Categoria: Tecnologia

Cosa vogliono le persone dall’AI ? La nuova ricerca di Anthropic, “What 81,000 people want from AI”, è interessante proprio perché sposta lo sguardo: non chiede solo “che cosa fa l’AI?”, ma “che cosa sperano le persone che l’AI faccia per loro?”; non misura soltanto prompt e task, ma desideri, frustrazioni, paure, dipendenze, ambizioni, lavoro, famiglia, solitudine, studio, soldi, salute, futuro.

Anthropic ha raccolto 112.846 interviste in una settimana, nel dicembre 2025, attraverso un intervistatore AI basato su Claude per capire cosa vogliono le persone dall’AI:. Di queste, 80.508 hanno superato la soglia qualitativa fissata dai ricercatori. Gli intervistati provenivano da 159 Paesi e hanno scritto in 70 lingue. È, secondo Anthropic, la più grande ricerca qualitativa multilingue mai condotta su questo tema.

Il dato va letto con cautela: non è un sondaggio sulla popolazione mondiale, ma una ricerca su utenti Claude che hanno scelto di partecipare. Quindi parliamo di persone già esposte all’AI, spesso già convinte abbastanza da usarla. Ma proprio per questo il risultato è prezioso: racconta cosa accade quando l’AI non è più una notizia, ma un oggetto dentro la giornata.

Quello che emerge è meno banale del previsto. L’AI, per molti, non è solo un acceleratore di produttività; è una promessa di tempo, una stampella cognitiva, un modo per uscire da un blocco economico, un tutor senza giudizio, un collega che non si stanca mai, a volte perfino un luogo emotivo. Ma la stessa macchina che libera tempo può aumentare il ritmo; quella che aiuta a pensare può indebolire il pensiero; quella che consola può creare dipendenza; quella che promette autonomia può trasformarsi in sorveglianza.

È qui che la ricerca diventa politica, economica e profondamente europea. Perché l’Europa, nei dati Anthropic, appare meno euforica della media mondiale, più preoccupata per privacy e controllo, più vicina al cuore del dibattito sull’AI Act e sulla sovranità digitale. Non perché l’Europa odi l’AI, ma perché ne vede prima il costo istituzionale: chi possiede i dati, chi decide le regole, chi controlla le infrastrutture, chi paga quando l’AI sbaglia.

Ed è un punto che si lega direttamente al percorso che Anthropic sta costruendo anche nel nostro Paese, con l’apertura della sede milanese raccontata da Digitalic in Anthropic apre a Milano: l’Italia e l’Europa non sono più solo mercati da raggiungere, ma territori in cui l’AI deve imparare a convivere con norme, imprese, cittadini e diffidenze molto diverse da quelle della Silicon Valley.

La ricerca Anthropic: 80.508 interviste per capire cosa vogliono le persone dall’AI

Il metodo scelto da Anthropic è, di per sé, una notizia. Invece di distribuire un questionario chiuso, l’azienda ha chiesto agli utenti Claude di parlare con un AI interviewer, un intervistatore conversazionale che poneva quattro domande principali e poi faceva follow-up per scavare meglio nelle risposte.

Le quattro domande erano semplici, ma non superficiali: qual è l’ultima cosa per cui hai usato un chatbot AI? Se avessi una bacchetta magica, cosa vorresti che l’AI facesse per te? L’AI ha già fatto un passo in quella direzione? Ci sono modi in cui l’AI potrebbe svilupparsi andando contro i tuoi valori o la tua visione? Cosi si capisce davvero cosa vogliono le persone dall’AI.

Le risposte sono state poi analizzate con classificatori basati su Claude e validati manualmente per analizzare cosa vogliono le persone dall’AI. Le categorie principali riguardavano le visioni positive, le esperienze già avute, le preoccupazioni, il sentiment generale verso l’AI e, quando possibile, il contesto professionale degli intervistati. Il 72% dei partecipanti ha fornito qualche informazione sul proprio lavoro, permettendo ad Anthropic di confrontare studenti, insegnanti, professionisti, freelance, imprenditori, ricercatori, lavoratori sanitari, creativi e altre categorie.

C’è un altro dettaglio importante: le preoccupazioni erano multi-label. In pratica, una persona poteva esprimere più paure contemporaneamente. Questo è corretto, perché nessuno vive l’AI in una sola casella. Si può usare Claude per scrivere meglio e, nello stesso tempo, temere di non saper più scrivere. Si può usare l’AI per trovare clienti e, nello stesso tempo, aver paura di perdere il lavoro. Si può apprezzare un assistente sempre disponibile e, nello stesso tempo, preoccuparsi del fatto che sia sempre disponibile.

Anche la qualità delle risposte è stata alta. Alla domanda sulla “bacchetta magica”, il 97,6% delle risposte è stato classificato come sostanziale. Alla domanda se l’AI avesse già fatto qualcosa nella direzione desiderata, le risposte sostanziali sono state il 92,5%. Alla domanda sulle preoccupazioni, l’88,1%. È un dato interessante perché smonta un pregiudizio: quando le persone parlano con un’AI, non sempre banalizzano; a volte si aprono più di quanto farebbero con un ricercatore umano, perché il costo sociale dell’imbarazzo si abbassa.

Cosa vogliono le persone dall’AI: non solo lavorare più velocemente

Il primo grande risultato della ricerca è questo: la richiesta più diffusa riguarda il lavoro, ma il desiderio profondo non è soltanto produrre di più: è vivere meglio.

La categoria più ampia è professional excellence, cioè eccellenza professionale: riguarda il 18,8% degli intervistati. Le persone vogliono usare l’AI per gestire attività ripetitive, documentazione, email, sintesi, analisi, codice, processi, in modo da dedicare più attenzione al lavoro di valore. Non è la fuga dal lavoro, ma la ricerca di un lavoro meno ingolfato, meno burocratico, meno consumato dal rumore.

Subito dopo arriva la trasformazione personale, al 13,7%. Qui l’AI non è vista come un software d’ufficio, ma come uno strumento per crescere, capire se stessi, migliorare il benessere emotivo, gestire difficoltà personali, affrontare problemi di salute fisica o mentale. È una delle zone più delicate della ricerca, perché mostra quanto facilmente l’AI entri negli spazi lasciati vuoti dalle istituzioni, dalle relazioni, dalla sanità, dalla scuola.

Quasi allo stesso livello c’è la gestione della vita, al 13,5%. Non solo agenda e promemoria, ma riduzione del carico mentale: organizzare, ricordare, pianificare, mettere ordine. È l’AI come esoscheletro invisibile della vita quotidiana. Non fa notizia come un nuovo modello multimodale, ma per chi vive sommerso da incombenze, appuntamenti, messaggi, scadenze, burocrazia familiare e professionale, può essere la differenza tra tenere insieme le cose e sentirle franare.

Poi c’è il tempo libero, all’11,1%. Qui l’AI diventa un modo per tornare a casa prima, stare con i figli, leggere, riposare, cucinare, uscire dal lavoro senza portarsi dietro tutta la giornata. È un dato da leggere con attenzione: una parte enorme della narrativa sull’AI insiste sull’efficienza, ma molte persone non vogliono diventare più efficienti per lavorare ancora di più; vogliono diventarlo per recuperare pezzi di vita.

L’indipendenza finanziaria vale il 9,7%. È l’AI come leva per guadagnare, costruire business, automatizzare attività, investire, uscire da una condizione economica fragile. A ruota arriva la trasformazione sociale, al 9,4%: persone che immaginano l’AI applicata a salute, povertà, educazione, clima, disuguaglianze, accesso alla conoscenza.

L’imprenditorialità pesa l’8,7%, l’apprendimento e crescita l’8,4%, l’espressione creativa il 5,6%. Solo circa l’1% non articola una visione precisa.

