Apple paga per l’AI mancata: chiusa class action negli Stati Uniti dopo il caso Siri e Apple Intelligence

Apple ha accettato di pagare 250 milioni di dollari per chiudere una class action negli Stati Uniti legata ad Apple Intelligence, il sistema di intelligenza artificiale (AI) presentato nel 2024 come il grande salto evolutivo dell’ecosistema iPhone. Al centro della vicenda, raccontata da David McCabe e Kalley Huang sul New York Times, ci sono soprattutto l’assistente virtuale Siri e le funzionalità avanzate di AI che l’azienda aveva promesso agli utenti ma che, secondo i ricorrenti, non erano disponibili al momento del lancio commerciale dei nuovi dispositivi.

L’intesa, depositata davanti alla U.S. District Court del Northern District of California e ancora in attesa di approvazione definitiva da parte del giudice federale, prevede rimborsi diretti compresi tra 25 e 95 dollari per dispositivo agli acquirenti di alcuni modelli di iPhone 16 e iPhone 15 Pro acquistati tra giugno 2024 e marzo 2025.

È uno dei casi più significativi degli ultimi anni sul rapporto tra marketing e intelligenza artificiale nel settore tecnologico, e rappresenta anche un segnale della crescente pressione legale sulle Big Tech che promettono capacità AI ancora immature o non pienamente operative.

Il nodo: le promesse su Siri e Apple Intelligence

La contestazione nasce dalla campagna con cui Apple aveva lanciato Apple Intelligence durante la Worldwide Developers Conference del giugno 2024. In quell’occasione Cupertino aveva presentato la nuova piattaforma AI come la risposta interna a ChatGPT di OpenAI e a Gemini di Google.

Il punto centrale della strategia era il rilancio di Siri: un assistente personale profondamente rinnovato, capace di comprendere il contesto personale dell’utente, leggere email e messaggi, recuperare informazioni dai contenuti presenti sul dispositivo e interagire in modo molto più naturale.

Apple aveva inoltre promesso strumenti avanzati di scrittura automatica, riassunti intelligenti delle notifiche, organizzazione dei contenuti e assistenza contestuale nelle applicazioni di sistema.

Molte di queste funzionalità, però, non erano effettivamente disponibili quando gli iPhone 16 arrivarono sul mercato nel settembre 2024. Apple scelse un rilascio progressivo, distribuendo alcune caratteristiche nei mesi successivi attraverso aggiornamenti software.

Secondo le cause intentate dai consumatori, la società avrebbe però pubblicizzato capacità che “non esistevano ancora”, inducendo milioni di persone ad acquistare nuovi iPhone sulla base di funzioni AI assenti o incomplete.

Uno dei passaggi contenuti negli atti della class action è particolarmente duro: Apple avrebbe “ingannato milioni di consumatori inducendoli a spendere centinaia di dollari per un telefono che non avevano bisogno di acquistare, basandosi su funzionalità inesistenti”.

I problemi tecnici e il ritardo di Siri

Le difficoltà di Apple Intelligence sono emerse rapidamente.
Tra i casi più discussi c’è stato quello dei riassunti automatici delle notifiche, che in alcuni casi alteravano il significato di articoli giornalistici e notizie. Apple è stata costretta a disattivare temporaneamente alcune funzioni dopo le critiche ricevute.

Più delicata ancora la situazione di Siri. Nel marzo 2025 Apple ha rinviato ufficialmente il lancio della nuova versione avanzata dell’assistente vocale, citando problemi qualitativi e affidabilità insufficiente.

Il rinvio ha confermato ciò che molti analisti sospettavano: Apple era entrata nella corsa all’intelligenza artificiale generativa in ritardo rispetto ai concorrenti.

A differenza di Microsoft, Google o OpenAI, Cupertino non disponeva infatti di grandi modelli linguistici proprietari già maturi. La strategia iniziale puntava soprattutto sull’integrazione hardware-software e sull’elaborazione locale dei dati per preservare la privacy degli utenti, ma lo sviluppo delle capacità conversazionali si è rivelato più complesso del previsto.

Non è un caso che nel gennaio 2025 Apple abbia annunciato l’integrazione di Gemini di Google all’interno dei propri servizi AI, inclusa Siri. Una scelta che, fino a pochi anni fa, sarebbe stata difficilmente immaginabile per una società storicamente ossessionata dal controllo verticale della propria tecnologia.

Il cambio ai vertici

Le difficoltà hanno avuto conseguenze anche sul management. Nel dicembre 2024 Apple ha annunciato l’uscita di scena di John Giannandrea, il manager arrivato da Google nel 2018 per guidare la strategia sull’intelligenza artificiale. Giannandrea era stato considerato il simbolo dell’ambizione AI di Cupertino, ma il ritardo accumulato rispetto ai concorrenti ha indebolito la sua posizione interna.

Nel frattempo il mercato finanziario ha premiato in modo netto le aziende che hanno investito aggressivamente nell’intelligenza artificiale generativa. Microsoft e Nvidia hanno visto crescere enormemente la propria capitalizzazione grazie alla spinta dell’AI, mentre Apple ha mantenuto un approccio più prudente e graduale.

Il caso Apple Intelligence mostra però anche il rischio opposto: promettere troppo presto funzioni non ancora mature.

Apple nega ogni illecito, ma intanto c’è l’accordo da 250 milioni

Nel quadro dell’accordo transattivo, Apple continua formalmente a negare qualsiasi illecito. “Dal lancio di Apple Intelligence abbiamo introdotto decine di funzionalità in molte lingue integrate nelle piattaforme Apple”, ha dichiarato Marni Goldberg, portavoce dell’azienda, che ha aggiunto: “Abbiamo risolto questa vicenda per restare concentrati su ciò che sappiamo fare meglio: offrire i prodotti e i servizi più innovativi ai nostri utenti”.

