Il monito di Fidel Castro sui rischi di autodistruzione

di Luciano Vasapollo

«La specie umana è in pericolo di estinzione». Quando Fidel Castro pronunciò questo monito, nel celebre discorso del 17 novembre 2005 nell’Aula Magna dell’Università dell’Avana, molti lo considerarono un’esagerazione retorica.

Oggi, davanti all’accelerazione della crisi climatica, alla devastazione degli ecosistemi, alle guerre permanenti e all’appropriazione privata delle risorse naturali, quelle parole assumono il valore di una diagnosi storica. Non si tratta di un catastrofismo astratto, ma della constatazione che il modo di produzione capitalistico ha trasformato la natura in merce e la vita stessa in variabile subordinata all’accumulazione.

Per comprendere questa crisi non bastano né l’ambientalismo morale né il tecnicismo economico. Occorre recuperare una visione dialettica del rapporto tra uomo, natura e scienza. È qui che Marx ed Engels restano straordinariamente attuali: la natura non è uno sfondo esterno alla storia, ma il primo terreno dell’attività umana, il luogo in cui si realizza il metabolismo tra società e ambiente.

La rottura di questo metabolismo – quella che John Bellamy Foster ha definito metabolic rift – rappresenta il cuore della contraddizione ecologica contemporanea.

Dalla Rerum Novarum alla Querida Amazonia

Può sembrare insolito affiancare Marx a Leone XIII, Engels a Papa Francesco e il materialismo dialettico al Cantico delle Creature di san Francesco d’Assisi. Eppure esiste un terreno comune: la critica dell’idolatria del denaro e la difesa della dignità della vita.

La Rerum Novarum denunciava già nel 1891 gli effetti disumanizzanti del capitale industriale e rivendicava il primato del lavoro sulla ricchezza. Querida Amazonia amplia quella prospettiva mostrando come la devastazione della foresta, l’espulsione dei popoli originari e la finanziarizzazione dei beni comuni siano aspetti di un unico paradigma tecnocratico. San Francesco, molto prima dell’economia moderna, chiamava il sole, l’acqua e la terra «fratello» e «sorella», indicando una relazione di reciprocità anziché di dominio.

Non è un sincretismo filosofico. È il riconoscimento che tradizioni diverse possono convergere nella critica di un sistema che considera infinita l’accumulazione in un Pianeta finito.

Un passaggio imprescindibile riguarda poi l’enciclica Laudato si’ di papa Francesco, che ha avuto il merito di riportare al centro del dibattito internazionale il rapporto tra crisi ambientale, modello economico e responsabilità sociale. La “cura della casa comune” non può essere ridotta a una generica sensibilità ecologista: implica mettere in discussione un sistema economico fondato sulla crescita illimitata, sulla mercificazione della natura e sulla subordinazione dei beni comuni alla logica del profitto.

In questo senso, la riflessione proposta da Laudato si’ entra in un dialogo fecondo con la critica marxista dell’economia politica, perché riconosce che la devastazione ambientale non è un fenomeno separato dalle strutture economiche e sociali che organizzano la produzione e la distribuzione della ricchezza.

Questa prospettiva affonda le proprie radici anche nella tradizione marxista classica e, in particolare, nella Dialettica della natura di Friedrich Engels. La natura non viene concepita come un semplice deposito inesauribile di risorse a disposizione dell’uomo, ma come una realtà dinamica, complessa e interconnessa, nella quale ogni trasformazione produce conseguenze e contraddizioni. È proprio la separazione artificiale tra società e natura, radicalizzata dal modo di produzione capitalistico, a generare una frattura sempre più profonda.

Il capitale tende infatti a utilizzare la natura come se fosse gratuita e infinita, mentre scarica sulla collettività e sulle generazioni future i costi della sua distruzione. La crisi ecologica diventa così una manifestazione della stessa contraddizione tra capitale e natura.

Su questo terreno si colloca anche il lavoro sviluppato nella nostra riflessione sul rapporto tra capitale e natura, in particolare nel volume NOUS della nostra scuola pubblicato nel 2025 con Armadillo, che rappresenta uno dei tentativi più organici di ricostruire questo conflitto nella sua dimensione economica, sociale, ambientale e geopolitica.

Il punto centrale è che la crisi ecologica non può essere affrontata limitandosi a modificare i comportamenti individuali o introducendo qualche correttivo tecnologico. Occorre interrogarsi sui rapporti di produzione, sulla proprietà delle risorse, sulla distribuzione della ricchezza e sul potere esercitato dalle grandi concentrazioni economiche e finanziarie. La questione ambientale, dunque, è inseparabile dalla questione sociale e dalla lotta contro le disuguaglianze.

E proprio qui torna di straordinaria attualità la lucidità politica di Fidel Castro, che già da decenni aveva avvertito del pericolo rappresentato dalla distruzione degli equilibri naturali e dalla subordinazione della sopravvivenza dell’umanità alla logica del profitto.

L’allarme lanciato da Fidel sulla possibilità che la specie umana stessa venga messa in pericolo non era una profezia astratta, ma il risultato di una lettura concreta delle conseguenze di un modello di sviluppo fondato sul consumo illimitato delle risorse, sulla guerra e sulla concentrazione della ricchezza.

Come è stato recentemente ricordato anche nell’articolo (Fidel lo avizoró: La especie humana está en peligro de extinción 23 de agosto de 2026 Hedelberto López Blanch / Colaboración Especial para Resumen Latinoamericano) dedicato a questa sua intuizione, la questione ecologica assume oggi una dimensione ancora più drammatica: difendere la natura significa difendere le condizioni materiali della vita e, quindi, la possibilità stessa di un futuro per l’umanità.

In questa prospettiva, Marx, Engels, Papa Francesco e Fidel Castro, pur provenendo da esperienze storiche, culturali e politiche profondamente differenti, possono essere messi in dialogo intorno a una stessa domanda fondamentale: quale rapporto vogliamo costruire tra l’umanità e la natura?

La risposta non può essere affidata alle sole dinamiche del mercato. Se la natura viene trattata come merce, anche la vita umana finisce per essere subordinata alla valorizzazione del capitale. Per questo la battaglia ecologica è oggi, necessariamente, una battaglia per la giustizia sociale, per la pace, per i beni comuni e per la sopravvivenza della specie umana.

La dialettica della natura

Marx liberò la dialettica hegeliana dalla sua dimensione mistica senza rinunciare alla scoperta fondamentale di Hegel: la realtà è attraversata dalla contraddizione. La storia non procede per armonia, ma attraverso antagonismi concreti. L’origine della storia, infatti, non coincide semplicemente con la società civile; essa nasce dal processo di umanizzazione della natura, dalla trasformazione reciproca tra essere umano e ambiente.

Engels sviluppò questa intuizione nella Dialettica della natura, mostrando come anche i processi naturali siano caratterizzati da movimento, trasformazione e interdipendenza. Più tardi Ludovico Geymonat avrebbe difeso una concezione della scienza come pratica storica, critica e materialista, mentre Maria Turchetto ha evidenziato come l’ecologia marxiana anticipi molte delle questioni poste oggi dall’economia ambientale.

La scienza, dunque, non è neutrale. Può essere strumento di emancipazione oppure apparato tecnico del capitale. L’intelligenza artificiale, la robotica e le piattaforme digitali rappresentano l’esempio più evidente: tecnologie capaci di ridurre la fatica umana vengono invece utilizzate per intensificare lo sfruttamento, sorvegliare il lavoro e concentrare ricchezza.

I dati confermano la teoria

Negli ultimi tre anni gli indicatori internazionali descrivono una tendenza inequivocabile. Il 2024 e il 2025 sono stati gli anni più caldi mai registrati; la concentrazione atmosferica di CO₂ ha superato stabilmente le 425 parti per milione; gli eventi climatici estremi producono perdite economiche superiori ai 300 miliardi di dollari annui, mentre la quota di reddito destinata al lavoro continua a diminuire nella maggior parte delle economie europee.

Questi dati non dimostrano soltanto una crisi ambientale. Rivelano una crisi del modello di valorizzazione. L’aumento della produttività non si traduce in maggiore benessere collettivo ma in crescita dei profitti finanziari, mentre il costo ecologico viene scaricato sulla società.

La contabilità nazionale tradizionale continua a registrare come crescita perfino attività che derivano dalla distruzione: bonifiche dopo alluvioni, ricostruzioni dopo incendi, spese militari e consumo accelerato di risorse contribuiscono positivamente al PIL. La teoria del valore di Marx permette invece di distinguere tra produzione di valore sociale e semplice accumulazione monetaria, mostrando i limiti strutturali degli indicatori dominanti.

Plusvalore, profitto e crisi

L’economia politica marxista conserva un potente valore interpretativo perché consente di leggere insieme le dinamiche del lavoro e quelle della natura. Negli ultimi anni le stime elaborate da diversi studiosi marxisti anglosassoni e asiatici indicano una tendenza alla compressione salariale accompagnata da un recupero dei margini di profitto attraverso tre strumenti principali: precarizzazione del lavoro, privatizzazione dei servizi pubblici e appropriazione delle risorse naturali.

In Europa il capitale reagisce alla caduta tendenziale della redditività mediante ristrutturazioni industriali, delocalizzazioni e automazione. In America Latina la questione assume forme differenti: l’estrattivismo continua a rappresentare un terreno di conflitto tra sovranità nazionale e interessi multinazionali.

Anche le esperienze dei paesi socialisti o a pianificazione economica – Cuba, Cina e Vietnam e fino a gennaio il Venezuela – mostrano contraddizioni reali.

Nessun modello è immune alle difficoltà. Le crisi economiche nel socialismo esistono, ma hanno natura diversa da quelle del capitalismo perché non derivano necessariamente dall’anarchia del mercato, bensì dai limiti della pianificazione, dagli effetti del blocco economico, dalle sanzioni e dall’inserimento diseguale nell’economia mondiale. Analizzarle scientificamente significa sottrarsi tanto alla propaganda quanto all’idealizzazione.

Il movimento operaio e la questione ambientale

La grande stagione dei movimenti degli anni Sessanta e Settanta in Italia non fu soltanto una lotta per il salario. Fu una battaglia per la salute nelle fabbriche, contro la nocività, per il diritto alla casa, alla scuola e ai beni comuni. Da Porto Marghera a Taranto, dalle lotte degli studenti alle mobilitazioni territoriali, emergeva già il nesso tra sfruttamento del lavoro e devastazione ambientale.

Con l’avvento del neoliberismo negli anni Ottanta quel conflitto è stato progressivamente frammentato. La finanziarizzazione ha separato artificialmente la questione sociale da quella ecologica, contrapponendo occupazione e ambiente. Negli ultimi dieci anni questa contraddizione è esplosa nuovamente in Europa: la transizione verde viene spesso utilizzata come occasione di nuove rendite, mentre i costi ricadono sui lavoratori e sulle periferie.

Non esiste giustizia climatica senza giustizia sociale. Né esiste conversione ecologica se il controllo delle tecnologie e dell’energia rimane nelle mani dei grandi monopoli.

La scienza della liberazione

Il materialismo dialettico non propone un culto della tecnica né un ritorno romantico alla natura. Propone una scienza moderna capace di comprendere le contraddizioni reali e di orientare democraticamente lo sviluppo delle forze produttive. Ciò significa utilizzare anche l’intelligenza artificiale e le nuove tecnologie, ma sottraendole alla logica della massimizzazione del profitto.

La domanda decisiva non è se l’IA sostituirà il lavoro umano. La domanda è: chi possiede gli algoritmi, i dati, l’energia e i mezzi di produzione digitali? Finché la risposta sarà il capitale finanziario, ogni innovazione rischierà di approfondire il conflitto capitale-lavoro e capitale-natura.

Una nuova alleanza per la vita

Il messaggio di Fidel, la critica marxiana dell’economia politica, il Cantico delle Creature e Querida Amazonia convergono in un punto essenziale: l’umanità non può sopravvivere separandosi dalla natura. La liberazione umana coincide con la ricomposizione del metabolismo tra società e ambiente, tra lavoro e vita, tra scienza e bene comune.

L’estinzione non è un destino biologico inevitabile. È una possibilità storica prodotta da un modello economico che sacrifica il futuro alla redditività immediata. Proprio per questo può essere evitata. Ma richiede una trasformazione radicale: un nuovo internazionalismo dei lavoratori, degli studenti, dei movimenti sociali e dei popoli che rimetta al centro la pianificazione democratica, la proprietà sociale dei beni comuni e una scienza finalmente orientata all’emancipazione.

Perché, come insegnava Marx, la storia comincia davvero quando l’umanità smette di essere dominata dalle proprie stesse creazioni e riconquista la libertà nella relazione con la natura.

Fonte

La termodinamica del capitale: intelligenza artificiale, crisi energetica e crisi ecologica

In questo articolo, Te Li smaschera il mito della dematerializzazione digitale diffuso dai sostenitori dell’intelligenza artificiale (IA), i quali presentano questa tecnologia come un fenomeno che è fuggito dal regno materiale e, di conseguenza, dalla stessa entropia. In realtà, l'autore dimostra come i requisiti materiali ed energetici dell’intelligenza artificiale la inseriscano a pieno titolo nel regno fisico, collocando tale tecnologia nel contesto della frattura metabolica nel capitalismo.

Nella primavera del 2023, Microsoft ha annunciato un investimento multimiliardario in OpenAI, descrivendo la partnership come un salto in avanti verso una civiltà più pulita, più intelligente e più efficiente. Le immagini che accompagnano tali annunci sono invariabilmente eteree: reti neurali luminose, flussi di dati senza peso e algoritmi che danzano attraverso lo spazio digitale privo di attrito. L’intelligenza artificiale (IA), nella narrativa dominante della Silicon Valley e del suo ecosistema mediatico, si presenta come l’apoteosi della dematerializzazione: una tecnologia così raffinata, così puramente cognitiva, da essere finalmente fuggita dal mondo sporco ed entropico delle macchine a vapore, delle miniere di carbone e delle fabbriche.

Questo articolo sostiene che tali rappresentazioni siano ideologiche nel senso marxista del concetto: esse capovolgono la realtà, presentando come immateriale un processo che è profondamente, e conseguentemente, materiale. Si stima che l'addestramento di GPT-4 abbia consumato energia equivalente all'uso annuo di energia elettrica di migliaia di famiglie.[1] Una singola query [richiesta] ad un modello linguistico di grandi dimensioni richiede circa dieci volte l'elettricità necessaria per una ricerca standard su Internet.[2] Il consumo di acqua da parte di Microsoft è aumentato del 34% in un solo anno, un'impennata che il proprio rapporto ambientale ha attribuito direttamente all'espansione dell'infrastruttura di IA.[3] Queste non sono inefficienze incidentali in attesa di un miglioramento tecnico; sono necessità strutturali di una tecnologia il cui substrato fisico – semiconduttori, data center, sistemi di raffreddamento e reti di trasmissione – è tra le infrastrutture che richiedono il maggior impiego di risorse che l’umanità abbia mai costruito.

