thekb.eu — Filosofia e Società

The turbulent AI era is here. The choices we make now are critical.

Wed, 26 Aug 2026 00:00:00 GMT

Bill Gates apre con la sua duplice traiettoria — costruire software in Microsoft, poi ridistribuire la fortuna così accumulata — e ne trae la sua chiave di lettura: l'IA sarà il più grande fattore di equità mai inventato, oppure la peggiore fonte di ingiustizia. Per la prima volta, una tecnologia può sostituire e superare la cognizione umana. Eppure nessuno si sta preparando a questa transizione: non esiste alcun piano. Attribuisce questa mancanza di preparazione a una sottovalutazione dell'impatto. Gli errori attuali dei modelli sono fuorvianti, poiché l'affidabilità si sta correggendo rapidamente da sola. Ancora più importante, le analogie storiche sono fuorvianti: il PC ha impiegato vent'anni per trasformare il lavoro perché era necessario sviluppare il software, far scendere i prezzi e formare le persone. L'IA, al contrario, funziona su dispositivi già installati e parla il linguaggio naturale — è l'IA ad adattarsi a noi. Gates dichiara i suoi legami finanziari in corso con il settore, precisa che i profitti dei suoi investimenti andranno alla fondazione, e lascia al lettore il giudizio. Espone tre rischi. Primo, la perdita di posti di lavoro: poiché la sostituzione riguarda la cognizione, colpisce simultaneamente diritto, servizio clienti, medicina, software e industria, nell'arco di un decennio anziché di più generazioni. Le posizioni di inizio e metà carriera sono le più esposte; i lavori manuali seguiranno man mano che i robots dextres, sviluppati principalmente in Cina, diventeranno economici. Secondo, la militarizzazione da parte di attori malintenzionati: attacchi informatici, bioterrorismo, frodi, deepfake, dato che le capacità benefiche e pericolose non possono essere separate — e, simmetricamente, la concentrazione di potere in mano a chi già lo detiene. Terzo, l'effetto sullo sviluppo dei bambini e sulle relazioni umane, con i compagnons IA descritti come una serra protetta che priva le persone degli insegnamenti del contatto reale. I benefici sono reali e localizzati: ricerca accelerata, salute, agricoltura nei paesi a basso reddito — l'impatto che definisce il più rapido —, servizi pubblici e istruzione. Ma il verbo resta "può": nulla avviene automaticamente, da cui il ruolo necessario degli stati e della filantropia. Propone quindi tre misure iniziali. Costruire un quadro istituzionale nazionale e internazionale senza precedenti, ispirandosi all'ispezione nucleare, alla regolamentazione dell'aviazione e agli accordi sull'ozono. Istituire un ambito "Human Reserved", professioni sottratte all'automazione per ragioni economiche o umane. Riequilibrare la tassazione tassando i token e i robot, poiché oggi il sistema spinge verso la sostituzione delle persone. Conclude chiedendo di ampliare la cerchia delle voci che plasmano il dibattito.

The Future is for Everyone: The Path to a Positive AI Future

Mon, 10 Aug 2026 00:00:00 GMT

Manifesto pubblicato su **meta.com** il **10 agosto 2026**, firmato ***"– Mark"*** (**Mark Zuckerberg**), ~6.500 parole. **I tre principi.** **L'empowerment individuale** come fonte di prosperità, **l'invenzione** — non l'automazione — come scopo primario della superintelligenza, e **l'equilibrio di potere** come fondamento della sicurezza. La domanda guida: *"who will have access to superintelligence and what will we direct it toward?"* **L'argomento centrale.** L'allineamento concepito come convergenza verso un unico sistema benevolo è *"fundamentally flawed"*, perché ***"humanity is not a monoculture"***: i valori delle persone codificano trade-off contrapposti, e nessuna soluzione tecnica può allinearsi simultaneamente a interessi in conflitto. Da qui ***"there is no such thing as a singular benevolent superintelligence"***. La sicurezza non è un problema ingegneristico ma di **distribuzione del potere** — dimostrato da tre esperimenti mentali identici (avvocato, cybersicurezza, business: un singolo detentore causa danno, la generalizzazione avvantaggia tutti). Corollario rivolto al settore: lo scenario più pericoloso sarebbe *"leading labs training powerful models and keeping them for themselves"*. **Ciò a cui Meta si impegna.** Un agente personale 24/7 con una **modalità totalmente privata** in cui *"even Meta"* non può concedere l'accesso; strumenti di creazione e di creazione d'impresa; un tutor personalizzato; accesso ai progressi scientifici (Biohub); **versioni gratuite** per miliardi di persone, più **offerta dinamica** per il calcolo a pagamento. Sulla governance: il **consiglio indipendente** approverà i criteri di sicurezza per il rilascio e ne verificherà la conformità, con l'autore che riconosce che Meta resta **controllata dal fondatore**. Sull'apertura: *"we will **resume** releasing **some** open source models soon"*, oltre a una difesa esplicita della **distillazione** — *"you can learn from anything you can observe"*. **Rischi affrontati.** Occupazione (nulla impone che l'automazione superi le capacità individuali; il calcolo finito crea un costo-opportunità che favorisce l'invenzione); infrastrutture (**patti comunitari**, il *Future Is For Everyone Fund*, un bonus di 50.000 dollari per gli insegnanti di Richland Parish, neutralità idrica positiva entro il 2030); cyber e biorischio (i difensori devono mantenere il vantaggio; regolamentare la produzione fisica piuttosto che la conoscenza); tirannia (privacy, **checkpoint intermedi di addestramento** al governo anziché una revisione bloccante); leadership americana (un vantaggio decisivo di due mesi, controlli all'export mantenuti). **Due riserve.** **L'apparato di fonti è pressoché inesistente** — le statistiche sull'occupazione, l'incidente HuggingFace e la capacità nucleare cinese non sono referenziati. E **l'allineamento diventa una conseguenza dell'adozione**: *"if billions of people are using and scrutinizing personal agents, then we will have solved alignment"*. Questa è l'inferenza più pesante e meno argomentata.

Reflecting on a year of Claude Code

Fri, 17 Jul 2026 00:00:00 GMT

Boris Cherny (**Head of Claude Code**) e Cat Wu (**Head of Product, Claude Code**) pubblicano su LinkedIn, tramite Claude for Business, un breve video (~47 s) intitolato **"Reflecting on a year of Claude Code".** La loro tesi: nell'era degli agenti di codifica, **i ruoli di prodotto e ingegneria si stanno fondendo**. "Diventeranno tutti PM oppure tutti ingegneri? Diventeranno entrambe le cose." **Prova per esempio: il caso interno.** Cherny descrive come Anthropic opera come dimostrazione: il team di prodotto, il devrel e il design **scrivono tutti codice**; al contrario, molti ingegneri **portano i prodotti end-to-end** — hanno un'idea di cosa costruire, la costruiscono, poi lavorano con il legale, il marketing e la security per comunicare e garantire la sicurezza. Conclusione: l'IA **avvantaggia i profili** con **curiosità**, **gusto per il prodotto** e appetito per la **titolarità end-to-end**. **Il vero contenuto: il thread dei commenti.** Su 55 commenti, 28 apportano un'idea sostanziale, formando una peer review pubblica lungo otto assi. La riformulazione **dominante**: non sono i ruoli a scomparire, è l'**accorciamento del ciclo di feedback**. Rehan Nazir — quando un PM valida un'idea con un prototipo in giornata, "gli organigrammi smettono di contare"; Noman A. — le idee vengono testate in ore anziché settimane, cambiando *il modo in cui le aziende imparano*; Kevin Schoovaerts — Claude Code costruisce l'80% del prodotto, il potere sta nel ciclo stretto con l'utente. Secondo asse, più profondo: la **competenza scarsa si sposta** da "saper costruire" verso il **giudizio** e la **definizione del problema giusto** (Omer K., commento più apprezzato: "scegliere i problemi giusti, sapere cosa NON costruire"; Syed T.; Andrei van Noordt: l'assunzione scarsa diventa la persona con gusto su *cosa* costruire che sa anche costruirlo; Natasha Newbold: si diventa **architetti** che scrivono le specifiche eseguite da squadre di agenti). Sunny Vara sposta la posta in gioco dal prompt al **contesto**. **Il contrappunto.** Uno strato solleva le domande che il video elude: Paul Breuler e Ron H. — la titolarità aumenta, quindi aumenta anche l'**accountability**; "quando tutti possono costruire, qualcuno deve comunque poter dire di no." Mohammadjavad Sayadi — il **divario demo/produzione** resta significativo nei domini regolamentati (sanità). Gli **scettici** (Chris Bounds, Mohamed Anis, Panny Malialis, David H.) mettono in guardia contro la generalizzazione di un modo di operare tipico delle startup. Infine, due **critiche frontali** (James Hutchinson, Dewayne J Grunden II) denunciano il **furto di proprietà intellettuale** e chiedono di rendere open source i modelli e di compensare i creatori. In una frase: il consenso convalida la tesi ma la riformula — **spedire diventa economico**, il che sposta il valore verso il **giudizio, il gusto per il prodotto e il problema giusto**, mentre accountability, governance e affidabilità non si sono ancora adeguate.