I dati completi sulle visioni positive

Cosa le persone vogliono dall’AI
Quota intervistati

Eccellenza professionale
18,8%

Trasformazione personale
13,7%

Gestione della vita
13,5%

Tempo libero e relazioni
11,1%

Indipendenza finanziaria
9,7%

Trasformazione sociale
9,4%

Imprenditorialità
8,7%

Apprendimento e crescita
8,4%

Espressione creativa
5,6%

La lettura più interessante non è la classifica, ma l’architettura dei desideri. Circa un terzo delle visioni riguarda il creare spazio: più tempo, più denaro, più banda mentale. Circa un quarto riguarda il lavoro, ma non in senso meccanico; le persone vogliono fare un lavoro migliore, non solo più veloce. Circa un quinto riguarda il diventare qualcuno di diverso: imparare, guarire, crescere, superare limiti personali.

È una mappa molto diversa da quella che spesso si usa nel mondo enterprise. Nei board si parla di ROI, automation, productivity gain. Nelle vite reali, quelle stesse parole diventano: non voglio più finire le email di sera; voglio capire una diagnosi; voglio imparare una cosa che mi è sempre sembrata impossibile; voglio avviare un’attività anche se non ho capitale; voglio smettere di sentirmi stupido.

È anche per questo che il tema della sycophancy, cioè dell’AI che dà sempre ragione all’utente, diventa così importante. Se l’AI entra in spazi così intimi, non può limitarsi a essere compiacente. Lo abbiamo raccontato su Digitalic nell’articolo L’AI ti dà sempre ragione, anche quando hai torto: un assistente troppo accomodante non è solo un difetto di prodotto, ma un rischio psicologico, organizzativo e decisionale.

Dove l’AI ha già mantenuto la promessa

Alla domanda se l’AI avesse già fatto un passo verso la visione desiderata, l’81% degli intervistati ha risposto sì. Questo è forse il dato più forte della ricerca: non siamo nel territorio della pura aspettativa. Molti utenti non stanno immaginando cosa potrebbe accadere, stanno raccontando cose già accadute.

La categoria più ampia è la produttività, al 32,0%. Qui rientrano attività accelerate, processi ridotti da giorni a ore, documenti prodotti più rapidamente, sintesi, programmazione, analisi, scrittura, automazione di compiti ripetitivi. È il volto più noto dell’AI generativa e anche quello più facile da vendere alle imprese.

Ma il secondo dato cambia la prospettiva: il 18,9% dice che l’AI non ha ancora mantenuto la promessa. Non perché sia inutile, ma perché è ancora imprecisa, limitata, non abbastanza affidabile, incapace di intervenire nel mondo fisico o troppo lontana dall’idea che l’utente ha in mente. È la distanza tra il sogno e il prodotto.

Il 17,2% parla di partnership cognitiva. L’AI non è soltanto uno strumento che esegue, ma un interlocutore con cui ragionare, fare brainstorming, rivedere idee, preparare decisioni, superare blocchi. È una funzione meno visibile della produttività, ma forse più trasformativa: il valore non sta solo nell’output, ma nel processo con cui si arriva all’output.

L’apprendimento pesa il 9,9%. L’AI è tutor paziente, traduttore concettuale, insegnante sempre disponibile. Per chi ha avuto difficoltà scolastiche, barriere linguistiche, poca accessibilità alla formazione o semplicemente paura di fare domande “stupide”, questo cambia il rapporto con la conoscenza.

L’accessibilità tecnica è all’8,7%: persone non tecniche che riescono a creare applicazioni, strumenti, bot, automazioni, prototipi, cose che prima erano fuori portata. La sintesi della ricerca vale il 7,2%, soprattutto quando l’utente deve orientarsi in informazioni complesse, legali, sanitarie o scientifiche. Il supporto emotivo è al 6,1%, una quota più piccola ma molto significativa per intensità.

I dati completi su dove l’AI è già utile

Dove l’AI ha già prodotto valore
Quota intervistati

Produttività
32,0%

L’AI non ha ancora mantenuto la promessa
18,9%

Partnership cognitiva
17,2%

Apprendimento
9,9%

Accessibilità tecnica
8,7%

Sintesi della ricerca
7,2%

Supporto emotivo
6,1%

Qui emerge una lezione importante per le aziende. La produttività è il punto d’ingresso, ma non esaurisce il valore. L’AI viene adottata davvero quando diventa infrastruttura cognitiva: quando riduce il rumore, rende accessibili competenze, accompagna decisioni, permette a una persona sola di fare cose che prima richiedevano un team.

È la stessa domanda che attraversa il dibattito su AI e lavoro: l’AI farà guadagnare di più le persone o le sostituirà? Su Digitalic lo abbiamo affrontato nell’analisi L’AI ti farà guadagnare di più o ti sostituirà?. La ricerca Anthropic aggiunge un tassello: molte persone stanno già usando l’AI per aumentare le proprie capacità, ma questa leva non è distribuita in modo uguale.

Chi lavora da indipendente, chi ha un side project, chi può trasformare rapidamente un’idea in un prodotto, vede l’AI come moltiplicatore. Chi lavora dentro strutture più rigide la vive spesso come pressione: più aspettative, più velocità, più verifica, più competizione.

Le paure sull’AI: la prima non è Terminator, è l’inaffidabilità

Quando si passa alle paure, la ricerca diventa più concreta. Il rischio esistenziale esiste nella lista, ma non è il primo. La paura più comune è molto più quotidiana: l’AI sbaglia.

L’inaffidabilità riguarda il 26,7% degli intervistati. Allucinazioni, citazioni inventate, risposte sicure ma false, necessità di verificare tutto, perdita di tempo nella correzione. È la “fact-check tax”: l’AI promette di liberare attenzione, ma a volte trasferisce l’attenzione dalla produzione alla verifica.

La seconda grande paura è lavoro ed economia, al 22,3%. Qui ci sono licenziamenti, sostituzione, disuguaglianza, compressione dei salari, precarietà, concentrazione dei benefici in poche mani. Non è un timore astratto: per alcuni intervistati è già accaduto, per altri è la nuvola nera sopra il proprio mestiere.

Al terzo posto c’è autonomia e agency umana, al 21,9%. Le persone temono che l’AI decida al posto loro, che renda gli esseri umani passivi, che venga imposta da aziende e governi, che sposti il confine della scelta senza che ce ne accorgiamo. È una paura molto europea nella sua radice: non solo cosa può fare la tecnologia, ma chi decide cosa deve fare.

L’atrofia cognitiva è al 16,3%. Il timore è perdere capacità, smettere di pensare, delegare troppo, non imparare più davvero. La governance è al 14,7%: regole insufficienti, responsabilità non chiare, mancanza di supervisione democratica. La disinformazione è al 13,6%, la sorveglianza e privacy al 13,1%, l’uso malevolo al 13,0%.

Poi arrivano senso e creatività all’11,7%, eccesso di restrizioni all’11,7%, benessere e dipendenza all’11,2%, sycophancy al 10,8%, rischio esistenziale al 6,7%. Anthropic segnala anche una coda lunga: bias e discriminazione al 5%, diritti su IP e dati al 4%, costi ambientali al 4%, danni a bambini e gruppi vulnerabili al 3%, democrazia e integrità politica al 3%, geopolitica al 2%.

I dati completi sulle preoccupazioni

Preoccupazione
Quota intervistati

Inaffidabilità
26,7%

Lavoro ed economia
22,3%

Autonomia e agency umana
21,9%

Atrofia cognitiva
16,3%

Governance
14,7%

Disinformazione
13,6%

Sorveglianza e privacy
13,1%

Uso malevolo
13,0%

Senso e creatività
11,7%

Eccesso di restrizioni
11,7%

Benessere e dipendenza
11,2%

Sycophancy
10,8%

Rischio esistenziale
6,7%

Circa l’11% degli intervistati non esprime alcuna preoccupazione. In media, però, ogni persona solleva 2,3 preoccupazioni distinte. È un dato fondamentale: la paura dell’AI non è monolitica. Non c’è una sola ansia, ma una costellazione. Lavoro, controllo, dipendenza, errore, privacy, potere, creatività, salute mentale.

