Naza, il danno collaterale

Il 10 settembre, in concorso alla Mostra del cinema di Venezia, è stato presentato Naza, il documentario di Yuval Abraham, giornalista israeliano, e Rachel Szor, due dei quattro registi di No Other Land, il documentario di un collettivo israelo-palestinese che nel 2025 ha vinto l’Oscar. Di notte, sui tetti di Tel Aviv, ventiquattro militari dell’intelligence israeliana raccontano con il volto in ombra come sorvegliavano e colpivano i bersagli a Gaza con l’aiuto di sistemi di intelligenza artificiale. Uno di loro, secondo la recensione di Internazionale, dice che «è meglio che sia l’intelligenza artificiale a scegliere, così non siamo responsabili» (1). Il principio che vieta di uccidere un innocente è lo stesso da millenni. Oggi la tecnologia offre a chi lo viola un alibi per non sentirne il peso. L’alibi poggia su un’idea che ripetiamo tutti troppo spesso: la tecnologia è neutrale, il bene o il male dipendono dall’uso che se ne fa.

A maggio Leone XIV, nella sua prima enciclica, ha scritto il contrario: la tecnologia «non è neutrale, perché assume il volto di chi la pensa, la finanzia, la regola, la usa» (2). Per chi legge, la conseguenza è una domanda da farsi ogni volta che una macchina entra nelle nostre vite: di chi è il volto che c’è dietro?

Naza è la sigla di nezek agavi, «danno collaterale» in ebraico, e nel gergo militare indica il numero di civili che si prevede di uccidere in un attacco. Secondo le recensioni, un bersaglio poteva valere «20 naza», il via libera a uccidere venti civili pur di colpirlo. Quella soglia l’aveva fissata qualcuno, dentro una catena di comando, e da quel momento è diventata un parametro.

Molte testimonianze riguardano la casa. Uno degli intervistati racconta che la sera usciva con gli amici, e la mattina dopo tornava a fare lo stesso lavoro. I militari chiamavano «Where’s Daddy?», cioè «dov’è papà?», l’ascolto del telefono di un bambino: serviva a capire quando il padre sarebbe rientrato, per colpire la casa con tutta la famiglia dentro. «Sentono piangere i neonati, e ordinano comunque un altro attacco», ha detto al Guardian Yuval Abraham, uno dei due registi (3). Chi colpisce, la sera torna a casa; chi viene colpito, viene colpito mentre è a casa con la sua famiglia.

Abraham lavora su questi sistemi da anni. Il 3 aprile 2024, con +972 Magazine e Local Call, aveva raccontato Lavender, il programma che nelle prime settimane di guerra aveva segnalato come sospetti militanti fino a 37.000 palestinesi. Un ufficiale raccontava di dedicare a ogni nome una ventina di secondi, il tempo di controllare che fosse un uomo: «Come essere umano non aggiungevo niente, a parte il timbro di approvazione» (4).

L’esercito israeliano ha respinto il film con un comunicato in sette punti: lo definisce un ritratto «distorto, fuorviante e disonesto», sostiene che l’intelligenza artificiale non ha mai scelto da sola un bersaglio e che non esiste un numero fisso di civili autorizzato in automatico.

Questo articolo guarda il meccanismo che le testimonianze sul genocidio di Gaza descrivono, e che non riguarda soltanto Israele ma tutti gli stati che si stanno dotando di macchine AI per la guerra: quando la decisione passa attraverso un sistema, chi la prende smette di sentirla come propria.

Personalmente sono rimasto colpito dalla disumanizzazione del nemico che emerge dal trailer e dalle recensioni. Più che di azioni di guerra, dove vengono uccise persone in gran parte estranee al conflitto, sembra di sentire parlare di un video game.

La domanda che il film lascia è se la tecnologia è capace di cambiare i principi morali della nostra società.

Questa edizione prova a rispondere ponendosi quattro domande. Le rivoluzioni tecnologiche del passato hanno cambiato i nostri principi etici nel tempo o hanno cambiato solo la nostra “linea rossa” fra giusto e sbagliato, la soglia di quello che consideriamo moralmente accettabile o riprovevole? Le tecnologie sono mai state neutrali o hanno smesso di esserlo solo adesso con l’AI? Dove si sta spostando questa linea rossa oggi? E che cosa possiamo fare noi in questa situazione?

Le tecnologie che hanno cambiato la “linea rossa”

La prima domanda è se le rivoluzioni tecnologiche del passato abbiano cambiato i nostri principi, o soltanto la linea rossa, la soglia oltre la quale ci indigniamo.

Della ruota e del ferro sappiamo come hanno cambiato il lavoro e la guerra, ma non abbiamo documenti su come hanno cambiato il giudizio morale di chi li usava. Dalla rivoluzione industriale in poi i documenti invece ci sono: leggi, sentenze, inchieste parlamentari ed encicliche. E mostrano uno schema che si ripete. I principi etici di base restano fermi e immutabili per tutta la storia, mentre si sposta continuamente la soglia oltre la quale una società si indigna, muta la percezione della gravità di un determinato atto. Quando la soglia si abbassa ci indigniamo prima, e diventa inaccettabile ciò che prima si tollerava; quando si alza ci indigniamo di meno, e per farlo servono atti più gravi.

I bambini lavoravano nei campi da sempre, e nessuno lo considerava uno scandalo. Durante la rivoluzione industriale la fabbrica tessile li ha messi davanti alle macchine, per giornate lunghe quanto quelle degli adulti, in un luogo dove si potevano contare e ispezionare. Il 29 agosto 1833 il Parlamento britannico approvò il Factory Act: niente lavoro nelle filande sotto i nove anni, non più di 48 ore la settimana fino ai tredici, non più di dodici ore al giorno fino ai diciotto. Per farlo rispettare in circa 4.000 filande furono nominati quattro ispettori. Il principio che un bambino va sempre protetto esisteva già. La rivoluzione industriale ha reso visibile quanto lo si violava, e la soglia si è abbassata.

L’introduzione del respiratore ha fatto di più, perché ha cambiato la definizione di morte di un essere umano. Per secoli una persona era considerata morta quando il cuore si fermava. Negli anni Sessanta le macchine tenevano in vita corpi con il cervello ormai distrutto, e i trapianti di cuore, il primo dei quali fu eseguito da Christiaan Barnard a Città del Capo il 3 dicembre 1967, avevano bisogno di organi ancora irrorati di sangue.

Il 5 agosto 1968 la rivista dei medici americani, JAMA, pubblicò il rapporto di un comitato della Harvard Medical School che proponeva il coma irreversibile come nuovo criterio di morte, e spiegava perché: i progressi della rianimazione e il bisogno di organi da trapiantare. In Italia la legge 578 del 1993 lo dice in una riga: «La morte si identifica con la cessazione irreversibile di tutte le funzioni dell’encefalo». Il principio che non si uccide un uomo vivo è rimasto dov’era. Si è spostato il confine fra vivo e morto, e a spostarlo è stato un comitato di medici davanti a una macchina. Prima del 1968 togliere il cuore che batte a un corpo attaccato al respiratore sarebbe stato un omicidio; dopo è diventato una donazione. Va sottolineato che la nuova soglia oltre che basarsi su dati scientifici aveva anche una convenienza per la società.

La pillola anticoncezionale, approvata negli Stati Uniti nel 1960, ha spostato la soglia nell’altra direzione. In Italia fino al 1971 era reato fare propaganda ai metodi per evitare le gravidanze, e lo ha cancellato la Corte costituzionale con la sentenza n. 49 del 16 marzo di quell’anno. Ciò che una generazione considerava illecito è diventato, per la generazione successiva, una scelta privata.

In guerra le regole sono arrivate quasi sempre dopo. Nel 1899 la Conferenza dell’Aia aveva vietato i proiettili carichi di gas asfissianti. Il 22 aprile 1915, a Ypres, l’esercito tedesco usò il cloro lo stesso, aprendo bombole invece di sparare proiettili, e un divieto generale arrivò soltanto con il Protocollo di Ginevra del 1925. Quel cloro aveva un volto preciso: quello di Fritz Haber, il chimico tedesco che lo aveva trasformato in un’arma e ne seguì di persona il primo impiego a Ypres. Nel 1918 Haber ricevette il premio Nobel per la sintesi dell’ammoniaca, la scoperta che ha permesso di produrre fertilizzanti in quantità industriale e di moltiplicare i raccolti.

L’eccezione sono i laser accecanti, vietati nel 1995 prima che qualcuno li usasse in battaglia. Per i droni armati, in uso dal 2001, e per i sistemi che propongono i bersagli, una regola specifica non c’è ancora.

La tabella mette in fila questi casi: per ogni tecnologia, che cosa si accettava prima, che cosa si accetta dopo e quale regola l’ha fissato.

La Chiesa cattolica registra questi cambiamenti con le encicliche, le lettere con cui il papa si rivolge ai fedeli, e il suo calendario segue quello delle tecnologie. Il 15 maggio 1891 Leone XIII pubblicò la Rerum Novarum sulla condizione degli operai: era la risposta della Chiesa alla fabbrica. Il 25 luglio 1968 Paolo VI firmò la Humanae Vitae, che otto anni dopo l’arrivo della pillola confermava il no a ogni metodo per impedire la procreazione.

La mia risposta alla prima domanda è questa. Penso che alcuni principi siano eterni e immutabili: non si uccide un innocente, non si usa una persona senza il suo consenso. Il livello di riprovazione con cui viviamo certe situazioni invece cambia, e lo cambiano gli effetti sociali della tecnologia. Il bambino in fabbrica diventa visibile, la morte si ridefinisce, la gravidanza si sceglie, il falso nudo diventa possibile.

Il volto della tecnologia

La seconda domanda è se la tecnologia sia mai stata neutrale, o abbia smesso di esserlo solo adesso, con l’AI.

Il 10 maggio 2025, due giorni dopo l’elezione, Leone XIV ha spiegato ai cardinali di aver scelto il nome pensando a Leone XIII e alla Rerum Novarum: oggi la Chiesa deve rispondere a un’altra rivoluzione industriale, quella dell’intelligenza artificiale. Un anno dopo, il 15 maggio 2026, nel centotrentacinquesimo anniversario della Rerum Novarum, ha firmato la sua prima enciclica, Magnifica Humanitas, la prima dedicata all’intelligenza artificiale.

Per rispondere serve la frase del paragrafo 9, già citata in apertura: la tecnologia «non è neutrale, perché assume il volto di chi la pensa, la finanzia, la regola, la usa».

Francamente credo che questa frase dovrebbe farci riflettere perché capovolge un principio largamente accettato e che abbiamo sentito ripetere ed ho ripetuto io per primo decine di volte: la tecnologia è neutrale, può fare del bene o del male a seconda di chi la usa.

La frase completa ha una premessa. «In astratto», scrive il papa, la tecnologia «non è di per sé una soluzione ai problemi dell’umanità, come non è di per sé un male; ma, concretamente, non è neutrale». Il detto che ripetiamo è vero in astratto: un coltello chiuso in un cassetto non fa né bene né male. Nessuna tecnologia però esiste in astratto. Ognuna è stata pensata, pagata, permessa e usata da persone con un nome.

L’idea non è nuova, nemmeno nella Chiesa. Nel 2015, nella Laudato si’, Francesco aveva scritto che «i prodotti della tecnica non sono neutri», perché «orientano le possibilità sociali nella direzione degli interessi di determinati gruppi di potere». Fuori dalla Chiesa lo aveva detto nel 1986 lo storico della tecnologia americano Melvin Kranzberg, con la prima delle sue sei leggi: «La tecnologia non è né buona né cattiva; e non è nemmeno neutrale» (5).

La storia raccontata fin qui dice che non lo è mai stata. Dietro il cloro di Ypres c’era il chimico Fritz Haber, dietro il criterio della morte cerebrale i medici che avevano bisogno di organi da trapiantare. Eppure per molto tempo l’idea della tecnologia neutrale ha retto, perché si poteva separare la capacità dall’uso. Richard Feynman, che aveva lavorato alla bomba a Los Alamos, nel 1955 la riassunse con un proverbio sentito in un tempio buddhista di Honolulu: «A ogni uomo è data la chiave delle porte del paradiso; la stessa chiave apre le porte dell’inferno» (6). La fissione dell’atomo, scoperta alla fine del 1938, fa funzionare le centrali elettriche e ha distrutto Hiroshima: se la tecnologia è la capacità di spaccare l’atomo, la bomba ne è un uso, deciso dal presidente Truman. Fra la capacità e l’uso restava una mano umana, e dire «dipende da chi la usa» spostava la colpa su chi l’aveva mossa.

Con l’intelligenza artificiale il gioco cambia, perché una parte della decisione passa alla macchina. «Ogni artefatto tecnico», scrive Leone XIV al paragrafo 104, «porta con sé scelte e priorità: ciò che misura, ciò che ignora, ciò che ottimizza e il modo in cui classifica persone e situazioni». Lavender segnala chi colpire, e nella segnalazione buona parte della scelta è già fatta: i venti naza sono un parametro, i venti secondi dell’ufficiale sono quello che resta della mano dell’uomo. Sistemi dello stesso tipo contribuiscono già a decidere chi ottiene un prestito o un colloquio di lavoro, e che cosa ci mostra il feed la sera. Qui capacità e uso coincidono. Decidere è il lavoro per cui la macchina è stata costruita.

Così la vecchia formula si rovescia. Diceva: la tecnologia è neutrale, quindi risponde chi la usa. Oggi chi la usa può dire che ha deciso il sistema, e chi l’ha costruito può rispondere che dipende da come lo si usa. Al paragrafo 103 il papa descrive l’esito: lo scarto dei più deboli «viene ammantato di neutralità e oggettività, davanti alle quali è impossibile protestare». La risposta alla seconda domanda, quindi, è che il principio è sempre stato vero: la tecnologia non è mai stata neutrale. L’idea della neutralità poteva reggere finché la scelta restava fuori dalla macchina; ora che ci sta dentro, e questi sistemi sono dappertutto, non regge più. La tecnologia, da non neutrale, diventa complice in quel momento: quando offre a chi decide l’alibi di non aver deciso.

La soglia oggi, in guerra e nella vita civile

La terza domanda è dove si stia spostando la linea rossa oggi.

Per la guerra lo dice l’enciclica, con due espressioni che in questa edizione sono già comparse. L’AI, scrive il papa al paragrafo 183, può «abbassare la soglia dell’uso della forza, rendere opache le responsabilità, alimentare una cultura in cui il nemico è ridotto a dato e la vittima a “danno collaterale”» (2). Il papa parla della soglia per usare la forza: se quella si abbassa, si alza quella oltre la quale ci indigniamo. Al paragrafo 198 arriva alla conclusione: «non è lecito affidare a sistemi artificiali decisioni letali o comunque irreversibili», perché «non esiste algoritmo che possa rendere la guerra moralmente accettabile».

La soglia si sta spostando anche lontano dai campi di battaglia, e il caso più vicino a noi riguarda il rapporto fra uomini e donne. Il 19 agosto 2025 è venuto alla luce «Mia moglie», un gruppo Facebook aperto con quasi 32.000 iscritti, dove uomini pubblicavano foto delle loro compagne, spesso in momenti di intimità, senza che loro lo sapessero. Meta lo ha rimosso il giorno dopo. Il 28 agosto è stato chiuso Phica, un sito attivo dal 2005 dove circolavano foto di donne prese dai social e sessualizzate, dopo le denunce di molte di loro, politiche comprese.

Pubblicare una fotografia intima senza consenso era già un reato. Un’immagine falsa, costruita con l’AI per mostrare un corpo che non è quello vero, non lo era in modo specifico. La legge italiana sull’intelligenza artificiale, in vigore dal 10 ottobre 2025, ha introdotto l’articolo 612-quater del codice penale: chi diffonde senza consenso «immagini, video o voci falsificati o alterati» con l’AI, e capaci di ingannare, causando un danno ingiusto, rischia da uno a cinque anni di reclusione. L’AI ha reso possibile un danno nuovo, e il Parlamento ha abbassato la soglia: ciò che prima non era un reato specifico adesso lo è.

L’altro fronte sono i compagni artificiali, i chatbot costruiti per fare da amico o da partner. Nell’aprile 2025 il Garante della privacy ha multato per 5 milioni di euro la società americana che gestisce Replika, uno dei più diffusi, anche perché non verificava l’età di chi lo usava. Secondo un’indagine di Ipsos per Telefono Azzurro, il 14% degli adolescenti italiani si rivolge spesso a un chatbot per avere consigli personali, e il 16% dice di essersi sentito meno solo (7). Magnifica Humanitas non li nomina, ma descrive il rischio al paragrafo 100: «quando la parola viene simulata, essa non costruisce una relazione, ma una sua parvenza», e per chi è già solo il pericolo è che si perda «il desiderio stesso di cercare davvero l’altro». Che cosa sia lecito chiedere a una macchina che ci tiene compagnia, e che cosa sia lecito che una macchina chieda a noi, merita più spazio: ne parleremo in un prossimo numero.

La risposta alla terza domanda è che la soglia si muove in due direzioni. Nella vita civile tende ad abbassarsi: la legge comincia a punire danni che l’AI ha reso possibili. In guerra rischia di alzarsi, perché la macchina rende più facile colpire e una regola che la limiti non c’è ancora.

Cosa possiamo fare noi?

Resta la quarta domanda. Torno alla frase di Leone XIV. La tecnologia sposta la soglia perché non è neutrale, e la soglia la fissa sempre qualcuno: chi la pensa, chi la finanzia, chi la regola, chi la usa. Se le testimonianze sono vere, nei venti naza ci sono tutti e quattro i verbi: chi ha costruito il sistema, chi lo ha pagato, chi non ha scritto regole per limitarlo, chi approvava un nome in venti secondi. L’alibi della macchina regge soltanto finché chi guarda lo accetta.

Due dei quattro verbi riguardano anche chi legge. Regolare, perché le regole le scrive chi votiamo. Usare, perché le macchine che decidono le usiamo tutti i giorni.

Per chi vota la conseguenza è concreta. Il regolamento europeo sull’intelligenza artificiale, l’AI Act, all’articolo 2 esclude i sistemi usati soltanto per scopi militari, di difesa o di sicurezza nazionale: l’Europa ha scritto regole per il chatbot del servizio clienti e ha lasciato fuori quello che propone i bersagli. Le armi autonome si discutono invece a Ginevra, dentro la Convenzione delle Nazioni Unite su certe armi convenzionali. A settembre un gruppo di esperti dei governi ha approvato un elenco di elementi per un futuro strumento, senza scrivere se sarà vincolante.

Dal 16 al 20 novembre la conferenza di revisione della Convenzione deve decidere che cosa farne. Nel 2023 il segretario generale dell’ONU e la presidente della Croce Rossa internazionale avevano chiesto un trattato entro il 2026, con una frase che riassume la questione: che le macchine scelgano da sole gli esseri umani da colpire «è una linea morale che non dobbiamo superare». Che posizione terrà l’Italia a Ginevra è una domanda che si può fare al proprio parlamentare.

A fine novembre Naza sarà visibile gratis in streaming sul sito del Guardian. Lo guarderò anch’io, e ti propongo di guardarlo pensando alle due case: quella da cui i militari uscivano la mattina e a cui tornavano la sera, e quella in cui si sentivano piangere i neonati e arrivava comunque un altro attacco.

Questa settimana prova a soffermarti su un punto: la prossima volta che un sistema ti propone una decisione già pronta, al lavoro o in banca, chiediti di chi è il volto dietro i criteri con cui l’ha presa.

Guido un’azienda che si occupa di automazione, agenti e intelligenza artificiale: ne scrivo perché li vedo da vicino, non per venderti qualcosa. Per questo articolo ho usato l’AI per cercare e verificare le fonti ma l’idea dell’articolo, la tesi e la revisione sono mie.

Riferimenti

1. Catherine Cornet, «Naza, la banalità del male nel cuore di Tel Aviv», Internazionale, 29 settembre 2026. link

2. Leone XIV, lettera enciclica Magnifica Humanitas, 15 maggio 2026, paragrafi 9, 100, 103, 104, 183 e 198. link

3. The Guardian, intervista a Rachel Szor e Yuval Abraham, 11 settembre 2026. link

4. Yuval Abraham, «’Lavender’: The AI machine directing Israel’s bombing spree in Gaza», +972 Magazine e Local Call, 3 aprile 2024. link

5. Melvin Kranzberg, «Technology and History: “Kranzberg’s Laws”», Technology and Culture, vol. 27, n. 3, luglio 1986, pp. 544-560; la prima legge discussa da Eric Schatzberg e Lee Vinsel su Technology’s Stories. link

6. Richard P. Feynman, «The Value of Science», Engineering and Science, vol. 19, n. 3, dicembre 1955, p. 13; discorso alla riunione d’autunno dell’Accademia nazionale delle scienze americana, Caltech, 2-4 novembre 1955. link

7. Ipsos per Telefono Azzurro, adolescenti e intelligenza artificiale, febbraio 2026. link

Bollini cercasi alla fiera del libro di Francoforte

Alla Fiera del libro di Francoforte, a metà ottobre, associazioni ed editori di quattro paesi hanno presentato i loro bollini per certificare che un libro è stato scritto da una persona (1). Negli Stati Uniti l’Authors Guild ne ha già assegnati circa 6.500. La ragione è economica prima che morale: quando un testo, una canzone, un’immagine o un programma si producono quasi gratis, la copia digitale perde valore, mentre ne acquista la persona che sta dietro l’opera o l’esperienza che si vive di persona.