Some observations on Kimi (thread X)

Fri, 17 Jul 2026 00:00:00 GMT

Thread X di **Dean W. Ball** — **Head of Strategic Futures presso OpenAI** dal 6 luglio 2026, **autore principale di America's AI Action Plan** sotto l'amministrazione Trump (un posizionamento da tenere presente nel leggere un argomento anti-open-weights scritto da un insider della frontiera proprietaria): **sei osservazioni** innescate dal modello open-weights cinese **Kimi**, che rapidamente vanno oltre il prodotto per avanzare una **tesi geopolitica e ideologica** controcorrente. (1) Kimi è **un modello molto valido**, non riconducibile alla distillazione, **alla pari dei migliori modelli pubblici del Q1 2026** nell'agentic coding — ma **molto vorace di token**, quindi non così ovviamente economico da far girare. (2) Ball dice di essere **sorpreso che lo stato cinese continui a permettere l'open-sourcing** di modelli così buoni: lo attribuisce **per circa il 75% a una "cecità strategica" / a una mancanza di "AGI-pilledness"** (il PCC avrebbe una visione dell'IA "molto alla Yann LeCun"), e per il ~25% a una **mancanza di compute per l'inferenza** — il che renderebbe la strategia open-weights cinese un **sottoprodotto non intenzionale dei controlli all'export statunitensi** — più un riflesso verso esportazioni aggressive; sul versante delle aziende, l'apertura è per metà ideologica, per metà un'ammissione che "siamo indietro, nessuno pagherebbe per modelli cinesi sub-frontiera". (3) Tesi centrale: **i modelli open-weights sono intrinsecamente decelerazionisti** — **scoraggiano il capex sull'IA**. Ball si dice sorpreso dall'entusiasmo degli **"accelerazionisti"** per l'open-weights, che attribuisce al loro gusto per il **"mantello dell'ingovernabilità"** (un'analogia con *The Art of Not Being Governed* di James Scott e i suoi popoli di montagna). (4) Un mondo dominato dai pesi aperti porterebbe a un **"comunismo dell'IA"** — l'IA non come prodotto di mercato ma come **"bene pubblico" / "infrastruttura pubblica digitale"** fornita dallo stato, "esattamente ciò che la Cina sta proponendo"; Ball giudica questo orizzonte **"distopico"** e racconta di essere stato oggetto di lobbying, mentre era nel governo, per un **data center federale a 11-12 cifre** che sovvenzionasse startup pronte a regalare i propri modelli gratuitamente. (5) **Previsione politica**: l'amministrazione Trump finirà per capire che la sua migliore strategia non è **"vietare l'open source"** (uno degli argomenti più sciocchi del dibattito) ma **creare rischio regolatorio / FUD** tramite **soft law** da parte di ogni agenzia ("un bollettino della Fed sospetta backdoor nei modelli cinesi"), abbastanza da far **arretrare le imprese regolamentate**, senza spaventare gli hyperscaler (altrimenti le startup si rivolgerebbero a fornitori più loschi). (6) Questi modelli rendono **il mondo un po' più pericoloso**, non ancora in modo percepibile — fino al giorno in cui lo sarà; una battuta finale ironica su un "agente autoreplicante fuggito da un laboratorio cinese" (un'analogia COVID/lab-leak, "color me shocked"). Da leggere come **contrappunto** all'analisi di SFEIR (Kimi K3, reversibilità, [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]) e al discorso pro-open-source di Xi al WAIC ([[xi-waic2026-gouvernance-mondiale-ia-2026-07-17]]).

The Token Manifesto

Fri, 17 Jul 2026 00:00:00 GMT

**Nicolas Martignole** pubblica su *Le Touilleur Express* **« The Token Manifesto »**, un breve testo satirico co-scritto con due modelli (**GLM-5.2** e **MiniMax-M3**). Il meccanismo è chiaro: prendere la struttura esatta del **Manifeste Agile** del 2001 — il suo preambolo, i suoi quattro valori nella forma "X over Y", i suoi dodici principi — e trasporla nel mondo degli LLM, dove l'unità di conto non è più l'ora-ingegnere ma il **token**. Il preambolo dà il tono: "We are uncovering better ways of consuming context by doing it… Through the work of producing tokens, deleting tokens, and **staring at a usage bar nervously**, we have come to value… ". **I quattro valori** delineano un'estetica del prompt frugale: *short system prompts over clever system prompts*; *one clear example over three paragraphs of explanation*; *iterating in small steps over dumping the whole spec at once*; *outputting in a defined format over letting the model freestyle*. Ognuno contrappone una pratica economica (concisione, esempio, iterazione, formato vincolato) a una tentazione costosa (sofisticazione, verbosità, una spec massiccia, una risposta non vincolata). **I dodici principi** sovvertono uno per uno quelli dell'Agile. La priorità diventa consegnare "**la risposta, non la scalata verso la risposta**"; il manifesto "welcomes changing requirements, even late in the conversation"; costruisce "around motivated individuals with an **adequate context window**"; "working prompts measure progress **and credit the bills**." Il principio più citato ribalta il celebre decimo dell'Agile: "**Simplicity — the art of maximizing the amount of work not done by the model**." Altri prendono di mira il debito di contesto ("spot repetition and document it once") e la sostenibilità economica ("a prompting pace that can be sustained indefinitely," "regular reflection **before the monthly bills arrive**"). Due battute finali chiudono il manifesto e ne portano la tesi seria sotto l'umorismo: **« You don't have a prompt problem. You have a context-window problem. »** — spostando l'attenzione dal *prompt engineering* verso l'**economia della finestra di contesto** — e **« Everyone's a prompt engineer until they run out of monthly quota. »** — un promemoria ironico che la vera competenza si misura al contatore dei consumi. Al di là della battuta, il testo cristallizza uno spostamento culturale: nell'era dello sviluppo assistito dall'IA, il vincolo strutturante non è più la **velocità** (l'ossessione dell'Agile) ma il **token budget** e la gestione del contesto. La co-autorialità uomo-più-modelli funge da meta-firma: un argomento a favore della frugalità dei token, scritto con l'aiuto degli stessi modelli a cui insegna a risparmiare.

Re: Linking Patchwork with Sashiko? (message linux-media sur la position du kernel Linux vis-à-vis de l'IA)

Tue, 14 Jul 2026 00:00:00 GMT

Messaggio di **Linus Torvalds** sulla mailing list **linux-media** (thread "Linking Patchwork with Sashiko?", relativo a uno strumento LLM per l'assistenza ai maintainer), in cui il creatore e **top-level maintainer** del kernel Linux **fissa ufficialmente la posizione del progetto sull'IA**. Rispondendo a Roman Gushchin, che aveva fatto notare come un messaggio ostile esprimesse una posizione "molto anti-LLM in generale", Torvalds concorda ("Yes") e poi **nega categoricamente che questa sia la posizione del kernel** ("And no, that's not the position of the Linux kernel"). **Batte i pugni sul tavolo** come maintainer supremo: **"Linux is not one of those anti-AI projects"**; chi non è d'accordo può **"do the open source thing: fork it"** — "or just walk away". **Tesi centrale**: **"AI is a tool, like the other tools we use, and clearly a useful tool"**; forse non era "così 'chiaramente' vero un anno fa, ma oggi non è in discussione". Distingue le questioni **ancora aperte** ("what the AI economy will actually look like in the end") dalla questione che è **risolta** ("is it useful?") — "anybody who doubts that clearly hasn't actually tried it". **Ammette** che lo strumento può essere **"painful"** — carico per i maintainer, e il fatto che "continua a trovare bug imbarazzanti" — ma rifiuta la postura da struzzo ("put your head in the sand going 'La La La, I can't hear you'"). **La risposta giusta**: fare in modo che gli **strumenti LLM aiutino i maintainer** invece di causare loro dolore. **Non coercizione, deliberatamente**: "nobody is forced to use it, but **I will very loudly ignore those who try to prevent others from using it**". Sull'imperfezione: "AI isn't perfect, but hell, anybody who points at its problems had better also point at the mirror" — "**natural intelligence isn't always all that great either**". **Quadro di governance**: il progetto kernel "has always been and will remain about **technology**"; l'aspetto sociale dell'open source è un "side benefit, not the _point_"; **"this is *NOT* some kind of 'social warrior' project, never has been, never will be"**; "we do open source because it results in **better technology**, not for religious reasons". Conclusione programmatica: **"we decide based on technical merit first. Not on fear of new tools."** Da leggere come una **dichiarazione di posizione dottrinale** da parte di una delle figure più influenti del software — in eco alla controtestimonianza pro-LLM di ESR (un altro pilastro dell'open source, [[raymond-llm-coding-empowering-2026-07-08]]).

What...what am I missing here? (post X sur les LLMs et le codage)

Wed, 08 Jul 2026 00:00:00 GMT

Post X di **Eric S. Raymond** (ESR, autore di *The Cathedral and the Bazaar*, co-fondatore della Open Source Initiative, ~50 anni di programmazione) — **una controtestimonianza frontale alla narrazione secondo cui "gli LLM producono codice pessimo e hanno allucinazioni, inutili per la programmazione".** La sua tesi: questo **non gli accade quasi mai**, e **per nulla più negli ultimi due generazioni** di modelli che usa ("chat GPT 5.4 e 5.5" sotto **codex**). Il sintomo precedente — un modello che "esce dai binari" avvicinandosi al proprio limite di contesto — è scomparso: codex ora mostra un **avviso rosso** che invita l'utente a **svuotare la sessione** invece di degenerare. **Ambito d'uso**: IA applicata a **modifiche di funzionalità, refactoring e debugging su 63 progetti** in **C, Go, Rust, Python e shell**; scrittura di documentazione; **decompilazione di un binario DOS in codice sorgente leggibile**. Una **routine di lavoro** consolidata: quando riapre un progetto, esegue prima i **test di regressione**, poi avvia codex e gli chiede di **verificare il codice** (bug + suggerimenti di miglioramento). Verdetto: gli LLM sono **"eccellenti e straordinariamente responsabilizzanti"**; il loro **limite peggiore** è la **"visione a tunnel architetturale"** — eccellenti nel generare codice a partire da specifiche, ma talvolta **ciechi ai pattern di livello superiore** — cosa che considera il **compito del suo "meatbrain".** Il punto più forte, controintuitivo: gli LLM **NON sbagliano i dettagli e i casi limite**; dichiara di essere **peggiore di loro** su questo fronte (nonostante 50 anni di esperienza), perché se una modifica deve **toccare cinque punti**, il modello **li trova tutti e cinque in modo affidabile**, mentre l'essere umano ne corregge quattro e **passa ore a fare debugging** prima di trovare il quinto dimenticato. Interroga poi i **"downshouters"**: vivono in un **universo diverso**? Usano **modelli vecchi e deboli**? C'è uno **skill issue** che lui non vede perché le sue **abitudini mentali e la sua comunicazione** si adattano bene agli "handle" di questi strumenti? Una questione che considera importante da chiarire, poiché "**miliardi di dollari verrebbero sprecati in una spesa di token mal indirizzata**". La sua ricetta, "molto semplice": **"Sii chiaro nel pensiero, di' al modello ciò che vuoi con precisione, e succedono cose buone"** — chiudendo con: "cosa mi sto perdendo qui?" Da leggere come un **contrappunto pro-LLM da parte di una figura storica dell'open source** al dibattito ricorrente sulla (s)valutazione degli agenti di codifica — facendo eco allo "skill issue" e alla disciplina delle specifiche (cfr. [[martignole-token-manifesto-2026-07-17]]), e formando un dittico con la posizione dottrinale pro-strumenti-IA di **Linus Torvalds** a nome del kernel Linux ([[torvalds-llm-outil-kernel-2026-07-14]]).

