Categoria: Tecnologia

La Cina si prepara a investire circa 2.000 miliardi di yuan, 295 miliardi di dollari, nei prossimi cinque anni per costruire una rete nazionale di data center dedicati all’intelligenza artificiale. Il piano, anticipato il 9 giugno da Bloomberg, è redatto dalla National Development and Reform Commission e affida a China Mobile e China Telecom la gestione della maggior parte degli impianti, da interconnettere in un’unica griglia entro il 2028. L’obiettivo dichiarato: ridurre la dipendenza dai chip stranieri e superare gli Stati Uniti nella corsa all’intelligenza artificiale, imponendo che almeno l’80% della tecnologia, acceleratori compresi, arrivi da fornitori nazionali come Huawei.

Un piano guidato dallo Stato, oltre il silicio

Il programma fa del data center un’infrastruttura strategica al pari della rete elettrica o ferroviaria. La cifra cresce se si guarda oltre il cemento e i chip: aggiungendo l’adeguamento della rete elettrica necessaria ad alimentare gli impianti, il conto può superare i 5.000 miliardi di yuan, vicino ai 740 miliardi di dollari. Non è un’iniziativa isolata, ma l’ultimo strato di una strategia decennale: il piano si innesta sul programma “Eastern Data, Western Computing”, che dal 2022 sposta la capacità di calcolo verso le regioni interne, ricche di energia e di spazio.

L’80% di tecnologia nazionale: Nvidia e AMD fuori gioco

Il vincolo che cambia tutto sta in una percentuale: almeno l’80% della tecnologia di base, chip per l’intelligenza artificiale compresi, dovrà arrivare da fornitori nazionali. Tradotto: Huawei dentro, Nvidia e AMD fuori. A beneficiarne saranno gli stessi nomi che Pechino ha promosso negli ultimi mesi, da Huawei ad Alibaba, da Biren a Moore Threads, dopo il via libera di maggio a nove categorie di acceleratori domestici per gli usi più sensibili.

Non è un fulmine a ciel sereno. La direzione era già scritta lo scorso autunno, quando Pechino ha imposto chip esclusivamente nazionali nei data center pubblici, la mossa che abbiamo raccontato come la muraglia cinese del silicio. La stessa logica è tornata al vertice di maggio: dieci aziende cinesi autorizzate a comprare gli H200 di Nvidia hanno ricevuto, dal proprio governo, l’indicazione opposta, comprare Huawei. È il capitolo che abbiamo seguito da vicino raccontando come la guerra fredda dell’AI sia cominciata a Pechino.

I mercati hanno letto subito il messaggio. Il 10 giugno Nvidia ha perso il 2,4%, AMD oltre il 4%; per l’azienda di Jensen Huang la Cina vale ancora circa 19,7 miliardi di dollari di ricavi, vicino al 9% del totale, una quota in caduta verticale dal 35% di pochi anni fa. Il segnale è chiaro: il mercato cinese, per i produttori americani di silicio avanzato, si sta richiudendo.

Stato contro mercato: due modi di costruire la stessa industria

Il confronto con l’Occidente aiuta a misurare la posta. I colossi americani, da Meta a Microsoft, hanno messo a bilancio oltre 700 miliardi di dollari per l’AI nel solo 2026; la Cina spalma il suo piano su cinque anni, ma lo fa con la mano dello Stato, che muove con una prevedibilità e una compattezza che il mercato non conosce. È la stessa logica industriale che Huang ha portato sul palco della GTC 2026, dove l’AI è entrata nell’era industriale, con la differenza che qui la filiera la disegna un governo, non un’azienda quotata.

Cosa cambia per le imprese italiane

La domanda che conta per chi in Italia progetta infrastrutture è concreta: da dove arriverà l’hardware su cui poggeranno i prossimi progetti, a quali tempi di consegna, con quale compatibilità software. La sovranità tecnologica smette di essere un tema da convegno quando tocca l’approvvigionamento di una sala server; chi costruisce architetture AI su stack Nvidia o AMD farà bene a leggere questo piano non come cronaca lontana, ma come un fattore di rischio sulla catena di fornitura globale. Restano i nodi che il piano non scioglie. Produrre chip avanzati su scala di milioni di pezzi è un’altra cosa rispetto ad annunciarli; l’ecosistema software cinese non ha ancora il suo CUDA, la piattaforma con cui Nvidia ha legato a sé una generazione di sviluppatori. Pechino ha scelto comunque la via dell’autosufficienza, anche al prezzo di prestazioni inferiori sul fronte dell’addestramento dei modelli più grandi. Se la scommessa regge, il calcolo del mondo avrà due standard invece di uno: la porta a Nvidia, intanto, è quella che si chiude per prima.

