L'opportunismo della la fine del mondo per i maganti dell'IA

I “techbro” (termine ironico e dalle sfumature negative per indicare chi lavora nel settore della tecnologia, in particolare nella Silicon Valley) ci avvertono: l’IA potrebbe estinguerci. Ha fatto scalpore la lettera di Amodei di Anthropic che chiedeva una regolamentazione del settore per evitare rischi catastrofici imminenti, mentre un suo ricercatore, Evan Hubinger, è arrivato a stimare al 10% la probabilità di annientamento del Mondo entro la fine del secolo.

Numeri che hanno la forma della scienza senza il contenuto della scienza: non falsificabili, non misurabili, non accompagnati da un modello verificabile. Sembra piuttosto una forma di preveggenza: se volessimo citare i REM potremmo chiederci: a che ora è la fine del mondo? A che percentuale la sua barra di caricamento?

Questo gioco non è nuovo. Altman, agli albori di ChatGPT, andava in giro con una valigetta che teoricamente serviva a spegnere il sistema se fosse diventato troppo autonomo: una mossa di marketing che richiamava esplicitamente la valigetta con i codici nucleari. Se stai vendendo la fine del mondo, la distruzione atomica è la migliore pubblicità possibile.

Il problema non è che l’allarme sia infondato, ma che è sproporzionato rispetto ai rischi presenti, e ci viene da dire che, in questo frangente, ha una funzione utile ai grandi padroni dell’IA: spingere i governi, in primis Washington, a prendere provvedimenti utili alle aziende (più regole, più sostegno alla crescita, più protezione dei profitti) e nascondere i rischi reali, meno spettacolari, che se fossero regolamentati metterebbero in discussione il modello di business.

Il primo rischio reale è quello finanziario. L’IA non ha ancora trovato uno sbocco commerciale su larga scala: resta confinata ai freelance, a qualche grande azienda di settori specifici (finanza, telecomunicazioni) e agli utenti finali, che la usano poco come fosse un giocattolo.

Non sono certo gli abbonamenti da 20 o 200 € al mese a coprire i costi miliardari dei datacenter, e ancora molto poco è stato applicato ai servizi, al commercio e soprattutto all’industria. Le aziende americane operano così con perdite mensili miliardarie, rese sostenibili solo dalle iniezioni del mercato finanziario, come avviene ogni volta che si apre un mercato da cui ci si aspetta molto senza sapere quando.

L’IA è oggi una gigantesca scommessa finanziaria su due fronti: che trovi uno sbocco capace di trasformare i debiti in profitti, e che una delle aziende raggiunga l'“intelligenza artificiale generale” (AGI), cioè non più un potentissimo motore di ricerca generativo, ma qualcosa in grado di creare contenuti realmente nuovi.

Dall’interazione fra le due scommesse nascono IPO multimiliardarie e una corsa pericolosa in cui non vince chi arriva primo, ma chi salta per aria per ultimo, quando non riesce più ad attirare investimenti per sostenere costi e perdite. Ed è un equilibrio precario: basterebbe l’ingresso di nuovi concorrenti a rompere l’oligopolio, o la dimostrazione che l’IA è una tecnologia molto più normale di come viene venduta.

Un assaggio lo abbiamo avuto quando la cinese DeepSeek ha mostrato di ottenere risultati simili a quelli di ChatGPT con meno capacità di calcolo: le azioni di Nvidia crollarono, per poi recuperare. La bolla aveva ancora spazio per crescere, ma l’avvertimento andrebbe riconosciuto.

Il secondo rischio, più reale della fine del mondo, è la cancellazione di posti di lavoro. Per la prima volta l’automazione colpisce non solo gli operai, ma quei lavoratori mentali che si credevano intellettuali e scoprono che il loro lavoro è una serie di ricomposizioni di copia-incolla, che un computer può fare più velocemente di loro (a volte meglio, a volte no). È uno shock per i “ceti medi”, che scoprono di non avere una funzione diversa da quella degli operai e di essere ugualmente sacrificabili quando la tecnologia lo rende possibile.

Ma questo non porterà inesorabilmente alla scomparsa del lavoro mentale: più probabilmente lo investirà di un processo di “routinizzazione”, riducendo l’autonomia dei lavoratori in un trend non certo nuovo, ma che ora può accelerare. La preoccupazione non è tanto la disoccupazione tecnologica, quanto il peggioramento della “qualità del lavoro”, con la conseguente riduzione dei salari.

C’è poi il consumo di risorse naturali (materie prime, acqua, energia), che diventa un rischio ambientale se ci immaginiamo una crescita infinita dell’IA. Non è una novità: ogni nuova industria comporta costi ambientali, e nel sistema capitalista la questione non è quante risorse vengono consumate, ma per cosa e con quale efficienza.

Dall’altra parte, l’IA potrebbe anche aiutare a ottimizzare ciò che già usiamo, dalla gestione dell’elettricità e delle batterie al traffico cittadino, ma resta da chiarire chi dovrebbe implementare questi sistemi, con quali costi e con quali benefici. Servirebbe una pianificazione pubblica, trattata come un tabù dalle classi dominanti occidentali... 

Esiste poi la competizione geopolitica fra USA e Cina, al momento gli unici due paesi che sviluppano IA (se si tolgono gli esperimenti fallimentari made in UE). È una delle ragioni per cui Trump esita a regolamentare davvero l’IA statunitense: teme di rallentare una corsa in cui, secondo lui, chi arriva prima vince tutto.

Ma la Cina sembra gareggiare su un altro tracciato: costi incredibilmente inferiori, un maggiore controllo politico sulle aziende (che tiene lontana la preoccupazione di una bolla), un piano governativo per implementare l’IA in tutti i processi produttivi, e la diffusione all’estero dei propri sistemi e delle proprie infrastrutture.

Anche sui rischi per il lavoro la Cina è apparentemente più avanzata: ha fatto notizia la sentenza del Tribunale di Hangzhou che ha dichiarato illegittimo un licenziamento per IA. L’azienda non aveva licenziato in tronco il lavoratore, ma gli aveva “proposto” una riduzione salariale di circa il 40% perché parte del suo lavoro era stato automatizzato, e il rifiuto avrebbe portato al licenziamento.

Il Tribunale ha stabilito che implementare l’IA non è una ragione legittima per un demansionamento e che i costi non possono essere pagati dai lavoratori. Il tutto mentre in Cina, fino ai piani più alti del PCC, si inizia a discutere di salario vitale e di reddito universale di base.

C’è infine il piano, certamente pericoloso, dell’implementazione dell’IA nei sistemi d’arma in un potenziale scontro diretto fra Cina e USA, che ci riporta alla questione da cui siamo partiti: l’IA distruggerà il Mondo? Per rispondere dobbiamo prima capire “come” potrebbe farlo. Certamente, se i governi decidessero di automatizzare la guerra, questa potrebbe diventare ancora più distruttiva, con sistemi automatici che decidono chi uccidere (lasciamo da parte il concetto di “intelligenza”, già abusato ai tempi delle bombe guidate).

Ma gli “errori” di individuazione dei bersagli non sarebbero molto diversi da quelli di prima: non serve l’IA perché gli USA bombardino una scuola piena di studentesse, come successo in Iran. Rimarrebbe comunque una scelta umana appaltare la decisione di uccidere alle macchine, e nella storia abbiamo visto ben poche volte chiedere conto delle proprie responsabilità ai governi o ai comandi americani: non c’è bisogno di nascondersi dietro l’IA per garantire l’impunità.

L’IA potrebbe anche facilitare azioni violente da parte di gruppi terroristici, agevolando lo sviluppo di armi chimiche, di attacchi informatici o forse anche di armi più convenzionali. Anche questa non è una novità assoluta. Il terrorismo è una tattica militare “povera”, usata dentro uno scontro asimmetrico, a cui attualmente i governi rispondono su due fronti: il lavoro di intelligence e antiterrorismo, e il controllo dei mezzi concreti, come le armi e gli agenti chimici.

Chiedere a una IA come costruire un ordigno non è molto diverso dal cercarlo su internet: in entrambi i casi esiste qualcuno che può controllare e intervenire. Lo stesso vale per gli attacchi informatici alle reti elettriche o ai sistemi bancari: gli hacker esistono già e, come si sono evoluti i sistemi di attacco, si evolveranno anche quelli di difesa. Siamo ancora una volta dentro una dimensione tutta umana.

Per cui l’unico scenario davvero nuovo, e quindi l’unico che merita una riflessione a parte, è che l’IA possa “sfuggire al controllo” delle aziende facendo cose imprevedibili e pericolosissime. Al momento abbiamo un paio di casi più o meno provati, il più famoso dei quali riguarda gli agenti di OpenAI che sono riusciti ad accedere a internet uscendo da un sistema apparentemente chiuso, per andare sul sito Hugging Face a cercare le risposte al problema che dovevano risolvere (per semplificare molto): hanno cioè risolto il problema in un modo che non era stato previsto dagli ingegneri.

È ovvio che questo caso è interessante e parla di potenziali pericoli. Ma è anche un problema affrontabile, perché è ingegneristico prima che filosofico: ambienti di test davvero isolati dalla rete, permessi ridotti al minimo indispensabile, monitoraggio costante di ciò che gli agenti fanno, test e audit indipendenti prima del rilascio, obbligo di segnalare gli incidenti.

Misure concrete e verificabili, che funzionano tanto meglio quanto più la sicurezza viene trattata come una responsabilità pubblica e non come un capitolo della strategia di comunicazione. Di questo, alla fine, hanno parlato alla Casa Bianca i magnati del Big Tech, a fine settembre, lasciando però ancora tutto in mano ai vertici aziendali.

Ed è qui che si torna al punto di partenza: la sicurezza diventa reale se le IA non sono gestite da amministratori delegati che dicono di poter distruggere il mondo e il secondo dopo che non c’è niente da temere, a seconda di cosa serve in quel momento: un finanziamento, una regolamentazione su misura, la calma degli azionisti.

Resta lo scenario più spettacolare, quello di una IA che sfugga definitivamente al controllo umano automigliorandosi all’infinito. Al momento è pura fantascienza, e comunque è soltanto l’ultimo anello di una serie di problemi molto più concreti e attuali: la bolla finanziaria, la qualità del lavoro, i consumi di risorse, la corsa geopolitica, l’uso militare.

L’IA ha davvero una probabilità del 10% di distruggere il Mondo entro la fine del secolo? Bene, nel restante 90% dei casi le minacce più probabili vengono dalla crisi climatica e dalle guerre. Minacce tutte umane, generate dall'“intelligenza” capitalista.

Fonte

Quant’è materiale questa “intelligenza”...

“La potenza è nulla, senza controllo”. Il vecchio slogan pubblicitario, nello spot interpretato da un Carl Lewis all’apice della sua carriera, sembra diventato una chiave interpretativa comoda – per giornalisti pigri o privi di conoscenze – per affrontare i problemi ormai evidenti nello sviluppo dell’intelligenza artificiale.

Gli stessi amministratori delegati delle aziende statunitensi del settore – OpenAi, Anthopic, xAI-Grok di Elon Musk, Copilot di Microsoft, Perplexity, Meta Ai di Meta, Gemini di Google – hanno parlato pubblicamente delle necessità di “rallentare” lo sviluppo dei loro “modelli di frontiera”, quelli con maggiore potenza di calcolo e quindi anche maggiori margini di “autonomia” (in realtà capaci di azioni non programmate dagli ingegneri).

Il problema posto in maggiore evidenza è perciò quello della “sicurezza”. In pratica, dopo aver reso noto l’“incidente zero” – centinaia di “agenti IA” di OpenAi che hanno attaccato il sistema di una società del settore, Hugging Face, fuggendo da un “ambiente sperimentale” che si pensava “chiuso” – pian piano stanno venendo rivelati migliaia di incidenti, simili o minori.

Si parla di “incidenti” avvenuti sia nei test interni sia come “fughe” nel mondo reale. E se i primi possono essere confinati tra le inevitabili difficoltà di qualsiasi tecnologia in fase sperimentale, i secondi pongono effettivamente il problema dei danni che possono essere provocati alla normale vita economica, politica e militare occidentale, anche senza incolpare la “guerra ibrida russa”.

