della propria strategia nazionale di sviluppo economico, sicurezza interna e stabilità politica.

Nel sistema cinese, la governance dell’intelligenza artificiale non riguarda soltanto la tutela dei cittadini o la regolazione delle imprese tecnologiche, ma coinvolge direttamente il rafforzamento della sovranità tecnologica dello Stato e la capacità dello Stato cinese di orientare e governare l’evoluzione economica e sociale del Paese. L’intelligenza artificiale viene quindi interpretata contemporaneamente come infrastruttura industriale, leva geopolitica, strumento di modernizzazione economica e fattore potenzialmente decisivo per la sicurezza nazionale.

Negli ultimi anni la Cina ha costruito un sistema normativo molto più articolato e sofisticato di quanto spesso venga raccontato nel dibattito occidentale. Le autorità cinesi hanno introdotto regolamentazioni dedicate ai sistemi di raccomandazione algoritmica, alla cosiddetta deep synthesis, ai servizi di IA generativa e persino agli avatar virtuali e agli AI companions. Sono stati inoltre introdotti obblighi di registrazione dei modelli, sistemi di etichettatura dei contenuti sintetici e procedure di revisione etica per le applicazioni considerate più sensibili dal punto di vista politico o sociale.

Ridurre tutto questo esclusivamente al tema della censura rischierebbe tuttavia di rappresentare una lettura parziale del fenomeno. Per la leadership cinese, infatti, l’intelligenza artificiale rappresenta contemporaneamente un’opportunità economica, una leva strategica internazionale e un possibile fattore di instabilità sociale. Governare l’IA significa quindi governare la trasformazione stessa della società cinese: dal mercato del lavoro alla sicurezza nazionale, dalla gestione dell’informazione fino ai meccanismi di formazione del consenso pubblico.

Anche il rapporto tra Stato e industria tecnologica segue logiche profondamente differenti rispetto a quelle occidentali. Se negli Stati Uniti le grandi piattaforme digitali tendono spesso a negoziare con il potere politico da una posizione di forza economica e strategica quasi paritaria, in Cina le grandi aziende tecnologiche operano invece all’interno di un quadro molto più subordinato agli obiettivi del Partito-Stato. Questo non significa necessariamente che il modello cinese sia più stabile o più efficiente, ma evidenzia come l’innovazione venga considerata parte integrante della pianificazione nazionale e non una sfera completamente autonoma rispetto al potere politico.

Negli ultimi anni, inoltre, anche la crescente competizione tecnologica con gli Stati Uniti ha rafforzato ulteriormente questa impostazione. Pechino considera infatti il controllo delle infrastrutture digitali, dei semiconduttori avanzati, della capacità computazionale e delle piattaforme di intelligenza artificiale come elementi centrali della propria sicurezza strategica e della propria autonomia geopolitica. Proprio per questo motivo, la Cina continua a investire massicciamente nello sviluppo di infrastrutture computazionali, data center, ricerca scientifica e filiere industriali legate all’intelligenza artificiale, nella convinzione che il controllo delle tecnologie avanzate rappresenti una componente decisiva degli equilibri economici e politici del ventunesimo secolo.

Una nuova sovranità tecnologica

In questo contesto, i tre modelli stanno lentamente iniziando anche a contaminarsi tra loro. Gli Stati Uniti, storicamente legati a una visione fortemente market-driven dell’innovazione, stanno progressivamente introducendo strumenti di controllo strategico e politiche industriali sempre più esplicite. L’Europa, dal canto suo, sta cercando di rafforzare le proprie capacità produttive e computazionali per evitare di restare esclusivamente una “potenza regolatoria” priva di una reale autonomia industriale. La Cina, pur mantenendo un sistema fortemente centralizzato, continua invece ad avere bisogno dei mercati globali, delle supply chain internazionali e delle reti scientifiche transnazionali.

Ed è proprio qui che emerge una delle contraddizioni più profonde della governance dell’intelligenza artificiale contemporanea. L’IA è infatti una tecnologia globale, mentre la politica continua a ragionare prevalentemente in termini nazionali e geopolitici. I modelli vengono addestrati su dati che attraversano continuamente i confini, i data center dipendono da infrastrutture energetiche distribuite a livello internazionale, i semiconduttori vengono prodotti attraverso filiere che coinvolgono Asia, Stati Uniti ed Europa e le piattaforme operano simultaneamente in decine di Paesi. Eppure le regole restano frammentate, spesso incompatibili tra loro e sempre più influenzate dalla competizione strategica tra grandi potenze.

È anche per questo motivo che il dibattito sulla governance dell’intelligenza artificiale si sta progressivamente trasformando in una discussione più ampia sulla sovranità tecnologica. Chi controllerà i semiconduttori avanzati, la capacità computazionale, i modelli linguistici, i dati e gli standard internazionali controllerà probabilmente una parte decisiva dell’economia e della politica del XXI secolo. L’intelligenza artificiale non viene più considerata soltanto un settore tecnologico, ma una vera e propria infrastruttura di potere economico, industriale e geopolitico.

Negli ultimi mesi, anche numerosi istituti di ricerca americani e organismi internazionali hanno iniziato a discutere apertamente il tema della cosiddetta “AI sovereignty”, cioè la capacità di Stati e blocchi regionali di controllare infrastrutture digitali, supply chain tecnologiche, modelli di IA e dipendenze computazionali come elementi centrali della propria autonomia strategica.

In questo scenario, anche il conflitto politico americano assume un significato più ampio. Il fatto che una parte della leadership democratica tenda oggi a concentrarsi maggiormente sui costi energetici e infrastrutturali dimostra quanto l’intelligenza artificiale sia già diventata un tema politicamente estremamente delicato. Regolare realmente queste tecnologie significherebbe infatti ridefinire il rapporto tra mercato, Stato e democrazia in una fase storica in cui le piattaforme digitali dispongono di risorse economiche e capacità di influenza senza precedenti.

Forse è proprio questa la contraddizione centrale dell’epoca dell’intelligenza artificiale. Tutti sostengono che l’IA cambierà profondamente economia, lavoro, informazione e società, ma quasi nessun sistema politico sembra ancora disposto ad affrontare fino in fondo le implicazioni di questa trasformazione. Eppure la questione non riguarda soltanto l’innovazione tecnologica. Riguarda il modello di società che si sta costruendo, il rapporto tra libertà e controllo, tra sicurezza e diritti, tra potere pubblico e potere privato. Perché governare l’intelligenza artificiale significa ormai, sempre più chiaramente, governare la società stessa.

Si è parlato molto, alle nostre latitudini, dell’esperimento del quotidiano Il Foglio che, nel marzo 2025, uscì con una edizione, anche cartacea, interamente realizzata con l’intelligenza artificiale, Il Foglio AI. L’esperimento non si presentava come una semplice serie di articoli assistiti dall’intelligenza artificiale, ma come un prodotto editoriale autonomo, riconoscibile e dichiaratamente artificiale. Inizialmente pensato per il periodo marzo-aprile 2025, è poi confluito in una sezione continuativa del sito del quotidiano, tuttora attiva.

La peculiarità del progetto stava proprio nella radicalità del modello adottato. Nell’annuncio del lancio, infatti, Il Foglio spiegava che l’intelligenza artificiale sarebbe stata impiegata in tutte le fasi della produzione: dalla scrittura degli articoli ai titoli, dai catenacci ai sommari, fino alle citazioni e, in alcuni casi, persino all’ironia. Di conseguenza, anche il ruolo dei giornalisti veniva ridefinito: non più autori diretti dei testi, ma responsabili della formulazione delle domande, cioè dei prompt, dell’orientamento editoriale, della supervisione e della verifica finale dei contenuti.

Poco dopo, a giugno 2025 entrava in vigore in Italia il nuovo “Codice deontologico delle giornaliste e dei giornalisti” promulgato dall’Ordine che, nell’articolo 19, espressamente dedicato all’intelligenza artificiale, impone al giornalista di rendere esplicito l’impiego dell’AI quando questa contribuisce alla produzione o alla modifica di testi, immagini e contenuti sonori.

A questo quadro si aggiunge la normativa italiana sull’intelligenza artificiale, contenuta nella legge n. 132, entrata in vigore il 10 ottobre 2025. Essa promuove un uso dell’intelligenza artificiale “corretto, trasparente e responsabile”, secondo una prospettiva antropocentrica, cioè centrata sul ruolo e sui diritti della persona.

È significativo, inoltre, che la legge italiana si collochi espressamente nel quadro dell’AI Act, cioè del Regolamento UE 2024/1689. Non introduce infatti obblighi ulteriori per i sistemi e i modelli di intelligenza artificiale per finalità generali, ma stabilisce che le proprie disposizioni debbano essere interpretate e applicate in conformità alla normativa europea che non vieta l’uso dell’intelligenza artificiale nella scrittura o nell’assistenza alla scrittura di articoli giornalistici, ma introduce obblighi di trasparenza in casi specifici. In particolare, l’articolo 50, le cui regole si applicheranno dal 2 agosto 2026, prevede l’obbligo di disclosure (dichiarazione di trasparenza) per i contenuti generati o manipolati dall’AI e pubblicati con lo scopo di informare il pubblico su questioni di interesse pubblico.

L’obbligo di disclosure non si applica quando il contenuto è stato sottoposto a un processo di revisione umana o controllo editoriale e quando una persona fisica o giuridica assume la responsabilità editoriale della pubblicazione.

Alla luce di questo complesso quadro normativo, è naturale chiedersi quale impatto concreto stia già avendo l’intelligenza artificiale sul giornalismo italiano. Oggi un giornalista dispone di strumenti capaci di semplificare una parte rilevante del lavoro redazionale, soprattutto nelle attività preliminari e di supporto.

L’AI può essere utilizzata, per esempio, per la correzione grammaticale, per tradurre testi, trascrivere interviste, raccogliere e ordinare fonti, sintetizzare documenti complessi o individuare rapidamente le informazioni più rilevanti. In questo senso, non sostituisce necessariamente il lavoro giornalistico, ma può accelerare la fase di raccolta e organizzazione del materiale grezzo, lasciando al giornalista il compito decisivo di verificare le fonti, selezionare, contestualizzare e trasformare quelle informazioni in un contenuto affidabile.

È importante sottolineare che la presenza di una disclosure ad esempio “contenuto realizzato o editato con il supporto dell’intelligenza artificiale” non alleggerisce la responsabilità del giornalista. Al contrario, la rende ancora più evidente: proprio perché il lettore viene informato dell’intervento dell’AI, il professionista è chiamato a esercitare un controllo ancora più rigoroso su fonti, dati, passaggi logici, eventuali errori e possibili distorsioni del contenuto.

Inoltre, essa può produrre effetti di percezione sui lettori, condizionando il modo in cui questi ultimi giudicano il testo. Non significa che la disclosure sia sbagliata sebbene, sul piano deontologico, in Italia, resta necessaria. D’altra parte, studi e ricerche specifiche sui sistemi di etichettatura nel giornalismo mostrano che quest’ultima non è neutra.

