Il Massachusetts Institute of Technology (MIT), presenta il nuovo libro “ How AI Sees the City: Urban Visual Intelligence”, pubblicato a metà settembre da Routledge, che esplora come l’intelligenza artificiale possa cambiare il modo di osservare e comprendere le città. Attraverso l’analisi di milioni di immagini dei sistemi di acquisizione intelligenti ormai presenti ovunque nei centri urbani, la visual AI può leggere traffico, spazi pubblici, verde urbano e caratteristiche dell’ambiente costruito con una scala finora difficile da raggiungere.

Una nuova forma di osservazione che offre strumenti inediti a urbanisti e progettisti, trasformando le immagini in dati sulla vita urbana. La promessa è quella di una città capace di raccogliere continuamente informazioni su sé stessa e, attraverso queste informazioni, di funzionare in modo più efficiente. Del resto, l’intelligenza artificiale visiva oggi può rispondere a ogni tipo di domanda per gli urbanisti. Perché esattamente il traffico è così congestionato? Quali sono gli aspetti più pericolosi dei diversi incroci? Quali zone di piazze o parchi attraggono il maggior numero di persone? Ma a questa promessa si affiancano questioni cruciali, dalla privacy al rischio di rafforzare i bias già presenti nei dati.  

Questa capacità di analisi non riguarda soltanto gli spazi esterni, ma può estendersi anche agli ambienti interni. Un esempio significativo è rappresentato da uno studio del Senseable City Lab basato sull’analisi di circa 400.000 annunci Airbnb provenienti da diverse parti del mondo. Attraverso il riconoscimento delle immagini, i ricercatori hanno analizzato gli elementi di interior design presenti negli alloggi e hanno osservato che gli stili degli interni non stanno diventando necessariamente più uniformi a livello globale. Al contrario, le immagini evidenziano importanti differenze geografiche, mostrando come il luogo continui a influenzare il modo in cui gli spazi vengono progettati e arredati.

Le città stanno diventando ambienti sempre più tecnologizzati, disseminati di dispositivi in rete: videocamere, microfoni automatici, sistemi di rilevamento, pannelli pubblicitari dotati di sensori e beacon, piccoli dispositivi di micro-posizionamento spesso quasi invisibili, installati su muri e lampioni e capaci di interagire con gli smartphone. È proprio in questo contesto che si inserisce il concetto di smart city, la “città intelligente”: un modello urbano in cui le tecnologie digitali vengono integrate nella gestione quotidiana della città per rendere più efficienti servizi e infrastrutture. L’obiettivo è costruire una città capace di adattarsi in tempo reale alle esigenze di chi la abita, trasformando i dati raccolti sul territorio in informazioni utili per prendere decisioni e migliorare i servizi.

Bisogna però guardare anche il rovescio della medaglia. Più dati affidiamo alla tecnologia, più informazioni sulle nostre abitudini, sui nostri spostamenti e sui nostri comportamenti diventano parte di un sistema che non controlliamo completamente. Il rischio è che ciò che oggi viene raccolto per comprendere e migliorare la città possa domani essere utilizzato per monitorare, prevedere o persino indirizzare i comportamenti dei cittadini. Ciò che quindi viene indubbiamente compromessa, con lo sviluppo di queste tecnologie e l’avvento sempre più preponderante delle smart city, è la privacy dei cittadini.

Un altro problema riguarda la fiducia che tendiamo a dare a questo tipo di conoscenza della realtà. Il rischio è infatti quello di confondere ciò che può essere misurato con ciò che esiste realmente. Per quanto una città possa essere ricoperta di sensori, questi sono in grado di rilevare soltanto ciò che è stato progettato per essere rilevato e che può essere tradotto in una variabile misurabile. Un sensore può registrare un movimento, ma non può comprenderne fino in fondo il motivo. Un algoritmo può individuare una tendenza, ma può anche riprodurre i pregiudizi contenuti nei dati con cui è stato addestrato. Restano fuori dal campo dei sensori una quantità enorme di elementi: le intenzioni delle persone, le loro percezioni, le esperienze individuali, le relazioni sociali, le motivazioni che producono determinati comportamenti e tutto ciò che non può essere facilmente trasformato in un dato.

Il problema, quindi, non è che i dati siano falsi, ma che siano necessariamente parziali. L’immagine della città prodotta dall’intelligenza artificiale è una rappresentazione costruita a partire da ciò che può essere osservato, quantificato e classificato. Quando questa rappresentazione viene considerata come una fotografia completa della realtà, si rischia di prendere decisioni sulla città ignorando proprio quelle dimensioni umane che non possono essere facilmente trasformate in numeri.

A questo si aggiunge un problema importante da non sottovalutare: i dati non sono neutrali. Vengono selezionati, raccolti, classificati e interpretati da esseri umani e istituzioni. Anche un sistema apparentemente oggettivo può quindi incorporare le categorie, le priorità e i pregiudizi presenti nella società che lo ha progettato o nei dati sui quali è stato addestrato. Un dato sembra preciso perché è espresso attraverso numeri, immagini e statistiche. Ma la precisione della misurazione non garantisce necessariamente la correttezza dell’interpretazione. Un sistema può contare perfettamente ciò che gli è stato chiesto di contare e, allo stesso tempo, restituire una rappresentazione incompleta o distorta del fenomeno che dovrebbe descrivere.

Se un sistema osserva maggiormente alcuni quartieri, alcune categorie di persone o determinati comportamenti, rischia di produrre una rappresentazione della città che finisce per confermare ciò che già si presume di sapere confermando specifici bias.

Si ripropone anche in quest’ambito una conflittualità tra umanesimo e tecnologia e tra sicurezza/controllo sociale e diritto alla privacy la cui soluzione appare sempre meno chiara e scontata, laddove l’economia e la politica considerano le tecnologie sintetiche strumenti strategici nella corsa al predominio globale.

A luglio 2026, durante alcuni test di cybersecurity, agenti di OpenAI hanno aggirato restrizioni e sfruttato vulnerabilità fino a compromettere sistemi di Hugging Face, piattaforma e comunità online dedicata all’intelligenza artificiale e al machine learning. Per la sua funzione di collaborazione e condivisione nel campo dell’intelligenza artificiale, Hugging Face viene spesso definita il «GitHub dell’IA». GitHub è infatti la principale piattaforma utilizzata dagli sviluppatori per ospitare, condividere e collaborare sul codice software, mentre Hugging Face svolge un ruolo analogo soprattutto per modelli e risorse di intelligenza artificiale.

Nella specifica questione i modelli di OpenAI hanno mostrato comportamenti non previsti dagli obiettivi assegnati: hanno comunicato attraverso canali non autorizzati, sfruttato vulnerabilità dell’infrastruttura condivisa, ottenuto accesso a Internet e interagito con sistemi di terze parti. OpenAI ha definito l’episodio un “warning shot” (segnale d’allarme) per l’azienda e per il settore: senza adeguate misure di sicurezza, sostiene, agenti di IA avanzati possono eludere controlli tecnici, collaborare attraverso canali non autorizzati e compiere azioni non previste dai loro creatori.

In risposta all’incidente, OpenAI ha rafforzato i controlli sull’intera infrastruttura: ha introdotto requisiti di allineamento più stringenti, sandbox ovvero ambienti virtuali isolati in cui limitare ciò che un agente può fare, e restrizioni più severe sull’accesso a Internet e ai modelli. L’azienda ha inoltre temporaneamente sospeso alcune attività di reinforcement learning, una tecnica di addestramento in cui i modelli vengono premiati o penalizzati in base ai comportamenti adottati. Ha anche aumentato le risorse dedicate al monitoraggio delle chain of thought, le tracce del ragionamento generate dai modelli, per individuare più rapidamente comportamenti anomali o disallineati. Tutte azioni necessarie che mostrano un reale cambiamento sulle condizioni in cui i modelli vengono addestrati e valutati.