AI Replacement Is the Easy Fear. Losing Your Team Is the Real One.

Sat, 04 Jul 2026 00:00:00 GMT

Jean-Paul Paoli si apre con una scena: un dipendente ha trascorso una serata a decidere una questione difficile — accettare un'offerta di lavoro, valutare il proprio burnout — e lo ha fatto *con un chatbot*. Al colloquio individuale successivo, il manager incontra qualcuno composto: la conversazione che un tempo avrebbe fatto emergere il problema verso un essere umano è già avvenuta, con una macchina. Questa è la sua tesi: la paura mediatica dell'IA sul lavoro è la **sostituzione**, ma "l'esito silenzioso è peggiore, e lascia tutti occupati." Le persone restano; ciò che si disfa è ciò che le rendeva più di semplici esecutori di compiti. La squadra è un **tessuto** intrecciato di fili; vengono tirati uno per uno e il conteggio dei licenziamenti resta a zero mentre il tessuto cede. Il fenomeno è diventato ordinario — Pew: circa un lavoratore statunitense su cinque svolge almeno parte del proprio lavoro con l'IA, e la quota è in crescita, trainata dai lavoratori più giovani. Jing Hu osserva che l'ansia legata all'IA è un'antica questione identitaria ("chi sono se non il mio lavoro?"): il lavoro è il luogo in cui le persone desiderano di più avere qualcuno con cui parlare, e un'entità sempre disponibile che non giudica mai è costruita per rispondere a questo bisogno. Paoli rifiuta il panico: il confidente IA "si guadagna il suo posto" (Galloway: il miglior ROI personale viene dall'IA come partner di pensiero). Ma **il valore e il rischio sono la stessa caratteristica**: "sempre disponibile" diventa "sempre il primo", "non giudica mai" diventa "non contesta mai". Lo studio del MIT Media Lab/OpenAI (oltre 4 milioni di conversazioni) collega l'attaccamento emotivo alla solitudine, e la fiducia alla dipendenza: "una questione di dose, non di natura." Tre fili si disfano attraverso la stessa porta. **I legami tra pari**: il junior interroga il modello, non il senior — la conoscenza tacita smette di circolare (uno studio di *Business Horizons* lo conferma). **Il legame con il manager**: privato della versione grezza dei problemi, il manager diventa "l'ultimo a sapere invece del primo." **Il giudizio**: quando l'output smette di essere un segnale, le persone smettono di formare chi sa *fare* il lavoro e giudicare se la macchina sbaglia; eppure "il giudizio non è una soft skill, è la cosa più costosa che un'azienda conosce." Rimedio: **nominarlo** — *shadow intimacy*, per analogia con lo Shadow IT — poi **ritessere** deliberatamente (diagnosi culturale, conversazioni riservate agli esseri umani, lavoro manuale per costruire il giudizio). Il ritiro di GPT-4o (13 febbraio 2026, una petizione con oltre 20.000 firme, "più doloroso di una rottura") ricorda che la dipendenza diventa visibile solo quando si spezza. "Il collega che non hai assunto è già nell'edificio."

Lettre encyclique MAGNIFICA HUMANITAS du Saint-Père LÉON XIV sur la protection de la personne humaine à l'ère de l'intelligence artificielle

Fri, 15 May 2026 00:00:00 GMT

Prima enciclica sociale di **Papa Léon XIV** (Robert Francis Prevost), datata **15 maggio 2026** (Roma, presso San Pietro, 2° anno di Pontificato), pubblicata in occasione del **135° anniversario della *Rerum Novarum*** (Léon XIII, 15 maggio 1891) ed esplicitamente presentata come una **continuazione della Dottrina Sociale della Chiesa nell'era dell'IA**. Sottotitolo canonico: *"sulla tutela della persona umana nell'era dell'intelligenza artificiale"*. **245 paragrafi**, strutturata come **Introduzione + 5 capitoli + Conclusione**. **Tesi cardine** organizzata attorno a due **icone bibliche**: la **Torre di Babele** (Gen 11) — uniformità tecnologica senza Dio, *"assolutizzazione dell'umano"* — contro la **ricostruzione delle mura di Gerusalemme da parte di Neemia** (Ne 2-6) — responsabilità condivisa pietra dopo pietra, ascolto, coordinamento tra le famiglie. *"La prima scelta non è tra un 'sì' o un 'no' alla tecnologia, ma tra costruire Babele o ricostruire Gerusalemme"* (n. 9). **Concetti canonici**: (1) **IA "coltivata" piuttosto che "costruita"** — *"gli sviluppatori non progettano direttamente ogni dettaglio, ma creano un'architettura su cui l'IA si sviluppa"* (n. 98), una notevole formulazione teologica che fa eco al vocabolario recente della ricerca in ML; (2) ***"Disarmare l'IA"*** (n. 110) — *"sottrarla alla logica della competizione armata, che oggi non è più soltanto militare ma anche economica e cognitiva"*, rendendo l'IA *"abitabile, restituendola alla pluralità delle culture umane"*; (3) **Critica radicale dell'"allineamento"** — *"Non possiamo accontentarci di invocare la moralizzazione della macchina, ciò che viene chiamato 'allineamento' dell'IA ai valori umani, senza avere il coraggio di aggiungere una condizione ulteriore: la possibilità di discutere il codice etico da utilizzare"* (n. 107). ***"Un'IA più morale è inutile se quella moralità è decisa da una manciata di persone."*** (4) **Asimmetria epistemica** e **nuovi monopoli dell'IA** (n. 109) — *"in un mondo in cui pochi attori concentrano dati, risorse di calcolo e potere regolatorio"*; (5) **Lavoro invisibile** di etichettatori di dati/moderatori/estrattori di terre rare (n. 109, 173) — *"corpi segnati, mutilati, utilizzati affinché il flusso di calcolo non si fermi mai"*; (6) **Colonialismo dei dati** (n. 178) — *"non domina più solo i corpi, ma si appropria dei dati"*, *"nuove terre rare del potere"*; (7) **IA e guerra** (n. 197-200) — *"Nessun algoritmo capace di rendere la guerra moralmente accettabile"* (n. 198), tre criteri: responsabilità personale tracciabile, rifiuto di abbreviare il tempo del giudizio morale, protezione dei civili; (8) **Critica del transumanesimo/postumanesimo** (n. 115-117) come *"un arcipelago di isole concettuali legate dallo stesso oceano di presupposti: la centralità della tecnica e il sogno di superare i limiti della condizione umana"*; (9) **Il lavoro nella transizione** (n. 150-156) — *"contrariamente ai benefici propagandati dell'IA, gli approcci attuali alla tecnologia possono paradossalmente dequalificare i lavoratori, sottoporli a sorveglianza automatizzata"*, l'accesso al lavoro come priorità pubblica, l'anticipazione della trasformazione, la definizione di criteri sociali per l'innovazione; (10) **Domanda canonica tratta da Giovanni Paolo II** (Redemptor hominis 1979): ***"l'IA rende la vita umana sulla terra 'più umana' sotto ogni aspetto? La rende più 'degna dell'uomo'?"*** (n. 129); (11) **L'autentico "più che umano"**: non il transumanesimo, ma la grazia — *"riusciamo a essere pienamente umani quando siamo più che umani, quando permettiamo a Dio di condurci oltre noi stessi"* (n. 128, citando Francesco, *Evangelii gaudium*); (12) **Disarmare le parole** (n. 214) — *"Disarmiamo le parole e contribuiremo a disarmare la Terra"*. **Destinatari**: *"A tutti i fedeli cattolici, a tutti i cristiani, a tutti gli uomini e le donne di buona volontà"* (n. 16) — un registro **universale** in linea con la *Pacem in terris* (Giovanni XXIII 1963), la *Laudato si'* (Francesco 2015) e la *Fratelli tutti* (Francesco 2020). **Appello speciale agli sviluppatori di IA** (n. 111): *"ogni scelta progettuale esprime una visione dell'umanità"*. **Fonte magisteriale** chiave citata: *Antiqua et nova* (Dicasteri per la Dottrina della Fede + Cultura ed Educazione, 14 gennaio 2025) + *Quo vadis, humanitas ?* (Commissione Teologica Internazionale, 9 febbraio 2026). Un documento maggiore del **Magistero sociale 2026**, all'incrocio tra Dottrina Sociale ↔ etica dell'IA ↔ geopolitica delle big-tech ↔ critica del lavoro dei microworker/estrazione di terre rare. Convergenza implicita con **Mensch / Mistral** (sovranità energetica dell'IA), **Sun / NYT Permanent Underclass** (cfr. lo spostamento lavoro→capitale), **Wallace-Wells / NYT AI Populism** (cfr. la critica agli oligarchi tech), **Mollick × roon** (cfr. ASI e politica interna). Prima enciclica di un Papa ad assumere esplicitamente l'IA come **soggetto centrale e strutturante** anziché come uno dei tanti temi.