Per chi legge significa che molto probabilmente, presto, accanto al prezzo di un libro o di un abbonamento, conterà sapere chi l’ha scritto e come. Per chi scrive, che dovrà dimostrare come lo ha scritto.

Che il valore di un’opera dipenda da chi l’ha fatta non è una scoperta, e la storia di Van Gogh lo dimostra meglio di chiunque. Finché era vivo, i suoi quadri non li voleva quasi nessuno: l’unico venduto che si conosca con certezza è La vigna rossa, 400 franchi pagati nel 1890 dalla pittrice belga Anna Boch (2). Erano le stesse tele che oggi valgono decine di milioni. Mancava la persona. Fuori dalla famiglia e da pochi pittori nessuno sapeva chi fosse l’uomo che le dipingeva, né come lavorava, e per dieci anni lo mantenne il fratello Theo.

Nel 1914 la vedova di Theo, Jo van Gogh-Bonger, pubblicò le lettere di Vincent. Ne restano 820 (3), e raccontano giorno per giorno che cosa dipingeva e con quali colori, quanto spendeva e dove sbagliava. Secondo il Van Gogh Museum, da allora crebbe la stima per lui come artista e come persona (4). Le lettere fecero per Van Gogh quello che i bollini di Francoforte promettono di fare per un libro: dissero chi c’era dietro l’opera e come l’aveva fatta.

Oggi il nome conta ancora di più, perché il confine di ciò che chiamiamo arte si sposta di continuo. Nel 1975 Lou Reed pubblicò Metal Machine Music, un’ora di feedback di chitarra: molti lo riportarono al negozio e la casa discografica lo ritirò dopo poche settimane. Oggi è considerato il disco da cui nasce il noise. Quel confine un tempo si spostava nell’arco di generazioni, mentre con i feed dei social, che premiano ciò che colpisce di più, si sposta in pochi anni. Davanti alla Pietà di Michelangelo si resta a bocca aperta anche senza sapere chi l’ha scolpita. Davanti a gran parte dell’arte di oggi mi sembra proprio di no, e allora a dare valore all’opera è il nome di chi la firma.

Per la scrittura vale ancora di più. Scriveremo tutti con l’aiuto dell’AI, come siamo passati dal pennino con il calamaio alla biro, o dalla macchina da scrivere al computer. Ma l’AI, a differenza di quegli strumenti, può influenzare pesantemente i contenuti e lo stile. E siccome un libro o un giornale si pagano per le idee di qualcuno, bisogna sapere di chi sono.

Questa edizione prova a rispondere a quattro domande. Come cambia il diritto d’autore nel mondo digitale? Si può certificare che un’opera è di un artista, e se l’ha fatta con l’aiuto dell’AI è ancora sua? Ha senso certificare il possesso di un’opera digitale? E come cambia il suo valore rispetto a quello di un’opera fisica?

Copyright e Copyleft

Come cambia il diritto d’autore quando le opere diventano file? I bollini nascono adesso perché la regola che per tre secoli ha difeso il valore delle opere sta cambiando funzione.

Il diritto d’autore è nato in Inghilterra nel 1710 con lo Statuto di Anna, che per la prima volta dà agli autori, e non più solo agli stampatori, l’esclusiva sulla stampa dei propri libri, per quattordici anni, rinnovabili per altri quattordici se l’autore è ancora vivo. Il nome inglese lo dice: copyright, il diritto di copiare. Dal 1886, con la Convenzione di Berna, la protezione nasce insieme all’opera senza bisogno di registrarla, e in Italia dura tutta la vita dell’autore e settant’anni dopo. Protegge l’espressione, cioè le parole o le note di un’opera precisa, e lascia libere le idee. Resta libero anche lo stile: scrivere o dipingere alla maniera di qualcuno è lecito, ed è quello che un modello di AI sa fare meglio.

Il diritto d’autore è utilizzato anche in modo opposto. Nel 1985 Richard Stallman fondò la Free Software Foundation, e nel febbraio 1989 pubblicò la GNU General Public License: chi la adotta consente a tutti di copiare e modificare il codice, ma chi lo fa deve conservare l’avviso con il nome dell’autore e lasciare accessibili a tutti anche le proprie modifiche (5). Stallman la chiamò copyleft, il contrario del copyright, con un po’ di ironia. Da quell’idea vengono Linux e buona parte del software libero. Dal 2002 le licenze Creative Commons hanno portato lo stesso principio a testi, foto e musica. Il copyleft dimostra che si possono lasciare libere le copie senza cancellare il nome di chi ha creato l’opera.

Oggi il diritto d’autore si muove in due direzioni: nei fatti protegge sempre meno la copia, e sempre di più l’autore.

Per la copia, l’esempio più chiaro viene dagli Stati Uniti. Nel giugno 2025 un giudice federale ha stabilito che addestrare un modello sui libri è un uso lecito, e ha contestato ad Anthropic solo le copie piratate che conservava: il patteggiamento, approvato a luglio 2026, vale 1,5 miliardi di dollari, circa 3.000 a libro (6). Più che impedire la copia, il diritto d’autore ne fissa il prezzo.

Per l’autore, l’esempio è italiano. La legge 132 del 2025 sull’intelligenza artificiale ha aggiunto una parola alla legge sul diritto d’autore: sono protette le opere dell’ingegno «umano», anche create con l’aiuto dell’AI, purché siano il risultato del lavoro intellettuale dell’autore (7). La legge chiede già una persona dietro l’opera. Il bollino ne è la versione per il lettore, che non va in tribunale.

Nel resto del mondo, ogni paese deve rispondere a due domande. La prima è se un’azienda possa addestrare un’AI sulle opere di altri, cioè fargliene «leggere» milioni per insegnarle a scrivere o a disegnare, senza chiedere il permesso e senza pagare i diritti d’autore. Per consentirlo serve un’eccezione, una norma che permette di usare opere protette senza autorizzazione, come quella che consente di citare un brano in una recensione. La seconda è se un’opera fatta con l’AI debba essere protetta come quella di un autore umano.

La tabella mostra come si stanno orientando dieci paesi. Sulla seconda domanda sono quasi tutti d’accordo: senza una persona non c’è opera da proteggere, e il Regno Unito, che oggi tutela anche le opere generate da un computer, propone di smettere.

Sulla prima si dividono. Giappone e Singapore lo consentono anche per fini commerciali, per favorire chi sviluppa l’AI. L’Unione europea e l’Italia lo consentono, ma l’autore può vietarlo. L’Australia ha escluso di introdurre un’eccezione, il Regno Unito l’ha accantonata per ora, e negli Stati Uniti decidono i giudici, caso per caso.

La risposta alla prima domanda, quindi: per legge la protezione non arretra, e la durata anzi si allunga, visto che nel 2022 il Canada è passato da cinquanta a settant’anni dopo la morte dell’autore. Si indebolisce nei fatti, perché le cause durano anni e finiscono in accordi di licenza.

Bollini e processi

La seconda domanda è se si possa certificare che un’opera l’ha fatta un artista, e se un’opera fatta con l’aiuto dell’AI si possa considerare ancora sua, e fino a che punto.

Le strade per certificare un’opera sono due.

La prima è la dichiarazione, ed è la strada dei bollini presentati a Francoforte. Quello dell’Authors Guild costa 10 dollari a titolo a chi non è iscritto: l’autore firma un contratto in cui afferma di aver scritto il libro, e se mente ne risponde davanti a un giudice (8). Nessuno legge il manoscritto. Nel Regno Unito Books By People certifica gli editori, che pagano per aderire. In Francia il Label Création humaine aggiunge ai rilevatori di testo artificiale un colloquio fra l’autore e un revisore, e finora ha certificato circa 200 opere (1). È semplice e costa poco, ma si regge sulla parola di chi firma, e i rilevatori sbagliano spesso e non sono d’accordo fra loro.

La seconda è dimostrare il processo: conservare le bozze, le versioni salvate e le conversazioni con l’AI, per poterle mostrare se qualcuno lo chiede. Costa più fatica, ma è una prova, e vale anche contro chi la esibisce. Quest’anno a Houston, in una causa per un’esplosione, il giudice ha fatto consegnare al perito della 3M la sua cronologia di ChatGPT, e ne è emerso che quasi tutta la perizia l’aveva scritta il modello (9).

Resta la parte più difficile: quanta AI si può usare perché un’opera resti di chi la firma.

Nessuno ha fissato una percentuale. L’Authors Guild ammette solo usi minimi, come il correttore ortografico o le ricerche. L’ufficio americano del diritto d’autore ha scritto nel gennaio 2025 che i soli prompt, cioè le istruzioni date al modello, non bastano a fare di qualcuno l’autore. In Cina due tribunali hanno deciso in modo opposto, e la differenza l’ha fatta il processo. Nel 2023 a Pechino un’immagine generata con l’AI è stata protetta perché il suo autore aveva documentato più di 150 prompt e le regolazioni scelte una per una. Nel 2025 a Zhangjiagang la protezione è stata negata a chi non aveva conservato la cronologia del proprio lavoro.

Il criterio che emerge ovunque sono le scelte, più delle ore spese per crearla. Van Gogh, scrivendo a Theo nel 1883, riportava la battuta del pittore James Whistler su un acquerello fatto in due ore, dopo anni di lavoro per riuscire a farlo in due ore (10). Le ore, però, raccontano il processo. Personalmente investo dalle otto alle dieci ore per ogni post che pubblico su Substack, aiutato dall’AI, e faccio una media di 25-30 revisioni prima di pubblicare.

La risposta alla domanda sulla possibilità di certificare che un’opera è fatta da un artista è sì, a patto di certificare il processo: un’opera fatta con l’aiuto dell’AI resta di chi la firma se le scelte sono sue e se ne risponde.

Possedere un file

La terza domanda è se si possa, e abbia senso, certificare il possesso di un’opera digitale. Il tentativo c’è già stato, e sono stati gli NFT. Un NFT, sigla di «non-fungible token», è un certificato registrato su una blockchain, cioè un registro pubblico che nessuno può modificare, e dice chi possiede un certo file. Nel marzo 2021 Christie’s vendette un collage digitale dell’artista americano Beeple per 69,3 milioni di dollari. Il grafico mostra che cosa è successo dopo: in due anni il mercato è cresciuto di quasi cento volte, in altri tre è sceso a meno di un quarto del picco.

Le ragioni sono quattro. Si comprava soprattutto per speculare, e quando nel 2022 sono crollati i prezzi delle criptovalute, con cui gli NFT si pagano, è sparito il motivo per comprare. Una parte del volume era finta: secondo le analisi pubblicate su Dune, una piattaforma di dati sulle blockchain, nel 2022 il 58% degli scambi di NFT su Ethereum veniva da chi vendeva a se stesso per gonfiare i prezzi, come ricorda la nota del grafico. Il certificato, poi, non dava diritti sull’opera. Lo ha scritto nel 2024 lo US Copyright Office in un rapporto al Congresso: possedere un NFT e possedere il copyright dell’opera collegata sono due cose separate (11).

L’ultima ragione riguarda gli artisti. La loro promessa erano le royalty, cioè la percentuale che l’artista riceve ogni volta che l’opera viene rivenduta. Le piattaforme in concorrenza le hanno rese facoltative: Blur ha imposto un minimo dello 0,5%, OpenSea dall’agosto 2023 non le applica più alle nuove collezioni. Nel gennaio 2022 gli artisti avevano incassato 269 milioni di dollari in un mese, nel luglio 2023 ne hanno incassati 4,3 (12). Gli NFT certificavano chi possedeva il file e tacevano su chi l’aveva fatto, e senza una persona da sostenere il collezionista non aveva motivo di pagare l’artista.

La risposta alla terza domanda è che il possesso di una copia digitale si può certificare, ma serve a poco, perché non c’è niente di scarso da possedere. Ha senso certificare chi ha fatto l’opera e chi ne ha i diritti.

I bollini rischiano la stessa fine. Se si reggono sulla parola dell’autore, perdono credito al primo che mente. Se chi certifica si fa pagare da chiunque, il bollino rischia di fare la fine della spunta blu di X. Dal 2023 si ottiene con un abbonamento di circa 8 dollari al mese, e la stessa X avverte che non garantisce chi c’è dietro un account. Nel dicembre 2025 la Commissione europea ha multato la piattaforma per 120 milioni di euro, anche perché quella spunta inganna gli utenti. La differenza è che il bollino lega un nome a una responsabilità. L’NFT non legava nessuno a niente.

L’ insostenibile leggerezza delle copie digitali

La quarta domanda è come cambia il valore di un’opera digitale rispetto a quello di un’opera fisica.

Il confine passa fra le opere nate digitali e quelle che non lo sono. Un brano, un testo, un’illustrazione o un video esistono come file, e un file si copia senza perdere niente: per queste opere l’originale non esiste, e resta da pagare solo la persona. Un quadro, una scultura, un affresco o un’opera di architettura esistono una volta sola. Le loro immagini circolano ovunque, ma la Pietà si vede a San Pietro e un edificio si visita. Per le opere fisiche, le infinite copie digitali fanno salire il valore dell’originale: nel 2022 un frutteto dipinto da Van Gogh è stato venduto all’asta per 117 milioni di dollari (13). La danza e il teatro vivono nel corpo di chi li fa, e nessun file li sostituisce.

La copia di un dipinto, invece, vale sempre meno. Dal 2017 il Metropolitan Museum di New York regala le immagini delle opere di pubblico dominio, quasi mezzo milione, anche per usi commerciali. L’Italia va nella direzione opposta: dal 2024 il Ministero della Cultura fa pagare l’uso commerciale delle immagini delle opere dei suoi musei, da 5 euro per un’immagine sul web a un minimo di 1.000 euro, più una quota sulle vendite, per una riproduzione in altissima definizione destinata al mercato. E gli NFT d’arte, le copie digitali vendute come pezzi unici, nel 2023 valevano in media meno di un quarto di quanto valevano nel 2021 (14).

Dove il valore resta lo mostra il grafico qui sotto, che mette in fila dieci anni di prezzi. Il biglietto medio dei concerti è salito molto più dell’inflazione; il vinile e il biglietto del cinema in sala l’hanno seguita da vicino. Il digitale si è diviso: il ricavo medio di Spotify per abbonato è sceso di un terzo, quello di Netflix è salito del 44%.

Una spiegazione possibile sta in chi possiede il catalogo. Netflix produce in casa film e serie che si trovano solo lì, e ha potuto alzare più volte il listino. Spotify offre gli stessi cento milioni di brani dei concorrenti, che appartengono alle case discografiche, e versa loro quasi il 70% di quello che incassa (15). In dieci anni il prezzo della copia è sceso dove le copie sono di tutti, ed è salito dove qualcuno controlla il catalogo e ne risponde.

C’è però un dato che va contro l’idea che un’opera fatta da un essere umano si paghi di più. Due economisti americani hanno fatto leggere a 654 persone un racconto generato da ChatGPT. A metà di loro hanno detto che era dello scrittore Jason Brown, di cui avevano appena letto una breve biografia; all’altra metà, che l’aveva scritto l’AI. Chi credeva che fosse dell’AI lo ha giudicato peggiore. Per leggerne la fine, però, era disposto a rinunciare alla stessa parte del compenso dell’esperimento, e a lavorare lo stesso tempo, di chi credeva che fosse di Brown (16). A parole preferiamo l’autore umano; al momento di pagare, no.

Questo esperimento, però, non chiude la questione. L’autore «umano» era uno scrittore presentato con una breve biografia letta pochi minuti prima, e in gioco c’erano al massimo cinquanta centesimi. Nella vita di tutti i giorni si è disposti a pagare di più quando dietro un testo c’è una persona che si conosce e di cui ci si fida: lo scrittore di cui si leggono tutti i libri, o la newsletter a cui si è abbonati.

Quindi come cambia il valore? Un’opera digitale vale quanto la persona che ne risponde. Un’opera fisica vale anche come oggetto unico, e le copie che la fanno conoscere ne sostengono il prezzo.

La giungla digitale

Il mondo digitale l’abbiamo interamente creato noi qualche decennio fa. Quello fisico lo abbiamo potuto influenzare, in alcuni casi trasformare spesso in peggio, ma non creare. In quello digitale abbiamo messo informazioni, giochi, relazioni, affari e arte, e adesso anche un’intelligenza che in quel mondo si muove meglio di noi e che presto potrebbe dettarne le regole. Ma oramai dipendiamo così tanto da quello digitale da non poterne più fare a meno. Per questo dobbiamo scrivere le regole, prima di perdere completamente il controllo su ciò che è vero e ciò che è falso. I bollini sui libri, le sentenze sul diritto d’autore, la parola «umano» nella legge italiana e le etichette sulla musica generata sono primi, pallidi tentativi.

Per chi scrive cambia il lavoro di tutti i giorni. Le bozze e le versioni salvate diventano la prova che dietro il testo c’è qualcuno, e conviene conservarle come si conservano le ricevute. Questa settimana apri l’ultimo libro o l’ultima newsletter che hai pagato e cerca se dice come è stato scritto. Se scrivi, salva le bozze.

In coda a ogni numero di Le conseguenze c’è una riga che dice come ho usato l’AI e che cosa è mio. È molto meno delle 820 lettere di Van Gogh, e serve alla stessa cosa: dire chi c’è dietro.

Ti lascio con la domanda che mi faccio ogni volta: un post come questo sarebbe stato in grado di scriverlo chiunque grazie all’AI, o no? Rispondi nei commenti.

Guido un’azienda che si occupa di automazione, agenti e intelligenza artificiale: ne scrivo perché li vedo da vicino, non per venderti qualcosa. Per questo articolo ho usato l’AI per cercare e verificare le fonti ma l’idea dell’articolo, la tesi e la revisione sono mie.

Riferimenti

1. AFP, «’Human-authored’ book labels gain ground amid AI scandals», ripreso da The Star, 10 ottobre 2026. link

2. Van Gogh Letters, lettera 855 alla madre e alla sorella, nota 5, sull’annotazione di Theo del 6 marzo 1890. link

3. Van Gogh Letters (Van Gogh Museum e Huygens Institute), «Overview», conteggio delle lettere sopravvissute. link

4. Van Gogh Museum, «The Woman Who Made Vincent Famous». link

5. GNU Project, «What is Copyleft?», con la GNU General Public License, versione 1, febbraio 1989. link

6. Bartz v. Anthropic, sito ufficiale del patteggiamento, con l’approvazione definitiva del 20 luglio 2026. link

7. Legge 23 settembre 2025, n. 132, art. 25, Gazzetta Ufficiale n. 223 del 25 settembre 2025. link

8. Authors Guild, «Human Authored Certification Expands to All Authors», 2 marzo 2026. link

9. 404 Media, sul perito della 3M che ha scritto la perizia con ChatGPT nella causa per l’esplosione di Houston, 2026. link

10. Van Gogh Letters, lettera 322 a Theo, L’Aia, marzo 1883, con la nota 5 sul processo Whistler-Ruskin. link

11. US Copyright Office e USPTO, «Non-Fungible Tokens and Intellectual Property: A Report to Congress», 12 marzo 2024. link

12. Fortune, «NFT exchanges knocked for slashing artist royalty rates», 5 agosto 2023, su dati Nansen. link

13. CNN, sull’asta della collezione di Paul G. Allen da Christie’s, novembre 2022. link

14. DappRadar, «NFT Art’s shocking collapse: from $2.9 billion boom to $23.8 million bust», aggiornato l’8 aprile 2026. link

15. Spotify, «2025 music industry payouts: what’s next for artists», newsroom, 28 gennaio 2026. link

16. Martin Abel e Reed Johnson, «AI Bias for Creative Writing: Subjective Assessment Versus Willingness to Pay», IZA Discussion Paper 17646, gennaio 2025. link

Novantamila brani al giorno

Su tutte le grandi piattaforme di streaming arrivano ogni giorno decine di migliaia di brani generati interamente dall’AI. Ad aprile il responsabile di Apple Music, Oliver Schusser, ha detto che sono più di un terzo della musica che il servizio riceve ogni mese, e che valgono meno dello 0,5% degli ascolti (1).

Il 13 ottobre Deezer, piattaforma di streaming francese poco diffusa in Italia, ha annunciato che entro la fine dell’anno i suoi abbonati potranno spegnere la musica generata dall’AI. Con un click, i brani creati interamente da un modello AI spariranno dalla ricerca e dall’ascolto (2).

Il giorno dopo YouTube Music ha introdotto un’etichetta che indica se un brano è generato del tutto, in parte o per niente dall’AI, ma senza impedirgli di guadagnare.

Tidal, dal 29 giugno, ha smesso di pagare i diritti sui brani che riconosce come interamente generati.

Spotify, che non pubblica numeri, dal settembre 2025 esclude dalle raccomandazioni e dai pagamenti i brani caricati in massa.