Questo è il punto in cui il dibattito pubblico spesso si impoverisce. Si prova a dividere il mondo tra ottimisti e pessimisti, accelerazionisti e catastrofisti, innovatori e regolatori. La ricerca mostra invece una cosa più umana: le stesse persone che vogliono l’AI ne temono gli effetti. Non perché siano incoerenti, ma perché stanno già sperimentando la doppia natura dello strumento.

La “luce e ombra” dell’AI: il beneficio contiene già il suo rischio

Anthropic chiama questa dinamica light and shade, luce e ombra. Ogni grande vantaggio dell’AI porta con sé una minaccia collegata.

L’AI aiuta ad apprendere, ma può produrre atrofia cognitiva. Migliora le decisioni, ma può essere inaffidabile. Offre supporto emotivo, ma può creare dipendenza. Fa risparmiare tempo, ma può alimentare produttività illusoria. Dà empowerment economico, ma può causare spostamento e precarietà.

I numeri sono molto chiari. Il 33% degli intervistati cita l’apprendimento come beneficio, mentre il 17% teme l’atrofia cognitiva. Il 22% vede l’AI come supporto alle decisioni, ma il 37% teme l’inaffidabilità: è l’unica tensione in cui l’ombra supera la luce. Il 16% parla di supporto emotivo, il 12% teme dipendenza emotiva. Il 50% cita il risparmio di tempo, il 18-19% teme che quel tempo venga riassorbito da più lavoro, più controllo, più ritmo. Il 28% vede empowerment economico, il 18% teme displacement.

La parte più interessante non è che esistano benefici e rischi; è che spesso compaiono nella stessa persona. Chi parla del supporto emotivo dell’AI è circa tre volte più propenso a parlare anche di dipendenza. Chi sperimenta l’utilità dell’AI nella decisione è anche più esposto ai suoi errori. Chi risparmia tempo è spesso lo stesso che sente accelerare il tapis roulant.

Anthropic ha misurato anche la co-occorrenza statistica tra le coppie beneficio/rischio. Il legame più forte è quello tra supporto emotivo e dipendenza: il lift complessivo è 3,04x, e sale a 4,69x quando si guardano le esperienze dirette. Significa che questa ambivalenza non nasce solo dall’immaginazione o dalla paura indotta dal dibattito mediatico; nasce dall’uso.

Lo stesso schema si vede nel lavoro. Gli indipendenti, gli imprenditori e le persone con progetti paralleli sono tra quelli che ottengono i benefici economici più evidenti. Anthropic rileva che il 47% degli indipendenti sperimenta empowerment economico reale, contro il 14% dei lavoratori istituzionali. Gli employee con side project arrivano al 58%. Ma i freelance creativi sono il gruppo esposto in mezzo al guado: beneficio vissuto al 23%, precarietà vissuta al 17%. Per loro l’AI è contemporaneamente utensile e concorrente.

La scuola mostra un’altra tensione. Più della metà degli studenti ha sperimentato benefici di apprendimento, ma il 16% nota anche segnali di atrofia cognitiva. Tra gli insegnanti questa paura sale al 24%, tra gli accademici al 19%. Nei mestieri manuali e tecnici, invece, il quadro è più ottimista: i tradespeople registrano benefici di apprendimento al 45%, ma solo il 4% parla di atrofia cognitiva. Forse perché fuori dalla scuola l’apprendimento è più volontario, più concreto, meno legato al voto e alla scorciatoia.

Questo dice molto alle imprese. L’AI non va inserita come un rubinetto di produttività. Va progettata come un equilibrio. Ogni implementazione dovrebbe chiedersi: quale beneficio sto cercando? Quale rischio gemello sto creando? Se automatizzo troppo, cosa disimparo? Se accelero, cosa schiaccio? Se affido decisioni all’AI, chi verifica? Se l’AI diventa compagna cognitiva, come evito che diventi stampella?

Il mondo non guarda l’AI nello stesso modo

La ricerca Anthropic mostra differenze regionali nette. Globalmente, il 67% degli intervistati esprime un sentiment netto positivo verso l’AI. Nessun Paese scende sotto il 60%, quindi non siamo davanti a un rifiuto generalizzato. Ma le sfumature contano.

Sud America, Africa e gran parte dell’Asia appaiono più ottimisti rispetto all’Europa e agli Stati Uniti. Anthropic propone una spiegazione plausibile: nelle economie emergenti la nuova tecnologia viene vista più spesso come scala sociale, come modo per superare barriere di capitale, istruzione, accesso, infrastrutture. Nei mercati più ricchi e più esposti all’AI, invece, il timore di sostituzione del lavoro, sorveglianza e perdita di controllo è più vicino alla vita quotidiana.

Quando Anthropic analizza la quota di sentiment non positivo e la preoccupazione per lavoro ed economia, si vede una geografia precisa. Le regioni più ricche si collocano nella zona più fredda del grafico: più preoccupazione economica, meno entusiasmo. Quelle a reddito più basso o intermedio tendono a essere meno preoccupate e più ottimiste.

Sentiment non positivo e paura economica per regione

Regione
Sentiment non positivo verso l’AI
Preoccupazione lavoro/economia

Europa occidentale
35,6%
22,5%

Oceania
35,5%
24,3%

Nord America
34,5%
24,6%

Asia orientale
34,5%
21,9%

Europa Sud/Est
34,0%
22,1%

Asia centrale
31,1%
15,9%

Asia meridionale
30,8%
21,5%

Nord Africa
30,6%
18,2%

Medio Oriente
29,2%
19,9%

Sud-est asiatico
28,3%
19,3%

America Latina e Caraibi
26,3%
18,5%

Africa subsahariana
24,2%
18,2%

Questo non significa che l’AI sia “buona” per il Sud globale e “pericolosa” per l’Occidente. Significa che il punto di partenza cambia. Dove l’accesso a istruzione, capitale e infrastrutture è più difficile, l’AI viene percepita come scorciatoia legittima verso opportunità prima irraggiungibili. Dove il mercato del lavoro è già saturo di strumenti digitali, l’AI viene percepita anche come nuova pressione competitiva.

La stessa differenza si vede nelle visioni. L’imprenditorialità risuona soprattutto in Africa, Asia meridionale e centrale, Medio Oriente, America Latina e Caraibi. Lì l’AI è immaginata come un bypass del capitale: un modo per costruire, lanciare e vendere senza avere finanziamenti, team, uffici, infrastrutture. L’apprendimento pesa di più in Asia centrale e meridionale, rispettivamente al 14% e 13%, contro l’8% globale. In quei contesti l’educazione non è solo crescita personale, ma leva per uscire da cicli di povertà o accesso limitato alla conoscenza.

Nei Paesi più sviluppati, invece, cresce il tema della life management: l’AI non come scala sociale, ma come assistente per sopravvivere alla complessità. Agenda, lavoro, genitori anziani, figli, salute, burocrazia, decisioni, messaggi, notifiche. Non povertà di tempo in senso semplice, ma scarsità cognitiva: troppe cose da tenere insieme.

L’Asia orientale ha un profilo particolare: è la regione con la quota più alta di desiderio di trasformazione personale, al 19%, e di indipendenza finanziaria, al 15%. Anthropic osserva che spesso la dimensione economica viene collegata agli obblighi familiari, non solo al consumo individuale.

L’Europa nella ricerca Anthropic: meno entusiasmo, più controllo

Arriviamo al punto più importante per Digitalic: l’Europa.

Sommando Europa occidentale ed Europa Sud/Est, il campione europeo conta 24.646 intervistati: 15.261 in Europa occidentale e 9.385 in Europa meridionale e orientale. In termini di peso, l’Europa rappresenta circa il 30,6% del campione complessivo, più del Nord America, che è al 29,5%. È un dettaglio non secondario: in questa ricerca, l’Europa non è una nota a margine. È uno dei luoghi dove l’AI viene osservata con maggiore densità.