Il caso Hugging Face ha contribuito a rendere evidente il problema, ma per OpenAI non si tratta di un episodio isolato. Nel corso dell’addestramento e della valutazione dei modelli, l’azienda ha osservato diversi comportamenti inattesi riconducibili al disallineamento, cioè la situazione in cui un modello raggiunge un obiettivo attraverso modalità diverse da quelle previste o desiderate dai suoi sviluppatori.

Per questo, il 16 settembre 2026 ha presentato un nuovo protocollo (framework) per monitorare, investigare e rendere pubblici questi casi in modo più sistematico. Insieme al framework, OpenAI ha reso noti sei nuovi episodi, spiegando che in precedenza questo tipo di comportamenti veniva documentato e divulgato in maniera più episodica.

Così facendo l’azienda non sostiene di aver risolto il problema del disallineamento, ma piuttosto ha apportato una novità nel modo in cui intende monitorarlo e comunicarlo: il protocollo prevede infatti che un caso possa essere reso pubblico anche prima che l’azienda ne abbia completamente chiarito l’origine o concluso le misure di mitigazione. L’obiettivo è consentire a ricercatori, sviluppatori, autorità e pubblico di esaminare più rapidamente questi comportamenti e contribuire a individuare possibili soluzioni.

Tra i sei casi segnalati, tre mostrano in modo particolarmente chiaro i diversi aspetti del problema. Un primo episodio è avvenuto durante l’addestramento di GPT-5.6 Sol, il modello di punta della famiglia GPT-5.6 di OpenAI. In molti casi, il modello ha inserito nei propri riepiloghi delle istruzioni che servivano a non far emergere alcuni suoi errori o comportamenti che non erano in linea con ciò che l’utente voleva. Ad esempio, i riepiloghi di compattazione ovvero i riassunti delle parti precedenti di una lunga conversazione includevano istruzioni per inventare dati storici mancanti senza rivelarli e per nascondere le discrepanze tra le diverse versioni dei documenti o delle informazioni originali.

In un secondo caso, un modello ha tentato di violare il sistema di ricompensa, ovvero il meccanismo alla base del reinforcement learning che permette a un modello di imparare quali comportamenti “convengono”, tramite scorciatoie non autorizzate. Infatti, durante la risposta a una domanda di routine sui dati relativi ai guadagni in una contea della California, un modello ha individuato e utilizzato senza autorizzazione una chiave API esposta. Non essendo ancora in grado di recuperare i dati richiesti, li ha inventati e presentati come se provenissero dalla fonte richiesta.

Nel terzo episodio spiegato da OpenAI, diversi agenti hanno creato un canale di comunicazione non autorizzato utilizzando un repository interno, uno spazio interno dell’organizzazione che era destinato principalmente alla gestione dei file e dei progetti, come se fosse una sorta di bacheca per scambiarsi informazioni e coordinare le proprie attività.

OpenAI inoltre, nel presentare il nuovo framework, in una nota riconosce apertamente che il problema del disallineamento non è ancora risolto «Non riteniamo che il settore dell’IA abbia risolto i problemi di allineamento e monitoraggio in misura sufficiente per continuare a crescere in modo responsabile alla massima velocità per un periodo prolungato».

La posizione di OpenAI si inserisce così nel dibattito, sempre più acceso, sulla velocità con cui sviluppare i modelli di frontiera. Il CEO di Anthropic, Dario Amodei, ha affrontato direttamente la questione nell’articolo “We Must Pace the Frontier” (Dobbiamo rallentare lo sviluppo dell’IA di frontiera), sostenendo che il ritmo con cui aumentano le capacità dei modelli debba essere rallentato abbastanza da permettere alla sicurezza di tenere il passo. Tra le sue proposte ci sono test più rigorosi, valutatori indipendenti e un maggiore coordinamento tra le aziende e tra gli Stati. Amodei cita proprio l’incidente OpenAI-Hugging Face come uno degli episodi che lo hanno convinto della necessità di intervenire sul ritmo dello sviluppo.

La proposta ha ricevuto rapidamente il sostegno di Sam Altman. Il CEO di OpenAI ha scritto su X: «Concordo con Dario sul fatto che dobbiamo rallentare lo sviluppo dell’IA di frontiera », aggiungendo che il tema è stato al centro delle discussioni interne all’azienda nelle ultime settimane. Altman ha inoltre annunciato che OpenAI adotterà una delle proposte di Amodei, affidando a valutatori indipendenti un accesso ai sistemi paragonabile a quello dei dipendenti.

Anche Elon Musk ha appoggiato pubblicamente l’intervento di Amodei, limitandosi a commentare su X: «Dario ha ragione». Il sostegno di Musk e Altman colloca così la proposta di Amodei al centro del dibattito tra alcuni dei principali protagonisti della corsa all’IA, proprio mentre negli Stati Uniti cresce la discussione su quanto sia possibile accelerare lo sviluppo senza che la sicurezza rimanga indietro.

Lunedì 14 settembre, Trump ha prima respinto pubblicamente i timori sui rischi dell’intelligenza artificiale durante una telefonata, trasmessa in vivavoce durante un evento sull’AI a Los Angeles, con Jensen Huang, CEO di Nvidia, azienda tecnologica statunitense specializzata nella progettazione di GPU (processori grafici) e piattaforme di calcolo. In questa telefonata Trump ribadisce la sua posizione affermando che «I robot non prenderanno il sopravvento. L’intelligenza artificiale non prenderà il sopravvento sul resto del mondo. È tutta una bufala».

Poco dopo il presidente ha pubblicato su Truth Social, la sua piattaforma di social media, una risposta più articolata alle richieste di regolamentazione avanzate da Dario Amodei e da altri dirigenti del settore. Trump ha sostenuto che l’unico “guardrail” necessario per l’intelligenza artificiale fosse «un presidente forte e intelligente (con un QI elevato!)», affermando inoltre che gli Stati Uniti avessero già ampi poteri penali e regolatori sulle aziende del settore. Ha quindi denunciato quella che ha definito una “malata cospirazione” contro l’AI e i data center, sostenendo che a beneficiarne sarebbe soprattutto la Cina: «Chi vince con l’AI, vince!».

Una posizione che, pur partendo da presupposti diversi, si colloca nello stesso fronte di chi non considera necessario un rallentamento coordinato dello sviluppo dell’intelligenza artificiale, è quella espressa dal CEO di Meta. Zuckerberg ha sostenuto che le aziende di IA abbiano già forti incentivi a sviluppare sistemi sicuri, legati alla concorrenza, alla responsabilità legale e al rischio reputazionale. Secondo il CEO, ogni laboratorio può decidere autonomamente il ritmo con cui procedere e intervenire quando necessario. Zuckerberg ha citato anche la decisione di Meta di rinviare il lancio del suo nuovo agente personale di intelligenza artificiale Muse, progettato per svolgere autonomamente attività per conto degli utenti, per rafforzarne la sicurezza. Meta sostiene inoltre l’impiego di valutatori indipendenti come pratica per verificare la sicurezza dei modelli.

Lo sviluppo tecnologico e la diffusione dell’intelligenza artificiale stanno trasformando profondamente il settore del visual journalism, rendendo sempre più complesso il processo di verifica delle immagini. La possibilità di generare contenuti falsi, realistici e difficili da distinguere da quelli autentici alimenta il fenomeno della disinformazione e mette in discussione i tradizionali criteri utilizzati per stabilire l’attendibilità di una fotografia o di un video. Queste problematiche sono ampiamente descritte in un interessante raccolta di opinioni pubblicate all’interno di un articolo sulla Columbia Journalism Review.