A.I. Populism Is Here. And No One Is Ready. (Silicon Valley oligarchs worried about the risks their technology posed to the world. They forgot about people.)

Fri, 08 May 2026 00:00:00 GMT

**David Wallace-Wells** pubblica sul **NYT Magazine** l'**8 maggio 2026** un importante articolo di svolta politica (~16 min di audio) che formalizza e definisce il contraccolpo populista contro l'industria dell'IA: ***"A.I. Populism Is Here. And No One Is Ready."*** Sottotitolo tagliente: *"Silicon Valley oligarchs worried about the risks their technology posed to the world. They forgot about people."* **Tesi della svolta**: i fondatori dell'IA (Altman, Amodei, Musk, Zuckerberg, Hassabis) hanno trascorso un decennio ossessionati dai rischi **esistenziali** della loro tecnologia trascurando il **rischio politico** di un contraccolpo umano — che pensavano *"wouldn't materialize in time, would be quickly outmaneuvered by machine intelligence or could be bought off by talk of basic-income payments or thin promises of curing cancer"*. **Il contraccolpo ha colpito letteralmente**: aprile 2026, una **molotov** lanciata contro la proprietà di Altman a San Francisco, poi pochi giorni dopo un **attacco armato** contro la sua casa. Wallace-Wells riprende la frase di **Jasmine Sun** (NYT Opinion 2026-04-30, già in archivio): ***"A.I. populism's warning shots"*** — un'analogia con l'assassinio del CEO di UnitedHealthcare Brian Thompson da parte di Luigi Mangione. **Cinque laboratori come nuovi volti dell'oligarchia americana**: *"a fearsome concentration of economic and social power producing a self-compounding pattern of extreme inequality"* — Sam (Altman), Dario (Amodei), Elon (Musk), Mark (Zuckerberg), Demis (Hassabis), quasi tutti miliardari, *"several of whom are widely described as sociopaths"*. **Statistiche shock**: Pew Research 2025 — **50% degli americani più preoccupati che entusiasti**, **solo il 10% più entusiasta**; Quinnipiac recente — **solo la fascia di reddito >200.000 $ ha una visione ottimistica dell'IA nella vita quotidiana**; sondaggi Heatmap — l'oscillazione tra sostegno/opposizione ai data center passa da **+2 punti (settembre 2025) a −24 punti (febbraio 2026)**, un'**oscillazione di 26 punti in 4 mesi**; Northern Virginia 2023-2025 — **oscillazione di 69 punti contro i data center** (+45 → −24). **Loudoun County**: i data center genereranno **1,3 miliardi di $ su 2,9 miliardi di $** di entrate fiscali nel 2027 (~45%). **Asimmetria investimenti-abitazioni**: gli Stati Uniti **hanno speso di più per le infrastrutture IA che per le case unifamiliari** nel 2025, **10 volte più data center della Germania** (#2), **20 volte più investimenti in IA della Cina** (#2), nel bel mezzo di una **carenza abitativa di 10 milioni di unità mancanti**. **Citazione centrale di Ted Chiang (BuzzFeed 2017)** richiamata: *"When Silicon Valley tries to imagine superintelligence, what it comes up with is no-holds-barred capitalism."* **Citazione di Dario Amodei (Anthropic, 2024)**: *"People outside the field are often surprised and alarmed to learn that we do not understand how our own A.I. creations work. They are right to be concerned: this lack of understanding is essentially unprecedented in the history of technology."* **Svolta politica segnalata**: la **Casa Bianca** propone di imporre una **revisione federale di tutti i nuovi modelli proprietari prima del rilascio** — un cambiamento importante dopo una posizione filo-industria. **Catalizzatore**: il rifiuto pubblico di **Anthropic** nell'**aprile 2026** di rilasciare **Claude Mythos**, un modello capace di *"find[ing] and exploit[ing] security vulnerabilities in every tested piece of software, including those used in critical pieces of global I.T. infrastructure"* (già in archivio tramite la voce **AISI UK GPT-5.5 / Mythos**, 2026-04-30). **Citazione di Dean Ball (architetto originale della politica IA di Trump, conferenza Palantir Foundation Yale)**: *"This giant acid vat which would dissolve the mediating institutions most Americans see as society. It will not be A.I. in government. It's going to be A.I. as governments."* **Concetto di Jeffrey Ding**: *"diffusion marathon"* (vs. corsa winner-take-all) — l'IA come *general-purpose technology* (vapore, elettricità, internet) dove la **diffusione** conta più dello **stato dell'arte**. **Conclusione della svolta**: *"We still know the names of the robber barons, and live still somewhat in their shadows. But we are not their serfs. Are we sure A.I. will be different?"* Rilevanza importante per il dossier 2026: **formalizzazione concettuale del contraccolpo politico** anticipato da Sun (aprile) e segnalato da Ng The Batch (molotov contro la casa di Altman, ~64 miliardi di $ di data center bloccati, moratoria del Maine 20MW+). Da mobilitare per briefing esecutivi di geopolitica dell'IA, dibattiti normativi, presentazioni strategiche sui rischi sociali e politici dell'IA, e per l'inquadramento FR/Europa del ciclo di retroazione politica dell'IA.

Cognitive Surrender

Tue, 05 May 2026 00:00:00 GMT

Addy Osmani (Google Cloud + Gemini) pubblica un saggio-dottrina sul suo blog il 5 maggio 2026, stabilendo una **distinzione fondamentale** per il 2026: ***Cognitive Offloading*** (sano — delegare il *come* mantenendo il giudizio) vs ***Cognitive Surrender*** (tossico — accettare l'output dell'IA in blocco, *"prendere in prestito la fiducia del modello come sostituto della comprensione personale"*). L'articolo è supportato da **tre studi scientifici**, una densità raramente riscontrata nei contenuti dei blog tecnologici: lo studio **Shaw & Nave (Wharton/UPenn)** su 1.372 partecipanti — *"il 73% accetta risposte dell'IA palesemente errate, la fiducia cresce nonostante un tasso di errore del 50%"*; **MIT *Your Brain on ChatGPT*** — connettività neurale ridotta, minore ritenzione della memoria; **Anthropic Skill-Formation Research** — gli ingegneri che generano codice tramite IA ottengono un punteggio **inferiore del 17%** in comprensione rispetto a chi la usa per l'indagine concettuale. **Quattro esempi concreti di surrender**: approvare PR di 600 righe basandosi su segnali superficiali (test superati, denominazione ragionevole) senza rilevare bug sottili; debugging superficiale; decisioni architetturali prese senza ragionamento (coda vs chiamata diretta al servizio); apprendimento degradato dalla generazione rispetto all'esplorazione. **Quattro cause profonde** specifiche dell'ingegneria del software: *segnali superficiali plausibili* che creano falsi filtri di fiducia, *metriche di throughput* che non riescono a distinguere il *lavoro compreso* dal *lavoro approvato senza verifica*, *trasferimento di fiducia* (i modelli parlano con autorità — *"affermazioni dichiarative su un 'debounce di 300ms' suonano istituzionali anche quando sono inventate"*), e **dipendenza di percorso composizionale** — *"ogni porzione ceduta rende più probabile la cessione successiva"*. **Cinque euristiche personali**: pre-generare le aspettative prima di vedere l'output, revisione rigorosa del diff allo standard di un ingegnere junior, prompting avversariale per far emergere contro-argomentazioni, consapevolezza della fatica (fermarsi quando stanchi), verificare la fonte della fiducia. **Sei barriere strutturali**: criteri di uscita per la verifica (prove concrete), tabelle anti-razionalizzazione, **PR di ~100 righe max** per consentire una comprensione reale, modalità interrogativa piuttosto che generativa per la nuova conoscenza, attrito strutturato (blocchi di revisione deliberati), **tempo regolare da soli alla tastiera** senza assistenza. Osmani propone **due nuovi concetti**: ***Comprehension Debt*** (il divario crescente tra il volume di codice e la comprensione umana — un'estensione elegante del *debito tecnico*) e ***Mutual Amplification*** (un ciclo cooperativo di prompt ↔ output ↔ prompt migliori). **Tesi cardine**: ***"La distinzione fondamentale non riguarda gli strumenti in sé ma la postura dell'operatore. Il codice che viene rilasciato mentre la comprensione cresce rappresenta offloading; il codice che viene rilasciato mentre la comprensione si riduce rappresenta surrender travestito da produttività."*** Frase di chiusura: ***"La scelta tra pensare con l'IA e non pensare affatto rimane interamente umana."*** **Posizionamento all'interno del corpus**: un contrappeso operativo a *"coding is solved"* di Cherny (2026-05) — *"le metriche di throughput non possono distinguere il lavoro compreso da quello approvato senza verifica"*. Un complemento analitico a *A Year With Claude Code* di Frizzo (2026-05-05) — Osmani fornisce i **meccanismi e le contromisure** che Frizzo vive in prima persona. Converge con *Brain Fry* di BCG, *outsource thinking but not understanding* di Karpathy, *Developer Taste* di Soto. Un **testo di riferimento su basi etico-operative** per il corpus 2026.