Deezer è l’unica piattaforma che pubblica questi numeri con regolarità, da quasi due anni. A gennaio 2025, quando l’azienda ha messo in funzione il suo rilevatore, le arrivavano circa 10.000 brani interamente generati al giorno, il 10% di tutto quello che riceveva. A novembre erano più di 50.000, il 34% (3). Nei giorni di picco di giugno 2026 sono stati 90.000, oltre la metà dei caricamenti (4).

Quei brani, però, valgono fra l’1% e il 3% degli ascolti. Nel 2025 fino all’85% di quegli ascolti era fraudolento, cioè prodotto da programmi che fanno partire i brani in automatico per incassare i diritti (4). Più di metà della musica nuova che entra ogni giorno in un servizio di streaming serve a prendersi una quota del fondo comune, cioè dei soldi di abbonamenti e pubblicità che ogni mese la piattaforma divide fra i brani in proporzione agli ascolti, e quasi nessuno la ascolta.

Lo conferma Luminate, la società che conta gli ascolti su tutte le piattaforme e fornisce a Billboard i dati per le sue classifiche. Nel 2025 c’erano 253 milioni di brani: lo 0,2%, quelli fra 1 e 50 milioni di ascolti, ne ha fatto la metà, l’88% ne ha avuti mille o meno, e 55 milioni non sono mai stati ascoltati (5).

Per capire chi si divide quei soldi bisogna guardare come è cambiata l’industria musicale negli ultimi anni.

Seguiamo i soldi

Nel 2025 i ricavi della musica nel mondo valgono circa 80 miliardi di dollari: quasi metà arriva dai concerti, poco più di un quarto dallo streaming, meno del 7% dai dischi (6, 7).

Nel 1999 il prodotto era il disco. Le grandi case discografiche, le cosiddette major, erano cinque: Universal, Sony, Warner, EMI e BMG. Dopo Napster e quindici anni di vendite in calo, Sony e BMG si sono fuse ed EMI è stata divisa fra le altre. Oggi le major sono tre: Universal, Sony e Warner.

Lo streaming ha rimesso in piedi l’industria. Nel 2025 la musica registrata ha incassato nel mondo 31,7 miliardi di dollari, all’undicesimo anno di crescita consecutivo. Quasi il 70% arriva dallo streaming, e gli abbonati paganti sono 837 milioni (6).

La parte che cresce di più, però, è quella dal vivo. Secondo Goldman Sachs nel 2025 il mercato mondiale dei concerti valeva 38,2 miliardi di dollari, più di tutta la musica registrata, e nel 2035 arriverà a 67 miliardi contro 55 (7). Intanto i biglietti costano sempre di più: nei cento tour che hanno incassato di più al mondo il prezzo medio è passato da 96 dollari nel 2019 a 136 nel 2024, il 41% in più, e negli stadi nel 2025 ha superato i 216 dollari (8).

È cambiato il modo in cui il denaro si muove. Con il disco si pagava un oggetto. Con lo streaming ogni piattaforma raccoglie gli abbonamenti e la pubblicità del mese, ne trattiene una parte e divide il resto fra i titolari dei diritti in proporzione agli ascolti. Chi ha più ascolti si prende una fetta più grande di una torta che, in quel mese, ha una dimensione fissa. I titolari dei diritti sono quasi sempre le case discografiche e i distributori, che a loro volta pagano gli artisti secondo i contratti. Su Spotify le tre major insieme a Merlin, l’organismo che tratta per conto di migliaia di etichette indipendenti, consegnano la grande maggioranza degli ascolti.

Chi sta al centro di questa divisione guadagna bene, come mostra la tabella. Spotify ha chiuso il 2025 con 17,2 miliardi di euro di ricavi, 290 milioni di abbonati e circa 2,2 miliardi di utile operativo: il secondo anno consecutivo in attivo.

Il primo operatore mondiale dei concerti, nella stessa tabella, è Live Nation, che possiede anche Ticketmaster. Nel 2025 ha incassato 25,2 miliardi di dollari. I concerti ne hanno portati 20,9, con un margine del 3,3%: 687 milioni di utile operativo. Ticketmaster ne ha portati 3,1, con 1,13 miliardi di utile operativo. Nella musica di oggi vendere il biglietto rende più che organizzare il concerto.

Nel 2018 Citigroup ha provato a fare il conto di quanto, dei soldi spesi per la musica negli Stati Uniti, arrivi a chi la fa. Il risultato, riportato nella tabella più avanti, è il 12% nel 2017; nel 2000 era il 7%. La quota è salita, e secondo Citi il merito è dei concerti, che le case discografiche non controllano, più che dello streaming.

Per il musicista medio il quadro è un altro. Un sondaggio della Future of Music Coalition su circa 5.000 musicisti americani ha misurato da dove arrivava il loro reddito nel 2011: il 28% dai concerti, il 22% dall’insegnamento, il 19% dagli stipendi in orchestre e gruppi, il 10% dalle sessioni per altri musicisti, il 6% dalle composizioni e solo il 6% dalle registrazioni, come riporta la tabella. Delle sponsorizzazioni non esiste un dato pubblico: i contratti con i marchi sono privati.

Lo streaming ha allargato la base. Secondo i dati di Spotify, nel 2025 13.800 artisti hanno generato sulla piattaforma più di 100.000 dollari ciascuno e più di 1.500 oltre un milione. Il centomillesimo artista per incassi ha generato più di 7.300 dollari; dieci anni prima, nella stessa posizione, se ne generavano circa 350. Quei soldi Spotify li versa a chi possiede i diritti sulle registrazioni, quasi sempre la casa discografica o il distributore, e all'artista con un contratto arriva la percentuale che il contratto prevede.

Settemilatrecento dollari l'anno, lordi e da dividere con l'etichetta, non pagano un affitto. Per decine di migliaia di musicisti sono comunque un'entrata, che si somma a concerti e lezioni. I 90.000 brani generati ogni giorno arrivano in questa fascia. Alle star come Taylor Swift non tolgono ascolti: si contendono i pochi soldi dei musicisti meno noti, e produrli non costa quasi niente.

Come cambia la musica

Lo streaming aveva cambiato la forma delle canzoni prima che arrivasse l’AI. Un ascolto viene contato, e pagato, solo dopo 30 secondi, e chi ascolta una playlist passa al brano successivo se quello che sente non lo colpisce nei primi secondi. Uno studio della Ohio State University ha misurato le introduzioni dei brani nella top 10 americana dal 1986 al 2015: a metà degli anni Ottanta duravano in media più di 20 secondi, oggi circa 5 (9). La voce e il ritornello arrivano prima, perché chi aspetta non viene pagato. Si è accorciato anche il resto: secondo Chartmetric, nel 2024 un brano nelle classifiche di Spotify durava in media 3 minuti, mezzo minuto meno che nel 2019 (10).

Un caso estremo mostra che a cambiare i brani è la regola di pagamento. Alcuni caricavano sulle piattaforme rumore bianco o canti di balene divisi in tante tracce da poco più di 30 secondi, pensate per essere ascoltate una dopo l'altra: ogni mezzo minuto scattava un ascolto pagato, mentre una canzone normale ne fa scattare uno ogni tre minuti. Spotify ha chiuso la scappatoia: dal 2024 paga i brani di rumore solo se durano almeno due minuti. La corsa ad accorciare i brani era cominciata prima, con la radio e MTV; lo streaming, che paga a ogni ascolto, l'ha accelerata.

Una parte crescente dell’ascolto, poi, non è una scelta. Sono le playlist per studiare, per dormire, per concentrarsi o per correre: musica che si mette e non si guarda. La giornalista Liz Pelly ha ricostruito su Harper’s, e poi nel libro Mood Machine uscito nel 2025, un programma interno di Spotify avviato nel 2017 e chiamato Perfect Fit Content: in quelle playlist entrano brani prodotti su commissione da poche società e attribuiti ad artisti che non esistono. Il motivo, secondo le sue fonti, è il costo: meno diritti agli artisti veri. Un ex responsabile delle playlist le ha descritto la logica: se i numeri salivano si sostituivano sempre più brani, perché «se l'utente non se ne accorge, va bene» (11).

Nel 2024 il quotidiano svedese Dagens Nyheter ha trovato un solo compositore, Johan Röhr, dietro 656 nomi d’artista e 15 miliardi di ascolti, presente in almeno 144 playlist ufficiali di Spotify (12). Spotify nega di pagare meno: dice di versare i diritti, sulla registrazione e sulla composizione, per ogni brano. I contratti con queste società non sono pubblici, quindi le tariffe non si possono verificare. Di certo ogni ascolto di quei brani si prende una quota del fondo comune.

L’AI generativa entra da quella porta. Nell’estate del 2025 i Velvet Sundown, una band con album e foto promozionali, hanno raccolto su Spotify un pubblico vero prima di ammettere di essere un progetto generato. A ottobre 2025 Deezer e Ipsos hanno fatto ascoltare a 9.000 persone in otto paesi tre brani, due generati e uno umano. Il 97% non ha saputo distinguerli, e l’80% ha detto di volere un’etichetta che dica quale musica è interamente generata (3).

Se chi ascolta non sente la differenza, la qualità del singolo brano conta meno di quanto vorremmo. Conta chi decide che cosa finisce nelle playlist, e quanto costa riempirle. Un brano generato costa pochi centesimi, e se occupa il posto di uno umano nella playlist del sonno nessuno se ne lamenta. L’AI sostituisce per prima la musica che si ascolta senza sceglierla.

Chi decide il successo

Per decenni il successo di un brano lo hanno deciso persone: il produttore che sceglieva che cosa registrare, il discografico che decideva su chi investire, chi programmava la radio. Persone che sbagliavano e avevano gusti propri. Oggi quel ruolo lo svolgono soprattutto gli algoritmi: quello di TikTok, che decide quale frammento di quindici secondi diventa virale, e quelli di Spotify e YouTube, che compongono playlist e raccomandazioni.

Il confronto più netto riguarda i pagamenti. Negli Stati Uniti pagare una radio per far trasmettere un disco, la «payola», è vietato dal 1960, dopo uno scandalo che aveva coinvolto molti conduttori radiofonici: chi trasmette un brano in cambio di soldi deve dirlo a chi ascolta. Alle piattaforme di streaming quella regola non si applica. Dal 2020 Spotify, con la Discovery Mode, spinge nelle raccomandazioni i brani di chi accetta in cambio diritti più bassi. Non passano più buste di contanti: paga l’artista, rinunciando a una parte di quello che gli spetta per ogni ascolto. Una causa collettiva del 2023 l’ha definita una payola nascosta; il giudice non è entrato nel merito, perché i termini d’uso di Spotify obbligano gli utenti a un arbitrato privato.

Che cosa premiano gli algoritmi? Nella musica gli studi non trovano quello che succede con i contenuti politici sui social, dove vince ciò che divide. Trovano una musica immediata e intensa. Un gruppo di ricercatori ha analizzato due anni di classifiche quotidiane di TikTok e Spotify, più di 2.000 brani: le hit sulle piattaforme sono più ripetitive delle versioni originali, e le emozioni, positive e negative, più marcate (13). Due ricercatori delle università di Warwick e di Francoforte hanno confrontato le hit hip hop del 2002 con la playlist RapCaviar di Spotify del 2022: in vent’anni i brani hanno perso più di un minuto, quasi tutti usano le stesse batterie elettroniche e i testi si somigliano il 60% in più (14). È una correlazione su pochi brani, non una prova, ma va nella stessa direzione dei dati sulla durata.

L’effetto più netto riguarda chi ascolta. I ricercatori di Spotify hanno misurato che chi segue soprattutto le raccomandazioni ascolta musica meno varia, e chi allarga i propri gusti lo fa scegliendo da sé (15). Non significa che le piattaforme spingano solo le grandi case discografiche: fra il 2017 e il 2020 la quota di brani indipendenti fra le novità promosse dalle playlist di Spotify è salita dal 38% al 55% (16), e chi passa allo streaming, nel complesso, ascolta più artisti di prima. Al posto del gusto di una persona, però, oggi c’è una metrica: quanti non saltano il brano, quanti lo riascoltano, quanti lo usano in un video.

Chi paga il conto

Il primo conto è in denaro. Il fondo che le piattaforme dividono ogni mese non cresce con il numero dei brani, quindi ogni ascolto finto toglie una quota agli artisti veri, e un brano generato che occupa un posto in playlist toglie ascolti a uno scritto da qualcuno.

Le piattaforme hanno risposto in modi diversi. Tidal non paga i brani interamente generati e toglie quelli che imitano un artista. Deezer li esclude dall’algoritmo e dalle playlist della redazione: dal gennaio 2025 ne ha esclusi dalle raccomandazioni più di 42 milioni (2). YouTube mette l’etichetta e continua a pagare.

Le due risposte non sono equivalenti. L’etichetta, cioè la scritta nel lettore che dice se un brano è stato generato dall’AI, serve a chi ascolta: gli fa sapere che cosa sta ascoltando e gli permette di evitarlo. Ma non sposta un euro, perché il brano generato continua a prendersi la sua parte del fondo. La regola di pagamento invece decide chi riceve i soldi, e quindi se scrivere musica resta un lavoro. Per ora l’ha adottata per intero solo Tidal, che ha molti meno abbonati di Spotify o Apple Music.

Il secondo conto riguarda i diritti d'autore. Suno e Udio, i due principali programmi che generano canzoni, sono stati addestrati anche sulla musica delle grandi case discografiche, che nel 2024 li hanno portati in tribunale. Poi due di loro hanno cambiato strada: Universal ha firmato un accordo con Udio nell'ottobre 2025, Warner con Suno e con Udio a novembre, mentre Sony è ancora in causa. Con questi accordi le major non combattono più i generatori, si fanno pagare perché i loro modelli vengano addestrati sul proprio catalogo e, con gli artisti che accettano, usino anche la loro voce. Il musicista indipendente non ha un catalogo da dare in licenza né avvocati per difendersi, e può solo affidarsi alle regole che ciascuna piattaforma sceglie di adottare.

Cinque tendenze

Messi in fila, i numeri raccontano dei trend che non riguardano solo la musica.

1. Produrre non costa più niente, quindi di opere ce ne sono troppe: oltre metà dei brani nuovi è generata da una macchina, e l’88% del catalogo ha avuto mille ascolti o meno.

2. Più la musica registrata costa poco, più vale quello che non si può copiare: la persona sul palco. È lì che si spostano i soldi, e il prezzo dei biglietti lo dimostra.

3. Nella musica il “nome” oggi si costruisce in un altro modo: non in un locale ma in un video, guardato da chi verifica i numeri. Fra gli artisti italiani emersi dopo il 2005 nelle classifiche degli album, quelli arrivati pubblicando da soli in rete sono passati dal 29% del 2018 al 51% del 2023, quelli usciti dai talent televisivi dal 29% al 12% (17). E chi cerca talenti si fa aiutare dal software: nel 2018 Warner ha comprato Sodatone, che usa i dati per segnalare gli artisti ancora senza contratto.

4. L’attenzione è quanto mai la vera risorsa scarsa.

5. Chi distribuisce ha sempre un enorme impatto. Un tempo il successo di un brano dipendeva da persone: il produttore, il discografico, chi programmava la radio, chi comprava la pubblicità. Oggi pesano soprattutto gli algoritmi delle piattaforme e dei social, che scelgono che cosa finisce nelle playlist e nei feed, e quanto costa riempirli.

Fra cinque anni la musica fatta con l’AI, del tutto o in parte, sarà normale anche fra gli autori più affermati: mi stupirei del contrario. È già successo con Paul McCartney, che si è fatto aiutare da un software di apprendimento automatico per isolare la voce di John Lennon da una vecchia cassetta e completare «Now and Then», uscita nel 2023 e premiata con un Grammy. Mi aspetto anche che chi ascolta voglia sapere se quello che sente è stato generato da una macchina.

L’80% degli intervistati da Deezer e Ipsos chiede già un’etichetta per indicare i brani generati con l’AI (3), e negli Stati Uniti il 44% degli ascoltatori dice a Luminate che sarebbe meno interessato a un brano se sapesse che è stato prodotto con l’AI generativa (5). Quando quell’informazione sarà davanti a tutti, potrà diventare anche una differenza di prezzo. Nella stessa direzione va la previsione di Goldman Sachs: un abbonato su cinque è un «superfan», disposto a spendere di più per un rapporto più stretto con i suoi artisti, e un’offerta pensata per loro varrebbe 4,3 miliardi di dollari l’anno di ricavi in più (18). In Cina succede già: Tencent Music, la prima piattaforma musicale del paese, vende un abbonamento «Super VIP» con vantaggi riservati ai fan più fedeli, che costa due volte e mezzo quello normale, e all'inizio del 2025 lo aveva scelto il 12% dei suoi abbonati.

Nel prossimo pezzo guarderemo alle altre arti, partendo da Vincent van Gogh e dal fratello Theo, che gli pagò dieci anni di pittura. Ma come cambia l’arte per effetto delle nuove tecnologie?

Guido un’azienda che si occupa di automazione, agenti e intelligenza artificiale: ne scrivo perché li vedo da vicino, non per venderti qualcosa. Per questo articolo ho usato l’AI per cercare e verificare le fonti ma l’idea dell’articolo, la tesi e la revisione sono mie.

Riferimenti

1. The Next Web, «Apple Music will label AI songs, and the tags behind them are now mandatory», 21 agosto 2026, con le dichiarazioni di Oliver Schusser a Billboard dell’aprile 2026. link

2. Deezer, «Deezer to give users the option to filter out AI-generated music», 13 ottobre 2026. link

3. Deezer, «Deezer/Ipsos survey: 97% of people can’t tell the difference between fully AI-generated and human-made music», 12 novembre 2025. link

4. Deezer, «AI music exceeds 50% of daily uploads on Deezer», 21 luglio 2026. link

5. Luminate, «2025 Year-End Music Report», gennaio 2026, pagine 15-16 e 60. link

6. IFPI, «Global Music Report 2026: global recorded music revenues grow 6.4%», marzo 2026. link

7. Music Ally, «Goldman Sachs lowers its forecasts for global music industry», 4 giugno 2025, sul rapporto Music in the Air 2025. link

8. Pollstar, «Pollstar 2024 Year End Analysis», 13 dicembre 2024, e «2025 Year End Business Analysis», 23 dicembre 2025. link

9. Ohio State University, sullo studio di Hubert Léveillé Gauvin pubblicato in Musicae Scientiae, ripreso da Hypebot, aprile 2017. link

10. Chartmetric, «Are Songs Actually Getting Shorter? It’s Not That Simple», 3 aprile 2025. link

11. Consequence, «Spotify Is Filling Playlists with Ghost Artists to Minimize Royalty Costs, New Report Alleges», 18 dicembre 2024, sull'inchiesta di Liz Pelly per Harper's. link

12. Music Business Worldwide, sull’inchiesta di Dagens Nyheter: «This secret composer is behind 650 fake artists on Spotify», 19 marzo 2024. link

13. N. Ta, F. Jiao, C. Lin, C. Shen, «Examining Platformization in Cultural Production: A Comparative Computational Analysis of Hit Songs on TikTok and Spotify», arXiv, novembre 2024. link

14. J. Petry, N. Kullick, «From art form to asset: our study found popular songs are becoming more generic», The Conversation, 3 ottobre 2025. link

15. A. Anderson e altri, «Algorithmic Effects on the Diversity of Consumption on Spotify», The Web Conference 2020. link

16. L. Aguiar, J. Waldfogel, «Platforms, Promotion, and Product Discovery: Evidence from Spotify Playlists», NBER Working Paper 24713. link

17. FIMI, classifiche annuali degli album, primi 100 di ogni anno, 2018-2023: elaborazione di Le conseguenze sulla strada di provenienza degli artisti. link

18. Music Business Worldwide, «Emerging markets, superfans, and price rises: 7 takeaways from Goldman Sachs’ new Music in the Air report», giugno 2025. link

Due interventi a Wave by Vento

Dal 7 al 9 ottobre le OGR di Torino hanno ospitato Wave, l’evento con cui Vento, il fondo di venture capital torinese, ha raccolto l’eredità dell’Italian Tech Week. Ero in sala e mi hanno colpito due interventi che, ascoltati a poche ore di distanza, raccontano la stessa storia da due punti di vista differenti.

Vittorio Colao, oggi vicepresidente per l’area EMEA del fondo General Atlantic e fra il 2021 e il 2022 ministro per l’innovazione tecnologica, ha descritto il ritardo europeo nella tecnologia. Nei settori tradizionali l’Europa ha i suoi grandi gruppi: energia, farmaceutica, banche, beni di consumo. Nella tecnologia no, e questo prepara per i prossimi anni una dipendenza prevedibile e pericolosa. Ha parlato anche del GDPR e del regolamento europeo sull’intelligenza artificiale, norme scritte bene e molto complicate da applicare, su cui chi conosce la tecnologia e chi scrive le leggi dovrebbe cercare insieme un equilibrio. A margine dell’evento, La Stampa gli ha raccolto una domanda: «Come possiamo pensare di creare dei decacorni, dei pentacorni, delle grandi aziende, se continuiamo a mantenere questa complessità sottostante?» (1).

