{"id":2954,"date":"2026-09-20T03:59:37","date_gmt":"2026-09-20T03:59:37","guid":{"rendered":"https:\/\/www.aianthropocosmic.com\/AI\/?page_id=2954"},"modified":"2026-09-21T02:45:22","modified_gmt":"2026-09-21T02:45:22","slug":"ai-il-vero-mito-e-che-il-futuro-abbia-una-data-di-scadenza","status":"publish","type":"page","link":"https:\/\/www.aianthropocosmic.com\/AI\/ai-il-vero-mito-e-che-il-futuro-abbia-una-data-di-scadenza\/","title":{"rendered":"AI, il vero mito \u00e8 che il futuro abbia una data di scadenza"},"content":{"rendered":"\n
\n
<\/div>\n\n\n\n
\n
\"AI,
Segui il filo rosso. Dove porta, comincia la domanda.<\/figcaption><\/figure>\n<\/div>\n\n\n\n
<\/div>\n<\/div>\n\n\n\n

di Antonio Cappella<\/a><\/strong><\/p>\n\n\n\n

L\u2019intelligenza artificiale corre pi\u00f9 velocemente dei benchmark con cui la misuriamo, delle competenze con cui la insegniamo e forse perfino degli investimenti con cui la finanziamo. Il problema non \u00e8 stabilire se l\u2019AI sia una bolla o una rivoluzione: \u00e8 capire quanto duri una verit\u00e0 sull\u2019AI prima di diventare obsoleta.<\/strong><\/p>\n\n\n\n

La domanda scomoda:<\/strong> se un benchmark diventa vecchio in diciotto mesi, un corso universitario in tre anni e un data center deve essere ammortizzato in molti anni, chi sta correndo alla velocit\u00e0 giusta?<\/strong><\/p>\n\n\n\n

T \u2014 Tecnologia: quando invecchia perfino il metro<\/h2>\n\n\n\n

Un caso concreto mostra quanto sia difficile fotografare questa trasformazione.<\/p>\n\n\n\n

Nel luglio 2025<\/strong> METR pubblic\u00f2 un esperimento condotto tra febbraio e giugno: sviluppatori open-source esperti, lavorando su repository che conoscevano, risultarono mediamente il 19% pi\u00f9 lenti utilizzando strumenti AI<\/strong>.<\/p>\n\n\n\n

Una conclusione apparentemente perfetta per chi sosteneva che l\u2019AI nel coding fosse sopravvalutata.<\/p>\n\n\n\n

Poi \u00e8 arrivato il 24 febbraio 2026<\/strong>.<\/p>\n\n\n\n

METR ha comunicato che, sulla base dell’esperimento successivo e delle testimonianze dei partecipanti, riteneva probabile che gli strumenti AI stessero ormai accelerando maggiormente gli sviluppatori rispetto all’inizio del 2025. Il problema? Lo stesso progresso tecnologico aveva complicato l’esperimento: alcuni sviluppatori non volevano pi\u00f9 partecipare se costretti a lavorare senza AI e altri utilizzavano pi\u00f9 agenti contemporaneamente, rendendo difficile persino misurare il tempo. METR considera quindi insufficienti i nuovi dati per stabilire con precisione l’entit\u00e0 dell’accelerazione.<\/p>\n\n\n\n

Non \u00e8 l’unico caso.<\/p>\n\n\n\n

Nell’agosto 2024<\/strong> SWE-bench Verified era stato creato con il contributo di esperti per valutare la capacit\u00e0 dei modelli di risolvere problemi software reali.<\/p>\n\n\n\n

Il 23 febbraio 2026<\/strong>, OpenAI ha dichiarato di non considerarlo pi\u00f9 adeguato per valutare i modelli di frontiera. Un audit ha rilevato problemi materiali nel 59,4% dei 138 task problematici esaminati<\/strong> e ha trovato evidenze di contaminazione dei dati di training.<\/p>\n\n\n\n

Cinque mesi dopo \u00e8 arrivato un altro paradosso: OpenAI ha comunicato di avere riscontrato problemi anche in circa il 30% dei task di SWE-Bench Pro<\/strong>, proprio il benchmark che aveva indicato come alternativa.<\/p>\n\n\n\n

Non stanno diventando obsolete soltanto le risposte. A volte diventa obsoleto perfino il modo di fare la domanda.<\/strong><\/p>\n\n\n\n

E \u2014 Etica e persona: il professore scade davvero dopo tre anni?<\/h2>\n\n\n\n