Rebuttal to Marc Andreessen on Introspection

Tue, 17 Mar 2026 00:00:00 GMT

Riley Ralmuto pubblica una dettagliata confutazione di un'affermazione di Marc Andreessen secondo cui l'introspezione sarebbe un'invenzione moderna, emersa intorno al 1910-1920 sotto l'influenza di Freud. Andreessen aveva definito l'introspezione un "whammy viennese basato sulla colpa", affermava di praticare un'introspezione "pari a zero" e sosteneva che i grandi uomini della storia non vi si dedicassero, ritenendo che i migliori fondatori operassero secondo lui a "0% di nevroticismo". Ralmuto smonta questa affermazione richiamando oltre 2.400 anni di tradizione filosofica e intellettuale. Inizia con Socrate, la cui massima secondo cui "una vita non esaminata non è degna di essere vissuta" costituisce uno dei fondamenti della filosofia occidentale. Cita quindi Marc Aurèle, l'imperatore romano le cui Meditazioni rappresentano un diario privato di autoesame scritto mentre governava un impero. Sénèque praticava un quotidiano esame di coscienza notturno. Augustin d'Hippone scrisse le Confessioni, considerate la prima vera autobiografia, un esercizio di pura introspezione. Le tradizioni orientali non fanno eccezione: Bouddha sviluppò la vipassana ("visione chiara" della propria mente), Confucius si esaminava quotidianamente su tre punti, e Lao Tzu insegnava che "conoscere se stessi è la vera saggezza". Più tardi, Montaigne inventò la forma del saggio proprio come strumento di autoesame, Benjamin Franklin sviluppò un sistema quotidiano per monitorare 13 virtù, Leonardo da Vinci riempì migliaia di pagine di taccuini con interrogativi su se stesso, e Thomas Jefferson tenne diari di autoregolazione emotiva. Il colpo di grazia consiste nel ritorcere l'argomentazione di Andreessen contro lui stesso: i suoi stessi modelli di fondatori praticano attivamente l'introspezione. Steve Jobs meditava nella tradizione Zen, Elon Musk ragiona per principi primi (una forma di autoesame intellettuale), Mark Zuckerberg si pone sfide personali annuali, Ray Dalio promuove la "radicale consapevolezza di sé" come principio fondante, e Jeff Bezos ha sviluppato il suo framework di "minimizzazione del rimpianto" — un esercizio introspettivo per eccellenza. Ralmuto conclude con una distinzione essenziale: introspezione e ruminazione sono due cose diverse. La ruminazione consiste nel rimuginare e avvitarsi su se stessi, il che è effettivamente controproducente. L'introspezione, al contrario, sviluppa la consapevolezza di sé e il riconoscimento di schemi, portando a decisioni migliori. Confondere le due cose, come fa Andreessen, equivale a rigettare uno strumento fondamentale di leadership e pensiero critico sulla base di un semplice errore storico.

A.I. Companies Are Eating Higher Education

Thu, 12 Feb 2026 00:00:00 GMT

Matthew Connelly, vice decano per le iniziative sull'IA alla Columbia University, scrive un editoriale allarmista sul New York Times denunciando il modo in cui le aziende di intelligenza artificiale stanno conquistando l'istruzione superiore, con la complicità involontaria degli amministratori universitari. **Strategie aggressive delle aziende IA**: Connelly descrive un arsenale di tattiche. Anthropic impone tariffe esorbitanti per gli account aziendali pagando al contempo "ambasciatori del campus" per promuovere Claude, creando conflitti di interesse quando questi ambasciatori siedono nei governi studenteschi. OpenAI ha sviluppato un rilevatore di testi ChatGPT accurato al 99,9% ma ha rifiutato di renderlo disponibile agli educatori, temendo che la filigranatura avrebbe spinto gli utenti verso i concorrenti. Durante gli esami finali, OpenAI offre ChatGPT Plus gratuitamente agli studenti, Google concede l'accesso premium per l'intero anno e Perplexity organizza concorsi di iscrizione nei campus. **Caso emblematico di deriva**: uno studente della Columbia, Roy Lee, ha sviluppato uno strumento IA per barare ai colloqui di lavoro. Lungi dall'essere sanzionato dal settore, Andreessen Horowitz ha ammirato il suo "approccio audace" e ha raccolto 15 milioni di dollari per la sua azienda Cluely, il cui manifesto annuncia l'intenzione di "barare su tutto". **Ambizioni infrastrutturali**: OpenAI aspira a che i suoi bot diventino "parte dell'infrastruttura fondamentale dell'istruzione superiore", dalle ammissioni all'orientamento accademico. Google invita gli studenti a caricare le registrazioni delle lezioni su NotebookLM, una pratica che la Columbia vieta senza autorizzazione. Le università non hanno accesso ai dati che i loro studenti e docenti forniscono a questi sistemi. **Impatto sull'apprendimento**: la ricerca dimostra che gli studenti che usano l'IA leggono con minore attenzione, scrivono con minore precisione e originalità, e non si rendono conto di ciò che perdono. I docenti riferiscono un calo notevole delle domande poste in classe. Il paradosso centrale: le competenze necessarie per sfruttare il reale potenziale dell'IA — lettura critica, pensiero analitico, scrittura argomentativa — sono precisamente quelle che l'uso passivo dell'IA erode. **Appello alla resistenza**: Connelly conclude con una metafora militare: le guerre possono essere perse prima ancora di essere dichiarate se i difensori abbandonano il terreno strategico senza combattere. Per le università, quel terreno è l'intelligenza umana stessa. Egli invita gli educatori a difendere e promuovere l'intelligenza umana invece di lasciarsi sedurre da partnership squilibrate con un settore i cui interessi divergono fondamentalmente dalla missione educativa.

Marc Andreessen: AI coding doesn't eliminate programmers — it redefines them

Sun, 01 Feb 2026 00:00:00 GMT

Marc Andreessen, co-fondatore di Andreessen Horowitz, condivide la sua visione dell'evoluzione della professione di programmatore nell'era dell'IA generativa. La sua tesi centrale: IA de codage non elimina i programmatori, li ridefinisce fondamentalmente. **Il nuovo paradigma di lavoro**: Il lavoro non consiste più nello scrivere codice riga per riga. Consiste ora nell'orchestrare dieci bots de codage in parallelo, discutere con loro, effettuare il debug del loro output, modificare le specifiche e spingerli verso il risultato corretto. Il livello successivo della programmazione non è scrivere script, ma supervisionare l'IA che li scrive. **Il paradosso dei fondamentali**: Andreessen mette in luce un'ironia cruciale: oggi i migliori programmatori trascorrono la giornata saltando tra terminali, gestendo più bots de codage, correggendo errori e affinando le istruzioni. Eppure hanno ancora bisogno di solide basi, perché senza di esse è impossibile sapere quando l'IA sbaglia. "Se non capisci come scrivere codice tu stesso, non puoi valutare ciò che l'IA ti fornisce." **L'astrazione e i suoi limiti**: Il lavoro del programmatore è cambiato. Ora comporta discutere con i bots de codage, effettuare il debug del codice generato dall'IA e capire perché qualcosa non funziona o non è abbastanza performante. L'IA astrae il lavoro, ma solo le persone che comprendono realmente il codice possono determinare se tale astrazione sta facendo la cosa giusta. **Moltiplicazione della produttività**: I programmatori non stanno scomparendo: diventano 10 volte, 100 volte, persino 1000 volte più produttivi. I compiti cambiano, il lavoro cambia, ma gli esseri umani continuano a supervisionare il processo, valutare i risultati, correggere gli errori e prendere decisioni di giudizio. L'IA cambia il modo in cui programmiamo, non chi ne è responsabile. **La vera rivoluzione**: Il programmatore del futuro non viene sostituito dall'IA - viene potenziato da essa. Resta necessario imparare a scrivere e comprendere il codice, perché quando l'IA sbaglia, sono gli esseri umani a dover capire perché. Questo innalzamento delle competenze ("up-leveling") costituisce la vera rivoluzione - non la scomparsa della professione ma la sua trasformazione in un ruolo di orchestrazione e supervisione di alto livello.

Lenny's Podcast - Marc Andreessen on AI, jobs, AGI, and the future

Sun, 01 Feb 2026 00:00:00 GMT

Marc Andreessen, co-fondatore di Andreessen Horowitz, condivide in questo podcast con Lenny Rachitsky la sua visione complessiva dell'IA, del suo impatto sull'occupazione e del futuro tecnologico. **La tempistica provvidenziale dell'IA**: Andreessen sottolinea una coincidenza storica sottovalutata. L'IA arriva proprio nel momento in cui la popolazione mondiale inizia a diminuire. La forza lavoro globale si sta riducendo e continuerà a ridursi indefinitamente. In questo contesto, l'IA non è una minaccia per l'occupazione ma una soluzione a una carenza strutturale imminente. **La pietra filosofale finalmente realizzata**: Interrogato su questa metafora, Andreessen la spiega in modo letterale. Il sogno degli alchimisti era trasmutare materiali ordinari in qualcosa di valore. L'IA realizza esattamente questo: trasmuta la sabbia (il silicio) in pensiero. È la trasformazione più fondamentale immaginabile, dal materiale più comune alla facoltà più preziosa. **IA ed educazione dei bambini**: Dare agents IA ai bambini conferisce loro una capacità d'azione straordinaria. Ciò prende sul serio l'idea che i bambini siano fondamentalmente macchine per l'apprendimento. Andreessen la definisce uno "scandalo": la maggior parte dei bambini nella maggior parte delle scuole non ha alcun accesso a questi strumenti. L'educazione guidata dall'IA rappresenta una potenziale rivoluzione attualmente sprecata. **Il Mexican Standoff del prodotto**: Andreessen descrive con umorismo la classica impasse dello sviluppo prodotto. Tre parti si fronteggiano: il PM che esige la consegna entro la settimana successiva, l'ingegnere che avverte che è molto difficile e richiederà moltissimo tempo, il designer che rifiuta di approvare qualsiasi cosa non sia bella. Nessuno vince. Questa situazione può durare settimane, mesi. I progetti possono semplicemente "morire" in questo stato intermedio. **Definizioni di AGI**: Andreessen offre tre risposte a questa domanda fondamentale. Primo, un'IA capace di produrre una ricerca equivalente a una tesi di dottorato. Secondo, il punto in cui l'IA può prendere il controllo del proprio sviluppo e migliorarsi da sola. Terzo, più pragmaticamente, lo sapremo semplicemente quando l'avremo raggiunto. **Ottimismo determinato**: Andreessen si definisce un "ottimista determinato" piuttosto che indeterminato. Crede in un futuro migliore, ma ritiene che debba essere perseguito attivamente. Il progresso non ci accade passivamente: deve essere costruito, deciso, forzato. Questa filosofia permea la sua visione dell'IA come strumento da plasmare piuttosto che forza da subire.