Il dilemma della trasparenza

La letteratura sul tema parla spesso di “transparency dilemma”.  Uno studio pubblicato su The International Journal of Press/Politics da Benjamin Toff e Felix Simon ha rilevato che le notizie etichettate come AI-generated venivano percepite in media come meno affidabili, anche quando i lettori non le giudicavano meno accurate o meno imparziali. In altre parole, il problema non era necessariamente il testo in sé, ma l’informazione che quel testo fosse stato prodotto con AI.

Questo effetto può essere letto come una forma di “algorithm aversion”, cioè una tendenza a diffidare dei contenuti o delle decisioni attribuite a sistemi algoritmici. Uno studio presentato ad AIES, (conferenza accademica internazionale dedicata al rapporto tra intelligenza artificiale, etica e società) “The Transparency Dilemma”, ha rilevato che una notizia etichettata come generata dall’AI veniva percepita come meno credibile rispetto a una notizia attribuita a un giornalista umano. L’effetto riguardava la credibilità della fonte e non dipendeva in modo decisivo dal tema trattato. Lo stesso studio nota però che l’etichetta non produceva automaticamente una sensazione di manipolazione: il lettore non pensava necessariamente “mi stanno ingannando”, ma tendeva comunque a fidarsi meno.

La disclosure, dunque, da un lato risponde a un’esigenza di trasparenza che consente al lettore di sapere se e come l’intelligenza artificiale sia intervenuta nel processo produttivo; dall’altro, può orientare la percezione del contenuto prima ancora della sua lettura. Essa, infatti, rischia di attivare una diffidenza preventiva inducendo il lettore a considerare il testo meno affidabile, meno originale o meno giornalistico, anche quando l’AI sia stata usata solo come strumento di supporto e il contenuto sia stato verificato da un professionista.

Il caso di Nick Lichtenberg

In un articolo del 26 marzo scorso, il The Wall Street Journal racconta la storia di Nick Lichtenberg, giornalista di Fortune, rivista statunitense che tratta di economia globale, che avrebbe prodotto oltre 600 articoli con il supporto di strumenti di AI e, nell’arco di sei mesi, avrebbe pubblicato più contenuti di qualunque collega di Fortune in un intero anno.

Questi articoli confluiscono in Fortune Intelligence, una sezione dedicata che, pur richiamando per certi aspetti il caso italiano de Il Foglio AI, presenta un modello diverso: non un prodotto editoriale dichiaratamente scritto dalla macchina, ma una forma strutturata di giornalismo assistito dall’intelligenza artificiale.

Fortune chiarisce che, in questa sezione, l’AI generativa viene impiegata per contribuire alla redazione di una prima bozza, con l’obiettivo di pubblicare più rapidamente notizie economiche e finanziarie di attualità. Prima della pubblicazione i testi vengono rivisti da senior business editors, incaricati di verificarne accuratezza e qualità. La trasparenza verso il lettore passa soprattutto attraverso la firma degli articoli da parte del giornalista ed etichettati “Fortune Intelligence”. Il modello proposto da Fortune è quindi quello dell’AI-assisted journalism, non quello di un giornale scritto interamente dalla macchina.

In una intervista condotta dal Reuters Institute dell’Università di Oxford, Lichtenberg ha chiarito ulteriormente che l’AI viene utilizzata per raccogliere rapidamente materiale grezzo, citazioni, dati e documenti da controllare, mentre il giudizio finale resta umano. Lo stesso Lichtenberg ha spiegato di essere “l’ultimo paio di occhi” su ogni parola pubblicata, rivendicando così un ruolo di supervisione editoriale diretta sul contenuto finale.

Secondo Lichtenberg i lettori cercano qualcosa che l’AI non può generare da sola ovvero una prospettiva nuova, orientata al futuro, e soprattutto una voce umana. In questa prospettiva, l’intelligenza artificiale non dovrebbe sostituire il lavoro giornalistico più qualificato, ma liberare tempo dalle attività di aggregazione e sintesi, spingendo i giornalisti a tornare sul campo, a cercare fonti, a produrre informazioni originali e a fare più inchiesta.

Lichtenberg nell’intervista affronta anche il tema della reazione del pubblico, riconoscendo che l’uso dell’AI nel giornalismo suscita risposte molto diverse. Alcuni lettori reagiscono con curiosità o apprezzamento, altri con diffidenza e persino ostilità, arrivando a contestare l’identità stessa del giornalista e a trattarlo come se fosse un “robot”. Secondo Lichtenberg, questa reazione dipende anche dal modo in cui la tecnologia viene percepita: la parola “intelligenza artificiale” porta con sé un immaginario carico di paure e resistenze, mentre la stessa tecnologia, se descritta più banalmente come uno strumento informatico per elaborare grandi quantità di informazioni, potrebbe essere accolta in modo diverso.

L’AI, dunque, deve essere considerata come uno strumento capace di aumentare la velocità della produzione editoriale, ma che non elimina il bisogno di giornalismo. A nostro avviso, l’obbligo di etichettare ogni contenuto realizzato con il supporto di strumenti algoritmici rischia di diventare un adempimento formale, quando il vero cardine della governance editoriale è la responsabilità: quando un giornalista scrive un articolo, la veridicità del contenuto, la forma, la linea editoriale sono nella sua firma, indipendentemente dagli strumenti utilizzati nel processo di produzione.

Fondata per sviluppare modelli di intelligenza artificiale avanzati, Anthropic è oggi uno dei principali rivali di OpenAI nel mercato dei chatbot e degli strumenti AI per utenti e sviluppatori.

Tra marzo e metà aprile 2026 Anthropic si è trovata a fronteggiare un’ondata crescente di proteste da parte degli utenti, convinti che le prestazioni di Claude, la famiglia di modelli di intelligenza artificiale su cui l’azienda ha costruito la propria offerta, fossero peggiorate.

Il malcontento si è diffuso rapidamente su GitHub, X e Reddit, dove diversi post hanno iniziato a circolare con grande risonanza.

Secondo gli utenti, Claude sarebbe diventato meno affidabile nel seguire istruzioni complesse, meno coerente nel ragionamento, più incline a interrompere i compiti prima di completarli e più esposto ad allucinazioni, errori e contraddizioni. Nello specifico, al centro delle critiche ci sono due prodotti diversi ma strettamente legati all’ecosistema di Anthropic.

Da un lato c’è Claude Code, lo strumento di programmazione AI lanciato il 24 febbraio 2025, particolarmente avanzato perché non si limita a suggerire codice, ma può agire come un vero agente autonomo, leggendo file, scrivendo codice ed eseguendolo direttamente nell’ambiente di sviluppo.

Dall’altro c’è Claude Opus 4.6, il modello di punta presentato il 5 febbraio 2026 per il ragionamento complesso, il coding agentico e i compiti articolati di lunga durata.

I problemi riscontrati

Tra le segnalazioni più dettagliate e discusse c’è quella pubblicata su GitHub il 2 aprile 2026 da Stella Laurenzo, Senior Director nel gruppo AI di AMD, una delle principali aziende al mondo nel settore di CPU e GPU. Il suo post ha avuto un impatto particolare perché non si limitava a una lamentela personale, ma si presentava come un’analisi estesa del comportamento di Claude Code, basata su 6.852 file di sessione, 17.871 blocchi di pensiero e 234.760 chiamate agli strumenti.

Secondo Laurenzo, tra la fine di febbraio e l’inizio di marzo si sarebbe verificato un cambiamento sostanziale nel modo in cui Claude Code affronta i problemi complessi. In precedenza, il modello avrebbe seguito un approccio “search-first”, cioè orientato prima alla ricerca del contesto: esplorava più file, raccoglieva informazioni e costruiva una comprensione più ampia del problema prima di intervenire. Questo tipo di comportamento è generalmente considerato più solido nei flussi di lavoro di ingegneria avanzata, perché riduce il rischio di errori dovuti a una visione troppo limitata del contesto.

Nella fase successiva, invece, secondo la sua analisi, Claude Code avrebbe iniziato a comportarsi in modo più “edit-first”, intervenendo più rapidamente sui file senza aver prima raccolto abbastanza informazioni. Laurenzo interpreta questo cambiamento come un possibile segnale di minore profondità di ragionamento: il modello leggerebbe meno prima di agire, tenderebbe più spesso a scegliere la soluzione più semplice, richiederebbe maggiore supervisione umana, si fermerebbe prematuramente più spesso e mostrerebbe in certi casi comportamenti evasivi, come richieste di permesso non necessarie o esitazioni operative.

Il punto centrale della sua critica è che, nei compiti di ingegneria più complessi, il ragionamento esteso non rappresenta un semplice miglioramento accessorio, ma una condizione essenziale per rendere il modello davvero utile. Per questo, secondo Laurenzo, Claude Code sarebbe regredito al punto da non essere più affidabile, se non addirittura “inutilizzabile”, per alcuni lavori di ingegneria avanzata.

Anche Dimitris Papailiopoulos, responsabile della ricerca presso Microsoft, ha riportato esperienze dirette molto negative tramite un post su X. In particolare, segnala che anche impostando il livello di “sforzo” al massimo, il modello continua a comportarsi in modo approssimativo: ignora istruzioni, ripete errori e produce risultati frustranti.

La risposta di Anthropic

In un post di follow-up sulla stessa questione di GitHub, Boris Cherny, responsabile di Claude Code, ha ringraziato Laurenzo per la cura e la profondità dell’analisi, ma ne ha contestato la conclusione principale.

Il responsabile, infatti, ha sottolineato che quanto riportato dalla Laurenzo è una modifica riguardante solo l’interfaccia utente, che nasconde il processo di pensiero del modello riducendo la latenza, ma “non influisce sul processo di pensiero in sé”, sui “budget di pensiero” o sul funzionamento interno del ragionamento esteso. La percezione di un cambiamento nelle prestazioni potrebbe essere stata influenzata anche da altre due modifiche introdotte da Anthropic su Opus 4.6.

La prima risale al 9 febbraio, quando il modello è passato al cosiddetto “pensiero adattivo” come impostazione predefinita. In questa modalità Claude decide automaticamente quanto ragionare prima di rispondere, modulando la profondità del processo in base alla difficoltà del compito, con l’obiettivo di trovare un equilibrio tra qualità, velocità e costo. Nella documentazione ufficiale, Anthropic indica proprio il pensiero adattivo come configurazione consigliata per Opus 4.6, mentre il vecchio sistema manuale basato su un budget fisso di token di ragionamento viene considerato superato e destinato a essere eliminato.

La seconda modifica è stata introdotta il 3 marzo, quando Anthropic ha impostato per Opus 4.6 uno livello di “sforzo medio” come configurazione predefinita. In pratica, il modello tende così a usare i token in modo più parsimonioso, con il rischio però di penalizzare le risposte più complesse.

