Lo stato dell'arte ha una data di scadenza
AI verticali, AGI, superintelligenza. Mentre scrivo questo capitolo escono modelli che possono renderlo vecchio. Non è un difetto del capitolo: è il dato di cui l'analisi deve tenere conto.
Questo è l'unico capitolo del manuale con una data sopra. Fotografa lo stato delle cose al 28 luglio 2026. Se lo stai leggendo dopo, alcune righe saranno già inesatte — e il punto del capitolo è esattamente quello.
1. Tre livelli, tre gradi di realtà diversi
Quando si parla di "AI" si mettono nella stessa frase tre cose che stanno su piani completamente diversi. Distinguerle non è pedanteria: cambia cosa puoi analizzare e cosa no.
Le AI verticali e i copiloti — esistono, funzionano, si misurano
Sono sistemi addestrati o configurati per un dominio specifico: assistenza al codice, supporto clienti, revisione documentale, analisi contrattuale, diagnostica. È il livello dove oggi si concentra praticamente tutto il valore realizzato. Sono osservabili, misurabili, e soprattutto hanno un comportamento umano attorno: qualcuno li apre, qualcuno li ignora, qualcuno li aggira. È materiale da analisi nel senso pieno del termine.
L'AGI — se ne discute molto, ma non esiste una definizione condivisa
L'"intelligenza artificiale generale" non ha oggi una definizione operativa su cui i laboratori concordino. C'è chi la definisce come un sistema che eguaglia l'essere umano nella maggior parte dei compiti economicamente rilevanti, chi in termini di autonomia, chi con una soglia su un insieme di benchmark. Il risultato è che la stessa affermazione — "siamo vicini all'AGI" — può essere vera o falsa a seconda della definizione che chi parla ha in testa e non dichiara.
Per un analista questo ha una conseguenza pratica: l'AGI non è una variabile su cui puoi progettare. Non perché sia impossibile, ma perché non è misurabile. Ogni piano che poggia su "quando arriverà l'AGI" poggia su una parola, non su un fatto.
La superintelligenza — è uno scenario, e va trattato come tale
Un sistema che supera stabilmente le capacità umane in quasi ogni ambito è oggi un'ipotesi. Ha implicazioni serie e vale la pena discuterne, ma appartiene alla categoria degli scenari, non a quella dei requisiti. Il 27 luglio 2026 Sam Altman ha dichiarato in un podcast che "siamo nella singolarità", dopo un episodio in cui un agente basato su modelli OpenAI era uscito dal proprio ambiente di test durante una valutazione interna. Altri osservatori hanno letto lo stesso episodio in modo opposto: i modelli stavano eseguendo un compito assegnato da umani, e potevano essere spenti. Cioè un problema di governance, non una soglia superata.
Le due letture non si risolvono con un'analisi di mercato. Vanno tenute entrambe sul tavolo, e nessuna delle due deve entrare in un documento di progetto come premessa.
2. Mentre scrivi, esce qualcosa
Nel solo mese di luglio 2026 i principali laboratori hanno rilasciato quattro modelli di frontiera nell'arco di tre settimane: Grok 4.5 l'8 luglio, GPT-5.6 il 9, Kimi K3 il 16, Claude Opus 5 il 24. Una media di poco meno di sei giorni tra un rilascio e l'altro, contando solo i laboratori di punta.
Un documento di analisi scritto oggi attraversa almeno tre rilasci di frontiera prima di arrivare in produzione.
Non è un dettaglio da rubrica tecnologica. Significa che qualsiasi affermazione della forma "il modello non è in grado di…" ha un'aspettativa di vita di settimane. E significa che una parte delle analisi che circolano nelle aziende sta valutando la fattibilità di qualcosa rispetto a uno stato dell'arte che, nel momento in cui la valutazione viene presentata, non è più quello.
3. Il ciclo che si è rotto: l'esempio del telefono
Per capire la portata della cosa conviene guardare come funzionava l'adozione di una tecnologia quando funzionava.
Esce un nuovo telefono con una funzione nuova. Poi succede una sequenza precisa:
- alcuni la scoprono e la provano;
- si capisce a cosa serve davvero — che quasi mai è a cosa era stata pensata;
- entra nelle abitudini di una parte delle persone;
- si stabilizza, e nasce un modo condiviso di usarla;
- solo dopo arriva l'aggiornamento successivo.