La domanda non è più soltanto «Come dimostriamo che questa immagine è falsa?», ma anche «Come dimostriamo che questa immagine è vera?». I segnali e gli strumenti che in passato permettevano di riconoscere un contenuto autentico potrebbero infatti non essere più sufficienti.

Nel giornalismo visivo, l’OSINT (Open Source Intelligence) indica l’utilizzo di informazioni provenienti da fonti aperte e liberamente accessibili per raccogliere, verificare e interpretare contenuti. Queste tecniche si sono sviluppate soprattutto nel racconto dei conflitti, dove l’accesso diretto ai luoghi degli eventi è spesso limitato e immagini, video e dati online possono diventare fondamentali per ricostruire ciò che è accaduto.

Tra gli strumenti più utilizzati ci sono la geolocalizzazione, che permette di individuare il luogo in cui è stata realizzata un’immagine o un video, e l’analisi delle immagini satellitari, utile per osservare e documentare i cambiamenti di un territorio nel tempo. A queste si aggiunge la verifica dei contenuti generati dagli utenti, attraverso cui si controllano origine, data e attendibilità di fotografie e video pubblicati online.

Fondamentale è anche l’archiviazione dei contenuti presenti sui social, che permette di conservare materiali che potrebbero essere successivamente cancellati o diventare inaccessibili. Infine, l’estrazione e l’analisi dei dati consentono di individuare collegamenti e informazioni utili alla ricostruzione di un evento.

Principali problematiche legate al visual journalism

Una delle prime questioni sollevate riguarda il problema delle “mezze verità”: si tratta di immagini reali presentate in contesti fuorvianti, senza contesto o non correttamente interpretate.

Il problema del contesto fuorviante o dell’interpretazione errata nasce dal fatto che un’immagine può essere autentica, ma allo stesso tempo essere utilizzata per raccontare qualcosa che non corrisponde alla realtà. Per il visual journalist diventa quindi fondamentale non fermarsi alla verifica tecnica dell’immagine, ma ricostruirne il contesto attraverso altre fonti, testimonianze, dati, geolocalizzazione e confronto con immagini precedenti o successive.

Un caso emblematico di questo fenomeno è quello di una fotografia struggente che raffigurava un bambino sdraiato tra due strutture che sembrano tombe. L’immagine è stata diffusa come immagine della guerra a Gaza. In realtà era un progetto artistico del 2014 del fotografo saudita Aziz Alotaibi, realizzato in Arabia Saudita.

Il secondo problema riguarda la carenza di disponibilità dei materiali visivi durante i conflitti. Rispetto a guerre come quella in Siria o in Iraq, nei conflitti più recenti circolano meno video e immagini che possano essere utilizzati per ricostruire e confrontare gli eventi. Il paradosso è che la diffusione delle tecniche OSINT ha reso più consapevoli del valore strategico delle immagini anche gli attori coinvolti nei conflitti. Se un video può diventare una prova utile per ricostruire un bombardamento, identificare un’arma o documentare una violazione, diventa altrettanto importante impedire che quel materiale venga registrato, pubblicato o conservato. Di conseguenza, possono diminuire le tracce visive disponibili e, con esse, la possibilità per giornalisti e investigatori di ricostruire ciò che è accaduto

Questo rende il lavoro degli investigatori OSINT più difficile, perché spesso la ricostruzione di un fatto dipende proprio dalla possibilità di mettere insieme numerose testimonianze visive provenienti da fonti diverse.

Un chiaro esempio di questa problematica è la situazione che si è creata a Gaza dopo il 7 ottobre 2023, data fondamentale perché segna l’inizio dell’attuale guerra tra Israele e Hamas. I giornalisti internazionali hanno avuto un accesso estremamente limitato al territorio, mentre gran parte della documentazione visiva è stata prodotta da giornalisti palestinesi, operatori sanitari e cittadini. Le redazioni hanno quindi dovuto lavorare a distanza, mettendo insieme video pubblicati online, testimonianze, immagini satellitari e materiale proveniente da contatti locali.

Nel 2024, infatti, il team di indagini visive del New York Times, ha addestrato un modello per analizzare le immagini satellitari e identificare i crateri lasciati da bombe da 2.000 libbre in zone di Gaza dichiarate sicure per i civili.

Le “immagini ibride”, cioè immagini che partono da un contenuto reale ma vengono successivamente modificate dall’intelligenza artificiale, a volte impercettibilmente in alcuni dettagli, costituiscono un altro livello di difficoltà per il giornalismo visuale. A differenza di un’immagine completamente generata, queste manipolazioni possono essere molto difficili da riconoscere perché la maggior parte della fotografia rimane autentica.

Per questo motivo non è sufficiente affidarsi a un detector automatico ovvero uno strumento tecnologico che può segnalare una possibile alterazione, ma è indispensabile unire la tecnologia al lavoro umano.

Un esempio di immagine ibrida riguarda il caso dello sgombero del centro sociale Askatasuna di Torino avvenuto a gennaio 2026. Un video realizzato da Torino Oggi documentò l’aggressione a un agente di polizia, Alessandro Calista, che venne circondato e colpito da alcuni manifestanti. Nel video si vede poi il collega Lorenzo Virgulti intervenire per soccorrerlo.

Il giorno successivo, la Polizia di Stato pubblicò sui propri canali social una fotografia che mostrava proprio quel momento, trasformandola di fatto nell’immagine simbolo dell’aggressione. La fotografia venne inoltre inviata all’ANSA e successivamente ripresa da altri media.

Il problema è che la fotografia non era una semplice fotografia originale. Secondo la ricostruzione di Facta, testata giornalistica italiana indipendente specializzata nel fact-checking e nel contrasto alla disinformazione, la foto era stata modificata con l’intelligenza artificiale partendo da un fotogramma reale del video. Nella fotografia modificata infatti scompaiono la maschera antigas e lo scudo dell’agente, cambiano alcuni elementi del suo volto non più coperto dal casco e anche lo sfondo presenta elementi che non corrispondono fedelmente alla scena reale, come la pavimentazione e la ringhiera. Quindi l’immagine che viene presentata al pubblico conserva il riferimento a un episodio realmente accaduto, ma non corrisponde esattamente alla scena reale.

Un’altra questione sollevata è legata al crescente costo dell’OSINT con la diffusione di software e strumenti specializzati. Questo processo ha però spostato l’attenzione dall’obiettivo principale dell’indagine alla tecnologia utilizzata e alla spettacolarizzazione delle competenze:  si sono diffusi analisti improvvisati che, pur avendo competenze tecnologiche, spesso non possiedono sufficienti conoscenze storiche e geopolitiche. Il rischio è che interpretino male le informazioni e amplifichino immagini, video o notizie non verificati, contribuendo così alla diffusione di disinformazione.

Un esempio calzante è il caso di Madaya, in Siria, nel 2016. Durante l’assedio della città circolò la fotografia di un bambino estremamente denutrito, presentata come una vittima della crisi umanitaria di Madaya. L’immagine venne ripresa anche da importanti agenzie di stampa, ma Bellingcat, un’organizzazione specializzata nelle indagini OSINT, verificò successivamente che la fotografia non era stata scattata a Madaya e proveniva da un’altra circostanza. Il caso mostra che il problema degli errori OSINT non riguarda solamente utenti anonimi dei social, ma può coinvolgere anche media e organizzazioni professionali quando la verifica della fonte non è sufficiente

Questi fenomeni ampiamente diffusi stanno generando una crisi di fiducia nelle immagini. Per questo motivo, la verifica non può più basarsi soltanto sull’analisi digitale, ma deve integrarsi con l’OSINT tradizionale e con il lavoro dei giornalisti sul campo, mantenendo sempre al centro le persone e il contesto in cui gli eventi avvengono.