Sean Kask, Chief AI Strategy Officer di SAP, ha spiegato una scelta della sua azienda. SAP non costruisce un proprio grande modello linguistico. Per Kask entrare in quel «red ocean», il mercato affollato in cui la concorrenza consuma i margini di tutti, non ha senso per SAP e non ne ha per l’Europa: spendere 10 miliardi di dollari per un modello superato dopo sei mesi non ha senso (2). SAP ha investito invece in un «knowledge graph», una mappa che collega 500.000 tabelle e 7 milioni di campi dei suoi sistemi gestionali. Serve a far capire a un modello di AI dove stanno gli ordini e i fornitori di un’azienda, e come si legano fra loro.

A luglio SAP ha chiuso l’acquisizione di Prior Labs, una startup tedesca che sviluppa modelli specializzati nei dati in tabella, con l’impegno di investirci più di un miliardo di euro in quattro anni (2). Kask l’ha riassunta con una frase: «Every software company has to become an AI company, or they’ll perish».

Il ritardo sta in un settore solo

I giornali hanno raccontato i due interventi separatamente.

La Stampa ha titolato su Colao e sulla burocrazia che frena le startup, e sul «topolino»: il 28-esimo regime, lo statuto societario unico europeo pensato per far crescere le imprese oltre i confini nazionali, da cui gli Stati hanno tenuto fuori il lavoro e il fisco.

Di Kask, The Next Web ha ripreso soprattutto l’acquisizione di Prior Labs, l’investimento da oltre un miliardo di euro con cui SAP punta sui dati in tabella.

Messi uno accanto all’altro, i due interventi formano una diagnosi e una possibile risposta. Colao dice dove l’Europa ha perso. Kask indica un terreno su cui non ha ancora perso, e su cui il valore lo decide chi possiede i dati e i processi delle imprese.

La diagnosi ha un numero preciso nel rapporto sulla competitività che Mario Draghi ha consegnato alla Commissione europea nel settembre 2024. Se si esclude il settore tecnologico, scrive Draghi, negli ultimi vent’anni la produttività europea è cresciuta più o meno quanto quella americana (3). Il divario fra le due economie nasce quasi tutto lì. Da allora si è allargato. Fra il 2019 e il 2024 la produttività oraria americana è cresciuta del 9,7%, quella europea del 2,4%; nel 2024 un’ora di lavoro in Europa produceva il 38% in meno che negli Stati Uniti, e nel settore dell’informazione e della comunicazione il 48% in meno (4).

Le classifiche di borsa lo confermano. Ogni anno PwC conta le cento aziende quotate di maggior valore al mondo (5). Nel 2016 le europee erano 26 e valevano un quinto del totale. Al 31 marzo 2026 sono 16 e ne valgono l’8%, mentre le americane sono passate da 52 a 62 e fanno da sole il 75% del valore. Nell’elenco le aziende dell’Unione sono nove, e la più grande è ASML, l’olandese che costruisce le macchine per produrre i chip.

Le europee della lista vengono quasi tutte da farmaceutica, lusso, energia e beni di consumo, e le tre farmaceutiche, Roche, Novartis e AstraZeneca, stanno fuori dall’Unione, in Svizzera e nel Regno Unito. Il primato europeo fuori dalla tecnologia esiste, ma appartiene al continente più che all’Unione.

C’è poi un patrimonio che nessuna classifica misura. Sono decenni di processi industriali scritti dentro i sistemi gestionali delle imprese europee: la pianificazione di una linea di montaggio, la tracciabilità di un lotto di farmaci dalla fabbrica alla farmacia. Un modello linguistico generico non sa nulla di tutto questo. Chi lo collega a quei dati costruisce lo strumento che un’azienda usa per lavorare, e la tesi di Kask è che il valore dell’AI per le imprese si formerà lì.

Tre numeri sulla distanza

Il primo numero spiega perché la corsa ai modelli è chiusa. Nel 2025 gli investimenti privati in intelligenza artificiale sono stati di 285,9 miliardi di dollari negli Stati Uniti e di 20,9 in Europa, secondo l’AI Index della Stanford University (6). La Cina si ferma a 12,4, ma il dato conta solo il capitale privato: i fondi governativi cinesi hanno destinato all’AI circa 184 miliardi fra il 2000 e il 2023. Lo stesso rapporto conta i modelli rilevanti usciti nell’anno, 59 americani, 35 cinesi e 2 europei (7). L’Europa parte con un quattordicesimo del capitale americano, e la distanza cresce: nel 2025 gli investimenti americani sono aumentati del 160%, quelli europei del 7%.

Il secondo numero riguarda il campione europeo. A settembre la francese Mistral ha raccolto 3 miliardi di euro a una valutazione di oltre 21 miliardi, in un round guidato da Samsung a cui ha partecipato di nuovo ASML, già primo investitore nel 2025 (8). A maggio Anthropic ha raccolto 65 miliardi di dollari a una valutazione di 965 miliardi (9). La più grande azienda europea di modelli vale meno di un trentesimo di Anthropic. Il dettaglio di ASML conta più della cifra: un produttore di macchinari industriali che finanzia un modello linguistico è un’industria che cerca un modello per i propri dati.

Il terzo numero dice dove stanno quei dati. I fornitori europei di cloud hanno il 15% del mercato europeo, contro il 29% del 2017; Amazon, Microsoft e Google insieme ne hanno il 70% (10). SAP e Deutsche Telekom, i più grandi fra gli europei, arrivano al 2% ciascuno. Il patrimonio che Kask indica come vantaggio dell’Europa gira in larga parte su calcolatori americani.

Le ricette, la cucina e il ristorante

L’obiezione più forte alla strategia di SAP viene dalla Commissione europea. A luglio un forum di oltre cento esperti riunito dall’Ufficio europeo per l’AI ha scritto che i modelli non di frontiera sono «an imperfect substitute», un sostituto imperfetto, e che i prossimi uno o due anni possono decidere la posizione dell’Europa (11).

SAP stessa offre l’esempio. Da maggio il modello principale di Joule, l’assistente AI dei suoi sistemi gestionali, è Claude di Anthropic (12). I dati e i processi sono europei, il modello che li interpreta è americano. Chi controlla il modello può alzarne il prezzo o smettere di fornirlo. Il rischio lo vede anche Alex Karp, amministratore delegato dell’americana Palantir, che il 3 agosto ha scritto agli azionisti che le organizzazioni di tutto il mondo si stanno accorgendo del rischio di consegnare ai creatori dei modelli linguistici «the keys to their institutions», e che i suoi clienti «have declined to become vassal states of the language labs» (13).

Per capire dove sta il rischio possiamo fare un parallelo con un ristorante. Le ricette sono i processi e i dati delle imprese: come si pianifica la nuova stagione di borse di lusso, come si traccia un lotto di farmaci, come si gestisce il ciclo passivo in Polonia. È il sapere che SAP ha messo nel suo knowledge graph, ed è europeo. La cucina sono i modelli, che trasformano gli ingredienti in un piatto e si possono comprare da più fornitori. E sui quali, anno su anno, c’è una riduzione dei prezzi pazzesca. Il ristorante è il data center: chi lo possiede decide chi entra e quanto si paga.

La cucina si cambia più facilmente di quanto sembri. SAP lascia ai clienti la scelta fra modelli di più fornitori, Mistral compresa, e i dati dell’AI Index dicono che le cucine si somigliano sempre di più: a marzo 2026 il miglior modello americano superava il miglior cinese del 2,7%, e il miglior modello chiuso superava del 3,4% il miglior modello open, quello che chiunque può scaricare e installare sui propri calcolatori (7). Se passare da un fornitore all’altro costa poco, il modello diventa un componente intercambiabile, e il ricettario resta a chi l’ha scritto.

Il ristorante invece non si cambia in un trimestre. Chi possiede la sala vede passare ogni piatto e decide a quali condizioni servirlo. Il think tank Bruegel lo scrive in un rapporto di settembre: la capacità di calcolo installata sul territorio è una condizione necessaria della sovranità, qualunque sia l’origine dei modelli. Oggi l’Unione ne ha circa 2 gigawatt, il 5% del totale mondiale; gli Stati Uniti 35, il 78% (14). I progetti annunciati, gigafactory europee comprese, cambiano poco le proporzioni: nel 2031 la quota europea salirebbe al 6%.

Il conto europeo lascia fuori un pezzo: la capacità di calcolo per l’AI che gli hyperscaler americani hanno installato nei loro data center in Europa, su cui non esistono dati pubblici. Bruegel ricorda che le TPU, i processori per l’AI che Google progetta in proprio, valgono circa un quarto del calcolo mondiale, e che una parte rilevante sta probabilmente nei data center europei di Google. Il calcolo presente sul territorio supera quindi il 5%, di una misura che nessuno conosce. Quello sotto controllo europeo no: il pezzo mancante è americano, come i modelli che ci girano sopra.

La mappa dei cluster censiti da Epoch AI, un istituto di ricerca indipendente, mostra la stessa distribuzione vista dall’alto.

Se l’Europa si limita a scrivere le ricette, si ritroverà con ottimi piatti europei cucinati in cucine e ristoranti americani e cinesi, al prezzo che decidono loro.

Fra diciotto mesi si vedranno due scelte già avviate. Le gigafactory europee dell’AI, di cui parlo più avanti, saranno scelte a inizio 2027 e dovranno entrare in funzione entro diciotto mesi. Il 2 dicembre 2027 entreranno in vigore gli obblighi del regolamento sull’AI per i sistemi ad alto rischio, che il Digital Omnibus approvato a luglio ha spostato di sedici mesi. Rinviare un obbligo lascia intatta la sua complessità: la semplificazione chiesta da Colao, quella che rende una norma più facile da applicare senza svuotarla, non è ancora arrivata. Sulla parte del pacchetto che riguarda il GDPR e la circolazione dei dati, il negoziato fra Parlamento e Consiglio è ancora aperto.

Fra cinque anni le strade si separano. Su una, le imprese europee usano i propri dati con modelli che possono cambiare quando conviene, su calcolatori che stanno in Europa, e il valore dell’AI applicata resta a chi conosce i processi. Sull’altra, gli stessi dati diventano la materia prima con cui fornitori di altri continenti costruiscono e vendono prodotti alle imprese europee. Sarebbe la stessa dipendenza descritta da Colao, spostata su un terreno dove oggi l’Europa parte in vantaggio.

Il punto incerto è la velocità. Il forum della Commissione dà all’Europa uno o due anni, e il calendario delle gigafactory ne chiede almeno tre.

Un «whatever it takes» per il calcolo

Per chi lavora in un’azienda europea, il patrimonio di cui parla Kask ha un nome concreto: le procedure che conosce, le eccezioni che sa gestire, i dati che inserisce ogni giorno nel gestionale. È quella conoscenza che i fornitori di AI vogliono collegare ai loro modelli. Dove finisce, su quali server e con quali contratti, dipende da scelte che le direzioni informatiche fanno adesso, quando scelgono un cloud e un modello senza sapere quanto costerà cambiarli fra tre anni.

Penso che il ragionamento ascoltato a Torino porti a una conclusione precisa. Senza intelligenza artificiale le imprese europee perderanno anche il vantaggio che hanno oggi, perché il divario di produttività con gli Stati Uniti nasce già tutto nella tecnologia. Dei tre livelli dell’AI, l’Europa ha le ricette e può comprare la cucina. Le mancano i ristoranti, ed è lì che il suo patrimonio, i dati e i processi delle imprese, smette di essere europeo: resta tale solo se viene elaborato su calcolatori che l’Europa controlla.

Controllare è qualcosa di più che ospitare. Un ristorante americano a Francoforte sta in Europa, ma risponde anche alla legge americana: il CLOUD Act del 2018 consente alle autorità degli Stati Uniti di chiedere a un’azienda americana i dati che conserva, ovunque si trovino. Bruegel la vede diversamente e chiede di attirare in Europa anche il calcolo degli hyperscaler, perché chi ha investito su un territorio diventa più facile da regolare. Per l’economia è vero. Per il sapere industriale delle imprese europee, credo di no.

Nel luglio 2012, a Londra, Mario Draghi salvò l’euro con tre parole: «whatever it takes». Nel 2024 ha chiesto all’Europa fra 750 e 800 miliardi di euro l’anno di investimenti aggiuntivi (3). A fine agosto ha fondato con Patrick Collison, il fondatore di Stripe, il Rhine Group, che vuole trasformare quel rapporto in riforme e fra i suoi membri conta anche Colao. L’11 settembre, sul Financial Times, Draghi ha chiesto all’Europa di costruire i propri data center per l’AI: restarne tagliati fuori, quando l’economia ci girerà sopra, sarebbe come restare tagliati fuori dal sistema finanziario americano (15). Tre giorni dopo Christine Lagarde, presidente della BCE, ha dato la cifra: chiudere il divario europeo di data center nei prossimi dieci anni potrebbe costare fino a 600 miliardi di euro, chip compresi. È meno di quanto i Paesi dell’Unione hanno speso per la difesa in un anno e mezzo: 418 miliardi nel solo 2025 (16).

Serve un impegno della stessa natura di quello del 2012, finanziato in comune come lo fu NextGenerationEU dopo la pandemia. Fra modelli e infrastrutture, penso che la priorità vada alle infrastrutture.

Investire però non vuol dire inseguire gli Stati Uniti gigawatt per gigawatt. Non è detto che all’Europa servano i 255 gigawatt che gli americani avranno nel 2031. Il calcolo va dimensionato per sfamare gli europei, le imprese e le amministrazioni che useranno l’AI ogni giorno, e per sostenere le nostre esportazioni. Ma va dimensionato bene, e oggi l’Europa non copre nemmeno la propria domanda: secondo Draghi mancano circa 3 gigawatt, che diventeranno 14 nel 2030 (15), e per Lagarde quel divario è destinato a crescere di più di sei volte in dieci anni (16).

La risposta europea, per ora, sono le gigafactory dell’AI. Ursula von der Leyen le ha annunciate nel febbraio 2025 dentro il piano InvestAI, e a gennaio di quest’anno il Consiglio le ha rese possibili modificando il regolamento sul supercalcolo europeo.

Sono impianti pensati per addestrare i modelli più grandi, con tre o quattro volte i processori delle maggiori AI factory europee di oggi. Alla consultazione del 2025 sono arrivate 76 proposte da 16 Stati membri. Il bando è uscito il 30 luglio: fino a sette gigafactory in almeno sette Paesi, circa 10 miliardi di fondi pubblici divisi fra l’Unione e gli Stati, almeno 20 miliardi attesi dai privati (17).

Si sono fatti avanti, fra gli altri, Francia, Germania e Spagna, e l’Italia con un consorzio guidato da Eni e Leonardo insieme a TIM, con siti in Lombardia e in Puglia (18). La selezione è prevista a inizio 2027, e il grosso dei fondi pubblici arriverà con il bilancio europeo che comincia nel 2028.

Bruegel ne ridimensiona il peso. Le cinque gigafactory già presenti nei piani varrebbero il 4% della capacità di calcolo dell’Unione nel 2031, circa 150 megawatt ciascuna, e fra i 101 centri di calcolo previsti la prima arriverebbe al trentasettesimo posto per potenza. Tre quarti di quei progetti, e l’84% della capacità, sono finanziati interamente da privati (14). Le gigafactory sono un segnale politico; il calcolo europeo, finora, lo stanno costruendo soprattutto le imprese.

I soldi da soli non bastano. In Germania un data center che ha già i permessi e la fornitura elettrica impiega in media 42 mesi per entrare in funzione; negli Stati Uniti ne bastano 24 (14). Bruegel scrive che il capitale privato non è il vincolo principale: lo sono i tempi delle autorizzazioni e l’accesso alla rete elettrica.

Il «whatever it takes» del calcolo comincia da lì, dai permessi e dalle linee elettriche. E dalla domanda: Draghi propone che le imprese europee si impegnino insieme a comprare calcolo europeo, così che i nuovi data center abbiano clienti prima ancora di essere costruiti. ASML, Capgemini e Amadeus hanno già firmato contratti pluriennali con Mistral, che punta a un gigawatt entro il 2030.

Il bando per le gigafactory chiude il 3 dicembre, e la prima prova sarà il tempo che passerà fra la selezione e il primo calcolatore acceso.

A chi guida un'impresa europea chiedo una cosa sola: quando sceglie dove far girare i propri dati e i propri processi, metta nel conto chi possiede il ristorante. Se esiste un'alternativa europea, la valuti seriamente.

Guido un’azienda che si occupa di automazione, agenti e intelligenza artificiale: ne scrivo perché li vedo da vicino, non per venderti qualcosa. Per questo articolo ho usato l’AI per cercare e verificare le fonti ma l’idea dell’articolo, la tesi e la revisione sono mie.

Riferimenti

1. La Stampa, «Wave, Colao scuote l'Europa: "Troppa burocrazia frena le startup. Un topolino il 28esimo regime"», Fabrizio Goria, 9 ottobre 2026.

2. The Next Web, «Why SAP bet €1bn on Prior Labs, according to its AI strategy chief», 8 ottobre 2026.

3. Mario Draghi, «The future of European competitiveness», Parte A, settembre 2024, pp. 24 e 63.

4. World Employment Confederation Europe, Olivier Redoulès (Rexecode), «Understanding the EU-US labour productivity gap #3», dicembre 2025, p. 4.

5. PwC, «Global Top 100 companies by market capitalisation», marzo 2026, p. 5.

6. Stanford HAI, «AI Index Report 2026», capitolo 4, Economy, pp. 182-185

7. Stanford HAI, «AI Index Report 2026», rapporto completo, pp. 17 e 76-77

8. EU-Startups, «French AI company Mistral raises €3 billion Series D led by Samsung at over €21 billion valuation», 8 settembre 2026

9. TechCrunch, «Anthropic raises $65 billion, nears $1T valuation ahead of IPO», 28 maggio 2026.

10. Synergy Research Group, «European cloud providers' local market share now holds steady at 15%», 24 luglio 2025.

11. Commissione europea, AI Office, «Frontier AI expert findings on EU competitiveness, sovereignty and security», 15 luglio 2026

12. SAP News, «SAP and Anthropic to bring Claude to SAP Business AI platform», maggio 2026.

13. Palantir, «Q2 2026 Letter to Shareholders», Alex Karp, 3 agosto 2026.

14. Bruegel, «How can Europe address its pressing AI compute infrastructure shortfall?», policy brief 18/2026, 10 settembre 2026, tabella 1, p. 4

15. Investing.com, «Mario Draghi calls for Europe to build AI data centers», 11 settembre 2026, sull'articolo di Draghi nel Financial Times

16. Banca centrale europea, Christine Lagarde, «A new age of capital: growth, sovereignty and AI», Vienna, 14 settembre 2026

17. EuroHPC Joint Undertaking, «EuroHPC launches AI Gigafactories call», 30 luglio 2026.

18. Fortune Italia, «Parte la corsa all'AI gigafactory europee, e sarà a ostacoli», 30 luglio 2026.

Tre like sulla nota dei tre like

Chi legge Le conseguenze da qualche settimana noterà che questa edizione ha un tono più scherzoso delle altre. Il motivo è semplice: parla di Substack, cioè del posto in cui viene pubblicata, e di chi ci scrive, quindi anche di chi la firma. Prendersi troppo sul serio, in questo caso, sarebbe stato poco credibile.

Basta frequentare Substack per qualche settimana per riconoscere un genere letterario a sé. Un’autrice si chiede se qualcuno legga le sue note, «tranne i miei 3 followers». Un altro pubblica un’immagine con la didascalia «come mi sento mentre scrivo articoli per i miei zero iscritti». Una terza trova «qualcosa di elegantemente ironico nell’avere 3 like su Substack», molto «di nicchia, troppo presto per essere capita». I like a quella nota, manco a dirlo, sono proprio tre.

Accanto al lamento c’è la tassonomia. Un’autrice inglese scrive che Instagram chiede di essere guardati, LinkedIn di essere apprezzati, TikTok di essere intrattenuti.

Substack accoglie il saggio di 3.000 parole su un argomento specifico, senza alcuna garanzia che qualcuno lo legga. C’è chi registra come «evento canonico delle cool girls» il cominciare a scrivere su Substack senza dirlo a nessuno. E c’è la consolazione, più seria: Substack non porterà ricchezza né fama letteraria, ma può diventare un laboratorio di idee.

Poi ci sono le note sulla crescita, che sono le più istruttive. Un autore italiano racconta che basta mettere un cuore a una nota perché l’autore arrivi in chat a proporgli la sua newsletter, e che l’effetto su di lui è l’opposto di quello cercato. Un’autrice americana confessa la sua strategia: tu ti iscrivi a me, io vado a vedere chi sei, leggo tre tuoi post, mi iscrivo anch’io e da quel momento faccio il tifo per tutta la tua vita. «Forse non è così che si costruisce un pubblico», conclude.

E abbondano post gratuiti e guide a pagamento su come aumentare il numero degli iscritti alla propria newsletter. Il paradosso è che il social nato per liberarci dalla schiavitù dei like sia quello in cui impazza l’ossessione per la crescita degli iscritti.