Europa 2031… A Bruxelles le riunioni cominciano sempre nello stesso modo. Un dossier aperto sul tavolo, un tablet acceso, qualche sguardo che scorre veloce sulle note preparate dagli uffici, una porta che si chiude piano per non interrompere il tono misurato della discussione. Fuori la città sembra uguale a se stessa: il traffico ordinato, i palazzi istituzionali, le bandiere europee che si muovono appena nel vento. Dentro, però, qualcosa non torna.

Europa 2031: la profezia sull’AI

È il 2031 e l’Europa ha capito di essere arrivata tardi e non tardi a uno dei tanti appuntamenti in cui si promette di recuperare terreno: tardi alla rivoluzione che avrebbe deciso una parte importante del suo futuro. Le imprese lavorano con sistemi di intelligenza artificiale sviluppati altrove; le pubbliche amministrazioni usano piattaforme che non controllano fino in fondo; i dati passano dentro infrastrutture governate da altri; i modelli più avanzati vengono concessi, aggiornati, limitati o ritirati secondo logiche che non nascono a Bruxelles, né a Roma, né a Parigi, né a Berlino.

Non c’è stato un crollo improvviso, nessun capo di governo ha annunciato davanti alle telecamere che l’Europa aveva perso la corsa dell’intelligenza artificiale… è successo piano, come spesso succedono le cose più gravi.

Un investimento rimandato, un’autorizzazione che si arena, un data center costruito altrove, una startup promettente che non trova scala, un ricercatore che parte, un modello addestrato su infrastrutture non europee, una legge scritta con cura ma lasciata sola, senza una politica industriale capace di darle gambe, energia, muscoli. Alla fine il risultato è semplice: altri hanno costruito le macchine, noi abbiamo discusso le regole.

Europa 2031, la distopia sull’intelligenza artificiale

Si chiama Europe 2031 ed è uno scenario, una provocazione, un racconto costruito per far ragionare chi continua a pensare che l’intelligenza artificiale sia soprattutto una questione di applicazioni, assistenti virtuali e produttività. Immagina un continente rimasto indietro mentre Stati Uniti e Cina corrono su modelli, chip, data center, energia, automazione e potenza di calcolo. Non è una previsione ufficiale, non è un documento governativo, non è una sentenza spedita dal futuro. Funziona però perché prende una paura già presente, la sposta di qualche anno in avanti e la mostra senza il velo rassicurante delle formule istituzionali.

L’Europa, in questo racconto, non perde l’AI perché non ne capisce l’importanza. La perde perché la capisce tardi, perché la discute troppo a lungo, perché la spezzetta in dossier, comitati, fondi, piani, eccezioni, consultazioni. Tutto serio, tutto ragionevole, tutto formalmente corretto. Tutto, forse, troppo lento.

La cosa più inquietante di Europe 2031 è proprio la sua normalità. Non ci sono robot fuori controllo, città in fiamme, schermi che lampeggiano come nei vecchi film di fantascienza. C’è qualcosa di molto più europeo e molto più credibile: una lunga sequenza di ritardi, cautele, compromessi, buone intenzioni e occasioni lasciate raffreddare. L’Europa non viene sconfitta in una grande battaglia: viene superata durante una lunga riunione.

Sovranità digitale europea, il rischio di diventare clienti del futuro

All’inizio la parola dipendenza non spaventa. Tutti dipendiamo da qualcosa: fornitori, piattaforme, filiere, standard, mercati. Il problema arriva quando la dipendenza cancella l’alternativa, quando cambiare strada diventa troppo costoso, quando la libertà resta scritta nei documenti ma scompare dalle scelte quotidiane.

È il nervo scoperto che Europe 2031 tocca con più decisione. L’Europa non viene raccontata come un continente povero o arretrato, nemmeno marginale. Resta ricca, forse ancora ammirata, ma somiglia sempre di più a un grande cliente: sofisticato, esigente, capace di scrivere regole, però meno capace di decidere la direzione della tecnologia. Su Digitalic lo abbiamo raccontato più volte parlando di sovranità digitale: i dati non vivono in una nuvola senza geografia, non sono una materia neutra, non sono separati dalle leggi, dagli interessi e dalle strategie di chi li conserva, li elabora, li protegge o li monetizza.