Il mito della dematerializzazione digitale ha una lunga genealogia. A partire dagli anni ’90, i teorici della “economia dell’informazione” hanno sostenuto che il passaggio dalla produzione manifatturiera ai servizi, e dagli atomi ai bit, avrebbe disaccoppiato la crescita economica dal consumo di risorse materiali.[4] L’ascesa dell’IA ha dato a questa tesi una nuova e più potente versione: se le precedenti tecnologie digitali si limitavano a elaborare le informazioni, l’IA – così recita l'argomentazione – genera essa stessa l’intelligenza, una risorsa la cui abbondanza non esaurisce la natura ma la trascende. Questa è la visione che anima la retorica della “IA per il clima”, della “IA per la sostenibilità”, e l’affermazione più ampia secondo cui la potenza di calcolo può sostituire le risorse naturali nella risoluzione della crisi ecologica.

Il quadro teorico sviluppato in questo articolo, mette in discussione questa visione fin dalle sue fondamenta. Attingo alla tradizione termodinamica nell'ambito dell’economia politica ecologica – dall’opera fondamentale di Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process, alla sintesi ecosocialista sviluppata da John Bellamy Foster e Brett Clark – per sostenere che l’ascesa dell’IA sotto il capitalismo rappresenta non una trascendenza dal mondo materiale ma un’intensificazione del rapporto entropico del capitale con esso.[5] La seconda legge della termodinamica è inesorabile nella sua universalità: ogni calcolo è un evento termodinamico. Consuma energia a bassa entropia – ordinata, utilizzabile, libera per compiere lavori – e restituisce alla biosfera rifiuti ad alta entropia sotto forma di calore, anidride carbonica e materia degradata. Nessun algoritmo, per quanto elegante, sospende questa legge. La questione non è se l'IA produce entropia, ma quanta, a quale ritmo, e quali ecosistemi ne assorbono le conseguenze.

Karl Marx concepiva la produzione come un processo metabolico, come un continuo interscambio tra le società umane e il mondo naturale, mediato dal lavoro e dalla tecnologia. Nel Capitale, egli ha osservato che i macchinari non creano energia, ma trasformano e trasmettono le forze naturali incorporate al suo interno, e che questa trasformazione comporta sempre il consumo di sostanze naturali.[6] Ciò che non avrebbe potuto prevedere era una forma di accumulazione capitalistica in cui la forza produttiva primaria fosse la potenza di calcolo, e in cui le esigenze termodinamiche di tale potenza avrebbero esercitato uno stress senza precedenti sui sistemi energetici planetari, sulle riserve di acqua dolce e sulla stabilità climatica. L’ascesa dell’IA ci pone di fronte alla necessità di estendere l’analisi metabolica di Marx al mondo digitale.

Le dinamiche dell'accumulazione: l'IA come motore ad alta entropia

In primo luogo, la crisi ecologica dell’IA non è un problema termodinamico. È un fatto sociale e storico. I processi specifici che stanno generando l’impatto ecologico dell’IA – la competizione al rialzo tra una manciata di monopoli tecnologici, l’imperativo di aumentare la capacità computazionale a prescindere dall’utilità sociale, e l’esternalizzazione sistematica dei costi ecologici sulle comunità e sugli ecosistemi del Sud globale – sono i prodotti di una particolare formazione storica: il capitalismo nella sua fase monopolistica-digitale. La termodinamica non causa questi processi, ma registra le loro conseguenze. La seconda legge della termodinamica ci dice che ogni calcolo degrada l’energia. Non ci dice perché il calcolo sia organizzato su questa scala, a questo ritmo, per questi scopi, e a spese di chi. Per fare questo, abbiamo bisogno di un'analisi sociale e storica. Ciò che il quadro termodinamico fornisce, e ciò che lo rende indispensabile, è una spiegazione precisa del perché il danno ecologico generato da questi processi sociali non sia incidentale ma strutturale, non correggibile tramite miglioramenti dell'efficienza ma aggravante, e non reversibile attraverso i meccanismi di mercato ma permanente.

Per capire perché l'IA sia termodinamicamente costosa per via di modalità strutturalmente necessarie, piuttosto che contingenti, è essenziale esaminare la relazione tra scalabilità computazionale, accumulazione capitalistica e consumo energetico. Questa relazione è governata da dinamiche che rendono il peso ecologico dell’IA nel sistema capitalistico non solo elevato ma autorinforzante ed espansivo.

La base fisica del calcolo dell'IA è l'elaborazione di grandi quantità di operazioni numeriche – moltiplicazioni, aggiunte e confronti – eseguite da hardware specializzato a velocità straordinaria. L'energia necessaria per eseguire queste operazioni non è trascurabile. Emma Strubell, Ananya Ganesh e lo studio di riferimento 2019 di Andrew McCallum hanno stimato che l’addestramento di un singolo modello di elaborazione del linguaggio naturale con ricerca di architettura neurale produce emissioni di anidride carbonica paragonabili alle emissioni di cinque automobili medie statunitensi nel loro ciclo di vita.[7] Le successive generazioni di modelli di elaborazione sono sostanzialmente  a emissioni maggiori. Mentre le aziende tecnologiche si sono rifiutate di pubblicare i dati relativi ai consumi energetici complessivi dei loro sistemi più recenti, le analisi indipendenti suggeriscono che i modelli di formazione più avanzati, come GPT-4, hanno consumato energia nell'ordine di decine di gigawattora, abbastanza per alimentare una piccola città per settimane.[8]

La relazione tra la scala del modello di elaborazione e la domanda computazionale non è lineare ma superlineare. La ricerca sulle leggi di scala nei modelli linguistici di grandi dimensioni ha stabilito che le prestazioni del modello si ridimensionano approssimativamente in funzione della potenza del prodotto dei parametri del modello, e dei dati di formazione.[9] Ciò significa che i perfezionamenti progressivi della capacità del modello richiedono aumenti spropositati negli investimenti computazionali. Per migliorare le prestazioni di un modello di una percentuale fissa, il budget computazionale – e quindi il consumo di energia – deve aumentare di una percentuale significativamente maggiore. Questa è l'espressione termodinamica dei rendimenti decrescenti: man mano che i sistemi di intelligenza artificiale di frontiera si avvicinano ai limiti delle prestazioni nei compiti di riferimento, ogni incremento aggiuntivo di capacità richiede un apporto energetico esponenzialmente maggiore. Il costo entropico dell’IA, secondo gli attuali paradigmi tecnologici, aumenta più rapidamente dell’IA stessa.

Questa dinamica è ulteriormente amplificata dalla logica dell’accumulazione capitalistica. L’industria dell’IA è organizzata intorno a un piccolo numero di grandi aziende – Google, Microsoft, Amazon, Meta (Facebook) e le loro controparti cinesi – la cui posizione competitiva dipende dal mantenimento della superiorità algoritmica. In questo contesto, la capacità informatica non è solo un input di produzione, ma un asset strategico: l'azienda con maggiori risorse computazionali può formare modelli più grandi, attirare più utenti e accumulare più dati, rafforzando così il suo dominio del mercato. Questo crea quella che potrebbe essere definita una competizione al rialzo, in cui ogni azienda è costretta ad espandere la propria infrastruttura di IA non perché il beneficio sociale marginale del calcolo aggiuntivo giustifichi il costo marginale, ma perché la logica competitiva dell'accumulazione capitalistica rende qualsiasi contenimento equivalente all'uscita dal mercato.[10] Nessuna singola impresa può ridurre volontariamente il suo consumo energetico senza cedere terreno ai rivali. Il risultato è un fallimento dell'azione collettiva di proporzioni storiche: complessivamente, l'industria espande la sua impronta energetica ben oltre ciò che qualsiasi valutazione razionale del bisogno sociale richiederebbe.

Il meccanismo attraverso il quale opera questa dinamica è illuminato dal paradosso di Jevons (Jevons Paradox)*, riconosciuto per la prima volta dall'economista inglese William Stanley Jevons nella sua analisi del 1865 sul consumo di carbone britannico. Jevons ha osservato che i miglioramenti nell'efficienza delle macchine a vapore – riduzioni della quantità di carbone necessaria per svolgere una determinata unità di lavoro – non hanno ridotto il consumo totale di carbone ma l'hanno accelerato, perché minori costi dell'uso di energia hanno stimolato l'espansione dell'attività economica ad alta intensità energetica.[11] Il paradosso non è una stranezza dell'economia politica vittoriana; è una caratteristica strutturale dell'accumulazione capitalistica, operante ogniqualvolta i guadagni di efficienza riducono il costo di una risorsa e quindi stimolano la domanda per il suo utilizzo.

Nel settore dell'IA, il paradosso di Jevons opera con particolare forza. Le generazioni successive di chip IA, dalle architetture A100 alle H100 di NVIDIA, hanno prodotto notevoli miglioramenti nell’efficienza computazionale, misurati in operazioni per watt. Eppure il consumo totale di energia da parte delle infrastrutture di IA è aumentato continuamente e rapidamente, perché i guadagni di efficienza hanno ridotto il costo del calcolo dell'IA, stimolato la proliferazione delle applicazioni di intelligenza artificiale, aumentato il volume delle operazioni di inferenza, e accelerato lo sviluppo di modelli sempre più grandi. L’analisi di OpenAI ha rilevato che i requisiti computazionali dell'intelligenza artificiale di frontiera sono raddoppiati circa ogni 3/4 mesi tra il 2012 e il 2018, con un tasso di incremento di gran lunga superiore ai miglioramenti di efficienza forniti dai progressi dell'hardware.[12] Nel 2024, l'Agenzia internazionale per l'energia (AIE) ha previsto che il consumo di energia elettrica da data center potrebbe superare i 1.000 terawattora all’anno entro il 2026, approssimativamente equivalente all’intera domanda di elettricità del Giappone.[13]

Sono questi processi sociali e storici concreti – la monopolistica competizione al rialzo, la dinamica di Jevons e l’impossibilità strutturale di automoderazione in un regime di accumulazione competitiva – che la termodinamica registra, ma non può da sola spiegare. La termodinamica del non equilibrio di Ilya Prigogine, sviluppata più pienamente in Order Out of Chaos, fornisce il ponte concettuale tra la logica sociale del capitale e le sue conseguenze fisiche.[14] Prigogine ha dimostrato che i sistemi complessi che sono lontani dall'equilibrio termodinamico – le cosiddette strutture dissipative – mantengono il loro ordine interno importando continuamente energia a bassa entropia dal loro ambiente ed esportando rifiuti ad alta entropia. La cellula vivente, l’uragano e la fiamma sono tutte strutture dissipative in questo senso: sostengono la loro complessità interna aumentando l’entropia nell'ambiente circostante. Ma l’intuizione più profonda di Prigogine, e quella più importante per gli scopi attuali, è che i processi che spingono le strutture dissipative lontano dall'equilibrio non sono reversibili. L'entropia generata nell'ambiente circostante non può essere recuperata; il deterioramento dell'ambiente è permanente. Questa irreversibilità non è un effetto collaterale dell'inefficienza, ma la firma termodinamica dei processi dissipativi stessi.

Il complesso capitalista dell'IA è una struttura dissipativa di questo tipo, ma la scala, il tasso di crescita e l'irreversibilità di questa struttura sono determinati non dalle dinamiche naturali, ma dagli imperativi dell'accumulazione capitalistica. Mantiene l'ordine interno del profitto aziendale, dell'ottimizzazione algoritmica e del dominio del mercato riducendo continuamente le scorte a bassa entropia della biosfera – combustibili fossili, acqua dolce e giacimenti minerari – e restituendole come rifiuti ad alta entropia: anidride carbonica, inquinamento termico e rifiuti elettronici. L'anidride carbonica emessa dai data center si accumula nell'atmosfera su scale temporali di secoli. Le falde acquifere, prelevate dai sistemi di raffreddamento, si possono ricreare solo in tempi millenari, se non si prosciugano del tutto. Gli ecosistemi sconvolti dall'estrazione di minerali nel bacino del Congo o nel deserto di Atacama non ritornano ai loro stati precedenti dopo che le miniere chiudono. Ciò che il capitalismo fa, attraverso la logica competitiva dell’accumulo di IA, è guidare questi processi dissipativi a un ritmo e su una scala che superano la capacità rigenerativa dei sistemi naturali, determinando danni ecologici che nessuna futura soluzione tecnologica potrà annullare. L'ordine dell'algoritmo viene acquisito al prezzo del disordine permanente nell'atmosfera, nei bacini idrografici e nei suoli.

Questa elaborazione ci permette di vedere cosa nasconde la narrazione tecno-ottimista: che l’“intelligenza” prodotta dai sistemi di IA non è un dono gratuito dell'informatica, ma un prodotto termodinamico, estratto dalla natura ad un costo che il mercato omette sistematicamente di registrare. I conti finanziari delle aziende tecnologiche registrano i ricavi generati dai servizi di IA; non registrano il costo entropico imposto agli ecosistemi, alle comunità e ai sistemi climatici dai flussi di energia e dai materiali che rendono possibili tali servizi. Non si tratta di un errore contabile ma di una caratteristica strutturale del rapporto del capitalismo con la natura – quella che John Bellamy Foster, Brett Clark e Richard York hanno definito la “frattura ecologica”: la separazione sistematica dei costi di produzione dai luoghi e dai soggetti che li subiscono.[15]

Un'ulteriore dimensione dell'analisi termodinamica riguarda il rapporto tra la formazione dell'IA e l'inferenza dell'IA. L'addestramento, ovvero il processo di ottimizzazione dei parametri di un modello su grandi set di dati, è un processo computazionalmente impegnativo, ma avviene una sola volta. L'inferenza, ovvero il processo di esecuzione di un modello addestrato per generare output, è individualmente meno intensivo, ma avviene in modo continuo, miliardi di volte al giorno, nell'ambito dell'implementazione globale dei sistemi di IA. Man mano che l’intelligenza artificiale viene integrata nei motori di ricerca, nei software di produttività, nella diagnostica sanitaria, nella ricerca legale, nell’analisi finanziaria e nei sistemi di targeting militare, la domanda energetica aggregata di inferenza cresce in proporzione alla scala di implementazione. Goldman Sachs Research ha stimato che la domanda di energia per l'inferenza dell'intelligenza artificiale potrebbe superare quella della formazione entro l'attuale decennio, con l'espansione della sua diffusione.[16] Ciò significa che l'onere ecologico dell'intelligenza artificiale non è un costo una tantum per la costruzione del sistema, ma una tassa continua e crescente sui bilanci energetici e idrici del pianeta: una tassa con un'aliquota che aumenta con ogni nuova applicazione, ogni nuovo utente e ogni nuovo ciclo di accumulazione capitalistica nel settore dell'IA.

Il quadro che emerge è quello in cui la crisi ecologica dell’IA è prodotta non dalla termodinamica in quanto tale, ma dai processi sociali e storici specifici dell’accumulazione capitalistica – la competizione al rialzo, la dinamica di Jevons e l’esternalizzazione sistematica dei costi ecologici – che insieme guidano processi dissipativi irreversibili, secondo Prigogine, su scala planetaria. L’entropia è la misura del danno; l’accumulazione capitalistica è la sua causa.