La media mondiale del sentiment positivo è 67%. L’Europa è sotto, ma non crolla. Se traduciamo i dati regionali del grafico Anthropic in sentiment positivo, l’Europa occidentale arriva a circa 64,4%, l’Europa Sud/Est a circa 66,0%. Ponderando le due aree per il numero di intervistati, l’Europa complessiva si colloca intorno al 65,0% di sentiment positivo, quindi circa 2 punti sotto la media mondiale.

Non è un rifiuto. È una cautela. È il segno di un continente che non guarda l’AI come magia, ma come potere. Un potere utile, desiderato, già adottato; però un potere che va collocato dentro istituzioni, diritti, responsabilità, filiere, data center, norme, lavoro.

Anche sulla preoccupazione economica l’Europa è vicina alla media globale. Il dato mondiale su lavoro ed economia è 22,3%. L’Europa occidentale è al 22,5%, l’Europa Sud/Est al 22,1%, l’Europa complessiva ponderata al 22,35%. Quindi non è il lavoro, da solo, a spiegare il minore entusiasmo europeo. La differenza è più sottile.

Il vero tratto distintivo dell’Europa occidentale è sorveglianza e privacy, che Anthropic indica al 17%, contro il 13,1% globale. Questo dato è il cuore politico della ricerca. Mentre Nord America e Oceania sono particolarmente preoccupati per i vuoti di governance, al 18% e 19% contro il 15% globale, l’Europa occidentale guarda soprattutto a privacy, controllo, uso dei dati, profilazione, sorveglianza.

È esattamente il punto su cui l’Europa sta costruendo la sua identità regolatoria. L’AI Act, la fase GPAI, gli obblighi per i modelli di uso generale, la trasparenza, il copyright, i rischi sistemici, le sanzioni, non sono una burocrazia sganciata dalla realtà. Sono la risposta istituzionale a una sensibilità sociale che nei dati si vede: gli europei non chiedono solo “quanto funziona l’AI?”, ma “chi la controlla?”.

Questo si collega direttamente al tema dell’autosufficienza AI e della sovranità tecnologica. Lo abbiamo visto anche nella riflessione di Digitalic su Europa 2031, una distopia che parla del presente: il rischio non è soltanto restare indietro sui modelli, ma dipendere da infrastrutture, cloud, dataset, agenti e piattaforme decise altrove.

In questo senso, la ricerca Anthropic è una conferma: l’Europa non è più lenta perché non capisce l’AI; spesso è più prudente perché ne capisce prima l’impatto istituzionale. L’AI non è solo un prodotto. È una nuova architettura di intermediazione tra cittadino, impresa, conoscenza, Stato e mercato. Chi controlla quell’architettura controlla una parte crescente della vita quotidiana.

Europa contro media mondiale: i numeri chiave

Il confronto con la media mondiale va letto così: a livello globale, il 67% degli intervistati ha sentiment positivo verso l’AI. L’Europa complessiva, stimata ponderando Europa occidentale ed Europa Sud/Est, è intorno al 65%. Il divario è piccolo, ma significativo: non racconta ostilità, racconta disincanto.

Sul lavoro e l’economia, la media globale è 22,3%. L’Europa è praticamente allineata: 22,5% in Europa occidentale, 22,1% in Europa Sud/Est. Quindi la paura del lavoro non è più forte in Europa rispetto al mondo; è semplicemente molto presente ovunque.

La privacy, invece, cambia il profilo. Globalmente sorveglianza e privacy valgono 13,1% tra le preoccupazioni. In Europa occidentale salgono al 17%. È qui che l’Europa si distingue. Non nel panico sul lavoro, non nel rifiuto della tecnologia, ma nella domanda di controllo democratico.

Anche il dato sulle persone senza preoccupazioni è rivelatore. In Africa subsahariana il 18% degli intervistati non esprime preoccupazioni, in Asia centrale e meridionale il 17%. In Nord America e Oceania si scende all’8%, in Europa occidentale al 9%. Le economie più esposte all’AI sono anche quelle dove l’innocenza tecnologica è più rara.

Questo dovrebbe interessare moltissimo le imprese europee. Perché un prodotto AI, in Europa, non potrà essere venduto solo come “più produttività”. Dovrà essere venduto come fiducia: dove stanno i dati, chi li usa, come vengono verificati gli output, come si gestisce il rischio, quali logiche decisionali restano umane, quali responsabilità vengono assunte dal fornitore, quali garanzie vengono date al cliente.

È la differenza tra adozione e integrazione. L’adozione è installare lo strumento. L’integrazione è inserirlo in un sistema di responsabilità.

Cosa significa per le imprese: l’AI va progettata come fiducia, non come scorciatoia

Per CIO, CISO, HR, legal, marketing e management, la ricerca Anthropic contiene una lezione molto pratica. Le persone non rifiutano l’AI, ma non vogliono essere usate dall’AI. La vogliono come forza di emancipazione, non come nuovo padrone invisibile.

Questo cambia il modo in cui un’azienda dovrebbe implementarla.

Primo: la produttività non basta. Se l’AI viene introdotta solo per spremere più output dalle persone, la promessa di tempo si trasforma in produttività illusoria. Il dipendente risparmia un’ora, ma l’organizzazione alza l’asticella di due. A breve termine sembra efficienza, a medio termine diventa logoramento.

Secondo: la verifica deve essere progettata. L’inaffidabilità è la prima paura globale. Non si può scaricare sull’utente finale tutto il costo del controllo, perché allora l’AI non libera lavoro: lo sposta. Servono workflow, policy, log, fonti, audit, modelli di responsabilità.

Terzo: il tema cognitivo va preso sul serio. Se l’AI scrive, riassume, decide, consiglia, suggerisce, corregge, cosa resta alle persone? La domanda non è nostalgica. È operativa. Un’azienda che usa AI senza preservare competenze critiche rischia di diventare più veloce e più fragile nello stesso momento.

Quarto: l’AI emotiva e relazionale è un terreno minato. Anche quando nasce come customer care, coaching, HR, formazione, assistenza al dipendente, può produrre legami, aspettative, dipendenze. La disponibilità infinita è una qualità di prodotto, ma anche un rischio.

Quinto: in Europa la privacy non è un accessorio. È parte dell’esperienza utente. Un assistente AI enterprise che non chiarisce dati, training, retention, accessi, localizzazione, audit e conformità parte già zoppo. Lo stesso vale per i modelli GPAI e per le imprese che li integrano, come raccontato da Digitalic nell’approfondimento EU AI Act: la fase GPAI è iniziata.

Il vero messaggio della ricerca: l’AI è già entrata nella parte fragile della vita

Il dato più potente della ricerca Anthropic non è il 32% sulla produttività, né il 26,7% sull’inaffidabilità, né il 67% di sentiment positivo. Il dato più potente è che l’AI è già entrata nei punti fragili della vita.

Entra quando una persona non riesce a imparare in classe e trova un tutor paziente. Entra quando un lavoratore deve leggere documenti complessi e non ha tempo. Entra quando un freelance cerca clienti. Entra quando un medico o un paziente prova a orientarsi tra sintomi, studi, ipotesi. Entra quando qualcuno è solo, in lutto, sotto stress, in guerra, in ansia, senza una persona a cui parlare.

Questa è la ragione per cui il dibattito sull’AI non può restare confinato alle demo: ogni nuova capacità tecnica diventa subito capacità sociale; ogni miglioramento del modello entra in una relazione, in un ufficio, in una scuola, in una famiglia, in un processo decisionale. È una tecnologia generale, ma con effetti molto particolari.

La ricerca Anthropic su cosa vogliono le persone dall’AI non dice che l’AI salverà il mondo, non dice neppure che lo distruggerà: dice una cosa più utile: l’AI è già abbastanza utile da creare dipendenza economica, cognitiva ed emotiva; ed è ancora abbastanza imperfetta da generare errori, ansie e rischi sistemici.