Stiamo assistendo dunque ad un vero e proprio cambiamento epistemico, cioè a un ripensamento del modo in cui stabilire cosa possiamo considerare una prova attendibile. I metodi tradizionali potrebbero non essere più sufficienti e sarà quindi necessario sviluppare nuovi strumenti, protocolli e pratiche di verifica, aggiornandoli continuamente in base all’evoluzione della tecnologia.

Nel dicembre 2023, il The New York Times ha citato in giudizio OpenAI e Microsoft per presunta violazione del copyright, accusandole di aver utilizzato i propri articoli per l’addestramento dei loro modelli di intelligenza artificiale. Le aziende tecnologiche si sono difese appellandosi alla dottrina del “fair use” che consente, in determinate circostanze, di utilizzare un’opera protetta dal copyright senza l’autorizzazione del titolare dei diritti. La legge statunitense indica, tra gli esempi di utilizzo che possono rientrare nel fair use, attività quali la critica, il commento, la cronaca, l’insegnamento, la ricerca e lo studio.

I tribunali, inoltre, devono valutare quattro fattori per stabilire se uno specifico utilizzo possa rientrare nel fair use. Il primo riguarda lo scopo e la natura dell’utilizzo, considerando, tra gli altri aspetti, se esso abbia finalità commerciali e se sia trasformativo, cioè se utilizzi l’opera per uno scopo o una funzione significativamente diversa da quella originaria. Il secondo fattore riguarda la natura dell’opera protetta, ovvero il tipo di opera utilizzata. Il terzo considera la quantità e la sostanzialità della parte dell’opera utilizzata, valutando non solo quanto materiale è stato riprodotto, ma anche quanto esso sia importante rispetto all’opera nel suo complesso. Infine, il quarto fattore riguarda l’effetto dell’utilizzo dell’opera sul mercato potenziale e sul suo valore, ossia l’eventuale danno che l’utilizzo può provocare al mercato dell’opera o alla sua capacità di generare valore. L’applicazione di questi criteri, tuttavia, varia in relazione alle circostanze concrete del singolo caso e richiede quindi un’analisi specifica delle modalità e delle finalità dell’utilizzo dell’opera.

È proprio intorno all’applicazione di questi criteri che si sviluppa la controversia tra il The New York Times e OpenAI, che nel corso del tempo ha assunto dimensioni più ampie coinvolgendo altri autori ed editori. Il procedimento è infatti confluito, insieme ad altre controversie relative all’utilizzo di opere protette da copyright per l’addestramento dei sistemi di intelligenza artificiale, nella multidistrict litigation (In re OpenAI, Inc. Copyright Infringement Litigation), istituita presso il Southern District of New York.

La controversia si è quindi evoluta nel corso del procedimento, arrivando nel settembre 2026 a un passaggio particolarmente significativo. Le parti coinvolte hanno chiesto al giudice federale Sidney Stein di pronunciarsi attraverso il cosiddetto summary judgment, una procedura che consente al tribunale di decidere su una controversia senza procedere a un processo completo quando non sussistono fatti rilevanti realmente contestati. La pronuncia del giudice potrebbe risultare determinante per l’esito della causa e, più in generale, contribuire a definire i limiti entro cui le società di AI possono utilizzare materiale protetto da copyright per l’addestramento dei propri modelli.

Per il The New York Times, il problema è che l’utilizzo dei suoi articoli da parte di OpenAI non sarebbe sufficientemente “trasformativo” da rientrare nel fair use e inoltre questo causerebbe ingenti danni economici. Le aziende tecnologiche sostengono invece che i sistemi di IA non si limitino a copiare i contenuti utilizzati durante l’addestramento, ma ne ricavino modelli statistici generali, successivamente impiegati per produrre testi e altri contenuti originali.

A rendere ancora più rilevante la controversia è l’intervento del governo degli Stati Uniti, che a inizio settembre 2026 ha presentato uno Statement of Interest (dichiarazione di interesse) nel procedimento, prendendo posizione sulle principali questioni giuridiche sollevate dalle cause. Attraverso questo intervento, il governo sostiene una posizione sostanzialmente favorevole alle aziende tecnologiche, ritenendo che l’utilizzo di opere protette da copyright per l’addestramento dei modelli di AI possa rientrare nel fair use e definisce profondamente errata la teoria della “diluizione del mercato” sostenuta da alcuni autori.

Il punto più importante della dichiarazione è che il governo propone di separare giuridicamente l’addestramento dell’AI dai suoi eventuali output. Nello specifico il fatto che un modello possa successivamente generare contenuti concorrenti con quelli degli autori non renderebbe automaticamente illecito l’utilizzo delle opere durante l’addestramento. Il training, infatti, avrebbe una finalità diversa da quella originaria delle opere: queste non vengono semplicemente ripubblicate, ma utilizzate come materiale attraverso cui il modello apprende il linguaggio e produce successivamente nuovi contenuti.

In altre parole, secondo il governo, non è sufficiente che un testo generato dall’AI possa “fare concorrenza” a un articolo o a un libro scritto da un autore umano. Perché si possa parlare di un danno rilevante per il copyright, l’output dovrebbe agire come un vero e proprio sostituto dell’opera originale, compromettendone concretamente la commerciabilità. Non basta, quindi, una generica concorrenza tra contenuti che svolgono una funzione simile o appartengono allo stesso genere.

È una distinzione fondamentale: il fatto che un contenuto generato dall’AI possa svolgere la stessa funzione di un’opera umana non significa necessariamente che ne violi il copyright. A essere protetta, infatti, non è l’idea o il genere dell’opera, ma la sua specifica espressione.

L’intervento non rende gli Stati Uniti parte della causa e non ha valore giuridico vincolante, piuttosto va considerato come un atto consultivo e persuasivo. Il suo peso istituzionale è tuttavia significativo, perché introduce nel giudizio una prospettiva più ampia: la decisione sul fair use non riguarderebbe soltanto la tutela degli autori e gli interessi economici delle aziende coinvolte, ma potrebbe incidere sulla competitività dell’industria americana dell’AI e sulla posizione degli Stati Uniti nella competizione tecnologica globale.

A tal proposito la posizione del governo ha ragioni di interesse nazionale. Gli Stati Uniti ritengono infatti strategico mantenere una forte leadership nell’intelligenza artificiale e temono che un obbligo generalizzato di licenza per ogni opera utilizzata nell’addestramento di modelli AI possa aumentare enormemente i costi, creare barriere all’ingresso e favorire la concentrazione del settore nelle mani delle aziende più grandi con maggior potere economico.

Una posizione che si inserisce nella più ampia strategia statunitense di mantenere la leadership nella corsa all’AI, come emerge dalla dichiarazione del presidente Donald Trump del 13 settembre in risposta agli appelli a rallentare lo sviluppo dell’intelligenza artificiale, sottolineando la necessità per gli Stati Uniti di mantenere la leadership nella competizione con la Cina. Ha sintetizzato questa posizione nella frase “whoever wins AI wins”, ovvero “chi vince nel campo dell’IA, vince”, evidenziando come la supremazia nell’IA possa garantire un vantaggio decisivo sul piano tecnologico ed economico.

