Massimiliano Gambardella è un economista che si occupa di economia dell’innovazione e trasformazione digitale, con oltre vent’anni di esperienza tra istituzioni, ricerca e settore pubblico. I suoi ambiti di lavoro sono l’economia dei beni comuni digitali e dell’open source, le infrastrutture digitali pubbliche e la governance dell’intelligenza artificiale.
È docente a contratto di Economia del lavoro e innovazione digitale all’Università degli Studi di Napoli Parthenope e ha insegnato Economia del digitale all’Université Paris Nanterre e all’Université Paris Panthéon-Assas. Ha conseguito il dottorato di ricerca in Economia presso l’Université Paris Nanterre, con menzione très honorable, approfondendo il ruolo delle licenze aperte nella governance e nella sostenibilità economica dei beni comuni digitali. Ha pubblicato lavori scientifici, tra gli altri, con Routledge, CEPS e SVIMEZ. È membro della Commissione UNI/CT 533 sull’Intelligenza Artificiale.
Ha diretto l’area economica dell’ufficio legislativo di un gruppo parlamentare alla Camera dei Deputati ed è stato dirigente negli uffici di diretta collaborazione di due Ministri dell’Economia e delle Finanze, in altrettanti governi. Ha inoltre partecipato alla Task Force COVID-19 del Ministero per l’Innovazione Tecnologica e alla Commissione per la transizione ecologica e la riduzione dei sussidi ambientalmente dannosi del Ministero dell’Ambiente. Attualmente è dirigente in una società partecipata dallo Stato, attiva nelle infrastrutture digitali pubbliche, con responsabilità nelle relazioni accademiche e nelle iniziative di trasferimento tecnologico.
Nel 2021 è stato insignito dell’onorificenza di Cavaliere dell’Ordine al Merito della Repubblica Italiana per il suo impegno nell’innovazione e nella crescita economica del Paese
_____________________

Abstract intervento

Università, ricerca e innovazione:
costruire insieme l’Intelligenza Artificiale del Domani
^{Oltre il feudalesimo digitale: come trasformare l’IA in un bene comune attraverso il calcolo pubblico, la ricerca aperta e le infrastrutture pubbliche digitali}

Dalla concentrazione del capitale alla concentrazione del calcolo

Come la rivoluzione industriale pose con drammaticità la questione della concentrazione dei mezzi di produzione e del capitale, l’Intelligenza Artificiale pone oggi la questione della concentrazione della potenza di calcolo, dei dati di addestramento e dei modelli di base. Radicalizzando e accelerando la logica dell’economia delle piattaforme, l’attuale traiettoria dell’IA consegna a un ristretto oligopolio di colossi tecnologici privati il controllo esclusivo delle condizioni d’accesso all’innovazione.

Si delinea così una forma di feudalesimo digitale. Chi domina i fattori scarsi della filiera non compete sul mercato, ma ne stabilisce le regole e ne possiede l’infrastruttura. Imprese, pubbliche amministrazioni e interi contesti nazionali rischiano di accedere alle tecnologie emergenti come vassalli: pagano una rendita perpetua per infrastrutture che non controllano e cedono dati territoriali che alimentano le capacità competitive altrui.

Questa dinamica minaccia direttamente la ricerca scientifica e l’istituzione universitaria. Quando atenei e centri di ricerca lavorano su modelli chiusi, accessibili unicamente attraverso tecnologie proprietarie, perdono la possibilità fondamentale di verificare le architetture, riprodurre i risultati sperimentali e insegnare ciò che studiano. La frontiera della conoscenza viene così spostata fuori dal perimetro pubblico e le università rischiano di degradare a semplici utenti passivi di tecnologie «scatola nera». Le traiettorie tecnologiche correnti e i vantaggi cumulativi di scala consolidano questa concentrazione, senza che le sole forze di mercato possano correggerla spontaneamente.

Dati, conoscenza e innovazione: oltre la «Tragedy of the Commons»

L’Intelligenza Artificiale non può essere semplicemente acquistata a scaffale o importata da piattaforme extra-europee: va costruita collettivamente come un sistema di beni comuni digitali (Digital Commons). Per farlo, occorre tracciare una distinzione economica fondamentale tra le diverse risorse che compongono lo «stack» tecnologico dell’IA:

• Dati, codice e conoscenza: sono beni non-rivali per natura, la cui fruizione da parte di un soggetto non diminuisce la disponibilità per gli altri. Quando vengono condivisi con licenze aperte, liberano enormi esternalità positive e moltiplicano il valore sociale complessivo.
• La potenza di calcolo: è una risorsa materiale, scarsa, rivale e fortemente idro- ed energivora. In quanto risorsa condivisa ma limitata, il calcolo ad alte prestazioni ricade nell’alveo dei beni comuni soggetti a dilemmi di sovra-sfruttamento o accaparramento.