In un post pubblicato su X il 6 marzo, Cherny ha dichiarato che questa scelta era stata adottata per contenere l’eccessivo consumo di token, e quindi anche i maggiori costi di elaborazione ed energia che ne derivano. Secondo l’azienda, questo intervento rappresentava il miglior compromesso tra intelligenza del modello, latenza e costo per la maggior parte degli utenti.

Ha poi chiarito che la modifica era stata segnalata nel registro degli aggiornamenti e che, al momento dell’aggiornamento, all’apertura di Claude Code compariva una finestra di dialogo che consentiva agli utenti di disattivarla. Per questo, a suo dire, non si è trattato di un intervento nascosto, ma di una scelta comunicata apertamente dall’azienda.

Cherny ha aggiunto che l’azienda intende sperimentare in futuro un’impostazione predefinita con un livello di “sforzo più elevato” per aziende con abbonamenti Teams ed Enterprise. L’obiettivo è permettere risposte più approfondite, anche accettando un maggiore consumo di token e tempi di risposta più lunghi, a fronte di entrate che possano coprire i costi dell’elaborazione.

Ipotesi e contraddizioni

Da qui nasce la domanda centrale della controversia: se davvero Claude è cambiato, quali potrebbero essere le ragioni di questo presunto depotenziamento? Tra le ipotesi più discusse emergono soprattutto la carenza di capacità di calcolo e il forte aumento dell’utilizzo di Claude, che negli ultimi mesi ha messo sempre più sotto pressione l’infrastruttura di Anthropic.

In tutto il settore, le aziende di intelligenza artificiale si trovano ad affrontare i costi crescenti delle unità di elaborazione grafica (GPU), ovvero processori specializzati fondamentali per eseguire i complessi calcoli su cui si basano i modelli AI, oltre a limitazioni nell’espansione dei data center, poiché la domanda di sistemi di intelligenza artificiale “agente” cresce più rapidamente di quanto l’infrastruttura possa sostenerla.

Sebbene Thariq Shihipar, membro del team tecnico di Claude Code, abbia dichiarato pubblicamente  che l’azienda non degrada i propri modelli per gestire meglio la domanda, diversi segnali indicano che il gruppo stia comunque facendo i conti con vincoli di capacità più marcati rispetto ad alcuni concorrenti.

Negli ultimi mesi, infatti, l’aumento dell’utilizzo di Claude ha messo sotto pressione l’infrastruttura di Anthropic, contribuendo a causare interruzioni di servizio e spingendo l’azienda a rendere più restrittivi i limiti d’uso di Claude nelle ore di punta, una scelta che ha alimentato ulteriori proteste tra gli utenti.

In un altro post su X, Thariq Shihipar ha spiegato che, per gestire la crescente domanda, l’azienda ha reso più restrittivi i limiti di utilizzo su cinque ore per gli abbonati Free, Pro e Max, lasciando però invariati i limiti settimanali complessivi. In pratica, nelle fasce orarie di maggiore affluenza (tra le 15:00 e le 21:00 italiane) gli utenti possono consumare più rapidamente la quota di utilizzo disponibile per una sessione, cioè il margine massimo di richieste che il sistema consente in quella finestra temporale. In altri momenti della giornata, invece, la stessa sessione di cinque ore permette di fare più lavoro prima di raggiungere il limite.

Anthropic continua a parlare di sessioni da cinque ore, ma non spiega con precisione quante richieste o quanta capacità di utilizzo ci siano davvero dentro quella finestra. Per questo, anche se il limite sulla carta non cambia, nella pratica può esaurirsi più rapidamente nelle ore di punta e durare di più negli altri momenti della giornata.

Per cercare di ridurre la pressione nelle ore più affollate, a marzo Anthropic ha lanciato una promozione temporanea per gli utenti Free, Pro, Max e Team, escludendo i piani Enterprise. In pratica, fuori dalle ore di punta i limiti di utilizzo venivano raddoppiati, così da spingere più persone a usare Claude nei momenti di minore traffico.

Questa storia complicata e forse non correttamente gestita produce almeno due effetti distinti ma strettamente intrecciati. Il primo è un peggioramento percepito del prodotto da parte di molti utenti; il secondo, forse ancora più rilevante nel lungo periodo, è una progressiva erosione della fiducia. A essere contestata, infatti, non è soltanto la qualità di Claude, ma anche la trasparenza con cui l’azienda comunica cambiamenti, limiti di utilizzo, ottimizzazioni interne e scelte legate alla capacità computazionale.

Il 6 Aprile 2026, il The New Yorker, una delle riviste più influenti e prestigiose al mondo, ha pubblicato sul suo sito, un’inchiesta dal titolo “Sam Altman May Control Our Future. Can He Be Trusted?”  che apre nuovi interrogativi sul cofondatore e CEO di OpenAI. L’inchiesta si fonda su oltre cento interviste e su circa 200 pagine di documenti interni inediti, tra cui memo, messaggi Slack e note private.

Ricostruire in modo approfondito la carriera di Sam Altman e la complessa vicenda del 2023 che lo vide prima estromesso da OpenAI e poi reintegrato nel giro di pochi giorni, è stato l’obiettivo principale dell’inchiesta che ha evidenziato un insieme coerente di dubbi, sospetti e testimonianze che mettono in discussione l’affidabilità di Altman come leader.

La mattina di venerdì 11 aprile 2026 una molotov è stata lanciata contro l’abitazione di Altman a San Francisco. Nessuno è rimasto ferito nell’incidente e un sospettato è stato successivamente arrestato presso la sede di OpenAI, dove minacciava di incendiare l’edificio, secondo quanto riferito dal dipartimento di polizia di San Francisco.

Non esistono elementi che mettano in relazione diretta i due episodi ma, la sera stessa, Altman ha pubblicato un post sul proprio blog sostanzialmente suggerendo un legame tra il clima di tensione esistente sull’IA ulteriormente alimentato dall’articolo del The New Yorker e l’attacco incendiario subito.

Nel post, accompagnato da un’immagine della sua famiglia, esprime il desiderio di dissuadere gesti simili, richiamando l’attenzione sul potere che anche una singola immagine può esercitare.

L’inchiesta del The New Yorker

L’inchiesta del New Yorker mette in fila una serie di elementi che, presi insieme, delineano un ritratto fortemente polarizzato di Altman. Se da un lato, alcuni colleghi e collaboratori lo descrivono come un leader straordinariamente efficace, rapido nelle decisioni e capace di portare OpenAI a un livello di influenza globale senza precedenti, dall’altro, emergono valutazioni molto più critiche: soci ed ex colleghi lo dipingono come sfuggente, talvolta inaffidabile, incline a una comunicazione opaca o incompleta e, in alcuni casi, caratterizzato da tratti descritti come “non ancorati alla realtà” o persino sociopatici.

Una parte dell’inchiesta riguarda memo interni attribuiti a Ilya Sutskever, ex cofondatore e ex Chief Scientist di OpenAI, che sollevano dubbi sulla completezza e accuratezza delle informazioni fornite al board, in particolare sulla questione della sicurezza. Tali materiali sarebbero confluiti in un dossier più ampio di circa settanta pagine contenente screenshot, messaggi Slack e documenti HR, in parte fotografati per eludere i controlli aziendali. Questo dossier descriverebbe un “pattern consistente” di comportamenti ritenuti fuorvianti da parte di Sam Altman, incluse dichiarazioni sui protocolli di sicurezza interni.

In questa prospettiva, la questione assume una dimensione non solo personale ma strutturale: il timore è che il board non fosse pienamente in grado di esercitare il proprio ruolo di controllo su un’organizzazione impegnata nello sviluppo di tecnologie altamente sensibili.

Tra le fonti emerge anche Dario Amodei, CEO di Anthropic ed ex dirigente di OpenAI, che nelle sue note private, raccolte nel corso degli anni, esprime dubbi su leadership, fiducia e processi decisionali dentro OpenAI.

Queste perplessità trovano riscontro anche in un episodio specifico, legato all’accordo con Microsoft del 2019, che evidenzia le tensioni tra i due. Al centro vi sarebbe una clausola coerente con la missione originaria di OpenAI, che prevedeva la collaborazione con altri soggetti nello sviluppo dell’intelligenza artificiale generale (AGI). Secondo la ricostruzione, Altman ne avrebbe tuttavia ridimensionato la portata, attenuandone la forza vincolante.

Una fonte particolarmente critica del suo stile di leadership, riportata nell’inchiesta, parla di una “almost a sociopathic lack of concern”, ovvero di una “mancanza di preoccupazione quasi sociopatica”.

In relazione alla mancanza di trasparenza, quasi fraudolenta di Altman, The New Yorker riporta la testimonianza di un dirigente (anonimo) di Microsoft che ipotizza una “piccola ma reale” possibilità che Altman possa un giorno essere accostato a figure simbolo di grandi scandali aziendali come Bernie Madoff, autore di una delle più grandi frodi finanziarie della storia, o Sam Bankman-Fried, fondatore della piattaforma FTX crollata nel 2022.

L’inchiesta cita perfino il giudizio attribuito a Aaron Swartz, programmatore e attivista per l’accesso libero alla conoscenza, secondo cui Altman sarebbe stato “un sociopatico” di cui non fidarsi mai.

Nel loro insieme, queste testimonianze non si concentrano su un singolo episodio, ma suggeriscono l’esistenza di un modello ricorrente nella gestione delle informazioni, percepito come problematico, insieme a una propensione a privilegiare la crescita rispetto alle cautele legate alla sicurezza.

Uno dei punti più sensibili dell’inchiesta riguardava il modo in cui le pratiche di sicurezza venivano rappresentate al consiglio di amministrazione. Secondo le ricostruzioni, il problema non sarebbe stato l’assenza di controlli, quanto il rischio che questi ultimi venissero descritti in modo impreciso o fuorviante, impedendo al consiglio di amministrazione di avere una visione pienamente fedele della situazione.

Tra gli episodi citati, Altman avrebbe assicurato che GPT-4 fosse stato approvato da un safety panel interno; tuttavia, quando venne richiesta una documentazione a supporto, questa rappresentazione sarebbe risultata almeno parziale. Allo stesso modo, nei memo attribuiti a Ilya Sutskever emerge l’accusa che Altman tendesse a minimizzare l’importanza di approvazioni formali sulla sicurezza. In particolare, durante alcuni colloqui con Mira Murati, all’epoca Chief Technology Officer di OpenAI e responsabile dello sviluppo dei principali sistemi dell’azienda, Altman avrebbe fatto riferimento a presunti obblighi o interpretazioni legali, chiamando in causa il general counsel (ufficio legale); tuttavia, quando Murati verificò direttamente, il legale avrebbe dichiarato di non riconoscere l’origine di tali indicazioni.

Secondo il New Yorker, OpenAI avrebbe parallelamente lavorato per attenuare alcune proposte normative, evidenziando una possibile tensione tra le dichiarazioni pubbliche e la strategia industriale.