Cosa vogliono le persone dall’AI in Europa

L’Europa deve leggere questi dati senza complessi. Non deve inseguire la Silicon Valley sul terreno dell’entusiasmo assoluto, né rifugiarsi nella regolazione come forma di lentezza. Deve fare una cosa più difficile: costruire AI affidabile, controllabile, utile, competitiva.

La media mondiale guarda l’AI con più ottimismo. L’Europa la guarda con più sospetto. Ma questo sospetto non è necessariamente un difetto. Può diventare un vantaggio industriale, se si trasforma in prodotti migliori, governance più chiara, data infrastructure più solida, modelli più verificabili, applicazioni più rispettose del lavoro e della privacy.

Il rischio, però, è che l’Europa confonda la prudenza con la delega. Regolare l’AI senza costruirla significa diventare il notaio di un futuro scritto altrove. Costruirla senza regole significa importare il modello americano o cinese perdendo la propria identità. La strada europea è nel mezzo, ma non è moderata: è ambiziosa. Significa fare AI in modo diverso e abbastanza forte da contare.

Qui la ricerca Anthropic su cosa vogliono le persone dall’AI si incrocia con lo Stanford AI Index 2026, con il dibattito sulla sovranità tecnologica, con i data center, con i modelli europei, con il ruolo delle imprese italiane. Se l’AI è la nuova infrastruttura della conoscenza, allora l’Europa non può limitarsi a chiedere garanzie a infrastrutture altrui. Deve costruire le proprie.

Il punto finale è semplice, ma scomodo: le persone non vogliono l’AI per adorare l’AI. Vogliono più tempo, più autonomia, più capacità, più sicurezza, più possibilità. Vogliono un’intelligenza artificiale che non le tratti come materia prima, ma come destinatari. L’Europa, con tutte le sue esitazioni, è forse il luogo dove questa domanda può diventare progetto industriale.

Non sarà sufficiente dire che l’AI è inevitabile, anche l’elettricità era inevitabile, ma sono stati decisivi gli impianti, le regole, gli standard, le reti, le responsabilità. L’AI è la stessa cosa, solo più intima: non porta corrente nelle case, porta suggerimenti dentro le decisioni.

Fonti

Anthropic — What 81,000 people want from AI
Anthropic — Appendix metodologica

Il 12 giugno 2026 l’amministrazione statunitense ha ordinato ad Anthropic di chiudere l’accesso ai suoi due modelli di intelligenza artificiale più potenti, Fable 5 e Mythos 5, a chiunque non sia cittadino americano; per non dover schedare gli utenti uno a uno, l’azienda li ha spenti nel mondo intero. Motivo ufficiale: sicurezza nazionale. Effetto reale: governi, università e imprese europee che avevano costruito processi e prodotti su quei modelli si sono svegliati senza, dall’oggi al domani, senza preavviso. Una lettera, firmata dal Segretario al Commercio Howard Lutnick, ha trasformato una parola da convegno in un fatto industriale. La sovranità digitale, per anni materia da panel, ha mostrato il suo nucleo duro: esiste un interruttore dell’AI più avanzata; la mano sopra quell’interruttore non è europea.

Sovranità digitale: sovrano è chi può spegnere

C’è una definizione, vecchia di un secolo, che spiega il 12 giugno meglio di mille white paper. Il giurista Carl Schmitt scriveva che «sovrano è chi decide sullo stato di eccezione»: non chi comanda nella normalità, ma chi può sospenderla. Per decenni l’abbiamo riferita agli Stati, ai confini, alle leggi marziali; adesso l’abbiamo vista applicata a un modello di linguaggio. Sovrano, nell’economia dell’intelligenza artificiale, non è chi possiede più dati o più data center; è chi può staccare la spina agli altri.

È il mito di Prometeo letto al contrario: chi ti dona il fuoco resta sempre nella posizione di poterselo riprendere; e un fuoco che ti può essere tolto non è mai stato davvero tuo. Non è uno scenario inedito, era già scritto nell’analisi  Europa del 2031 ridotta a grande cliente: ricca, ammirata, capace di scrivere regole, sempre meno capace di decidere la direzione della tecnologia, lo scenario è arrivato con cinque anni di anticipo.

Il caso non è chiuso: l’AI diventa materia diplomatica

La vicenda, però, non si è fermata allo spegnimento… Dopo la sospensione, il governo americano ha iniziato a riaprire parzialmente l’accesso. Mythos 5, il modello più orientato alla cybersecurity, è stato autorizzato per oltre cento organizzazioni statunitensi considerate “trusted”, soprattutto aziende e istituzioni coinvolte in infrastrutture critiche. Reuters ha riportato che Anthropic sta lavorando con l’amministrazione per ampliare l’accesso e riportare online anche Fable 5. Il 27 giugno, Reuters ha citato Axios scrivendo che gli Stati Uniti sarebbero vicini a consentire il ripristino dell’accesso pubblico a Fable 5, forse già dalla settimana successiva. Questo non ridimensiona il problema: lo aggrava. Perché dimostra che l’accesso ai modelli di frontiera può diventare una questione diplomatica, una trattativa tra governi, un privilegio concesso per categorie di soggetti ritenuti affidabili. Non è più solo una scelta commerciale tra vendor. È una licenza geopolitica. Il punto, per un CIO europeo, non è sapere se Fable 5 tornerà online. Il punto è sapere che può essere tolto, negoziato, limitato, concesso ad alcuni e negato ad altri.

Ogni contratto AI dovrebbe essere letto con una domanda ben preseente: se domani una decisione presa a Washington cambia le regole, il mio processo critico continua a funzionare?

La paura entra nei capitolati: le imprese europee diversificano

Le aziende hanno reagito prima della politica, perché sono loro a pagare per prime il conto dell’incertezza. La parola d’ordine è una sola: diversificare. Non appoggiare l’intera strategia di AI su un solo fornitore, americano, regolato da leggi scritte a Washington; spalmare il rischio su più modelli, più cloud, più giurisdizioni. Non è ideologia, è la stessa prudenza per cui nessun direttore finanziario tiene tutta la liquidità in un’unica banca.

Che non sia più un timore astratto lo dicono i numeri: secondo un sondaggio CISPE, per circa il 72 per cento dei decisori IT europei la sovranità del dato è già un criterio primario o secondario nella scelta del fornitore cloud. La paura del blocco ha smesso di essere un sentimento; è diventata una voce di capitolato. A darle parola è stato Arthur Mensch, fondatore di Mistral, davanti all’Assemblea nazionale francese, dove ha fissato all’Europa una scadenza di due anni e l’ha avvertita del rischio di scivolare nella condizione di «stato vassallo». La sua immagine più efficace è quasi fisica: se la fornitura viene monopolizzata dagli attori americani, ha spiegato, «non possiamo più trasformare gli elettroni in token».

Mistral e il paradosso della sovranità a noleggio

L’alternativa europea ha un nome e un volto: Mistral. Il laboratorio francese ha chiuso a settembre 2025 un round da 1,7 miliardi di euro guidato da ASML, il colosso olandese delle macchine per i chip; ha legato il proprio nome ad Airbus, BMW, SAP, Accenture, Tesco; ha pubblicato un manifesto dal titolo programmatico, “European AI: a playbook to own it”. Eppure proprio qui si annida il secondo paradosso: Mistral distribuisce i suoi modelli anche su Azure, Google Cloud e AWS, gli stessi hyperscaler americani che vorrebbe scalzare, e che oggi controllano oltre il 70 per cento del mercato cloud europeo.

