L’intelligenza artificiale (IA) comprende un’enorme gamma di tecnologie, ma al centro dell’attualità e dei mercati finanziari si trovano i sistemi di IA generativa multimodale sviluppati dalle grandi aziende tecnologiche. I principali attori sono ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google), Grok (SpaceXAI), Copilot (Microsoft) e Llama (Meta). Queste piattaforme sono viste come la chiave per una ricchezza immensa e un potere politico considerevole, ma rappresentano anche la più grande minaccia per il benessere collettivo, sebbene non per le ragioni comunemente citate da dirigenti e media.

La nascita dell’offensiva dell’IA

L’offensiva dell’IA è iniziata con il lancio di ChatGPT da parte di OpenAI, guidata da Sam Altman, nel novembre 2022. Il modello ha riscosso un enorme successo e, come previsto, altre aziende hanno rapidamente seguito l’esempio, proponendo i propri modelli concorrenti. Tutte le dichiarazioni dei dirigenti del settore tecnologico affermavano, in un modo o nell’altro, che questi sistemi generativi basati su grandi modelli linguistici (LLM – Large Language Model) avrebbero portato, entro pochi anni, all’avvento di un’intelligenza artificiale generale o di una superintelligenza – sistemi tanto intelligenti da migliorarsi autonomamente, condotti verso una singolarità in grado di risolvere tutti i problemi o, al contrario, di distruggere il mondo.

La realtà è diversa: questi sistemi non sono «intelligenti» e non costituiscono un progresso significativo verso alcuna forma di superintelligenza. Al loro livello più elementare, sono enormi macchine di previsione statistica che si basano sul riconoscimento di strutture o modelli su larga scala. Le strutture vengono generate a partire dai dati di addestramento, convertiti in token digitali – la più piccola unità di testo, immagine o suono che un LLM elabora – per poter essere letti dalla macchina. I token sono poi processati da una rete neurale, composta da neuroni artificiali ottimizzati tramite metodi di apprendimento probabilistici.

Quando a tali sistemi viene posta una domanda o richiesta un’informazione, identificano gli elementi pertinenti nel proprio database e generano una risposta che, dal punto di vista probabilistico, è la più adatta alla richiesta. La risposta, formulata in token, viene trasposta in parole, immagini o suoni a seconda del caso. In altre parole, per quanto conversazionali e intelligenti possano apparire, questi sistemi non «pensano» né «ragionano».

Limiti intrinseci dei modelli multimodali

Non solo l’architettura interna è incapace di dare origine a un’intelligenza artificiale generale, ma presenta anche limiti che ne rendono problematico l’uso attuale. Uno di questi è la tendenza a amplificare i pregiudizi sociali esistenti. La maggior parte dei dati di addestramento proviene dal web, che contiene contenuti discriminatori e incitamento all’odio. Numerosi studi hanno dimostrato come l’IA impiegata nei software per la ricerca di lavoro possa discriminare i candidati appartenenti a minoranze etniche, o come i generatori di immagini producano rappresentazioni che rafforzano stereotipi culturali. L’integrazione di questi sistemi in ambiti critici – sanità, amministrazione pubblica, istruzione – potrebbe amplificare tali bias.

Un altro limite, particolarmente preoccupante per le imprese, è la propensione dei sistemi multimodali a «allucinare», ovvero a produrre risposte costruite in modo errato. Questo fenomeno è dovuto al loro processo decisionale basato sulla probabilità, che può generare informazioni inesatte o fuorvianti. La mancanza di affidabilità rappresenta un ostacolo significativo per le aziende, che non possono permettersi di basare operazioni su risultati inattesi e potenzialmente dannosi, con conseguenti costi elevati.

Le promesse non mantenute dei leader tecnologici

I leader del settore hanno in gran parte ignorato questi limiti, sostenendo che sarebbero stati superati grazie a set di dati più ampi, modelli di apprendimento più efficaci, algoritmi più sofisticati e maggiore potenza di calcolo. Tuttavia, i risultati non sono stati quelli sperati. Come riportato dal New York Times il 5 maggio 2025, le tecnologie più recenti e potenti generano più errori, non meno (“A.I. Is Getting More Powerful, but Its Hallucinations Are Getting Worse”, di Cade Metz e Karen Weise).

Le evidenze empiriche confermano questa tendenza. Una valutazione condotta nel 2025 dal MIT Media Lab su centinaia di casi di adozione dell’IA ha rivelato che il 95 % delle organizzazioni che utilizzano sistemi di IA non ne ricava alcun beneficio (citazione da Forbes, 22 agosto 2025). Inoltre, un’indagine del National Bureau of Economic Research (NBER) pubblicata a marzo 2026, che ha coinvolto alti dirigenti negli Stati Uniti, Regno Unito, Germania e Australia, ha mostrato che oltre l’80 % delle aziende dichiara che l’IA non ha avuto alcun impatto né sull’occupazione né sulla produttività negli ultimi tre anni.

Una crisi crescente per gli sviluppatori

Nonostante le dichiarazioni sicure, gli sviluppatori di IA si trovano in un vicolo cieco. I due leader del settore, OpenAI e Anthropic – quest’ultima guidata da Dario Amodei – rappresentano la grande maggioranza della domanda totale di potenza di calcolo per l’IA, ma non hanno ancora realizzato profitti. I modelli sono costosi da addestrare e da far funzionare, perciò le aziende hanno offerto ai clienti servizi in abbonamento a tariffa fissa, gratuiti o fortemente sovvenzionati, per incentivare l’uso.