L’inchiesta riporta anche episodi che suggeriscono una possibile tendenza di Altman a rappresentare in modo discutibile informazioni strategiche e principi fondativi dell’organizzazione. In un caso, avrebbe riferito a funzionari dell’intelligence statunitense che la Cina stava sviluppando un ambizioso progetto di AGI, sollecitando un sostegno pubblico americano, senza però fornire prove concrete quando richieste.

La crisi di governance del 2023

L’inchiesta evidenzia inoltre una continuità nel tempo delle problematiche, non circoscritte solo al contesto di OpenAI ma già rintracciabili nelle precedenti esperienze professionali di Altman, suggerendo che non si tratti di un suo cambiamento improvviso emerso nella crisi di governance del 2023, quando Altman fu rimosso dall’incarico di CEO, bensì della riproposizione di tratti caratteriali e manageriali percepiti da diversi interlocutori lungo l’intero arco della sua carriera.

Già in Loopt, startup fondata da Altman nel 2005, alcuni dirigenti senior avrebbero chiesto al board di rimuoverlo dal ruolo di CEO a causa della sua scarsa trasparenza. Anche durante la sua esperienza in Y Combinator, uno dei più importanti acceleratori di startup della Silicon Valley, sarebbero emersi e segnali di sfiducia.

Il momento di massima tensione in OpenAI arriva quando nel novembre 2023 il consiglio di amministrazione decide di licenziare Altman. La motivazione ufficiale parla di mancanza di trasparenza nelle comunicazioni. Dietro quella formula, secondo il New Yorker, ci sono mesi di frizioni, accuse interne e documenti che segnalano comportamenti ritenuti fuorvianti. Il consiglio di amministrazione era preoccupato che Altman stesse spingendo per uno sviluppo troppo rapido e commerciale dell’IA (in particolare con GPT-4 e progetti futuri), sacrificando la missione no-profit originaria di OpenAI, che poneva al primo posto la sicurezza dell’umanità. Quando il consiglio si convinse che Altman non fosse affidabile, lo licenziò bruscamente.

Attraverso una campagna aggressiva sui social media e la pressione di investitori e partner strategici, Sam Altman riuscì a ribaltare la situazione: tra questi Thrive Capital, società di venture capital che mise in pausa un accordo da 86 miliardi di dollari, ma anche Microsoft, principale partner tecnologico di OpenAI, e figure di rilievo come Brian Chesky, cofondatore e CEO di Airbnb, e Chris Lehane, esperto di comunicazione e public affairs. Insieme a gran parte dei dipendenti, questi attori si schierarono apertamente a sostegno di Altman, contribuendo in modo decisivo al suo rapido reintegro. Sutskever e altri membri del board persero la carica nel CdA.

In risposta a questa imbarazzante raccolta di accuse e testimonianze, Altman, nel post sopra citato, fa una riflessione rivendicando con orgoglio alcune scelte fondamentali, come l’opposizione al tentativo di controllo unilaterale da parte di Elon Musk, che a suo avviso ha contribuito a preservare l’indipendenza e la continuità dell’organizzazione.

Allo stesso tempo, ammette limiti significativi, in particolare una forte avversione al conflitto, che avrebbe avuto conseguenze negative sia personali sia aziendali. Riconosce inoltre di aver gestito in modo inadeguato lo scontro con il precedente consiglio di amministrazione, contribuendo a una crisi grave per OpenAI. Più in generale, si descrive come una figura imperfetta al centro di una situazione estremamente complessa, segnata da tensioni inevitabili in un ambito ad altissimo impatto come quello dell’intelligenza artificiale, ammettendo: “Ho commesso molti altri errori, sono una persona imperfetta al centro di una situazione eccezionalmente complessa, che cerca di migliorare un po’ ogni anno, sempre con l’obiettivo della missione”.

Il cambiamento culturale di OpenIA dopo il “the Bip”

Un ulteriore asse dell’inchiesta riguarda il cambiamento culturale di OpenAI dopo il ritorno di Sam Altman, al termine dei cinque giorni di crisi del novembre 2023. Secondo questa ricostruzione, si sarebbe prodotta una cesura significativa: a una fase iniziale caratterizzata da maggiore cautela e riflessione sull’AGI sarebbe seguita una nuova impostazione in cui questa diventa una priorità centrale e identitaria, accompagnata da una retorica più assertiva, espressa anche in slogan interni come “feel the AGI”. Inoltre, si assiste ad un ridimensionamento delle strutture dedicate alla sicurezza, tra cui il team sui rischi esistenziali e il gruppo di superalignment co-guidato da Ilya Sutskever.

Nel suo post, Sam Altman risponde alle accuse interpretando le tensioni nel settore come il risultato di dinamiche di potere particolarmente intense, parlando di “un dramma shakespeariano tra le aziende del nostro settore”, che a suo avviso “spinge le persone a fare cose folli”. In questo contesto, utilizza una metafora evocativa: “Una volta che vedi l’AGI, non puoi più non vederla”, spiegando che attorno ad essa si crea una dinamica simile a quella dell’“anello del potere”, non tanto per la tecnologia in sé, quanto per l’idea totalizzante di essere colui che la controlla.

Da questa lettura deriva anche la sua proposta: per evitare che tale concentrazione di potere produca effetti distorsivi, sostiene la necessità di una più ampia condivisione della tecnologia e di un rafforzamento dei meccanismi democratici, affermando che “l’unica soluzione […] è orientarsi verso la condivisione della tecnologia con un pubblico più ampio, in modo che nessuno possieda l’anello” e che “è fondamentale che il processo democratico rimanga più forte delle imprese”. Alla fine, il punto non è solo Sam Altman. È il modello. L’inchiesta pone una domanda più ampia: le attuali strutture di governance sono adeguate a gestire una tecnologia con impatti economici, sociali e militari così profondi? Infine, la questione centrale: chi stabilisce i limiti dell’intelligenza artificiale in ambito militare? Il mercato? L’esecutivo? Il Congresso? Le aziende stesse? Tutte domande che ad oggi restano ancora aperte.

Nel corso di un’intervista rilasciata nel podcast di Lex Fridman, Jensen Huang, il CEO di NVIDIA ha affermato che l’Intelligenza Artificiale Generale (AGI) non sarebbe più un obiettivo teorico da raggiungere ma una realtà.

L’AGI è stata descritta come un sistema capace di replicare l’intelligenza umana in modo completo, ovvero in grado di apprendere, ragionare e adattarsi a qualsiasi contesto con la stessa flessibilità di una persona. Proprio per questo, la sua realizzazione è sempre stata collocata in un orizzonte temporale incerto e distante.

In più occasioni, Sam Altman ha sottolineato come lo sviluppo dell’AGI non debba essere interpretato come un evento improvviso, ma come un processo graduale, fatto di progressi incrementali distribuiti nel tempo. Anche le principali analisi di settore, tendono a collocare l’emergere di sistemi “AGI-like” tra il 2026 e il 2028, ovvero un intervallo indicativo, periodo in cui si prevede la convergenza di diversi fattori, come l’aumento della capacità computazionale, il miglioramento dei modelli e lo sviluppo di sistemi sempre più autonomi.

All’interno di questo scenario, l’intervento di Huang segna un cambio di prospettiva nel dibattito sull’AGI spostando l’attenzione dal “quando” verrà raggiunta a una riflessione più profonda sul “cosa” essa sia e su come venga definita secondo la sua visione.

Alla domanda su quanto mancasse al raggiungimento dell’AGI, la risposta è stata diretta: “Penso che sia arrivato il momento. Penso che abbiamo raggiunto l’AGI.”

Un affermazione che, più che anticipare le tempistiche, ridefinisce il concetto stesso di AGI. Secondo il CEO di NVIDIA, infatti, l’AGI non deve essere necessariamente intesa come una replica dell’intelligenza umana, ma come una capacità funzionale: quella di operare in autonomia su compiti complessi e generare valore.

In questa prospettiva, un sistema è “generale” quando non si limita a rispondere a input, ma è in grado di agire, prendere decisioni e portare a termine processi articolati senza supervisione continua. Il passaggio è proprio questo ovvero dalla risposta all’azione, in questo caso ciò che conta non è più la somiglianza con il pensiero umano, ma la capacità concreta di produrre risultati.

Alcuni segnali di questa evoluzione sono già visibili.

Piattaforme come OpenClaw mostrano, almeno in fase sperimentale, la possibilità di sviluppare e gestire prodotti digitali in modo autonomo, senza un intervento umano costante.

In questo contesto si inserisce anche Anthropic, che sta sviluppando un nuovo modello denominato Claude Mythos. L’esistenza del sistema è emersa in seguito a un’esposizione accidentale di documenti interni, riportata dalla rivista Fortune. L’episodio ha reso accessibili migliaia di file mai pubblicati, offrendo uno sguardo inedito sulle dinamiche di sviluppo.

Nei documenti, il modello viene indicato anche con il nome “Capybara” e descritto come un salto di qualità significativo rispetto alle versioni precedenti.

Nello specifico, emergono performance superiori in ambiti come il ragionamento avanzato, lo sviluppo software e la sicurezza informatica, con risultati che supererebbero quelli di Claude Opus 4.6. Il sistema si collocherebbe così a un livello superiore nella gerarchia dei modelli Anthropic, confermando una traiettoria di sviluppo verso IA più generaliste.

Sebbene il modello sia stato definito “il più potente mai realizzato”, l’accesso è attualmente limitato a un gruppo ristretto di utenti e non è stata ancora comunicata una data di rilascio pubblico. Questa cautela è legata non solo ai costi operativi elevati, ma soprattutto ai potenziali rischi associati a sistemi di questo livello.

Le analisi condotte da esperti come Roy Paz e Alexandre Pauwels evidenziano come modelli avanzati possano aumentare in modo significativo la velocità e la sofisticazione degli attacchi informatici, creando un potenziale squilibrio tra capacità offensive e difensive.

Per comprendere questa evoluzione verso l’AGI, è necessario guardare al livello infrastrutturale, i modelli più avanzati non nascono in modo isolato, ma sono il risultato di una trasformazione profonda dell’ecosistema tecnologico. NVIDIA, in questo senso, ha ridefinito il concetto stesso di computer, trasformando i data center in vere e proprie fabbriche di intelligenza, capaci di produrre continuamente output cognitivi e generare valore in tempo reale.

Alla luce di queste trasformazioni, la dichiarazione iniziale di Huang può essere riletta in modo più preciso. L’AGI, intesa come replica completa dell’intelligenza umana, non è ancora stata raggiunta. Tuttavia, se la si definisce come la capacità di un sistema di operare in autonomia su problemi complessi e generare valore, allora è possibile sostenere che una forma funzionale e operativa di AGI sia già presente.

Il Pentagono aveva dato ad Anthropic un ultimatum: eliminare le restrizioni sull’uso militare del suo modello di intelligenza artificiale oppure affrontarne le conseguenze.