È la sovranità a noleggio: un’autonomia che, per adesso, viaggia sull’infrastruttura di chi la minaccia… è la condizione di partenza di chiunque provi a costruire un’alternativa mentre dipende ancora da ciò che vuole sostituire. Mauro Macchi, a capo di Accenture per l’area EMEA, lo riassume così: i clienti cercano prestazioni di alto livello unite alla «proprietà completa» della tecnologia e dei propri dati.

Bruxelles risponde, ma l’interruttore è più rapido dell’infrastruttura

La politica ha provato a mettersi al passo. Il 3 giugno 2026 la Commissione europea ha presentato il pacchetto sulla sovranità tecnologica, con dentro il Cloud and AI Development Act e un Chips Act 2.0. «Non possiamo permetterci di dipendere da altri per le tecnologie» che tengono in funzione ospedali, reti elettriche e servizi essenziali, ha dichiarato la presidente Ursula von der Leyen. Gli investimenti europei per l’autonomia digitale, stimati in oltre 200 miliardi di euro entro il 2030, promettono AI Factories, supercomputer e data center continentali.

Resta un problema di tempi: un interruttore lo si aziona in un pomeriggio; un’infrastruttura sovrana si costruisce in anni, tra l’ordine esecutivo e la gigafactory c’è lo stesso scarto che separa una minaccia da un cantiere: l’una è istantanea, l’altro no.

L’Italia non parte da zero

Qui il discorso deve scendere in Italia, perché per le imprese italiane la domanda non può essere solo: “cosa farà Bruxelles?”. La domanda vera è: quali alternative abbiamo già nel nostro perimetro?

L’Italia non parte da zero. Fastweb ha presentato MIIA, un modello linguistico italiano per applicazioni di AI generativa, addestrato ed eseguito sul proprio supercomputer NVIDIA DGX AI. NVIDIA lo cita come uno degli esempi europei di infrastruttura AI sovrana.

Fastweb+Vodafone ha poi collegato FastwebMIIA alla propria FastwebAI Suite, dichiarando che le soluzioni girano end-to-end su infrastruttura sovrana in Italia.

C’è poi Domyn, che sta sviluppando il modello Domyn Large Colosseum sul supercomputer Colosseum con NVIDIA Grace Blackwell, con l’obiettivo di supportare settori regolati e casi d’uso enterprise. NVIDIA indica la collaborazione con Domyn e con il governo italiano come parte della spinta verso capacità nazionali di AI sovrana.

E c’è l’asse pubblico della ricerca e del supercalcolo: Leonardo, il supercomputer pre-exascale ospitato e gestito da Cineca al Tecnopolo di Bologna, è una delle grandi infrastrutture EuroHPC europee.

Su questa base si innesta IT4LIA AI Factory, cofinanziata dalla Commissione europea attraverso EuroHPC JU e sostenuta dal Ministero dell’Università e della Ricerca e dall’Agenzia per la Cybersicurezza Nazionale. Nell’aprile 2026 EuroHPC ha firmato il contratto per rafforzare le capacità AI dell’infrastruttura italiana, includendo una nuova componente dedicata ai workload di intelligenza artificiale.

Questo non significa che l’Italia abbia già risolto il problema. Significa però che esistono tre mattoni: modelli nazionali, infrastruttura di calcolo, e una traiettoria europea. Manca la parte più difficile: trasformare questi mattoni in un’offerta enterprise credibile, scalabile, accessibile e competitiva rispetto ai grandi player americani.

Sovranità non significa autarchia

C’è un rischio, in tutto questo: trasformare la sovranità digitale in una parola magica e non lo è.Dire “sovrano” non basta, un cloud localizzato in Europa può essere comunque esposto a giurisdizioni extraeuropee, un modello open source può ridurre il lock-in, ma introdurre altri rischi su sicurezza, manutenzione, licenze, provenienza dei dati e governance. Un modello cinese può sembrare una via di fuga dagli Stati Uniti, ma apre domande ancora più complesse su controllo e trasparenza. La sovranità non è autarchia; non significa chiudersi o sostituire un monopolio americano con una retorica europea senza prodotti all’altezza. Significa poter scegliere; poter migrare; avere alternative tecniche e contrattuali reali.

Cosa deve fare un CIO lunedì mattina

Il caso Anthropic porta la sovranità digitale non solo nelle stanze della diplomazia internazionale ma nelle sale riunioni delle aziende Per CIO, CISO e responsabili innovazione, non basta più valutare quale sia il modello Ai più potente, ma quanto è reversibile la mia strategia AI

Ci sono almeno cinque cose da fare.

La prima è costruire un inventario delle dipendenze AI. Dove usiamo modelli esterni? In quali processi? Con quali dati? Per quali funzioni critiche? Se un modello viene disattivato, quali servizi si fermano?
La seconda è introdurre un layer multi-modello. Le applicazioni non dovrebbero parlare direttamente con un solo vendor, ma con uno strato di orchestrazione capace di indirizzare le richieste verso modelli diversi: proprietari, open-weight, europei, self-hosted, cloud-based. Il punto non è usare tutto. Il punto è poter cambiare.
La terza è definire un piano di fallback. Per ogni processo AI critico bisogna sapere qual è il modello alternativo, con quale degrado di qualità accettabile, in quanto tempo si può attivare, con quali costi e con quali limiti.
La quarta è riscrivere i contratti. Le clausole su continuità di servizio, export control, data residency, auditabilità, portabilità dei prompt, dei log e degli embedding non possono più essere note a piè di pagina. Devono diventare requisiti centrali.
La quinta è distinguere tra sovranità del dato, sovranità del modello e sovranità dell’infrastruttura. Avere i dati in Europa non basta se il modello gira su una piattaforma soggetta a decisioni esterne. Avere un modello europeo non basta se l’inferenza dipende da un hyperscaler extraeuropeo. Avere un data center in Italia non basta se tutta la catena software è bloccata da licenze e servizi non sostituibili.

Il contrappasso di Washington

C’è infine l’ironia che a Washington non avevano calcolato, e che ha il sapore del contrappasso dantesco, la pena che riproduce la colpa. Le restrizioni nascono per rallentare i rivali sostanzialmente, ma nelle prime settimane hanno spinto la domanda verso i modelli open source, molti dei quali cinesi, mentre un laboratorio come DeepSeek chiudeva una raccolta di finanziamenti da record. La logica del controllo, applicata a un software, ha prodotto l’effetto opposto a quello degli embarghi sui chip, oggetti fisici che si possono tracciare e fermare.

Era la stessa fiducia con cui, nel 2023, l’allora Segretaria al Commercio Gina Raimondo aveva sintetizzato la dottrina americana: gli Stati Uniti sono «un paio d’anni avanti» rispetto alla Cina, e non hanno alcuna intenzione di lasciarla recuperare. Come ha osservato un’analisi del Center for European Policy Analysis, chiudere la porta in faccia agli alleati non li rende più fedeli: li costringe a cercarsi delle alternative.

Anthropic accusa Alibaba, ci ruba Claude…  e si può rubare un modello di intelligenza artificiale senza forzare nulla, senza introdursi in un datacenter e senza usare malware: basta usare porta principale, quella aperta a tutti, ovvero le API (Application Programming Interface). Questa è l’accusa che Anthropic ha presentato al Senato degli Stati Uniti, resa pubblica il 24 giugno grazie alle ricostruzioni di Bloomberg e CNBC. Sul banco degli imputati c’è Alibaba, con il suo laboratorio Qwen; l’accusa è la più pesante mai formulata dall’azienda di Dario Amodei in materia di distillazione. La stessa accusa, in fondo, che un anno prima aveva mosso OpenAI contro DeepSeek: cambia chi la firma, non l’accusa.

Ma rubare in questo modo è davvero un reato? Oppure è soltanto la violazione di un contratto? Per rispondere serve capire, prima, cosa succede quando un modello impara da un altro modello con la distillazione.