La frattura energetica: energia, acqua ed estrazione mineraria

L’analisi termodinamica della sezione precedente, definisce la logica strutturale delle richieste energetiche dell’IA. Questa sezione esamina la realtà materiale di queste richieste in tre dimensioni: elettricità, acqua e minerali critici. Insieme, questi tre vettori di estrazione costituiscono quello che possiamo chiamare, adattando il concetto di "frattura metabolica" di Foster e Clark, una “spaccatura energetica” specifica dell'era digitale: una rottura sistematica della relazione metabolica tra i sistemi tecnologici umani e i cicli naturali che li sostengono, mediata dalle disuguaglianze spaziali e sociali del capitalismo globale.[17]

Elettricità: la rete sotto assedio

La dimensione più immediatamente visibile dell'impronta ecologica dell'intelligenza artificiale è la sua domanda di energia elettrica. I data center – l'infrastruttura fisica dell'IA, che ospita i server che addestrano i modelli ed elaborano le richieste di inferenza – sono tra le strutture che consumano più elettricità nell'economia moderna. Un grande hyperscale data center, come quello gestito da Google, Microsoft o Amazon, può consumare ininterrottamente tra 100 e 500 megawatt di energia – è paragonabile alla domanda di elettricità di una città di medie dimensioni. L'espansione dell'IA ha accelerato drasticamente la costruzione di tali strutture. Nel 2024, Microsoft ha annunciato l’intenzione di investire, da sola, 100 miliardi di dollari in nuove infrastrutture di data center a livello globale, con impegni simili da parte di Google, Amazon e Meta.[18]

La portata di questa espansione sta esercitando una forte pressione sulle reti elettriche nelle regioni in cui si concentra la costruzione di data center. Nella Virginia settentrionale, che ospita la più grande concentrazione di data center al mondo, i gestori della rete hanno lanciato l'allarme: la crescita pianificata dei data center minaccia di superare la capacità di generazione e trasmissione di elettricità della regione, rendendo potenzialmente necessaria la costruzione di nuove centrali a combustibili fossili per soddisfare la domanda.[19] In Irlanda, i data center rappresentano già circa il 21% del consumo totale di energia elettrica nazionale: una cifra che i progetti dei gestori di rete nazionale potrebbero far aumentare al 32% entro il 2031, escludendo la capacità di energia rinnovabile destinata alla decarbonizzazione domestica e industriale.[20] A Singapore, il governo ha imposto una moratoria sulla costruzione di nuovi data center tra il 2019 e il 2022, adducendo limitazioni energetiche, prima di revocarla sotto la pressione delle aziende tecnologiche.

La relazione tra la domanda di elettricità dell’IA e la transizione energetica è molto contraddittoria. Le aziende tecnologiche hanno assunto impegni di alto profilo per alimentare le loro operazioni con energie rinnovabili, e hanno investito in modo sostanziale in accordi di acquisto di energia elettrica eolica e solare. Ma questi impegni sono sistematicamente compromessi da tre dinamiche strutturali. In primo luogo, il disallineamento temporale tra la disponibilità di energia rinnovabile, che è intermittente, dipendente dalle condizioni eoliche e solari, e la domanda di data center, che è continua e non può essere interrotta, significa che gli accordi di acquisto di energia rinnovabile spesso non corrispondono ai modelli di consumo effettivo di elettricità. L'elettricità che fluisce attraverso i circuiti dei data center in un dato momento può essere generata da gas naturale, carbone o impianti nucleari, indipendentemente da quali contratti rinnovabili l'azienda ha firmato.[21]

In secondo luogo, e più sostanzialmente, la crescita della domanda di elettricità da parte dell'IA sta superando l'espansione della capacità di energia rinnovabile. Un'analisi del 2024 condotta dall'Agenzia Internazionale per l'Energia ha rilevato che in diversi mercati importanti, la crescita prevista della domanda di elettricità nei data center consumerebbe una quota sostanziale di energia rinnovabile di nuova generazione, escludendo di fatto la decarbonizzazione in altri settori.[22] Sviluppare capacità rinnovabili per alimentare l'IA non aumenta l'approvvigionamento di energia pulita per l'economia in generale; assorbe energia pulita che altrimenti sostituirebbe i combustibili fossili altrove.

In terzo luogo, gli enormi requisiti di affidabilità delle infrastrutture di IA hanno spinto le aziende tecnologiche a cercare contratti a lungo termine per la produzione di elettricità alimentata a gas naturale. L'accordo di Microsoft con Constellation Energy per riaprire la centrale nucleare di Three Mile Island ha attirato una notevole pubblicità, ma meno notata è stata la tendenza delle aziende tecnologiche di siglare contratti di capacità con i produttori di gas per garantire una alimentazione stabile di energia.[23] La logica ecologica è chiara: l'espansione dell'IA sta prolungando direttamente la vita economica delle infrastrutture per l'estrazione di combustibili fossili, vincolando il sistema a emissioni di carbonio per i decenni a venire.

Acqua: il metabolismo nascosto

Se l’elettricità è il volto visibile dell’impatto ecologico dell’IA, l’acqua ne costituisce il metabolismo nascosto. I data center richiedono grandi quantità di acqua dolce per il raffreddamento, sia attraverso sistemi di raffreddamento evaporativo diretto che consumano acqua sotto forma di vapore che attraverso il raffreddamento delle centrali termoelettriche che forniscono loro l’elettricità. Questa domanda di acqua è strutturalmente invisibile nella maggior parte della valutazione pubblica dell’impatto ambientale dell’IA, eppure rappresenta uno dei fattori più gravi e localmente acuti dell’impronta ecologica di questa tecnologia.

Lo studio del 2023 di Pengfei Li e colleghi, ha fornito le prime stime sistematiche del consumo di acqua dell’IA, calcolando che l’addestramento di ChatGPT-3 [un assistente virtuale sviluppato da OpenAI] ha richiesto l’utilizzo di circa 700.000 litri di acqua dolce, abbastanza per produrre 370 auto BMW o 320 veicoli elettrici Tesla.[24] Per inferenza, il quadro è altrettanto sorprendente: lo studio ha stimato che ChatGPT consuma circa 500 millilitri [mezzo litro] di acqua, per rispondere a 20-50 domande. Moltiplicato per milioni di utenti giornalieri, ciò rappresenta una domanda complessiva di acqua dolce di enormi proporzioni.

I dati divulgati dalle aziende confermano questa tendenza. Il Rapporto ambientale di Microsoft del 2022 ha rivelato un aumento del 34%, nel consumo globale di acqua rispetto all’anno precedente, attribuendo esplicitamente tale aumento all'espansione delle infrastrutture di IA.[25]  Nello stesso periodo Google ha registrato un aumento del 20% del consumo di acqua.[26] Queste non sono fluttuazioni marginali: rappresentano un cambiamento strutturale nella domanda di acqua dolce da parte del settore tecnologico, guidato direttamente dalla crescita dei sistemi di IA.

La geografia del consumo di acqua non è affatto neutrale. I data center sono spesso situati in regioni scelte per il basso costo di terreni, la presenza di regimi fiscali favorevoli e di condizioni climatiche adatte al raffreddamento, criteri che portano abitualmente le aziende tecnologiche a insediarsi in aree caratterizzate da stress idrico, esistente o emergente. Nel Sud-ovest degli Stati Uniti, i data center competono per l'acqua con l'agricoltura e con i sistemi idrici pubblici, in una regione che è già alle prese con gravi condizioni di siccità, amplificate dai cambiamenti climatici. In Cile, le aziende tecnologiche hanno costruito strutture per data center nella regione di Atacama e nelle sue vicinanze, attingendo alle risorse idriche di uno degli ecosistemi più aridi del mondo – risorse da cui dipendono, per la sopravvivenza, le comunità indigene degli Atacameño e i piccoli agricoltori.[27] In India, negli stati di Telangana e Andhra Pradesh, i progetti di parchi di data center hanno incontrato resistenze a livello locale per le preoccupazioni relative all’esaurimento delle falde acquifere in aree che già soffrono di scarsità d’acqua per l’agricoltura.

Questo modello spaziale riproduce, nello specifico delle infrastrutture digitali dominanti, la logica più estesa di ciò che Rob Nixon chiama “slow violence” [violenza lenta]: le forme graduali, sparse e attenuate temporalmente, di danno ecologico, che non vengono registrate come eventi nei media o nei sistemi politici dominati da catastrofi drammatiche e improvvise.[28] L’esaurimento di una falda acquifera regionale dovuto alle operazioni di raffreddamento dei data center, avviene nel corso di anni e decenni, colpendo comunità la cui insicurezza idrica è già cronica e la cui voce politica è limitata: non genera titoli di giornali. Non compare nei rapporti di sostenibilità delle aziende tecnologiche. Ma è materialmente reale, termodinamicamente necessario e strutturalmente determinato dalla logica competitiva dell'accumulazione dell’IA.

Minerali: la base estrattiva

La terza dimensione della frattura energetica dell’IA è rappresentata dalla base estrattiva del suo hardware. I semiconduttori, i server, i sistemi di archiviazione e le apparecchiature di rete che costituiscono l'infrastruttura dell’IA richiedono una complessa gamma di minerali critici – litio, cobalto, tantalio, neodimio, disprosio, indio, gallio e altri – la cui estrazione comporta gravi e concentrati danni ecologici, che gravano in modo sproporzionato sulle comunità del Sud globale.

La geografia dell'estrazione di minerali critici coincide quasi esattamente con la geografia dell’estrazione coloniale storica. La Repubblica Democratica del Congo fornisce circa il 70% della produzione globale di cobalto, in gran parte proveniente da miniere artigianali che operano in condizioni di grave degrado ambientale e sfruttamento del lavoro, incluso l’uso diffuso del lavoro minorile.[29] Bolivia, Cile e Argentina – il “triangolo del litio” – detengono la maggior parte delle riserve globali di litio, e la loro estrazione genera l’esaurimento delle falde acquifere saline in ecosistemi ad alta quota di eccezionale sensibilità ecologica. Gli elementi delle terre rare, essenziali per i magneti permanenti utilizzati nelle ventole di raffreddamento e nei sistemi di alimentazione dei data center, sono concentrati in Cina, Myanmar e Repubblica Democratica del Congo, con operazioni di trasformazione che generano rifiuti radioattivi e tossici.

L'accelerazione dello sviluppo dell’hardware per l'IA aggrava queste pressioni estrattive attraverso la logica dell'obsolescenza programmata. Le dinamiche della competizione al rialzo dell’IA richiedono alle aziende tecnologiche di aggiornare continuamente il proprio hardware, sostituendo le precedenti generazioni di GPU e gli acceleratori di IA personalizzati con modelli più nuovi e potenti, che hanno cicli di due-tre anni. Questo genera enormi quantità di rifiuti elettronici: server, GPU, moduli di memoria e apparecchiature di rete scartati  che contengono materiali tossici tra cui piombo, mercurio, cadmio e ritardanti di fiamma bromurati. La produzione globale di rifiuti elettronici ha raggiunto i 62 milioni di tonnellate nel 2022 e si prevede che crescerà fino a 82 milioni di tonnellate entro il 2030.[30] Una parte sostanziale di questi rifiuti viene esportata, spesso in violazione della Convenzione di Basilea, verso impianti di trattamento in Africa occidentale, Asia meridionale e Sud-Est asiatico, dove viene gestita in condizioni di grave rischio per la salute e l'ambiente.

Il concetto di scambio ecologico ineguale ha una storia lunga e controversa, che affonda le sue radici nella più ampia tradizione dello scambio ineguale e nella critica marxista dell’imperialismo. Attingendo a questa ricca tradizione intellettuale – che dalle teorie classiche dell'imperialismo arriva alla teoria della dipendenza e all'analisi del sistema-mondo – gli studiosi hanno progressivamente incorporato le dimensioni ecologiche nell'analisi delle asimmetrie Nord-Sud.[31] Il contributo di Clark e Foster a questo quadro teorico si fonda principalmente sulla critica dell'imperialismo ecologico: il riconoscimento che il rapporto metabolico tra il Nord globale [il centro del sistema-mondo] e il Sud globale [la periferia] non è solo un'asimmetria economica, ma anche ecologica in quanto la periferia assorbe i costi ambientali dell'accumulazione del centro.[32] Questo quadro teorico fornisce le basi per comprendere l’economia politica globale del metabolismo dei materiali dell’IA.

Questi tre vettori di estrazione – elettricità, acqua e minerali – non sono indipendenti; sono dimensioni interconnesse di un unico sistema metabolico organizzato dagli imperativi di accumulazione capitalistica. I data center richiedono elettricità, che a sua volta richiede infrastrutture che richiedono minerali e acqua. I sistemi di raffreddamento necessitano di acqua ed entrano in competizione con l'agricoltura e l'approvvigionamento idrico pubblico, con ripercussioni sui sistemi alimentari e sulla salute umana. La produzione di hardware richiede minerali, e la loro estrazione produce rifiuti e crea problemi di smaltimento che causano ulteriori danni ecologici. La frattura energetica dell’IA non è una singola rottura nel metabolismo della natura, ma una perturbazione a cascata che interessa molteplici sistemi ecologici, coordinata dalla mano invisibile del capitale e resa invisibile dall’apparato ideologico della dematerializzazione digitale.

I limiti termodinamici del capitale

Le prove materiali raccolte nella sezione precedente vanno oltre la portata della crisi e ne evidenziano la struttura. Ciò che emerge dai dati empirici relativi alla domanda di elettricità, all’esaurimento delle risorse idriche e all’estrazione di minerali non è una serie di fallimenti indipendenti del mercato, ma un’unica logica sistemica, che richiede una spiegazione teorica, non solo tecnica.

La crisi ecologica generata dal capitalismo dell’IA non è riducibile ad un problema di aumento dei costi di produzione o, dal lato dell’offerta, di vincoli che ostacolano l’accumulazione. Rappresenta, piuttosto, un attacco sistematico alle capacità rigenerative del mondo naturale stesso. Come ha sostenuto Foster, il rapporto tra capitalismo e natura è definito da un antagonismo strutturale: la logica dell’accumulazione infinita è inconciliabile con i limiti rigenerativi finiti dei sistemi naturali.[33] Il capitale non si limita a sfruttare la natura come condizione di produzione: interrompe metabolicamente i cicli e le relazioni attraverso i quali la natura si riproduce. Paul Burkett approfondisce questa analisi recuperando da Marx una concezione della natura che rifiuta la sua riduzione a valore strumentale.[34] I sistemi naturali possiedono valori d’uso che sono irriducibili al loro ruolo nel processo produttivo, e la distruzione sistematica di questi valori d’uso da parte del capitalismo – la sua conversione degli ecosistemi viventi in fattori di produzione e discariche di rifiuti – costituisce una crisi ecologica nel senso più pieno del termine: non una crisi di redditività, ma una crisi delle condizioni biofisiche della vita stessa.