Il Segretario alla Difesa Pete Hegseth aveva fissato una scadenza precisa: venerdì 27 febbraio, alle 17:01. Entro quell’ora l’azienda avrebbe dovuto rendere Claude disponibile per “tutti gli usi leciti”, rimuovendo i limiti che oggi ne impediscono l’impiego in alcuni ambiti sensibili.

In caso di rifiuto, il Dipartimento della Difesa avrebbe imposto misure come la revoca del contratto da 200 milioni di dollari firmato nel 2025, la possibile classificazione dell’azienda come “rischio per la supply chain” della difesa e persino il ricorso al Defense Production Act (DPA), la legge che consente al governo di imporre la collaborazione alle imprese private per ragioni di sicurezza nazionale.

Nonostante le possibili conseguenze, Anthropic ha rifiutato. Il CEO Dario Amodei ha confermato che l’azienda non rimuoverà le salvaguardie che impediscono l’uso del modello per la sorveglianza di massa dei cittadini statunitensi e per il controllo di armi completamente autonome.

Una decisione che porta ad una contrapposizione tra una delle principali aziende di IA e l’apparato della difesa americana, infatti, per comprenderne la portata, è necessario capire il contesto in cui si colloca.

Negli ultimi tre anni l’IA di frontiera è passata da tecnologia sperimentale a infrastruttura critica. I modelli linguistici di grandi dimensioni non sono più strumenti di supporto operativo, ma piattaforme cognitive integrate nei flussi decisionali: analisi di intelligence, simulazioni strategiche, pianificazione logistica, gestione di dati classificati.

In questo contesto si inserisce il contratto firmato nel luglio 2025 tra Anthropic e il Dipartimento della Difesa, del valore di 200 milioni di dollari. Con quell’accordo, il governo americano ha iniziato a utilizzare Claude all’interno di reti classificate, cioè sistemi informatici che gestiscono informazioni riservate e sensibili per la sicurezza nazionale.

Claude è stato il primo modello IA generativa autorizzato a operare in questi ambienti protetti. Questo significa che l’IA non veniva più impiegata solo per attività sperimentali o di supporto esterno, ma entrava direttamente nei processi interni della difesa: analisi dei dati, supporto alle decisioni, gestione di informazioni strategiche.

Proprio perché Claude era già entrato nei sistemi classificati della difesa, la questione delle limitazioni incorporate nel modello è diventata centrale.

Da qui prende forma la richiesta del Pentagono.

Non si trattava di un semplice aggiornamento tecnico o di un ampliamento marginale del contratto, ma di una modifica sostanziale della governance del modello: chi decide cosa l’IA può o non può fare?

Il Dipartimento della Difesa ha chiesto che Claude fosse disponibile per “tutti gli usi leciti”, eliminando le restrizioni interne inserite da Anthropic. In sostanza, il governo chiedeva che fosse la legge e non il codice a stabilire il perimetro di utilizzo.

In concreto, le barriere da rimuovere riguardavano due ambiti ben definiti:

• l’impossibilità di utilizzare il modello per attività di sorveglianza di massa sul territorio nazionale;
• il divieto di impiego in sistemi d’arma completamente autonomi.

In termini istituzionali, la posizione del Pentagono risulta coerente: l’onere giuridico dell’uso di uno strumento tecnologico ricade su chi lo impiega. Se un utilizzo è conforme alla legge, non dovrebbe essere un limite tecnico preimpostato a impedirne l’attuazione.

Il nodo centrale, però, emerge proprio in questo passaggio. Accettare la richiesta avrebbe significato spostare il controllo dall’architettura etica del modello alla piena discrezionalità dell’apparato militare. Il fornitore non avrebbe più esercitato alcun ruolo di garanzia preventiva, trasformandosi in un semplice erogatore di capacità tecnologica.

È qui che si colloca la scelta di Anthropic.

Le ragioni del rifiuto: affidabilità tecnica e responsabilità sistemica

Anthropic ha costruito la propria identità su un principio preciso: i modelli di frontiera devono essere sviluppati con limiti incorporati, non delegati esclusivamente all’utente. Per questo il rifiuto non è stato presentato come una presa di posizione ideologica, ma come una valutazione fondata su due livelli di analisi distinti.

1. Livello tecnico-operativo

L’azienda sostiene che l’attuale stato dell’arte dell’AI non garantisce un livello di affidabilità sufficiente per l’integrazione in sistemi d’arma autonomi. In scenari ad alta complessità, la probabilità di errore non è eliminabile. E in un contesto letale, anche un errore statisticamente marginale può avere effetti irreversibili: fuoco amico, escalation involontaria, compromissione di missioni strategiche.

2. Livello istituzionale e costituzionale

Sul versante della sorveglianza, Anthropic ritiene che l’uso dell’IA per aggregare dati su larga scala possa alterare l’equilibrio tra sicurezza e libertà civili, soprattutto in assenza di una normativa specifica sull’IA applicata alla sicurezza interna.

In questo senso, l’azienda si assume un ruolo para-regolatorio: inserisce nel modello limiti che il legislatore non ha ancora codificato.

La dichiarazione del CEO Dario Amodei che ha definito “intrinsecamente contraddittorie” le minacce del Pentagono evidenzia il paradosso: un’azienda considerata al tempo stesso rischio per la sicurezza e indispensabile alla sicurezza.

Implicazioni economiche e strategiche

Il contratto da 200 milioni di dollari è solo la parte più visibile della vicenda.

Il punto più delicato riguarda l’ipotesi di classificare Anthropic come “rischio per la supply chain” della difesa. È una misura che di solito viene applicata a soggetti considerati vicini a potenze straniere ostili. Usarla nei confronti di un’azienda americana per una divergenza sull’uso dell’intelligenza artificiale segnerebbe un cambio di passo nei rapporti tra governo e imprese tecnologiche.

Le conseguenze potrebbero essere concrete. Gli investitori potrebbero diventare più cauti nel finanziare aziende che operano nel settore della difesa tecnologica. Le startup di intelligenza artificiale potrebbero evitare di imporre limiti rigidi ai propri modelli per non esporsi a pressioni istituzionali. E, soprattutto, il governo potrebbe rivolgersi con maggiore rapidità a fornitori più disponibili ad accettare le condizioni richieste.

Non è un caso che, proprio mentre lo scontro era in corso, OpenAI abbia annunciato un accordo con il Dipartimento della Difesa per operare sulle reti classificate. In un settore strategico come questo, gli spazi lasciati liberi vengono rapidamente occupati.

Il caso Anthropic va oltre la semplice cronaca. La domanda che pone è: può un’azienda imporre limiti etici alla propria tecnologia anche di fronte a una richiesta del governo? E fino a che punto lo Stato può chiedere la rimozione di barriere inserite nel codice?

A rendere la vicenda ancora più importante è il tema della sorveglianza. L’intelligenza artificiale può rafforzare la capacità preventiva dello Stato, analizzando grandi quantità di dati su movimenti, comunicazioni e comportamenti. Ma lo stesso strumento, se utilizzato su larga scala, può incidere in modo significativo sulla privacy e sulle libertà individuali.

Dunque occorre chiedersi fino a che punto l’intelligenza artificiale possa essere integrata nei meccanismi della sicurezza evitando di trasformarsi in uno strumento di controllo permanente.

L’intelligenza artificiale viene spesso raccontata come una corsa alla potenza, tra processori più rapidi, modelli sempre più grandi e quantità di dati imponenti. Ma ridurre tutto a una sfida tecnologica significa perdere di vista ciò che sta davvero cambiando.

Non si tratta soltanto di tecnologia. L’intelligenza artificiale sta ridefinendo il modo in cui lavoriamo, il valore che attribuiamo alle competenze maturate nel tempo e perfino la percezione del ruolo umano nei processi decisionali e creativi.

Eppure, nel dibattito pubblico, la discussione continua a muoversi tra due estremi ovvero tra entusiasmo messianico e allarmismo apocalittico.

Da una parte c’è chi immagina un futuro di abbondanza automatizzata, produttività senza precedenti e lavoro alleggerito. Dall’altra chi intravede la fine di intere professioni, se non una progressiva marginalizzazione dell’essere umano. Al centro di questa polarizzazione prende forma un concetto tanto evocativo quanto ambiguo, la cosiddetta singolarità, l’ipotesi di un momento in cui le macchine supererebbero definitivamente l’intelligenza umana, generando un’accelerazione autonoma e imprevedibile del progresso tecnologico

La costruzione di un immaginario

Lungo le autostrade della Silicon Valley compaiono cartelloni che annunciano che “la singolarità è qui” o che “l’umanità ha fatto una bella corsa”. Non sono soltanto provocazioni pubblicitarie. Sono il segnale di un’operazione simbolica più ampia, attraverso cui alcune grandi aziende tecnologiche contribuiscono a costruire un immaginario collettivo in cui la macchina non è più uno strumento avanzato, ma il nuovo centro di gravità dell’intelligenza.
Come ha osservato Nate Silver nel suo blog Silver Bulletin, la narrazione sull’intelligenza artificiale tende spesso a oscillare tra hype e catastrofismo, contribuendo a rafforzare aspettative estreme che non sempre trovano riscontro nell’analisi empirica.

Ad oggi, la maggior parte della comunità scientifica concorda sul fatto che né l’Intelligenza Artificiale Generale (AGI) né la singolarità rappresentino traguardi raggiunti o imminenti.

Restano ipotesi teoriche, spesso accompagnate da interessi economici e da una retorica che tende ad amplificare le aspettative ben oltre le capacità attuali della tecnologia.

Forse è più utile ricondurre l’intelligenza artificiale dentro la storia lunga delle innovazioni che hanno trasformato la società, dalla stampa alla macchina a vapore, dall’elettricità a Internet. Ogni svolta tecnologica ha ridefinito equilibri di potere, modelli produttivi e relazioni sociali senza assumere per questo una dimensione metafisica. Considerare l’IA una tecnologia “normale” non significa ridimensionarne l’impatto, ma sottrarla alla mitologia.

Ciò che rende questa trasformazione diversa dalle precedenti è piuttosto il suo oggetto. Non interviene soltanto sul lavoro manuale o sulla circolazione dell’informazione. Interviene su ciò che per secoli è stato considerato il tratto distintivo dell’umano, la capacità cognitiva, linguistica e creativa.

L’automazione non si limita più a sostituire il braccio, ma entra nei territori della mente, dunque la questione non è se le macchine pensino davvero, ma è capire che cosa stiano riflettendo quando sembrano farlo.

L’IA come specchio dell’umano

Esperimenti come Moltbook le piattaforme in cui agenti artificiali interagiscono tra loro, spesso presentati come indizi di una coscienza emergente delle macchine, si rivelano rielaborazioni di contenuti culturali prodotti dagli esseri umani, poiché i modelli linguistici su cui si basano non fanno che aggregare e ricombinare dati, narrazioni e rappresentazioni esistenti.