Dal punto di vista finanziario, 250 milioni di dollari rappresentano una cifra relativamente contenuta per una società che genera oltre 90 miliardi di dollari di utili annui. Diciamo che la rilevanza dell’accordo sta nel suo alto valore simbolico: per la prima volta, uno dei principali colossi tecnologici globali accetta di risarcire direttamente i consumatori per promesse considerate eccessive sulle capacità dell’intelligenza artificiale.

È un precedente che potrebbe avere conseguenze importanti su tutto il settore. Negli ultimi due anni le Big Tech hanno accelerato la comunicazione sull’AI spesso presentando prototipi o funzioni sperimentali come esperienze già pronte per il mercato. Non sempre però le cose vanno per il verso giusto e una grande opportunità di profitto si trasforma rapidamente in un grattacapo legale e reputazionale.

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/niente-ai-su-siri-apple-rimborsa-250-milioni-di-dollari-ai-possessori-di-iphone/572017/

I sistemi di intelligenza artificiale agentica, capaci di pianificare, agire e delegare in modo autonomo, stanno ridisegnando la superficie d’attacco delle organizzazioni a una velocità che i modelli di sicurezza tradizionali non riescono a seguire. Due ricerche peer-reviewed pubblicate all’inizio del 2026, rispettivamente sull’International Journal of Information Security di Springer e come preprint IEEE su arXiv, forniscono per la prima volta un framework sistematico per la valutazione di questi rischi.

I dati di mercato confermano l’urgenza: l’88% delle organizzazioni ha già subito incidenti legati ad agenti AI, mentre la quota di deployment approvati dai team di sicurezza non supera il 15%. L’articolo analizza i vettori d’attacco emergenti, le lacune strutturali nella governance e le implicazioni operative per CISO, security architect e compliance officer.

Oltre la generazione: quando l’AI comincia ad agire

Per anni il dibattito sulla sicurezza dell’intelligenza artificiale si è concentrato sui modelli linguistici nel loro senso più semplice: sistemi che ricevono un input e producono un output, sotto supervisione umana, in un ciclo chiuso. Quella stagione è finita.

I sistemi di AI agentica, detti anche AI agents, rappresentano una discontinuità qualitativa rispetto ai chatbot e ai modelli generativi di prima generazione. Non si limitano a rispondere: pianificano sequenze di azioni, utilizzano strumenti esterni, interrogano database, scrivono ed eseguono codice, coordinano altri agenti subordinati, aggiornano i propri piani in base ai risultati intermedi. Operano su orizzonti temporali estesi, spesso senza che un essere umano intervenga tra un’azione e la successiva. Sono, a tutti gli effetti, partecipanti attivi nell’infrastruttura aziendale.

Questa autonomia è esattamente ciò che li rende preziosi per le imprese e pericolosamente esposti agli attaccanti.

La ricerca scientifica inquadra il problema

Due contributi pubblicati nei primi mesi del 2026 hanno il merito di portare rigore scientifico in un campo che, fino ad oggi, era dominato principalmente da report di vendor e analisi di mercato.

Il primo, firmato da Leo, Tan, Miao e Anand, è apparso sull’International Journal of Information Security di Springer il 4 gennaio 2026 (vol. 25, art. 23).

Il lavoro costruisce il primo framework sistematico per la valutazione del rischio specifico dei sistemi agentici. I ricercatori identificano vettori d’attacco che non trovano corrispondenza nella tassonomia tradizionale della cybersecurity: la prompt injection indiretta, in cui istruzioni malevole vengono iniettate nei dati che l’agente consuma durante l’esecuzione; il memory poisoning, che altera la memoria a lungo termine del sistema compromettendone le decisioni future; la privilege escalation non autorizzata tra agenti, che sfrutta la fiducia implicita nei protocolli di comunicazione multi-agente. Il paper si concentra in particolare sui settori ad alto rischio, finanza e infrastrutture critiche, dove l’autonomia degli agenti si combina con l’accesso a sistemi di importanza sistemica.

Il secondo contributo, di Jiang, Yang, Yang e colleghi, è disponibile come preprint arXiv con copyright IEEE (arXiv:2602.19555, sottomesso il 23 febbraio 2026). I ricercatori analizzano come i sistemi agentici basati su LLM estendano la superficie d’attacco al runtime, il momento vivo dell’esecuzione, attraverso le dipendenze da strumenti e protocolli esterni.

Tra i dati più rilevanti del paper vi è la situazione dei registri MCP (Model Context Protocol), lo standard emergente per connettere i modelli a tool e sorgenti dati: i registri non ufficiali indicizzano, secondo le analisi disponibili a inizio 2026, una quantità di server circa otto volte superiore a quella del registro ufficiale, e la distinzione tra server verificati e non è spesso tutt’altro che immediata. La supply chain degli agenti è, per larga parte, opaca.

I due paper convergono su una diagnosi comune: la sicurezza agentica richiede framework dinamici, orientati al comportamento in esecuzione, che i modelli attuali, progettati per software statico, non sono in grado di fornire.

I numeri di un’adozione senza governance

I dati di mercato del primo semestre 2026 restituiscono un quadro che, nelle sue proporzioni, non ha precedenti in nessun altro ciclo tecnologico.

Il 48% dei professionisti della sicurezza identifica l’AI agentica e i sistemi autonomi come il principale vettore d’attacco emergente del 2026, superando deepfake, identità non-human e adozione del passwordless: è quanto emerge da un sondaggio condotto da Dark Reading. L’80,9% dei team tecnici ha già superato la fase di pianificazione, passando al testing attivo o al deployment in produzione; tuttavia, solo il 14,4% di questi agenti è andato live con la piena approvazione dei team di sicurezza e IT (fonte: State of AI Agent Security 2026, Gravitee).