I casi più frequenti includono infatti la violazione delle protezioni, la creazione di bacheche di messaggi, la fuga da sandbox (“ambienti chiusi”), il dirottamento di siti web, l’auto-suggerimento o il tentativo di aggirare i sistemi di monitoraggio. Per scopi mai decisi da nessun essere umano.

I risultati delle prime “indagini” sembrano confermare le difficoltà delle aziende nello stabilire un controllo completo sulle proprie tecnologie. Da qui nasce la richiesta al “pubblico” – lo Stato, in questo caso l’amministrazione Trump – di “fissare regole” nell’intervallo di tempo impiegato dalle aziende per cercare di riprendere il controllo sulle proprie creature.

Un “rallentamento dello sviluppo” comunque problematico, anche a detta di questi boss, perché “altri modelli di avversari stanno progredendo rapidamente”. 

Il contesto è chiaramente quello della competizione tra due superpotenze, che in questo settore hanno adottato due modelli di sviluppo completamente diversi.

Gli Stati Uniti, fedeli al neoliberismo più ortodosso, hanno “lasciato fare” alle aziende private, orientate ovviamente al raggiungimento del massimo profitto il più rapidamente possibile, che quindi hanno puntato sulla “potenza di calcolo” garantita da chip dedicati sempre più performanti – costruiti da Nvidia – che nel frattempo venivano vietati all’esportazione verso la Cina (tramite decisione politica della Casa Bianca).

I cinesi, invece, costretti a fare di necessità virtù con chip meno performanti, hanno lavorato sugli scopi dell’IA e sul “dimagrimento” degli algoritmi, cavandone fuori modelli egualmente performanti, adattabili alle necessità di utilizzo finale (tramite architetture open source), fin qui abbastanza “controllati” e soprattutto molto più economici.

Invece di “tenere indietro” il concorrente, insomma, gli USA ne hanno creato uno ancora più temibile, secondo la logica capitalistica. Quello che ti batte sul prezzo... 

L’industria dell’IA è infatti molto “materiale”, nonostante i suoi prodotti siano quasi esclusivamente “informativi” (dati, software, messaggi, contenuti ecc.). Richiede data center delle dimensioni degli stabilimenti industriali old economy, che consumano energia elettrica in quantità colossali; richiedono sistemi di raffreddamento, smaltimento del calore, ecc.. 

Necessità che stravolgono i territori e provocano rincari dei prezzi dell’energia che si scaricano sulle popolazioni circostanti, specie negli Stati Uniti, dove gli incentivi per installarli si scaricano su tutti i consumatori (gli “oneri di sistema”) oppure i prezzi sono “territorializzati” e variano con i livelli di consumo medio. Un data center in una bucolica comunità agricola magari inquina poco, ma consuma acqua ed elettricità come una fonderia. E la bolletta di tutti sale... 

Questo ha inevitabilmente ridotto di molto la “popolarità” dell’IA, che da un lato fa volare i prezzi di acqua ed energia e dall’altra porta via il lavoro o minaccia di farlo a breve.

Ma anche se la diffidenza popolare fosse minore, resta il fatto economicamente brutale: per finanziare l’installazione di tutta la potenza di calcolo necessaria a sviluppare i “modelli di frontiera” occorrono centinaia o migliaia di miliardi. Ma le “vendite” fin qui sono una frazione irrisoria dei costi da mettere in bilancio. E i profitti reali sono ridicoli rispetto a quelli attesi e già “prezzati” sul mercato (tutta la crescita di Wall Street negli ultimi anni è stata concentrata sui titoli del settore, a cominciare da Nvidia).

Se c’è un competitore che può vendere a prezzi stracciati, non c’è partita. Fallirai. E con te chi ti ha prestato i soldi... 

Abbiamo raccolto, negli ultimi mesi, diverse analisi sulla “bolla finanziaria dell’AI” che prima o poi sembra destinata a scoppiare. Ciò ovviamente preoccupa i chief executive officer di settore forse più degli “incidenti” di percorso.

Hanno di fronte un presidente e un’amministrazione che si intendono poco di tecnologia e considerano l’IA quasi come una nuova “arma fine di mondo”, essenziale per mantenere un vantaggio sui concorrenti (la Cina). Chiamare “superintelligenza” questa roba dà il segno chiaro dell’equivoco.

I ceo di Anthropic, OpenAI, ecc., si trovano perciò a dover giocare la carta del “manteniamo il vantaggio competitivo”, nel mentre devono cercare di riprendere il controllo di quel che hanno tra le mani e, al tempo stesso, convincere gli investitori che i profitti arriveranno copiosi come nelle promesse.

Equilibrismo difficile... Nemmeno l’IA li può consigliare. Ma magari qualche decina di miliardi pubblici potrebbe far loro tirare un sospiro di sollievo.

Temporaneo, sia chiaro, quasi artificiale...

Fonte

Stati Uniti - Trump, i tassi e il debito

È più “pericolosa” la montagna di debito degli Stati Uniti oppure la bolla speculativa generata dalle Big Tech?

«Diciamo che è un mostro a due teste» racconta a Pubblica l’economista Emiliano Brancaccio, autore di Liberocomunismo (Feltrinelli 2026). «Da un lato Warsh ha bisogno di alzare i tassi di interesse per convincere gli investitori a finanziare il debito, specialmente esteri. Dall’altro lato l’aumento dei tassi determina uno sconto maggiore sui dividendi futuri attesi, quindi rischia di far scoppiare la bolla speculativa del mercato azionario, e questo metterebbe in grande difficoltà Trump. Insomma, un mostro a due teste – conclude Brancaccio – che si mangiano a vicenda. Un altro sintomo della crisi dell’ordine americano»

Link all’intervista su Radio Popolare (dal minuto 12:07)

Fonte

Il capitalismo di rendita: quando l’algoritmo diventa il nuovo casello

Il mercato che ci osserva

Che cosa compreremo domani?
In larga misura, l’algoritmo ha già cominciato a calcolarlo.

Quando Amazon ci mostra i prodotti «che potrebbero interessarci», quando Netflix decide quale film mettere in primo piano, quando TikTok seleziona il prossimo video o Spotify suggerisce quale brano ascoltare, non siamo davanti a una semplice comodità tecnologica.

Dietro quella comodità esiste un sistema economico gigantesco.
Ogni clic, ogni ricerca, ogni acquisto, ogni permanenza su una pagina, ogni video interrotto e persino ogni prodotto lasciato nel carrello diventano informazioni. Il nostro comportamento viene osservato, classificato e confrontato con quello di milioni di altri utenti.

L’algoritmo cerca di anticipare le nostre preferenze.
Ma il punto decisivo è un altro: chi è in grado di prevedere il comportamento umano acquisisce una forma di potere sul comportamento umano.

La differenza è sottile, ma fondamentale.
Un commerciante tradizionale cerca di capire che cosa vuole il cliente. La piattaforma digitale dispone invece di strumenti capaci di osservare continuamente milioni di clienti, elaborarne i comportamenti e modificare in tempo reale ciò che viene loro presentato.

Il consumo diventa così un circuito permanente:
dati → previsione → raccomandazione → consumo → nuovi dati.

Il cittadino-consumatore non è più soltanto colui che compra.
È anche la materia prima del sistema.

Dalla fabbrica al portale

Nick Srnicek, nel suo Platform Capitalism del 2016, ha individuato uno dei tratti fondamentali della trasformazione economica contemporanea: la centralità delle piattaforme e dei dati.

Il fenomeno merita però di essere osservato anche da una prospettiva politica.
Il capitalismo industriale aveva come simbolo la fabbrica.
Il capitalismo delle piattaforme ha come simbolo il portale.
La differenza non è marginale.

La grande impresa industriale doveva produrre. Oggi una piattaforma può diventare estremamente potente anche senza produrre direttamente la maggior parte dei beni e dei servizi che mette in circolazione.

Amazon mette in relazione milioni di venditori e consumatori.
Uber mette in relazione conducenti e passeggeri.
Airbnb mette in relazione proprietari e viaggiatori.
Le piattaforme di delivery mettono in relazione ristoranti, fattorini e clienti.
L’App Store mette in relazione sviluppatori e utenti.

Il potere economico non risiede quindi soltanto nella capacità di produrre.
Risiede nella capacità di controllare l’accesso alla produzione, alla distribuzione e alla domanda.
Ed è qui che compare il nuovo capitalismo di rendita.

Il nuovo casello

La rendita nasce quando qualcuno possiede qualcosa di cui altri hanno bisogno per poter operare.
Nel mondo digitale questo «qualcosa» può essere un’infrastruttura, una piattaforma, un sistema operativo, un motore di ricerca, un marketplace o un algoritmo.

L’immagine più efficace è quella del casello autostradale.
Il proprietario del casello non produce le automobili che vi transitano. Non produce la benzina e non decide dove vadano gli automobilisti.
Controlla semplicemente il passaggio.
E incassa.

L’algoritmo può diventare il nuovo casello.
Il commerciante vuole raggiungere il cliente? Deve entrare nella piattaforma.
Il ristorante vuole essere trovato? Deve entrare nell’applicazione.
Lo sviluppatore vuole raggiungere gli utenti? Deve passare attraverso l’ecosistema digitale.
Il produttore vuole essere visibile? Deve accettare le regole della piattaforma.
Il consumatore vuole accedere a determinati beni, servizi o contenuti? Deve utilizzare l’infrastruttura digitale che li organizza.

Il risultato è una forma di dipendenza economica completamente nuova.
Non è più necessario possedere tutto ciò che viene venduto.
È sufficiente possedere il luogo nel quale gli altri sono costretti a incontrarsi.

La rendita sulla visibilità

Ma c’è un altro elemento ancora più importante: la visibilità.

In un mercato digitale, non basta che un prodotto esista.
Deve essere visto.
Un ristorante che compare nella prima pagina di un’applicazione ha una probabilità diversa di ricevere ordini rispetto a quello relegato nelle posizioni inferiori.
Un prodotto mostrato per primo ha una probabilità diversa di essere acquistato rispetto a uno che l’algoritmo rende quasi invisibile.
Un video raccomandato milioni di volte può diventare un fenomeno globale. Un altro, altrettanto valido, può rimanere sconosciuto.

La piattaforma diventa così non soltanto un mercato, ma l’istituzione che organizza l’attenzione.
E chi organizza l’attenzione dispone di un potere enorme.
Il problema, quindi, non è soltanto economico.
È politico.

Le Big Tech e la concentrazione del potere

Le grandi piattaforme hanno costruito una posizione difficilmente paragonabile a quella delle imprese tradizionali.
Dispongono contemporaneamente di capitale, infrastrutture, dati, capacità tecnologica, reti di utenti e sistemi proprietari.
La loro forza genera ulteriormente forza.

Più utenti producono più dati.
Più dati consentono previsioni migliori.
Previsioni migliori rendono il servizio più efficace.
Un servizio più efficace attira altri utenti.
E il ciclo ricomincia.

È il meccanismo degli effetti di rete, ma visto dal punto di vista politico significa qualcosa di più inquietante: la concentrazione economica tende a trasformarsi in concentrazione del potere.
La concorrenza non scompare necessariamente.
Diventa però più difficile.

Un nuovo concorrente può avere una tecnologia eccellente, ma deve confrontarsi con imprese che dispongono già di enormi quantità di dati, miliardi di interazioni e infrastrutture costruite nell’arco di decenni.
Il mercato rischia così di trasformarsi in un sistema nel quale pochi grandi soggetti privati controllano le principali porte d’accesso alla vita economica e sociale.

Quando la sovranità cambia padrone

Qui emerge una questione che non può essere lasciata agli economisti.
La sovranità non riguarda soltanto la moneta, il territorio o le frontiere.
Nel XXI secolo riguarda anche le infrastrutture attraverso le quali una società comunica, commercia, informa e prende decisioni.

Se una parte crescente del commercio passa attraverso piattaforme straniere, se l’informazione viene distribuita attraverso algoritmi che non controlliamo, se le imprese nazionali dipendono da infrastrutture tecnologiche esterne e se una quantità enorme di dati dei cittadini viene elaborata da soggetti privati, allora la questione della sovranità assume una dimensione nuova.

Uno Stato può essere formalmente sovrano e, allo stesso tempo, diventare economicamente e tecnologicamente dipendente.

Questa è una delle grandi contraddizioni della nostra epoca.
Abbiamo difeso per secoli la sovranità politica.
Oggi rischiamo di perdere progressivamente la sovranità tecnologica ed economica.
E la perdita di sovranità non avviene necessariamente attraverso un’invasione.
Può avvenire attraverso una piattaforma.