Come ha sottolineato Samuel Woolley in un articolo pubblicato sul The Guardian, quando questi sistemi discutono di religione, di potere o di scenari distopici, essi non manifestano le proprie intenzioni, ma riflettono l’immaginario collettivo che li ha addestrati, dimostrando così che la loro “voce” è una proiezione delle nostre stesse tensioni culturali.

Se dunque la singolarità non è un evento già compiuto, ciò non significa che la trasformazione in corso sia irrilevante; al contrario, il cambiamento più significativo riguarda il modo in cui l’automazione cognitiva interviene sul lavoro, inteso non soltanto come fonte di reddito ma come elemento di riconoscimento sociale e di costruzione identitaria, poiché attraverso il lavoro l’individuo non si limita a produrre valore economico, ma acquisisce status, appartenenza e una narrazione coerente di sé.

Le precedenti rivoluzioni industriali hanno colpito prevalentemente il lavoro manuale, generando conflitti durissimi ma anche nuovi equilibri tra capitale e lavoro; l’attuale ondata tecnologica, invece, investe professioni intellettuali e creative, mettendo in discussione quella parte di persone che avevano interiorizzato l’idea di essere relativamente al riparo dall’automazione, e producendo così un senso diffuso di vulnerabilità che non si esaurisce nella paura della disoccupazione, ma si estende alla percezione di una possibile irrilevanza delle competenze accumulate nel tempo.

Amazon, ha annunciato circa 16.000 nuovi licenziamenti dopo un precedente taglio di 14.000 posizioni corporate, collegando la riorganizzazione interna alla necessità di competere nel campo dell’intelligenza artificiale.

Come riportatato da diverse testate econonimche internazionali tra cui il Wall Street Journal, il CEO Andy Jassy ha esplicitamente attribuito la riorganizzazione all’impatto degli agenti IA e dei sistemi generativi, sostenendo che alcune mansioni saranno progressivamente automatizzate mentre emergeranno nuove funzioni ad alta specializzazione.

In questo quadro, in settori specifici come quello giornalistico, la trasformazione non riguarda soltanto la riduzione dei costi o l’ottimizzazione dei processi, ma la ridefinizione stessa del lavoro. L’intelligenza artificiale non si limita a sostituire alcune attività: ne modifica la struttura, automatizza compiti ripetitivi, accelera le fasi decisionali e sposta il baricentro del valore verso competenze strategiche, interpretative e relazionali.

La vera differenza non è più tra occupazione e disoccupazione, ma tra chi è in grado di integrare l’IA nei propri flussi operativi e chi rischia di subirla come fattore esterno, perdendo progressivamente centralità professionale.

Non si tratta di un episodio isolato, ma di un indicatore. L’automazione cognitiva non elimina soltanto posti di lavoro: ridisegna le catene del valore, comprime i livelli intermedi, concentra competenze strategiche in nodi altamente specializzati.

In questo contesto, la narrazione di una “singolarità gentile”, secondo cui l’intelligenza artificiale si limiterebbe a potenziare l’essere umano senza generare fratture sociali significative, appare eccessivamente ottimistica, poiché trascura il fatto che le transizioni tecnologiche tendono a redistribuire il potere in modo asimmetrico, favorendo inizialmente coloro che controllano le infrastrutture e i capitali necessari allo sviluppo dei nuovi strumenti.

Il rischio non è tanto l’immediata scomparsa di intere categorie professionali, quanto una progressiva polarizzazione tra chi possiede competenze e accesso ai sistemi avanzati e chi ne subisce passivamente gli effetti.

Oltre la tecnologia, la questione del senso

La questione assume una dimensione propriamente sociologica, infatti, non si tratta di stabilire se le macchine diventeranno più intelligenti degli esseri umani, ma di comprendere come la diffusione di sistemi automatizzati modifichi le relazioni sociali, la distribuzione delle opportunità e la percezione del valore umano.

Se una società finisce per misurare la dignità esclusivamente in termini di produttività, allora ogni innovazione che aumenti l’efficienza tecnica potrà tradursi in una svalutazione simbolica di coloro che risultano sostituibili, generando frustrazione, disaffezione politica e conflitti.

In questa prospettiva, governare l’intelligenza artificiale significa riconoscere che essa non è un destino inevitabile ma una costruzione sociale, plasmata da decisioni normative, investimenti pubblici e privati, orientamenti culturali e pressioni collettive.

La singolarità non è un punto di arrivo tecnologico già raggiunto, né un evento imminente, ma una potente metafora che rischia di distogliere l’attenzione dalla questione centrale, ovvero quale tipo di società vogliamo costruire in un’epoca in cui l’intelligenza artificiale amplifica capacità, accelera processi e riorganizza il lavoro.

Finché questa domanda resterà irrisolta, il futuro non sarà scritto dalle macchine, ma probabilmente sarà il risultato fragile, conflittuale, sempre reversibile delle scelte che gli umani sapranno, o non sapranno, compiere.

Il panorama dell’informazione non è più dominato solo dalle grandi piattaforme social o dai motori di ricerca tradizionali. L’arrivo dell’intelligenza artificiale generativa, la frammentazione del pubblico e il cambiamento delle abitudini di ricerca hanno messo in discussione modelli che per anni sono sembrati solidi.
È all’interno di questo contesto che si colloca Media Trends 2026 – Human Truths in the Algorithmic Era, il report pubblicato da Dentsu, società internazionale giapponese attiva nei settori della pubblicità, del marketing e della comunicazione, con sede a Tokyo e una presenza operativa in oltre 145 Paesi

Il documento propone una lettura strategica dei mutamenti in atto nell’ecosistema dei media e della comunicazione, rivolta in primo luogo a brand, inserzionisti e operatori del mercato. Il report si basa su un’analisi che combina dati proprietari del gruppo Dentsu, ricerche di mercato quantitative e qualitative, studi sui comportamenti dei consumatori e insight elaborati dagli strategist del network, offrendo una visione articolata dei trend emergenti.

Il concetto centrale è che, in una fase di accelerazione tecnologica senza precedenti, ciò che tende a rimanere relativamente stabile sono i comportamenti umani. Le tecnologie evolvono rapidamente, mentre bisogni, aspettative e modalità di relazione delle persone cambiano con maggiore lentezza.

È su questo scarto temporale che Dentsu individua le cosiddette human truths, intese come punti di ancoraggio interpretativo in un ambiente sempre più dominato da algoritmi, automazione e processi opachi. Il rischio che emerge è che le logiche algoritmiche, se adottate in modo acritico, finiscano per influenzare non solo i modelli di business, ma la funzione stessa dell’informazione.

In questa direzione si inserisce il contributo di Mohammad El Hawary, direttore editoriale di Al-Fanar Media, piattaforma giornalistica indipendente focalizzata su scienza, conoscenza e media nel mondo arabo.

El Hawary afferma che il rischio principale non è che l’intelligenza artificiale sostituisca i giornalisti, quanto piuttosto che il giornalismo finisca per adattarsi alle logiche delle macchine, rinunciando progressivamente alla propria voce per produrre contenuti sempre più rapidi, standardizzati e prevedibili. In questo caso si può notare come l’adozione acritica delle logiche algoritmiche possa incidere non solo sui modelli di business, ma sulla funzione stessa dell’informazione.

Per evitare questa distorsione, diventa necessario riaffermare ciò che distingue il giornalismo di qualità ovvero alcune “verità umane” che, anche in un’epoca dominata dall’automazione, possono e devono continuare a orientare le scelte editoriali.

Verità 1:  Siamo Semplici finché non diventiamo Complessi

In un flusso costante di stimoli, notifiche e informazioni, le persone per necessità tendono a cercare scorciatoie cognitive. L’attenzione è una risorsa limitata e, quando viene continuamente sollecitata, il bisogno di semplicità e immediatezza diventa una forma di autodifesa.

È su questa dinamica che fanno leva gli assistenti basati sull’intelligenza artificiale e gli agenti automatizzati: offrono risposte istantanee, riducono i passaggi intermedi, semplificano le decisioni quotidiane. Dal punto di vista dell’utente, il vantaggio è evidente, ovvero, meno tempo speso, meno fatica richiesta, più efficienza.

Ma quando la semplificazione diventa sistematica, rischia di produrre l’effetto opposto, ridurre troppo la complessità non sempre significa migliorare l’esperienza, spesso la rende più povera.

Nel mondo dell’informazione, il giornalismo oggi opera in un contesto fortemente influenzato dagli algoritmi, dalle logiche di indicizzazione e dalla competizione per l’attenzione. L’ottimizzazione per i motori di ricerca, i riassunti automatici e la standardizzazione dei formati spingono verso contenuti rapidi, facilmente riconoscibili e subito fruibili.

Ma l’informazione non è, e non può essere, solo sintesi.

Il lavoro giornalistico implica verifica, contestualizzazione, collegamento tra i fatti e responsabilità editoriale. Tutti elementi che richiedono tempo, mediazione e una certa dose di complessità.

È qui che entra in gioco il cosiddetto paradosso della fruizione facile: l’idea che eliminare ogni forma di resistenza o profondità non renda necessariamente l’esperienza migliore. In realtà, ciò che rende un contenuto solido, affidabile e memorabile è proprio il fatto che richieda attenzione, tempo e partecipazione. Una complessità ben dosata non è un ostacolo, ma un valore.

Alcune testate scelgono di non assecondare la spinta alla semplificazione estrema.

È il caso di Al-Fanar Media, piattaforma indipendente con un forte impegno nella divulgazione scientifica e culturale nel mondo arabo. Invece di puntare sulla rapidità del consumo, investe in analisi approfondite, reportage di lunga durata e contenuti che richiedono tempo per essere letti e compresi. Perché non tutte le storie possono essere semplificate senza perdere significato.

Dunque, il nodo centrale, dunque, non è rifiutare l’intelligenza artificiale, ma comprendere come e dove utilizzarla, senza sacrificare ciò che rende il giornalismo davvero rilevante.

Verità 2: Siamo Animali Sociali

Se la prima verità individuata dal report riguarda il bisogno di semplicità come risposta alla complessità tecnologica, la seconda sposta lo sguardo su un altro pilastro fondamentale dell’esperienza umana: la relazione.

In un mondo in cui le interazioni avvengono sempre più attraverso schermi, piattaforme e intelligenze artificiali, il bisogno di connessione non si è affievolito. Al contrario, è diventato ancora più urgente.

Le persone continuano a cercare legami autentici, momenti di confronto, occasioni per sentirsi parte di una comunità. Condividere esperienze, riconoscersi in un gruppo, costruire appartenenze, tutto ciò resta centrale. E, paradossalmente, cresce proprio in risposta a un ambiente che tende a rendere i rapporti più impersonali e frammentati.

Il giornalismo, da sempre, ha avuto un ruolo chiave in questa dimensione sociale. Prima che fossero gli algoritmi a decidere cosa vedere e cosa ignorare, le notizie non si limitavano ad essere lette ma erano discusse nei bar, nelle scuole, nei circoli culturali. L’informazione viveva dentro uno spazio collettivo, contribuendo alla formazione di un’opinione pubblica attiva e plurale.