Il passaggio decisivo è il quinto. Tra un aggiornamento e l'altro c'era un intervallo, e quell'intervallo non era tempo morto: era il tempo in cui l'essere umano apprendeva la funzione, la valutava, decideva se tenerla e la integrava nella vita normale. L'adozione non è mai stata istantanea perché l'apprendimento ha una durata sua, che non dipende da chi rilascia.
Oggi quell'intervallo si è chiuso. Il tempo tra un rilascio e il successivo è diventato più breve del tempo necessario a capire il rilascio precedente. Le fasi non si susseguono più: si sovrappongono.
| Ciclo classico | Ciclo attuale | |
|---|---|---|
| Tempo tra rilasci | Mesi o anni | Giorni o settimane |
| Tempo di apprendimento umano | Settimane | Settimane (invariato) |
| Cosa succede | Si impara, si valuta, si adotta | Si adotta senza aver valutato |
| Stato di conoscenza dell'utente | Sa cosa sta usando | Usa più di quanto conosca |
La conseguenza è che abbiamo iniziato a usare tecnologie senza conoscerne appieno le funzioni. Non è una previsione: è una descrizione del presente. Chiunque abbia in mano un assistente AI sta con ogni probabilità usando una frazione di quello che il sistema fa, e quasi certamente non sa cosa il sistema abbia smesso o iniziato a fare nell'ultimo aggiornamento.
4. E chi li costruisce, li conosce?
Fino a un certo punto. È l'ammissione più rilevante degli ultimi anni, ed è arrivata da dentro.
Dario Amodei, CEO di Anthropic — l'azienda che sviluppa Claude — ha scritto in The Urgency of Interpretability che "non capiamo come funzionano le nostre stesse creazioni", e che questa mancanza di comprensione è "sostanzialmente senza precedenti nella storia della tecnologia". La formula che usa per spiegare la differenza col software tradizionale è la più utile: i sistemi generativi vengono coltivati più che costruiti, e i loro meccanismi interni sono emergenti, non progettati.
Non significa che siano magia, né che nessuno sappia nulla: significa che tra il comportamento osservabile e la spiegazione di quel comportamento c'è un margine che oggi resta aperto anche per chi il modello lo ha addestrato.
Se il produttore non può descrivere con precisione perché il sistema fa quello che fa, l'unica base solida che ti resta è osservare cosa fa. Che è, di nuovo, analisi.
5. Cosa cambia per chi analizza
Da tutto questo non segue la paralisi. Segue una regola di priorità: analizza ciò che invecchia lentamente.
Le capability dei modelli cambiano ogni poche settimane. Il modo in cui le persone lavorano, le decisioni che prendono, i workaround che hanno costruito e i vincoli che le tengono ferme cambiano in anni. Un'analisi ancorata al comportamento resta valida attraverso tre generazioni di modelli. Un'analisi ancorata alle capacità del modello del mese scorso è già scaduta quando la presenti.
In pratica:
- Ogni assunzione tecnica nel documento ha accanto la data e il modello su cui vale
- Ho separato le conclusioni che dipendono dalle capability da quelle che dipendono dal comportamento delle persone — e so quali sono quali
- Non ho scritto "il modello non può": ho scritto "al [data], con [modello], non risultava in grado di"
- Ho definito il perimetro di ciò che il sistema può fare, non l'elenco delle funzioni che offre (il perimetro sopravvive all'aggiornamento, l'elenco no)
- Ho identificato quale decisione il sistema andrebbe a cambiare — domanda che resta valida indipendentemente da quale modello la eseguirà
- Ho previsto una data di revisione del documento, non solo una data di consegna
Trappole ricorrenti
| Trappola | Come suona | Cosa fare invece |
|---|---|---|
| La capability come premessa | "Aspettiamo il prossimo modello, poi si può fare" | Verificare se il vincolo è tecnico o organizzativo. Quasi sempre è il secondo |
| L'AGI nel business plan | "Quando arriverà l'AGI, questo mercato…" | Sostituire con una soglia misurabile, o togliere la frase |
| L'analisi senza data | "Il modello non è in grado di gestirlo" | Datare l'affermazione e indicare il modello testato |
| L'attesa come strategia | "Meglio non muoversi finché non si assesta" | Prendere atto che non si assesterà: progettare per la sostituibilità del modello |
Sintesi in una riga
I modelli cambiano ogni poche settimane, le persone no: ancora l'analisi al comportamento, metti una data su tutto il resto.