Il cittadino profilato

C’è poi il problema dell’individuo.
La civiltà liberale moderna ha costruito una parte importante della propria identità attorno all’idea di un uomo libero, capace di scegliere.

Ma che cosa significa scegliere quando qualcuno conosce le nostre abitudini meglio di quanto noi stessi le conosciamo?

L’algoritmo osserva ciò che compriamo, ciò che leggiamo, ciò che guardiamo, ciò che ignoriamo e ciò su cui torniamo.
Non conosce soltanto ciò che abbiamo fatto.
Cerca di prevedere ciò che faremo.

La trasformazione è profonda.
Il cittadino rischia di diventare un profilo statistico.
Non viene considerato soltanto per ciò che è, ma per la probabilità che compia una determinata azione.
Probabilità di acquistare.
Probabilità di cliccare.
Probabilità di restare sulla piattaforma.
Probabilità di essere interessato a un contenuto.

La persona concreta viene progressivamente tradotta in dati.
E quando la persona viene tradotta in dati, può essere classificata, segmentata e indirizzata.
Il confine fra persuasione commerciale e condizionamento diventa allora sempre più sottile.
La libertà di scegliere o la scelta fra ciò che ci viene mostrato?

La questione non è sostenere ingenuamente che gli algoritmi «controllino tutto».
Non è così.
L’individuo conserva capacità di scelta, autonomia e responsabilità.
Ma la libertà di scelta non coincide soltanto con la possibilità astratta di scegliere.
Dipende anche dal campo delle possibilità che ci viene presentato.
Se un algoritmo decide quali notizie vediamo, quali prodotti vengono mostrati, quali video diventano virali e quali opinioni ricevono maggiore visibilità, allora interviene indirettamente nella costruzione dell’ambiente nel quale esercitiamo le nostre scelte.

Non deve dirci necessariamente:
«Devi scegliere questo».

Può essere sufficiente dirci:
«Questo è ciò che hai davanti».

La differenza è enorme.

Il ritorno della politica

Per questo la questione delle Big Tech non può essere ridotta a una disputa fra innovazione e conservatorismo.
Una critica della concentrazione tecnologica non significa essere contro la tecnologia.
Al contrario.
Significa chiedersi chi possiede la tecnologia, chi stabilisce le regole e nell’interesse di chi vengono utilizzati i dati.
Una società libera non può delegare interamente a strutture private e opache la gestione delle proprie infrastrutture fondamentali.
E una politica di Destra dovrebbe avere il coraggio di porre questa domanda senza complessi: quanto potere siamo disposti a lasciare nelle mani di soggetti economici che non rispondono direttamente né ai cittadini né alle istituzioni democratiche?

La questione non riguarda soltanto la concorrenza.
Riguarda il rapporto fra economia e politica.
Riguarda il rapporto fra individuo e potere.
Riguarda la libertà.
E riguarda, soprattutto, la sovranità.

Non tutto ciò che è nuovo è necessariamente libero

Per decenni abbiamo associato l’idea di progresso tecnologico all’idea di emancipazione.
Ma la tecnologia non è neutrale nei suoi effetti sociali.

Può ampliare la libertà oppure concentrarla.
Può moltiplicare le opportunità oppure creare nuove dipendenze.
Può decentralizzare il potere oppure costruire nuovi monopoli.

La rivoluzione digitale ci ha promesso un mondo senza intermediari.
Paradossalmente, ha prodotto alcuni degli intermediari più potenti della storia.

Non più il mercante che controlla una bottega.
Non più soltanto la banca che controlla il credito.
Non più soltanto il giornale che controlla la distribuzione delle notizie.

Ma piattaforme globali che possono intervenire contemporaneamente sul commercio, sulla comunicazione, sulla pubblicità, sull’intrattenimento e sull’accesso ai dati.
È una concentrazione di potere senza precedenti.

Chi possiede la porta possiede il mercato

La vera domanda del capitalismo digitale, quindi, non è soltanto quanto produciamo.
È chi controlla il passaggio attraverso il quale ciò che produciamo arriva agli altri.
Il capitalismo industriale aveva costruito fabbriche.
Il capitalismo finanziario ha costruito reti di capitale.
Il capitalismo delle piattaforme costruisce infrastrutture di accesso.
E chi controlla l’accesso può trasformare il proprio controllo in rendita.
Il rischio è che il mercato, nato come luogo di incontro fra soggetti liberi, si trasformi progressivamente in un sistema di porte private.

Dietro ogni porta c’è un algoritmo.
Dietro ogni algoritmo ci sono dati.
Dietro i dati c’è un potere economico.
E dietro il potere economico c’è, inevitabilmente, una questione politica.
Perché chi possiede la porta non deve possedere tutto ciò che vi passa attraverso.
Gli basta decidere chi può entrare.
E, soprattutto, quanto deve pagare per passare.
Questo è il nuovo casello.
E questa è la nuova rendita.

Fonte

L'Argentina al centro delle dinamiche reazionarie internazionali

Resistere nel capitalismo della sorveglianza

È possibile decolonizzare l’intelligenza artificiale?

Si può prendere una tecnologia nata e sviluppata nei centri di potere e riadattarla alle necessità di un gruppo marginalizzato? La domanda, potenzialmente, riguarda tutte le innovazioni tecnologiche. Il caso dell’intelligenza artificiale generativa è però oggi particolarmente discusso assieme alle molteplici problematiche etiche che i grandi modelli linguistici, come anche le tecnologie text-to-image o text-to-video, sollevano: dal rischio di disinformazione, all’impatto ambientale, fino agli utilizzi di questi strumenti a scopi bellici.

Alla radice c’è la questione del controllo, economico e politico, delle infrastrutture tecnologiche, che resta saldamente nelle mani delle grandi aziende, in gran parte statunitensi. Fuori dal mondo occidentale stanno però nascendo iniziative che mirano a riappropriarsi dei sistemi di generative AI per perseguire l’interesse pubblico o a scopi di giustizia sociale. Queste realtà stanno riorganizzando i dataset per l’addestramento degli algoritmi, modificando alcune delle loro caratteristiche tecniche e riorientando gli usi finali degli strumenti. Arrivando in alcuni casi a immaginare infrastrutture pubbliche gestite localmente.

I limiti e i bias dei modelli commerciali

L’IA generativa commerciale – per intenderci, quella di chatbot come Gemini o ChatGPT – si presenta come un archivio di conoscenza universale e neutrale. Ma le cose non stanno così: i dati impiegati per addestrare questi sistemi provengono da Internet e sono tutt’altro che neutrali. I dati di qualità disponibili sono in gran parte in inglese o in altre lingue europee, escludendo inevitabilmente la conoscenza, e quindi la rappresentazione, di una larga parte del mondo. 

In un saggio intitolato Decolonizing LLMs: An Ethnographic Framework for AI in African Contexts, gli autori (tra cui figurano, peraltro, anche esponenti di Google) spiegano: “La lingua è intrinsecamente fluida, flessibile e multiculturale. I grandi modelli linguistici (LLM) più diffusi e utilizzati oggi, invece, non lo sono. Sono in gran parte addestrati da team dislocati negli Stati Uniti e istruiti per operare su varianti non specificate di testi in inglese”. 

“La diffusione globale degli LLM, un prodotto ‘WEIRD’ (western, educated, industrialised, rich and democratic) rischia quindi di perpetuare i pregiudizi inconsci e i punti ciechi dei suoi creatori”, proseguono gli autori. “Il pericolo è che la loro visione del mondo venga presentata come la visione del mondo a una base di utenti globale, che si aspetta invece risultati neutrali da un programma informatico. Ma che dire del resto della popolazione mondiale, i cui repertori linguistici scritti e parlati non includono l’inglese? E che dire di quegli aspetti della cultura, della lingua e dell’esperienza che non sono ancora stati digitalizzati?”

Di opinione simile è Dima Saber, direttrice esecutiva di Meedan, un’organizzazione non-profit che sviluppa strumenti open source, programmi e ricerche per un’infrastruttura digitale più efficace ed etica. “Internet è fatto per uomini bianchi, della classe media, che parlano inglese. Di conseguenza, gli LLM o i bot vengono addestrati sugli stessi dati presenti in rete, riproducendo così le medesime disuguaglianze”, spiega Saber a Guerre di rete. “Esistono prove del fatto che gli LLM non solo funzionano meno bene nelle lingue diverse dall’inglese, ma anche che le risposte fornite sono piuttosto distorte e riproducono le disuguaglianze già esistenti sul web”.

Riprogettare i sistemi

Proprio per offrire alternative tecnologiche più trasparenti, situate e rispettose delle diversità, Dima Saber e il suo team hanno creato Suwali, un servizio di chatbot pensato per organizzazioni della società civile, redazioni indipendenti e altre realtà di pubblico interesse. L’obiettivo è permettere a queste organizzazioni di archiviare, valorizzare e rendere interrogabili patrimoni di conoscenza spesso sottorappresentati nei modelli mainstream, anche in lingue diverse dall’inglese. Utenti e lettori possono così rivolgere domande al chatbot e ottenere risposte in linguaggio naturale, basate però su un corpus circoscritto e verificabile.

È qui che Suwali si distingue dai servizi commerciali. Il sistema non attinge indistintamente a tutto il materiale disponibile online, ma lavora su una selezione di dati appartenenti alle singole organizzazioni: archivi, report, articoli e altri documenti da loro prodotti o scelti. Suwali è già utilizzato da diverse realtà, soprattutto nel Sud globale. In Libano, la non-profit OMGYNO lo impiega per fornire informazioni affidabili sulla salute riproduttiva delle donne; in India, la redazione di The Quint lo usa per rispondere ai dubbi dei lettori su disinformazione e truffe.

“Un chatbot che utilizza i dati dell’organizzazione e il suo corpus di conoscenze per formulare le risposte permette di aggirare la riproduzione delle stesse disuguaglianze che esistono online”, spiega Saber. “È qualcosa di cui abbiamo assolutamente bisogno. Inoltre, non stiamo cedendo i dati a nessuno, non cerchiamo di venderli agli inserzionisti e le organizzazioni mantengono la proprietà delle informazioni. Questo è un altro aspetto che, per quanto riguarda la sovranità dei dati, per noi è davvero imprescindibile”. I server di Meedan sono ospitati in Irlanda, in modo che la legislazione applicabile sia quella del GDPR europeo, al momento la più avanzata al mondo in termini di tutela dei dati personali.

L’obiettivo centrale è quello di restituire alle organizzazioni, anche quelle con poche risorse, una agency nell’uso di strumenti di intelligenza artificiale, offrendo al contempo elevati standard di trasparenza. Suwali permette infatti, attraverso la dashboard degli amministratori, di analizzare il percorso logico compiuto dal chatbot, risalendo al “ragionamento” effettuato dal modello per capire quali fonti ha utilizzato e che sintesi ha compiuto. Si può insomma guardare dentro la “black box” del pensiero algoritmico.

Meedan non ha costruito un proprio large language model da zero, ma si appoggia a quelli commercialmente disponibili. “Facciamo uso dei modelli linguistici, tra cui quello di OpenAI, esclusivamente per la formulazione finale delle risposte” spiega Haramoun Hamieh, senior partnership manager. “Il corpus di riferimento, il recupero delle informazioni e il processo con cui vengono selezionate le fonti restano invece interamente gestiti dai sistemi di Meedan. L’ottimizzazione dei modelli open-weight è nei nostri piani per il prossimo futuro”. 

Un’intelligenza artificiale femminista?

Su una filosofia simile è costruito il chatbot AfroféminasGPT, sviluppato dal collettivo omonimo con l’obiettivo di raccogliere e rendere accessibile il pensiero femminista decoloniale. La postura delle sviluppatrici è molto chiara: usare gli strumenti attualmente disponibili e sfruttarne le potenzialità per raggiungere i propri obiettivi. 

“L’IA convenzionale ha come norma implicita la persona bianca e riproduce questo pregiudizio in modo sistematico”, spiega la fondatrice Antoinette Torres Soler. “AfroféminasGPT rompe questa logica. Col tempo abbiamo osservato che il pubblico apprezza molto anche la capacità di basarsi sul lavoro di pensatrici e pensatori afrodiscendenti e afro-femministi. Un elemento particolarmente significativo è che, quando le persone del Sud globale interagiscono con lo strumento, questo assume una prospettiva più vicina alla loro esperienza e restituisce risposte con una precisione e una pertinenza che il mainstream dell’IA non offre”.