L'economia dell'IA rappresenta un'acuta intensificazione di questa dinamica. I data center, i sistemi di raffreddamento e le catene di approvvigionamento minerario che sostengono l’infrastruttura dell’IA non si limitano a sfruttare le risorse naturali, nel senso economico di aumentare i costi di produzione. Contribuiscono soprattutto a un degrado cumulativo e in gran parte irreversibile dei sistemi idrici, degli ecosistemi energetici e dei paesaggi estrattivi da cui dipende la vita umana e non umana. Questo degrado non compare nei bilanci delle imprese tecnologiche, non perché sia economicamente marginale, ma perché il sistema contabile del capitale è strutturalmente incapace di registrare la distruzione di valori che non sono mai stati mercificati. La crisi ecologica dell’IA non è quindi un fallimento del mercato in attesa di una correzione di mercato; è l’espressione di ciò che il capitalismo fa alla natura quando opera senza limiti.

La risposta dominante a questa contraddizione nel quadro della governance capitalista è la narrazione dell’IA “verde” e dell’informatica sostenibile – l’affermazione che la crisi ecologica dell’IA può essere risolta attraverso l’innovazione tecnologica, i meccanismi di mercato e l’impegno volontario delle imprese. Questa risposta merita una seria attenzione analitica, non perché sia convincente ma perché comprenderne il fallimento mette in luce il carattere strutturale del problema.

La narrazione sull’IA verde si basa su tre affermazioni: che le energie rinnovabili possono soddisfare la domanda di elettricità dell’IA senza causare danni ecologici netti; che i miglioramenti nell’efficienza dell’hardware ridurranno il costo ecologico unitario in misura sufficiente da compensare la crescita della domanda totale; e che l’IA stessa genererà benefici ambientali – attraverso la modellazione climatica, l’ottimizzazione energetica e la scienza dei materiali – che supereranno i suoi costi ecologici. Ciascuna di queste affermazioni è pregiudicata dalle dinamiche strutturali dell'accumulazione capitalistica.

Come osservato sopra, l’affermazione sulle energie rinnovabili non regge perché la domanda di elettricità dell’IA sta crescendo più rapidamente della capacità di energia rinnovabile [si riferisce alla potenza massima che un impianto o un paese può generare tramite fonti rinnovabili], perché i disallineamenti temporali tra l’offerta di energia rinnovabile e la domanda dei data center richiedono una/la generazione di energia di riserva [back-up] da combustibili fossili e perché le aziende tecnologiche, per garantire l’affidabilità, stanno attivamente stringendo accordi  per la generazione di energia di riserva con centrali a turbina a gas. L'affermazione sull’efficienza non regge a causa del paradosso di Jevons: i miglioramenti dell'efficienza dell’hardware riducono i costi e quindi stimolano una maggiore domanda, producendo un consumo energetico totale maggiore anziché inferiore. L’affermazione sul beneficio netto non regge perché tratta i costi e i benefici ecologici dell’IA come commensurabili e commerciabili, quando in realtà, i costi ecologici sono concentrati, locali e pagati dalle comunità vulnerabili. Nel frattempo, i benefici sono diffusi, speculativi e appropriati dagli azionisti e dai consumatori dei paesi ricchi. Non esiste un meccanismo di mercato in grado di aggregare questi effetti, distribuiti in modo asimmetrico, in una contabilità sociale razionale.[35]

I meccanismi di compensazione delle emissioni di carbonio (carbon offset) e gli impegni per le emissioni nette zero (net-zero pledge) attraverso i quali le aziende tecnologiche gestiscono la loro contabilità ecologica pubblica sono soggetti a critiche analoghe. Le compensazioni delle emissioni di carbonio – pagamenti a progetti che dichiarano di ridurre le emissioni altrove, compensando quelle dell'azienda stessa – sono afflitte da problemi di addizionalità, permanenza e verificabilità che rendono molti di essi ecologicamente fittizi.[36] Gli impegni per le emissioni nette zero che dipendono sostanzialmente dalle compensazioni piuttosto che dalle riduzioni delle emissioni assolute sono, in termini termodinamici, manovre contabili piuttosto che interventi fisici: non riducono l'entropia generata dai data center; acquistano diritti su riduzioni di entropia altrove, molte delle quali non si materializzano affatto. Come Clark e York hanno dimostrato nella loro analisi del metabolismo del carbonio, la frattura biosferica generata dal capitalismo dei combustibili fossili non è un’esternalità da prezzare e gestire, ma una caratteristica strutturale del rapporto tra il capitale e il ciclo del carbonio – un rapporto che l’espansione delle infrastrutture di IA sta ora approfondendo e accelerando.[37]

Una critica più importante riguarda il rapporto tra efficienza e scala. La storia del capitalismo industriale è una storia di miglioramenti dell’efficienza che sono stati costantemente sopraffatti dall'espansione di scala, una storia che Georgescu-Roegen ha analizzato come l'inevitabile conseguenza dell'applicazione dei principi della termodinamica a un sistema economico basato su una crescita illimitata.[38] Non esiste alcun miglioramento dell'efficienza, per quanto drastico, che sia in grado di rendere sostenibile un sistema in espansione esponenziale – su un pianeta finito – con un bilancio entropico fisso. La questione non è se l’IA possa essere resa più efficiente – può esserlo, e i miglioramenti sono reali – ma se i miglioramenti in termini di efficienza possano superare la crescita della domanda guidata dall’accumulazione competitiva. Le prove dell'ultimo decennio suggeriscono che non sia possibile. La logica termodinamica dell'accumulazione capitalistica ne fornisce la ragione strutturale.

Questo ci porta a ciò che potremmo chiamare il limite termodinamico del capitale: il punto in cui l’entropia generata dall’accumulazione capitalistica supera la capacità della biosfera di assorbirla senza provocare uno sconvolgimento catastrofico dei sistemi – clima, idrologia, biodiversità e fertilità del suolo – da cui dipende la civiltà umana. Questo limite non è una soglia precisa che si possa identificare in anticipo; è una zona di crisi, sempre più profonda, in cui siamo già entrati sotto diversi aspetti (concentrazione del carbonio nell’atmosfera, esaurimento delle risorse di acqua dolce e perdita di biodiversità) e verso la quale ci stiamo avvicinando per altri. L’espansione dell’IA nell’attuale regime di accumulazione capitalistica non sta allontanando la civiltà da questo limite, ma la sta avvicinando ad esso, ad un ritmo sempre più accelerato.

L'economia politica di questa traiettoria è chiara. I costi legati all’avvicinamento/approssimazione al limite termodinamico del capitale non sono sostenuti da coloro che guidano l'accumulazione, cioè gli azionisti, i dirigenti e gli investitori istituzionali delle aziende tecnologiche le cui dinamiche competitive determinano il ritmo di espansione dell'IA. Sono sostenuti dalle comunità che vivono in regioni con scarsità idrica le cui falde acquifere vengono prosciugate dai sistemi di raffreddamento dei data center, dai lavoratori delle miniere la cui salute viene compromessa dall'estrazione mineraria, dalle popolazioni dei paesi vulnerabili ai cambiamenti climatici la cui sicurezza alimentare è minacciata dalle emissioni di carbonio, e dalle generazioni future che erediteranno un pianeta con una ridotta capacità di autoregolazione ecologica. Questa è l'economia politica dell'entropia: la privatizzazione dei benefici del consumo a bassa entropia e la socializzazione dei costi dei rifiuti ad alta entropia.[39]

Nessuna innovazione tecnica può risolvere questa economia politica, perché non si tratta di un problema tecnico. È una questione di potere, di chi controlla i mezzi di calcolo, di chi stabilisce le finalità per cui viene impiegata la capacità computazionale e di chi ne sostiene i costi ecologici. Affrontare la questione non richiede algoritmi migliori o chip più efficienti ma una trasformazione radicale dei rapporti sociali di produzione nell'economia digitale. Richiede, in sintesi, una politica all’altezza della posta in gioco termodinamica del momento attuale.

Conclusione

L’analisi sociale e storica sviluppata in questo articolo porta a una conclusione che il discorso dominante sull’IA e sulla sua sostenibilità elude sistematicamente: la crisi ecologica dell’IA non è un problema di insufficiente innovazione o di inadeguata responsabilità aziendale, bensì è l’espressione strutturale della tensione irrisolvibile tra il capitalismo ed i limiti biofisici del pianeta. I processi specifici che alimentano questa crisi – la competizione al rialzo, la dinamica di Jevons e lo spostamento sistematico dei costi ecologici nel Sud globale – non sono malfunzionamenti tecnici in attesa di soluzioni ingegneristiche. Sono normali dinamiche di accumulazione capitalistica nella sua fase monopolistico digitale, registrate in termini termodinamici come processi dissipativi irreversibili: permanenti, cumulativi e fuori dalla portata delle correzioni del mercato.

La tradizione ecosocialista offre il punto di partenza teorico più coerente per un’alternativa. Come ha sostenuto Foster, la frattura metabolica tra capitale e natura non può essere sanata nel quadro istituzionale del capitalismo stesso; richiede una riorganizzazione sostanziale dei rapporti sociali di produzione che subordini gli imperativi dell’accumulazione ai limiti rigenerativi del mondo naturale. Una logica ecosocialista dell'informatica si fonderebbe su tre impegni fondamentali.

In primo luogo, si baserebbe sul controllo democratico delle infrastrutture informatiche: i data center, le piattaforme di intelligenza artificiale e le reti che le collegano costituiscono un'infrastruttura sociale critica la cui governance non può essere lasciata agli imperativi competitivi del capitale privato. Al pari delle reti elettriche e dei sistemi idrici, esse richiedono responsabilità democratiche: forme di controllo sociale che consentano alle comunità di determinare le finalità d'uso della capacità informatica e i termini in base ai quali vengono distribuiti i costi ecologici.

In secondo luogo, richiederebbe un riorientamento delle priorità di ricerca e sviluppo, allontanandosi dalle applicazioni volte alla massimizzazione del profitto – ottimizzazione pubblicitaria, trading finanziario e sorveglianza del lavoro – indirizzandosi verso applicazioni che rispondano realmente ai bisogni sociali. Tra queste rientrano la gestione delle energie rinnovabili, la salute pubblica, il monitoraggio ecologico e l'istruzione.

In terzo luogo, e soprattutto, richiederebbe l'accettazione del fatto che che la scala dell'attività informatica debba essere vincolata dai limiti ecologici. Il principio di sufficienza – inteso come "calcolare quanto basta", piuttosto che "calcolare sempre di più" – deve diventare il criterio guida che sostituisca l'imperativo di crescita su cui si fonda l'attuale competizione al rialzo dell'IA.

Nessuna di queste trasformazioni è imminente e nessuna può essere realizzata solo con mezzi tecnici. L'irreversibilità che Prigogine ha identificato nei sistemi dissipativi ha il suo analogo sociale nelle dipendenze dal percorso (path dependencies)** proprie delle infrastrutture capitalistiche: i data center già costruiti, i contratti già firmati per i combustibili fossili e i paesaggi estrattivi già degradati. Ciò che la politica ecosocialista può realizzare non è la reversibilità dei danni passati ma l'interruzione dei processi che generano danni futuri: una rottura nella logica sociale dell'accumulazione che la termodinamica registra, ma non può produrre autonomamente.

La questione che ci troviamo ad affrontare non è se i limiti del capitale prevarranno, ma se ciò avverrà secondo modalità stabilite dalle società democratiche impegnate nella sopravvivenza ecologica o nelle modalità imposte dalle crisi a cascata di una biosfera spinta oltre la propria capacità rigenerativa. Non è l'algoritmo a decidere. È la politica.

Note

* Il paradosso di Jevons è un principio economico secondo cui, quando un'innovazione tecnologica aumenta l'efficienza nell'uso di una risorsa, il consumo totale di quella risorsa aumenta anziché diminuire. Questo avviene perché il miglioramento dell'efficienza riduce i costi, stimolando una maggiore domanda e un utilizzo più diffuso. N.d.T.

** Il termine indica un fenomeno per cui le decisioni o gli eventi del passato influenzano in modo determinante le scelte e i risultati futuri, limitando le alternative disponibili. N.d.T.

[1] Sasha Luccioni, Alexandre Viguier e Anne-Laure Ligozat, Estimating the Carbon Footprint of BLOOM, a 176B Parameter Language Model, in "Journal of Machine Learning Research", 24, n. 253, 2023, pp. 1–15.

[2] Goldman Sachs Research, AI Is Poised to Drive 160% Increase in Data Center Power Demand, 14.05.2024.

[3] Microsoft, 2022 Environmental Sustainability Report, Microsoft Corporation, Washington, Redmond, 2022, p. 17.

[4] Jeremy Rifkin, The Zero Marginal Cost Society: The Internet of Things, the Collaborative Commons, and the Eclipse of Capitalism, Palgrave Macmillan, New York, 2014, pp. 11-14.

[5] Nicholas Georgescu-Roegen, The Entropy Law and the Economic Process, Harvard University Press, Cambridge, 1971, pp. 3-4; John Bellamy Foster, Brett Clark e Richard York, The Ecological Rift: Capitalism’s War on the Earth, Monthly Review Press, New York, 2010, pp. 54-76.

[6] Karl Marx, Capital: A Critique of Political Economy, vol. 1, Penguin, Londra, 1976, pp. 493-494; tr. it. Roberto Fineschi et al., Karl Marx, Il Capitale, Libro 1, Einaudi, Torino, 2024, pp. 377-378.

[7] Emma Strubell, Ananya Ganesh e Andrew McCallum, Energy and Policy Considerations for Deep Learning in NLP, Proceedings of the Fifty-Seventh Annual Meeting of the Association for Computational Linguistics, 2019, pp. 3645-3650.

[8] David Patterson, et al., Carbon Emissions and Large Neural Network Training, arXiv preprint, arXiv, 2104.10350, 2021, pp. 1-9.

[9] Jordan Hoffmann, et al., Training Compute-Optimal Large Language Models, arXiv preprint, arXiv, 2203.15556, 2022, pp. 1-19.

[10] John Bellamy Foster, The Ecology of Marxian Political Economy, in "Monthly Review", 63, n. 4, settembre 2011, pp. 1-16.

[11] William Stanley Jevons, The Coal Question: An Inquiry Concerning the Progress of the Nation, and the Probable Exhaustion of Our Coal Mines, Macmillan, Londra, 1865, pp. 152-153.

[12] AI and Compute, OpenAI (blog), openai.com/blog/ai-and-compute.

[13] International Energy Agency, Electricity 2024: Analysis and Forecast to 2026, IEA, Parigi, 2024, p. 14.

[14] Ilya Prigogine e Isabelle Stengers, Order Out of Chaos: Man’s New Dialogue with Nature, Bantam Books, New York, 1984, pp. 143-145; tr. it., di Pier Daniele Napolitani, Ilya Prigogine e Isabelle Stengers, La nuova alleanza. Metamorfosi della scienza, Einaudi, Torino, 1981.

[15] John Bellamy Foster, Brett Clark e Richard York, The Ecological Rift, op. cit., pp. 73-76.

[16] Goldman Sachs Research, AI Is Poised to Drive 160% Increase in Data Center Power Demand.