Non è raro che dietro queste note, a metà fra lo stupito e il malinconico, ci sia qualcuno che altrove ha migliaia di follower e qui raccoglie qualche cuore e una manciata di iscritti. Substack attira un tipo preciso di persona: chi ha voglia di scrivere post lunghi, e chi ha voglia di leggerli. E, soprattutto fra i più giovani, sembra circolare il mito di guadagnare 5.000 euro al mese scrivendo opinioni originalissime, quando se ne ha voglia, dal bordo di una piscina o dallo Starbucks sotto casa. A 7 euro al mese, per arrivarci servono più di 700 abbonati paganti: circa 800, tolta la commissione di Substack.

L’atmosfera è ovattata, i commenti sono tendenzialmente educati, i lettori sembrano attenti. I numeri però quando arrivano sono piccoli. Per chi viene da Instagram la sorpresa è comprensibile. Ma prima di concludere che Substack è un social troppo «chill» per farsi leggere, conviene guardare come funziona, quanto vale un suo lettore, chi ci guadagna e che cosa sta diventando.

Una mail in casella

Substack nasce nel 2017 da un’idea nobile. Chris Best, Hamish McKenzie e Jairaj Sethi partivano da una diagnosi sui media online: la pubblicità costringe chi scrive a inseguire l’attenzione invece della qualità. La loro risposta era una piattaforma senza annunci, in cui un autore vive solo di quello che i lettori decidono di pagargli, e quindi della profondità e della qualità di quello che scrive. «I modelli basati sulla pubblicità mandano in pappa il cervello di tutti», diceva McKenzie nel 2019 (1).

Il meccanismo di base di Substack è vecchio quanto LISTSERV, il programma che dal 1986 distribuiva per e-mail i messaggi delle prime mailing list, agli albori di internet. Chi si iscrive lascia un indirizzo e-mail, e ogni nuovo articolo arriva in casella.

L’iscrizione può essere gratuita o a pagamento; su quella a pagamento Substack trattiene il 10%, e su quella gratuita non guadagna nulla (2). Nel marzo 2025 l’azienda ha dichiarato 5 milioni di abbonamenti a pagamento, erano 2 milioni nel 2023 (2), e oltre 35 milioni di iscrizioni attive, gratuite e a pagamento: una persona iscritta a dieci newsletter conta dieci volte (3).

Sopra la newsletter, negli ultimi tre anni, Substack ha costruito un social. Dal 2023 esistono le Note, brevi post con like, commenti e restack, che scorrono in un feed dentro l’app. Ci sono le raccomandazioni reciproche fra pubblicazioni, la chat, i video, le dirette.

Le Note hanno però un pubblico molto particolare. Un’autrice che studia la piattaforma ha contato in tre giorni diversi le prime 50 note del suo feed: fra il 99% e il 100% erano scritte da autori di Substack, e fra il 62% e il 64% dei like veniva da autori (4). È un campione piccolo, e riguarda un solo feed, ma descrive bene quello che chi frequenta le Note vede ogni giorno: ci si legge fra colleghi.

Questo spiega l’educazione dei commenti meglio di qualsiasi ipotesi sul carattere degli utenti. Chi commenta scrive a sua volta, e si aspetta lo stesso trattamento: siamo tutti blogger affermati o aspiranti tali, e nessuno ha interesse a farsi dei nemici fra i propri potenziali lettori. E spiega anche il lamento: chi arriva su Substack per farsi leggere trova una sala piena di persone arrivate per lo stesso motivo.

Il follow e l’iscrizione

Che il pubblico sia piccolo, però, non vuol dire che valga poco. Su tutti gli altri social, quello che pubblichi arriva ai tuoi follower solo se il feed decide di mostrarglielo. Le misure più citate danno a un post di una pagina Facebook una copertura organica di poco più dell’1% dei follower, a un post Instagram poco più del 3% (5). Una newsletter, invece, arriva nella casella di tutti gli iscritti, e la aprono in media fra il 20% e il 40% di loro, a seconda di come si contano le aperture automatiche dei client di posta (6). Anche nel caso più prudente, un iscritto vale fra cinque e dieci volte un follower.

C’è poi un vantaggio pratico, che chi si lamenta di solito trascura: i post pubblici di Substack stanno sul web aperto e Google li indicizza per intero, come un articolo di giornale. Su Instagram arrivano nei motori di ricerca solo i contenuti pubblici degli account professionali, e su Facebook i post riservati agli amici restano fuori. Un pezzo che oggi raccoglie tre like può quindi essere trovato fra due anni da qualcuno che cerca proprio quell’argomento.

I dati sul livello di istruzione esistono solo per gli Stati Uniti, e dicono due cose. La prima è che LinkedIn ha il divario più forte di tutti: lo usa più di metà dei laureati e uno su dieci fra chi ha al massimo il diploma (7). La seconda è che TikTok è l'unica piattaforma usata di più da chi ha studiato di meno (8). Substack non pubblica dati sull'istruzione dei suoi lettori, e le cifre che circolano online non hanno una fonte che si possa controllare. L'impressione di un social elitario nasce quindi da quello che si vede: testi lunghi, discussioni pacate, un pubblico che sceglie di leggere tremila parole. È un filtro, e funziona come tutti i filtri: seleziona, e quindi riduce.

L’analisi di Pangram

C’è un motivo in più per cui oggi un lettore che ti ha scelto vale tanto: il testo che circola sui social lo scrive sempre più spesso una macchina. Fra aprile e giugno 2026 Pangram, un’azienda che produce rilevatori di testo artificiale, ha analizzato oltre un milione di post su cinque piattaforme, guardando in particolare a quelli lunghi, sopra le 250 parole. Su LinkedIn il 41% era interamente generato dall’AI, su X quasi la metà, fra testi generati e scritti con l’aiuto dell’AI. LinkedIn valeva un terzo dei post esaminati e quasi due terzi di tutto il testo artificiale trovato. Substack stava intorno al 10% (9). Chi vende rilevatori ha interesse a trovare molto testo artificiale, quindi la cifra bassa di Substack è, se possibile, ancora più credibile.

Se produrre un testo non costa quasi niente, quello che resta scarso è qualcuno che lo legga per scelta. Anche la fiducia è scarsa: nel 2026 il Reuters Institute ha misurato che delle notizie che passano dai social si fida il 22% delle persone, contro il 37% delle notizie in generale (10). Una mail aperta da una persona che si è iscritta sapendo chi sei è oggi una delle poche misure di attenzione che un software non può gonfiare. I tre iscritti dell’autrice delle note, da questo punto di vista, valgono più di quanto lei stessa pensi.

Chi sta in cima

Se un lettore scelto vale così tanto, resta da capire chi riesce a farsi pagare. Substack non pubblica una classifica con i numeri. Mostra l’ordine delle pubblicazioni più seguite e, per i paganti, solo fasce generiche come «migliaia» o «decine di migliaia». Mettendo insieme le cifre visibili sulle pagine delle pubblicazioni e le stime di chi le raccoglie (11), la cima appare così.

La tabella dice tre cose. La prima è che la cima di Substack è americana e in gran parte politica: fra le 52 newsletter che incassano almeno 500.000 dollari l’anno, il 46% parla di politica statunitense (12).

La seconda è che accanto alla politica ci sono le newsletter professionali, sul prodotto, sul software, sui mercati, che spesso non paga il lettore ma la sua azienda: la pagina di Lenny’s Newsletter offre perfino il modello di mail con cui chiedere al proprio capo il rimborso. Delle quattro newsletter che superano il milione di sterline l’anno, tre sono di questo tipo, e una costa 1.000 sterline l’anno.

La terza è che essere grandi non basta per guadagnare: secondo l’analisi del luglio 2025, solo nove pubblicazioni compaiono sia fra quelle con più di mezzo milione di iscritti sia fra le più redditizie (11). In cima, insomma, si paga per tifare o per lavorare meglio, e molto meno per il piacere di leggere qualcuno.

Sette euro per un autore, dieci per l’intera redazione

Il caso italiano più citato è quello di Selvaggia Lucarelli. La sua newsletter, partita nell’estate 2024, costa 7 euro al mese o 70 euro l’anno, ha circa 220.000 iscritti, «qualche decina di migliaia» dei quali paganti, e nel 2025 ha incassato 1,77 milioni di euro lordi. È la newsletter di cultura più seguita al mondo su Substack, e la seconda ha poco meno di un terzo dei suoi iscritti (13).

Per l’accesso illimitato al sito del Corriere della Sera, cioè al lavoro di un’intera redazione ogni giorno, il listino chiede 9,99 euro al mese; a inizio ottobre una promozione lo offriva, insieme ai giochi, a 9 euro per un anno, poco più di un mese di Vale tutto. E in Italia nel 2026 paga per leggere notizie online l’8% delle persone, una delle quote più basse fra i Paesi esaminati dal Reuters Institute (10).

Personalmente fatico a credere che un modello fondato sulla disponibilità di ciascuno a pagare cinque o sette euro al mese per un singolo autore abbia molta strada davanti. Il confronto con l’abbonamento a un giornale, che con la stessa cifra offre centinaia di articoli da tutto il mondo, è impietoso: perché dovrei pagare sette euro al mese per leggere le opinioni di Lucarelli o, peggio ancora, quelle di Mentrasti? Pochissimi autori reggono quel confronto, e infatti i ricavi si concentrano su una cinquantina di newsletter che superano il mezzo milione di dollari l’anno.

Quanto possa crescere il modello a pagamento lo dice lo stesso rapporto del Reuters Institute (10). Nei venti paesi più seguiti paga per le notizie online il 17% delle persone, una quota che non si muove da anni: fra il 10% e il 20%, osserva il rapporto, sembra esserci un tetto, e solo i paesi nordici lo sfondano. La ricchezza conta meno di quanto si pensi: la Germania, il Giappone e il Regno Unito, fra il 9% e l’11%, stanno vicino all’Italia, mentre la Norvegia arriva al 40%.

Substack guadagna quindi dove i lettori sono abituati a pagare per leggere, e dove si scrive in inglese: il Regno Unito, che per le notizie paga poco, è il suo secondo mercato, perché gli autori britannici vendono a lettori di tutto il mondo. Altrove resta un social gratuito, che porta lettori ma non soldi.

Dalla casella al feed

Il nodo sta nel modo in cui Substack guadagna: solo sul 10% dei pagamenti. Con un ricavo di circa 45 milioni di dollari l’anno, a luglio 2025 Substack ha raccolto 100 milioni di dollari con una valutazione di 1,1 miliardi, circa ventiquattro volte i ricavi (2). Chi ha investito a quel multiplo non scommette su una tranquilla tipografia di newsletter: scommette che i paganti si moltiplichino. Se il valore di un singolo abbonamento ha un tetto, l’unica leva è il numero: più lettori, più autori, più tempo passato nell’app, più occasioni di conversione.

Le Note e l’app servono a questo. All’evento per i creator dell’ottobre 2025 a New York l’azienda ha dichiarato oltre 32 milioni di nuove iscrizioni gratuite e quasi 500.000 a pagamento in tre mesi, portate dall’app; il responsabile del machine learning, Mike Cohen, ha spiegato che l’obiettivo è «portare le persone a scoprire, iscriversi e, idealmente, pagare» (14).

Con il feed arriva anche quello che tiene le persone attaccate agli altri social, e che ha una parte di chimica e una parte di leggenda.

La leggenda è la «scarica di dopamina» a ogni like: nessuno studio l’ha misurata, e la dopamina, spiegano i neuroscienziati, segnala l’attesa di una ricompensa più che il piacere di riceverla.

La parte vera è il meccanismo. Analizzando oltre un milione di post di più di 4.000 persone, un gruppo di ricercatori guidato da Björn Lindström ha mostrato che chi pubblica regola tempi e frequenza in base ai like ricevuti, con lo stesso schema di apprendimento degli animali che cercano cibo (15). Già nel 2016 uno studio dell’UCLA aveva visto attivarsi negli adolescenti il circuito cerebrale della ricompensa davanti alle proprie foto piene di like, e nel 2021 un piccolo studio olandese ha trovato un legame fra l’uso delle app social e il sistema della dopamina. Funziona come una slot machine: il like che forse arriva, il feed che forse ha qualcosa di nuovo. La newsletter che arriva per e-mail ne è quasi priva, mentre le Note, con i loro cuori e il loro feed, lo riproducono: per questo il «dopamine-free» del sottotitolo ha bisogno di un «quasi».

Un feed che premia le iscrizioni premia anche chi ha capito come ottenerle. Un’analisi di 9.641 note di 689 autori, fatta ad aprile 2026, ha cercato le formule che portano nuovi iscritti (16). Aprire con le proprie credenziali, del tipo «dopo sei anni di medicina», moltiplica i risultati per venti. Ripetere lo stesso attacco su più righe, «Nessuno mi aveva detto X. Nessuno mi aveva avvertito di Y.», li triplica. Una domanda li riduce del 35%. Solo 956 note su 9.641 hanno portato almeno un iscritto. Chi legge LinkedIn riconoscerà lo stile: è quello stesso dei post che Pangram classifica come artificiali. Quando un feed premia una formula, la formula si diffonde, e una macchina la imita meglio di chiunque. Il 10% di Substack è una fotografia dell’estate 2026, e niente garantisce che resti tale.

Poi è arrivata la pubblicità. Nel dicembre 2025, cinque mesi dopo la valutazione da 1,1 miliardi, Substack ha avviato un programma pilota per mettere in contatto gli autori con i marchi disposti a sponsorizzarli, senza trattenere per ora nessuna percentuale.

Nel giugno 2026 lo ha allargato: un responsabile dedicato, kit con i dati del pubblico da mostrare agli inserzionisti, i primi nomi in vetrina, da Uber a T-Mobile, da Balenciaga a Polymarket. Per entrare servono almeno 100 abbonati paganti (17). Ogni autore resta libero di rifiutare, e di sponsorizzazioni, ha precisato McKenzie, non ne vogliono tutti (1). Ma la piattaforma nata contro la pubblicità oggi fa da agenzia fra chi scrive e chi vende.

Chi si lamenta di scrivere per nessuno chiede in sostanza a Substack di diventare come Instagram, e Substack, per ragioni sue, sta andando proprio in quella direzione. Il rischio è che, crescendo, consumi proprio la cosa che oggi lo distingue.

Dei social non ci libereremo più

Che i social siano qui per restare, ormai, lo dicono i numeri: in Italia sono il mezzo più usato ogni settimana, più della televisione, dall’89% di chi va online (18). La scelta pratica riguarda l’uso, e la linea fra quello sano e quello degenere passa più dalle nostre abitudini che dalle piattaforme.

L’uso degenere lo conosciamo tutti. È il cuore messo per farsi notare, seguito dall’invito in chat. È lo scambio di iscrizioni fra autori, che gonfia i numeri di tutti e non porta un lettore a nessuno. È la nota scritta secondo la formula che converte, e il post generato perché l’algoritmo premia chi pubblica ogni giorno. Su Substack queste abitudini sono appena arrivate, su LinkedIn, YouTube e gli altri social sono la norma.

L’uso sano richiede qualche gesto deliberato.

Il primo è decidere chi leggere: l’iscrizione a una newsletter è una delle poche scelte rimaste in mano al lettore, ed è la ragione per cui vale più di un follow.

Il secondo è sottrarsi al feed quando si può. Dall’agosto 2023 il Digital Services Act obbliga le grandi piattaforme a offrire in Europa almeno un feed non basato sulla profilazione; nell’ottobre 2025 il tribunale di Amsterdam ha dato torto a Meta proprio perché Facebook e Instagram riportavano ogni volta gli utenti al feed consigliato, e le ha imposto di rimediare entro due settimane sotto pena di 100.000 euro al giorno.

Su Substack la stessa scelta è ancora più semplice: leggere dalla casella di posta invece che dall’app, dove l’ordine lo decide chi scrive e non l’algoritmo.

Le conseguenze per chi scrive

Trecento persone che hanno scelto di ricevere quello che scrivi, e una parte delle quali lo apre davvero, sono un pubblico, molto più piccolo di quello promesso dagli altri social ma reale, in un momento in cui l’AI scrive una parte crescente di quello che circola altrove.

Il prezzo da pagare per restare in un posto così è ridimensionare le aspettative di «ricompensa» che ci procurano i like e i commenti degli altri social. Ma se per crescere bisogna adottare le stesse formule, gli stessi ritmi e gli stessi trucchi di LinkedIn, conviene almeno saperlo prima, e chiedersi se tre «iscritti» veri non valgano più di trecento like ottenuti con gli algoritmi che premiano contenuti clamorosi e divisivi.

Substack non è quotato in borsa, ma chi lo ha valutato 1,1 miliardi di dollari, ventiquattro volte i ricavi, si aspetta di vederli moltiplicati. Con 35 milioni di iscrizioni, contro i miliardi di utenti degli altri social, e con un tetto a quanti sono disposti a pagare per leggere, quella crescita può arrivare solo da pubblicità, feed e formule. Finché resta «chill», conviene godersela: non credo che durerà a lungo.

Per questo articolo ho usato l’AI per cercare e verificare le fonti ma l’idea dell’articolo, la tesi e la revisione sono mie.

Riferimenti

1. City A.M., «Substack implements native advertising following $1.1bn valuation», dicembre 2025.

2. Sacra, «Substack revenue, valuation & funding», consultato a ottobre 2026.

3. Tubefilter, «Substack passes 5 million paid subscribers», 12 marzo 2025.

4. Casandra Campbell, «Substack Notes Explained», Really Good Business Ideas, 23 maggio 2025.

5. MeetEdgar, «Social Media Organic Reach in 2026: Benchmarks & Trends».

6. Geysera, «Good Email Open Rate in 2026? It's 20-25%, Not 44%».

7. Pew Research Center, «Americans' Social Media Use», 31 gennaio 2024: l'ultimo rapporto che misura LinkedIn.

8. Pew Research Center, «Social Media Fact Sheet», dati 2025.

9. The Decoder, «LinkedIn is the undisputed king of long-form AI slop, according to a study spanning five platforms», 12 luglio 2026, sullo studio di Pangram.

10. Reuters Institute, «Digital News Report 2026», giugno 2026: chi paga per le notizie alle pp. 7 e 27, fiducia nelle notizie a p. 17, schede dei singoli paesi alle pp. 71-149 del rapporto in PDF, scaricabile da questa pagina

11. Casandra Campbell, «500K+ Subscribers? These 34 Publications Are Doing It», Really Good Business Ideas, 25 luglio 2025.

12. Press Gazette, «More than 50 newsletters earn $500,000+ on Substack», 2025.

13. Il Post, «Il clamoroso successo della newsletter di Selvaggia Lucarelli», 28 maggio 2026.

14. Substack, «Demystifying the feed», On Substack, 27 ottobre 2025.

15. Björn Lindström e colleghi, «A computational reward learning account of social media engagement», Nature Communications, 26 febbraio 2021.

16. Write Build Scale, «I Analyzed 9,641 Substack Notes. Here's What 99% of Writers Are Doing Wrong», aprile 2026.

17. Nieman Lab, «Substack is launching a sponsorship program», giugno 2026.

18. Engage, «Digital 2026: social media e AI ridisegnano la discovery degli italiani», sul rapporto Digital 2026 Italia di We Are Social e Meltwater.

Il fatto: Muse e suoi negozi

L’8 settembre Meta ha messo in circolazione negli Stati Uniti Muse, un agente di intelligenza artificiale che non si limita a rispondere alle domande ma esegue le attività richieste (1). Legge e scrive le email, prenota il ristorante, fa la spesa, paga. Chiede conferma prima delle azioni sensibili, tiene un registro di quello che ha fatto.

Per ora, riporta Sky TG24, è riservato ai maggiorenni americani su iOS, Android e sul sito muse.ai (1).

Il 23 settembre, dal palco della conferenza Connect, Mark Zuckerberg ha spiegato quello che il comunicato non diceva: come ci guadagnerà. «Rendiamo Muse gratuito per un numero enorme di utilizzi, con l’aspettativa di guadagnare nel tempo prendendo una piccola commissione sulle transazioni» (2). I negozi sono già al tavolo. Nella lista annunciata ci sono Walmart, Expedia, Sephora, Instacart, Best Buy e Wayfair, con Stripe e Shopify a gestire i pagamenti, e in un elenco a parte OpenTable per i ristoranti e Ticketmaster per i concerti (2)(3).

Lo stesso giorno Muse ha avuto una faccia. Si chiama Jolly, è un avatar con cui parlare in videochiamata (2). A dicembre arriverà Muse Charm, un oggetto grande come un portachiavi, per portarsi l’agente addosso senza telefono né occhiali (3). Il prezzo non è stato annunciato.

Il «layer» fra noi e le nostre azioni

La stampa ha raccontato Muse come una gara tra piattaforme: Meta contro OpenAI, Google, Amazon e Apple, a chi fa l’assistente più bravo. È una lettura parziale. Muse è l’ultimo capitolo di una strategia che Zuckerberg porta avanti da più di dieci anni, con una determinazione assoluta: controllare lo strato che sta fra le persone e le loro azioni.

Facebook è cresciuta dentro telefoni che non erano suoi, e le regole le scrivevano Apple e Google. Nel 2021 Apple ha introdotto la richiesta di consenso al tracciamento fra le app, e a febbraio 2022 Meta ha stimato che quella sola scelta le sarebbe costata circa 10 miliardi di dollari di ricavi in un anno (4). Da allora ogni grande scommessa di Zuckerberg è un tentativo di smettere di essere ospite in casa d’altri.