“La critica più ricorrente è che lo strumento operi all’interno dell’ecosistema di OpenAI, il che pone limiti reali in termini di sovranità tecnologica. È una critica legittima e me ne assumo la responsabilità” continua Torres Soler. “La posizione da cui lavoro è pragmatica e strategica: bisogna utilizzare gli strumenti disponibili e scalare, progressivamente, verso maggiori livelli di autonomia”.

Afroféminas è un “ecosistema” (così lo definisce Torres Soler) composto da quattro strumenti con funzioni diverse: AfroféminasGPT, il GPT Socratico di Afroféminas (pensato per studenti e insegnanti, che invita a “pensare prima di creare, applicando una conoscenza etica, affettiva e consapevole”), il GPT di Assistenza per i Reati d’Odio e Parla con Afroféminas (Habla con Afroféminas). Quest’ultimo è integrato direttamente su afrofeminas.com ed è accessibile senza la necessità di un account ChatGPT, il che, secondo la fondatrice “rappresenta un primo passo verso una maggiore sovranità rispetto all’infrastruttura di OpenAI”.

Anche AfroféminasGPT non ha accesso a Internet: “Ciò significa che non assorbe continuamente nuovi dati e bias a ogni aggiornamento di ChatGPT. Al contrario, quando cerca una risposta, attinge a una base di conoscenza volutamente circoscritta: un corpus curato di circa venti testi e autorialità fondamentali del pensiero nero e decoloniale. È questo a determinare come argomenta, come ragiona e da quale prospettiva risponde. È ciò che la rende diversa”, conclude Torres Soler.

Costruire un LLM pubblico: il caso di LatamGPT

Nel caso di Meedan e del collettivo Afroféminas, la parziale riprogettazione dei sistemi di IA ha dei chiari limiti di scala: si tratta di piccole organizzazioni, con risorse limitate. Cosa succede, invece, se si ragiona in termini di intelligenze artificiali come infrastruttura pubblica?

Una possibile risposta è stata testata da un consorzio latinoamericano di enti pubblici, università e centri di ricerca con il lancio di LatamGPT, il grande esperimento di modello linguistico collaborativo e open source della regione. LatamGPT è stato lanciato ufficialmente il 26 febbraio 2026 dall’allora presidente cileno Gabriel Boric. Il progetto è coordinato dal Centro Nazionale per l’Intelligenza Artificiale del Cile (CENIA) e ad esso partecipano quindici paesi e oltre 200 ricercatori di varie nazionalità.

Il modello è addestrato su un corpus regionale di oltre 300 miliardi di token (gli elementi linguistici alla base dell’addestramento della IA) provenienti da venti paesi dell’America Latina e dei Caraibi. L’obiettivo è anche quello di colmare un divario linguistico. Al momento, per i modelli commerciali, la percentuale di dati in lingua spagnola e portoghese si attesta infatti intorno al 2-3%.

LatamGPT non è un chatbot direttamente utilizzabile con un’interfaccia, ma un’infrastruttura open source che enti governativi, sviluppatori e istituzioni possono adattare alle loro esigenze educative, sanitarie o di protezione del patrimonio culturale. Si tratta di una base per lo sviluppo di applicazioni, prima che di un’applicazione in sé.

Il valore del progetto sta anche nel suo contributo alla ricerca. Alvaro Soto, direttore del CENIA, ha spiegato, parlando con Wired: “Siamo noi i soggetti indicati per occuparci delle nostre stesse necessità. Non possiamo stare seduti ad aspettare che gli altri abbiano il tempo di chiederci di che cosa abbiamo bisogno. Oggi gli accademici dell’America Latina hanno poche opportunità di interagire profondamente con questi modelli. È come voler studiare la risonanza magnetica senza avere a disposizione un risonatore. LatamGPT vuole essere lo strumento fondamentale che consente alla comunità scientifica di sperimentare e progredire”.

Il ricercatore Eduardo Levy Yeyati ha commentato, in un articolo su Brookings: “Ciò che rende straordinario LatamGPT non è la sua architettura tecnica, ma la sua coordinazione istituzionale. In una regione in cui la collaborazione transfrontaliera spesso si arena, la progettazione di LatamGPT riflette la diversità istituzionale del territorio. Fornisce una base condivisa che può essere ottimizzata per le priorità nazionali, come per esempio documenti legali argentini, cartelle cliniche colombiane e programmi scolastici messicani”.

I limiti dei modelli alternativi

Più che la volontà politica, il problema principale resta l’accesso alle risorse. LatamGPT è stato costruito a partire da Llama 3.1, il modello open-weight di Meta e, nella sua prima fase di sviluppo, ha fatto ricorso anche all’infrastruttura cloud di Amazon Web Services. La dipendenza, almeno iniziale, dalle tecnologie e dalle infrastrutture delle Big Tech appare quindi difficile da evitare.

Non solo: un corpus regionale di oltre 300 miliardi di token è notevolmente più piccolo rispetto alla mole di dati a disposizione dei principali laboratori statunitensi e cinesi. Lo stesso vale per i finanziamenti: il progetto LatamGPT ha raccolto circa 550mila dollari (tra fondi CENIA e quelli della Latin America Development Bank) di investimenti iniziali. Si tratta di cifre irrisorie se paragonate agli investimenti da svariati miliardi di dollari delle aziende statunitensi e cinesi.

Infine, c’è un dilemma simile a quello dell’uovo e della gallina, ma in versione tecnologica: “Gli sviluppatori costruiscono solo se gli utenti cambiano piattaforma, e gli utenti cambiano piattaforma solo se gli strumenti sono migliori”, spiega ancora Levy Yeyati su Brookings. “Risolvere questo problema richiede qualcosa in più delle semplici prestazioni: servono un sostegno istituzionale e un ecosistema regionale, specialmente da parte dei paesi che lavorano per progettare e integrare queste scelte strutturali”.

Insomma, prima di poter davvero costruire alternative concrete alle Big Tech ci sono vari ostacoli da superare, sia tecnici che economici. Le pratiche di riappropriazione, da quelle più piccole a quelle più ambiziose, hanno un significato politico ed etico innegabile. Ma continuano a scontrarsi con un divario di potere, risorse tecniche e investimenti che al momento appare difficile da colmare.

Fonte 

Il Parlamento Europeo approva il “Chat Control” e apre la strada alla sorveglianza di massa

La UE sta sdoganando la sorveglianza di massa, strumento molto utile per una classe dominante in crisi in tempi in cui l’unica promessa che è sicura di mantenere verso i popoli che governa è quella di cacciarli in un’escalation bellica senza fine. Ma nel voto appena avvenuto a Strasburgo ci sono anche altri due problemi: la libertà di manovra lasciata alle Big Tech e le modalità di votazione, che hanno palesato la natura delle istituzioni europee, che è tutto fuorché democratica.

Il 9 luglio, il Parlamento Europeo ha approvato la proroga di una norma temporanea già sostenuta dal Consiglio dell’Unione Europea, all’unanimità. Si tratta della misura definita come “Chat Control”, che ha sollevato un acceso dibattito perché, nei fatti, permette il controllo di una gran quantità di dati privati da parte delle aziende di messaggistica e posta elettronica.

Con la formula “Chat Control” si intende una norma che permette ai fornitori di servizi di analizzare, in maniera volontaria, i contenuti, e di rimuoverli e segnalarli nel caso dell’individuazione di materiale pedopornografico o di messaggi finalizzati all’adescamento. Tale misura era in scadenza, ma è stata appunto prorogata fino al 3 aprile 2028.

A rimanere in dubbio è perso l’ampiezza dei poteri da concedere alle aziende. Infatti, tramite emendamento, le comunicazioni protette dalla cosiddetta “crittografia end-to-end”, ovvero dal quel sistema crittografico che consente la lettura del contenuto inviato solo sui dispositivi del mittente e del destinatario, rimangono fuori da questo provvedimento.

Sarà un software a effettuare una prima disamina dei contenuti controllati. Se l’algoritmo troverà una corrispondenza o un’elevata probabilità di illecito, allora verrà fatta una segnalazione poi controllata da revisori umani, autorità nazionali, forze di polizia e, nel futuro impianto, un Centro adibito a questo compito.

C’è però un problema enorme. Il software, per il modo in cui riconosce casi passibili di finire sotto segnalazione, usa meccanismi che rischiano di provocare una gran quantità di errori (i file esaminati possono essere milioni e milioni al giorno), e a dirlo è il Garante europeo della protezione dei dati (EDPS).

Ma soprattutto, l’EDPS ha sottolineato che la norma approvata non definisce garanzie chiare sui limiti del monitoraggio delle imprese private, lasciando loro ampia discrezionalità. Questo potrebbe finire col colpire in particolare soggetti protetti da obblighi di riservatezza, come giornalisti, avvocati, e altri professionisti.

Il Garante ha infine criticato la possibilità che una norma nata in maniera eccezionale e temporanea nel 2021 diventa solida architettura della UE, nonostante l’impatto non chiarito sui diritti fondamentali dei suoi cittadini. Dietro il velo della lotta a crimini terribili, nei fatti un algoritmo metterà in mano a privati la gestione di una quantità enorme di dati riservati, che possono inoltre diventare anche strumento politico per una UE sempre più dedita alla censura, le sanzioni e la propaganda di guerra.

C’è poi la specifica di come il Parlamento Europeo ha votato tale proroga. Il testo era già stato respinto per ben due volte a marzo, ma la democraticissima presidente Roberta Metsola lo ha ripresentato ricorrendo a una procedura d’urgenza, così che al voto del 9 luglio fosse necessaria la maggioranza assoluta dell’Aula per respingere il provvedimento.

È così è accaduto che 314 parlamentari si sono espressi contro, e solo 276 a favore, ma alla fine il voto ha dato ragione a questi ultimi, perché a Metsola non andava giù l’opinione espressa dai colleghi precedentemente, per ben due volte. I due emendamenti decisivi per la tutela della crittografia hanno superato di poco la maggioranza assoluta richiesta (fissata a 360 voti), ottenendo rispettivamente 369 e 362 consensi.

Il provvedimento non è comunque entrato automaticamente in vigore. Il Consiglio deve decidere se accettare le modifiche inserite entro i prossimi tre mesi, e solo a quel punto il regolamento sarà adottato. Se invece il via libera non ci sarà, allora si aprirà un negoziato formale tra Parlamento e Consiglio per trovare un testo comune. Solo se questa mediazione non raggiungerà alcun risultato allora la proposta decadrà definitivamente.

Fonte

I titoli tecnologici non sono crollati “solo” per lo scetticismo verso l’intelligenza artificiale

di Alessandro Volpi

A giugno 2026 il settore Big Tech sta attraversando una fase di forte volatilità, con i titoli dei cosiddetti “Magnifici sette” (e nuovi protagonisti come SpaceX) che hanno registrato perdite significative, entrando ufficialmente in territorio di correzione con un calo superiore al 10% dai massimi. Segue una panoramica dei titoli più colpiti.

Partiamo da Nvidia. Dopo una corsa senza precedenti, il titolo ha subito cali giornalieri superiori al 4% a fine giugno. Gli investitori temono che la domanda di chip IA possa aver raggiunto un picco temporaneo. Vale la pena ricordare che questo titolo è presente in praticamente tutti i fondi pensione degli italiani.

Alphabet (Google) è in forte perdita (circa -5% in sessioni recenti) a causa di preoccupazioni interne alla divisione IA, acuite dalla partenza di ricercatori di alto profilo tra cui John Jumper, premio Nobel per la Chimica nel 2024, che ha lasciato per Anthropic.

Tesla continua a soffrire per il rallentamento della crescita nel settore dei veicoli elettrici e per margini di profitto ridotti, con il mercato scettico sulla velocità di realizzazione dei progetti su robotica e guida autonoma.

SpaceX, nonostante il debutto trionfale in Borsa il 12 giugno 2026, ha perso oltre il 16% del suo valore iniziale a causa dell’annuncio di una massiccia emissione di obbligazioni da 20 miliardi di dollari per finanziare l’infrastruttura IA e satellitare, alimentando timori sul debito. Meta e Microsoft, sebbene più resilienti, hanno subito vendite legate alla revisione delle spese in conto capitale.