Qui occorre separare provocazione e dato.<\/p>\n\n\n\n

Non esiste evidenza che dimostri che \u201cun professore diventa obsoleto dopo due o tre anni\u201d<\/strong>.<\/p>\n\n\n\n

Esiste invece un problema reale di obsolescenza delle competenze<\/strong>.<\/p>\n\n\n\n

Il Future of Jobs Report 2025<\/em> del World Economic Forum, basato sulle aspettative di oltre mille aziende, stimava che entro il 2030 il 39% delle competenze fondamentali dei lavoratori sarebbe cambiato o diventato obsoleto<\/strong>. AI e big data risultavano tra le competenze in maggiore crescita.<\/p>\n\n\n\n

Ma lo stesso rapporto collocava fra le competenze fondamentali anche pensiero analitico, creativit\u00e0, resilienza, leadership e capacit\u00e0 di apprendimento.<\/p>\n\n\n\n

Il professore che insegna nel 2026 soltanto dove cliccare nell’interfaccia dell’AI di oggi rischia quindi davvero di insegnare archeologia digitale nel 2028.<\/p>\n\n\n\n

Chi insegna come verificare una fonte, comprendere un algoritmo, formulare un problema, falsificare un’ipotesi e riconoscere i limiti di una risposta<\/strong>, invece, potrebbe diventare ancora pi\u00f9 importante.<\/p>\n\n\n\n

L’AI non rende necessariamente obsoleto il docente. Pu\u00f2 rendere obsoleto un certo modo di insegnare<\/strong>.<\/p>\n\n\n\n

S \u2014 Standard e misurazione: prima di entusiasmarci…<\/h2>\n\n\n\n

C’\u00e8 un altro numero che aiuta a capire il problema.<\/p>\n\n\n\n

Lo Stanford AI Index 2025<\/em> ha calcolato che il costo per interrogare un modello capace di raggiungere prestazioni equivalenti a GPT-3.5 sul benchmark MMLU era sceso da circa 20 dollari per milione di token nel novembre 2022 a 0,07 dollari nell’ottobre 2024<\/strong>.<\/p>\n\n\n\n

Una riduzione superiore a 280 volte in circa 18 mesi<\/strong>.<\/p>\n\n\n\n

Nel frattempo, la performance dell’hardware per machine learning cresceva secondo Stanford di circa il 43% l’anno, mentre il rapporto prezzo\/prestazioni migliorava di circa il 30% annualmente.<\/p>\n\n\n\n

Ecco il problema industriale.<\/p>\n\n\n\n

Un’infrastruttura fisica viene progettata pensando agli anni. Una generazione tecnologica AI pu\u00f2 cambiare radicalmente in mesi.<\/p>\n\n\n\n

T \u2014 Tutele ed economia: miliardi investiti in cosa?<\/h2>\n\n\n\n

Qui il commento ricevuto centra probabilmente il punto pi\u00f9 sottovalutato.<\/p>\n\n\n\n

Nel gennaio 2025<\/strong>, Microsoft annunciava di essere sulla traiettoria per investire circa 80 miliardi di dollari<\/strong> nell’anno fiscale 2025 nella costruzione di data center AI.<\/p>\n\n\n\n

Alphabet prevedeva inizialmente circa 75 miliardi di dollari di CapEx nel 2025<\/strong>, poi portati a circa 85 miliardi<\/strong> nel luglio dello stesso anno per sostenere, fra l’altro, domanda Cloud e AI.<\/p>\n\n\n\n

Meta, nel gennaio 2025, prevedeva 60-65 miliardi<\/strong>, successivamente elevati a 64-72 miliardi<\/strong>, citando ulteriori investimenti nei data center per l’AI e maggiori costi dell’hardware.<\/p>\n\n\n\n

E non riguarda soltanto le aziende.<\/p>\n\n\n\n

L’11 febbraio 2025<\/strong>, la Commissione europea ha annunciato InvestAI, con l’obiettivo di mobilitare 200 miliardi di euro<\/strong>, compresi 20 miliardi destinati a un fondo per le gigafactory AI.<\/p>\n\n\n\n

Questi numeri non dimostrano n\u00e9 che gli investimenti saranno redditizi n\u00e9 che saranno sbagliati.<\/p>\n\n\n\n

Dimostrano qualcosa di diverso: il capitale sta facendo scommesse di lungo periodo su una tecnologia il cui rapporto fra capacit\u00e0, costo e infrastruttura cambia con straordinaria rapidit\u00e0.<\/strong><\/p>\n\n\n\n