Nel 2014 ha comprato Oculus per entrare nei visori, il 28 ottobre 2021 ha cambiato il nome dell’azienda in Meta per annunciare il metaverso, e poi è arrivato agli occhiali Ray-Ban. La divisione che costruisce questi dispositivi, Reality Labs, ha perso 19,2 miliardi di dollari nel solo 2025 (5).

Il metaverso è andato male, gli occhiali restano un oggetto per pochi. Muse cambia il terreno. Non chiede di comprare un dispositivo nuovo, perché arriva dove siamo già: sull’app, in WhatsApp (1), presto negli occhiali e in un portachiavi. Si presenta poi con un nome da mascotte e un avatar da cartone animato. La scelta del pupazzo evidentemente non è un dettaglio estetico. È il modo più efficace di abbassare la guardia di chi lo usa. Se ne è accorta anche la stampa americana. TechCrunch ha titolato che Meta ha costruito per il suo agente «un dispositivo indossabile simile a un Tamagotchi», e NBC News ha riassunto il lancio in tre frasi: «È carino. È coccoloso. E vuole i tuoi dati».

Jolly, l’avatar di Muse, sullo schermo del Muse Charm. Immagine: Meta

Per Meta, Muse rappresenta un nuovo flusso di ricavi. Nel 2025 Meta ha incassato 196,2 miliardi di dollari dalla pubblicità su 201 miliardi di ricavi totali, cioè il 97,6% (5).

Per vent’anni il focus è stato uno: vendere spazi di pubblicità a chi voleva venderci qualcosa. Fra la pubblicità e l’acquisto però restava un passaggio, il nostro. Con Muse quel passaggio lo fa l’agente, e Meta guadagna quando la transazione si chiude. Zuckerberg non ha detto chi pagherà la commissione, e le prime ricostruzioni indicano i negozi, non chi compra. Se sarà così, per noi il servizio resterà gratuito, ma l’agente avrà due clienti, e a pagarlo sarà il negozio.

Da qui nasce la domanda che il registro delle azioni non risolve. Quando Muse ci propone un volo, un albergo o una crema, ha scelto quello che costa meno a noi o che fa meglio alla nostra salute, oppure quello su cui Meta prende la commissione più alta? Meta ha scritto che le conversazioni con Muse non vengono passate ai suoi sistemi pubblicitari (1), ed è un impegno da prendere sul serio. Ma chi approva l’acquisto vede la proposta finale, o vedrà anche le alternative che l’agente ha scartato per arrivarci? E soprattutto al momento dell’acquisto Meta renderà trasparente quanto ci guadagna se compriamo il prodotto A o il prodotto B?

Chi ci chiede di affidargli la carta di pagamento arriva con un curriculum non proprio entusiasmante. Nel marzo 2018 si è saputo che Cambridge Analytica, una società di consulenza politica, aveva raccolto attraverso un’app di Facebook i dati di un numero di persone che l’azienda stessa ha poi stimato in 87 milioni, e li aveva usati per profilare gli elettori (6). La Federal Trade Commission americana ha chiuso il caso nel luglio 2019 con una sanzione di 5 miliardi di dollari; il Garante italiano, a giugno 2019, con una multa di un milione di euro. Quattro anni dopo, a maggio 2023, l’autorità irlandese per la protezione dei dati ha inflitto a Meta 1,2 miliardi di euro per aver trasferito negli Stati Uniti i dati degli utenti europei, la sanzione più alta mai decisa in base al regolamento europeo sulla privacy.

La reputazione che Meta si porta dietro è pessima, e io penso che se la sia guadagnata.

Anche con Muse, Meta parte male. Il 22 settembre 404 Media ha raccontato che Meta sta provando le telefonate di Muse ai locali facendole fare da persone in un call center, mentre in pubblico l’aveva presentata come una funzione automatica. Almeno un dipendente, dall’altra parte del telefono, ha saputo solo dopo di aver parlato con un essere umano (7). Meta ha risposto che è una prova interna e che la funzione uscirà «con le dovute informative».

La dittatura delle piattaforme

Meta non fa niente di diverso dagli altri, è solo più spudorata, e due numeri lo confermano.

Il primo è la base installata di Amazon. Ci sono circa 600 milioni di dispositivi Alexa nelle case (8). Dal febbraio 2025 Alexa+, gratuita per chi ha Prime, prenota su OpenTable e chiama un Uber (8), e ad aprile dello stesso anno Amazon ha lanciato Buy for Me, un agente che compra per noi anche sui siti di altri negozi. Tradotto: il primo operatore dello strato vocale ha già un microfono in centinaia di milioni di cucine, e lo sta trasformando in una cassa.

Il secondo misura la velocità dello spostamento. Nelle festività del 2025 il traffico verso i siti di vendita americani arrivato da assistenti di intelligenza artificiale è cresciuto del 693% rispetto all’anno prima (9). Si parte da poco, ma chi compra sta già cominciando a chiedere a un assistente invece di cercare, e chi controlla l’assistente decide quali negozi compaiono nella risposta.

Intorno a questi numeri si muovono gli altri. OpenAI e Stripe hanno pubblicato a settembre 2025 un protocollo per far pagare gli agenti da dentro ChatGPT.

Google a gennaio 2026 ne ha presentato un altro, scritto insieme a Walmart, Shopify e Target. Apple ha affidato a Gemini di Google la nuova Siri.

Il 29 settembre OpenAI ha presentato i Dots, agenti che lavorano per conto di chi li usa anche a chat chiusa, per ora pensati per le aziende.

Quando l’agente del browser di Perplexity ha cominciato a comprare su Amazon per conto degli utenti, a novembre 2025 Amazon l’ha portato in tribunale. La contesa riguarda il punto in cui passano i soldi, e chi ci sta sopra.

La lotta senza quartiere delle piattaforme si è spostata dalla nostra attenzione a quello che accade dopo: l’acquisto.

Perché è il modo per assicurarsi una posizione di rendita da latifondista digitale: chi possiede la piattaforma non deciderà solo la vita e la morte del merchant o influencer ospite ma farà anche la cresta su tutte le transazioni che avvengono attraverso di essa.

L’immagine del latifondo ha già una teoria. Nel 2023 l’economista Yanis Varoufakis, ex ministro delle Finanze greco, l’ha chiamata tecnofeudalesimo, in un libro uscito in Italia per La nave di Teseo (10). La sua tesi è che il capitalismo stia cedendo il posto a qualcosa di più antico. Il motore dell’economia smette di essere il profitto, che si guadagna vendendo qualcosa sul mercato, e torna a essere la rendita, che si incassa possedendo il terreno su cui gli altri sono costretti a vendere. I nuovi re sono i proprietari delle piattaforme. Commercianti, creator e sviluppatori sono i vassalli che pagano un tributo per starci sopra, e noi utenti siamo i servi della gleba, che lavorano gratis ogni volta che scorrono un feed o scrivono una recensione.

Quanto vale quel tributo si può misurare. Questa è la commissione che le principali piattaforme trattengono oggi su ogni vendita, secondo i loro listini per la maggior parte delle categorie negli Stati Uniti (11):

In Italia i numeri sono simili. Amazon trattiene fino al 15% su molte categorie, e TikTok Shop l’8 gennaio 2026 è passato dal 5 al 9% in tutta l’Unione. eBay dal 1° settembre non fa più pagare i venditori privati, ma ha spostato il costo su chi compra: una tariffa di 10 centesimi più una quota fra il 2 e il 7% del prezzo, già inclusa in quello che si vede (12).

La commissione è solo la parte visibile. Contando magazzino, spedizioni e pubblicità, che su Amazon è diventata quasi obbligatoria per farsi trovare, nel 2023 un venditore tipico ha lasciato ad Amazon fra il 50 e il 60% di quello che incassava (13). Nel 2025 Amazon ha ricavato 172,2 miliardi di dollari dai servizi ai venditori esterni e 68,6 dalla pubblicità: un terzo di tutti i suoi ricavi (14).

Meta e Amazon vogliono fare lo stesso mestiere partendo da due punti opposti. Meta parte dalla folla: 3,58 miliardi di persone che ogni giorno passano dalle sue app (5). Non deve costruire magazzini né guidare furgoni, e una transazione in più le costa pochissimo. È il latifondista, che possiede la terra e incassa l’affitto da chi la lavora.

Amazon parte dalla catena logistica e fa tutto da sé: il magazzino, la consegna, la vetrina, la pubblicità, e spesso anche il prodotto concorrente con il proprio marchio. Somiglia al signore feudale che possedeva anche il mulino e il forno, e obbligava i contadini a usarli pagando un diritto per ciascuno: gli storici li chiamano diritti di banalità. Per questo la sua quota supera la metà di quello che il venditore incassa.

Meta questo mestiere lo conosce già. Dal 2016 ha un proprio mercato dentro Facebook, Marketplace, e dal 15 aprile 2024 ha raddoppiato dal 5 al 10% la commissione sulle vendite spedite negli Stati Uniti (11). A novembre 2024 la Commissione europea l’ha multata per 797,72 milioni di euro perché legava Marketplace a Facebook, mostrandone gli annunci a tutti gli utenti, che li volessero o no, e usava i dati degli inserzionisti concorrenti a vantaggio del proprio servizio.

Muse porta questo schema un passo più in là. Il signore del feudo finora incassava sul negozio che ci mostrava, adesso vuole incassare sulla decisione di comprare.

Quindi, dove andiamo?

Fra diciotto mesi è probabile che l’agente sia entrato negli smartphone di centinaia di milioni di persone, ma le regole saranno ancora quelle scritte per i motori di ricerca e i negozi online.

In Italia l’Autorità antitrust ha aperto a luglio 2025 un’istruttoria sull’assistente Meta AI imposto dentro WhatsApp, e a dicembre ha ordinato a Meta di riaprire la piattaforma ai chatbot concorrenti. Negli Stati Uniti la Federal Trade Commission ha chiesto a settembre 2025 a sette aziende, Meta e Instagram comprese, come controllano i loro chatbot quando fanno da compagni ai minori. Nessuna di queste regole è stata scritta per un agente che compra al posto nostro e intasca una percentuale.

Intanto la Commissione europea prepara il Digital Fairness Act, la legge sull’equità digitale che dovrebbe occuparsi di interfacce manipolative e personalizzazione commerciale, e secondo il calendario del Parlamento europeo la proposta è attesa entro la fine del 2026.

Il BEUC, che riunisce le associazioni europee dei consumatori, Altroconsumo compresa, chiede da dicembre 2025 che dentro ci siano anche gli assistenti di intelligenza artificiale.

L’obiezione più forte la fa Meta stessa, e ha i suoi argomenti. Muse chiede conferma prima di ogni acquisto, mostra il registro completo delle azioni, usa una carta virtuale monouso che nasconde i dati della carta vera, e non passa le conversazioni alla pubblicità (1). Sono garanzie più solide di quelle che il feed di Facebook ha mai offerto. La risposta è che tutte queste garanzie riguardano il momento in cui si dice sì. Nessuna riguarda il momento prima, quando l’agente ha deciso quali tre alberghi mostrarci su trecento.

Fra cinque anni la biforcazione sarà visibile a chiunque apra un’app.

Se la politica avrà fatto bene il suo mestiere l’agente lavorerà per chi lo usa come un procuratore: dichiara quanto prende da ogni negozio, mostra le alternative scartate, e la legge gli chiede di scegliere nell’interesse del cliente.

Nell’altro caso l’agente è un commesso con la faccia simpatica, pagato dal negozio, che ci accompagna sempre agli stessi scaffali. Quale dei due vinca dipende da cosa scriverà Bruxelles nei prossimi dodici mesi, e da quanto i consumatori si faranno sentire mentre lo scrive.

Muse in Europa non c’è ancora, e Meta non ha detto quando arriverà. Il terreno però è pronto. Secondo la ricerca NetRetail 2026 di Netcomm, il 14,2% degli italiani che comprano online è già disposto a lasciare che un software completi un acquisto in totale autonomia (15). Su 35 milioni di acquirenti digitali sono quasi cinque milioni di persone.

Come ci si difende?

A livello del singolo individuo, le difese sono limitate. Un agente si può usare per le cose in cui il suo interesse e il nostro coincidono, come riordinare la posta o fissare un appuntamento, e tenere lontano da quelle in cui divergono, come scegliere un’assicurazione o un integratore. Prima di approvare un acquisto si può chiedere quali alternative ha considerato e quanto costavano, e confrontare almeno una volta a mano.

Nelle impostazioni di Muse si può escludere l’uso delle proprie conversazioni per addestrare i modelli (1), e si può decidere quali app collegare e quali no. Il consiglio più semplice resta valido: un servizio gratuito con un’azienda che guadagna sulle nostre transazioni lavora almeno in parte per chi le incassa.

Le difese individuali contro aziende di queste dimensioni sono totalmente insufficienti. Penso che l’unico contrappeso possibile sia la politica, e che debba entrare in campo con decisione: regole scritte prima che l’agente diventi un’abitudine, e sanzioni abbastanza pesanti da cambiare i conti di chi le viola. Contro un feudatario non basta la prudenza dei singoli servi: servono le leggi del sovrano.

Dal 28 maggio 2022 in tutta l’Unione i negozi online e i comparatori devono dire in base a quali criteri ordinano i risultati, e segnalare quando un prodotto compare più in alto perché qualcuno ha pagato. È la direttiva Omnibus, e ha reso visibile quello che prima era nascosto nelle classifiche. L’agente è una classifica che mostra un solo risultato. La richiesta sta in una frase: la stessa trasparenza, estesa a chi compra per noi, con l’obbligo di dichiarare ogni commissione.

L’Europa ha già fatto una volta una cosa simile, con il tabacco. Fra il 2011 e il 2013 la Commissione ha finanziato in tutti gli Stati membri la campagna «Ex-smokers are unstoppable» (16), e dal maggio 2016 le avvertenze sanitarie coprono il 65% delle due facce di ogni pacchetto di sigarette.

Oggi serve lo stesso coraggio con le piattaforme: regole che obblighino l’agente a mostrare le alternative che ha scartato e la commissione che incassa, e una campagna europea che spieghi ai cittadini, con i numeri, quanto costa loro un servizio gratuito.

Il servo della gleba era sfruttato, ma sapeva quanto doveva al signore: una parte del raccolto e un certo numero di giornate di lavoro nei suoi campi. Chi oggi compra attraverso un agente non sa quanta parte di quello che paga finisce alla piattaforma, né se il prodotto è stato scelto per lui o per la commissione. Il primo passo è farglielo sapere.

Guido un'azienda che si occupa di automazione, agenti e intelligenza artificiale: ne scrivo perché li vedo da vicino, non per venderti qualcosa. Per questo articolo ho usato l’AI per cercare e verificare le fonti ma l’idea dell’articolo, la tesi e la revisione sono mie.

Riferimenti

1. Meta, «Introducing Muse», newsroom, 8 settembre 2026.

2. TechCrunch, «Everything new coming to Meta's AI agent Muse», 23 settembre 2026.

3. AP, «Meta bets big on wearable AI, new AI agent», 24 settembre 2026.

4. CNBC, «Facebook says Apple iOS privacy change will cost $10 billion this year», 2 febbraio 2022.

5. Meta Platforms, risultati del quarto trimestre e dell'anno 2025, allegato 99.1 depositato alla SEC.

6. FTC, «FTC imposes $5 billion penalty and sweeping new privacy restrictions on Facebook», 24 luglio 2019.

7. 404 Media, «Meta tests Muse AI agent calls that are actually made by humans in a call center», 22 settembre 2026.

8. Amazon, presentazione di Alexa+, 26 febbraio 2025.

9. Adobe, «Holiday shopping season drove a record $257.8 billion online», gennaio 2026.

10. Yanis Varoufakis, «Tecnofeudalesimo. Cosa ha ucciso il capitalismo», La nave di Teseo, 2023.

11. Listini delle commissioni per venditori, Stati Uniti, consultati a settembre 2026: Amazon

11. Listini delle commissioni per venditori, Stati Uniti, consultati a settembre 2026: Walmart

12. Commissioni in Italia, consultate a settembre 2026: Amazon, «Aggiornamento delle commissioni di vendita e dei costi di Logistica di Amazon per il 2026 in Europa»

13. Marketplace Pulse, «Amazon Fees Only Go Up», 18 marzo 2024.

14. Amazon.com, relazione annuale 2025 (Form 10-K) depositata alla SEC.

15. Byte, «Netcomm 2026: 35 milioni di italiani online e l'agentic commerce entra nella vita quotidiana dei Millennials», maggio 2026, sulla ricerca Netcomm NetRetail 2026.

16. Commissione europea, «Ex smokers are unstoppable! The new anti-tobacco campaign funded by the European Commission», 16 giugno 2011

Il fatto: l’8 settembre l’Australia ha deciso che il feed te lo devono chiedere

Martedì 8 settembre il primo ministro australiano Anthony Albanese e la ministra delle Comunicazioni Anika Wells hanno presentato la bozza di legge sul Digital Duty of Care ⁽¹⁾, il dovere di diligenza che le piattaforme avranno verso chi le usa. Il capitolo sui social stabilisce che dovranno mandare una notifica a tutti gli utenti e chiedere quale feed preferiscono: quello costruito dall’algoritmo sulla comprensione dei loro interessi, oppure quello che contiene soltanto amici, creator e media che hanno scelto di seguire. Vale sopra i sedici anni. Chi non rispetta la legge rischia sanzioni fino a 109,2 milioni di dollari australiani. Il capitolo si chiama «My Feed, My Way», e il dovere di diligenza va oltre i social: riguarda anche i giochi online, le app e i chatbot, con obblighi specifici verso i minori di diciotto anni.

«Non si tratta di dare il controllo al governo, si tratta di darlo alle persone», ha detto Albanese presentando il testo, che ora è in consultazione. È lo stesso governo che dal dicembre 2025 vieta i social ai minori di sedici anni, ed è per questo che la scelta del feed riguarda tutti gli altri. Adesso si occupa anche degli adulti.

Gli «influencer» ci sono sempre stati, ma adesso li sceglie l’algoritmo

Il bisogno di qualcuno che ci spieghi le notizie non l’hanno inventato i social. Nel 1945 a Decatur, in Illinois, i sociologi Elihu Katz e Paul Lazarsfeld intervistarono 800 donne per capire da dove venissero le loro opinioni, e dieci anni dopo raccontarono il risultato in Personal Influence ⁽²⁾. Giornali e radio non arrivavano diretti. Passavano da qualcuno di vicino, più informato, che leggeva e poi raccontava agli altri. Lo chiamarono opinion leader.

Per mezzo secolo questo sistema ha avuto due piani. Al piano superiore stavano le testate giornalistiche, che rispondono di quello che pubblicano: in Italia la legge sulla stampa del 1948 ⁽³⁾ vuole un direttore responsabile, che l’articolo 57 del codice penale ⁽⁴⁾ punisce se omette il controllo. Dal 1963 i giornalisti hanno anche un Ordine e un codice deontologico, l’ultimo in vigore dal 1° giugno 2025 ⁽⁵⁾ .

Al piano inferiore stavano gli opinion leader di Decatur: l’amico più informato, il farmacista, il parroco, il sindacalista, il vicino che compra due quotidiani. Codici non ne avevano. Rispondevano con la faccia, davanti a chi li incontrava il giorno dopo al bar.

Oggi gli interpreti si chiamano creator, e in gran parte non hanno alle spalle né una redazione né un codice: negli Stati Uniti il Pew Research Center ha contato che il 77% dei news influencer ⁽⁶⁾ non ha mai lavorato per una testata né collabora con una. La differenza con Decatur non sta però in chi parla. Sta in chi sceglie. A Decatur l’interprete lo sceglievi tu, per la reputazione che aveva in paese; nel feed te lo propone un sistema che guadagna sui minuti che passi davanti lo schermo.

Quel guadagno ha una cifra. Nel trimestre chiuso il 30 giugno 2026 Meta ha incassato 60,8 miliardi di dollari ⁽⁷⁾, 668 milioni al giorno, quasi tutti pubblicità, e le persone che aprono ogni giorno una delle sue app sono 3,6 miliardi.

Sull’altro piatto della bilancia, la penale che il tribunale di Amsterdam ha fissato per costringere Meta a farci scegliere il feed, dieci milioni di euro, vale meno di mezz’ora di ricavi. Sono venti minuti scarsi.

Il come è stato misurato. Nel febbraio 2023 un gruppo di ricercatori ha seguito per due settimane il feed di 806 utenti di Twitter ⁽⁸⁾, confrontando quello ordinato per “engagement” con quello in ordine di tempo. L’algoritmo amplificava le espressioni di rabbia e l’ostilità verso l’altro schieramento, e chi leggeva quei post dichiarava di sentirsi più arrabbiato. Alla domanda su quali post preferisse, la stessa persona rispondeva che quelli scelti dall’algoritmo le piacevano meno.

Due anni prima Steve Rathje e due colleghi avevano contato le parole dei post pubblicati su Facebook e su Twitter dagli account dei giornali americani e dei parlamentari, per capire cosa li facesse viaggiare. Nomina l’avversario e il post corre. Il fattore che contava più di ogni altro era parlare male dell’altro schieramento⁽⁹⁾ davanti alle parole che esprimono rabbia o paura e davanti al tema trattato. Un sistema che ordina i contenuti in base alle reazioni premia chi alza la voce, e con lui sale la spazzatura.