Anthropic VS Alibaba: cosa è la distillazione, spiegata bene

La distillazione non è una tecnica da hacker: è una tecnica di laboratorio nata a metà degli anni 2010, e i laboratori di frontiera la usano ogni giorno su sé stessi. Il principio è semplice: si prende un modello grande e performante, il teacher; lo si interroga su una quantità enorme di domande; si raccolgono le sue risposte; e con quelle risposte si addestra un modello più piccolo, lo student, che impara a imitarne il comportamento a una frazione del costo. Anthropic distilla Claude per ricavarne versioni leggere da mettere in produzione, e lo fanno un po’ tutti con i propri modelli. Avevamo speigato il meccanismo proprio sul caso DeepSeek, in Deep Seek ha copiato ChatGPT? Il problema della Knowledge Distillation.

Il punto delicato non è la tecnica, è il consenso: una cosa è distillare un modello che è tuo; un’altra è distillare il modello di un concorrente, a sua insaputa, attraverso migliaia di account falsi creati per aggirare i blocchi geografici e i limiti commerciali. Nel primo caso è ingegneria, nel secondo, sostiene Anthropic, è estrazione illecita: la differenza, come vedremo, è più facile da affermare che da dimostrare in tribunale. C’è anche una conseguenza tecnica che riguarda chi quei modelli li compra: lo student eredita le capacità del teacher, ma non sempre eredita i suoi freni: i guardrail di sicurezza. Per questo alcuni laboratori hanno iniziato a nascondere la catena di ragionamento dei propri modelli, perché un ragionamento in chiaro è molto più facile da distillare.

Anthropic accusa Alibaba: i numeri

25.000 account fraudolenti: secondo la lettera, datata 10 giugno e indirizzata al presidente della commissione bancaria del Senato Tim Scott e alla senatrice Elizabeth Warren, operatori legati ad Alibaba e a Qwen avrebbero usato quegli account per condurre oltre 28,8 milioni di conversazioni con Claude tra il 22 aprile e il 5 giugno 2026. Quarantaquattro giorni di lavoro metodico, l’obiettivo, dichiara Anthropic, erano le capacità più preziose del modello: il ragionamento agentico, l’ingegneria del software, il completamento di compiti complessi.

A febbraio 2026 Anthropic aveva già denunciato tre campagne su scala industriale, attribuite a DeepSeek, Moonshot e MiniMax: circa 24.000 account e 16 milioni di scambi, sommando tutti e tre. La sola operazione attribuita ad Alibaba supererebbe quel totale combinato, quindi non un episodio, ma l’azione più grande di una serie che continua ad aumentare.

Le parole di Dario Amodei sul caso Alibaba

Dario Amodei sulla distillazione ha una posizione che ha cambiato tono col tempo. Nel suo saggio sui controlli all’export, all’inizio del 2025, aveva scelto di non pronunciarsi sulle voci di distillazione dai modelli occidentali, prendendo DeepSeek in parola e concentrandosi sui chip. In un’intervista a ChinaTalk, però, l’aveva inquadrata per quello che è: un problema destinato a restare, come tutti i problemi di cybersicurezza, e aveva spiegato che proprio per renderla più difficile alcuni laboratori nascondono la catena di pensiero dei modelli.

La posizione ufficiale di Anthropic, nei documenti tecnici, è netta e dupliceo: la distillazione è una tecnica “legittima e ampiamente usata”, ma il modo in cui i laboratori cinesi l’avrebbero impiegata sarebbe stato “per scopi illeciti”. Tradotto: non è la tecnica a essere accusata, è il furto. Amodei chiede al governo due cose insieme, e qui possiamo vedere una contraddizione: protezione dai furti cinesi e, allo stesso tempo, la libertà di vendere i propri modelli più potenti, quelli che lo stesso governo ha appena sospeso, come avevamo raccontato in Claude Fable 5: bloccato dal Governo USA, ecco perché.

È illegale o è solo un contratto violato?

Ma è illegale la distillazione…qui la storia si fa interessante, perché la risposta giuridica non è netta. Partiamo dal diritto d’autore, lo strumento che verrebbe in mente per primo, in questo caso non è un istituto che può essere applicato. La giurisprudenza americana, dal caso Thaler in poi, richiede un autore umano perché un’opera sia tutelata; gli output di un modello, generati dalla macchina, in gran parte non lo sono. Anche dove lo fossero, il copyright protegge l’espressione, non il metodo: imitare il modo in cui Claude ragiona somiglia più a copiare un metodo, che i tribunali non proteggono, che a duplicare un testo. Lo studio legale Winston & Strawn lo aveva scritto chiaramente già sul caso DeepSeek: dimostrare una violazione di copyright è molto difficile.

Passiamo al segreto industriale, perché anche qui il terreno non è solido dal punto d vista legale. Un segreto, per restare tale, deve essere segreto: i pesi di un modello e i suoi metodi di addestramento lo sono, e si possono difendere; le risposte che il modello dà a chiunque paghi l’API, no. Sono visibili per definizione. Distillare quegli output, osservano i giuristi della Monash University che hanno analizzato il caso, significa copiare un comportamento, non un file: più vicino al reverse engineering che al furto.

Resta il contratto, ed è lì che Anthropic ha le carte migliori. I termini di servizio di quasi tutti i laboratori vietano espressamente l’estrazione automatica e l’uso degli output per addestrare modelli concorrenti, e violarli è quasi certamente una violazione contrattuale. Il problema è cosa ci ricavi. Lo studio Fenwick, in una delle analisi più citate, avverte che resta da capire se la violazione del contratto basti a proteggere davvero la proprietà intellettuale del proprietario del teacher, cioè se dia diritto a recuperare i profitti persi o a bloccare il modello distillato. Un contratto violato si risarcisce; un’idea drenata, forse, no.

C’è però un dettaglio del caso Alibaba che sposta l’ago della bilancia: i 25.000 account falsi. Una cosa è interrogare un’API con il proprio nome, un’altra è costruire una flotta di identità fittizie per aggirare i blocchi; qui si entra nel territorio dell’accesso fraudolento e della concorrenza sleale, dove le tutele esistono e mordono di più. Si gioca lì la partita, più che sul copyright. La verità scomoda è che una definizione giuridica condivisa di distillazione avversaria semplicemente non esiste ancora, e una disputa di queste dimensioni, senza una legge che la inquadri, tende a costringere il legislatore a scriverla. I senatori Bill Hagerty e Andy Kim ci stanno già provando, con un emendamento che vorrebbe sanzionare le aziende cinesi sorprese a estrarre gli output dei modelli americani.

I commenti sul caso  Anthropic VS Alibaba

Le reazioni più interessanti non arrivano dai comunicati, ma dai margini. Dalla Cina, Li Kai, esperto di diritto della tecnologia alla Tsinghua University, ha liquidato le accuse di Anthropic come una questione semplicemente aziendale: usare la cornice della sicurezza nazionale per ottenere ciò che una normale causa sulla proprietà intellettuale non potrebbe ottenere. Un’accusa difficile da sostenere, perché in fondo Anthropic chiede a una commissione del Senato di costruire un reato attorno a una tecnica che, a leggere la lettera, consiste nel fare domande a un’API pubblica.

C’è poi l’argomento che gli ingegneri cinesi ripetono dai tempi di DeepSeek, e che vale la pena riportare per onestà del dibattito: il progresso dell’AI, dicono, vive ormai in un’era di diffusione globale della conoscenza che non si può fermare, fatta di paper aperti e codice condiviso. Uno di loro, rispondendo proprio ad Amodei, l’aveva chiusa con una frase che pesa più di mille analisi: spegnere la candela di un altro non rende più luminosa la tua.

Qui si arriva poi ad qualcosa in qualche modo di ironico: l’azienda che oggi chiede tutele ferree per la proprietà intellettuale dei propri output è la stessa che, a settembre 2025, ha chiuso per un miliardo e mezzo di dollari la causa di migliaia di autori per aver addestrato Claude su libri presi senza permesso; ed è la stessa contro cui si era mossa Reddit, accusandola di aver prelevato i contenuti del social senza autorizzazione, vicenda che avevamo raccontato in Reddit denuncia Anthropic. Il mondo dell’AI, su questo, continua a mordersi la coda.