Il gap tra fiducia manageriale e controllo operativo è uno dei dati più rilevanti. L’82% dei dirigenti dichiara di ritenere che le policy esistenti proteggano adeguatamente l’organizzazione da azioni non autorizzate degli agenti. I dati sul campo raccontano una storia diversa: oltre la metà degli agenti in produzione opera senza supervisione di sicurezza né logging (AGAT Software, 2026). Il 48,9% delle organizzazioni non è in grado di monitorare il traffico machine-to-machine generato dai propri agenti; il 48,3% non riesce a distinguere agenti AI legittimi da bot malevoli (fonte: 1H 2026 State of AI and API Security Report, Salt Security).

L’88% delle organizzazioni ha registrato incidenti di sicurezza confermati o sospetti legati ad agenti AI nell’ultimo anno; nel settore sanitario, la percentuale sale al 92,7% (Gravitee, State of AI Agent Security 2026). Non sono scenari ipotetici che vivono nei paper accademici: sono violazioni già avvenute.

I vettori d’attacco che ridisegnano il threat model

Comprendere perché l’AI agentica sia strutturalmente più esposta rispetto alle applicazioni tradizionali richiede un cambio di prospettiva sul threat modeling.

Prompt injection indiretta e tool poisoning. Un agente non consuma solo l’input dell’utente: legge documenti, naviga pagine web, interroga API, processa output di altri sistemi. Qualunque di questi canali può veicolare istruzioni malevole. Come approfondito nella nostra analisi sulla prompt injection negli agenti AI, Invariant Labs ha documentato nel maggio 2025 un caso esemplare: il server MCP ufficiale di GitHub ha permesso a una issue malevola, inserita in un repository pubblico, di iniettare istruzioni nascoste che hanno dirottato un agente attivando l’esfiltrazione di dati da repository privati. Il punto critico è che l’agente ha eseguito l’azione attraverso un tool legittimo: nessun firewall tradizionale avrebbe potuto intercettarla.

Memory poisoning e persistenza dell’attacco. I sistemi agentici mantengono memoria a lungo termine per supportare ragionamenti complessi su sessioni estese. La corruzione di questa memoria non produce effetti immediati visibili: altera silenziosamente le premesse su cui l’agente fonda le decisioni future. È un vettore particolarmente insidioso perché i suoi effetti emergono gradualmente e sono difficili da attribuire a una singola causa.

Escalation tra agenti e cascading failure. In architetture multi-agente, un agente orchestratore può detenere le credenziali di più agenti subordinati: se viene compromesso, l’attaccante ottiene accesso a tutti i sistemi downstream. Il paper di Jiang et al. illustra come un agente ricercatore compromesso possa inserire istruzioni nascoste nell’output consumato da un agente finanziario, che quindi esegue operazioni non autorizzate. La propagazione dei fallimenti è sistemica: simulazioni condotte da Galileo AI nel dicembre 2025 hanno documentato che un singolo agente compromesso può avvelenare l’87% del processo decisionale downstream entro quattro ore.

Shadow AI e identità non-human. Studi recenti indicano che circa tre quarti delle organizzazioni devono fare i conti con utilizzo non governato di strumenti AI da parte dei propri team. Sviluppatori e product manager deployano agenti autonomamente, connettendoli a tool, server MCP e API esterne che il team di sicurezza non ha mai mappato né approvato. Ogni agente introdotto è anche una nuova identità non-human che richiede credenziali, token OAuth, accesso API: sfide che i sistemi di identity management legacy non sono stati progettati per gestire.

Il problema strutturale: sicurezza progettata per artefatti statici

La diagnosi più profonda che emerge dalla letteratura recente è di natura architettonica.

La sicurezza informatica si è sviluppata, nei suoi decenni di storia, intorno a un presupposto implicito: i sistemi da proteggere sono sostanzialmente stabili. Un’applicazione ha una configurazione, un perimetro, un insieme definito di comportamenti possibili. Le policy di sicurezza si applicano a questi confini noti.

I sistemi agentici violano questo presupposto alla radice. Non hanno comportamenti fissi: apprendono dal contesto, si adattano agli ambienti che cambiano, prendono decisioni che non erano state anticipate dai loro sviluppatori. Il perimetro da difendere non è statico: si ridisegna ad ogni ciclo di inferenza, ad ogni interazione con un tool esterno, ad ogni messaggio scambiato con un agente coordinato.

Un firewall non ferma una prompt injection. Un API gateway non impedisce a un agente sovra-privilegiato di esfiltrare dati attraverso una chiamata a tool legittima. Le categorie della sicurezza tradizionale (perimetro, accesso, autenticazione) rimangono necessarie ma non sufficienti. Richiedono un complemento: visibilità comportamentale in tempo reale sull’esecuzione degli agenti. Su questo tema si innesta anche la lettura del cybercrime 2026, che documenta come gli attaccanti stiano già sfruttando sistematicamente questa lacuna.

Le implicazioni per il quadro regolatorio europeo

L’AI agentica non è un fenomeno che si sviluppa in un vuoto normativo. Il quadro europeo in costruzione, EU AI Act, NIS2 e DORA, pone requisiti che intersecano direttamente le caratteristiche di questi sistemi, anche se nessuno di questi strumenti è stato progettato specificamente per l’agenticità.

L’EU AI Act classifica come ad alto rischio i sistemi AI che operano in settori critici (infrastrutture, finanza, salute), con obblighi di trasparenza, supervisione umana e tracciabilità delle decisioni. Un agente che opera autonomamente su sistemi finanziari o sanitari rientra in questa classificazione, con tutto ciò che ne consegue in termini di documentazione e governance del ciclo di vita. Come abbiamo già analizzato nel nostro approfondimento sull’EU AI Act e il GPAI, la scadenza del 2 agosto 2026 per i sistemi ad alto rischio è ormai prossima.