Lo stesso algoritmo fa anche un’altra cosa. Mentre premia chi alza la voce fa scendere i giornali: nel 2023 quattro economisti hanno assegnato a caso 4.965 utenti americani di X al feed algoritmico o a quello cronologico per sette settimane, e su Nature ⁽¹⁰⁾ hanno misurato che nel feed algoritmico i post delle testate comparivano il 58% per meno spesso. Chi ci passava metteva più spesso in cima le priorità di uno schieramento politico, 4,7 punti percentuali in più, e tornando al cronologico non tornava indietro.

La situazione in Italia

Da tre anni il Master in giornalismo «Giorgio Bocca» dell’Università di Torino cura l’edizione italiana della ricerca del Reuters Institute di Oxford. Il Digital News Report Italia 2026⁽¹¹⁾ è uscito a giugno su un campione di 2.040 persone, e il quadro che ne esce racconta un paese in cui le modalità con cui fluiscono le informazioni sono molto diverse rispetto a quelle di pochi anni fa. Conviene guardarli uno per uno.

Il primo risultato è un sorpasso che non fa notizia da quanto è graduale. Nell’ultima settimana il 69 per cento degli italiani si è informato con fonti online e il 62 con la televisione: il sorpasso era arrivato nel 2020, e nel 2017 la televisione stava all’85 per cento. La discesa è lenta e inesorabile.

Dentro quel 69 per cento la voce che cresce sono i social, usati dal 45 per cento, ormai a ridosso dei telegiornali che stanno al 50. Come fonte principale i social sono passati in un anno dal 17 al 22 per cento, mentre i siti e le app dei quotidiani restano la fonte principale del 7 per cento degli italiani. Chi ha smesso di guardare la televisione è andato altrove, e nel 46 per cento dei casi quell’altrove sono i social.

Cambia anche chi spiega le notizie. Il 36 per cento degli italiani ha preso notizie da un creator nella settimana della rilevazione, e fra i 18 e i 24 anni la quota arriva al 66 per cento, contro il 53 della fascia fra i 25 e i 34.

Cambia pure il luogo. Per chi ha meno di 35 anni YouTube è considerato uno strumento utile per informarsi nel 65 per cento dei casi, contro il 40 di chi ha passato quella soglia, e lo stesso vale in misura minore per TikTok e Instagram.

Messi a confronto con le testate, i creator risultano più interessanti per il 30 per cento e più facili da capire per il 27, ma meno affidabili per il 34 e meno imparziali per il 32. Li si ascolta per capire, senza fidarsi.

C‘è poi una domanda del rapporto che merita di essere evidenziata. Agli intervistati è stato chiesto di indicare fino a tre creator informativi che seguono, e ne è uscito un elenco che i ricercatori chiamano «un universo incerto». Ci sono progetti nati per informare, come Breaking Italy, GeoPop, Nova Lectio e Will Media, e ci sono anche Alessandro Barbero, Roberto Saviano, Cecilia Sala, Selvaggia Lucarelli, Chiara Ferragni e CiccioGamer89. Uno storico, un’inviata di guerra, una influencer di moda e un gamer stanno nella stessa risposta alla stessa domanda. Il confine non esiste più. È ormai impossibile distinguere i creator che fanno informazione da quelli che parlano di moda o di videogiochi.

La fiducia, intanto, scende. Gli italiani che dicono di fidarsi delle notizie la maggior parte delle volte sono il 32 per cento, quattro punti in meno dell’anno scorso. Ma la fiducia nelle notizie incontrate sui social si ferma al 15%, mentre le singole testate restano molto più in alto: l’Ansa al 74%, le ultime della fila, Libero e Fanpage, al 41%.

Il dato che chiude il quadro riguarda un gesto di due secondi: il rapporto ha chiesto quanto spesso, incontrando una notizia, si clicca sul link che porta alla fonte originale. Dai motori di ricerca lo fa sempre o spesso il 49% delle persone. Dai social il 38%. Dai chatbot di intelligenza artificiale il 32%.

Il ritratto che emerge dall’analisi di questi numeri è abbastanza chiaro. Passiamo sempre più tempo in un ambiente di cui ci fidiamo poco e ascoltiamo persone che giudichiamo meno affidabili dei giornali, ma più vicine e più facili da capire, proposte dagli algoritmi del feed. E in caso di dubbio, quasi due su tre non aprono la fonte. Il creator rappresenta un modo per combattere noia e solitudine prima che informare. Si baratta l’autorevolezza con la familiarità.

Che sia anche una questione di compagnia lo dice un genere nato in Corea del Sud intorno al 2010: il mukbang⁽¹²⁾ la diretta in cui qualcuno mangia davanti alla telecamera mentre chi guarda cena a casa propria. Chi lo studia lo chiama surrogato sociale. In Italia le famiglie di una persona sola sono il 37,1%, e gli adulti che vivono soli sono 9,9 milioni, il doppio di trent’anni fa. Il creator, in quelle case, arriva quando si mangia.

L’Italia ha scelto comunque di regolare chi parla. Con la delibera 197/25/CONS ⁽¹³⁾ del luglio 2025 l’AGCOM ha imposto un codice di condotta agli influencer che superano i 500.000 follower o il milione di visualizzazioni medie mensili, con responsabilità editoriale e sanzioni fino a 600.000 euro. Ad aprile 2026 le domande erano almeno 5.000 ⁽¹⁴⁾, più del doppio delle attese. La regola copre chi supera la soglia. Il feed che decide chi ascolti resta materia europea, affidato a un interruttore nel menu.

Il selettore di feed nel menu

La tesi del feed che fabbrica creduloni ha un’obiezione seria, e poggia su numeri. Durante le presidenziali americane del 2020 il gruppo di Andrew Guess⁽¹⁵⁾ ha spostato un campione di utenti consenzienti di Facebook e Instagram sul feed cronologico per tre mesi. Hanno passato meno tempo sulle piattaforme. La polarizzazione non si è mossa in modo misurabile, e nemmeno le conoscenze politiche.

Nel 2024, su Nature⁽¹⁶⁾, Ceren Budak, Brendan Nyhan e altri tre studiosi hanno passato in rassegna le ricerche disponibili: l’esposizione a contenuti falsi è rara, e si concentra in una frangia ristretta di persone che hanno già posizioni estreme.

Queste ricerche ridimensionano il racconto dell’apocalisse. Dicono però anche un’altra cosa: il danno non è spalmato su tutti. La grande maggioranza delle persone incontra pochissime notizie false, mentre una minoranza ridotta le riceve e le rilancia in quantità. Se si disegna la curva di quanta disinformazione passa per ciascuno, quella minoranza sta all’estremo destro del grafico, nel tratto che gli statistici chiamano coda, cioè la parte della curva dove finiscono i casi estremi.

Quella coda è stata contata. Nel 2024, su Science⁽¹⁷⁾, un gruppo dell’Università Ben Gurion e della Northeastern ha seguito 664.391 elettori americani iscritti a Twitter durante le presidenziali del 2020: 2.107 persone, lo 0,3% del campione, avevano diffuso l’80% delle notizie false, e i loro post arrivavano al 5,2% degli elettori presenti sulla piattaforma. I ricercatori le hanno chiamate supersharer. Non erano automi: la loro mole di condivisioni risultava fatta a mano, una alla volta, da persone per lo più di mezza età e repubblicane.

Un limite di queste ricerche va dichiarato. Quasi tutte sono americane e durano settimane, al massimo mesi, e sull’Europa manca perfino il dato più semplice, cioè quante persone usano il feed senza profilazione: nessuna piattaforma lo ha reso pubblico, e nessuna ricerca fra quelle che abbiamo trovato prova a stimarlo.

Quel feed, intanto, esiste per legge: l’articolo 38 del Digital Services Act¹⁸⁾ obbliga dal 25 agosto 2023 le piattaforme molto grandi a offrirne almeno uno non basato sulla profilazione. Sta in un menu.

Il 2 ottobre 2025 il tribunale di Amsterdam ha dato ragione all’associazione olandese Bits of Freedom contro Meta, che su Facebook e Instagram rimetteva il feed algoritmico come impostazione predefinita: per i giudici è un design ingannevole vietato dal regolamento europeo. Da gennaio 2026 gli olandesi scelgono il feed cronologico e lo ritrovano alla riapertura dell’app, e il 10 marzo la Corte d’appello ha confermato. Vale solo per i Paesi Bassi.

Nel frattempo le autorità hanno cominciato a toccare il design. La Commissione europea ha multato X per 120 milioni di euro il 5 dicembre 2025, e il 10 luglio 2026 ha contestato a Meta, in via preliminare, di aver progettato Instagram e Facebook per l’uso compulsivo: scorrimento infinito, riproduzione automatica, notifiche, raccomandazioni su misura. Se le conclusioni reggono, la sanzione arriva al 6 per cento del fatturato mondiale. In America ci sono arrivate le giurie. Il 25 marzo 2026, a Santa Fe, una giuria ha dato ragione allo stato del New Mexico: Meta aveva adottato pratiche commerciali sleali e messo i profitti davanti alla sicurezza dei minori, 375 milioni di dollari. Lo stesso giorno, a Los Angeles, un’altra giuria ha giudicato Meta e YouTube negligenti per come hanno progettato le loro piattaforme.

Poi è arrivato il conto vero. Il 7 agosto il giudice Bryan Biedscheid ha dichiarato Meta un «public nuisance», cioè un danno per la collettività, scrivendo che le sue piattaforme contribuiscono in modo significativo alla crisi di salute mentale dei ragazzi del New Mexico: 567 milioni in un fondo per curarli e prevenire, che sommati alla sanzione della giuria fanno 942 milioni. Meta ha annunciato appello. Diciannove giorni dopo, il 26 agosto, ha chiuso il conto più grosso: 17,6 miliardi di dollari a 48 stati americani, da pagare in dieci anni, senza ammettere alcuna responsabilità. Nel trimestre chiuso a giugno l’utile di Meta era stato di 15,8 miliardi: il patteggiamento vale poco più di tre mesi di utili.

Nei prossimi mesi sapremo se l’Australia ha approvato la bozza. L’Europa si troverà davanti a due strade: tenere l’interruttore nel menu e affidarne la difesa ai tribunali, come ad Amsterdam, oppure copiare Canberra e far comparire la domanda appena si apre l’app. La decisione definitiva su Meta, quando arriverà, dirà quale delle due la Commissione considera sufficiente.

Se la domanda di quale feed usare all’apertura del social diventasse la regola, testate e creator si troverebbero a competere per essere seguiti, cioè per quella reputazione che a Decatur si costruiva in paese. Chi spiega bene perderebbe poco. Quello che urla perderebbe la spinta gratuita dell’algoritmo. Le piattaforme perderebbero tempo di visione. Se l’interruttore restasse nel menu, a scegliere chi ti spiega il mondo continuerebbe a essere il feed algoritmico.

L’interruttore, e poi la parte difficile

In Europa le grandi piattaforme devono offrirlo, e ognuna lo ha sistemato a modo suo. Su Instagram si tocca la scritta in alto a sinistra e si sceglie «Seguiti»; su Facebook la voce si chiama «Feed» e sta nel menu, o nella colonna di sinistra dal computer; su TikTok la personalizzazione si spegne dalle impostazioni, fra le preferenze dei contenuti; su LinkedIn, nelle preferenze generali, si imposta la visualizzazione del feed su «Post più recenti». L’unica differenza che conta è la memoria: LinkedIn e TikTok ricordano la scelta, mentre Instagram e Facebook, in Italia, la dimenticano a ogni accesso. Poi si prova per una settimana.

Che il filtro esista lo sanno in molti, e lo usano lo stesso poco. Il feed algoritmico fa un altro mestiere, e lo fa bene: è un passatempo che chiede poco e restituisce subito, serve a spegnere il cervello, e in quel momento è quello che si vuole. Il filtro non basta. Il problema, quindi, non è l’informazione che manca. La legge australiana promette «my feed, my way», ma la realtà è «my feed, my drug».

Nel 2022, sull’American Economic Review, Hunt Allcott e due colleghi hanno stimato che il 31 per cento del tempo che passiamo sui social dipende da problemi di autocontrollo: quando le persone possono darsi un limite lo usano, e il tempo scende. Un secondo studio ha chiesto a più di mille studenti americani quanto vorrebbero essere pagati per disattivare TikTok per quattro settimane: 59 dollari, se tutti gli altri restano. Se a spegnerlo fossero tutti insieme, invece, pagherebbero loro per farlo. Contando anche l’effetto su chi non li usa, il 64 per cento degli utenti attivi di TikTok e il 48 di quelli di Instagram starebbero meglio se quei prodotti non esistessero. Lo sanno, e restano.

Da una dipendenza non si esce con un’impostazione. Si esce cambiando abitudini, e le abitudini si insegnano. La Finlandia ha messo l’alfabetizzazione mediatica nel programma scolastico nazionale nel 2014, per tutte le età, e dal 2017 è prima nell’indice europeo che misura la resistenza alla disinformazione. È anche il paese che, nel confronto del rapporto italiano, si preoccupa di più delle notizie false: 75%, contro il nostro 59%. Una norma ce l’ha anche l’Italia, la legge 92 del 2019, che mette l’educazione alla cittadinanza digitale dentro l’educazione civica in tutte le scuole. Sta lì come l’interruttore.

Per chi ha figli resta una domanda da fare, la stessa che Katz e Lazarsfeld facevano alle donne di Decatur: da chi l’hai sentito, e perché ti fidi di quella persona. E poi quella nuova. Perché preferisci il feed che sceglie lui?

Le regole su cosa si può dire sono materia delicata in qualunque democrazia. Devono restarlo. Quale feed compare per primo riguarda invece il prodotto, come le cinture di sicurezza riguardano l’automobile, e si può intervenire lì senza toccare quello che la gente può dire.

L’interruttore, però, non basta. La parte difficile è l’educazione. Ai ragazzi di periferia, per toglierli dalla strada, non basta dire di non starci: bisogna aprire una palestra e appassionarli allo sport. La Finlandia prova da dodici anni almeno ad educare ai problemi della strada e qualche miglioramento lo sta ottenendo.

Riferimenti

^{(1) Digital Duty of Care}

^{(2) Personal Influence}

^{(3) Legge sulla stampa del 1948}

^{(4) Articolo 57 del Codice Penale}

^{(5) Codice Deontologico Giornalisti, Giugno 2025}

^{(6) Pew Research Center - America's News Influencers, November 2024}

^{(7) Meta Reports Second Quarter 2026 Results, 29 July 2026}

^{(8) Engagement, user satisfaction, and the amplification of divisive content on social media, March 2025}

^{(9) PNAS - Out-group animosity drives engagement on social media, June 2021}

^{(10) Nature, The political effects on X's feed algorithm}

^{(11) Digital News Report Italia, Giugno 2026}

^{(12) Eating on camera: a creator-centric case study of mukbang engagement in India}

^{(13) Influencer - Linee guida, Codice di condotta e FAQ}

^{(14) Il Post - Come sta andando il registro degli influencer, Aprile 2026}

^{(15) How do social media feed algorithms affect attitudes and behavior in an election campaign}

^{(16) Misunderstanding the harms of online misinformation, June 2024}

^{(17) Supersharers of fake news on Twitter}

^{(18) Digital Services Act, art. 38}

^{(19) Tech Policy Press - What a Dutch Court Ruling Against Meta Signals for Private DSA Enforcement, October 2025}

^{(20) Bits of Freedom - Court again rules in favor of Bits of Freedom, March 2026}

Compiti migliori ed esami peggiori

Ad agosto l’Economist ha pubblicato uno studio che risponde alla domanda che gli insegnanti si fanno da tre anni: l’intelligenza artificiale peggiora l’apprendimento dei ragazzi? Per la maggior parte di loro, sì. Lo firmano David Strömberg dell’Università di Stoccolma e Victor Lei e Yanhui Wu dell’Università di Hong Kong, ed è uscito a giugno come working paper del CEPR, The Generative AI Learning Penalty (¹⁾

Per trenta mesi gli autori hanno seguito 26.811 studenti cinesi fra i 12 e i 18 anni, confrontando i compiti a casa con le verifiche in classe a libro chiuso e con gli esami di ammissione. Otto su dieci hanno adottato un chatbot. I voti dei compiti sono saliti del 18 per cento e il tempo per farli è sceso da 64 a 45 minuti, mentre entro sei mesi i voti delle verifiche in classe sono calati del 20 per cento. Dopo circa due anni i voti degli esami di ammissione alle superiori erano scesi del 24 per cento, quelli per l’università del 18.

L’ambiente cambia il nostro corpo

Cambiamo con l’ambiente in cui viviamo o che ci costruiamo intorno. A volte cambiamo nei geni, e servono millenni: la capacità di digerire il latte da adulti si è diffusa in Europa soprattutto negli ultimi tremila anni, selezionata da carestie ed epidemie ^(2).

Più spesso cambiamo nel corpo, nel corso della nostra vita. Quando l’agricoltura ha reso inutile camminare per chilometri, femore e tibia degli europei hanno perso resistenza per tutto il Neolitico e le anche degli agricoltori sedentari sono diventate molto meno dense di quelle delle popolazioni nomadi. Pensa che le contadine che macinavano il grano a mano erano più forti fino al 16 per cento delle canottiere di Cambridge!! ^(3).

L’invenzione dei motori ha confinato il lavoro fisico a determinate categorie di lavori, ed essere muscolosi è diventata una scelta. Oggi chi vuole un bel fisico va in palestra, per motivi estetici o di benessere. Chi non ci va si ritrova con le braccia magre, le gambe come stecchini e la pancetta floscia, ma può avere comunque una vita piena di successi grazie alla sua intelligenza. Nel Medioevo sarebbe stato facile preda di qualche muscoloso cavaliere nemico.

L’intelligenza artificiale sta facendo con il lavoro mentale quello che il motore ha fatto con i muscoli, e ci è voluto quasi un secolo per capire che la fatica tolta al corpo andava restituita con l’esercizio, per la salute e per l’equilibrio. Questa volta il cambiamento è cognitivo. Ai 26.811 studenti cinesi sono bastati sei mesi di “motore cognitivo” per veder calare i voti delle verifiche.

Chi si allena e chi no

Il primo dato dice che non si indeboliscono tutti. L’81 per cento di chi usa l’intelligenza artificiale si fa fare i compiti, e li chiude in tempi da record con voti alti: è la gobba rossa a sinistra nel grafico 3. Chi invece continua a passare sui compiti il tempo di prima prende agli esami gli stessi voti di chi non la usa.

Conta anche la dose, perché chi la usa meno di un’ora a settimana perde il 5 per cento e chi la usa cinque ore o più perde il 30. In palestra funziona così. Se i pesi li solleva qualcun altro, il muscolo si indebolisce.

Poi c’è la prova che una palestra si può progettare in modo che il muscolo continui a lavorare. In Turchia circa mille liceali hanno studiato matematica con due versioni di ChatGPT ⁽⁴⁾. Chi aveva quella normale, che dà le soluzioni, all’esame senza assistenza è andato peggio del 17 per cento, mentre chi aveva quella che dà solo i suggerimenti preparati dagli insegnanti è andato come chi non l’aveva mai usata. Il modello era lo stesso.

Il muscolo si perde anche da adulti. In Polonia diciannove endoscopisti esperti hanno lavorato per qualche mese con un sistema che segnala i polipi sullo schermo. Quando poi hanno lavorato senza, la quota di esami in cui trovavano almeno un adenoma, una lesione che può diventare tumore, è scesa dal 28,4 al 22,4 per cento ([Lancet Gastroenterology & Hepatology] ^(5).

Da che parte vuoi stare?

Per chi studia o lavora vale la stessa regola. Se usi il motore cognitivo per spegnere il cervello, fra qualche anno rischi di avere un cervello più debole, con meno capacità di analisi e di sintesi: un cervello con la pancia.

Non succede solo in Cina. L’8 settembre l’OCSE ha pubblicato i risultati di PISA 2025: fra il 2015 e il 2025 i quindicenni dei paesi OCSE hanno perso in media 28 punti in lettura, quasi un anno e mezzo di scuola. Chi usa i chatbot per riassumere i testi da leggere ottiene in media punteggi più bassi in scienze [OCSE, PISA 2025 ⁽⁶⁾].

In Italia quasi metà dei quindicenni li usa almeno una volta a settimana per studiare. Il calo era cominciato prima di ChatGPT, e l’OCSE non gli attribuisce una causa sola. Nella prefazione però Andreas Schleicher, che all’OCSE dirige l’istruzione, sceglie la stessa immagine di questo articolo: in forma non si diventa guardando lo sport, ma facendolo.

A gennaio Anthropic ha fatto studiare una libreria di programmazione a 52 sviluppatori junior e ha trovato che chi aveva l’assistente prendeva al test 50 su 100 contro 67, con i risultati migliori fra chi gli chiedeva spiegazioni invece di codice pronto [Anthropic] ⁽⁷⁾.