Al di là della questione strettamente giuridica, questa contesa solleva anche una questione di natura sociologica: l’AI trae valore dalla produzione culturale umana, mentre gli autori potrebbero trovarsi a competere con sistemi sviluppati anche attraverso l’elaborazione di quella stessa produzione. Se la domanda si spostasse verso i contenuti generati dall’IA, potrebbe diminuire il ritorno economico per gli autori, mettendo in discussione gli incentivi a produrre nuova conoscenza e cultura e costringendo i modelli ad addestrarsi su materiali prodotti da loro stessi.

Il dibattito sull’utilizzo dell’intelligenza artificiale nel mondo dell’informazione è ormai entrato in una fase di piena maturità. Abbiamo spesso analizzato i benefici e i limiti di questi strumenti all’interno delle redazioni, ma per comprendere davvero il loro impatto bisogna considerare che il giornalismo non è un blocco unico.

Ci sono varie tipologie di giornalismo, ognuna con le sue regole, i suoi tempi e i suoi linguaggi. Si va dalla tempestività del giornalismo di cronaca, che racconta i fatti in tempo reale, al giornalismo d’opinione, dove editorialisti e commentatori analizzano l’attualità per stimolare il dibattito pubblico. Negli ultimi anni, inoltre, l’evoluzione tecnologica ha dato vita ad approcci completamente nuovi: è il caso del data journalism, in cui i reporter usano software e codice per scovare notizie nascoste tra enormi flussi di dati, o del giornalismo immersivo e visuale, che sfrutta video in 3D, mappe interattive e infografiche complesse, long-form, facendo immergere il lettore nella notizia.

C’è però un settore in cui la tecnologia si scontra con sfide ancora più complesse: il giornalismo investigativo, dove non ci si può limitare a riportare i fatti, ma è necessario scavare dietro le quinte alla ricerca di illeciti, scandali e verità nascoste. Prendendo spunto dalla dettagliata analisi pubblicata lo scorso giugno dal Center for News, Technology & Innovation (CNTI), in questo articolo ci concentreremo proprio sui principali utilizzi e sui limiti dell’AI applicata alle grandi inchieste.

Il giornalismo investigativo, infatti, è per sua natura un lavoro “caso per caso”. Ogni indagine si muove in un contesto unico, fatto di reportage sul campo, interviste confidenziali e, molto spesso, della gestione di dati “sporchi”, disordinati o deliberatamente nascosti. Proprio perché ogni progetto richiede metodi d’indagine specifici, un’altissima accuratezza e profonde valutazioni etiche e legali, la supervisione umana e il giudizio di contesto rimangono elementi insostituibili.

Vediamo allora come l’intelligenza artificiale sta ridefinendo questo delicato equilibrio.

Principali usi dell’AI nelle inchieste             

Innanzitutto, l’intelligenza artificiale si dimostra imbattibile nel rintracciare il classico “ago nel pagliaio”. Davanti a montagne di documenti illeggibili, i software riescono a fare pulizia, estrarre nomi e luoghi, analizzare il tono dei testi (sentiment analysis) e individuare anomalie. Un esempio calzante è Pinpoint, la piattaforma di Google, ideale  per il giornalismo investigativo, che permette di effettuare ricerche rapide all’interno di enormi archivi digitali contenenti migliaia di PDF, e-mail, appunti scritti a mano, file audio o video.

Un altro caso emblematico è quello del classificatore automatico addestrato della radiotelevisione svizzera SRF. Si tratta di un algoritmo pensato per scansionare migliaia di profili Instagram che permette di distinguere i follower reali da quelli “falsi” acquistati dagli influencer.

Un altro utilizzo dell’intelligenza artificiale da parte dei giornalisti è legato all’algorithmic accountability, ovvero alla responsabilità algoritmica. L’AI in questo caso è utilizzata per testare su larga scala sistemi e piattaforme poco trasparenti.  Grazie a questa tecnica, sono state svelate le discriminazioni razziali nel software della giustizia penale americana. Si tratta della famosissima inchiesta del 2016 condotta da ProPublica sull’algoritmo COMPAS, un software utilizzato dai giudici in molti stati americani per calcolare il “rischio di recidiva”, cioè la probabilità che una persona arrestata possa commettere un altro reato in futuro.

I giornalisti di ProPublica fecero proprio un lavoro di algorithmic accountability: analizzarono i punteggi assegnati dal software a oltre 7.000 persone arrestate e dimostrarono, dati alla mano, che l’algoritmo era affetto da un forte bias razziale. Il software tendeva a sovrastimare sistematicamente il rischio per gli imputati neri e a sottostimarlo per quelli bianchi, commettendo errori macroscopici. È rimasto nella storia del giornalismo computazionale come il primo, grande esempio di come un’inchiesta giornalistica possa “processare” un algoritmo per difendere i diritti civili.

L’AI si rivela preziosa quando si tratta di ricostruire e mappare reti di relazioni estremamente complesse. I software possono infatti incrociare dati di tracciamento navale, segnali di soccorso e testimonianze dei sopravvissuti, oppure mappare reti finanziarie e normative.

Ma la tecnologia sa essere anche uno scudo, trasformandosi in una risorsa vitale per la protezione delle fonti e la sicurezza stessa dei giornalisti, soprattutto nei Paesi in cui la libertà di stampa è calpestata. Un esempio emblematico arriva dal Venezuela, dove è nato “Venezuela Retweets”, un notiziario interamente basato sull’intelligenza artificiale e creato da un gruppo di testate giornalistiche per proteggere i propri reporter dalla repressione scatenata dal regime di Nicolás Maduro in seguito alle contestate elezioni del luglio 2024. I telegiornali vengono infatti condotti da avatar digitali fotorealistici al fine di diffondere notizie verificate senza che i giornalisti in carne e ossa rischino l’identificazione o l’arresto.

Infine, l’AI sta rivoluzionando lo storytelling, ovvero il modo in cui la notizia viene confezionata per il pubblico. Una volta conclusa l’inchiesta, i modelli linguistici aiutano a trasformare quel materiale immenso in formati adatti a ogni lettore. Un esempio virtuoso arriva dal quotidiano argentino Clarín, che grazie a UalterAI, un assistente virtuale alla lettura, permette agli utenti di fruire dello stesso reportage in modi diversi: c’è chi preferisce leggere la sintesi classica, chi vuole consultare una cronologia interattiva, chi un elenco di domande frequenti (FAQ) o chi preferisce concentrarsi solo sul confronto dei dati numerici.

Le sfide dell’IA: i cinque limiti che i giornalisti devono superare

Nonostante le enormi potenzialità, l’introduzione dell’intelligenza artificiale nel giornalismo investigativo si scontra con barriere complesse. Il primo ostacolo è legato alla qualità dei dati. Le inchieste, per loro natura, nascono spesso da informazioni incomplete, disordinate o nascoste intenzionalmente. Se i dati di partenza sono “sporchi”, l’automazione rischia di amplificare l’errore e produrre risultati fuorvianti. Per questo motivo il lavoro umano di negoziazione, raccolta e pulizia dei dataset resta un prerequisito insostituibile.

A questa situazione si aggiunge una forte dipendenza dei sistemi algoritmici da attori esterni, come colossi tecnologici, università o piattaforme cloud. Questa dinamica minaccia l’autonomia editoriale e solleva seri dubbi sulla sicurezza delle informazioni, sulla privacy e sulla reale protezione delle fonti, ricordandoci che la tecnologia non è mai neutrale ma rimodella i processi stessi del fare informazione.