La NIS2 impone la gestione del rischio della supply chain: e la supply chain degli agenti (modelli, plugin, server MCP, dataset di training) è esattamente il vettore che la ricerca identifica come più esposto. DORA richiede test di resilienza operativa per le entità finanziarie: requisito che include, implicitamente, i sistemi AI agentici integrati nelle operazioni core.

Una singola violazione su un agente AI dispiegato in un’istituzione finanziaria potrebbe attivare simultaneamente obblighi di notifica sotto tutti e tre i regimi, con tempistiche, soglie di materialità e autorità competenti differenti. È la sfida che i compliance officer stanno iniziando ad affrontare, spesso senza gli strumenti adeguati, come mostra la convergenza normativa NIS2, DORA e CER.

Verso una security posture agentica: principi operativi

La letteratura scientifica e i dati operativi convergono su un insieme di principi che, pur non esaustivi, possono orientare l’approccio delle organizzazioni.

Il primo è il least privilege per gli agenti: ogni sistema agentico dovrebbe operare con le autorizzazioni minime necessarie per completare il proprio task. Agenti sovra-privilegiati trasformano una singola prompt injection in una compromissione dell’intero ambiente. Il secondo è la visibilità sul runtime: il monitoraggio degli agenti non può limitarsi al momento del deployment, ma deve essere continuo, comportamentale, capace di rilevare derive rispetto al comportamento atteso.

Il terzo è la governance della supply chain agentica: ogni tool, server MCP, plugin o modello esterno integrato nell’ecosistema degli agenti è un potenziale vettore e richiede lo stesso processo di vetting applicato ai vendor software tradizionali. Il quarto è la tracciabilità delle decisioni: in un contesto regolatorio che richiede audit trail, ogni azione significativa di un agente deve essere loggata con sufficiente granularità da permetterne la ricostruzione post-incidente.

Questi principi non risolvono il problema, che ha radici strutturali profonde, ma definiscono il perimetro minimo di una postura difensiva consapevole.

Conclusione

C’è una tentazione, davanti a tecnologie che si diffondono così rapidamente, di considerare i rischi come un costo accettabile dell’innovazione, come un problema che si risolverà da solo con la maturazione del mercato. La storia della cybersecurity insegna che questa scommessa raramente paga.

I sistemi agentici stanno entrando nelle infrastrutture critiche, nelle operazioni finanziarie, nelle catene di fornitura software con una velocità che non ha precedenti. La ricerca scientifica, per sua natura più lenta del mercato, sta iniziando solo ora a produrre i framework concettuali necessari per comprenderne i rischi in modo sistematico. Il divario tra adozione e governo è reale, misurabile e si sta allargando.

La domanda rilevante non è se fermare questa transizione. È se le organizzazioni, e il sistema normativo che le inquadra, saranno in grado di colmare quel divario prima che diventi la prossima grande crisi della sicurezza digitale.

https://www.ictsecuritymagazine.com/articoli/ai-agentica/

La guerra fredda tecnologica tra Stati Uniti e Cina si arricchisce di un nuovo, fondamentale capitolo. Non parliamo più solamente di dazi sui microchip o di divieti di esportazione di hardware strategico da parte di Washington, ma di un vero e proprio intervento a gamba tesa di Pechino sulle dinamiche societarie dell’Intelligenza Artificiale. Il governo cinese ha infatti opposto un veto insindacabile all’acquisizione da 2 miliardi di dollari della promettente startup IA Manus da parte del colosso americano Meta.

Per assicurarsi che il messaggio venisse recepito senza fraintendimenti, le autorità hanno inoltre imposto un divieto di espatrio ai fondatori dell’azienda. Un monito chiaro: il libero mercato, a certe latitudini, termina esattamente dove iniziano gli interessi strategici del Politburo.

La chiusura della “Scappatoia di Singapore”

Fino a ieri, la prassi per molte startup cinesi di successo era ben collaudata. Un’azienda nasceva in patria, sviluppava la propria tecnologia sfruttando l’eccellente bacino di talenti STEM locali a costi competitivi, e poi, al momento di capitalizzare, creava una holding a Singapore. Questo escamotage giuridico e finanziario permetteva di aggirare i rigidi controlli del Partito, rendendo l’azienda “digeribile” per i giganti della Silicon Valley pronti a staccare assegni miliardari.

Con il caso Manus, Pechino ha deciso di chiudere questa porta, e lo ha fatto sbattendola. L’innovazione strategica non si vende agli americani, tantomeno tramite comode triangolazioni nel sud-est asiatico. Il governo cinese si è evidentemente stufato di fungere da incubatore a basso costo per tecnologie che finiscono per arricchire il portafoglio brevetti degli avversari geopolitici.

Le ricadute economiche: il Keynesismo tecnologico di Pechino

Lasciar fuggire un’eccellenza nell’IA significa perdere non solo capitale umano, ma un fondamentale moltiplicatore di produttività futura. Trattenere Manus con la forza è un atto di “protezionismo strategico” che mira a mantenere le esternalità positive dell’innovazione all’interno del mercato domestico e che corrisponde a quanto fanno gli USA con Nvidia, a cui è vietato esportare certi chip particolarmente avanzati.

Tuttavia, c’è un rovescio della medaglia tutt’altro che trascurabile. Bloccare le exit milionarie rischia di disincentivare pesantemente i futuri investimenti di venture capital nel Paese. Quale fondo di investimento estero, o anche locale, vorrà rischiare capitali nelle startup di Pechino sapendo di non poter monetizzare l’investimento vendendo al miglior offerente sul mercato globale? Il rischio è un progressivo inaridimento dei capitali di rischio privati, che costringerà lo Stato a intervenire massicciamente con fondi pubblici per sostenere l’intero ecosistema dell’innovazione.