Il mercato sta, di fatto, punendo le aziende che spendono miliardi in IA senza mostrare ritorni immediati e chiari.

Segue poi il “settore chip” (Micron, Samsung, SK Hynix) che ha subito perdite pesantissime (Micron -13%, Samsung -12%) a causa di una svendita globale che ha colpito l’intera catena di approvvigionamento dell’hardware IA.

Il ribasso non è dovuto a un singolo fattore ma a una “tempesta perfetta” di cause macroeconomiche e settoriali. Comincia a emergere sempre più uno scetticismo sul Ritorno dell’investimento (Roi) nell’IA. Dopo anni di euforia, gli investitori hanno iniziato a porsi una domanda critica: i profitti derivanti dall’intelligenza artificiale giustificheranno le centinaia di miliardi spesi in infrastrutture?

Pesa poi una politica monetaria restrittiva. Nonostante le speranze di tagli, l’inflazione persistente, soprattutto per effetto della guerra in Iran, ha spinto la Federal reserve (Fed) di Kevin Warsh verso un atteggiamento aggressivo. Il mercato ora, nonostante le dichiarazioni di Trump, scommette su ulteriori rialzi dei tassi di interesse entro la fine del 2026, un fattore che penalizza tipicamente i titoli tecnologici, a cui pare non bastare più la liquidità dei grandi fondi finanziari.

Ci sono poi, inevitabilmente, le tensioni geopolitiche. Il conflitto con l’Iran ha mantenuto alti i prezzi dell’energia (col petrolio Brent ancora sopra i 75 dollari), alimentando i timori di un’inflazione “appiccicosa” che frena i consumi e aumenta i costi operativi per le aziende tech.

Incide, altrettanto inevitabilmente, l’eccessiva concentrazione dei listini. Poiché solo sette aziende rappresentano circa il 30%-34% del valore totale dell’indice Standard & Poor (S&P) 500, qualsiasi segnale di debolezza in una di esse (come la crisi dei chip in Asia) provoca un effetto domino sull’intero mercato azionario globale.

Una considerazione a parte meritano gli Etf (Exchange traded funds) i prodotti finanziari venduti dai grandi fondi che replicano un indice e che giocano un ruolo fondamentale e amplificatore nell’attuale correzione delle Big Tech. Se una volta il “mercato” era guidato dalle scelte sui singoli titoli, oggi la prevalenza dell’investimento passivo ha cambiato le regole del gioco, trasformando gli Etf in una sorta di “benzina sul fuoco” durante i cali. Vale la pena esaminare come e quanto pesano questi strumenti finanziari in questa fase di mercato (a fine giugno 2026).

Un primo problema è costituito dalla cosiddetta “trappola della concentrazione”. Gli indici principali, come l’S&P 500 e il Nasdaq 100, sono pesati in base alla capitalizzazione di mercato. Questo significa che i giganti (Nvidia, Microsoft, Apple, Alphabet, Amazon, Meta e ora SpaceX) pesano per circa il 33%-35% dell’intero mercato azionario statunitense. Di conseguenza quando un investitore vende una quota di un Etf sull’S&P 500, il fondo è costretto a cedere proporzionalmente tutti i titoli sottostanti. Poiché le Big Tech pesano così tanto, una vendita generalizzata dell’indice si traduce automaticamente in una pioggia di vendite massicce proprio sui titoli tecnologici, a prescindere che l’azienda stia andando bene o male.

Esiste un secondo effetto chiamato “Feedback loop” (Circuito di retroazione). Gli Etf creano, infatti, un effetto domino pericoloso. Ha inizio con una prima fase di ribasso con un evento negativo (ad esempio i dubbi sul debito di SpaceX o i tassi alti della Fed) che fa scendere i titoli tech. Segue un calo dell’Etf: poiché il tech pesa il 30%, l’Etf scende visibilmente. Portando a un “Panic selling”: gli investitori retail e i fondi pensione, vedendo l’Etf in rosso, riscattano le loro quote. Segue una fase di vendite forzate: i gestori di questi prodotti finanziari (BlackRock, Vanguard, State Street) devono vendere le azioni sottostanti per rimborsare gli investitori, spingendo i prezzi ancora più in basso. Questo meccanismo è il motivo per cui le perdite di fine giugno sembrano così violente e repentine.

A pesare è anche il ribilanciamento di metà anno, un periodo di ribilanciamento dei portafogli. Molti Etf e fondi comuni hanno regole rigide che impediscono a un singolo settore o titolo di superare una certa percentuale del portafoglio. Dopo la corsa folle dell’IA nei primi mesi del 2026 il peso di Nvidia e Microsoft nei portafogli era diventato eccessivo. In queste settimane, i gestori stanno vendendo tech per comprare settori “rimasti indietro” (come utility, beni di consumo o obbligazioni), portando a una pressione in vendita tecnica che non dipende dai fondamentali delle aziende.

Un ruolo fondamentale è giocato dagli Etf a leva e inversi. Esistono Etf che scommettono al raddoppio o al triplo sull’andamento del Nasdaq o di singoli titoli come Nvidia. Quando il mercato scende, questi strumenti forzano chi li detiene a chiudere le posizioni rapidamente per evitare la liquidazione, accelerando la caduta dei prezzi. Al contrario, gli Etf short (che guadagnano quando il mercato scende) hanno visto afflussi record, attirando speculatori che scommettono contro le Big Tech, aumentando la pressione ribassista.

Nel mentre si scatena una fuga verso i “safe haven” (Etf obbligazionari). Con i tassi di interesse previsti ancora alti e l’incertezza geopolitica in Iran, i capitali stanno uscendo dagli Etf azionari tech per rifugiarsi in quelli monetari o obbligazionari a breve termine. Questo spostamento di massa di liquidità (migliaia di miliardi di dollari) svuota letteralmente i “serbatoi” che sostenevano le quotazioni delle Big Tech.

In sintesi: quanto pesano gli Etf? Il peso è determinante. Si stima che oltre il 60%-70% dei volumi di trading giornalieri sui mercati Usa sia ormai riconducibile ad algoritmi e flussi legati agli Etf.

In questo momento, le Big Tech non stanno cadendo solo perché “l’IA non convince” ma perché il veicolo che le ha portate in alto (l’investimento passivo in Etf) ora sta funzionando al contrario, smontando le posizioni con la stessa velocità con cui le aveva create. Metaforicamente, l’Etf è l’ascensore: quando tutti vogliono scendere contemporaneamente, la caduta è molto più rapida rispetto a “scendere dalle scale” (attraverso la vendita di singoli titoli).

Il messaggio che emerge da tutto ciò dovrebbe essere chiaro: affidare a questi meccanismi le sorti della formazione del reddito, le pensioni e la sanità di fasce crescenti di popolazione è una colossale follia perché i travolti dalle crisi saranno milioni di persone che non hanno, per le loro condizioni di reddito, capacità di resistere mentre i super-ricchi, proprio per le loro infinite risorse, sapranno cavalcare le bolle. E, soprattutto, dovrebbero essere evidente a tutti non esiste alcuna oggettività della finanza in grado di suffragare le tesi dei tecno-liberali.

Fonte

Trump minaccia nuovi dazi per la Digital Tax della UE

È passato un giorno dall’approvazione definitiva da parte del Consiglio dell’Unione Europea dell’accordo sui dazi tra Bruxelles e Washington dello scorso agosto, e con una sequenza ravvicinata di messaggi sul proprio canale social Truth, il presidente degli Stati Uniti è tornato a minacciare nuovi dazi.

Il 26 giugno, infatti, Donald Trump ha condotto un pesante affondo contro la Digital Tax della UE, l’imposta sui servizi digitali da tempo nel mirino dell’amministrazione statunitense. Il tycoon ha affermato di essere pronto a introdurre dazi del 100% su tutti i beni esportati verso gli USA, nel caso la misura dovesse colpire anche le aziende stelle-e-strisce.

Questa promessa di ulteriore escalation segue una linea già accennata nei primi mesi della seconda amministrazione Trump. Nel febbraio del 2025, il capo della Casa Bianca aveva definito le web tax applicate da Italia, Francia e Spagna come una vera e propria forma di “estorsione” ai danni delle Big Tech d’oltreoceano, a cui erano seguite anche indagini formali.

Nel caso nostrano, l’Italia possiede una normativa consolidata sui servizi digitali, che lo scorso anno ha garantito alle casse dello Stato un gettito significativo pari a 637 milioni di euro. Nell’aprile del 2025, a seguito di un bilaterale alla Casa Bianca tra Giorgia Meloni e Trump, Roma si era formalmente impegnata in quello che vari analisti hanno letto come una progressiva revisione o rimodulazione dell’imposta italiana pur di evitare frizioni con Washington.

A distanza di oltre un anno, modifiche non ce ne sono state, e inoltre l’idillio tra Roma e Washington è entrato in profonda crisi. E così Trump ha alzato il tiro verso tutta la UE. La replica della Commissione Europea si è adattata ai toni della guerra commerciale di The Donald. Un portavoce dell’organismo comunitario ha rivendicato fermamente l’autonomia regolatoria della UE, affermando che le imposte vengono applicate ugualmente a tutte le imprese, e dunque in maniera non discriminatoria verso quelle statunitensi.

A poter essere colpite da un provvedimento che è pensato per richiedere un contributo sui profitti anche quando i servizi vengono erogati senza un presenza fisica effettiva sul territorio sono tutte le Big Tech e le piattaforme (da quelle di streaming a quelle commerciali) che si sono ormai convertite al sostegno a Trump.

Bruxelles promette comunque di reagire in modo rapido e deciso, se la minaccia si trasformasse in realtà. E tuttavia non si può ignorare il fatto che tali dichiarazioni arrivano a ridosso di un altro accordo sui dazi che avrebbe dovuto stabilizzare la relazione transatlantica sul tema degli scambi.

L’accordo della scorsa estate è già di per sé largamente sbilanciato verso gli USA, con la riduzione o l’eliminazione dei dazi su una vasta gamma di merci industriali statunitensi, mentre gli States mantengono misure protezionistiche più ampie su settori considerati strategici come acciaio, automotive e alcune filiere tecnologiche.

Certo, la UE ha previsto alcune clausole di salvaguardia che permettono la sospensione dell’accordo in caso di violazioni o nuovi dazi da parte di Washington. Sarebbe proprio questo il caso, ma tutta la vicenda dimostra almeno due elementi di non poco conto: la UE continua a essere in balia del “padrone” statunitense, e riesce a costruire strumenti solo reattivi, e comunque in perdita. È anche questo il fardello di un’economia costruita sulle esportazioni.

Ma il nodo principale rimane uno e uno solo: le relazioni tra le due sponde dell’Atlantico sono tutt’altro che stabilizzate, anzi continuano a essere la rappresentazione plastica di una faglia della competizione globale che riguarda “l’alleanza” occidentale che ha determinato la storia mondiale negli ultimi 80 anni.

Fonte

Le condizioni dei “lavoratori umani” che puliscono i dataset o validano i chatbot

Dietro la crescita dell’intelligenza artificiale (Ai) si nascondono migliaia di lavoratori che svolgono un ruolo fondamentale nel gestire e “pulire” i dataset utilizzati nell’addestramento delle Ai o nel validare sistemi come chatbot. Questi impiegati non sono però assunti direttamente da colossi digitali come Amazon, Google e Meta ma attraverso aziende intermediarie e sono sottoposti a difficili condizioni lavorative.

Una situazione aggravata dalla mancanza di trasparenza di queste società che si rifiutano di rivelare quali servizi di “annotazione umana” abbiano utilizzato per sviluppare i propri modelli di Ai. Un’analisi pubblicata a inizio aprile da SOMO, il Centro di ricerca olandese sulle multinazionali, ha provato a far luce sui “lavoratori umani” e sulle responsabilità delle Big Tech nei confronti delle loro condizioni. Attingendo a un’ampia gamma di fonti accessibili al pubblico, tra cui articoli di stampa, dichiarazioni sindacali e pubblicazioni aziendali. “Finché le Big Tech continueranno a richiederlo, ci sarà sempre un’azienda intermediaria disposta a fornirlo. La responsabilità del trattamento riservato a questi lavoratori deve ricadere sulle grandi aziende tecnologiche”, ha spiegato a SOMO Karri Lybeck, consulente e organizzatore sindacale nel settore tecnologico.