Esiste poi un limite tecnico ed epistemico fondamentale: per fare inchiesta, le prove devono essere tracciabili, verificabili e difendibili in tribunale. I modelli di AI più potenti, come le reti neurali profonde, funzionano spesso come “scatole nere” opache di cui è impossibile spiegare il ragionamento. Per ovviare a questo problema, molte redazioni preferiscono sacrificare un po’ di potenza a favore della trasparenza, scegliendo modelli di machine learning più interpretabili. È il caso degli alberi decisionali che analizzano i dati attraverso una serie di domande a bivio per arrivare a una conclusione logica o delle random forest, che mettono insieme decine di questi alberi per ottenere un voto collettivo e più stabile. Sapere esattamente quale percorso logico ha seguito la macchina è l’unico modo che il giornalista ha per garantire l’accuratezza della sua inchiesta.

Infine, a pesare sono anche i limiti linguistici ed economici. I migliori strumenti di AI sul mercato sono addestrati in inglese e tarati su contesti culturali occidentali, creando una barriera che penalizza i giornalisti del Sud del mondo e rischia di rafforzare le gerarchie geopolitiche esistenti invece di democratizzare l’informazione.

Sul fronte economico, sebbene l’AI possa accelerare l’analisi dei documenti, non cancella i costi vivi del giornalismo. Il lavoro sul campo, la protezione dei testimoni, le verifiche incrociate e le tutele legali richiedono un investimento umano enorme. Le piccole redazioni locali, prive di budget per infrastrutture tecnologiche o ingegneri dedicati, rischiano così di rimanere escluse da questa transizione, ampliando il divario con le grandi testate internazionali.

Ma dunque cosa serve nelle redazioni? Il vero motore del cambiamento è la collaborazione multidisciplinare. Le moderne inchieste nascono dall’incontro ravvicinato tra reporter, programmatori, esperti legali, scienziati dei dati e specialisti della sicurezza. In questo ecosistema emerge una figura chiave, ovvero il “facilitatore di confine”. Si tratta di un professionista capace di fare da ponte tra la redazione e il team tecnico, traducendo le necessità giornalistiche in strumenti informatici concreti.

Allo stesso tempo, diventa vitale una profonda alfabetizzazione digitale. Le redazioni devono sviluppare una solida consapevolezza critica riguardo ai limiti della tecnologia, imparando a gestire rischi concreti come le allucinazioni dell’IA, i pregiudizi linguistici e la dipendenza dalle grandi piattaforme proprietarie.

L’intelligenza artificiale sta trasformando l’economia con una rapidità senza precedenti, ma nel settore del giornalismo il suo utilizzo solleva interrogativi particolarmente delicati e questioni etiche e deontologiche. La fiducia del pubblico si fonda sulla qualità del lavoro editoriale: la verifica delle fonti, il controllo dei fatti, il rispetto del contesto e l’assunzione di responsabilità su ciò che viene pubblicato.

È pertanto necessario individuare percorsi e strumenti che consentano di non perdere quella fiducia quando la generazione dei contenuti avviene attraverso l’utilizzo di intelligenza artificiale. E la fiducia del pubblico è anche il pilastro su cui il giornalismo basa la validità e l’efficacia del suo modello economico.

In questo contesto si inserisce il disegno di legge NY FAIR News Act (New York Fundamental Artificial Intelligence Requirements in News Act), approvato il 5 giugno da entrambe le camere del parlamento dello Stato di New York, Senato e Assemblea, che impone alle testate giornalistiche operanti nello Stato di includere chiare avvertenze sui contenuti generati in modo sostanziale o totale dall’intelligenza artificiale.

Il provvedimento deve adesso essere inoltrato alla governatrice Kathy Hochul che, una volta ricevuto, può firmarlo, non firmarlo o porre il veto. In caso di veto, il legislatore potrebbe comunque tentare di superarlo, ma solo con una maggioranza qualificata dei due terzi in entrambe le camere. Se la governatrice non restituisce il disegno di legge entro 10 giorni, escluse le domeniche, il testo diventa legge come se fosse stato firmato.

Sul piano politico, tuttavia, la posizione di Hochul sembra generalmente favorevole a norme di trasparenza sull’intelligenza artificiale. La governatrice ha già sostenuto misure contro gli usi ingannevoli dell’IA, compresa la disclosure nei contenuti politici, e ha firmato il RAISE Act, una legge dedicata alla sicurezza e alla trasparenza dei grandi modelli di intelligenza artificiale. Se diventerà legge, entrerà in vigore 60 giorni dopo la sua approvazione definitiva.

Dal punto di vista tecnico, il NY FAIR News Act interviene sulla General Business Law dello Stato di New York, cioè il grande corpus normativo che disciplina molte attività economiche, commerciali e di tutela dei consumatori. La proposta non modifica semplicemente una norma già esistente, ma punta ad aggiungere un nuovo Article 48 dedicato all’uso dell’intelligenza artificiale nei news media.

Il nuovo articolo si apre con una dichiarazione d’intento sull’uso dell’IA generativa nel settore dell’informazione che può incidere sulla fiducia del pubblico e sulla trasparenza del processo editoriale:

“New York è uno dei centri principali dell’industria giornalistica americana e i lavoratori dell’informazione rappresentano una componente essenziale della forza lavoro dello Stato.

L’intelligenza artificiale generativa è in grado di produrre rapidamente articoli, riassunti, copioni per notiziari, contenuti audio e video e altri materiali multimediali che, a un osservatore non esperto, possono apparire realizzati in modo professionale. Tuttavia, esistono prove significative del fatto che i contenuti creati con IA generativa possano contenere informazioni false o fuorvianti, oppure derivare da materiali originali senza autorizzazione o senza una corretta attribuzione.

Questi rischi danneggiano il pubblico, che si affida alle notizie per ricevere informazioni accurate sul mondo. Per questo motivo, il legislatore riconosce un forte interesse pubblico nel preservare il lavoro umano nel giornalismo. È urgente evitare che le aziende dell’informazione utilizzino l’intelligenza artificiale a danno sia del pubblico sia dei lavoratori dei media, inclusi reporter, redattori, giornalisti, sceneggiatori, registi, produttori, doppiatori, grafici e altri professionisti delle redazioni.

L’intento è quindi stabilire regole chiare e protezioni significative per i giornalisti e per il pubblico, così da salvaguardare l’integrità delle notizie e il valore del lavoro umano.”

Il testo definisce l’IA generativa come una categoria di modelli capaci di imitare struttura e caratteristiche dei dati di partenza per produrre nuovi contenuti sintetici, inclusi testi, immagini, video, audio e altri materiali digitali.

Nella sezione successiva viene fornita una definizione di “news media” volutamente ampia. Rientrano non solo i giornali tradizionali, ma qualsiasi pubblicazione o programmazione che offra notizie, meteo, traffico, sport o intrattenimento, indipendentemente dal mezzo di distribuzione. Rientrano quindi giornali, riviste, siti web, newsletter, televisioni, radio, podcast e contenuti diffusi via Internet o satellite.

Il cuore del provvedimento è l’obbligo di disclosure (trasparenza) che scatta quando il contenuto è stato creato in modo “sostanziale” dall’intelligenza artificiale generativa. Per i contenuti scritti, visivi o audiovisivi, l’avviso deve apparire in modo evidente nella parte alta della pagina, dell’immagine, del video o del contenuto pubblicato; per i contenuti audio, invece, deve essere comunicato all’inizio della trasmissione o registrazione.

Il testo però prevede un’eccezione ovvero che l’obbligo di disclosure non si applica se il contenuto è idoneo alla registrazione del copyright, quando l’IA è stata usata solo come supporto. In pratica, se il contenuto finale conserva un contributo umano creativo abbastanza significativo da poter essere protetto dal diritto d’autore, non verrebbe automaticamente trattato come contenuto sostanzialmente generato dall’IA.