Il colpo alla strategia di Meta

Dall’altra sponda del Pacifico, Mark Zuckerberg incassa una sconfitta strategica notevole. Il modello di crescita di Meta (e di gran parte di Big Tech) si è storicamente fondato su un principio semplice: se non riesci a sviluppare un’innovazione internamente in tempi rapidi, compra chi lo ha già fatto. Basti pensare a Instagram o WhatsApp.

L’impossibilità di fagocitare Manus e le sue tecnologie IA “chiavi in mano” avrà ricadute dirette sui bilanci di Menlo Park. Nello specifico:

• Aumento del CAPEX: Meta sarà costretta a dirottare maggiori capitali verso la Ricerca e Sviluppo interna. La crescita organica è intrinsecamente più lenta e assorbe più risorse liquide rispetto a un’acquisizione netta.
• Ritardi sul Time-to-Market: In un settore dove i mesi equivalgono ad anni, dover ricostruire internamente le architetture sviluppate da Manus potrebbe far perdere a Meta terreno prezioso nella rincorsa contro concorrenti come OpenAI o Google.
• Fine dello shopping asiatico: Le aziende americane dovranno rassegnarsi a cercare (e pagare molto più care) le acquisizioni in Nord America o in Europa, riducendo i margini di manovra finanziaria.

Il veto su Manus certifica la completa “balcanizzazione” dell’Intelligenza Artificiale. Si va verso due ecosistemi tecnologici separati e non comunicanti. L’IA non è più considerata un semplice software, ma un’infrastruttura critica di sicurezza nazionale. E in questo nuovo scacchiere, le acquisizioni internazionali libere sono ormai un ricordo del passato.  Il blocco cinese potrebbe significare la fortuna per altri poli avanzati dell’informatica, dalla

Rimani aggiornato seguendoci su Google News!

SEGUICI

https://scenarieconomici.it/pechino-alza-il-muro-tecnologico-stop-alla-vendita-di-manus-a-meta-la-fine-dellhub-di-singapore/

Il 2026 verrà ricordato non solo come l’anno della maturità per l’Intelligenza Artificiale, ma anche come quello in cui il capitale ha deciso di sferrare un attacco frontale all’ossatura del mercato del lavoro e, di riflesso, alla tenuta degli Stati nazionali. Meta Platforms si appresta a tagliare circa 8.000 posti di lavoro, sfoltiendo il 10% della propria forza lavoro e congelando migliaia di posizioni aperte.

Non si tratta di un calo di fatturato, ma di una brutale e deliberata riallocazione delle risorse. In una nota interna, l’azienda ha giustificato la manovra con il vertiginoso aumento della spesa per l’IA, che quest’anno toccherà l’astronomica cifra di 135 miliardi di dollari.

L’obiettivo dichiarato da Mark Zuckerberg è chiaro: gli strumenti algoritmici renderanno i dipendenti talmente produttivi che un singolo individuo potrà svolgere le mansioni di interi team. Il risultato pratico? Il team viene esonerato, spesso dopo aver involontariamente addestrato l’IA che lo sostituirà, sempre che la mossa abbia successo.

Ma le ripercussioni di questo trend vanno ben oltre le mura di Menlo Park e investono direttamente il nostro contratto sociale.

Il buco nero fiscale del Welfare State

Dal punto di vista economico, l’entusiasmo della Silicon Valley si scontra con una realtà contabile ineludibile. Il sistema di welfare occidentale (sanità, istruzione, pensioni, infrastrutture) si regge quasi interamente sul prelievo fiscale derivante dai redditi da lavoro dipendente e dalle attività professionali. È il ceto medio – la classe impiegatizia, i quadri, i creativi, gli sviluppatori e i professionisti del terziario – a sorreggere il peso fiscale maggiore.

Se l’IA riduce in modo strutturale e potente questo bacino di contribuenti, si genera un cortocircuito. Sostituire il lavoro con il capitale aumenta i margini operativi delle Big Tech, ma genera una voragine nelle casse pubbliche:

• Mancato gettito IRPEF/Imposte sul reddito: Un algoritmo non paga le tasse sullo stipendio.

• Crollo dei contributi previdenziali: I server non versano quote per il sistema pensionistico.

• Elusione del capitale: Il capitale automatizzato produce enormi profitti, che le multinazionali ottimizzano sapientemente a livello fiscale, spostando la ricchezza in giurisdizioni a bassa tassazione e lasciando a bocca asciutta gli Stati dove i servizi vengono effettivamente consumati. Alla fine un computer può essere ovunque.

Il rischio di una tassa sui poveri

A questo punto, la domanda diventa pressante: chi pagherà le tasse nell’era dell’Intelligenza Artificiale? Se l’attuale paradigma non viene riformato, il rischio è che lo Stato, nel disperato tentativo di mantenere attivi i servizi pubblici, scarichi il peso fiscale su chi non può essere automatizzato o eludere le tasse.

Questo si traduce in due scenari altrettanto recessivi:

1. L’accanimento sui redditi bassi: La pressione fiscale si concentrerebbe sulle fasce di reddito più basse, legate a quei lavori fisici o di cura della persona (logistica, ristorazione, assistenza) che l’IA non può ancora sostituire.

2. L’esplosione delle imposte indirette: I governi potrebbero compensare il calo delle imposte sul reddito aumentando l’IVA e le accise. Essendo tasse sui consumi, colpiscono in modo regressivo i ceti meno abbienti, che spendono in consumi l’intera totalità del loro stipendio.

L’efficienza informatica è un prodigio contabile per i bilanci aziendali, ma un potenziale disastro per l’economia reale. Senza un ceto medio in grado di percepire un reddito, pagare le tasse e consumare beni, l’intero sistema rischia di implodere su se stesso.