Oggi, però, questo spazio di confronto si è trasformato.

Nell’ecosistema digitale attuale, sono le piattaforme a stabilire quali contenuti diventano visibili. Il risultato è una crescente frammentazione: comunità autoreferenziali, sempre più chiuse al dissenso e alla complessità.

Il report interpreta questa trasformazione come una sfida, ma anche come un’opportunità.

Se da un lato i media rischiano di rincorrere le metriche di coinvolgimento, adattandosi ai meccanismi delle piattaforme, dall’altro possono scegliere una strada diversa, ovvero tornare a essere spazi di relazione, non solo canali di distribuzione.

Questo significa ripensare formati e linguaggi, privilegiare contenuti che favoriscano il dialogo, la continuità e il senso di appartenenza, come newsletter tematiche, community journalism, eventi editoriali, iniziative che ristabiliscano un contatto diretto tra chi produce informazione e chi la riceve. In un ambiente dominato da logiche algoritmiche, la relazione umana può tornare ad essere un fattore strategico, non un semplice retaggio del passato.

Verità 3: Non “Leggiamo” la Pubblicità

Il pubblico non ha smesso di leggere le notizie né di prestare attenzione ai messaggi dei brand. Ha smesso, piuttosto, di dedicare tempo a contenuti che non percepisce come rilevanti. In un ambiente informativo sempre più affollato, le persone scelgono con maggiore attenzione cosa leggere, guardare o ignorare.

Questa dinamica non è nuova, ma oggi è diventata più evidente. Già negli anni Sessanta il pubblicitario statunitense Howard Luck Gossage osservava che «nessuno legge la pubblicità; le persone leggono ciò che le interessa e, a volte, si tratta di un annuncio». Un’intuizione che anticipa un comportamento oggi amplificato dalla sovrabbondanza di contenuti digitali.

L’ecosistema informativo contemporaneo è segnato da fenomeni come il doomscrolling, la fruizione compulsiva di contenuti spesso negativi, e dalla diffusione dell’AI slop, ovvero contenuti generati automaticamente, ripetitivi e di bassa qualità. In questo contesto, l’attenzione non è semplicemente limitata: viene attivamente difesa dal pubblico, che sviluppa strategie di selezione sempre più rigide.

Questo atteggiamento si traduce in un rifiuto del “giornalismo vuoto”: notizie superficiali, sensazionalistiche o ripetitive, che finiscono per indebolire il valore dell’informazione. Per le testate e per i brand, rispondere a questa crisi non significa aumentare il volume dei contenuti. Al contrario, puntare sulla quantità rischia di alimentare una spirale regressiva che riduce l’efficacia dei messaggi e contribuisce all’inquinamento informativo.

Come evidenziato dal report, il 2026 potrebbe segnare un passaggio importante: dall’ossessione per la saturazione a un approccio più attento alla qualità, alla rilevanza e alla capacità dei contenuti di generare un impatto duraturo. In questo scenario, non è il formato a fare la differenza, ma la profondità dell’esperienza che un contenuto riesce a offrire.

Come ogni anno, il Reuters Institute for the Study of Journalism ha pubblicato il report Journalism, Media and Technology Trends and Predictions 2026, curato da Nic Newman, dedicato alle principali trasformazioni dell’ecosistema informativo.

Negli anni, questo studio è diventato un punto di riferimento per comprendere l’evoluzione del giornalismo. Ma, a differenza delle edizioni precedenti, il documento del 2026 non racconta un settore in fase di cambiamento: descrive un settore già profondamente trasformato, che sta ancora cercando di misurare e interpretare le conseguenze di questa transizione.

Il report si basa su un’indagine condotta tra 280 dirigenti editoriali, CEO e responsabili dell’innovazione in 51 Paesi, offrendo una fotografia ampia e coerente del settore.

Il nodo centrale non è più la tecnologia in sé, ma il funzionamento complessivo del sistema informativo, sempre più instabile e frammentato.

Non a caso dai dati emerge che solo il 38% degli intervistati si dichiara fiducioso nel futuro del giornalismo, contro il 60% di quattro anni fa.

Questo calo aiuta a capire meglio la situazione attuale.

Le redazioni non pensano di stare lavorando peggio, molte ritengono, anzi, di aver migliorato prodotti, linguaggi e organizzazione. La difficoltà principale riguarda il contesto esterno, che viene percepito come sempre più sfavorevole.

Sempre più spesso i politici evitano i giornali e comunicano direttamente con il pubblico attraverso canali propri, come podcast e video su YouTube; l’informazione si spezza in contenuti brevi e visivi, spesso lontani dai marchi giornalistici più affidabili; e la tecnologia continua a cambiare più velocemente della capacità delle redazioni di adattarsi.

Dalla distribuzione all’accesso: quando il traffico non arriva più

Un’altra delle dinamiche più preoccupanti riguarda il drastico calo del traffico dai motori di ricerca, che negli anni passati rappresentava il canale d’accesso principale per molti siti di news.

Secondo il report, il traffico da Google Search è sceso in media del 33% a livello globale tra il 2024 e il 2025, con picchi del 38% negli Stati Uniti.
A pesare non è solo l’algoritmo, ma l’evoluzione stessa di Google e degli altri player digitali, che da “motori di ricerca” si stanno trasformando in “motori di risposta”.

Chatbot come ChatGPT, Perplexity e Gemini forniscono all’utente una sintesi istantanea delle informazioni, eliminando spesso la necessità di cliccare su una fonte originale. I contenuti delle testate finiscono così assorbiti, riscritti, “riassunti” e restituiti senza passare dai siti che li hanno prodotti.

“Alcuni editori ottimisti credono che l’impatto sarà sotto il 20%, ma circa un quinto dei nostri intervistati prevede di perdere oltre il 75% del traffico da search entro tre anni”, si legge nel report. Alla tradizionale SEO si affianca ora la Answer Engine Optimisation (AEO), nel tentativo di rendere i contenuti riconoscibili e citabili all’interno dei sistemi di risposta basati sull’intelligenza artificiale.

Contenuti distintivi e formati “liquidi”

Di fronte a questa crisi di accesso, le redazioni stanno puntando su ciò che può renderle ancora uniche: contenuti distintivi, inchieste originali, reportage, approfondimenti contestuali, storie umane.

“Il giornalismo deve raddoppiare gli sforzi su ciò che ci rende preziosi e unici”, afferma Taneth Evans, responsabile digitale del Wall Street Journal.

L’obiettivo non è più raggiungere tutti, ma creare legami forti e diretti con chi ancora cerca informazione di qualità. E in questa direzione si muovono anche le scelte sui formati. L’articolo testuale, da solo, non basta più.

L’informazione deve essere liquida, pronta a trasformarsi in newsletter, audio, video verticali, reel per Instagram, shorts per YouTube. “Se scrivere testo non costa nulla, la concorrenza diventa brutale”, osserva Christof Zimmer, CEO di Der Spiegel.

Non sorprende, quindi, che il 79% degli editori dichiari di voler investire maggiormente nel video e il 71% nell’audio, mentre contenuti generalisti ed evergreen, come oroscopi o guide televisive, vengono progressivamente ridimensionati perché facilmente replicabili dalle IA.

Giornalisti come creator: una trasformazione ambigua

Ma il cambiamento più profondo riguarda forse il ruolo stesso del giornalista.

Con la crescita dei creator e il successo dei contenuti personalizzati, molte testate stanno incoraggiando i propri reporter a diventare essi stessi “creator”. Tre quarti degli editori dichiarano di voler spingere i propri giornalisti a comportarsi più come creator facendoli diventare più visibili, più riconoscibili, più interattivi.

Ad esempio Wired ha avviato un programma per trasformare i propri autori in “platform personalities”, il New York Times mette in primo piano i volti dei suoi inviati, mentre l’austero The Economist ha iniziato a firmare i podcast con nomi e cognomi.

Questo modello, però, comporta anche rischi. Rafforza il legame con il pubblico, ma può creare una forte dipendenza da singole figure. Quando un creator se ne va, può portare con sé anche il suo pubblico.

È il caso di Dave Jorgenson, storico volto TikTok del Washington Post, che dopo otto anni ha lasciato il giornale per fondare un progetto proprio, Local News International che in poco tempo ha superato in engagement lo stesso Post.

L’IA nelle redazioni: più efficienza che rivoluzione

Parallelamente, cresce il lato più problematico dell’intelligenza artificiale. Secondo alcune stime, più della metà dei contenuti prodotti online è già generata da intelligenze artificiali. YouTube è invasa da canali automatizzati, TikTok ospita oltre un miliardo di video creati da IA, e si moltiplicano i siti cosiddetti pink slime, ovvero testate false, automatizzate, spesso senza firma, progettate per fare traffico e guadagnare da pubblicità ingannevole. Anche il fenomeno dell’AI slop, cioè del contenuto generato automaticamente senza qualità, ha raggiunto livelli preoccupanti.

Ancor più inquietante è la proliferazione di deep-fake e disinformazione sintetica. Nelle elezioni del 2025 si sono già registrati casi eclatanti: in Irlanda un finto video della candidata Catherine Connolly annunciava il suo ritiro; nei Paesi Bassi, il leader Geert Wilders ha lanciato la campagna con un filmato AI che mostrava un futuro distopico sotto la sharia. In Germania e Moldavia sono emersi contenuti pro-Russia generati artificialmente. La capacità di manipolazione è diventata accessibile, veloce, e spesso difficilmente tracciabile.

Le risposte a questa minaccia sono ancora parziali: etichette di contenuto generato da IA, protocolli come C2PA per tracciare l’origine di immagini e video, formazione per i creator responsabili, tentativi di rafforzare la verifica editoriale. Ma c’è un elemento che torna spesso nel report la fiducia.

Il giornalismo, oggi, si trova di fronte a una scelta non più rinviabile. Non si tratta solo di aggiornare strumenti o piattaforme, ma di ridefinire la propria identità: tornare a essere interpreti della realtà, costruttori di significato, garanti della verità. Il mondo dell’informazione sta cambiando.

“Il giornalismo può ancora essere una forza vitale nella società digitale. Ma deve cambiare radicalmente per esserlo. E deve farlo ora.” conclude Nic Newman

A tre anni dal lancio di ChatGPT, il giornalismo globale non si trova più in una fase che possa essere definita di semplice transizione. L’IA ha superato la soglia della sperimentazione ed è diventata, a tutti gli effetti, un’infrastruttura invisibile che attraversa l’intero ciclo dell’informazione: dalla produzione alla distribuzione, dalla verifica al rapporto con il pubblico, fino ai modelli economici.

Il report How will AI reshape the news in 2026?, pubblicato dal Reuters Institute for the Study of Journalism, raccoglie le previsioni di 17 esperti internazionali, dirigenti editoriali, responsabili dell’innovazione, data journalist e ricercatori , che hanno individuato alcune traiettorie principali che, intrecciate tra loro, delineano il futuro prossimo dell’informazione.