Se, per esempio, un giornalista utilizza strumenti di IA per riassumere documenti, organizzare appunti o suggerire spunti, ma poi scrive, struttura, verifica e rielabora personalmente l’articolo, il risultato finale potrebbe essere considerato frutto di un apporto creativo umano sufficiente.

Questa impostazione richiama, almeno in parte, l’articolo 50 dell’AI Act europeo, dove l’obbligo di trasparenza sui contenuti generati o manipolati dall’intelligenza artificiale viene attenuato quando il contenuto è stato sottoposto a revisione umana o controllo editoriale e quando una persona fisica o giuridica si assume la responsabilità editoriale della pubblicazione.

Il nuovo articolo prevede anche un meccanismo di enforcement, cioè stabilisce in che modo la norma può essere fatta rispettare. Questo compito spetta all’Attorney General, il procuratore generale dello Stato di New York, che in caso di violazione può rivolgersi a un tribunale per chiedere un’ingiunzione, cioè un ordine che imponga al soggetto responsabile di interrompere la condotta illecita. Il testo precisa che il tribunale può intervenire anche senza la necessità di dimostrare che qualcuno abbia subito un danno concreto. Sono inoltre previste sanzioni civili: 1.000 dollari per la prima violazione e 5.000 dollari per ogni violazione successiva.

L’iter legis e le modifiche  

Durante l’iter legislativo, il NY FAIR News Act è stato notevolmente ridimensionato. La versione originaria era molto più ampia in quanto interveniva non solo sulla General Business Law ma anche sulla Civil Rights Law, la legge sui diritti civili, prevedendo tutele specifiche per i lavoratori dei media.

Il testo iniziale imponeva ai datori di lavoro di informare i giornalisti sull’uso dell’IA generativa nella creazione dei contenuti, prevedeva una revisione umana obbligatoria prima della pubblicazione e introduceva limiti all’utilizzo del lavoro giornalistico per addestrare sistemi di intelligenza artificiale, richiedendo informazione, consenso e possibilità di negoziare una remunerazione. Inoltre, l’uso dell’IA non avrebbe dovuto ridurre i diritti previsti dai contratti collettivi né comportare licenziamenti, demansionamenti o perdita della posizione lavorativa.

Tutte queste parti sono però scomparse nella versione B, attualmente attiva. Il provvedimento è stato così ricondotto quasi interamente a una norma di trasparenza verso il pubblico: non disciplina più direttamente il rapporto tra aziende e lavoratori dei media, ma si concentra sull’obbligo di avvisare i lettori, gli ascoltatori o gli spettatori quando un contenuto giornalistico è stato creato in modo sostanziale con IA generativa.

Fiducia nei media

New York è considerata un centro importante dell’industria giornalistica statunitense e vuole preservare sia l’affidabilità dell’informazione sia il lavoro umano nelle redazioni. Il disegno di legge è stato definito “landmark” e “first-in-the-nation”, cioè una misura pionieristica negli Stati Uniti. Una volta divenuto legge, sarebbe valida solo nello Stato di New York, ma con un campo di applicazione potenzialmente molto più ampio.

Il testo riguarda infatti i contenuti di news media “pubblicati, trasmessi, diffusi o accessibili” nello Stato, quando siano stati creati in modo sostanziale con IA generativa. Di conseguenza, la norma non si applicherebbe soltanto alle redazioni fisicamente presenti a New York: un sito o media fuori dallo Stato, se rende quei contenuti accessibili al pubblico di New York, potrebbe rientrare nel perimetro di applicazione della norma.

La deputata democratica Nily Rozic presenta il provvedimento come una vittoria per il giornalismo e per le comunità che dipendono da notizie affidabili. Secondo Rozic, la trasparenza sull’uso dell’IA serve non solo ai consumatori, ma anche ai lavoratori, perché preserva il valore del reporting originale e rende più chiaro quando il lavoro umano viene sostituito o affiancato da sistemi automatici.

La NewsGuild of New York, sindacato dei giornalisti, interpreta il disegno di legge come un primo passo per rendere le aziende mediatiche più responsabili nell’uso dell’IA. La posizione espressa è che “vero giornalismo” richiede esseri umani reali e che, se le aziende vogliono usare IA nella raccolta o nell’analisi delle notizie, ciò deve avvenire secondo criteri etici, trasparenti e applicabili.

Anche il Freelancers Union, organizzazione non profit statunitense che rappresenta e supporta i lavoratori autonomi/freelance, sostiene il testo sottolineando il rischio che i freelance e altri lavoratori dei media vengano sostituiti da IA senza che il pubblico lo sappia.

La trasparenza, dunque, diventa il punto di equilibrio tra due esigenze: da un lato, consentire alle redazioni di utilizzare strumenti nuovi; dall’altro, evitare che contenuti prodotti automaticamente vengano presentati come vero lavoro giornalistico. In questo senso, il caso di New York potrebbe diventare un precedente importante, non solo per altri stati americani, ma anche per altri Paesi compresa l’Europa, dove il tema della disclosure sui contenuti generati dall’IA è già al centro del dibattito regolatorio.

Il 12 giugno Anthropic ha ricevuto una direttiva del Segretario al Commercio del governo degli Stati Uniti, Howard Lutnick, che imponeva la sospensione dell’accesso ai modelli di intelligenza artificiale Fable 5 e Mythos 5 dell’azienda per qualsiasi cittadino straniero, anche se si trova negli Stati Uniti o lavora per Anthropic.

Claude Mythos 5, è considerato il modello “frontier” di Anthropic, di ultima generazione, pensato per aziende, sviluppatori e team che vogliono risolvere compiti lunghi e complessi, disponibile attraverso Project Glasswing, un programma guidato da Anthropic, con partner esterni, per usare un modello AI avanzato — Claude Mythos appunto — nella ricerca e correzione di vulnerabilità software critiche.

Claude Fable 5 è una versione di Mithos 5, con barriere di sicurezza. Se la richiesta di un utente riguarda aree rischiose, come cyber offensivo, biologia/chimica sensibile o tentativi di copiare il modello, Anthropic devia la richiesta verso Claude Opus 4.8 invece di far rispondere Fable 5 direttamente.

Il Bureau of Industry and Security (BIS), del Dipartimento del Commercio degli Stati Uniti, incaricato di stabilire controlli provvisori sulle tecnologie emergenti e fondamentali che sono essenziali per la sicurezza nazionale degli Stati Uniti, ha rilevato in queste due versioni del modello, un rischio inaccettabile di un “uso finale di intelligence militare”.

Un funzionario dell’amministrazione, infatti, ha dichiarato ad Axios che il Dipartimento del Commercio ha deciso di intervenire dopo che un’altra azienda ha affermato di essere riuscita a sbloccare Mythos, suscitando allarme per possibili rischi alla sicurezza nazionale.  Secondo il WSJ l’azienda coinvolta sarebbe Amazon.

Una verifica condotta da Anthropic ha mostrato che si trattava di poche vulnerabilità, semplici e già conosciute non particolarmente pericolose riconducibili a Fable 5. Tuttavia, per evitare possibili problemi legali, Anthropic ha deciso di disabilitare immediatamente Fable 5 e Mythos 5 per tutti i clienti, non solo per gli stranieri, non disponendo di un sistema in grado di filtrare gli utenti in base alla nazionalità.