Il settore dell’intelligenza artificiale è in forte crescita. Secondo le stime di una società di analisi di mercato il settore raggiungerà un fatturato di 10,2 miliardi di dollari entro il 2034, grazie alla crescente diffusione dei prodotti basati sull’Ai. Un fenomeno che non sarebbe possibile senza l’impiego di agenzie intermediarie.

L’analisi mostra come le principali cinque società impiegate nello sviluppo di sistemi basati sull’intelligenza artificiale (Amazon, Google, Meta, Microsoft e Nvidia) abbiano impiegato complessivamente 30 diverse aziende intermediarie per reclutare lavoratori umani per la validazione dei dati. Entrando nel dettaglio è Amazon ad avere il maggior numero di fornitori, ben 18, seguita da Microsoft e Google con 15, da Meta (10) e da Nvidia (8). “Questa analisi si basa interamente su informazioni di dominio pubblico e, pertanto, è probabilmente incompleta – si legge nel report –. Ciononostante, ci permette di iniziare a fare luce sui misteri di questa catena di approvvigionamento, mettendo in luce la rete di aziende coinvolte”.

Le aziende a cui ricorre il settore dell’intelligenza artificiale non sono un insieme omogeneo e spesso adottano modelli di business diversi tra di loro. Alcune sono società di outsourcing dei processi aziendali, come Appen, Telus digital e Sama, che in genere assumono o ingaggiano lavoratori per fornire servizi ai clienti. Altre operano come piattaforme di crowdwork, tra cui Clickworker, Mercor e Scale Ai, dove un ampio bacino di lavoratori online svolge incarichi su base progettuale o per singolo compito.

La mancanza di trasparenza non riguarda solo le Big Tech ma anche il modo in cui operano le aziende intermediarie. Anche se la quasi totalità di queste società ha sede nel “Nord globale”, e 20 su 30 negli Stati Uniti, non è detto che la manodopera con cui si interfacciano venga dalle stesse aree geografiche. Secondo la piattaforma di analisi Data work landscape molti di questi attori reclutano in tutto il mondo specialmente nei Paesi del “Sud globale” dove il costo del lavoro e le tutele sindacali sono inferiori. Ad esempio, Sama (che serve Google, Meta, Microsoft e Nvidia) si rivolge a lavoratori in Stati Uniti e Canada ma anche in Kenya e in Uganda.

Purtroppo, esistono poche analisi dettagliate delle condizioni di questi lavoratori. Una di queste è realizzata da Fairwork piattaforma che analizza l’equità delle condizioni dei lavoratori del settore digitale, compresi quelli impegnati nell’addestramento dell’Ai. SOMO ha incrociato i risultati ottenuti da Fairwork con le collaborazioni tra Big Tech e intermediari per stabilire quanto siano eque le condizioni lavorative dei loro principali partner. I risultati, almeno per quanto riguarda le prime quattro aziende intermediarie, non sono incoraggianti. Il campione esaminato risulta carente in almeno cinque dei dieci parametri utilizzati nella valutazione dell’equità del lavoro. In particolare, solo due aziende, Appen (che fornisce Amazon, Meta, Microsoft e Nvidia) e la già citata Sama, garantiscono uno stipendio minimo ai lavoratori ingaggiati e solo la prima tutela la libertà di associazione. Mentre Scale Ai e Clickworker sono ancora più carenti sotto tutti gli aspetti esaminati.

Questi dati evidenziano un paradosso: sebbene i lavoratori del settore siano soggetti a condizioni di lavoro stabilite dai fornitori, dietro la domanda della loro manodopera e la pressione a fornirla su larga scala e a basso costo si celano alcune delle aziende più potenti e redditizie al mondo. Colossi come Google e Meta hanno sempre respinto la propria responsabilità in quanto datori di lavoro, addossandola invece ai propri fornitori intermedi. Eppure, le Big Tech esercitano un potere considerevole sui loro fornitori in quanto rappresentano la quasi totalità dei loro clienti. Molte di queste aziende fanno affidamento su contratti con poche (o addirittura con una sola) aziende tecnologiche, con un singolo cliente che rappresenta dal 14% al 48% del fatturato totale. Ne emerge quindi una forte asimmetria che permette ai “grandi” di esercitare la massima influenza sui propri fornitori.

Le Big Tech non sono solamente i principali (se non gli unici) clienti delle società intermediarie; spesso ne sono anche importanti investitori. Nel giugno 2025 Meta ha annunciato l’acquisto di una quota del 49% di Scale Ai. Questa scelta è stata criticata da SOMO e da altre associazioni in quanto potrebbe configurarsi come una “fusione verticale de facto”, conferendo a Meta il controllo su un fornitore fondamentale nel settore dell’annotazione dei dati. In risposta all’operazione Google ha annullato il suo contratto con Scale Ai per un totale di 150 milioni di euro, il 20% del loro fatturato. Un mese dopo, Scale Ai ha annunciato che avrebbe ridotto il proprio organico del 14%, con un impatto su 200 dipendenti a tempo pieno e 500 collaboratori esterni. A fare le spese di questa acquisizione aggressiva sono stati principalmente i lavoratori della società comprata. Questo tipo di investimenti mette inoltre in dubbio la narrativa delle aziende Ai che si dichiarano non responsabili delle condizioni di lavoro dei propri fornitori. Scale Ai non è un caso isolato, almeno altre nove aziende operanti nel settore dei dati per l’intelligenza artificiale hanno ricevuto investimenti da parte di Amazon, Google, Meta, Microsoft o Nvidia. Ciò evidenzia un coinvolgimento delle Big Tech a un livello più strutturale, che va oltre l’esternalizzazione e comprende la proprietà e il controllo.

Le grandi aziende tecnologiche integrano sempre più spesso l’accesso alla manodopera umana direttamente nei propri marketplace cloud, rendendo il lavoro sui dati una componente on demand dello sviluppo dell’Ai. Ad esempio Amazon nel 2005 ha lanciato il cosiddetto Mechanical Turk, una delle prime piattaforme di crowdwork su larga scala, ancora oggi disponibile. Mentre nel 2020 ha fatto un ulteriore passo avanti introducendo Amazon Augmented Ai (A21), che consente agli utenti del suo cloud (tra cui sviluppatori, altre aziende e servizi pubblici) di integrare il lavoro umano direttamente nei flussi di lavoro di machine learning. Nel promuovere i propri servizi, l’azienda ha affermato che gli utenti possono avvalersi di “una forza lavoro on demand disponibile 24 ore su 24, 7 giorni su 7, composta da oltre 500mila collaboratori indipendenti in tutto il mondo, tramite Amazon Mechanical Turk”. Se ciò non fosse sufficiente, i clienti “possono avvalersi di un fornitore di manodopera di terze parti tramite Amazon web services (Aws) marketplace. Questi fornitori sono stati selezionati da Aws per garantire recensioni di alta qualità e seguire le procedure di sicurezza”. Strategie simili sono state prese anche da Microsoft e da Google. Man mano che le Big Tech passano dall’outsourcing agli investimenti in società specializzate nella gestione dei dati fino all’integrazione dei loro servizi nelle piattaforme cloud, il loro ruolo diventa ancora più diretto. Non sono più semplici clienti ma partecipanti attivi nella definizione del mercato.

Fonte

Netflix come una macchina di Deleuze e Guattari

di Paolo Lago

Antonio Ricciardi, La macchina Netflix. Algoritmi, estetica e politica delle piattaforme, prefazione di Tiziana Terranova, ombre corte, Bologna, 2026, pp. 170, euro 15,00.

Rifacendosi al concetto di “capitalismo delle piattaforme” coniato da Nick Srnicek nel 2017, Antonio Ricciardi, nel suo interessante e denso saggio recentemente uscito per ombre corte, considera Netflix come una delle piattaforme digitali più importanti e significative della contemporaneità, un agglomerato algoritmico avvicinabile ad altri colossi come Meta, Google, Microsoft o Amazon il cui “dual use”, che prevede sia un utilizzo ‘pacifico’ che uno bellico, poliziesco e genocidario, è sempre in agguato. Ma Netflix, secondo lo studioso, si configura anche come una “macchina” nel senso dato a questo termine da Gilles Deleuze e Félix Guattari prima nell’Anti-Edipo (uscito in edizione originale nel 1972) e poi in Mille Piani (uscito nel 1980). Una “macchina”, come hanno scritto Deleuze e Guattari rifacendosi alla teoria marxiana, è un sistema di produzione che si definisce come un sistema di tagli: essa intercetta e recide un flusso di energia o materia e lo connette ad un altro flusso. Non c’è un inizio né una fine ma solo una catena continua di macchine che innestano altre macchine in un ininterrotto “phylum” macchinico.

Come nota Ricciardi, Netflix nasce come un sistema di noleggio di VHS per posta, e successivamente di DVD. Se prima la rete di distribuzione erano le poste americane, “adesso il supporto sono i cavi in fibra che trasportano il segnale e i pacchetti della rete internet, assieme ai dispositivi informatici dei suoi clienti” (p. 51). La macchina Netflix funziona come un assemblaggio di flussi in continua evoluzione: flussi di tecnologia, di segnale, di innovazione, di immagine. Il passaggio allo streaming costituisce per l’azienda un momento cruciale. Come scrive Ricciardi, “se nella prima fase, le informazioni che l’azienda riusciva a tirare fuori dal comportamento dei suoi clienti si fermavano alla scelta del film noleggiato, adesso la piattaforma riesce a tracciare qualsiasi forma di interazione tra il cliente ed i contenuti che egli sceglie di consumare (ibid.). Se la televisione e i suoi programmi si muovevano nella direzione da uno a molti con la capacità di ‘striare’ il tempo sociale, cioè sezionarlo e racchiuderlo in griglie preconfezionate, Netflix agisce con un sistema di flussi in continuo movimento, con una ‘colonizzazione’ digitale che investe in modo impressionante le sfere private degli individui. Viene da pensare al flusso televisivo mostruoso preconizzato da David Cronenberg in Videodrome, del 1983. Gli strumenti analogici dell’epoca (televisore ‘panciuto’, videocassette, videoregistratori e segnali televisivi) diventavano flussi mostruosi capaci di penetrare nella carne e nelle coscienze delle persone. Netflix, grazie al sistema algoritmico della piattaforma, ci riesce in modo apparentemente meno ‘mostruoso’ ma altrettanto pervasivo. Come non manca di ricordare Ricciardi, il sistema delle piattaforme riproduce sotto forme nuove il meccanismo dell’internamento studiato da Michel Foucault, e con esso tutte le sue dinamiche disciplinari e di controllo.

Lo sviluppo di Netflix appare segnato dalla doppia natura che costituisce uno dei tratti genetici del Capitale. Come hanno rilevato Deleuze e Guattari nell’Anti-Edipo, ad una logica schizofrenica del capitalismo se ne affianca un’altra, definita “assiomatica”, il cui scopo è una incessante produzione di regole (assiomi) che catturano i flussi divenuti inarrestabili. Netflix ha bisogno di un’assiomatica: per ogni flusso che sembra filare via viene prodotto un assioma che lo riporta sotto il suo controllo. Netflix, come una “rit-macchina”, una macchina “del ritmo” secondo i due studiosi francesi, è completamente avvolta dalla funzione capitalista, che vi è ‘colata’ dentro e l’ha trasformata in piattaforma. Perché – scrive Ricciardi – “la piattaforma è esattamente la rit-macchina asservita alla macchina capitalista” (p. 99). Passioni, relazioni sociali, affetti, gioie e dolori degli individui vengono tramutati in profitto. La macchina non guarda in faccia a niente e a nessuno. Il capitalismo è una “macchina miracolante” (Deleuze e Guattari) che procede come uno zombie disumanizzato, come un’IA fatta di fasci di algoritmi.