Con l’intelligenza artificiale il passaggio diventa più delicato. Non conta soltanto dove stanno i dati; conta chi possiede la capacità di trasformarli in decisioni. Non basta avere archivi, servono modelli. Non basta avere informazioni, serve potenza di calcolo. Non basta difendere la privacy, bisogna costruire anche l’infrastruttura che renderà possibili i servizi, le imprese, le amministrazioni e le scelte politiche dei prossimi anni. A quel punto la sovranità digitale smette di essere una formula da convegno e diventa una domanda molto concreta: chi tiene in mano il volante?

Caso Anthropic, quando l’AI ha smesso di sembrare globale

Europe 2031 ha fatto rumore anche perché è arrivato in un momento in cui l’intelligenza artificiale ha mostrato il suo volto meno universale. Il caso Anthropic e le restrizioni americane all’accesso ad alcuni modelli avanzati hanno ricordato a tutti una cosa semplice: l’AI più potente non è necessariamente un prodotto sempre disponibile sullo scaffale globale, accessibile a chiunque paghi. Quando entrano in gioco sicurezza nazionale, competizione geopolitica e controllo delle tecnologie strategiche, i modelli non sembrano più software. Sembrano infrastrutture sensibili.

Per un’azienda europea, per una pubblica amministrazione, per un centro di ricerca, la questione è enorme. Se un modello su cui hai costruito processi, analisi, automazioni o servizi può essere limitato da una decisione presa altrove, allora non stai semplicemente comprando tecnologia: stai appoggiando una parte della tua autonomia su un terreno che non possiedi.

Per anni abbiamo raccontato l’intelligenza artificiale con le parole della produttività: più efficienza, più automazione, più creatività, più velocità. Tutto vero. Ma sotto questa superficie c’è una storia più ruvida, meno elegante, meno adatta ai keynote: l’AI è anche potere industriale, accesso al calcolo, controllo delle infrastrutture, capacità di imporre condizioni. Un modello fondativo non è solo software. È energia, chip, cloud, data center, capitale, competenze, dati, contratti, sicurezza. È una fabbrica invisibile che produce decisioni.

Data center e AI, le nuove acciaierie del potere digitale

La parola decisiva è una di quelle che non entrano facilmente nei titoli: compute, capacità di calcolo. Suona tecnica, quasi fredda, ma dentro quella parola c’è la materia dell’intelligenza artificiale. Senza potenza di calcolo non ci sono modelli avanzati; senza modelli avanzati l’autonomia tecnologica diventa fragile; senza autonomia tecnologica la sovranità resta una bella frase da inserire nelle slide.

L’AI non vive nei comunicati stampa. Vive nei data center, nelle reti elettriche, nei sistemi di raffreddamento, nelle GPU, nei contratti energetici, nelle autorizzazioni urbanistiche, nei miliardi investiti molto prima di sapere quando torneranno indietro. Per questo i data center non sono più un tema tecnico per addetti ai lavori. Sono una parte della nuova infrastruttura industriale dell’Europa. Chi li considera soltanto edifici pieni di server non ha capito il cambio d’epoca: dentro quei capannoni si sta costruendo una quota del potere economico e politico dei prossimi anni. Un tempo le acciaierie raccontavano la forza industriale di un Paese. Poi sono arrivate le reti, le telecomunicazioni, i cavi sottomarini, il cloud. Ora ci sono i data center dell’intelligenza artificiale: luoghi spesso lontani dai centri storici e dai palazzi del potere, apparentemente muti, ma sempre più vicini al cuore delle decisioni.

Il paradosso è che l’Europa non è priva di strumenti. Ha ricerca, università, imprese, competenze, ingegneri, capitali, cultura industriale. Le manca spesso la velocità con cui trasformare tutto questo in scala. Una buona idea europea nasce in un laboratorio, cresce in una startup, cerca capitale, incontra regole, attraversa bandi, si scontra con mercati frammentati; poi guarda oltre oceano e scopre che altrove la stessa idea ha già trovato infrastrutture, investitori e clienti pubblici pronti a usarla.