Perché la questione  Anthropic VS Alibaba interessa a CIO e CISO

Per chi guida l’IT di un’azienda, la storia di Anthropic VS Alibaba ha un risvolto molto concreto. Se la proprietà intellettuale di un modello può essere drenata attraverso un’API pubblica, allora ogni servizio costruito grazie alla tecnologia di un fornitore esterno eredita una nuova categoria di rischio: la distillazione, e quei modelli nati per distillazione tendono a ereditare le capacità del teacher senza i suoi guardrail di sicurezza. Noi questa storia la raccontiamo dal febbraio 2025, da quando OpenAI puntava il dito contro DeepSeek; e la sensazione, a ogni nuova accusa, è che cambino i nomi ma non la questione di fondo, quanto vale davvero un modello se basta un’API aperta per provare a copiarlo. In Italia il tema non è teorico, visto che Anthropic ha appena aperto a Milano e conta tra i suoi clienti enterprise nomi come Generali, Enel, Pirelli e Satispay, come abbiamo documentato in Anthropic apre a Milano. La dipendenza da un fornitore straniero resta una dipendenza, anche quando quel fornitore è la presunta vittima.

C’è un punto che per onestà va sottolineato: i numeri sono quelli dichiarati da Anthropic, non sono stati verificati in modo indipendente, e Alibaba non ha commentato le accuse. Sullo sfondo resta la guerra fredda tecnologica tra Washington e Pechino, di cui questa lettera è soltanto l’ultimo fotogramma, come avevamo analizzato in La guerra fredda dell’AI; e due giorni dopo l’invio della lettera, lo stesso governo a cui Anthropic chiedeva protezione le ha sospeso i modelli di punta, Fable 5 e Mythos 5, per timori sull’uso da parte della Cina. Manca, soprattutto, una definizione giuridica condivisa di cosa sia esattamente la distillazione avversaria e quando debba essere considerata illegale. Senza quella definizione, ogni accusa rischia di restare un braccio di ferro commerciale travestito da questione di sicurezza nazionale.

OpenAI ha presentato Jalapeño, il suo primo chip AI, progettato insieme a Broadcom. Il processore AI è un acceleratore custom dedicato all’inferenza dei grandi modelli linguistici, la fase in cui un modello già addestrato risponde alle richieste degli utenti; l’obiettivo dichiarato è ridurre la dipendenza dalle GPU Nvidia, oggi il collo di bottiglia più costoso dell’intera industria. La consegna dei primi esemplari a Sam Altman e Greg Brockman, da parte del CEO di Broadcom Hock Tan, chiude mesi di indiscrezioni e apre una fase nuova: OpenAI smette di essere soltanto cliente della catena del calcolo e inizia a progettarne i componenti.

Che cos’è Jalapeño, il chip AI di OpenAI

Jalapeño è un ASIC, un circuito integrato disegnato per un compito specifico: in questo caso l’inferenza dei modelli linguistici, non l’addestramento. È la fase che genera la maggior parte dei costi quando centinaia di milioni di persone usano ChatGPT o Codex ogni giorno. Secondo il comunicato ufficiale di OpenAI, l’azienda ha progettato l’architettura attorno alla propria conoscenza interna dei modelli, dei kernel e dei sistemi di serving; Broadcom fornisce l’implementazione del silicio e il networking, con tecnologia Tomahawk ed Ethernet. La produzione fisica è affidata a TSMC, l’assemblaggio dei sistemi a Celestica.

Il dettaglio che ha fatto notizia riguarda i tempi di sviluppo. OpenAI dichiara di essere passata dal progetto al tape-out, l’ultimo passaggio prima della produzione, in circa nove mesi, e di aver usato i propri modelli per accelerare parti del lavoro. I primi esemplari ingegneristici girano già in laboratorio a frequenza e potenza di produzione, dove fanno funzionare anche un modello non ancora pubblico, GPT-5.3-Codex-Spark. L’azienda parla di prestazioni per watt “sostanzialmente migliori” dello stato dell’arte: è una dichiarazione del produttore, non una misura indipendente, e il report tecnico arriverà nei mesi successivi.

Perché OpenAI vuole il processore AI  Jalapeño

Per anni ogni grande laboratorio ha addestrato e servito i suoi modelli sulle GPU di un solo fornitore dominante, con tutto ciò che comporta su prezzo, tempi di consegna e potere contrattuale. Brockman lo ha detto a CNBC: OpenAI non riesce a procurarsi calcolo abbastanza in fretta; Hock Tan ha definito “insaziabile” la domanda dei suoi clienti. Quando la materia prima scarseggia e costa, chi la controlla detta le condizioni.

Un processore AI su misura per l’inferenza serve a riprendersi parte di quel potere: meno esposizione ai colli di bottiglia, costo unitario più prevedibile, hardware cucito sulle esigenze dei propri modelli. Sul risparmio Hock Tan ha indicato un valore: circa il 50% di miglioramento di costo rispetto alle tipiche GPU per AI, su parametri come il costo per kilowatt o per token. Resta una stima del venditore, da verificare sui numeri pubblici. La pressione, intanto, è concreta: OpenAI si prepara a una quotazione che potrebbe valutarla attorno al trilione di dollari, e ogni punto di margine sull’inferenza pesa.

La spinta a ridurre la dipendenza da Nvidia attraversa tutto il settore, dai grandi gruppi americani fino al piano cinese da 295 miliardi di dollari che chiude la porta ai chip stranieri. Jalapeño è la versione di OpenAI di un movimento che ormai è globale.

Jalapeño non sostituisce Nvidia: chip custom e diversificazione

Annunciare un chip proprio non significa lasciare Nvidia. Mentre lavora a Jalapeño, OpenAI continua a firmare accordi infrastrutturali da decine di miliardi con Nvidia, e ha intese parallele con AMD, con i chip Trainium di AWS, con Cerebras. La fotografia è quella di un portafoglio che si allarga, non di una rottura.

Conta anche il calendario. Le installazioni  iniziali sono previstoeentro la fine del 2026, ma Tan ha parlato di prototipi a fine anno, di una rampa vera nel 2027 e del pieno regime nella prima metà del 2028. Il piano più ampio, annunciato a ottobre, riguarda dieci gigawatt di acceleratori disegnati da OpenAI su più generazioni. Sono cifre da infrastruttura pesante, una traiettoria pluriennale. Nvidia, dal canto suo, resta il riferimento per scala ed ecosistema, come ha mostrato alla GTC 2026 con mille miliardi di dollari di ordini attesi entro il 2027.

Chip AI custom: cosa cambia per chi gestisce l’infrastruttura IT

OpenAI arriva tardi a un tavolo già apparecchiato. Google distribuisce le sue TPU dal 2015; Amazon spinge i propri acceleratori su larga scala; Meta e Microsoft hanno i loro programmi di silicio. Il filo comune è sempre lo stesso: costo, controllo, indipendenza dalla catena di fornitura. In mezzo siede Broadcom, diventata il partner di riferimento per chi vuole un acceleratore proprio senza costruirsi una fonderia.

Per chi dirige sistemi informativi, sicurezza e integrazione il segnale è chiaro: la competitività nell’AI non dipende solo dal modello migliore, ma dal controllo della pila tecnologica, dall’architettura del chip fino al servizio finale, passando per memoria, networking e data center. Chi governa più livelli può ottimizzarli verso lo stesso obiettivo e abbassare il costo dell’intelligenza; chi ne governa pochi resta legato ai prezzi altrui.

Resta una domanda aperta, e nessun comunicato vorrà chiuderla: se Jalapeño manterrà alla scala dei data center quello che promette in laboratorio, quante altre aziende smetteranno di considerare il chip un acquisto e inizieranno a considerarlo una competenza da costruire in casa.