Se sei un genitore, un indicatore da tenere d’occhio è il tempo. Gli autori cinesi hanno trovato che fra gli studenti che usano l’intelligenza artificiale e hanno già voti sopra la media nei compiti, chi ha i voti più alti va peggio agli esami. Un compito di matematica chiuso in quattro minuti e senza un errore merita una domanda.

La prima risposta collettiva è la cultura. Chi ha studiato sa a cosa serve la fatica di pensare. Lo sa per la stessa ragione per cui va in palestra chi sa cosa succede a un corpo fermo. Chi ha cultura ha più anticorpi per scegliere, distinguere, mettere in discussione, esaminare punti di vista alternativi.

La seconda è la cultura su come si usa l’intelligenza artificiale, ed è qui che può diventare un’occasione di crescita e di benessere invece che di cervello obeso.

Chi saprà usare la nuova palestra per la mente offerta dall’intelligenza artificiale si ritroverà con un cervello più tonico, meglio informato, più consapevole. A chi non la saprà usare crescerà la pancia mentale.

Dobbiamo fare oggi il massimo sforzo perché i nostri figli non finiscano nel secondo gruppo.

La palestra la deve fornire la scuola

Per i figli la partita si gioca a scuola che oggi ha un problema preciso.

Il compito a casa è sempre stato due cose insieme: l’allenamento e il modo in cui l’insegnante, correggendolo, si fa una idea di chi studia. In Italia di rado fa media, perché anche prima dell’AI dietro un compito poteva esserci un genitore, un compagno più bravo o una ricerca su Internet.

L’intelligenza artificiale ha messo quel compagno più bravo a disposizione di tutti, ogni sera. Gli autori cinesi scrivono che così il compito perde il suo valore di segnale, e il calo resta invisibile fino alla prima verifica a libro chiuso.

Le linee guida del ministero dell’agosto 2025 ⁽⁸⁾ affidano al dirigente scolastico la responsabilità primaria sull’intelligenza artificiale nella sua scuola. Sui compiti a casa non dicono niente.

Io penso che la palestra la debba fornire la scuola. Agli studenti va dato un tutor fatto apposta, programmato per insegnare con domande e suggerimenti, un passo alla volta e mai con la soluzione intera. In Turchia non ha fatto perdere nulla. L’Estonia da fine gennaio ne distribuisce uno agli studenti di 16 e 17 anni, costruito con i propri ricercatori e con OpenAI per guidare il ragionamento invece di dare risposte pronte ⁽⁹⁾.

Perché funzioni servono alcune regole.

Le verifiche in classe si fanno prevalentemente senza l’ausilio dell’intelligenza artificiale, perché servono a misurare quello che il ragazzo sa fare da solo.

Ma ha senso anche prevedere verifiche in classe che prevedono l’utilizzo di strumenti AI, perché è una competenza che va sviluppata anche quella. In questo caso il voto misurerà il modo in cui viene utilizzata l’AI. All’Università di Pisa, nel corso di Advanced Programming, usarla è obbligatorio per superare l’esame, e si valuta la capacità di controllare quello che produce.

I compiti a casa invece si fanno solo con il tutor AI della scuola, e il professore può leggere le conversazioni, aiutato dagli strumenti automatici, per capire chi si fa spiegare e chi si fa sostituire. E per valutare, dalle conversazioni, se i compiti sono stati effettivamente fatti o no.

Le conversazioni restano alla scuola, non servono ad addestrare i modelli, e la scuola deve poter cambiare fornitore. Ogni adozione va misurata, come stanno facendo l’Università di Tartu con il programma estone e l’INVALSI con le 15 scuole della sperimentazione italiana, i cui risultati sono attesi presumibilmente per dicembre⁽¹¹⁾.

Tutto questo richiede investimenti. Una palestra vuole attrezzi, allenatori e manutenzione, e questa non fa eccezione: lo sviluppo o le licenze del tutor, la formazione dei docenti, chi custodisce i dati e chi misura i risultati, ogni anno e non una volta sola. L’Estonia divide la spesa a metà fra Stato e aziende private. In Italia il decreto approvato il 4 agosto destina 100 milioni alla formazione dei docenti sull’intelligenza artificiale (¹⁰⁾.

È un inizio. Il tutor per gli studenti è un costo in più. Ma come sappiamo l’ investimento in conoscenza è quello che paga l’interesse più alto.

Riferimenti

(1) The Generative AI Learning Penalty, David Strömberg Victor Lei Yanhui Wu, 02 June 2026

(2) Dairying, diseases and the evolution of lactase persistence in Europe, 27 July 2022

(3) Prehistoric women’s manual labor exceeded that of athletes through the first 5500 years of farming in Central Europe, 29 November 2017

(4) Generative AI without guardrails can harm learning: Evidence from high school mathematics, 25 June 2025

(5) Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study

(6) PISA 2025 Results (Volume I) Future-Ready Students

(7) Anthropic: How AI assistance impacts the formation of coding skills

(8) Linee guida per l’introduzione dell’Intelligenza Artificiale nelle Istituzioni scolastiche

(9) Estonia Launches Nationwide AI Leap Education Program and Introduces Learning-Supportive AI in Upper Secondary Schools

(10) Scuola e Intelligenza Artificiale: via libera al Decreto. Valditara: “Promessa mantenuta, 100 milioni per la formazione dei docenti

(11) Ansa: A lezione di Intelligenza Artificiale, ora sarà nei programmi scolastici, 23 Agosto 2026

*Guido un'azienda che lavora sull'intelligenza artificiale: ne scrivo perché la vedo da vicino, non per venderti qualcosa. Per questo articolo l'ho usata per cercare le fonti; tesi e revisione sono mie.*

Profezie ed annunci

A maggio del 2025 Dario Amodei, CEO di Anthropic, ha detto che l’intelligenza artificiale poteva cancellare la metà dei lavori di ufficio di primo livello e creare un livello di disoccupazione tra il 10% ed il 20% nel giro di uno o cinque anni.

Poche settimane dopo Sam Altman ha pubblicato “the Gentle singularity”, con un aggettivo da captatio benevolentiae, sostenendo che il 2025 era l’anno degli agenti e che intere categorie di lavori sarebbero spariti.

Elon Musk il 19 Novembre 2025 ad un forum di investimenti ha parlato del lavoro come qualcosa che diventerà opzionale.

Bene, i dati di Agosto 2026 della disoccupazione USA (link in basso) fortunatamente mostrano che la disoccupazione è al 4.1%.

Nel frattempo lo tsunami di annunci continua martellante. Il 03 Settembre Open AI ha presentato GPT-6 “Astra” ed il presidente Greg Brockman, parlando ai giornalisti prima del lancio, ha dichiarato che “non è irragionevole pensare che ormai siamo nell’era dell’AGI”.

Il mondo delle aziende

McKinsey pubblica da nove anni un’indagine sull’uso dell’intelligenza artificiale nelle imprese. L’edizione 2026, uscita ad agosto su 1.719 rispondenti in 97 paesi, contiene due numeri chiave.

Il primo è 80%: otto persone su dieci fra gli utilizzatori di AI al lavoro confermano che la loro produttività personale è migliorata. E questa percentuale riguarda i C-Level come il management e gli specialist.

Nel grafico c’è anche un secondo dato che vale la pena guardare. Il disagio cresce scendendo di livello: l’ansia per le proprie prospettive di carriera va dal 6% dei C-Level al 19% dei quadri intermedi e al 18% degli specialist.

Il secondo è 6%. È la quota di aziende che McKinsey chiama “high performer”: quelle in cui chi risponde attribuisce all’intelligenza artificiale almeno il 5% dell’utile operativo e dichiara che ha prodotto un valore significativo. Nel 2025 erano il 6%. Nel 2026 sono ancora il 6%. Nessun miglioramento. Ed anche il numero delle aziende che dichiara un qualche effetto sull’utile operativo era del 37% nel 2025 e tale è rimasto nel 2026.

Il report evidenzia che altre cose sono cambiate. Le aziende che stanno portando l’intelligenza artificiale su scala aziendale sono passate dal 38% al 44%. Fra le grandi imprese, quelle che usano agenti su scala sono passate dal 27% al 40% in dodici mesi. Il 60% prevede di aumentare la spesa nel prossimo anno. In sintesi più adozione, più strumenti, più soldi. Ma chi riesce a misurare impatti sull’utile rimane fermo dove era.

Ed il 20% delle aziende ha cominciato a porre un limite all’utilizzo dell’AI a causa dei costi operativi, token inclusi.

C’è anche un dato interessante sull’occupazione. Un anno fa il 32% dei rispondenti prevedeva che entro l’anno l’intelligenza artificiale avrebbe fatto calare l’organico della propria azienda. Guardando le singole funzioni, la quota di chi si aspettava un calo andava dal 25% dello sviluppo prodotto al 39% del servizio clienti.

A consuntivo, quelli che un calo lo hanno visto davvero sono il 14%, meno della metà. Due terzi dicono che non è cambiato nulla.

La risposta alla domanda del gap abnorme tra annunci profetici e realtà la lascio al lettore. Ma se c’è così ampio consenso sul fatto che l’AI porti un aumento della produttività dei singoli perché l’impatto sul conto economico è così modesto? Dipende dal fatto che il tempo risparmiato dalle persone è contenuto o da altri fattori?

Dove finisce il tempo risparmiato

Esistono a mio avviso due motivi fondamentali che rendono molto difficile rispondere a questa domanda.

Il primo è che il tempo risparmiato si frammenta. Se scrivo una mail in tre minuti invece di quindici, quei dodici minuti non finiscono in una cassa comune. In parte me li tengo: lavoro con un po’ più di margine, rispondo a una telefonata che avrei rimandato. In parte li ridistribuisco su decine di attività diverse, quattro minuti qui, sette là, su cose che nessuno traccia e che spesso nessuno sa nemmeno che sto facendo.

La seconda ragione è che misurare i frammenti è molto complesso se non finiscono in un bucket ben specificato. E quello che non viene misurato non diventa organico in meno o ricavi in più. Per trasformare dodici minuti sparsi fra venti persone in una posizione che non serve più, qualcuno deve ridisegnare il processo: capire chi fa cosa, riscrivere il flusso, riassegnare le responsabilità, spiegarlo ai clienti. È un lavoro complesso, costoso, e in gran parte non ancora fatto.

C’è poi il tema del “ma quanti sono veramente i minuti risparmiati?”. Il guadagno è più piccolo di quanto possa apparire, e varia moltissimo a seconda di cosa stai scrivendo. Una mail standard, il verbale di una riunione, una ricerca su internet, la sintesi di un documento lungo, lì il rapporto è di uno a dieci.

Un documento complicato su cui metti la faccia, invece, esce dal modello in una forma che devi rivedere riga per riga, controllando ogni affermazione, e la revisione erode gran parte del vantaggio iniziale. Magari in questo caso il prodotto del lavoro è di qualità più alta che se fosse stato senza l’aiuto dell’intelligenza artificiale ma non ho risparmiato tempo.

Il rapporto McKinsey conferma questa lettura da un’altra direzione. Quel 6% che ottiene risultati sui conti fa una cosa che gli altri non fanno: quasi tre quarti di loro dichiara di avere ridisegnato i processi da capo per via dell’intelligenza artificiale, contro un quarto di tutti gli altri. Non hanno comprato strumenti migliori. Hanno rifatto il lavoro.

Ma esistono dati numerici sul tempo risparmiato facendo uno specifico lavoro?

L’aumento di produttività nello sviluppo software

Di studi sull’aumento di produttività ne esistono parecchi, ma quasi tutti si fermano al singolo compito. Uno che segue il guadagno fino alla fine della catena è uscito a maggio di quest’anno. Tre economisti del MIT e della Wharton, Mert Demirer, Leon Musolff e Liyuan Yang, hanno seguito oltre centomila sviluppatori su GitHub (https://www.nber.org/papers/w35275) incrociandoli con i dati di uso reali degli strumenti di intelligenza artificiale, e hanno analizzato tre approcci via via più moderni: il completamento automatico del codice, gli agenti che supportano lo sviluppatore nella generazione di codice, e gli agenti che lavorano da soli per generare codice dato un obiettivo assegnato.

Ogni sviluppatore che adotta uno strumento viene confrontato con uno che un anno prima aveva un’attività quasi identica, per evitare di confrontare chi usa l’intelligenza artificiale con chi dice di non usarla.

Lo sviluppo del software si presta a misure di questo tipo più di altri lavori, perché è un’attività molto strutturata: il codice si scrive, si consegna nell’archivio comune, si chiede che venga integrato nel prodotto, qualcuno rilegge e approva, e alla fine si rilascia. Ogni gradino si conta per conto suo.

Il risultato è che il guadagno si consuma salendo. Tutti i numeri che seguono confrontano lo stesso sviluppatore con sé stesso, prima e dopo l’adozione degli strumenti.

Mettendo insieme le tre generazioni, dal completamento automatico fino agli agenti che lavorano da soli, le consegne di codice nell’archivio quasi triplicano, cioè crescono del 180%. I progetti seguiti crescono della metà. I rilasci, cioè il software che arriva davvero a chi lo userà, crescono del 30%. La stessa persona quindi immette in archivio quasi il triplo del lavoro di prima, e quello che ne esce per gli utenti aumenta di meno di un terzo.

Sui singoli strumenti la differenza è più netta ancora. Chi adotta Claude Code arriva a modificare quasi undici volte le righe di codice che modificava prima, e i suoi rilasci aumentano del 29%. Chi adotta gli agenti di GitHub o di OpenAI moltiplica il proprio codice fra le cinque e le nove volte, ma i suoi rilasci aumentano dell’1,3% e dello 0,2% rispetto a prima, cioè di niente: i margini di errore della stima sono più larghi dei valori stessi. Da cinque a nove volte il codice, e il software che arriva agli utenti resta quello di prima.

Due avvertenze. Lo studio è un working paper del National Bureau of Economic Research, quindi non è ancora passato dalla revisione fra pari. E non è un esperimento controllato: gli sviluppatori non sono stati assegnati a caso a due gruppi, sono stati osservati mentre adottavano gli strumenti per conto loro.

Il guadagno quindi c’è, è grande, ed è misurato su quello che le persone fanno e non su quello che dichiarano. Ma si perde per strada. La spiegazione degli autori è quella dell’anello debole: il codice scritto dalla macchina deve comunque essere riletto, integrato, testato e rilasciato da persone, e finché quei passaggi restano umani sono loro a fissare il tetto.

C’è un dettaglio che lo rende ancora più chiaro. Gli strumenti più autonomi non fanno sparire il collo di bottiglia, lo spostano più in alto. Gli agenti che lavorano da soli non si limitano a scrivere codice, preparano direttamente anche le richieste di integrazione, saltando i gradini intermedi, ma quelle richieste qualcuno le deve comunque rileggere e approvare. Il rilascio non sono proprio in grado di farlo, tanto che nel paper il loro effetto su quel gradino non è nemmeno stimato: non è una misura mancante, è una cosa che quegli strumenti non sanno fare.

La discesa frenata

Gartner, dall’edizione 2025 del suo Hype Cycle colloca l’intelligenza artificiale generativa nella fase che chiama valle della disillusione.

Nella mappa dedicata all’AI generativa, uscita a luglio 2026, gli agenti autonomi stanno un passo indietro, appena oltre il picco delle aspettative, con la discesa ancora davanti. Sempre Gartner prevede che oltre il 40% dei progetti di intelligenza artificiale agentica venga cancellato entro la fine del 2027, per costi in aumento, valore per il business non chiaro o controlli di rischio inadeguati.

In quella stessa mappa c’è una voce che da evidenziare. L’intelligenza artificiale generale è ancora in salita, prima del picco, ed è l’unica tecnologia che Gartner marca come lontana più di dieci anni dall’altopiano della produttività. Sei settimane dopo, il presidente di OpenAI ha detto che nell’era dell’AGI ci siamo già.

La mia opinione è che la discesa sia appena cominciata e che stia andando più piano di quanto dovrebbe. Qui torna lo tsunami di annunci di cui parlavo all’inizio.

Ogni volta che la delusione comincia a depositarsi arriva un annuncio che rialza la temperatura: un modello nuovo, un primato battuto, un dirigente che dichiara che l’AGI è arrivata. Il 3 settembre ne è l’esempio più recente. L’entusiasmo non si regge sui risultati che le aziende misurano, visto che quei numeri sono fermi da un anno, ma viene ricaricato dall’esterno a intervalli regolari da chi ha interesse a tenerlo alto. Finché la temperatura resta alta è più probabile che i budget si rinnovino e nessuno chieda conto del 6%.

Un’automobile senza strade

Abbiamo costruito un’auto super potente. È meravigliosa e la cosa non va sminuita: chi la sa guidare può percorrere dieci volte più velocemente la strada di prima.

Solo che un’auto va poco lontano senza le strade, i cavalcavia, i ponti, il codice stradale, i vigili urbani. Bello guidarla ma andiamo poco lontano se non possiamo uscire dal giardino di casa. Quella parte lì non la costruisce un laboratorio in California e non la annuncia nessun comunicato. La costruiscono le organizzazioni, una alla volta, ridisegnando processi e modelli operativi con grande fatica.

Le strade però non si costruiscono allo stesso modo per tutti. Quando si parla di ritorni dell’intelligenza artificiale si tende a mettere tutte le aziende nello stesso insieme, mentre a me sembra che, helicopter view, le situazioni siano due, e che le conclusioni siano diverse.

Il primo caso è quella di un’azienda nativa AI, disegnata intorno all’intelligenza artificiale dal minuto uno. Qui i guadagni di produttività ci sono e si vedono subito, perché non c’è nessun processo precedente da smontare. I flussi vengono definiti già tenendo conto di cosa sa fare un modello, i ruoli anche, e non ci sono clienti abituati a un altro modo di lavorare.

Per queste aziende il problema dei costi rimane. I token si comprano, e vanno prese due decisioni: da quale fornitore e quale modello usare per quale compito. Fra un modello di frontiera e uno più piccolo la differenza di prezzo è di ordini di grandezza, e il modello più capace non serve quasi mai. Se mando tutto al più potente, il margine guadagnato con la produttività se ne va nella bolletta dei token. Il rapporto McKinsey mostra che il tema è già concreto: il 20% delle aziende ha messo un limite all’uso per via dei costi operativi, e fra gli high performer la quota di chi è frenato dal costo degli strumenti di sviluppo software arriva al 18%, contro il 6% di tutti gli altri. Chi usa di più l’intelligenza artificiale incontra il problema per primo. Il prezzo per token negli anni è sceso, ma il consumo è cresciuto più in fretta, quindi la spesa complessiva sale lo stesso. Decidere cosa mandare a quale modello, e cosa non mandarci affatto, è una scelta di progettazione da fare all’inizio.

Il secondo caso, ed è la quasi totalità, e quello delle aziende che esistono da prima dell’avvento dell’AI . Qui ci sono processi, ruoli, sistemi, contratti e clienti definiti prima che questi strumenti arrivassero, e quello che dice il rapporto McKinsey è che a livello di azienda un ritorno ci può essere ma c’è da lavorare, tanto. Ed il ritorno si vede sui singoli processi, dopo averli ridisegnati.

Vale anche per la mia azienda, quindi lo scrivo sapendo cosa comporta. Distribuire licenze a tutti e aspettare che l’utile si muova non produce effetti misurabili: il 44% delle aziende dichiara di stare scalando, il 60% prevede di aumentare la spesa, e la quota che vede un impatto sui conti resta al 6%. Quel 6% ha fatto una cosa diversa dagli altri, e il rapporto la misura: ha rifatto i processi, coinvolgendo le persone che quei processi li eseguivano.

La trasformazione del lavoro non arriva come un’onda ma un processo alla volta, con i tempi delle organizzazioni, che sono lenti. Per chi lavora, la differenza è sostanziale. Perché un processo che viene ridisegnato è una cosa di cui si può discutere mentre succede, e chi lo esegue ha voce in capitolo su come viene rifatto. Le previsioni del 2025 descrivevano un fenomeno che sarebbe arrivato da solo, su cui non c’era niente da decidere. I dati di questi tre anni dicono un’altra cosa: le decisioni ci sono, sono molte, e le prendono le aziende una alla volta. La trasformazione ci sarà, ma richiederà tempo. E l’impatto effettivo sul numero di lavoratori è oggi difficile da valutare.

Riferimenti

Dario Amodei ad Axios, 28 Maggio 2025 - Behind the Curtain: a white-collar bloodbath

Sam Altman, giugno 2025 - The Gentle Singularity

Elon Musk, forum sugli investimenti Stati Uniti - Arabia Saudita, 19 Novembre 2025

OpenAI, GPT-6 Astra, 3 Settembre 2026, resoconto Fox Business

McKinsey, The state of AI in 2026: on the road to ROI

Mert Demirer, Leon Musolff, Liyuan Yang - Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools

US Bureau of Labor Statistics, [The Employment Situation, agosto 2026

Gartner, Hype Cycle for Generative AI, 2026

Gartner, giugno 2025: [oltre il 40% dei progetti di intelligenza artificiale agentica sarà cancellato entro fine 2027]

- Gartner, [Hype Cycle for Generative AI, 2026]

Il grafico

- Elaborazione su dati McKinsey, *The state of AI in 2026: On the road to ROI*, agosto 2026, exhibition 5 (pagina 11)