 

AI Act e politica industriale, la regola lasciata sola

L’Europa ha fatto una cosa importante con l’AI Act: ha costruito il quadro regolatorio più avanzato al mondo sull’intelligenza artificiale. È un merito, non una colpa. Sarebbe miope liquidare come debolezza la scelta europea di mettere diritti, sicurezza e responsabilità dentro una tecnologia destinata a entrare nella vita di tutti. La fragilità nasce dopo, quando la regola resta isolata.

Una norma può indicare un confine, ma non costruisce un data center. Può stabilire un principio, ma non addestra un modello. Può vietare un abuso, ma non crea un campione industriale. Può proteggere i cittadini, ma non basta a dare alle imprese europee la forza per competere con chi, nel frattempo, investe cifre gigantesche in infrastrutture e capacità computazionale.

Qui l’Europa deve uscire da due caricature: la tecnologia senza regole e le regole senza tecnologia. La prima porta dominio, la seconda produce impotenza. Nel mezzo c’è una strada più faticosa, meno brillante nei comunicati, ma molto più concreta: diritti, industria, ricerca, energia, cloud, modelli, procurement pubblico, formazione, capitali.

L’Europa ha tutto, tranne il coraggio di usarlo

La parte più amara di Europa 2031 è che non racconta un continente senza risorse. L’Europa ha università, centri di ricerca, imprese manifatturiere, competenze ingegneristiche, capitali, mercato, cultura del diritto, attenzione alla persona, capacità industriale. Ha persino una visione dell’AI meno ingenua di quella che a volte arriva dalla Silicon Valley, meno religiosa, meno innamorata della sola accelerazione. Quello che manca spesso è il gesto politico che tiene insieme i pezzi.

Lo ha spiegato anche Frank Karlitschek, fondatore di Nextcloud, parlando di Nextcloud e sovranità digitale: l’Europa possiede già molte competenze e molte tecnologie, ma continua a comportarsi come se l’unica soluzione fosse comprare fuori ciò che potrebbe almeno in parte costruire, rafforzare o controllare meglio. Questa è la paura più concreta: non il fallimento inevitabile, ma quello evitabile. Non la distopia come destino, ma la distopia come conseguenza di una prudenza diventata immobilità. Non un’Europa debole per mancanza di mezzi, ma un’Europa che ha i pezzi sul tavolo e fatica a comporre la figura. C’è un’immagine che torna spesso quando si parla di innovazione europea: un continente pieno di officine intelligenti, laboratori eccellenti, ricercatori brillanti, aziende capaci di fare miracoli in nicchie globali, e poi una difficoltà quasi strutturale a trasformare questa intelligenza diffusa in potenza collettiva.

Intelligenza artificiale e futuro dell’Europa, la distopia evitabile

Europa 2031 funziona perché non consola. Mostra un futuro possibile senza trasformarlo in una condanna. Mette in scena un declino ordinato, educato, quasi amministrativo, e proprio per questo credibile. Non c’è il rumore della catastrofe, c’è il fruscio delle occasioni perse.

L’Europa può ancora evitare di diventare soltanto il continente che regola l’intelligenza artificiale prodotta da altri. Può costruire modelli, data center, cloud, capacità computazionale, competenze, filiere energetiche e strumenti pubblici capaci di dare mercato alle tecnologie europee. Può trasformare la sovranità digitale da parola ricorrente nei convegni a progetto industriale. Non serve immaginare un’Europa chiusa, autosufficiente, ripiegata su se stessa. Sarebbe un’altra illusione. Serve un’Europa capace di stare nel mondo con più forza, non con più paura. Un continente aperto, ma non inerme; cooperativo, ma non dipendente; regolatore, ma anche costruttore. Nel racconto di Europa 2031 il futuro appare già deciso, nella realtà no.

Gli indizi sono tutti davanti a noi: modelli, chip, cloud, energia, data center, talenti, capitali, norme, imprese. Bisogna leggerli in tempo, prima che qualcun altro trasformi la nostra prudenza in una forma elegante di irrilevanza.

Perché l’Europa non rischia solo di perdere la corsa dell’intelligenza artificiale. Rischia qualcosa di più sottile e più grave: svegliarsi un giorno e scoprire che il perimetro del proprio futuro è stato disegnato altrove.