Un cambio di paradigma, dalle notizie come contenuti alle notizie come servizio.

Secondo gli esperti , gli utenti utilizzeranno sempre più chatbot e strumenti di ricerca basati sull’IA per ottenere informazioni, portando a un declino del traffico diretto verso i siti web delle testate.

Nicola Leech di The National evidenzia come i lettori più esigenti e motivati useranno le app LLM non tanto per leggere gli articoli completi, ma per decidere quali consumare e perché, basandosi sull’autorità del singolo articolo piuttosto che sul brand della testata.

A ciò consegue la perdita di controllo per le organizzazioni giornalistiche su come il loro lavoro viene presentato.

Come osservato da Mweha Msemo, l’IA “rompe” gli articoli in pezzi, estraendo solo ciò di cui ha bisogno, eliminando concetti tradizionali come la prima pagina o l’ordine fisso delle notizie.

Il risultato di questo cambiamento è la nascita della “Answer Economy”, un’economia dell’informazione in cui il valore non risiede tanto nell’articolo completo, quanto nella capacità di fornire spiegazioni personalizzate, adattate al contesto, al livello di competenza e ai bisogni pratici dell’utente.

Questo spostamento verso risposte dirette e personalizzate si inserisce in una dinamica già osservata negli ultimi mesi, in cui l’accesso all’informazione tende a spostarsi dalle piattaforme editoriali tradizionali verso ambienti conversazionali e sistemi di ricerca generativa, ridisegnando il rapporto tra contenuto, distribuzione e valore.

In questo contesto, Cigdem Oztabak di CNN Turkiye prevede che il comportamento del pubblico si scinderà in due modalità: una “modalità comfort“, incentrata su riassunti e azioni suggerite, e una “modalità fiducia“, caratterizzata dalla richiesta esplicita di prove, fonti e citazioni.

Per gli editori, la sfida non sarà più solo aggiungere l’IA ai propri flussi di lavoro, ma assicurarsi di essere “aggiunti all’IA”, passando da una logica di “IA nei Media” a una di “Media nell’IA”, dove il giornalismo diventa uno strato essenziale e verificato all’interno dei grandi ecosistemi infromativi tecnologici.

La fine dell’articolo statico

Un’altra idea che nel 2026 andrà a svanire è quella di pensare che “un articolo equivale a una storia”.

Sannuta Raghu di Scroll Media spiega che l’articolo è sempre stato un “contenitore chiuso” a causa dei limiti fisici della carta o degli URL, presupponendo che ogni lettore arrivi con lo stesso livello di conoscenza. Con l’utilizzo dell’IA, l’articolo diventerà un punto di ingresso malleabile. Questi sistemi saranno in grado di richiamare materiale contestualmente rilevante dall’intero archivio di una redazione in base alle necessità del lettore.

Quando l’esperienza informativa si sposta su interfacce conversazionali, multimodali e spesso esterne ai siti editoriali, anche i meccanismi tradizionali di accesso all’informazione iniziano a perdere centralità.

Questo cambiamento ha un effetto diretto su uno dei pilastri storici dell’editoria digitale, il traffico verso i siti di news. Secondo il report, il calo dei referral non è un’anomalia temporanea, ma una tendenza destinata a proseguire.

Come osservano diversi contributi raccolti nel report, l’informazione perde progressivamente la sua linearità e assume una forma modulare, fluida, adattabile. L’articolo non è più un punto di arrivo, ma una riserva di contenuti da cui l’intelligenza artificiale estrae frammenti, li riorganizza e li restituisce sotto forma di risposte. Ogni accesso genera una versione diversa della notizia, adattata al contesto e alla domanda dell’utente.

La conseguenza non è solo la perdita di traffico, ma un indebolimento del legame editoriale. Quando l’informazione viene incontrata attraverso interfacce conversazionali, la gerarchia delle notizie e l’esperienza di lettura costruita dalle redazioni tendono a dissolversi. La sfida non è più farsi trovare, ma restare riconoscibili anche quando il contenuto viene scomposto.

L’informazione diventa modulare, fluida, adattabile.

Un processo che mette in crisi non solo il modello di distribuzione, ma anche l’identità stessa delle testate giornalistiche, sempre meno protette in un contesto di crescente disintermediazione.

Parallelamente, assisteremo a una convergenza tra le diverse modalità di fruizione. Come osserva Alessandro Alviani di Süddeutsche Zeitung, il 2026 potrebbe segnare il passaggio verso esperienze conversazionali basate sull’audio e prive di schermo. I confini tra leggere, ascoltare e interagire tenderanno a sfumare: un utente potrà porre una domanda a un assistente vocale e, senza soluzione di continuità, passare all’ascolto di un reportage approfondito.

La “Breaking Verification”: la fiducia come valore di mercato

In un ecosistema digitale inondato da contenuti sintetici, “slop” generati dall’IA e deepfake, la credibilità diventerà l’unico vero elemento di differenziazione per le testate giornalistiche.

Gli esperti prevedono che la “Breaking Verification” ovvero la verifica tempestiva sostituirà la “Breaking News” come priorità assoluta.

Come sottolineato da Vinay Sarawagi, la fiducia deciderà chi sopravviverà nel mercato dei media.

Joshua Ogawa di Nikkei avverte che nel 2026 “vedere non sarà più credere”. Chiunque potrà creare immagini e video fotorealistici a basso costo, rendendo difficile mantenere gli standard giornalistici tradizionali. Per questo motivo, l’industria dovrà investire seriamente in strumenti di autenticazione come lo standard C2PA, che crea una “catena di custodia digitale” per certificare l’origine e le alterazioni dei contenuti visivi.

Shuwei Fang dell’Harvard Kennedy School intravede in questa crisi un’opportunità commerciale, ovvero, il prodotto del futuro non sarà il contenuto, ma il processo di verifica. Entro il 2026, i contenuti sintetici diventeranno “avversari”, utilizzati per manipolare i mercati o l’opinione pubblica. Poiché il pubblico non sarà in grado di distinguere i falsi da solo, delegherà questo compito a entità affidabili.

Le testate giornalistiche hanno la credibilità editoriale per occupare questo spazio, ma devono acquisire l’agilità necessaria per rispondere a queste minacce in tempo reale.

L’Evoluzione della Redazione: Dagli Strumenti agli Agenti

L’integrazione dell’IA nelle redazioni passerà da una fase di sperimentazione di singoli strumenti, come generatori di titoli o riassunti, a un uso strategico di IA agentica.

David Caswell osserva che l’automazione di compiti isolati ha mostrato limiti in termini di risparmio economico e strategico. Al contrario, gli agenti IA, dotati di capacità di ragionamento, saranno in grado di comprendere obiettivi generali, porre domande di chiarimento ed eseguire flussi di lavoro complessi end-to-end.

Nel 2026, questi agenti verranno utilizzati strategicamente nella raccolta delle notizie, nelle inchieste, nelle interviste e nel fact-checking.

Tuttavia, questa accelerazione crea preoccupazioni, specialmente tra i giovani giornalisti, riguardo alla possibile perdita di posti di lavoro e alla pressione per una produzione di massa sempre più rapida. Pablo Urdiales Antelo sottolinea come l’IA che gestisce interi flussi di lavoro costringerà i professionisti a confrontarsi seriamente con il concetto di integrità giornalistica in un terreno in costante movimento.

Per testate come il New York Times, la sfida consiste nel mantenere standard editoriali elevatissimi anche quando l’IA viene usata per compiti tecnici come i metadati o i riassunti. Rubina Fillion spiega che il loro approccio prevede lo sviluppo di framework per valutare la qualità editoriale dell’IA, misurando parametri come l’accuratezza per ogni frammento di testo generato e mantenendo sempre un rigoroso editing umano prima della pubblicazione.

Sostenibilità e “Vibe Coding”

Per le piccole e medie redazioni, l’IA smetterà di essere un esperimento per diventare una necessità di sopravvivenza. Tshepo Tshabalala la paragona a un “interno digitale super-efficiente” capace di gestire compiti ripetitivi e noiosi (trascrizioni, analisi di dati semplici, riassunti), permettendo ai reporter umani di concentrarsi su storie di alto impatto per le proprie comunità. L’obiettivo per queste realtà è utilizzare l’IA per diventare economicamente sostenibili, implementando nuove strategie di crescita dei ricavi.

Un concetto innovativo che emergerà nel 2026 è il “vibe coding”, ovvero l’uso del linguaggio naturale per costruire strumenti software personalizzati. Sebastián Auyanet Torres prevede che le redazioni inizieranno a creare i propri sistemi interni perfettamente adattati alla loro realtà operativa, senza dipendere da software generici. Paradossalmente, l’automazione della logica complessa tramite questi strumenti libererà i giornalisti dalle incombenze burocratiche e operative, permettendo loro di fare ciò che gli algoritmi non possono, ovvero uscire dagli uffici per ascoltare, sentire e facilitare connessioni umane reali.

Infrastruttura e potenziamento del Data Journalism

Il focus economico si sposterà dalla produzione alla distribuzione e monetizzazione. Katharina Schell di APA suggerisce che anche gli editori più riluttanti accetteranno accordi sui contenuti con le piattaforme di IA nel 2026. Allo stesso tempo, si svilupperanno nuovi prodotti basati sulla personalizzazione estrema.

Tess Jeffers del Wall Street Journal descrive l’uso di “modelli di pubblico sintetico”: chatbot addestrati per incarnare specifiche tipologie di lettori, che forniranno ai giornalisti feedback istantanei su un’idea o su un titolo. La personalizzazione non riguarderà solo i contenuti, ma anche il formato, il tono e lo stile, con l’IA capace di adattare la profondità di un articolo in base alle preferenze del singolo utente.

Infine, l’IA potenzierà drasticamente le capacità dei data journalist, permettendo loro di setacciare immensi volumi di documenti a una scala senza precedenti. Martin Stabe del Financial Times mostra che, sebbene le analisi su archivi storici siano ormai routine, la vera sfida sarà raccogliere e analizzare “dati freschi” da fonti esterne per trovare nuovi scoop.

L’accessibilità di questi strumenti favorirà anche un coinvolgimento diretto dei cittadini. Jaemark Tordecilla racconta, ad esempio, che durante le proteste nelle Filippine per casi di corruzione legati alle infrastrutture anti-alluvione ha creato uno script per estrarre dati dal sito ufficiale del governo e renderli pubblici in un foglio di calcolo. Una volta resi “AI-ready”, questi dataset possono essere interrogati tramite chatbot sia dai giornalisti sia dai cittadini, trasformando i dati pubblici da archivi statici a strumenti attivi di indagine collettiva.

Dunque, il 2026 emerge come un anno spartiacque per le decisioni editoriali.

Ed è probabilmente questa la vera lezione del forecast: il futuro del giornalismo non dipende dall’IA, ma da come il giornalismo sceglierà di usarla.