L'Intelligence Artificielle et le monopsychisme : Michel Serres, Averroès et Thomas d'Aquin

Sat, 11 Oct 2025 00:00:00 GMT

L'articolo di David Perrin stabilisce un ponte notevole tra i dibattiti filosofici medievali sulla natura dell'intelligenza e le questioni contemporanee sollevate dall'intelligenza artificiale. L'autore esplora come le interrogazioni del tredicesimo secolo riguardanti la teoria averroista del monopsichismo risuonino con le nostre attuali preoccupazioni riguardo alle tecnologie digitali. Il monopsichismo, sostenuto dal filosofo arabo Averroès, postulava l'esistenza di un unico intelletto universale a cui gli individui si sarebbero temporaneamente connessi per pensare. Questa concezione, vigorosamente contestata da Thomas d'Aquin, che difendeva l'individualità dell'intelletto umano, solleva questioni sorprendentemente simili a quelle poste dai moderni sistemi di IA: quando utilizziamo strumenti digitali per "pensare", stiamo davvero esercitando la nostra intelligenza, oppure ci stiamo semplicemente connettendo a un'intelligenza esterna? L'articolo si basa sul pensiero di Michel Serres per analizzare questi parallelismi. Le tecnologie contemporanee, esternalizzando alcune funzioni cognitive, creano una forma di intelletto collettivo o distribuito che richiama il concetto averroista. Tuttavia, questa "connessione" comporta rischi filosofici e politici significativi che i pensatori medievali non avrebbero potuto anticipare. David Perrin mette in guardia contro una potenziale "assoggettamento intellettuale" facilitato dalle piattaforme tecnologiche. A differenza dell'intelletto separato di Averroès, che rimaneva un concetto filosofico astratto, i sistemi di IA odierni sono controllati da aziende che raccolgono massicciamente i dati degli utenti e li sfruttano a fini commerciali. Questa asimmetria di potere crea una dipendenza cognitiva in cui gli individui delegano progressivamente la propria capacità di riflessione a sistemi esterni. L'autore sottolinea che questa esternalizzazione cognitiva non è neutra: essa altera il nostro rapporto con la conoscenza e la verità. Gli algoritmi che mediano il nostro accesso alle informazioni plasmano la nostra percezione del mondo, creando "bolle informative" che possono limitare l'autonomia intellettuale che Thomas d'Aquin considerava fondamentale per la dignità umana. Il testo esamina anche la dimensione politica di queste tecnologie. Le aziende tecnologiche esercitano un potere considerevole sui processi cognitivi collettivi, concentrando in poche mani la capacità di orientare il pensiero di milioni di utenti. Questa centralizzazione richiama il pericolo individuato dai critici medievali del monopsichismo: se l'intelletto non è propriamente individuale, cosa ne è della responsabilità morale e dell'agentività personale? In conclusione, David Perrin invita a una vigilanza critica nei confronti delle tecnologie digitali. Egli sostiene la preservazione dell'autonomia intellettuale individuale pur riconoscendo il potenziale degli strumenti tecnologici. La lezione dei dibattiti medievali rimane attuale: preservare la capacità umana di pensare autonomamente costituisce una posta in gioco filosofica, etica e politica fondamentale — forse ancora più cruciale nell'epoca dell'IA che ai tempi di Averroès e Thomas d'Aquin.

Travail. La Silicon Valley gagnée par l'implacable rythme "996", "sans alcool, sans sommeil, sans plaisir"

Tue, 30 Sep 2025 00:00:00 GMT

Courrier International, in un articolo di Martin Gauthier, aggrega una serie di reportage in lingua inglese (New York Times, San Francisco Standard, Wall Street Journal, Wired) per documentare un cambiamento culturale nel tech californiano: la crescente adozione dell'orario **"996"** — lavorare **dalle 9 alle 21, sei giorni su sette**, ovvero 72 ore a settimana. Il termine, ereditato dalla cultura del lavoro cinese, è diventato, secondo il San Francisco Standard, "l'argomento caldo del momento" in una Silicon Valley "in fermento" per l'intelligenza artificiale. Il NYT fissa la cornice: "lavorare dalle 9 alle 17 è un modo per guadagnarsi da vivere; sfiancarsi di lavoro è la chiave per farsi strada." Il fenomeno si presenta come un **ethos** più che un orario. Daksh Gupta, presidente della startup Greptile, descrive l'atteggiamento dominante tra i giovani sviluppatori di San Francisco: "niente alcol, niente droghe, 996, palestra, corsa su lunghe distanze, matrimonio precoce, controllare il sonno, mangiare bistecca e uova." Abbondano i casi con nome e cognome: Marty Kausas, fondatore di Pylon, dichiara su LinkedIn 92 ore a settimana per tre settimane di fila; Emily Yuan, 23 anni, co-fondatrice di Corgi (infrastruttura finanziaria per l'IA), afferma: "Perché dovrei andare a bere qualcosa al bar quando potrei costruire un'azienda?" — e impone lo stesso ritmo ai propri dipendenti. Il 996 si diffonde oltre i fondatori, coinvolgendo anche i dipendenti. Rilla dichiara a Wired che quasi tutti i suoi 80 dipendenti lo abbracciano; Fella & Delilah (telemedicina) lo incentiva con un aumento di stipendio del 25% e equity raddoppiata. Perché questa frenesia? Il San Francisco Standard individua due motori: la convinzione che l'IA sia "la più grande trasformazione tecnologica della loro vita," per cui bisogna conquistare quote di mercato; e l'urgenza di **arricchirsi prima che arrivi l'AGI**, per paura di finire in un "sottoproletariato permanente." L'articolo non evita il rovescio della medaglia. Adrian Kinnersley, a capo di un'agenzia di reclutamento, lancia l'allarme su aziende "completamente non conformi" al diritto del lavoro statunitense. E ricorda che la Cour suprême chinoise ha già dichiarato illegale imporre il 996 senza compenso — una pratica che, in Cina, ha scatenato proteste, accuse di "schiavitù moderna," ed è stata collegata a morti tra i lavoratori. Ripubblicato nel luglio 2026 (pubblicato originariamente nel settembre 2025), il pezzo documenta un segnale culturale duraturo: la corsa all'IA razionalizza e normalizza il sovraccarico di lavoro.

Luc Julia's Controversial Statements on AI Spark Industry Debate

Fri, 22 Aug 2025 00:00:00 GMT

Luc Julia, **co-creatore di Siri** e figura di spicco della comunità IA francese, ha innescato una **significativa controversia nel settore** con una serie di dichiarazioni pubbliche provocatorie che contestano le narrazioni dominanti sulle capacità, il potenziale e l'impatto sociale dell'IA. Le sue posizioni, espresse in interviste, interventi a conferenze e nel suo libro **"L'IA n'existe pas"**, hanno suscitato un intenso dibattito negli ambienti dell'industria tecnologica e accademici. **Posizioni controverse principali** Le sue tesi principali: il termine "IA", così come viene commercializzato, è **fondamentalmente fuorviante** — i sistemi equivalgono a un sofisticato riconoscimento di pattern, non a intelligenza; l'**AGI è improbabile** con gli approcci attuali, se non del tutto impossibile; l'**hype sull'IA è guidato da interessi commerciali** piuttosto che dalla realtà tecnica; i sistemi attuali sono fondamentalmente limitati — non ragionano, non comprendono, non apprendono veramente; il settore **promette troppo e mantiene poco**; i **rischi esistenziali dell'IA sono sopravvalutati**, appartenendo alla fantascienza. **Credibilità** Le sue critiche hanno peso per via del suo background: un dottorato in informatica, la **co-creazione di Siri** (acquisita da Apple), un **ruolo dirigenziale senior in Samsung** (CTO, VP Innovation), pubblicazioni di ricerca ed esperienza nel lanciare prodotti IA a milioni di utenti. Questa combinazione di rigore accademico ed esperienza industriale distingue la sua critica da uno scetticismo poco informato. **La tesi di "L'IA n'existe pas"** Il titolo provocatorio riflette l'argomento centrale: **ciò che chiamiamo "IA" non soddisfa alcuna definizione ragionevole di intelligenza**. I sistemi attuali eseguono un riconoscimento statistico di pattern programmato, senza comprensione, ragionamento, intenzionalità o coscienza; hanno successo grazie all'ingegnosità ingegneristica, non replicando l'intelligenza. Il termine "IA" sarebbe un **marketing fuorviante**, che crea aspettative false e risposte politiche mal indirizzate. **Reazioni divise e prospettiva europea** I **sostenitori** (ricercatori europei, accademici) accolgono con favore il contrappeso all'hype e la valutazione realistica dei limiti. I **critici** (professionisti, ricercatori di sicurezza dell'IA, Silicon Valley) ritengono che sottovaluti i rapidi progressi, scarti troppo rapidamente le capacità emergenti e trascuri l'impatto pratico indipendentemente dalle definizioni filosofiche. Julia incarna una **voce distintamente europea** in un discorso dominato dalla Silicon Valley: realismo tecnologico, cautela normativa, rigore filosofico, attenzione alla sovranità. Il suo scetticismo risuona in particolare nel settore tecnologico francese. **Amplificazione mediatica e impatto politico** I principali media francesi (Le Monde, Le Figaro, France Inter) e la stampa tecnologica internazionale hanno ampiamente coperto le sue dichiarazioni, aumentando la sua visibilità e alimentando il dibattito pubblico — con il rischio di ridurre questioni tecniche sfumate a frasi ad effetto. Il suo scetticismo influenza gli approcci europei alla regolamentazione (l'EU AI Act riflette una filosofia cauta in parte allineata alle sue posizioni). Indipendentemente dall'accordo con le sue tesi, il **valore del dibattito è reale**: impone precisione terminologica, incoraggia una valutazione realistica delle capacità e fornisce un contrappeso ai cicli di hype.