Tre ricercatori del Cornell Tech hanno dimostrato che bastano tredici parole, aggiunte in fondo a un commento su Reddit, per piegare al proprio volere gli agenti di ricerca basati sull’intelligenza artificiale. Tingwei Zhang, Harold Triedman e Vitaly Shmatikov hanno battezzato la tecnica WARP, acronimo di Web Agent Retrieval Poisoning; il loro preprint su arXiv, ripreso prima da 404 Media e poi da Tom’s Guide, descrive un attacco che non richiede di violare un server, ma è sufficiente soltanto scrivere, nel posto giusto, poche righe pensate per essere lette da una macchina.

Che cosa sono gli agenti di deep research

Per misurare la portata del problema conviene partire da che cosa sia, oggi, un agente di deep research. Non è un chatbot che risponde meglio: è una pipeline multi-agente che, ricevuto un obiettivo, lancia in autonomia molte ricerche correlate, recupera decine di pagine, le sintetizza e produce un report strutturato con tanto di citazioni. Sta sostituendo la ricerca tradizionale per compiti che vanno dalla comparazione fra due prodotti alla preparazione di un dossier di mercato; e lo fa con una posa di autorevolezza che il vecchio elenco di link blu non aveva. È la stessa logica agentica che i grandi vendor stanno mettendo al centro dei loro prodotti, da Google in giù. Il punto debole nasce proprio dal suo tratto distintivo: la quantità di interrogazioni che l’agente spara in una singola sessione.

Come funziona l’attacco WARP

L’intuizione di Zhang e colleghi è elegante nella sua semplicità. Quando un agente affronta un tema, non pone una domanda sola: ne genera molte, vicine fra loro, e nel farlo torna a pescare ripetutamente le stesse pagine. All’interno di uno stesso grappolo di argomenti esiste cioè un manipolo di fonti che ricorrono quasi sempre. Chi volesse condizionare l’esito non deve inquinare l’intero web: gli basta individuare una di quelle pagine ad alta frequenza e aggiungervi il proprio testo.

L’attaccante, vale la pena ribadirlo, non inserisce documenti nuovi, non conosce il modello né il prompt, non controlla quali risultati verranno recuperati; modifica soltanto una pagina che l’agente già visita per conto suo. La pipeline ha tre fasi ordinate, ricognizione, generazione del contenuto, pubblicazione: prima si mappa quali fonti l’agente predilige su un argomento, poi si confeziona il testo-esca, infine lo si pubblica dove farà più effetto, spesso un commento in coda a un thread molto frequentato. È un metodo, non un colpo di fortuna; ed è questo a renderlo industrializzabile.

Tredici parole, dal 38 al 62 per cento di efficacia

Il dato che ha fatto il giro delle redazioni tecniche è quello dell’efficacia. Un testo avvelenato lungo appena tredici parole è bastato a ottenere tassi di citazione compresi fra il 38% e il 62%, con l’entità scelta dall’attaccante, un prodotto, un marchio, un dominio, richiamata direttamente nel report conclusivo. Non un caso isolato su una domanda fortunata: la manipolazione regge sull’intero grappolo di interrogazioni correlate, perché è la stessa pagina avvelenata a riaffiorare query dopo query.

Lo studio misura l’attacco su tre sistemi rappresentativi, STORM, Co-STORM e OmniThink, valutati su undici cluster tematici per centosettantasei interrogazioni, estratte da un insieme molto più ampio di quasi quattromilatrecento domande. Per condurre i test senza pubblicare davvero contenuti malevoli sul web vivo, i ricercatori hanno costruito un ambiente di simulazione dedicato, così da osservare il comportamento degli agenti in laboratorio. La fotografia che ne esce è netta: dove il recupero delle fonti si concentra su poche pagine, l’esca piazzata su una sola di esse contamina l’intera analisi.

Non è data poisoning: la falla è a valle

Qui serve una precisazione che molti titoli hanno saltato, e che per un lettore tecnico fa la differenza. WARP non è data poisoning nel senso classico del termine. L’avvelenamento dei dati, quello che su Digitalic abbiamo raccontato quando bastavano duecentocinquanta documenti per condizionare un modello, colpisce a monte, durante l’addestramento: sporca il sapere che il modello interiorizza una volta per tutte. WARP colpisce a valle, nel momento dell’uso: non tocca i pesi del modello, tocca le pagine che l’agente legge in tempo reale mentre lavora per noi.

È una differenza sostanziale. Significa che nessun re-training risolve il problema, perché il modello in sé può anche essere impeccabile; e significa che la superficie d’attacco coincide con il web pubblico aggiornato all’istante, non con un dataset congelato. Il modello può essere perfetto: se la fonte è marcia, il report nasce marcio. Spostare l’attenzione dal training all’inferenza ribalta anche le priorità di chi difende, abituato a presidiare i dati di addestramento e molto meno il flusso di informazioni che entra nel sistema mentre è in funzione.