L’esempio del bar<\/h3>\n\n\n\n

\u00c8 come spendere milioni per costruire il bar pi\u00f9 grande della citt\u00e0 perch\u00e9 tutti stanno bevendo caff\u00e8.<\/p>\n\n\n\n

Poi qualcuno inventa una macchina che produce lo stesso caff\u00e8 utilizzando un decimo dello spazio.<\/p>\n\n\n\n

Ottima notizia per chi beve.<\/p>\n\n\n\n

Un po’ meno per chi ha appena acceso un mutuo trentennale sul bar.<\/p>\n\n\n\n

A \u2014 Ambiente: il software corre, la rete elettrica no<\/h2>\n\n\n\n

La stessa asincronia riguarda l’energia.<\/p>\n\n\n\n

Nel 2025<\/strong> la domanda elettrica mondiale dei data center \u00e8 aumentata del 17%<\/strong>, mentre quella dei data center focalizzati sull’AI \u00e8 cresciuta ancora pi\u00f9 rapidamente. L’IEA prevede che il consumo globale dei data center possa passare da circa 485 TWh nel 2025 a 950 TWh nel 2030<\/strong>.<\/p>\n\n\n\n

Ma l’IEA evidenzia anche l’incertezza della previsione.<\/p>\n\n\n\n

Hardware e software diventano pi\u00f9 efficienti, mentre contemporaneamente aumentano utenti e applicazioni molto pi\u00f9 energivore, come reasoning, video e agenti. Alcuni di questi utilizzi possono richiedere centinaia o migliaia di volte<\/strong> l’energia di una semplice generazione testuale.<\/p>\n\n\n\n

E soprattutto c’\u00e8 un problema di velocit\u00e0: secondo l’IEA un data center pu\u00f2 diventare operativo in due-tre anni<\/strong>, mentre costruire l’infrastruttura energetica necessaria pu\u00f2 richiedere tempi decisamente superiori.<\/p>\n\n\n\n

Ancora una volta, due orologi differenti.<\/p>\n\n\n\n

Il paradosso<\/h2>\n\n\n\n

Il mito pi\u00f9 pericoloso potrebbe quindi non essere:<\/p>\n\n\n\n

\u201cl’AI far\u00e0 tutto\u201d.<\/strong><\/p>\n\n\n\n

E neppure:<\/p>\n\n\n\n

\u201cl’AI non \u00e8 realmente capace di farlo\u201d.<\/strong><\/p>\n\n\n\n

Il mito potrebbe essere credere che possiamo descrivere una tecnologia in accelerazione utilizzando categorie statiche.<\/p>\n\n\n\n

Il risultato METR del 2025 era reale.<\/p>\n\n\n\n

Il problema nasce quando \u201cnel 2025 abbiamo misurato questo\u201d<\/strong> diventa \u201cl’AI \u00e8 questo\u201d<\/strong>.<\/p>\n\n\n\n

Lo stesso vale al contrario: miliardi investiti, benchmark impressionanti e dimostrazioni spettacolari non dimostrano automaticamente produttivit\u00e0, sostenibilit\u00e0 economica o beneficio sociale.<\/p>\n\n\n\n

Cosa sappiamo \/ cosa ancora non sappiamo<\/h2>\n\n\n\n

Sappiamo<\/strong> che capacit\u00e0 e costi dell’AI stanno cambiando rapidamente; che alcune metriche utilizzate appena due anni fa stanno mostrando limiti; che aziende e governi stanno impegnando capitali enormi; che la domanda energetica dei data center sta crescendo; e che il mercato del lavoro richieder\u00e0 un aggiornamento continuo delle competenze.<\/p>\n\n\n\n

Non sappiamo ancora<\/strong> quale quota degli investimenti infrastrutturali produrr\u00e0 ritorni adeguati, quali professioni verranno trasformate pi\u00f9 profondamente, quanto velocemente gli agenti diventeranno affidabili nel lavoro reale e quale sar\u00e0 l’equilibrio finale fra aumento dell’efficienza e crescita della domanda.<\/p>\n\n\n\n

Ed \u00e8 proprio qui che il metodo dovrebbe precedere l’entusiasmo.<\/p>\n\n\n\n

Non basta domandare:<\/p>\n\n\n\n

\u201cQuanto \u00e8 potente questa AI?\u201d<\/strong><\/p>\n\n\n\n

Bisognerebbe aggiungere:<\/p>\n\n\n\n

Rispetto a quando? Con quale benchmark? A quale costo? Per quanto tempo rester\u00e0 competitivo l’investimento? Quale competenza stiamo formando? E chi pagher\u00e0 se la previsione era sbagliata?<\/strong><\/p>\n\n\n\n