Seguendo l’insegnamento del Premio Nobel Elinor Ostrom, il calcolo ad alte prestazioni richiede una governance collettiva, sussidiaria e partecipativa. Servono criteri trasparenti di accesso, responsabilità ed equa distribuzione, definiti il più vicino possibile alle comunità di utenti che utilizzano la risorsa.

In questo contesto, le licenze aperte (Open Source e Creative Commons) svolgono un ruolo economico decisivo: separando il controllo proprietario della produzione dalle possibilità di diffusione e riuso, riducono drasticamente i rischi e i costi iniziali della ricerca. Esse trasformano i ricercatori, gli sviluppatori e gli utenti finali in co-innovatori, capaci di sottoporre il software a una manutenzione comunitaria continua e a una bonifica costante da errori, bias algoritmici e vulnerabilità di sicurezza.

Dalla regolamentazione difensiva alla conformazione del mercato

Per evitare che la dipendenza tecnologica si traduca in dipendenza politica e culturale, le istituzioni pubbliche e le università devono superare la logica difensiva di correzione dei fallimenti di mercato. Occorre adottare una politica industriale orientata alle missioni, in cui lo Stato agisce come coordinatore e investitore di prima istanza, socializzando sia i rischi sia i ritorni dell’innovazione.

L’alleanza tra Università, Ricerca e Innovazione si traduce in tre direttrici operative concrete:

• Democratizzazione del calcolo pubblico europeo: riservare quote dedicate di supercalcolo della rete europea e delle nuove AI Factories europee alle università, alle startup e alle PMI che sviluppano e perfezionano modelli linguistici e architetturali ad accesso aperto. Questo approccio abbatte la barriera d’ingresso economica dell’R&D, garantendo che le risorse pubbliche sostengano modelli trasparenti, multilivello e rispettosi del multilinguismo e della riservatezza dei dati.
• Condizionalità «Public Money, Public Code»: applicare una regola vincolante nei programmi di finanziamento della ricerca e negli appalti pubblici dell’IT: ogni algoritmo, dataset o modello fondazionale sviluppato con risorse pubbliche deve essere rilasciato sotto licenze aperte (come la European Union Public Licence – EUPL) e reso fruibile all’intera collettività.
• Alleanze per le Infrastrutture Pubbliche Digitali (DPI) e i Public Data Trusts: creare ambienti federati in cui università, pubbliche amministrazioni e imprese del territorio collaborano nella gestione sicura, etica e sovrana dei dati civici, industriali e sanitari. Attraverso Public Data Trusts e architetture aperte (EuroStack), i dati della collettività vengono protetti e valorizzati come patrimonio strategico comune anziché essere estratti da piattaforme estrattive.

Rimettere la tecnica al servizio dell’umano

L’Europa possiede una storia illustre nell’ingegnerizzazione di beni pubblici globali. Il World Wide Web fu inventato al CERN nel 1989 e rilasciato liberamente nel pubblico dominio nel 1993, ponendo le basi della rete aperta e globale su cui si regge l’intera economia digitale contemporanea. Lo stesso modello di cooperazione transnazionale ha consentito la nascita di standard e software universali come Linux.

Oggi le università non possono ridurre il loro ruolo a semplici clienti di servizi cloud altrui. Esse sono il perno naturale di un’architettura della conoscenza aperta, in grado di unire la formazione, la ricerca di frontiera e il tessuto produttivo locale. Scegliere la strada dell’IA come bene comune significa garantire che la tecnologia rimanga verificabile, riproducible e inclusiva. Perché la tecnica cresca al servizio dell’umano, e non il contrario.

Riferimenti bibliografici e letture consigliate

• ^{Gambardella, M. (2012a). How to (crowd-)fund and manage the (user-)innovation: The case of Big Buck Bunny. In Proceedings of the 2012 ACM International Workshop on Open Source and Design of Communication (OSDOC ’12) (pp. 51–56). Association for Computing Machinery.}
• ^{Gambardella, M. (2012b). Il futuro delle infrastrutture immateriali: l’open cloud computing. Quaderni Speciali SVIMEZ, Associazione per lo sviluppo dell’industria nel Mezzogiorno.}
• ^{Gambardella, M. (2013). Creative Commons licences: An alternative lever to collect funding in times of crisis. In S. Fadda & P. Tridico (Eds.), Financial Crisis, Labour Markets and Institutions (pp. 182–192). Routledge.}
• ^{Gambardella, M., & Zagari, C. (2024a). Digital Public Infrastructures: A European Perspective (CEPS Explainer). Centre for European Policy Studies.}
• ^{Gambardella, M., & Zagari, C. (2024b). Le infrastrutture digitali pubbliche nella UE e la creazione di valore pubblico. Rivista Italiana di Public Management, 7(1), 15–32.}
• ^{Lerner, J., & Tirole, J. (2002). Some simple economics of open source. The Journal of Industrial Economics, 50(2), 197–234. Ostrom, E. (1990). Governing the Commons: The Evolution of Institutions for Collective Action. Cambridge University Press.}