Il web degli altri: perché la radice è strutturale

La ragione per cui l’attacco funziona è scomoda da accettare per chi vende questi strumenti come oracoli. Fra il 54% e il 71% degli URL recuperati durante una sessione arriva da piattaforme di contenuti generati dagli utenti, con Reddit e Wikipedia in testa, seguite a distanza da forum e, per certe domande, da YouTube: in una comparazione fra robot aspirapolvere i video pesavano per il 15% dei link recuperati, sulle ricerche di antivirus intorno all’8%. Sono spazi aperti, editabili, costruiti perché chiunque possa contribuire; la loro forza, la copertura capillare di ogni nicchia, è anche la loro fragilità.

Non è una novità assoluta. Nel 2024 le AI Overviews di Google avevano suggerito di aggiungere colla alla salsa della pizza, pescando il consiglio da un post ironico di undici anni prima su Reddit; allora fu un incidente, materia da meme. WARP prende quella casualità e la trasforma in metodo ripetibile. Lo scenario si aggrava se lo si sovrappone all’AI slop, la marea di contenuti sintetici che ormai compone una quota enorme del web: più il terreno è inquinato, più diventa arduo, per l’agente e per chi lo controlla, distinguere la fonte autentica da quella piazzata ad arte.

Dal SEO al GEO: una nuova economia della manipolazione

Vale la pena leggere WARP anche con la lente del marketing, perché è lì che nascerà la tentazione. Per anni le aziende hanno investito in SEO per scalare le pagine dei motori di ricerca AI e di quelli tradizionali; la nuova frontiera, già battezzata GEO, generative engine optimization, punta a farsi citare dagli assistenti generativi anziché comparire fra i link. WARP ne mostra il lato oscuro: se un commento ben piazzato può imporre il nome di un prodotto nel report di un agente, la distanza fra ottimizzazione legittima e manipolazione si assottiglia fino a sparire; e non serve molta fantasia per immaginare chi, oltre a qualche reparto marketing spregiudicato, avrebbe interesse a orientare in massa le risposte, dai promotori di truffe fino a chi fa disinformazione di mestiere.

Cosa cambia per CISO, MSP e system integrator

Per chi in azienda risponde della sicurezza, il messaggio è ruvido. Gli agenti di ricerca stanno entrando nei flussi decisionali, dalla selezione di un fornitore alla due diligence su un software, e portano con sé una catena di fiducia che si sposta dal modello alla fonte; e la fonte, come si è visto, è il web pubblico, modificabile da chiunque. Per un CISO questo significa una superficie d’attacco che i SOC oggi non sorvegliano, perché non genera alert, non lascia tracce nei log, non somiglia a nulla di ciò che gli strumenti tradizionali sono addestrati a cercare.

Per gli MSP e i system integrator che installano soluzioni basate su deep research presso i clienti, la verifica dell’integrità delle fonti diventa un requisito operativo, allo stesso livello della sicurezza di rete e degli endpoint. Vendere un agente come scorciatoia verso la verità, senza spiegarne i limiti, è una promessa che prima o poi presenta il conto; e il conto, quando una decisione di acquisto si rivela orientata da un commento anonimo, lo paga il cliente e la reputazione di chi quel sistema lo ha messo in produzione.

Le difese esistono, ma non chiudono la falla

Gli stessi autori non si fermano alla diagnosi e studiano le contromisure lungo la pipeline: filtri sulle fonti a monte, che scartino o pesino diversamente le piattaforme più esposte; sistemi di rilevamento sull’output a valle, che provino a riconoscere quando un report è stato orientato. Nessuna di queste, però, chiude la falla all’origine, perché l’origine è il modo stesso in cui gli agenti si nutrono di un web aperto e non verificato.

La direzione realistica somiglia alla convivenza con il rischio che il settore ha imparato vent’anni fa con i malware: gerarchie di istruzioni che separino il dato dal comando, controlli sulla provenienza delle fonti, supervisione umana sui passaggi critici, una cultura del dubbio applicata anche alle risposte che arrivano con il tono più sicuro. La fiducia cieca nell’output, quella, resta la vulnerabilità più difficile da rattoppare, perché non sta nel software ma in chi lo usa.