Questo modello ha prosciugato le liquidità dei fornitori di IA. Sam Altman, CEO di OpenAI, ha ammesso che anche l’abbonamento «pro» più costoso, a 200 dollari al mese, è in perdita a causa degli elevati costi di calcolo legati al funzionamento di ChatGPT. Anthropic non è diverso: i suoi abbonati spendono circa 8 dollari in costi di calcolo per ogni dollaro versato in abbonamento.

Le perdite sono enormi. ChatGPT ha registrato una perdita di 5 miliardi di dollari nel 2024 e di 35 miliardi di dollari nel 2025; le previsioni indicano perdite ancora più ingenti nel 2026. Il Financial Times del 5 ottobre 2025 ha evidenziato che gli investitori hanno richiesto premi di rischio più elevati per concedere prestiti alle aziende tecnologiche che spendono migliaia di miliardi di dollari nello sviluppo di sofisticati modelli di IA, temendo che tali investimenti non si traducano in attività redditizie a lungo termine. Gran parte di questi prestiti finanzia l’acquisto di chip all’avanguardia, il cui prezzo continua a salire.

Fatturazione basata sull’utilizzo di token

Di fronte a perdite costanti, OpenAI e Anthropic hanno iniziato a fatturare ai grandi clienti in base al loro effettivo utilizzo di token. Tuttavia, questo approccio presenta una problematica fondamentale: è praticamente impossibile prevedere con precisione quanti token un’azienda consumerà in un determinato periodo, a causa della variabilità dei carichi di lavoro e delle richieste degli utenti.

Questa incertezza rende difficile per le imprese pianificare i costi operativi, creando un ambiente di instabilità finanziaria. Le aziende, infatti, si trovano costrette a monitorare costantemente i consumi di token, a temere picchi improvvisi di spesa e a negoziare contratti complessi per limitare l’esposizione a costi imprevisti.

Conseguenze per la concorrenza e per la democrazia digitale

Il monopolio di pochi colossi sulla tecnologia multimodale ha effetti collaterali su scala globale. Prima di tutto, la concentrazione di potere computazionale impedisce a startup e ricercatori indipendenti di competere, poiché l’accesso a risorse di calcolo sufficienti richiede investimenti che solo le grandi aziende possono permettersi. Questo limita l’innovazione e crea una dipendenza dalle piattaforme proprietarie.

In secondo luogo, la padronanza dei grandi modelli da parte di un numero ristretto di attori accentua il rischio di manipolazione dell’opinione pubblica. Le piattaforme possono favorire contenuti o narrative specifiche, controllare la diffusione di informazioni e persino influenzare processi elettorali, minando la pluralità di voci che è fondamentale per una democrazia sana.

Strategie per contrastare il monopolio

Per mitigare questi rischi, è necessario promuovere una serie di misure politiche e tecniche:

    • Investimento in ricerca pubblica aperta: finanziamenti statali destinati a progetti di IA open‑source, che consentano a università e laboratori di piccole dimensioni di sviluppare modelli alternativi.
    • Regolamentazione dei dati di addestramento: obbligo di audit e certificazione dei set di dati per eliminare bias e contenuti discriminatori.
    • Trasparenza algoritmica: requisiti di spiegabilità per i modelli utilizzati in settori sensibili come sanità, giustizia e istruzione.
    • Limiti all’accumulo di potere computazionale: introdurre soglie di controllo sulla quantità di chip e infrastrutture cloud possedute da singole aziende.
    • Supporto a infrastrutture federate: sviluppo di reti di calcolo distribuito che permettano a più attori di condividere risorse senza dipendere da fornitori proprietari.

Il ruolo della società civile

La consapevolezza dei cittadini è cruciale. È necessario un dibattito pubblico che ponga l’accento sui limiti tecnici delle IA generative e sul loro impatto sociale. Organizzazioni di difesa dei diritti digitali, sindacati e movimenti sociali devono collaborare per fare pressione sui legislatori, affinché vengano adottate normative che limitino il potere di pochi giganti tecnologici e promuovano maggiori standard etici.

Conclusioni

In sintesi, i sistemi di IA generativa multimodale dominati da ChatGPT, Claude, Gemini, Grok, Copilot e Llama rappresentano una realtà tecnologica avanzata ma intrinsecamente limitata. Le loro capacità di previsione statistica non equivalgono a una vera intelligenza, e i loro difetti – bias, allucinazioni e costi operativi imprevedibili – li rendono più pericolosi che benefici per la società. Le aziende leader, pur investendo ingenti somme, stanno subendo perdite finanziarie enormi e non riescono a dimostrare un impatto positivo su occupazione o produttività.

Contrastare il loro monopolio richiede un intervento combinato di politiche pubbliche, ricerca aperta, trasparenza e partecipazione attiva della società civile. Solo così sarà possibile orientare lo sviluppo dell’intelligenza artificiale verso un futuro che tuteli i valori democratici e i diritti di tutti, evitando che la tecnologia serva esclusivamente a rafforzare il potere di pochi colossi.