[17] Brett Clark e John Bellamy Foster, Ecological Imperialism and the Global Metabolic Rift: Unequal Exchange and the Guano/Nitrates Trade, in "International Journal of Comparative Sociology", 50, n. 3–4, 2009, pp. 311-334.

[18] Arsheeya Bajwa, Microsoft, OpenAI Plan $100 Billion Data-Center Project, Media Report Says, Reuters, 29.03.2024.

[19] International Energy Agency, Electricity 2024, op. cit., p. 27.

[20] EirGrid, Tomorrow’s Energy Scenarios 2023, EirGrid, Dublino, 2023, p. 34.

[21] Benjamin K. Sovacool, et al., Sustainable Minerals and Metals for a Low-Carbon Future, in "Science", 367, n. 6473, 2020, pp. 30-33.

[22] International Energy Agency, Electricity 2024, op. cit. pp. 27-29.

[23] Kim Crawford e Vladan Joler, Anatomy of an AI System, 2018, anatomyof.ai.

[24] Pengfei Li, et al., Making AI Less ‘Thirsty’: Uncovering and Addressing the Secret Water Footprint of AI Models, arXiv preprint, arXiv, 2304.03271, 2023, pp. 1-10.

[25] Microsoft, 2022 Environmental Sustainability Report, op. cit., p. 17.

[26] Google, 2023 Environmental Report, Google, California, Mountain View, 2023, p. 22.

[27] Peter Dauvergne, AI in the Wild: Sustainability in the Age of Artificial Intelligence, MIT Press, Cambridge, 2020, pp. 78-79.

[28] Rob Nixon, Slow Violence and the Environmentalism of the Poor, Harvard University Press, Cambridge Massachusetts, 2011, pp. 2-3.

[29] Guillaume Pitron, The Rare Metals War: The Dark Side of the Clean Energy and Digital Technologies, Scribe, Londra, 2023, pp. 45-67.

[30] United Nations Institute for Training and Research, The Global E-waste Monitor 2024, UNITAR, Bonn, 2024, p. 3.

[31] John Bellamy Foster e Hannah Holleman, The Theory of Unequal Ecological Exchange: A Marx-Odum Dialectic, Journal of Peasant Studies 41, n. 2, 2014, pp. 199-233; tr. it., La teoria dello scambio ecologico ineguale: una dialettica Marx-Odum, online, antropocene.org, 10.05.2023

[32] John Bellamy Foster e Brett Clark, Introduction to the Updated Edition of Arghiri Emmanuel’s Unequal Exchange, in "Monthly Review", 77, n. 8, gennaio 2026, pp. 1-19.

[33] John Bellamy Foster, Capitalism and Ecology: The Nature of the Contradiction, in "Monthly Review", 54, n. 4, settembre 2002, pp. 6-16.

[34] Paul Burkett, Fusing Red and Green, in "Monthly Review" 50, n. 9, febbraio 1999, pp. 47-56; Paul Burkett, Marx and Nature: A Red and Green Perspective, St. Martin’s Press, New York, 1999.

[35] John Bellamy Foster e Brett Clark, The Robbery of Nature: Capitalism and the Metabolic Rift, in "Monthly Review" 70, n. 3, luglio-agosto 2018, pp. 1-20.

[36] Benjamin K. Sovacool, et al., Sustainable Minerals and Metals for a Low-Carbon Future, in "Science", 367, n. 6473, 2020, pp. 30-33.

[37] Brett Clark e Richard York, Carbon Metabolism: Global Capitalism, Climate Change, and the Biospheric Rift, in "Theory and Society", 34, n. 4, 2005, pp. 391-428.

[38] Georgescu-Roegen, The Entropy Law and the Economic Process, op. cit., pp. 276-278.

[39] John Bellamy Foster, Marx’s Ecology: Materialism and Nature, Monthly Review Press, New York, 2000, pp. 141-177.

Fonte

Il feticismo dell’IA

di John Bellamy Foster

Negli Stati Uniti si sta assistendo a una nuova era di concentrazione e di centralizzazione di capitale monopolistico-finanziario segnato dal boom dell’intelligenza artificiale (IA). Gli economisti di S&P Global stimano che “l’80% dell’incremento della domanda interna finale privata” negli Stati Uniti nella prima metà del 2025 era attribuibile alla spesa su “data center e spese correlate su capitale ad alta tecnologia”1.

Questo ingente investimento sui data center viene portato avanti da grandi società high-tech, il cui numero si può contare sulle dita di una mano. Queste società sono comunemente indicate nell’industria come “operatori hyperscale”, che rappresentano le mega società che dominano il cloud computing. Queste includono Microsoft, Amazon Web Services, Google (Alphabet) e Meta, secondo la classifica dei maggiori investimenti in data center, costituendo “le grandi case dell’IA”2.

Queste gigantesche entità monopolistiche sono anche tra le sei maggiori società statunitensi, misurate secondo il loro valore di mercato. (Nvidia, l’impresa più grande secondo la valutazione di mercato a inizio 2026, non è di per sé leader in cloud computing, ma monopolizza dall’80 al 90% dei chip per GPU (Graphic Processing Unit) da supercomputer).

Secondo Bloomberg, Microsoft, Amazon Web Services, Alphabet/Google e Meta nel 2022 avevano un ammontare combinato di spese in conto capitale di 150 miliardi di dollari e di 360 miliardi nel 2025, e prevedono di spendere 650 miliardi nel 2026. In confronto, “le maggiori aziende basate negli Stati Uniti, di case automobilistiche, produttori di apparecchiature di costruzione, ferrovie, industria della difesa, operatori telefonici, servizi di consegna, insieme alla ExxonMobil Corp., Intel Corp., Walmart Inc., e la progenie scorporata di General Electric – 21 compagnie – prevedono di spendere complessivamente 180 miliardi di dollari nel 2026”3.

L’investimento in IA oggi è paragonabile al boom del settore ferroviario negli Stati Uniti nel diciannovesimo secolo4. Come nel caso delle ferrovie, l’espansione dell’IA oggi è sostenuta da centri di finanza che manipolano il supporto del governo, liberandola dalla dipendenza da profitti effettivi e potendo così affidarsi a quelli che John Maynard Keyes chiamava “spiriti animali”, ovvero profitti attesi sui nuovi investimenti. Sarebbero stati necessari molti anni agli hyperscalers per incrementare gli investimenti sui loro data center al livello attuale se si fossero basati semplicemente sull’accumulazione dei profitti attuali, mentre la finanza monopolistica, attraverso il sistema di credito-debito ha permesso questa trasformazione “in un batter d’occhio”5. La ricchezza sociale, tratta dalla popolazione nel suo insieme, viene indirizzata alle Grandi Case dell’IA attraverso una serie di meccanismi finanziari e di politiche economiche neoliberali, concentrando ulteriormente il surplus economico prodotto dalla società nelle mani di un piccolo numero di miliardari, situati nei settori economici dell’alta tecnologia, dell’energia e della finanza. Nove dei primi quindici miliardari sulla lista dei miliardari Forbes 2026 provengono dall’high-tech6.

La corsa alla costruzione di imponenti data center, il più grande dei quali occuperà milioni di metri quadri e consumerà quantità gigantesche di energia, acqua e risorse minerarie, è spinta dall’obiettivo di sviluppare forme avanzate di IA generativa, un tipo di machine learning in grado di replicare l’intelligenza umana potendo allo stesso tempo accedere a dati apparentemente illimitati. A chi possiede, gestisce e ricava profitto da tali sistemi computazionali immensi, questo offre la prospettiva di una completa sorveglianza e disciplina (nel senso Foucaltiano) dell’intera popolazione, non solo sui posti di lavoro o in carcere ma in tutte le attività della vita, in modo da estrarre sempre maggiori fette della torta economica.

Qui il famoso detto attribuito comunemente a Francis Bacon “la conoscenza è potere”, assume un nuovo significato. Come ha detto il CEO di Oracle, Larry Ellison, queste tecnologie permettono di tenere traccia e indirizzare chiunque in qualsiasi momento e riportare su quanto succede. “I cittadini si comporteranno al meglio, perché registriamo e riportiamo costantemente tutto quello che succede. Ed è tutto inattaccabile… perché è l’IA a monitorare il video”7.

L’IA generativa non solo punta ad aumentare su vasta scala la sorveglianza delle attività umane nella società, ma minaccia enormemente il lavoro, con decine di milioni di posti di lavoro potenzialmente a rischio solo negli Stati Uniti, secondo alcune stime8.

Nel febbraio 2026, Mustafa Suleyman, CEO di Microsoft AI, ha dichiarato in maniera esuberante al Financial Times: “Il lavoro dei colletti bianchi, mentre sono seduti davanti a un computer, sia esso il lavoro di un avvocato o di un commercialista o di un project manager o di un agente di marketing – gran parte di quelle mansioni saranno pienamente automatizzate dall’IA nei prossimi 12-18 mesi”9. Questo è ovviamente reso possibile dal furto che l’IA esegue del lavoro intellettuale passato.

Allo stesso tempo, la corsa all’IA presenta pericoli ambientali inimmaginabili attraverso la spropositata espansione dei data center, facendo ricorso a crescenti quantità di energia, acqua e altre risorse, mettendo da parte quindi la transizione dai combustibili fossili e minacciando una accelerazione spinta di emissioni di carbonio e danni ambientali globali.

Quello che fa sembrare l’espansione dell’IA in questi termini estremi così irrefrenabile è un determinismo tecnologico radicato in un feticismo dell’IA, per cui viene vista come l’incarnazione di una logica puramente computazionale, combinata con la naturalizzazione delle relazioni di mercato, che suggerisce che la nuova tecnologia sarà inevitabilmente subordinata agli interessi dell’accumulazione del capitale10. Infatti, è l’avvento dell’IA come nuovo regime di potere computazionale controllato dal capitale monopolistico-finanziario a emergere come la matrice di scontro di classe e imperialista nel nostro tempo.

Nella realtà, le forze innovative di produzione, quali machine learning/intelligenza artificiale, non vanno mai concepite in semplici termini tecnocratici, come fatto con l’estremo dominio delle “reti neurali” dell’IA, ma devono essere piuttosto intese come articolate all’interno delle relazioni sociali della produzione. Per Karl Marx, l’“individuo sociale” era il prodotto della combinazione delle forze e delle relazioni sociali della produzione in date condizioni storiche, mentre le macchine automatiche rimandavano al “general intellect” in cui la conoscenza era incarnata in artefatti meccanici, dando origine al “lavoratore collettivo”11.

Un approccio socialista all’IA, dunque, si focalizza soprattutto sulle relazioni storiche e sociali che l’hanno provocata in congiunzione con il capitalismo, demistificando così l’attuale feticismo dell’IA e chiarendo che il futuro dell’umanità sta in ultimo a noi, richiedendo quindi una lotta di scala e natura rivoluzionarie12.

Kate Crawford e la mappatura dell’IA

La figura principale che ha esegutito una mappatura sociale dell’IA è Kate Crawford, ricercatrice senior di Microsoft Research, professoressa e ricercatrice all’Università della Southern California ad Annenberg. Crawford adotta un approccio che è storico, materialistia, ecologico e che riguarda la mappatura dell’IA come regime di potere che opera in combinazione con l’egemonia aziendale (corporate), rappresentando un’era di “capitalismo computazionale”13.

Il suo lavoro attinge a un’ampia gamma di pensatori, incluse figure come Charles Babbage, Marx, William Stanley Jevons, Max Weber, Lewis Mumford, Harry Braverman, E. P. Thompson, Stephen Jay Gould, Christian Fuchs e Vandana Shiva, insieme ad analisi contemporanee del capitale monopolistico, del capitalismo globale e della frattura metabolica.

I principali lavori di Crawford sull’IA sono:
1) la sua grafica interattiva Anatomy of an AI System: An Anatomical Case Study of the Amazon Echo as an Artificial Intelligence System Made with Human Labor (“Anatomia di un sistema di IA: un caso studio anatomico di Amazon Echo come sistema di Intelligenza Artificiale fatto con Lavoro Umano”, con Vladen Joler, 2018);
2) il suo libro Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence (“Atlante dell’IA: Potere, Politica e i Costi Planetari dell’Intelligenza Artificiale”, 2021);
3) Calculating Empires (“Calcolo degli imperi”) – un affresco di Intelligenza Artificiale lungo 24 metri (2023);
4) la sua lezione Mapping Empires (“Mappare Imperi”) tenuta alla Long Now Foundation;
5) il suo articolo Eating the future: The Metabolic Logic of AI Slop (“Mangiare il futuro: la logica metabolica della brodaglia dell’AI” (2025)14.

Il feticismo dell’IA, pesantemente promosso oggi dalle imprese e dal monopolio mediatico, è un riflesso di quello che Crawford chiama “determinismo incantato”, ritraendo l’IA come una tecnologia “cloud” (lett. “nuvola”) che occupa una qualche dimensione eterea, con sole connessioni secondarie al mondo materiale e al reame della produzione15.

Lei inverte la visione dominante mistificante, adottando una prospettiva materialista critica. “L’IA”, scrive, “non è né artificiale né intelligente”. Piuttosto, è un “registro di potere”. Nonostante utilizzi il termine “IA”, la definisce come una enorme formazione industriale che include politica, lavoro, cultura e capitale”.16.

Come dichiara Tung-Hui Hu in A Prehistory of Cloud (“Una Preistoria del Cloud”), “la metafora dominante di oggi usata per lo spazio digitale, “il cloud”, è in realtà una metafora della proprietà privata e l’esclusione del pubblico dal suo accesso materiale17.

Volendo usare le parole di Crawford, “l’Intelligenza Artificiale… è un’idea, un’infrastruttura, un’industria, una forma di esercizio di potere e un modo di vedere; è anche una manifestazione del capitale altamente organizzato sostenuto da vasti sistemi di estrazione e logistica, con catene di fornitrua che si avvolgono attorno all’intero Pianeta.” Aggiunge: “i sistemi di IA sono costruiti con le logiche di capitale, politica e militarizzazione e questa combinazione allarga ulteriormente le asimmetrie del potere esistenti18.

Il concetto di “determinismo incantato” è usato per indicare il feticismo della merce e le mistiche qualità divine che vengono attribuite all’IA. “I sistemi di IA”, spiega Crawford, “sono visti come incantanti, al di fuori del mondo conosciuto, eppure deterministici perché scoprono degli schemi che possono essere applicati con certezza predittiva alla vita di tutti i giorni”.

Questo determinismo incantato prende due forme diverse, ciascuna delle quali è dialetticamente rapportata all’altra. La prima è un “utopismo tecnologico”, mentre la seconda è una prospettiva di “distopia tecnologica”. “Queste trattazioni distopica e utopistica”, scrive Crawford, “sono gemelli metafisici: una pone la sua fede nell’IA come soluzione a tutti i problemi, mentre l’altra la teme come il pericolo più grande”.