Rimani aggiornato seguendoci su Google News!

SEGUICI

https://scenarieconomici.it/meta-lia-e-il-cortocircuito-fiscale-se-gli-algoritmi-azzerano-il-ceto-medio-chi-paghera-il-welfare/

Crescono efficienza e produttività, ma anche la domanda di regole chiare

L’intelligenza artificiale (AI) sta progressivamente consolidando il proprio ruolo nei mercati finanziari italiani, ma con caratteristiche peculiari: benefici operativi diffusi, adozione disomogenea tra i settori e una marcata dipendenza da soluzioni sviluppate da terze parti. È quanto emerge dal rapporto OCSE “Artificial Intelligence in Italian Financial Markets – From Analysis to Action”, presentato presso la Banca d’Italia al termine del progetto dedicato all’analisi dell’uso dell’AI nel sistema finanziario nazionale.

I numeri delineano uno scenario già maturo sul piano operativo. Tre quarti delle aziende che utilizzano l’intelligenza artificiale, circa il 75%, dichiarano miglioramenti nell’efficienza operativa. Non solo: quasi due terzi, pari a circa il 66%, segnalano incrementi nella produttività.

A questi dati si affiancano benefici qualitativi rilevanti: molte imprese riportano ottimizzazione dei processi interni, un miglioramento dei processi decisionali e la capacità di generare nuove intuizioni analitiche. Più limitati, invece, i progressi in ambiti specifici come la riconciliazione o la gestione del rischio di regolamento, segno che l’AI è ancora in fase di consolidamento nelle attività più complesse e regolamentate.

“Nel settore finanziario in Italia c’è un grande interesse per l’utilizzo dell’AI e riscontriamo anche una domanda di chiarezza delle regole e di indicazioni da parte delle autorità di vigilanza, per un comparto dove l’innovazione è molto veloce”, ha dichiarato all’Ansa Carmine Di Noia, direttore per gli affari finanziari dell’Ocse, a margine della presentazione del rapporto.

Adozione per settore: assicurazioni in testa, fondi pensione in ritardo

L’adozione dell’AI non è uniforme nei diversi comparti finanziari. Secondo il rapporto OCSE:

• il 70% delle compagnie assicurative utilizza l’intelligenza artificiale;
• tra le banche la quota scende al 59%;
• gli operatori dei mercati finanziari si fermano al 31%;
• i fondi pensione risultano nettamente indietro, con appena il 10% di utilizzo.

Il dato evidenzia un divario significativo tra i segmenti più dinamici, come assicurazioni e banking, e quelli più conservativi, dove pesano vincoli normativi, complessità operative e minore propensione all’innovazione.

Use case: dati, contenuti e compliance al centro

Le applicazioni più diffuse dell’intelligenza artificiale si concentrano su funzioni trasversali. In particolare, il report individua come casi d’uso principali:

• analisi dei dati;
• generazione e sintesi di contenuti testuali;
• ottimizzazione dei processi interni.

Accanto a questi, emergono applicazioni ad alto valore per la compliance e la sicurezza, tra cui:

• antiriciclaggio e contrasto al finanziamento del terrorismo;
• rilevamento e prevenzione delle frodi;
• assistenza clienti tramite chatbot.

Si tratta di ambiti dove l’AI offre vantaggi immediatamente misurabili in termini di efficienza e riduzione dei costi operativi.

Dipendenza da terze parti

Uno degli elementi più rilevanti emersi dal rapporto riguarda il modello di adozione tecnologica. Le imprese italiane mostrano una forte dipendenza da fornitori esterni:

• quasi il 75% utilizza servizi cloud di terze parti per l’AI;
• il 39% si affida a modelli di intelligenza artificiale generativa (GPAI) sviluppati da terzi.

Parallelamente, il 39% delle aziende non utilizza soluzioni open-source o gratuite, citando come principali criticità le preoccupazioni sulla sicurezza e il limitato controllo sui dati.

Questo modello evidenzia una preferenza per soluzioni “chiavi in mano”, ma pone interrogativi rilevanti in termini di autonomia tecnologica, gestione del rischio e resilienza operativa.

Rischi e sfide: governance e qualità dei dati

Accanto ai benefici, il rapporto OCSE individua alcune aree critiche che richiedono attenzione da parte di operatori e regolatori: governance dei sistemi di AI; qualità e gestione dei dati; dipendenza da fornitori terzi; resilienza operativa e cibernetica.

Questi elementi sono centrali soprattutto in un settore, come quello finanziario, caratterizzato da elevati standard di sicurezza e da una forte pressione regolatoria.

Mancano competenze e infrastrutture

Il documento conclude con una serie di considerazioni di policy volte a favorire un’adozione più ampia e sicura dell’intelligenza artificiale nei mercati finanziari italiani. L’obiettivo è duplice: da un lato, sostenere l’innovazione e la competitività; dall’altro, garantire stabilità, trasparenza e controllo dei rischi.

Il quadro che emerge è quello di un ecosistema in rapida evoluzione, in cui l’AI è già una leva concreta di efficienza, come dimostrano i dati su produttività e processi, ma ancora fortemente dipendente da infrastrutture e competenze esterne. Una fase di transizione che richiederà, nei prossimi anni, scelte strategiche sia a livello aziendale sia di politica industriale.

Recenti dati ISTAT mostrano un aumento nell’adozione dell’AI nelle imprese: la quota di queste ultime ad utilizzare almeno una soluzione di IA è più che raddoppiata tra 2024 e 2025 passando dall’8 al 16,4%. Ma è chiaro che siamo solo all’inizio, servirebbe un trend molto più solido.