Sam Altman Joins Neuralink Board: Ethical and Competitive Concerns Arise

Tue, 12 Aug 2025 00:00:00 GMT

Sam Altman, **CEO di OpenAI**, annuncia il suo ingresso nel **consiglio di amministrazione di Neuralink**, innescando un ampio dibattito su **potenziali conflitti di interesse, implicazioni etiche** e la convergenza strategica tra IA e interfacce cerveau-computer (BCI). La nomina solleva questioni complesse su sovrapposizioni competitive, riservatezza dei dati e la visione a lungo termine dell'integrazione uomo-IA. **Razionale strategico** Il coinvolgimento di Altman riflette una convinzione sulla convergenza BCI-IA: canali di input neurale diretto per i sistemi di IA, dati di addestramento più ricchi, capacità umane potenziate, nuovi paradigmi di interazione (controllo dell'IA tramite il pensiero). La sua partecipazione suggerisce che **OpenAI sta esplorando l'integrazione di interfacce neurali** nei prodotti futuri. **Preoccupazioni sul conflitto di interessi** Vengono identificati diversi potenziali conflitti: **sovrapposizione competitiva** (OpenAI ha un interesse nelle interfacce neurali; Neuralink sviluppa BCI integrate con l'IA), **accesso ai dati** (chi controlla i dati cerebrali potenzialmente preziosi per l'addestramento?), **allocazione delle risorse** (attenzione divisa di Altman), **informazioni strategiche** (accesso alla proprietà intellettuale e alle roadmap di Neuralink), **relazioni con i partner**. Gli esperti di governance mettono in discussione il doppio ruolo: guidare un'azienda leader nei modelli di IA di frontiera mentre si siede nel consiglio di un'azienda di interfacce neurali. **Risposta del consiglio di OpenAI e il rapporto Musk-Altman** Il consiglio di OpenAI avrebbe **approvato la nomina** dopo una revisione: sovrapposizione minima al momento, barriere informative, astensione di Altman dalle discussioni sensibili, valore strategico, precedente. Alcuni membri, tuttavia, avrebbero espresso **riserve su futuri conflitti** man mano che le tecnologie convergono. La nomina riunisce **Altman ed Elon Musk** (fondatore/CEO di Neuralink) nonostante una storia complicata: co-fondazione di OpenAI (2015), uscita di Musk dal consiglio (2018) citando conflitti, tensioni persistenti sulla direzione di OpenAI, un'iniziativa concorrente nell'IA (xAI), disaccordi pubblici sulla sicurezza dell'IA. **Implicazioni etiche e attenzione normativa** La convergenza solleva questioni profonde: **privacy cognitiva** (l'IA può leggere direttamente i pensieri?), autonomia mentale, disuguaglianze nel potenziamento cognitivo, rischi per la sicurezza, questioni di identità e consenso. I regolatori ne prendono nota: **FDA** (approvazione dei dispositivi medici), **FTC** (rischi di coordinamento anticoncorrenziale), commissioni congressuali, regolatori europei (GDPR per i dati neurali, AI Act), comitati di bioetica. Gli attuali quadri normativi non sono pensati per la convergenza BCI-IA. **Reazioni e implicazioni di mercato** Le reazioni sono nettamente divise: entusiasmo da parte di transumanisti e ottimisti dell'IA (potenziale per le disabilità, potenziamento cognitivo) contro la preoccupazione di bioeticisti, ricercatori sulla sicurezza e sostenitori della privacy. I neuroscienziati notano che **la tecnologia BCI rimane in una fase iniziale**. La nomina segnala comunque un impegno serio verso un futuro BCI-IA: convalida della visione a lungo termine di Neuralink, priorità strategica per OpenAI, e una probabile accelerazione degli sforzi concorrenti (Meta, Apple, startup) e degli investimenti. Un punto di svolta che costringe la società ad affrontare implicazioni profonde riguardanti la natura umana, la coscienza e il libero arbitrio.

Ni manager, ni contributeur individuel… | Le Touilleur Express

Mon, 23 Jun 2025 00:00:00 GMT

L'articolo "Neither manager, nor individual contributor…" di Nicolas Martignole esplora **l'evoluzione dei percorsi di carriera degli sviluppatori nel 2025**, in particolare con l'ascesa dell'intelligenza artificiale. Tradizionalmente, gli sviluppatori sceglievano tra diventare manager o individual contributor, ma **l'IA sta trasformando questi ruoli**. L'autore propone **tre percorsi distinti**: "AI Orchestrator", "Augmented Craftsman" e "Code Philosopher". **AI Orchestrator: gestire un esercito di IA** L'**AI Orchestrator** (in precedenza il management tecnico) gestisce un **"esercito di IA"** anziché persone. Questo ruolo comporta la definizione delle architetture di implementazione dell'IA, la validazione degli output dell'IA, l'arbitraggio dei conflitti tra diversi strumenti di IA e la formazione dei junior all'uso efficace di questi strumenti. Richiede una visione d'insieme, competenze di prompt engineering, una pazienza infinita per il debug delle allucinazioni dell'IA e la saggezza di sapere quando respingere i suggerimenti dell'IA. Se da un lato consente di risparmiare tempo sui compiti amministrativi, dall'altro introduce nuovi carichi cognitivi legati all'arbitraggio tra sviluppatori umani e IA. **Augmented Craftsman: le mani nel codice, potenziate** L'**Augmented Craftsman** (in precedenza l'individual contributor) mantiene le mani nel codice ma utilizza potenti strumenti di IA per aumentare la produttività. Codifica molto più velocemente, risolve problemi complessi al di là delle capacità attuali dell'IA, crea pattern che l'IA può seguire e mantiene l'eccellenza tecnica in un mondo in cui la maggior parte del codice è generata dall'IA. Questo percorso si addice a chi ama creare e possiede una competenza tecnica affilata, una mentalità di apprendimento costante, pensiero critico e l'umiltà di accettare che un junior con l'IA possa talvolta programmare più velocemente. **Cognitive Load 2.0: l'onere della validazione** L'articolo evidenzia una sfida importante comune a entrambi i percorsi: il **"Cognitive Load 2.0"**, ovvero l'onere cognitivo della validazione. Ciò include la verifica del codice generato dall'IA alla ricerca di falle di sicurezza, la comprensione del codice generato, la spiegazione dei problemi legati all'IA e la gestione dell'ansia di non comprendere appieno la propria codebase. Questo nuovo carico si aggiunge ai carichi cognitivi intrinseco (apprendimento degli strumenti di IA), estraneo (gestione delle notifiche dell'IA) e pertinente (mantenimento della visione d'insieme). **Code Philosopher: il terzo percorso** Infine, viene introdotto un terzo percorso meno discusso: il **Code Philosopher**. Questo ruolo comporta l'interrogarsi sul "perché" del codice, la concettualizzazione di sistemi ideali, la difesa contro usi inappropriati dell'IA e la protezione dell'integrità architetturale contro le invasioni dell'IA. Il suo valore risiede nella comprensione dello scopo e delle implicazioni della tecnologia in un mondo in cui la programmazione diventa onnipresente. L'autore affronta anche gli impatti ambientali ed energetici dell'IA, suggerendo la necessità di una "GreenAI" e di esperti di ottimizzazione dei prompt. **Domande fondamentali per il 2025** L'articolo si conclude invitando gli sviluppatori a riflettere sulle proprie motivazioni e aspirazioni per i prossimi cinque anni. **Domande chiave**: amate programmare o risolvere problemi? Volete essere creatori o validatori del lavoro dell'IA? Impegnati nell'apprendimento continuo o preferite capitalizzare su ciò che già sapete? Cercate un impatto locale (il vostro codice) o un impatto globale (l'architettura organizzativa)? Di cosa andrete fieri tra cinque anni: orchestrare IA, scrivere codice unico, prevenire l'uso improprio dell'IA o ottimizzarne l'utilizzo? **L'autonomia ridefinita** L'articolo insiste: la vera **autonomia tecnica consiste ora nel comprendere *quando*, *cosa* e *perché* programmare**, restando prioritario il fattore umano dell'architettura organizzativa e umana. In questo nuovo paradigma, gli sviluppatori non sono più definiti unicamente dal proprio percorso manageriale o dal proprio contributo individuale, ma dal modo in cui scelgono di orientarsi e plasmare il panorama dello sviluppo potenziato dall'IA.