La risposta a entrambi è una critica storica e materialista che svela le radici sociali dell’IA e spiega che è in ultima istanza una questione di relazioni sociali, non semplicemente di tecnologia. “La fantasia secondo cui i sistemi di IA siano cervelli incorporei che assorbono e producono conoscenza indipendentemente dai loro creatori, infrastrutture, e il mondo nella sua interezza... distrae dalle domande di gran lunga più rilevanti: questi sistemi chi servono? Quali sono le economie politiche della loro costruzione? E quali sono le più grandi conseguenze planetarie?”19.

Nell’esplorare le diverse dimensioni dell’IA, Crawford comincia con la base materiale dell’attività estrattiva di litio, cobalto e terre rare. Indaga sulla miniera di litio di Silver Peak in Nevada e le fabbriche circostanti di batterie della Tesla. Tesla sta attingendo a una considerevole porzione delle riserve di litio mondiali20.

La produzione di una tonnellata di litio richiede l’evaporazione di circa 2 milioni di litri d’acqua, minacciando le falde acquifere e gli approvvigionamenti idrici. Al livello dell’estrazione, il lavoro dietro all’IA ha origini nella storia del colonialismo e dell’imperialismo.

La maggior parte dell’estrazione avviene nel Sud Globale. Nelle miniere in Congo i lavoratori ricevono l’equivalente di 1-2 dollari al giorno per lavorare in condizioni disumane, esposti alla tossicità del cobalto scavato con picconi e badile in trincee e tunnel. I lavoratori non hanno alternativa visto che “le miniere hanno preso il controllo di tutto”21.

In “Anatomia di un Sistema di AI” (Anatomy of an AI System), Crawford e Joler, seguendo Marx, presentano la produzione a ciascuno stadio dell’intero processo come basato sull’appropriazione di “plusvalore” sul costo del lavoro, da cui emergono i profitti del capitale22.

L’IA capitalistica è indirizzata all’espulsione di lavoro ben pagato e alla sua sostituzione con una combinazione di automazione e lavoro delocalizzato a più basso costo. La natura globalizzata dell’IA, con le sue filiere complesse, rende gli effetti sul lavoro a livello transnazionale estremamente difficile da accertare. Nonostante sia diretto ad espellere forza lavoro negli attuali centri di produzione, la dimora nascosta dell’IA è da trovarsi nell’assunzione di masse di addestratori di macchine sottopagati, tagger (“etichettatori”) di immagini e lavoratori delle piattaforme di servizi basate sull’IA, la cui stessa esistenza dissipa il mito dell’intelligenza artificiale.

Così, attualmente l’IA richiede un numero enorme di “crowdworkers” impiegati nel “crowdsourcing”, ovvero lavoratori online, solitamente sui vent’anni e dispersi per il mondo, che portano avanti una sorta di “lavoro fantasma”. Per esempio, OpenAI nel 2022 si affidava a lavoratori esternalizzati in Kenya, pagati con meno di 2$ all’ora per esaminare ed etichettare decine di migliaia di immagini tossiche e associate all’abuso sessuale infantile, zoorastia, stupro etc., come parte di un’operazione di “ripulitura” di ChatGPT; similarmente lavoro di questo tipo veniva esternalizzato in Uganda e in India23.

Vengono utilizzati numeri consistenti di lavoratori per monitorare e correggere i contenuti dei chatbot basati sull’IA. Jeff Bezos si è riferito cinicamente a questa realtà di lavoratori dietro alle macchine come “intelligenza artificiale artificiale”. “Fin quando non esisterà un altro modo per creare un’IA di larga scala che non usi l’esteso lavoro “nascosto” fatto da esseri umani”, ha osservato Crawford nel 2021, “questa rimane una logica fondamentale di come funzione l’IA”. È da ricordare che, tra il 2005 e il 2015, 94 per cento dei nuovi posti di lavoro negli Stati Uniti erano di tipo “alternativo” piuttosto che di tipo tradizionale24.

Mentre le “macchine intelligenti” richiedono oggi il lavoro fantasma dei crowdworkers situati soprattutto nel Sud Globale, Crawford guarda anche al ruolo devastante dell’IA e dei robot nell’industria esistente. Nei magazzini di Amazon, il processo del lavoro e il tempo di lavoro sono gerarchicamente controllati come mai fatto prima. Il lavoratore non solo è “appendice della macchina”, come scriveva Marx, ma diventa sempre più appendice di robot “intelligenti”, mentre viene sottoposto a costante sorveglianza e controllo.

In questo contesto, Crawford esplora le innovazioni della fine del diciottesimo secolo dell’ingegnere Samuel Bentham, che per primo concepì il sistema panottico per la sorveglianza e il controllo dei movimenti del lavoro (più tardi applicato alle carceri dal fratello maggiore Jeremy Bentham)25.

Il capitalismo computazionale, sostiene Crawford, è profondamente radicato nello sfruttamento dei corpi umani e si mantiene attraverso di esso nel tempo con l’imposizione della disciplina sul lavoro. Discute del lavoro di Thompson su come l’industrializzazione e il capitalismo abbiano cambiato il tempo stesso all’interno del lavoro nel diciannovesimo secolo – poi passa alla critica di Braverman al Taylorismo e alla degradazione del processo di lavoro sotto il capitalismo monopolistico26.

Gli algoritmi oggi stabiliscono sia i tempi che gli spazi dei lavoratori. Il nuovo mondo degli algoritmi di IA rappresenta la realizzazione della “reale sussunzione del lavoro” al capitale come discussa da Marx, intesa come dominio inarrestabile della “velocità”, intesa come ritmo di lavoro nei magazzini Amazon. Qui cita la critica di Marx del tempo del capitale contro il tempo della natura presente ne Il Capitale: “Il tempo è tutto, l’uomo è niente; egli è al massimo la carcassa del tempo”27.

Dopo aver approcciato l’IA dal punto di vista materiale, a cominciare dall’estrazione mineraria e dallo sfruttamento dei lavoratori sia nell’estrazione che nella produzione, Crawford procede con il discutere del nuovo regime di dati che risiede al cuore di questo nuovo registro di potere. Il regime di IA si erge a partire dal principio secondo cui tutte le cose sono dati e che vadano preservati a prescindere dal loro costo sociale o ambientale.

Il nuovo capitalismo computazionale promuove un’inarrestabile accumulazione di dati nella forma di testo, immagini, suono e video e l’intero mondo umano si presta a dato grezzo per i sistemi IA28. Le piattaforme dei social media sono canali per quantità gigantesche di dati da dare in pasto ai sistemi di IA, che possono anche penetrare in quasi ogni sfera del comune e della vita privata. 

Ci sono set giganteschi di dati pieni di selfie, tatuaggi, genitori che passeggiano con i loro figli, gesti della mano, persone che guidano le loro auto, persone che commettono crimini riprese dalle videocamere di sorveglianza, e centinaia di azioni umane quotidiane come sedersi, salutare, alzare un bicchiere e piangere.

Ogni forma di dato biologico – tra cui forense, biometrico, sociometrico e psicometrico – viene catturato e collezionato nelle banche dati per sistemi IA per ricercare schemi e valutazioni... I dati vocali vengono raccolti dai dispositivi appoggiati sui piani della cucina o sul comodino affianco al letto; i dati fisici sono prelevati dagli orologi sui polsi e dai telefoni in tasca; i dati su quali libri e giornali vengano letti provengono da tablet e computer portatili; gestualità ed espressioni facciali sono raccolte e visionate nei posti di lavoro e nelle aule... 

Fondamentalmente, le pratiche dell’accumulazione dei dati negli anni hanno contribuito a una logica estrattiva potente, una logica che adesso è una caratteristica principale del modo di lavorare dell’IA. Questa logica ha arricchito le aziende di tecnologia con le maggiori pipeline di dati, mentre gli spazi liberi dalla raccolta dati sono diminuiti drasticamente29.

I dati devono essere classificati. Le impressioni soggettive dei crowdworkers sono usate per disporre classificazioni delle persone in base alla razza, all’etnicità e al genere30. I significanti della razza che sono il prodotto di sistemi storici di classificazione razzista vengono incorporati. Il genere viene sempre ritenuto strettamente binario. Come evidenzia Crawford, “i sistemi di machine learning in maniera molto reale costruiscono la razza e il genere: definiscono il mondo nei termini che esso stesso ha stabilito”. Le categorie usate nell’addestramento dell’IA e nella classificazione rafforzano pregiudizi esistenti e perpetuano odiosi confronti, oltre a replicare l’ideologia politico-economica dominante31.

Sebbene la promessa di incrementata produttività attraverso una più efficiente e totale sfruttamento del lavoro sia alla base delle rivendicazioni in merito alla futura profittabilità dei sistemi di IA, si basa anche sulla prospettiva dell’estrazione di profitti da tutte le forme di attività umana. L’obiettivo è universalizzare i sistemi di sfruttamento e di espropriazione, promuovendo l’accumulazione accelerata di capitale e la sua ulteriore concentrazione e centralizzazione in poche imprese dominanti che sono diventate sinonimo di “mercato”.

Come se non bastasse c’è lo stato capitalista, che monopolizza le leggi di proprietà e di violenza. Lo stato è il maggior accumulatore di dati, e lavora congiunto, piuttosto che in opposizione, al capitale computazionale. Lo stato monopolio-capitalistico è fortemente organizzato attraverso funzioni militari e di polizia che crescono fianco a fianco al capitalismo di sorveglianza all’interno del settore privato.

Per Peter Thiel, fondatore di Palantir e sostenitore miliardario chiave dell’amministrazione Trump, l’IA è essenzialmente una tecnologia militare attrezzata alla sorveglianza e all’individuazione degli obiettivi, applicabili sia in operazioni di guerra che di controllo domestico. “Questi strumenti”, scrive, “sono preziosi a qualsiasi esercito per ottenere vantaggio in intelligence, per esempio”, mentre tali “strumenti di machine learning”, aggiunge, “hanno anche usi civili”.

Durante la prima amministrazione Trump, i contratti di Palantir con le agenzie di governo USA ammontavano a più di un miliardo di dollari. Palantir è diventata la principale agenzia esternalizzata di sorveglianza per l’ICE (Immigration and Custom Enforcement, l’agenzia preposta al controllo delle frontiere e dei flussi migratori), entrando in supporto all’ICE nella sua campagna di deportazione per motivi razziali.

Secondo un report di Bloomberg del 2018, Palantir “è una piattaforma di intelligence progettata per la Guerra globale al Terrore”, che viene maggiormente “armata contro gli Americani ordinari a casa”, che lavora in congiunzione con le agenzie di stato32.

Analogamente, l’app Neighbors, che si affida ai videocitofoni Ring di Amazon, classifica i filmati come “Crimine”, “Sospetto” o “Sconosciuto” e i video vengono condivisi attraverso contratti con la polizia e con l’ICE. Ring viene anche usato dai lavoratori della polizia per la consegna di pacchi. Usando le parole di Tung-Hui Hu, queste app sono diventate “freelancer” dell’apparato militare e securitario dello stato33.

L’uso militare dell’IA è ora pervasivo, ad esempio nella guerra dei droni o nella guerra cibernetica, e viene ora integrata in tutte le operazioni di guerra.

Nel 2017, il Dipartimento di Difesa degli Stati Uniti ha lanciato il “Team interfunzionale per la guerra algoritmica” (Algorithmic Warfare Cross-Functional Team), con il suo nome in codice di Project Maven, finalizzato ad usare l’IA come “motore di ricerca automatizzato per i video da droni” per la sorveglianza e l’individuazione degli obiettivi. Inizialmente il contratto fu stipulato con Google ma questo portò oltre tremila dipendenti a firmare una lettera di protesta che chiedeva la cancellazione del contratto.

Google rispose capovolgendo il tema del dibattito non più sull’opposizione all’utilizzo dell’IA per scopi bellici, quanto piuttosto sul fatto che la tecnologia fosse utilizzata per “uccidere le persone in maniera scorretta”, una condizione che secondo l’azienda si sarebbe potuta evitare attraverso la tecnologia di IA stessa, che fornisce il fondamento necessario a uccidere le persone correttamente.

Gli Stati Uniti hanno utilizzato Claude, il modello IA di Anthropic, come anche altri, nella guerra all’Iran scatenata il 28 febbraio 2026, insieme a Israele. Nelle prime ventiquattro ore di attacchi di Usa e Israele all’Iran, Anthropic ha generato circa un migliaio di obiettivi prioritari, nei quali ha sintetizzato immagini satellitari, riprese di sorveglianza e intelligence dei segnali, fornendo in tempo reale le coordinate GPS sia per obiettivi umani che strategici, automatizzando nel frattempo le giustifiche legali di ogni attacco34.

Eppure, il ruolo dello stato rispetto all’IA va oltre l’esternalizzazione della sorveglianza domestica, del controllo della popolazione e delle operazioni militari. Allo stato capitalista è stato dato il via libera a un sistema di capitale computazionale monopolistico finalizzato all’accumulazione illimitata di dati con pochi se non nulli vincoli legali. Questo riflette un governo delle grandi imprese, fatto dalle grandi imprese e per le grandi imprese. La mancanza di regolamentazione statale ha permesso la corsa all’IA a procedere noncuranti delle sue conseguenze distruttive, dalla prospettiva di uno scoppio della bolla IA all’eventualità di implosioni sociali ed ecologiche diffuse.

L’IA e la frattura metabolica

L’Atlante dell’IA di Crawford è stato pubblicato nel 2021, un anno prima dell’introduzione di ChatGPT, che ha accelerato la frenesia per l’IA e ha portato a un’espansione enorme agli investimenti in data center. Alla luce degli ultimi sviluppi, il lavoro più recente di Crawford si concentra sulle contraddizioni centrali dell’IA come registro di potere.

Nel suo lavoro “Calculating Empires” del 2023, un’opera artistica interattiva, Crawford mette in risalto come il capitale monopolistico e il capitale globalizzato definiscano la modalità politico-economica in cui la tecnologia digitale dell’IA ha avuto modo di emergere. Tuttavia, nella sua lezione del 2025, “Mapping Empires”, la sorprendente innovazione sta nel focalizzarsi sulle contraddizioni interne ed esterne dell’IA. È qui che Crawford trae la sua tesi principale partendo dal concetto di frattura metabolica, così come fu sviluppata da Marx nel diciannovesimo secolo a partire dagli studi del chimico tedesco Justus von Liebig. 

Crawford, nella sua lezione, fornisce una spiegazione dettagliata della frattura all’interno del ciclo dei nutrienti nel suolo nell’Inghilterra del diciannovesimo secolo, dovuta all’invio di cibo e fibre contenenti questi nutrienti, come azoto, fosforo e potassio, alle nuove e densamente popolate città industriali a centinaia o anche migliaia di chilometri di distanza, dove questi nutrienti venivano trasformati in inquinanti, con la sversamento da parte delle persone di “escrementi nelle strade e nei corsi d’acqua”.

Di conseguenza, questi elementi essenziali non tornavano alle fattorie per rifornire il suolo. Riprendendo le parole di Crawford, “l’Europa si stava letteralmente mangiando fino all’esaurimento”. Qui riprende il concetto di Liebig del Raubbau o la cultura/economia del furto.