Pur rispettando l’ordine legale, Anthropic ha considerato la misura adottata sproporzionata. Secondo l’azienda, ritirare dal mercato un modello commerciale come Fable 5 rischia di creare un precedente pericoloso: se lo stesso criterio fosse applicato all’intero settore, quasi ogni nuovo modello avanzato potrebbe essere bloccato; diversi esperti di sicurezza informatica hanno infatti affermato, in una lettera aperta indirizzata al Segretario al Commercio Lutnick e al Direttore nazionale per la sicurezza informatica Sean Cairncross, che risultati simili possono essere ottenuti anche con altri modelli commerciali e open source inclusi GPT-5.5 di Open AI, Claude Opus e Sonnet sempre di Anthropic e modelli cinesi come Kimi 2.7.

Dalla ricostruzione del caso emerge che la motivazione principale della direttiva adottata dal governo statunitense sarebbe legata alla sicurezza nazionale.  La preoccupazione, quindi, non riguarderebbe soltanto la potenza dei modelli in sé, ma la possibilità che capacità cyber dual-use, cioè utilizzabili sia per scopi civili sia in ambito militare o di intelligence, ormai vicine a un impiego operativo concreto, possano essere usate in modo improprio, soprattutto se integrate con strumenti agentici.

Su questo punto si inserisce l’analisi sul quotidiano britannico The Guardian di Bruce Schneier,esperto di sicurezza informatica statunitense, che osserva come l’elemento più delicato di Fable sia proprio la sua agenticità. Un qualsiasi utente poteva assegnare al modello un obiettivo complesso e il sistema era in grado di individuare autonomamente strategie creative, e talvolta inattese, per raggiungerlo. Questa autonomia poteva risultare molto utile quando l’obiettivo era legittimo, ma diventava rischiosa se l’obiettivo era dannoso, ambiguo o formulato in modo impreciso.

Secondo Schneier, il problema più profondo è che le AI creative e proattive tendono naturalmente a comportarsi come “rule breakers”. Non perché abbiano intenzioni malevole, ma perché non possiedono lo stesso senso umano delle norme implicite, dei limiti sociali o delle conseguenze operative. Possono quindi individuare vulnerabilità nei sistemi tecnici, ma anche aggirare regole sociali, legali o procedurali.

Un altro aspetto centrale riguarda l’“harness”, cioè il software e l’architettura che circondano il modello: l’interfaccia, gli strumenti disponibili, il modo in cui il sistema accede al web, esegue codice, pianifica attività o scompone un compito in passaggi successivi. Per Schneier, non conta soltanto quanto sia potente il modello di base: anche un modello meno avanzato può diventare molto efficace se inserito in un harness sofisticato.

Da qui deriva una conclusione importante: anche se Mythos e Fable fossero stati, in quel momento, significativamente più avanti rispetto ad altri sistemi, capacità simili avrebbero potuto essere replicate da altri gruppi combinando modelli più economici con architetture agentiche migliori. La comunità open source, secondo Schneier, si stava già muovendo in questa direzione. Per questo, una restrizione governativa poteva forse rallentare il problema, ma difficilmente eliminarlo.

Aspetti economici e politici sottesi

La seconda possibile motivazione di questa direttiva è probabilmente il bisogno del governo USA di creare un precedente giuridico per includere nel perimetro dell’export control, non solo chip, pesi o hardware ma anche i modelli AI.

Le tecnologie controllate non sono solo armi o missili. Possono includere anche software, crittografia, computer, elettronica, telecomunicazioni, sensori, materiali biologici, chimica, navigazione, avionica, tecnologie marine e altre aree solo apparentemente commerciali. Anche informazioni per la progettazione, sviluppo, produzione o uso di un bene controllato possono essere soggette a restrizioni.  Se Fable 5 o Mythos 5 vengono considerati una tecnologia controllata o sensibile, allora dare accesso a cittadini stranieri potrebbe essere trattato come una “esportazione” anche se quelle persone lavorano negli Stati Uniti o sono dipendenti dell’azienda. Per questo una direttiva di export control può colpire non solo clienti all’estero, ma anche cittadini stranieri dentro gli USA.

L’articolo di John Herrman su New York Magazine espone una tesi abbastanza netta: il caso Trump–Anthropic non mostra una vera politica AI coerente, ma un modello di controllo opaco, selettivo e personalizzato. Il titolo sintetizza già l’idea: la politica AI dell’amministrazione sarebbe “il peggiore dei mondi possibili”, perché prende alcuni strumenti tipici della regolazione della sicurezza, ma li applica senza trasparenza, senza processo stabile e con forti componenti politiche.

Per Herrman, i rapporti tra governo USA e Anthropic, si erano deteriorati già dalla fine del 2025. Anthropic aveva ottenuto contratti con il Dipartimento della Difesa, ma a differenza di altri fornitori chiedeva garanzie sull’uso dei propri strumenti: niente sorveglianza domestica di massa e niente armi pienamente autonome. Il Dipartimento della Difesa non accettò bene queste condizioni, e la tensione sfociò poi nel tentativo del governo di qualificare Anthropic come “supply-chain risk”, misura punitiva e insolita per un’azienda americana non legata a governi ostili.

Ma perché proprio Anthropic? Perché l’amministrazione, generalmente ostile alla regolazione AI in nome della sicurezza, colpisce l’azienda che più di tutte si presenta come “safety-obsessed”? Herrman ritiene che la spiegazione non sia solo tecnica. C’entrano anche rapporti personali deteriorati, differenze ideologiche e linguaggi incompatibili tra Anthropic e l’amministrazione. Anthropic è descritta come un interlocutore molto particolare: un’azienda guidata da Dario Amodei, un CEO con idee molto specifiche su rischio esistenziale, alignment, sicurezza e regolazione pubblica.

Ma l’aspetto rilevante dell’analisi è la critica al modello di governance. L’amministrazione Trump, fino a quel momento, aveva avuto un atteggiamento molto permissivo verso l’industria AI: lasciar correre, vincere la corsa con la Cina, non appesantire le aziende con regolazione. Questo ha lasciato spazio alle aziende stesse per proporre forme di regolazione, anche per interesse proprio. Anthropic, per esempio, aveva parlato di una struttura di supervisione simile a quello della FAA, l’agenzia federale statunitense che regola la sicurezza dell’aviazione civile: un sistema basato su test tecnici e audit fino capace anche di bloccare o ritirare modelli se non rispettano standard di sicurezza elevati.

Ciò che Anthropic sta ottenendo non è quella supervisione ordinata e trasparente, ma qualcosa che le assomiglia solo superficialmente: un regime informale, incoerente, opaco, poco prevedibile, dipendente dalla Casa Bianca, dal team di sicurezza nazionale e forse anche dalle segnalazioni interessate di leader aziendali concorrenti o partner. Non è “regolazione AI” ma esercizio discrezionale del potere politico.

Non a caso, Hermann riporta anche un confronto con xAI, azienda di intelligenza artificiale fondata da Elon Musk, per mostrare la selettività dell’intervento governativo. Da un lato Anthropic riceve scrutinio e restrizioni; dall’altro il governo interviene in modo diverso quando sono coinvolte aziende più vicine o utili all’agenda militare/industriale dell’amministrazione. Questo serve a sostenere la tesi che la politica AI non sia governata da criteri generali e stabili, ma da rapporti di forza, alleanze, interessi e segnali politici.

Ora che le aziende AI si avvicinano alla quotazione in Borsa valutazioni enormi, l’amministrazione starebbe dimostrando “chi comanda davvero”. Non starebbe intervenendo principalmente per assicurarsi che l’AI sia responsabile, né per ridurre i danni sociali o proteggere l’interesse pubblico in senso ampio. Starebbe usando la sicurezza nazionale per affermare il controllo dello Stato — e in particolare della presidenza — su un’industria diventata strategica.

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.