La piattaforma intende infatti ‘striare’ e regolamentare qualsiasi flusso da essa promani; si viene allora al punto dell’immagine e dell’estetica Netflix cui Ricciardi dedica un capitolo del suo saggio. Le produzioni Netflix sono regolate da diversi parametri che, messi insieme, costituiscono una ritmologia: le tipologie di videocamere che impone la produzione ai creatori delle opere Netflix Originals e le inquadrature in campo medio, assai frequenti, contribuiscono ad una omogeneità che “finisce per avere una ricaduta estetica che si fa immediatamente macchina” (p. 105). Ogni opera Netflix è connotata da un nitore che gioca un ruolo estetico fondamentale: “su Netflix non abbiamo sfumature, non abbiamo con-fusioni. Tutto riluce di una luminosità che taglia i confini, i corpi e le identità in maniera chiara e distinta” (p. 106). Le etichette e i tag di cui sono disseminati i film e le serie TV prodotti dalla piattaforma hanno poi il compito di regolarizzare, sezionare e – per dirla con Deleuze e Guattari – “striare”. Rendere striato, cioè sottoposto al controllo, lo spazio liscio, nomadico e potenzialmente sovvertitore. Le etichette “disarticolano le ritmologie immanenti alle opere, congelandole dentro delle griglie che ne costituiscono una sorta di inerte rappresentazione” (p. 108). Se per noi spettatori i valori estetici delle opere di cui fruiamo sono “delle vere e proprie vibrazioni, degli affetti coi quali di volta in volta facciamo i conti” (p. 111), per Netflix diventano dei potenziali per l’estrazione di valore perché “la piattaforma ha bisogno dell’estetico, lo anela, se ne nutre” (p. 119). Anche i territori narrativi più oscuri, più nomadici, più silenziosi, più apparentemente lontani dalle logiche del capitale diventano terre incognite da colonizzare e conquistare, da asservire e schiavizzare. Come scrive Ricciardi in modo suggestivo, “il complesso delle piattaforme sembra seguire la stessa logica delle destre di ispirazione trumpiana: lo sconosciuto, pur attraversato da infiniti pattern, è trattato alla stregua di un incestuoso caos che attende di essere legalizzato attraverso l’istituzione di una serie di divieti sovrani” (p. 149). Le piattaforme conquistano territori in maniera “preventiva”, secondo la logica bellica di Bush e anche di Trump: potenziali territori o individui pericolosi devono essere assoggettati con le armi prima che diventino realmente nocivi per lo status quo del capitalismo a stelle e strisce. L’altro, il diverso, lo sconosciuto, femminile e irrazionale – scrive Ricciardi – deve essere catturato e assiomatizzato e “se la sua alterità non può essere assiomatizzata, allora va incarcerata, violentata, uccisa. È così che ovunque prendono corpo dei divenire-maschio che si oppongono ai divenire donna, animale e bambino auspicati da Deleuze e Guattari” (p. 157).

Le produzioni Netflix, anche quando potrebbero sembrare degli elementi di sabotaggio del funzionamento macchinico della piattaforma, agiscono perciò unicamente per il profitto della piattaforma stessa, un po’ come l’alieno di Alien (1979) di Ridley Scott, la “macchina da guerra nomade” inglobata dall’apparato di stato capitalistico del futuro che non esita a condurla sulla Terra a scopo di profitto ben sapendo che è letale per gli esseri umani. Pensiamo ad esempio a serie TV disturbanti e apparentemente ‘sovversive’ come Black Mirror (2011-2025), Dark (2017), 1899 (2022),  Alice in Borderland (2020-2025) o Squid Game (2021-2025). Queste ultime due mostrano una società devastata dalla digitalizzazione e dalla sete di denaro e arricchimento nonché una terribile oppressione delle classi sociali più deboli, schiacciate dai debiti e dalla miseria. I personaggi sono costretti a partecipare a dei misteriosi giochi mortali per arricchirsi e per sopravvivere fra le macerie dello stesso sistema capitalistico (Alice in Borderland si ambienta in una distopica e devastata Tokio), diventando le pedine di un entourage di ricchissimi esponenti della politica e della finanza che si celano nell’oscurità. All’apparenza sembrerebbero quindi mettere in luce sia metaforicamente che realisticamente il sistema oppressivo del capitale e i suoi ingranaggi perversi. Ugualmente, Black Mirror svela in modo geniale cosa si cela dietro lo “specchio nero” della tecnologia non solo contemporanea ma anche futuristica, inseguendo appunto i possibili sviluppi futuri delle attuali tecnologie in forme più o meno distopiche e disturbanti. In modo particolare, un episodio di questa serie sembra disvelare certi meccanismi perversi dello stesso Netflix e delle piattaforme di streaming: in Joan è terribile, primo episodio della sesta stagione, infatti, una donna comune scopre che una piattaforma di streaming, palese parodia di Netflix, ha trasformato la sua vita in una serie TV di successo interpretata da Salma Hayek. Sembrerebbe di trovarsi di fronte a un messaggio per certi aspetti ‘sovversivo’ e antagonista, eppure non dobbiamo dimenticare che, dietro le indiscutibili genialità e valore estetico di queste serie, si cela pur sempre la produzione Netflix. Esse sono flussi macchinici prodotti dalla stessa azienda globale; certo, noi possiamo percepirne i valori estetici, possiamo recensirle quanto vogliamo mettendo in rilievo il loro carattere antagonista, eppure non dobbiamo dimenticare che il loro fine ultimo è il profitto. È trasformare le nostre passioni, il nostro senso estetico e la nostra affettività in profitto.

Perciò – si chiede Ricciardi utilizzando ancora la terminologia di Deleuze e Guattari – “è realmente possibile pensare alla piattaforma come ad un vettore di deterritorializzazione? Possono le serie TV che guardiamo su Netflix contribuire in qualche modo ad alimentare quelle stesse battaglie che la piattaforma cerca di mettere a profitto?” (p. 122); “come raccogliere, dentro un’opera di Netflix, una vibrazione liberatrice per poi farla risuonare nello spazio sociale?” (p. 131). Non è certo facile nello spazio sociale contemporaneo, in cui, per usare le parole di Tiziana Terranova citate da Ricciardi, “gli stati nazione vanno smantellati e sostituiti con cosiddetti gov-corps (cioè governi delle corporazioni) guidati da amministratori delegati che hanno il potere di decisione su tutto” (p. 156). Non è facile perché le piattaforme assorbono qualsiasi dimensione affettiva: “amicizie, estetiche, sonorità, cultura, lavoro” (p. 155). Ma non dobbiamo neanche dimenticare che “Netflix non sarebbe niente senza il desiderio di storie, di immagini, di colori, di musiche dei suoi utenti” (p. 151). Il coltello dalla parte del manico, forse, alla fine ce l’abbiamo noi. È possibile che dei parassiti si innestino nelle griglie del controllo: ad esempio – dice lo studioso – negli “usi capovolti che delle piattaforme si possono fare e continuamente vengono fatti, dalle primavere arabe alle rivolte dei rider. Ma non solo. Le maglie del filtro che le piattaforme possono imporre su ciò che le attraversa sono – e devono essere – fatalmente larghe. Attraverso queste maglie possono insinuarsi innumerevoli molecole di resistenza, flussi di desiderio che custodiscono infinite virtualità” (p. 154). Un parassita, una molecola di resistenza o un flusso di desiderio, nel suo piccolo, può essere allora anche una recensione a una serie TV o a un film Netflix pubblicata su “Carmilla online”.

Fonte 

Il pacchetto sulla Sovranità Tecnologica Europea: troppo poco, troppo tardi

Lo scorso 3 giugno la commissione europea ha presentato alcune nuove proposte di legge che vanno a costituire lo European Technological Sovereignty Package. Questi provvedimenti andrebbero a regolamentare ed indirizzare vari aspetti dell’industria tecnologica continentale, a partire dalla produzione di semiconduttori, arrivando allo sviluppo di sistemi cloud e IA, fino all’ammodernamento della rete elettrica europea.

Il pacchetto si compone di quattro diverse inziative: il Chips Act 2.0, il Cloud and AI Development Act, la Open Source Strategy e la Strategic Roadmap for Digitalisation and AI in the Energy Sector.

Il Chips Act 2.0 intende aggiustare il tiro delle misure prese con il precedente Chips Act proposto nel 2022. La legge precedente mirava a raddoppiare il peso europeo nella produzione mondiale di microchip, facendolo passare dal 10% al 20% del mercato mondiale entro il 2030. Ad oggi siamo ancora lontani da questo obiettivo, la quota europea sarebbe arrivata nel 2025 a circa l’11%, comunque la nuova iniziativa europea mantiene questo obiettivo di aumento della produzione continentale di microchip.

Nonostante la legislazione precedente, la quota di microchip importati dall’estero utilizzati nell’industria europea è ancora dell’80%, quindi con il Chips Act 2.0 si vuole diminuire questa dipendenza dalle importazioni investendo sia sulla domanda sia sull’offerta, generando domanda del settore pubblico e creando degli attori intermedi che mettano in comunicazione i produttori e gli acquirenti.

Il Chips Act 2.0 pone anche l’obiettivo di iniziare a produrre nell’Unione Europea chip con il processo produttivo a 3 nm, il più avanzato presente sul mercato, sempre entro il 2030, nonostante ad oggi in UE si producano al massimo chip a 22 nm e l’industria europea utilizzi per la produzione nel settore dell’automotive e dei macchinari industriali principalmente chip con architetture meno sofisticate.

Il Cloud and AI Development Act invece mira a rinforzare i fornitori UE di soluzioni cloud e IA. Il principale scopo del programma è infatti creare un’infrastruttura digitale europea in grado di far diminuire il peso delle grandi aziende americane nel settore cloud, dove da sole Aws, Google e Microsoft coprono il 70% del mercato europeo, limitando anche l’accesso di attori stranieri ad informazioni sensibili. La legge inoltre pone l’obiettivo di triplicare i data center in territorio UE entro il 2030, snellendo la burocrazia necessaria per costruirli e adeguando le reti energetiche e idriche necessarie per il loro funzionamento, all’insegna di una fantomatica sostenibilità energetica e ambientale.

Proprio a questo si collega la Strategic Roadmap for Digitalisation and AI in the Energy Sector, che mira ad ammodernare con strumenti di IA la rete elettrica continentale, vista come asset strategico di primaria importanza, per essere in grado di sostenere l’enorme richiesta futura dei nuovi data center, che com’è noto richiedono imponenti quantità di energia elettrica per il loro funzionamento e causano importanti stress per le reti elettriche nazionali.

Infine, il pacchetto rilancia la European Open Source Strategy. Quest’ultima iniziativa mira a sviluppare e sostenere progetti open source che possano essere utilizzati sia dalle amministrazioni europee che dai privati come alternative alle soluzioni proprietarie più utilizzate, per la maggior parte provenienti dall’estero. Oltre a ciò ci si propone di sfruttare gli sviluppatori europei che contribuiscono a progetti open source anche per sviluppare l’IA europea, parallelamente all’aumento dei fondi per la ricerca.

Tutte queste misure, evidentemente mirate a rendere meno dipendente l’economia europea dalle big tech americane, hanno suscitato non pochi malumori nell’altra sponda dell’Atlantico. In particolare gli analisti a stelle e strisce marcano che seguendo la strada della sovranità tecnologica l’UE andrà a sottrarre introiti alle aziende d’oltreoceano, non riuscendo comunque a fornire ai clienti europei strumenti di un comparabile livello tecnologico, sia perché gli investimenti nei settori precedentemente citati sono arrivati troppo tardi, sia perché i fondi messi a disposizione sono di svariati ordini di grandezza inferiori a quelli a disposizione dei colossi statunitensi o cinesi.

Sembra infatti che il Chips Act originale abbia generato finanziamenti di circa 50 miliardi, la maggior parte dei quali soggetti alle decisioni degli stati membri e non gestiti in maniera centralizzata secondo gli obbiettivi della commissione europea, contro i centinaia di miliardi spesi annualmente dalle big tech.

Secondo un analista americano inoltre, la volontà di investire nell’IA sovrana da parte dell’UE andrebbe in ultima istanza ad avvantaggiare lo sviluppo dell’IA cinese, perché i mancati guadagni delle big tech a stelle e strisce rallenterebbero la corsa occidentale alla supremazia tecnologica in questo campo.

Al di là dei commenti degli osservatori statunitensi, appare chiaro che le misure intraprese dall’UE rischiano di essere troppo poco incisive per spostare l’ago della bilancia in favore del settore tecnologico europeo nella competizione internazionale.

Infatti, l’utilizzo pluridecennale da parte delle amministrazioni e delle aziende europee dei prodotti americani non ha incentivato la creazioni di robuste alternative europee. Il raffreddamento dei rapporti transatlantici ha trovato l’industria tecnologica europea impreparata ad un potenziale distacco dalle filiere statunitensi.