Data l’impossibilità, all’epoca, di produrre fertilizzanti sintetici, in particolare quelli contenenti azoto, ebbe inizio la “corsa al guano”, per cui gli stati europei e gli Stati Uniti cominciarono a competere per accaparrarsi il guano (sterco di uccelli ricco di azoto). Furono importate massicce quantità di guano in Europa dalle isole Chincha lungo la costa del Perù che ne erano particolarmente ricche.

Nonostante lo sviluppo successivo dei fertilizzanti sintetici, questo ha a stento ribaltato la contraddizione, portando alle fratture di oggi nel ciclo del fosforo e dell’azoto, con il risultato che la generale frattura metabolica, associata a una disgiunzione tra l’estrazione di risorse da parte dell’uomo e le condizioni di sostenibilità ecologica si è approfondita. Oggi, l’emergere dell’Antropocene rappresenta una “frattura antropogenica” nei cicli geobiofisici del Sistema Terra35.

Riconoscendo che l’IA è un sistema materiale che è emerso storicamente come risultato dell’azione sociale umana e che è l’incarnazione di relazioni naturali e umane, Crawford sostiene che è necessario inquadrarla come un sistema metabolico che segue “schemi” o cicli metabolici. Contraddizioni che si manifestano sotto forma di fratture metaboliche si presentano nel mezzo delle condizioni dell’esistenza e della riproduzione materiale e gli imperativi interni al capitale dell’IA.

Così, l’estrazione dei materiali e delle risorse essenziali, l’“ingestione” illimitata di dati e il contenuto finale di “brodaglia di IA” possono essere tutte viste come fasi di un ciclo metabolico. Questo ciclo è guidato dagli imperativi del capitalismo computazionale, conducendo, prima o poi, all’inevitabile “collasso del modello”36.

Nell’elaborazione di Crawford, l’ingestione distruttiva di dati dell’IA è equivalente a Raubbau. L’estrattivismo minerario e l’utilizzo di energia e acqua stanno incrementando esponenzialmente il fabbisogno rispetto all’ambiente naturale, arrestando in maniera sempre più rapida la relazione umana con la natura, in linea con la nozione classica di frattura metabolica di Marx.

Inoltre, adesso è stato riconosciuto che esiste una frattura auto-generativa in seno all’IA stessa, conosciuta nella letteratura scientifica come “autofagia dell’IA”, alla stregua dell’autofagia metabolica disfunzionale – “auto-digestione” – delle cellule. Qui l’IA, dipendendo sempre più dai propri dati sintetici, o brodaglia IA, sostanzialmente mangia sé stessa, arrivando al “collasso del modello”, con conseguenze disastrose per l’intero mondo alienato per via dell’IA37,

Oggi l’ingestione di dati di IA è oltre misura, già al pari con quanto può essere raccolto dal web, comprendendo innumerevoli petabyte di dati e con l’intento di racchiudere le informazioni del mondo intero in tutte le sue forme. La totalità della creatività umana di migliaia di anni e tutte le forme di comportamento e di espressione umani sono acqua al suo mulino – tutto da incorporare nel machine learning diretto da un sistema di potere politico-economico. Tutto ciò, tuttavia, si incarna materialmente, ponendo dei limiti alle operazioni del sistema.

“La domanda di minerali per l’IA”, dice Crawford, “sta portando ad un’altra frattura metabolica, estraendo minerali che hanno impiegato milioni di anni per formarsi nella crosta terrestre in tempi antichi per poi essere usati nei chip per l’IA generalmente per uno o due anni”.

Il costo ambientale più grande associato con il nuovo Raubbau dell’IA, tuttavia, è il consumo di acqua e di energia, che già ammonta quasi ai livelli di utilizzo dei paesi più ricchi. Stime provenienti dall’Agenzia Internazionale dell’Energia e da Bloomberg prospettano che entro il 2030 l’aumento di fabbisogno di energia elettrica per gli scopi dell’IA sarà equivalente a quello di stati come l’India e il Giappone, o pari al 25% dell’elettricità USA38. I data center hyperscale richiedono sistemi di raffreddamento che consumano milioni di litri d’acqua al giorno, con un aumento continuo della domanda.

Niente di tutto ciò è sostenibile. Sebbene alcuni sostengano che il problema può essere risolto attraverso una migliore efficienza, Crawford qui fa riferimento al famoso paradosso di Jevons, basato sul lavoro di William Stanley Jevons La questione del carbone (1865), in cui si discuteva che l’aumento dell’efficienza nell’utilizzo del carbone non riduceva mai la quantità di carbone impiegato, poiché l’aumento di efficienza portava sempre a un’espansione del livello di produzione – un fenomeno inerente al sistema dell’accumulazione capitalistica39

Ciò a cui si riferisce Crawford parlando di un’emergente frattura metabolica, radicata in relazioni sociali capitalistiche, ha così a che fare con l’insaziabile appetito dell’IA, di ingerire, digerire ed espellere dati in modi che portano al suo stesso cannibalismo. Come nel mito greco del Re Erisittone raccontato da Ovidio nelle Metamorfosi – in cui Erisittone, consumato dal desiderio della ricchezza e del consumo, vendette sua figlia e finì per mangiare sé stesso – oggi i sistemi di IA, spinti dall’accumulazione capitalistica e dalla loro innata logica tecnologica, finiranno per consumare sé stessi40.

Con l’ingestione crescente dei propri risultati sintetici, pieni di fantasmagoria e allucinazioni, oltre all’appiattimento della conoscenza, il risultato sarà una sorta di degrado strutturale. “La frattura metabolica più recente tra l’IA e gli umani”, scrive Crawford, “minaccia forme multiple di fallimenti a cascata: un collasso morale, un collasso finanziario, un collasso ecologico e, a seconda di chi credi, un collasso cognitivo”41.

Le fratture nella relazione umana con la natura nella società moderna sono la manifestazione della logica alienata e distruttiva dell’accumulazione e della crisi capitalistiche. Meta, Amazon, Alphabet (Google) e Tesla hanno speso complessivamente 561 miliardi di dollari in investimenti di capitale sull’IA nel 2023-2025, generando da questi investimenti entrate, non profitti, per 35 miliardi di dollari.

La bolla dell’IA è sostenuta dal debito e dall’inarrestabile rilancio degli asset di queste imprese, dato che gli investitoti vogliono la loro parte in questa moderna corsa all’oro – nonostante ultimamente il valore sul mercato di queste società stia avendo un calo.

Facendo riferimento al debito intrapreso dagli hyperscaler nella loro corsa a costruire data center, Bloomberg afferma che questo prende la forma di “obbligazioni blue-chip, debito spazzatura, credito privato e complessi pool di prestiti garantiti da asset”, ammontando a circa 200 miliardi di dollari o più. Per risolvere il problema della mancanza di un mercato sufficiente per l’IA, il capitalismo computazionale intende forzare l’adozione di IA generativa impiantandola in innumerevoli app. Questo è un modello di accumulazione pieno di rischi42.

L’ascesa del movimento neofascista associato al “Make America Great Again” (MAGA) della politica di Trump è stata pesantemente finanziata da miliardari high-tech della Silicon Valley come Musk, Thiel ed Ellison, minacciando l’intero corpo politico.

L’annuncio dell’iniziativa Stargate dell’amministrazione Trump nel primo giorno di presidenza del secondo mandato, che ha l’obiettivo di riversare 500 miliardi di dollari sui data center, è stato progettato per caricare Oracle e OpenAI (sviluppatore di ChatGPT), diretti da Ellison e Sam Altman rispettivamente, entrambi finanziatori consistenti degli interessi politici del MAGA di Trump.

Alcuni commentatori hanno interpretato questi sviluppi come indicatori dell’emergere di un cartello con leva finanziaria dello stato, passando dai media all’IA alla tecnologia “cloud”, con il dominio nelle comunicazioni e nell’economia – promuovendo contemporaneamente un regime politico dittatoriale43.

Il “General Intellect” di Marx e il Socialismo

Se l’IA è più di una semplice tecnologia epocale, ma piuttosto è da intendersi, come dice Crawford, come un “registro di potere”, allora l’unica risposta attuabile è esercitare un potere sociale genuino nei confronti del suo sviluppo, radicandolo in una democrazia sostanziale. Le ramificazioni potenziali dell’IA puntano a quello che István Mészáros chiamava “la necessità del controllo sociale”, un controllo sociale che bisogna esercitare se si vuole evitare la tendenza all’estremismo ecologico, militare e sociale. Qui non c’è solo da mettere in dubbio le forze produttive ma soprattutto le relazioni sociali della produzione44.

Nel suo “Frammenti sulle Macchine” nei Grundrisse, Marx ha commentato come il trasferimento della conoscenza e delle attività umane – ovvero l’essenza del lavoro umano – alle macchine attraverso l’automazione portasse al concretizzarsi nelle macchine del “general intellect” della società, che propriamente apparteneva a e rappresentava l’“individuo sociale” e, come ha spiegato nel Capitale, al “lavoratore collettivo”45.

L’appropriazione monopolistica del general intellect come proprietà del capitale comportava che venisse utilizzato per un solo fine: l’accumulazione di capitale, a vantaggio di pochi. L’incorporazione del general intellect all’interno del capitale era, per Marx, una contraddizione mortale per il capitale stesso. Qualsiasi tentativo da parte dei capitalisti di detenere il general intellect per i propri fini limitati di accumulazione avrebbe provocato una crisi dopo l'altra.

Citando una scena intitolata “La cantina di Auerbach” del Faust di Johann Wolfgang von Goethe (Parte 1, Scena 5) Marx allude sottilmente a una canzone volgare sul veleno dato a un ratto di cantina, che gli provoca di comportarsi “come se il corpo fosse impossessato dall’amore” – riferendosi al lavoro vivo trasformato in lavoro morto: un mero “corpo animato” incapace di creare direttamente valore.

Questo potrebbe rappresentare per i giorni nostri l’assorbimento da parte del capitale dell’IA di tutta la conoscenza generata dal lavoro creativo e dell’intero mondo digitalizzato in se stesso, producendo un corpo robotico che porta all’autofagia dell’IA e al collasso del modello46.

Il mero potenziale per l’espansione del tempo di lavoro disponibile (tempo libero) grazie all’automazione, come spiegava Marx ai suoi tempi, contraddice il bisogno incessante del capitale di espandere il tempo di pluslavoro. Il sistema dunque cerca di promuovere, attraverso l’automazione – basandosi sulla leva fornita da un esercito di riserva industriale in espansione – la degradazione ulteriore e la dipendenza materiale del lavoro, costringendo il “lavoratore a lavorare più a lungo del selvaggio, o di quanto lavorava quando lo faceva con utensili più semplici e rozzi”, adesso come mera “appendice della macchina”47.

Eppure, la realtà del general intellect incarnato nell’automazione allo stesso tempo rende possibile l’ascesa del “lavoratore collettivo come soggetto dominante” della produzione e del movimento decisivo verso una società di produttori associati48. La necessità del controllo e della pianificazione sociale significa mettere in capo le relazioni sociali generali e dare forme al regno del capitale finanziario monopolistico.

Alcuni segni di quanto è possibile si prefigurano oggi in Cina. La Cina compete con gli Stati Uniti nello sviluppo dell’IA. Il modello IA cinese open-source DeepSeek è più efficiente dal punto di vista energetico e più economicamente vantaggioso rispetto ai chatbot statunitensi.

Mentre le Grandi Case dell’IA negli Stati Uniti sono in corsa per il raggiungimento di una “superintelligenza” divina attraverso l’utilizzo dei LLM (Large language models), il “socialismo con caratteristiche cinesi” di Beijing ha focalizzato la sua tecnologia di machine learning – non senza le sue contraddizioni – più direttamente sulla manifattura, la logistica, l’energia, la finanza pubblica, e i servizi pubblici. Le case automobilistiche utilizzano i robot con il minimo intervento umano.

Gli strumenti di IA vengono usati ampiamente negli ospedali, dove viene impiegata “un’IA più semplice, più stretta” progettata per compiti specifici. L’IA in Cina è integrata principalmente nella manifattura piuttosto che in un’economia di servizio come negli Stati Uniti. Ovviamente, l’uso molto massiccio di robot nella manifattura cinese comporta l’espulsione del lavoro.

Le banche dati in Cina, come negli Stati Uniti e nel resto del mondo, usa ingenti risorse, e sono dipendenti dall’estrazione di litio, cobalto e terre rare. Come negli Stati Uniti, la modernizzazione militare si basa sull’IA. Ciò nonostante, i controlli normativi sull’IA da parte del “socialismo con caratteristiche cinesi” sono segnali ottimisti per il raggiungimento di un approccio sociale più razionale all’intero fenomeno.

Infatti, quello che differenzia maggiormente la Cina dagli Stati Uniti e l’Occidente riguardo l’IA sta nella leadership della governance dell’IA, che enfatizza il fatto che il machine learning debba essere subordinato a un percorso “incentrato sul popolo” e sul benessere della popolazione. Beijing ha introdotto regole mirate per le tecnologie di sintesi profonda (note come deepfake) e per l’IA generativa.

Tutti i deepfake richiedono etichettature cospicue o watermarking per garantire trasparenza, accuratezza e affidabilità. Qualsiasi azienda che vuole fornire servizi di IA generativa deve registrare i propri algoritmi all’Amministrazione del Cyberspazio della Cina, il maggiore ente regolatore. Qualsiasi maggior corpo di dati che gli sviluppatori vogliano includere nei loro modelli di IA deve essere campionato casualmente per contenuto discriminatorio e antisociale.

Le normative sono espressamente definite per proteggere gli individui che hanno diritti definiti di “identità, reputazione, onore, privacy e informazioni personali”. La maggior parte delle normative si applica ai LLM offerti al pubblico, mentre sono meno restrittive all’interno dell’industria per supportare l’innovazione. Nonostante questo, il carattere sociale dell’approccio cinese, sebbene non sia sufficiente e sollevi interrogativi difficili, si trova in contrasto con lo sviluppo privatizzato e predatorio della tecnologia negli Stati Uniti, dove sono notoriamente assenti regolamentazioni federali incisive49.

La Cina, non sorprendentemente, è leader nella promozione di una governance globale di IA, con la sua Iniziativa di Governance Globale dell’IA, introdotto nel 2023, e la sua Dichiarazione di Shangai sulla Governance Globale dell’IA al World Conference dell’IA nel 2024.

Con queste iniziative di carattere mondiale, Beijing insite su un “approccio incentrato sulle persone” come “obiettivo comune” rispetto alla regolamentazione dell’IA per fare fronte a “rischi imprevedibili e sfide complicate” di queste tecnologie, che sono frequentemente usate “per i fini della manipolazione dell’opinione pubblica, con la diffusione di disinformazione, con l’intervento negli affari interni, sistemi sociali e ordine sociale di altri paesi, così come mettendo a repentaglio la sovranità di altri stati”.