Perch\u00e9 nell’AI del 2026 potrebbe esserci qualcosa che diventa obsoleto ancora pi\u00f9 rapidamente della tecnologia: le nostre certezze sulla tecnologia.<\/strong><\/p>\n\n\n\n

\n\n\n\n

Cronologia essenziale<\/h3>\n\n\n\n

2024:<\/strong> nasce SWE-bench Verified come benchmark curato per valutare il coding autonomo. Gennaio-febbraio 2025:<\/strong> Microsoft annuncia circa $80 miliardi di investimenti nei data center AI per FY2025; Alphabet indica inizialmente $75 miliardi di CapEx; Meta $60-65 miliardi; l’UE lancia InvestAI da \u20ac200 miliardi. Luglio 2025:<\/strong> METR pubblica il risultato del 19% di rallentamento nello studio sugli sviluppatori esperti. Febbraio 2026:<\/strong> METR segnala che gli strumenti pi\u00f9 recenti probabilmente producono un’accelerazione maggiore; OpenAI abbandona SWE-bench Verified come metrica frontier. Luglio 2026:<\/strong> OpenAI segnala problemi anche in circa il 30% di SWE-Bench Pro.<\/p>\n\n\n\n

Abstract: opportunit\u00e0 e rischi<\/h3>\n\n\n\n

Pro:<\/strong> AI pi\u00f9 economica e capace pu\u00f2 aumentare produttivit\u00e0, democratizzare strumenti sofisticati, accelerare ricerca e innovazione e creare nuove competenze.<\/p>\n\n\n\n

Rischi:<\/strong> investimenti infrastrutturali costruiti su aspettative che cambiano rapidamente; competenze troppo legate a strumenti temporanei; benchmark incapaci di rappresentare le capacit\u00e0 reali; crescente consumo energetico; concentrazione economica e divario tra chi dispone di capitale e capacit\u00e0 computazionale e chi ne dipende.<\/p>\n\n\n\n

La conseguenza sociale pi\u00f9 interessante potrebbe essere una trasformazione del concetto stesso di competenza: sapere una tecnologia potrebbe valere meno; saper imparare, verificarla e metterla in discussione potrebbe valere molto di pi\u00f9.<\/strong><\/p>\n\n\n\n

\"AI,
Segui il filo rosso. Dove porta, comincia la domanda.<\/figcaption><\/figure>\n\n\n\n

_______
Nota sulla trasparenza:<\/strong> questo articolo \u00e8 stato realizzato con il supporto di strumenti di Intelligenza Artificiale per la ricerca, l\u2019organizzazione e la rielaborazione delle informazioni. Anche l\u2019immagine di accompagnamento \u00e8 stata realizzata con strumenti di Intelligenza Artificiale. I contenuti, le fonti e l\u2019impostazione editoriale sono stati verificati e sottoposti a revisione umana.<\/sup><\/p>\n","protected":false},"excerpt":{"rendered":"

di Antonio Cappella L\u2019intelligenza artificiale corre pi\u00f9 velocemente dei benchmark con cui la misuriamo, delle competenze con cui la insegniamo e forse perfino degli investimenti con cui la finanziamo. Il problema non \u00e8 stabilire se l\u2019AI sia una bolla o una rivoluzione: \u00e8 capire quanto duri una verit\u00e0 sull\u2019AI prima di diventare obsoleta. La domanda scomoda: […]<\/p>\n","protected":false},"author":1,"featured_media":2973,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"_acf_changed":false,"footnotes":""},"class_list":["post-2954","page","type-page","status-publish","has-post-thumbnail"],"acf":[],"_links":{"self":[{"href":"https:\/\/www.aianthropocosmic.com\/AI\/wp-json\/wp\/v2\/pages\/2954","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.aianthropocosmic.com\/AI\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.aianthropocosmic.com\/AI\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.aianthropocosmic.com\/AI\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.aianthropocosmic.com\/AI\/wp-json\/wp\/v2\/comments?post=2954"}],"version-history":[{"count":3,"href":"https:\/\/www.aianthropocosmic.com\/AI\/wp-json\/wp\/v2\/pages\/2954\/revisions"}],"predecessor-version":[{"id":2986,"href":"https:\/\/www.aianthropocosmic.com\/AI\/wp-json\/wp\/v2\/pages\/2954\/revisions\/2986"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.aianthropocosmic.com\/AI\/wp-json\/wp\/v2\/media\/2973"}],"wp:attachment":[{"href":"https:\/\/www.aianthropocosmic.com\/AI\/wp-json\/wp\/v2\/media?parent=2954"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}