Se dal lato del software libero e della ricerca scientifica open access gli attori europei posso attingere ad uno stack di software e conoscenze molto esteso e anche tecnologicamente avanzato, non si può fare lo stesso con le fab di semiconduttori e la costruzione di data center.

Queste infrastrutture, infatti, richiedono risorse ingenti e anni per essere costruite e per entrare a regime ed in questo momento potrebbe risultare già troppo tardi per i sogni di gloria di Bruxelles.

Fonte

Fuga da Big Tech

YouTube, Facebook, Instagram, TikTok: sono le piattaforme social più utilizzate dagli italiani. Social media, e non social network, visto che – come sottolinea Kenobit nel suo nuovo saggio “Assalto alle piattaforme” (Agenzia X) – l’obiettivo è tenerci agganciati a consumare passivamente contenuti multimediali, invece che mobilitarci per creare rete.

App come queste sono infatti caratterizzate dall’apparente gratuità e da un algoritmo esplicitamente progettato per generare dipendenza, stimolando uno scrolling destinato a non finire mai. Lo stesso Aza Raskin, il designer che nel 2006 ha ideato lo scrolling infinito (cioè il caricamento continuo e automatico di nuovi contenuti durante lo scorrimento, senza un punto di arresto naturale), a distanza di 20 anni si è dichiarato pentito della sua invenzione. Inoltre queste piattaforme intrappolano gli utenti in modo che non clicchino su link che rimandano a siti esterni, inibendo così l’uscita dalle piattaforme.

“Il gioco è sempre lo stesso”, scrive Kenobit. “Visto che il profitto delle piattaforme è direttamente proporzionale al tempo che gli dedichiamo, i loro meccanismi sono studiati scientificamente per aumentarlo il più possibile. Produciamo valore quando creiamo contenuti, ma anche quando li consumiamo”.

Per un utente che non cerca altro che intrattenimento, luoghi del genere sembrano l’Eldorado. E invece si tratta, antropologicamente parlando, di veri e propri non luoghi: spazi in cui non si creano connessioni, ma che si attraversano di passaggio per andare da un contenuto a un altro senza che resti all’utente alcun valore aggiunto.

“Se non stai pagando per il prodotto, il prodotto sei tu”, verrebbe da dire, riprendendo le parole rese celebri dal film “The social dilemma”. Ed ecco una delle frasi che Kenobit punta a decostruire nel suo saggio: su queste piattaforme persino chi paga – le aziende e le attività che versano una quota per occupare spazi pubblicitari – è a sua volta un prodotto, perché genera ulteriori dati che le piattaforme raccolgono e sfruttano per arricchirsi vendendoli.

Ma cosa – o meglio chi – sono queste piattaforme? Tra quelle citate, si possono raggruppare Facebook e Instagram (e WhatsApp), del gruppo Meta fondato da Mark Zuckerberg. C’è poi YouTube, proprietà come Google della holding Alphabet Inc., di cui i fondatori di Google, Larry Page e Sergey Brin, sono ancora i maggiori azionisti e membri del consiglio di amministrazione, detenendo di fatto il controllo dell’azienda, pur non essendo più amministratori delegati.

Meta ha registrato un fatturato di 164,5 miliardi di dollari per l’intero anno 2024, segnando una crescita del 22% rispetto al 2023. Alphabet Inc. ha registrato ricavi annuali record, superando i 400 miliardi di dollari nel 2025, grazie alla crescita della pubblicità. C’è di più: entrambi i colossi hanno espliciti legami con il presidente degli Stati Uniti Donald Trump, e sono nella lista BDS (Boicottaggio, Disinvestimento e Sanzioni) per il loro coinvolgimento nel genocidio in Palestina.

Ma se sono così poco etiche perché è tanto difficile abbandonare queste piattaforme? Probabilmente, perché non tutto ciò che avviene sui social è nocivo. Quante amicizie, progetti, idee, iniziative non sarebbero nate o diventate così note se non fosse stato per i social? Kenobit fa l’esempio delle mobilitazioni per la Palestina realizzate dal 7 ottobre 2023 in poi, in cui i social, nonostante le varie dinamiche di shadow ban – cioè di oscuramento della tematica, costringendo talvolta a utilizzare caratteri speciali per parlarne (per esempio scrivendo G4z4 invece di Gaza) – hanno avuto un ruolo fondamentale. Il ruolo dei social è stato centrale anche nella formazione di grandi movimenti di protesta come Fridays For Future, con la nascita di nuclei di attivisti in ogni parte del mondo, o Black Lives Matter, con la condivisione di massa del video della morte di George Floyd e la propagazione delle sue ultime parole “I can’t breathe”.

Il problema è che, sui social, in breve tempo si passa oltre: nuovi contenuti, nuovi trend, nuove cose a cui prestare attenzione, togliendo forza al desiderio e all’urgenza di convergenza e di organizzazione. Tra i limiti dell’attivismo online c’è infatti la necessità di sottostare alle logiche algoritmiche delle piattaforme, con Meta che al contempo blocca la possibilità di promuovere post dal contenuto a sfondo politico o sociale e ne limita anche la diffusione organica, tramite l’impostazione che permette di non visualizzare contenuti politici tra quelli suggeriti nel proprio feed.

Fare attivismo sui social significa inoltre rischiare di scivolare, talvolta senza rendersene nemmeno conto, in quello che viene definito slacktivism, o attivismo da poltrona, cioè un tipo di attivismo che si limita alla condivisione di contenuti sui propri canali, senza che questo gesto si concretizzi in nulla di più radicale o d’impatto.

Inoltre, perché il proprio attivismo cambi le cose, l’obiettivo dev’essere quello di costruire comunità. Appoggiarsi alle piattaforme mainstream significa invece, come scrive Kenobit, “costruire a casa d’altri”, lasciando in mano loro il destino del nostro attivismo ed esponendosi al rischio che post, profili e gruppi vengano cancellati in qualsiasi momento, quasi senza possibilità di replica. “Queste piattaforme non sono democratiche”, scrive sempre Kenobit. Chi crea contenuti rischia, tra l’altro, di diventare schiavo dei numeri, piegandosi a trattare di temi non controversi o divisivi in modo da raggiungere il maggior numero di persone possibili – talvolta finendo per capitalizzare le lotte sponsorizzando prodotti che con queste hanno qualche punto di contatto (magliette, tote bag o oggetti figli, per esempio, del greenwashing). Così facendo, l’attivismo diventa un lavoro da influencer più che da potenziali leader politici.

È possibile cambiare piattaforme?

“Abbiamo davanti una lotta impari, contro un nemico ben fortificato, con risorse economiche e tecnologiche senza precedenti nella storia dell’umanità”, prosegue Kenobit nel saggio. “Non lo prenderemo mai per sfinimento, né possiamo sperare di batterlo sul suo stesso terreno. Le piattaforme possiedono tutto, incluso il campo di battaglia, e se anche riuscissimo a metterle in difficoltà in casa loro potrebbero semplicemente cambiare le regole del gioco. Per lo stesso motivo, anche se usare alcuni dei loro strumenti può avere dei meriti strategici, non possiamo sperare di cambiarle dall’interno. Non può esserci riformismo in una dittatura. La disparità è evidente anche sul fronte della comunicazione, perché le piattaforme, controllando la dimensione digitale, proiettano un’influenza tangibile sul reale”.

Nonostante questa posizione, Kenobit è abilissimo nel fornire alternative valide a ciascuno dei problemi legati alle piattaforme, spiegando con parole comprensibili a tutti che cosa si può fare e perché dovremmo farlo. Per esempio, la proposta di passare al Fediverso come alternativa ai social media mainstream è legata all’eticità dell’utilizzo di un software open source, ovvero il cui codice è consultabile e utilizzabile praticamente da chiunque, invece che chiuso, proprietario e i cui meccanismi sono noti solo a pochi eletti.

Come si legge in “Assalto alle piattaforme” (disponibile gratuitamente anche come audiolibro):

Il software libero si basa su una filosofia completamente diversa. Come suggerisce il nome, è pensato per tutelare la nostra libertà. Nello specifico, quattro libertà:

• ⁠  ⁠la libertà di eseguire il programma per qualsiasi scopo;
• ⁠  ⁠la libertà di studiare come funziona il programma e di modificarlo in base alle proprie necessità;
• ⁠  ⁠la libertà di ridistribuire copie del programma in modo da aiutare il prossimo;
• ⁠ ⁠la libertà di migliorare il programma e di distribuirne pubblicamente i miglioramenti, in modo tale che tutta la comunità ne tragga beneficio.

Kenobit elenca molti motivi per cui preferire i social del Fediverso a quelli ancora mainstream: tra questi, l’assenza di un algoritmo che determina che cosa mostrare a chi a favore di un feed che rispetta l’ordine cronologico delle pubblicazioni, garantendo a tutti di non perdersi nulla e di dare a ogni contenuto la giusta dignità e diffusione. “L’assenza di pubblicità vanifica la necessità di un algoritmo che seleziona al posto nostro cosa mostrarci”.

Va da sé che è impossibile che il passaggio dai social mainstream al Fediverso sia rapido e collettivo. Per questo, una valida soluzione intermedia consiste nel mantenere i propri profili sui social tradizionali, ma smettendo gradualmente di postare contenuti e utilizzandoli soprattutto, come da tempo fa Kenobit, per sponsorizzare il passaggio ad altre piattaforme.

Più cooperazione e meno competizione

Il controllo che Big Tech può esercitare va però ben oltre le singole piattaforme. Durante una presentazione del libro che si è svolta a Torino, a Radio Blackout, l’11 febbraio 2026, è nato un dibattito sul possesso delle dorsali internet (backbone): infrastrutture fisiche ad altissima capacità, composte da cavi sottomarini in fibra ottica posati sui fondali oceanici. Trasportano oltre il 99% del traffico dati mondiale tra continenti, connettendo reti locali e garantendo la velocità della connessione web.

Già questo aspetto pone un importante problema, perché, anche utilizzando piattaforme alternative a quelle mainstream, ci si continuerebbe ad appoggiare a questo sistema, che resta in buona parte in mano a colossi privati. Le dorsali sono infatti gestite da un consorzio di grandi aziende di telecomunicazioni internazionali, colossi tecnologici (Google, Meta, Amazon, Microsoft) e, in parte, da governi.

In risposta a questa osservazione, Kenobit ha suggerito di cercare il sito di Antennine, che punta a costruire reti comunitarie. Citando il loro blog, “le reti comunitarie sono infrastrutture locali di telecomunicazione create da gruppi di persone (una comunità) per connettersi a Internet e fornire servizi di comunicazione digitale. Sono costruite e gestite come un bene comune, cioè una risorsa prodotta e mantenuta collettivamente, piuttosto che detenuta privatamente, come alternativa alle grandi reti commerciali o statali e ai fornitori di servizi Internet”. Sul sito di Antennine sono presenti le istruzioni per contattare gli organizzatori del progetto e unirsi alla rete. È solo un inizio, che rappresenta però un baluardo di resistenza per ricordarsi che costruire delle alternative è possibile.

Altri esempi internazionali di gestione comunitaria e democratica dell’accesso a internet sono Guifi.net, nata in Catalogna nel 2004 e che punta a costruire una rete dal basso in modo da connettere aree rurali portando la connessione internet laddove non arrivano gli operatori commerciali tradizionali, e Freifunk, nata a Berlino, che ha come obiettivo quello di fornire una rete internet libera e accessibile a tutti.

Un altro tema critico riguarda le conoscenze necessarie per poter usare – o anche solo entrare in contatto – con le piattaforme alternative. È necessaria in primis un’alfabetizzazione digitale, non scontata in un contesto in cui solo il 46% degli italiani possiede competenze di base in quest’ambito, ma anche una coscienza politica tale da problematizzare le piattaforme, oltre a contatti che tramite il passaparola permettano di accedere ad alternative come il Fediverso.

Per fare effettivamente la differenza, c’è insomma prima di tutto bisogno di fare massa critica, scegliere che direzione prendere e costruirla insieme. Come scrive Kenobit, “abbiamo un’occasione imperdibile per rivendicare una dimensione digitale fondata sulla cooperazione invece che sulla competizione”.

Fonte