Tra i pericoli specificati ci sono “monopoli tecnologici e misure coercitive unilaterali”; tendenze alla discriminazione di “etnicità, credi, nazionalità, generi, etc.”; l’accelerazione di danni ambientali; e il blocco della diffusione delle tecnologie di machine learning nel Sud Globale, inibendo quindi uno sviluppo globale sostenibile. La Cina insiste che l’obiettivo dovrebbe essere lo sviluppo umano e l’uso di queste tecnologie in campi come “salute, educazione, trasporti, agricoltura, industria, cultura ed ecologia”.

Gli effetti negativi dell’IA sull’occupazione devono essere attentamente monitorati e “mitigati”. Tutti i paesi sono invitati a partecipare, in accordo con i loro bisogni nazionali, alla costituzione di “un sistema di verifica e valutazione basato sui livelli di rischio dell’IA e su un sistema di revisione etico tecnico-scientifico”. Volendo usare le parole di Xi Jinping, è necessario “far sì che l’IA serva al bene comune e dia beneficio a tutti, e che non sia un giocattolo in mano alle nazioni ricche e ai facoltosi”50.

In tutto il mondo si stanno affacciando diverse lotte rispetto all’IA. Una richiesta promossa è quella di “mettere in pausa” lo sviluppo dell’IA fin quando siano accertati i pericoli associati a un ulteriore avanzamento della tecnologia, in modo da avere una normativa razionale che possa giocare un ruolo nel suo sviluppo51.

Tuttavia, il governo federale degli USA sotto l’amministrazione Trump non solo non sta facendo alcun tentativo di regolamentare l’IA, ma sta lottando attivamente contro gli stati singoli e gli enti locali che stanno tentando di introdurre regolamentazione sull’IA52. Il cartello dell’IA, che ora si può dire essere costituito dagli hyperscaler dell’high-tech, sostenuto dalla finanza monopolistica e dal settore energetico, così come dallo stato, è attualmente completamente al comando.

Qualsiasi tentativo di controllare socialmente l’IA all’interno del capitalismo monopolistico, punta necessariamente al bisogno di un movimento più rivoluzionario che porti dal capitalismo al socialismo. Le Grandi Case dell’IA sono divise le une contro le altre e non possono resistere. Affidano la loro esistenza su un apparato statale capitalista centralizzato, coercitivo e basato su una classe corrotta nonché priva di un apparato culturale, costituente una logica di insieme che – se gli sarà permesso di continuare – non potrà che essere catastrofica.

Se l’umanità è destinata a prosperare, le forze e relazioni produttive dovranno essere rivoluzionate insieme, così come lo sviluppo delle capacità umane, per creare un mondo di sviluppo umano sostenibile. Questo richiede la formazione sotto al socialismo di un vero “processo democratico d’insieme” informato dal general intellect, in cui “i produttori associati governano il metabolismo umano con la natura in maniera razionale... raggiungendolo con la minore spesa energetica possibile e nelle condizione più adeguate alla natura umana”53.

Note 

1) Paul Gruenwald and Satyam Panday, “How Data Centres and AI Are Becoming a New Engine of Growth,” World Economic Forum, December 17, 2025. See also Nick Licthenberg, “Without Data Centers GDP Growth was 0.1% in the First Half of 2025, Harvard Economist Says,” Fortune, October 7, 2025.

2) Kate Crawford, Mapping Empires: Power, Politics, and the Planetary Costs of Artificial Intelligence (New Haven: Yale University Press, 2021), 20.

3) Matt Day and Annie Bang, “Big Tech to Spend $650 Billion This Year as AI Race Intensifies,” Bloomberg, February 5, 2026; Marty Hart-Landsberg, “AI and the Economy: A Losing Bet for Working People,” Reports from the Economic Front, February 16, 2026.

4) Paul A. Baran and Paul M. Sweezy, Monopoly Capital (New York: Monthly Review Press, 1966), 220–21.

5) John Maynard Keynes, The General Theory of Employment Interest and Money (London: Macmillan, 1936), 14 MONTHLY REVIEW / May 2026 161–62; Karl Marx, Capital, vol. 1 (London: Penguin, 1976), 780.

6) Paul Krugman, “The Economics of Technological Change,” Substack, March 1, 2026, paulkrugman.substack.com; Forbes World Billionaire’s List, 2026, forbes.com/billionaires.

7) Matt Seybold, “The Ellisons are Beta-Testing Big Brother,” American Vandal, October 10, 2025.

8) Bernie Sanders, The Big Tech Oligarchs War Against Worker: AI and Automation Could Destroy Nearly 100 Million U.S. Jobs in a Decade, Ranking Member Minority Staff Report, Health, Education, Labor and Pensions Committee, October 6, 2025.

9)ix Melissa Heikkilä, “Mustafa Syleyman Plots AI ‘Self-Sufficiency’ as Microsoft Loosens OpenAI Ties,” Financial Times, February 12, 2026.

10) For a critical analysis of technological determinism, see Merritt Roe Smith and Leo Marx, eds., Does Technology Drive History?: The Dilemma of Technological Materialism (Cambridge, Massachusetts: MIT Press, 1994).

11) Karl Marx, Grundrisse (London: Penguin, 1983), 706; Marx, Capital, vol. 1, 279–80; John Bellamy Foster, “Braverman, Monopoly Capital, and AI: The Collective Worker and the Reunification of Labor,” Monthly Review 76, no. 7 (December 2024): 1–13; Matteo Pasquinelli, The Eye of the Master: A Social History of Artificial Intelligence (London: Verso, 2023).

12) John Bellamy Foster, Breaking the Bonds of Fate: Epicurus and Marx (New York: Monthly Review Press, 2025), 17. Although “up to us,” social struggle, though requiring agency, cannot be presented in voluntaristic terms. Rather, it has to be conceived in terms of what Roy Bhaskar called “the transformative model of social activity,” which encapsulated the essence of Marx’s concept of historical change. Roy Bhaskar, Reclaiming Reality (London: Routledge, 2011), 74–81; Karl Marx, The Eighteenth Brumaire of Louis Bonaparte (New York: International Publishers, 1963), 15.

13) Kate Crawford, “Eating the Future: The Metabolic Logic of AI Slop,” e-flux Architecture, September 2025, e-flux.com.

14) Kate Crawford, Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence (New Haven: Yale University Press, 2021); Kate Crawford and Vladen Joler, “Anatomy of an AI System,” 2018, anatomyof.ai; Kate Crawford, “Calculating Empires,” Knowing Machines, November 23, 2023, knowingmachines.org; Kate Crawford, “Long Now Talks: Mapping Empires,” recorded November 12, 2025; Crawford, “Eating the Future”. 

15) “Fetishism” is used here in the sense of Marx’s theory of commodity fetishism. See Marx, Capital, vol. 1, 163–77. On enchanted determinism, see Crawford, Atlas of AI, 213–15.

16) Crawford, Atlas of AI, 8.

17) Tung-Hui Hu, A Prehistory of the Cloud (Cambridge, Massachusetts: MIT Press, 2015), 147.

18) Crawford, Atlas of AI, 18–19. On the metabolic rift, see John Bellamy Foster, Marx’s Ecology (New York: Monthly Review Press, 2000), 141–77; John Bellamy Foster and Brett Clark, The Robbery of Nature (New York: Monthly Review Press, 2020), 12–34.

19) Crawford, Atlas of AI, 213–15; Alexander Campolo and Kate Crawford, “Enchanted Determinism: Power with Responsibility in Artificial Intelligence,” Engaging Science, Technology, and Society 6 (2020): 2.

20) Crawford, “Long Now Talks: Mapping Empires,” 27:07.

21) “World Water Day: The Water Impacts of Lithium Extraction,” Wetlands International Europe, March 22, 2023, europe.wetlands.org; Terry Gross, “How ‘Modern-Day Slavery’ in the Congo Powers the Rechargeable Battery Economy,” NPR, February 1, 2023.

22) Crawford and Joler, “Anatomy of an AI System,” Section XI.

23) Billy Perrigo, “Exclusive: OpenAI Used Kenyan Workers on Less than $2 an Hour to Make ChatGPT Less Toxic,” Time, January 18, 2023; Chinmayi Arun, “Transnational AI and Corporate Imperialism,” Carnegie Endowment of International Peace, October 8, 2024.

24) Crawford, Atlas of AI, 64–68; Lawrence F. Katz and Alan B. Krueger, “The Rise and Nature of Alternative Work Arrangements in the United States 1995– 2015,” NBER Working Paper Series, National Bureau of Economic Research, Washington DC, September 2016: 7; Hu, Prehistory of the Cloud, 89; Martin Gonzalez-Cabello, Auyon Siddiq, Charles J. Corbett, and Catherine Hu, “Fairness in Crowdwork: Making the Human Supply-Chain More Humane,” Business Horizons 68, no. 5 (September–October 2025): 645–57.

25) “Since Michel Foucault’s Discipline and Punish, it has become commonplace to consider the prison as the origin point of today’s surveillance society, with the elder Bentham as it its progenitor. In fact, the panoptic prison owes its origins to the work of the younger Bentham in the context of the early manufacturing facility. The panopticon began as a workplace mechanism well before it was conceptualized for prisons” (Crawford, Atlas of AI, 61).

26) Crawford, Atlas of AI, 59–62, 72; E. P. Thompson, “Time, Work-Discipline, and Industrial Capitalism,” Past and Present, no. 38 (December 1967): 56–97; Harry Braverman, Labor and Monopoly Capital (New York: Monthly Review Press, 1998).

27) Crawford, Atlas of AI, 74; Karl Marx and Frederick Engels, Collected Works (New York: International Publishers, 1975), vol. 6, 127; Marx, Capital, vol. 1, 1034–38; István Mészáros, The Challenge and Burden of Historical Time (New York: Monthly Review Press. 2008), 43–49; Ian Angus, Facing the Anthropocene (New York: Monthly Review Press, 2016), 111–25.

28) Crawford, “Eating the Future”; Crawford, Atlas of AI, 95.

29) Crawford, Atlas of AI, 119.

30) On crowdworkers, see Crawford, Atlas of AI, 63–64.

31) Crawford, Atlas of AI, 123–36, 145–46.

32) Crawford, Atlas of AI, 193–99; Peter Waldman, Lizette Chapman, and Jordan Robertson, “Palantir Knows Everything About You,” Bloomberg, April 19, 2018.

33) Hu, Prehistory of the Cloud, 115; Crawford, Atlas of AI, 202.

34) Crawford, Atlas of AI, 189–92; Ed Pilkington, “US Military Reportedly Used Claude in Iran Strikes Despite Trump’s Ban,” Guardian, March 1, 2026; Gary Wilson, “Anthropic Is Already at War,” Struggle La Lucha, March 5, 2026, struggle-la-lucha.org.

35) Crawford, “Long Now Talks: Map ping Empire,” 5:40–18:17; Crawford “Eating the Future”; Clive Hamilton and Jacques Grinevald, “Was the Anthropocene Anticipated?,” Anthropocene Review 2, no. 1 (2015): 67.

36) Crawford, “Long Now Talks: Mapping Empire,” 13:18, Crawford, “Eating the Future.”

37) Crawford, “Long Now Talks: Map ping Empires, 37:40–39:46; Crawford, “Eating the Future.”

38) Crawford, “Long Now Talks: Mapping Empires,” 28:08–29:20; Peter Landers, “Artificial Intelligence’s ‘Insatiable’ Energy Needs Not Sustainable, Arm CEO Says,” Wall Street Journal, April 9, 2024.

39) Crawford, “Long Now Talks: Mapping Empires,” 31:16–32:37; John Bellamy Foster, Brett Clark, and Richard York, The Ecological Rift (New York: Monthly Review Press, 2010), 169–82; William Stanley Jevons, The Coal Question (London: Macmillan, 1865), 102–16.

40) Ovid, Metamorphoses, trans. Charles Martin (New York: Norton, 2004), 298; Richard Seaford, Ancient Greece and Global Warming, Classical Association Presidential Address (Lon don: Classical Association, 2009), 6; John Bellamy Foster, Foreword in Fred Magdoff and Chris Williams, Creating an Ecological Society (New York: Monthly Review Press, 2017), 7–9.

41) Crawford, “Long Now Talks: Mapping Empires,” 40:11.

42) Matt Day and Amy Bang, “Big Tech to Spend $650 Billion This Year as AI Race Intensifies,” Bloomberg, February 6, 2026; Hart-Landsberg, “AI and the Economy.”

43) Frank Vogl, “Trump’s Return to the Robber Baron Age,” Globalist, October 13, 2025.

44) István Mészáros, The Necessity of Social Control (New York: Monthly Re view Press, 2015), 23–51.

45) Marx, Grundrisse, 706; Marx, Capital, vol. 1, 464–69, 544–45; Michael Heinrich, “The ‘Fragment on Machines’: A Marxian Misconception in the Grundrisse and Its Overcoming in Capital,” in Marx’s Laboratory: Critical Interpretations of the ‘Grundrisse,’ Riccardo Bellofiore, Guido Starosta, and Peter D. Thomas, eds. (Chicago: Haymarket, 2013), 197–212; John Bellamy Foster, “Braverman, Monopoly Capital, and AI,” Monthly Review 76, no. 7 (December 2024): 1–13. See also Te Li, “From Classic Labor to the Labor of the ‘General Intellect’: The Impact of the Digital Intelligence Era on Socialist Labor Theory,” Monthly Review 77, no. 11 (April 2026): 46–62.

46) Marx, Grundrisse, 704; Marx, Capital, vol. 1, 302; Johann Wolfgang von Goethe, Collected Works, vol. 2, Faust, Parts I and II, ed. and trans. Stuart Atkins (Princeton: Princeton University Press), 54; Sami Khatib, “The Drive of Capital: Of Monsters, Vampires, and Zombies,” Coils of the Serpent 8 (2021): 101–13.

47) Marx, Grundrisse, 708–9; Marx, Capital, vol. 1, 799.

48) Marx, Capital, vol. 1, 544–45.

49) Vanessa Bates Ramirez, “The U.S. and China Are Pursuing Different AI Futures,” IEEE Spectrum, February 19, 2026; “AI Watch: Global Regulatory Tracker—China,” White and Case, September 22, 2025.

50) Ministry of Foreign Affairs, People’s Republic of China, “Global AI Gover nance Initiative,” October 20, 2023; Ministry of Foreign Affairs, People’s Republic of China, “Full Text: Shanghai Declaration on Global AI Governance,” July 4, 2024; Xi Jinping, The Governance of China, vol. 5 (Beijing: Foreign Languages Press, 2025), 553.

51) Darko Suvin, “I Am Afraid of AI: A Politico-Epistemological Exasperation,” Historical Materialism (blog), 2026, historicalmaterialism.org; Anna Gordon, “Why Protestors Around the World Are Demanding a Pause on AI Development,” Time, May 13, 2024; Anthony Elmo, “Data Center Moratorium Bills Are Spreading in 2026,” Good Jobs First, February 19, 2026.

52) The White House, “Ensuring a National Policy Framework for Artificial Intelligence,” Executive Order, December 11, 2025.

53) Karl Marx, Capital, vol. 3 (London: Penguin, 1981), 959.

Fonte