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/ai-ocse-imprese-italiane-registrano-piu-efficienza-75-e-produttivita-66-ma-servono-regole-chiare/570927/

Il supercomputer IT4LIA arriva al Dama Tecnopolo di Bologna

Promuovere e accelerare l’adozione dell’intelligenza artificiale (AI) in comparti strategici come l’agroalimentare, la cybersecurity, le scienze della terra e il manifatturiero. Questo l’obiettivo di E4 Computer Engineering, l’azienda emiliana con sede in provincia di Reggio Emilia, che si è aggiudicata la realizzazione di IT4LIA AI Factory, l’AI Factory italiana promossa da EuroHPC Joint Undertaking (EuroHPC JU),co-finanziata dal Ministero dell’Università e della Ricerca e gestita da CINECA.

E4 diventa il primo system integrator italiano a vincere una gara nell’ambito delle AI Factories europee e avrà il coordinamento tecnico del progetto, con presidio fisso al Dama Tecnopolo di Bologna, a cu partecipano diversi partner di livello come Dell Techologies, NVIDIA, Alma Mater Studiorum – Università di Bologna, Università degli Studi di Torino, VAST Data, Axelera AI, SiPearl e Rittal.

E4 diventa Il primo system integrator italiano a vincere una gara delle AI Factories

Nascerà così un nuovo ecosistema in cui industria, ricerca e università collaboreranno per costruire un’infrastruttura all’altezza delle sfide globali, con un investimento complessivo che ammonta a circa 420 milioni di euro, sostenuto dalla Commissione europea tramite EuroHPC JU e dal Governo italiano.

Il supercalcolatore IT4LIA fa parte dell’omonima AI Factory europea, selezionata nel dicembre 2024 e coordinata da Cineca, rientrando nel network delle 19 infrastrutture che EuroHPC sta implementando in Europa per offrire accesso al calcolo avanzato a startup, Pmi e comunità di ricerca, nel rispetto degli standard europei di sovranità dei dati.

“L’aggiudicazione ad E4, primi italiani nel contesto delle AI Factory EuroHPC, è per noi un traguardo fondamentale, un riconoscimento che ci consente di portare le nostre competenze ai massimi livelli internazionali. Siamo orgogliosi di essere protagonisti insieme ai nostri partner di IT4LIA, una infrastruttura sovrana che rappresenta una opportunità incredibile per la diffusione dell’AI e per la competitività del nostro paese. Continueremo a lavorare con i nostri partner con cui siamo riusciti a creare una proposizione vincente e continueremo ad investire in ricerca ed innovazione per essere sempre – come in questo caso – sulla frontiera delle tecnologie europee”, ha dichiarato Cosimo Damiano Gianfreda, CEO di E4 Computer Engineering.

Aggiudicandosi la commessa, E4 diventa il primo system integrator italiano a vincere una gara nell’ambito delle AI Factories europee.

Che cos’è IT4LIA

Il DAMA Tecnopolo di Bologna, già punto di riferimento europeo per il supercalcolo, i big data, l’intelligenza artificiale e il calcolo quantistico, accoglie al suo interno il nuovo supercalcolatore di nuova generazione IT4LIA. Il sistema sarà 4 volte più potente per le applicazioni standard e fino a 40 volte più potente per i carichi di lavoro specifici per l’AI.

E4, è spiegato sul sito dell’azienda, si occuperà dell’integrazione di un sistema AI liquid-cooled ad alta efficienza energetica, composto da oltre 2.000 nodi e 8.000 GPU, realizzato con tecnologie completamente europee nell’ambito del programma NextGen EU.
Il perimetro di intervento include inoltre lo sviluppo dello stack software per facilitare l’implementazione e la diffusione dell’AI, nonché il supporto e la manutenzione del sistema in produzione.

“Una pietra miliare per l’ecosistema europeo dell’IA e un passo significativo nel rafforzamento del ruolo dell’Italia nel panorama tecnologico globale. Con il sostegno del Ministero dell’Università e della Ricerca e attraverso una stretta collaborazione con EuroHPC Joint Undertaking ed E4 Computer Engineering, stiamo costruendo un ambiente sicuro, sovrano e ad alte prestazioni in cui l’innovazione europea possa prosperare, pienamente in linea con i valori europei in materia di privacy dei dati e autonomia tecnologica”, ha spiegato Gabriella Scipione, HPC Director di CINECA.

È l’evoluzione del supercalcolatore LEONARDO verso una infrastruttura AI-ottimizzata di prima classe, concepita come uno sportello unico, user-friendly e altamente competitivo. L’obiettivo è costruire un ecosistema coeso capace di connettere ricercatori, sviluppatori, startup e PMI, colmando il divario tra i fornitori di soluzioni AI e i potenziali utilizzatori: pubblica amministrazione, università, imprese e studenti.

AI, supercalcolo e sovranità digitale nazionale ed europea

Il progetto è entrato nella sua fase operativa il 5 settembre 2025 al DAMA Tecnopolo di Bologna, alla presenza della Vicepresidente della Commissione Europea, Henna Virkkunen, e del Ministro dell’Università e della Ricerca, Anna Maria Bernini.

Dal punto di vista settoriale, il supercomputer si concentrerà sull’adozione dell’AI in comparti strategici come l’agroalimentare, la cybersecurity, le scienze della terra e il manifatturiero, attraverso l’accesso a repository di dati e servizi specifici per ciascun dominio, insieme a iniziative di formazione per qualificare l’intero ecosistema.

Con 14 supercomputer e il 7,2% della potenza di calcolo globale, l’Italia è oggi il terzo Paese al mondo per capacità computazionale, dietro solo a colossi come Stati Uniti e Giappone​.