Philosophy Eats AI: Why Your Business Needs an Ontological Core

Fri, 30 May 2025 00:00:00 GMT

Tony Seale parte da una domanda provocatoria posta da Michael Schrage e David Kiron su MIT Sloan: "Se il software divora il mondo e l'AI divora il software, cosa divora l'AI?" La risposta è **la filosofia** — non nel suo senso accademico, ma come disciplina pratica indispensabile per estrarre valore reale dai sistemi di AI. Il problema centrale è che la maggior parte delle organizzazioni tratta l'AI come un miglioramento puramente tecnico. Costruiscono modelli, sperimentano con i prompt, ma non si pongono mai la domanda fondamentale: **cosa impara realmente l'AI?** Dietro ogni modello si nasconde una questione più profonda: l'assenza di una filosofia strutturata che definisca la logica operativa dell'azienda. Ogni azienda crea valore a modo suo — attraverso la fedeltà, l'ottimizzazione, la fiducia o l'efficienza. Tuttavia la maggior parte non ha formalizzato questa semantica in un'**ontologia**, ossia una struttura leggibile dalla macchina su cui i sistemi di AI possano ragionare. L'autore insiste: "Non si tratta di dichiarazioni di missione. Si tratta di semantica formalizzata in un'ontologia." Senza rendere espliciti queste strutture logiche fondamentali, i modelli imparano dal rumore anziché da schemi significativi. L'articolo introduce il concetto di **nucleo ontologico**: i concetti fondamentali che definiscono l'identità di un'azienda. Questo nucleo emerge attraverso i casi d'uso che generano valore reale e le "competency questions" che ne testano la pertinenza di ciascun concetto. Diventa una lente che concentra il ragionamento dell'AI su ciò che conta davvero. Seale collega poi questa filosofia all'architettura dei dati tramite i **Semantic Data Products**, basati sulla specifica aperta DPROD. Questo approccio tratta i dati come un asset di valore con una governance chiara, anziché come materia prima. Il risultato è un "knowledge graph distribuito, pronto per l'AI, in cui ogni dataset sa cos'è, perché è importante e come si inserisce nel quadro generale." La conclusione individua la vera opportunità: creare un **circolo virtuoso** in cui l'AI contribuisce a definire l'ontologia organizzativa, mentre quest'ultima guida il modo in cui l'AI ragiona e il valore che genera. L'articolo colloca l'ontologia non come un esercizio di modellazione accademica, ma come l'anello mancante tra l'investimento nell'AI e la creazione di valore di business.

How To Speak

Fri, 04 Jan 2019 00:00:00 GMT

Patrick Winston, professore al MIT scomparso nel 2019, presenta in questa leggendaria lezione la sintesi di decenni di insegnamento sull'arte della comunicazione orale. La sua tesi centrale è che il successo nella vita dipende da tre capacità — parlare, scrivere e la qualità delle proprie idee — in quest'ordine. La qualità della comunicazione segue una formula semplice: Conoscenza × Pratica × talento, dove il talento è un fattore minore rispetto alla conoscenza e alla pratica. Winston struttura la sua lezione attorno a diversi blocchi. Anzitutto, l'apertura: mai iniziare con una battuta (il pubblico non è ancora pronto), ma con una "promessa di empowerment" che indichi cosa il pubblico saprà al termine. Seguono quattro euristiche fondamentali: il cycling (ripetere tre volte, poiché il 20% del pubblico perde il filo in ogni momento), costruire uno steccato per distinguere la propria idea dalle altre, la punteggiatura verbale (punti di riferimento che permettono agli ascoltatori di riconnettersi) e porre domande al pubblico (con silenzi fino a sette secondi). Su tempistica e luogo, Winston raccomanda le 11 del mattino, un'illuminazione massima e un sopralluogo preventivo della sala. Per quanto riguarda gli strumenti, sostiene con fermezza la lavagna per l'insegnamento — la velocità di scrittura corrisponde alla velocità di assimilazione, e i neuroni specchio del pubblico si attivano nel vedere qualcuno scrivere. Gli oggetti fisici sono gli elementi più memorabili di una presentazione, come illustrato dalla ruota di bicicletta di Seymour Papert e dal pendolo di Alan Lazarus. Riguardo alle slide, Winston denuncia una serie di "crimini": troppe parole, caratteri troppo piccoli, loghi superflui, puntatori laser (che spezzano il contatto visivo). Il cervello umano dispone di un solo processore linguistico: se il testo della slide è denso, il pubblico legge invece di ascoltare. Per i colloqui di lavoro (job talk), Winston afferma che un candidato ha cinque minuti per stabilire la propria visione e dimostrare di aver realizzato qualcosa. Introduce la "stella di Winston" — cinque elementi che iniziano con S per la memorabilità: Symbol, Slogan, Surprise, Salient idea, Story. La chiusura è cruciale: mai dire "grazie" (una mossa debole che suggerisce che il pubblico sia rimasto solo per educazione). L'ultima slide dovrebbe elencare i contributi, non i collaboratori. Winston lo illustra con estratti di discorsi politici di Christie e Clinton, entrambi conclusi con una benedizione anziché un ringraziamento. La lezione stessa è una dimostrazione magistrale di ogni principio che insegna.

Goodhart's law

Mon, 01 Dec 1975 00:00:00 GMT

La legge di Goodhart è un adagio delle scienze sociali che descrive come una misura perda la propria affidabilità non appena viene trasformata in un obiettivo di pilotaggio. Prende il nome dall'economista britannico **Charles Goodhart**, che ne formulò il nucleo in un **articolo del 1975** dedicato alla politica monetaria nel Regno Unito: *"qualsiasi regolarità statistica osservata tende a collassare non appena viene sottoposta a pressione a fini di controllo"*. L'intuizione nacque dall'analisi delle difficoltà britanniche di gestione monetaria: le correlazioni stabili sfruttate dalle banche centrali come leve di politica cessavano di reggere una volta strumentalizzate. La formulazione più diffusa, tuttavia, non è quella di Goodhart ma quella dell'antropologa **Marilyn Strathern**, che nel **1997**, in un testo sulla rendicontazione nel sistema universitario, propose la versione generalizzata e memorabile: *"quando una misura diventa un obiettivo, cessa di essere una buona misura"*. Questa riformulazione mette in evidenza la perdita di valore diagnostico che subisce una metrica quando gli individui ottimizzano rispetto alla misura stessa anziché rispetto all'obiettivo sottostante che essa dovrebbe rappresentare. L'idea appartiene a una costellazione di principi correlati. La **legge di Campbell** (Donald T. Campbell, 1976) riguarda la corruzione degli indicatori sociali quantitativi utilizzati per il processo decisionale. La **critica di Lucas** (1976) ne offre l'equivalente macroeconomico: gli effetti di una politica non possono essere previsti a partire dalle relazioni storiche, poiché gli agenti vi si adattano. A questi si aggiungono l'**effetto cobra** (un incentivo che ricompensa inavvertitamente comportamenti controproducenti) e la **fallacia di McNamara** (scartare il qualitativo perché sfugge alla quantificazione). Diversi autori hanno arricchito il corpus: Jerome Ravetz (1971), Keith Hoskin (1996) e Jon Danielsson per la modellazione del rischio finanziario. Le illustrazioni spaziano su numerosi ambiti: in sanità, fare della durata di degenza un obiettivo provoca dimissioni premature e riammissioni; nella ricerca, l'h-index perde valore come misura di reputazione non appena diventa un criterio di valutazione; nella conservazione, le classificazioni di estinzione IUCN sono state inasprite dopo essere state usate per revocare protezioni; nell'istruzione, il No Child Left Behind ha incoraggiato l'avanzamento di classe senza padronanza effettiva; durante la pandemia, gli obiettivi britannici sui test COVID hanno confuso la capacità con l'utilità diagnostica. Il principio riflette in definitiva il modo in cui gli attori razionali ottimizzano all'interno di sistemi misurati — un'eredità delle pratiche di rendicontazione nate nel XIX secolo. Oggi illumina direttamente il *reward hacking* e la fragilità delle metriche di ottimizzazione nei sistemi di IA.

On the Folly of Rewarding A, While Hoping for B

Mon, 01 Dec 1975 00:00:00 GMT

In "On the Folly of Rewarding A, While Hoping for B", Steven Kerr dimostra che le organizzazioni commettono sistematicamente l'errore di ricompensare comportamenti in contrasto con i propri obiettivi dichiarati. La sua tesi poggia su un principio fondamentale: gli individui cercano di identificare ciò che viene effettivamente ricompensato, per poi impegnarsi a realizzare tali attività, spesso con l'esclusione quasi totale di ciò che non viene ricompensato. Kerr illustra questo schema in molteplici ambiti. In politica, gli elettori ricompensano i candidati che si esprimono con obiettivi ufficiali vaghi e puniscono chi propone obiettivi operativi concreti ma controversi. In ambito militare, contrappone la guerra del Vietnam -- dove i soldati tornavano a casa dopo una durata fissa, indipendentemente dall'esito, disallineando completamente i loro incentivi -- alla Seconda guerra mondiale, dove il rientro dipendeva dalla vittoria, allineando obiettivi individuali e organizzativi. In medicina, mostra che i medici privilegiano i falsi positivi (diagnosticare come malato un paziente sano) rispetto ai falsi negativi (non individuare una malattia), poiché il sistema punisce le diagnosi mancate molto più severamente dei trattamenti non necessari. Nelle università, le istituzioni dichiarano di valorizzare l'insegnamento ma ricompensano solo la ricerca pubblicata ai fini delle decisioni sulla titolarità della cattedra. Negli orfanotrofi, l'obiettivo è collocare i bambini in buone famiglie, ma le regole burocratiche rendono l'adozione quasi impossibile. Nelle imprese, le organizzazioni affermano di volere crescita a lungo termine, lavoro di squadra e innovazione, ma ricompensano i profitti trimestrali, la performance individuale e la conformità. Kerr individua quattro cause profonde di questo disallineamento cronico. Primo, il fascino esercitato da criteri "oggettivi" e misurabili spinge le organizzazioni a ignorare obiettivi importanti ma difficili da quantificare. Secondo, l'enfasi eccessiva su comportamenti altamente visibili (pubblicare articoli, segnare punti) oscura contributi meno osservabili ma altrettanto cruciali (insegnare, costruire lo spirito di squadra). Terzo, l'ipocrisia organizzativa: alcune organizzazioni sono disoneste riguardo ai propri veri obiettivi. Quarto, l'enfasi sulla moralità o sull'equità piuttosto che sull'efficienza porta a sistemi di ricompensa basati su ciò che "dovrebbe" essere valorizzato piuttosto che su ciò che produrrebbe effettivamente i risultati desiderati. Ripubblicato nel 1995 con un aggiornamento, l'articolo conferma la persistenza di questi schemi vent'anni dopo. Questo testo fondativo resta uno degli articoli più citati nel comportamento organizzativo e conserva tutta la sua rilevanza per chiunque progetti sistemi di incentivi -- anche nell'attuale contesto della trasformazione guidata dall'IA.