IT4LIA è parte del più ampio programma europeo di AI Factories gestite da EuroHPC/JU, che punta a creare un ecosistema sovrano di AI e calcolo ad alte prestazioni sul suolo UE. Posizionando l’Italia come hub centrale (Bologna) di questo ecosistema, il Paese aumenta il suo peso nelle decisioni su standard, governance dei dati, e architetture cloud‑AI, consolidando una sovranità digitale collettiva europea a cui l’Italia contribuisce in modo strutturale.

Il progetto rafforza la strategia italiana di sovranità digitale perché colloca sul territorio nazionale un’infrastruttura di supercalcolo e AI ad alto livello, controllata tramite enti pubblici e sovranazionali europei, e aperta a PA, ricerca e imprese italiane, riducendo dipendenze da infrastrutture cloud e AI proprietarie straniere.

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/it4lia-a-bologna-il-supercomputer-per-spingere-lai-tra-le-imprese-e-rafforzare-lautonomia-europea-nellhpc/570892/

OpenAI ha avviato negli ultimi giorni una serie di briefing con agenzie federali statunitensi, governi locali e Paesi dell’alleanza Five Eyes per presentare le capacità del suo nuovo prodotto di cybersecurity: GPT-5.4-Cyber.

La notizia, riportata da Axios segnala l’interesse crescente delle istituzioni per strumenti AI avanzati applicati alla sicurezza.

GPT-5.4-Cyber: un nuovo modello per la difesa

La sicurezza informatica sta diventando uno dei principali terreni di confronto tra laboratori di AI come OpenAI e Anthropic. I modelli più avanzati, infatti, rappresentano un doppio elemento: da un lato possono introdurre nuovi rischi, dall’altro offrono capacità sempre più sofisticate per la difesa.

OpenAI ha presentato la scorsa settimana, una variante del suo modello di punta ottimizzata per attività di cybersecurity difensiva. Il sistema è stato mostrato a circa 50 professionisti della difesa informatica durante un evento a Washington, con dimostrazioni pratiche delle sue capacità.

Accesso controllato e alleanza Five Eyes

L’azienda ha avviato briefing anche con i Paesi membri dei Five Eyes — Stati Uniti, Regno Unito, Canada, Australia e Nuova Zelanda — con l’obiettivo di selezionare e abilitare i primi utilizzatori del modello.

GPT-5.4-Cyber sarà inizialmente distribuito in modo limitato, solo a fornitori di sicurezza, organizzazioni e ricercatori verificati. La scelta riflette la natura più permissiva del sistema, che richiede controlli rigorosi per evitare utilizzi impropri.

La sfida tra OpenAI e Anthropic

La mossa arriva a breve distanza dal lancio di Mythos da parte di Anthropic, un modello con caratteristiche simili ma orientato anche alla capacità di sfruttare le vulnerabilità individuate. Anche in quel caso, la distribuzione è stata limitata a pochi partner selezionati, tra cui Amazon, Apple e Microsoft, a conferma di un approccio prudente verso tecnologie ad alto potenziale dual use.

Il confronto tra OpenAI e Anthropic segna l’avvio di una nuova fase: la competizione non riguarda più solo modelli generativi, ma sistemi in grado di operare direttamente su codice e infrastrutture critiche. Si tratta di strumenti progettati per un uso professionale, con applicazioni immediate nella sicurezza informatica, dal vulnerability assessment all’analisi delle superfici di attacco.

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/openai-presenta-gpt-5-4-cyber-a-governi-e-alleati-five-eyes/570853/

• Pubblicato: 17/03/2026
• Pagine: 324
• ISBN: 9791259678447
• Prezzo: 20,00
• Fazi editore

Le tecnologie vendute come “intelligenza artificiale” sono spesso presentate come una magia capace di risolvere ogni problema. Emily M. Bender e Alex Hanna, due delle voci più influenti nel dibattito sull’IA, spiegano perché non è così. In questo saggio illuminante smontano l’esaltazione mediatica alimentata dalle Big Tech: l’IA di oggi è fatta di sistemi statistici su larga scala, che producono linguaggio e immagini senza comprenderli – non un’intelligenza pensante ma «pappagalli stocastici», secondo la definizione resa popolare da Bender per descrivere rischi e limiti dei modelli linguistici di grandi dimensioni (LLM) come ChatGPT e Gemini.

Le autrici ripercorrono le radici del tecno-ottimismo contemporaneo, spiegano con chiarezza che cos’è l’IA e come funzionano davvero questi sistemi. Ne sfatano i falsi miti (neutralità delle macchine, automazione “inevitabile”) e mettono in luce le insidie del loro impiego in ambiti chiave – lavoro, sanità, giustizia, istruzione, scienza, arte e giornalismo. Dietro la retorica dell’innovazione emergono dati raccolti senza consenso, lavoro nascosto e sottopagato, un impatto ambientale crescente e un marketing che propone illusioni come possibilità concrete.

Bender e Hanna sollevano domande chiave: l’IA ci renderà più competenti o più dipendenti? Creerà una società più equa o più diseguale? Chi ne risponde quando un algoritmo sbaglia?

Una riflessione lucida, brillante e accessibile sulle sfide poste dall’intelligenza artificiale: per riportare il dibattito sulle questioni essenziali – diritti, trasparenza, responsabilità –, scegliere consapevolmente quali tecnologie adottare e costruire un futuro in cui l’innovazione torni al servizio delle persone.

Emily M. Bender, è linguista computazionale e professoressa all’Università di Washington, dirige il master in Computational Linguistics. Tra le studiose di riferimento internazionali su linguaggio e IA, nel 2023 è stata inclusa da «Time» nella lista delle 100 persone più influenti nel campo dell’intelligenza artificiale.

Alex Hanna, sociologa, già ricercatrice in Google, oggi è direttrice della ricerca al Distributed ai Research Institute (DAIR) e docente alla School of Information dell’Università della California, Berkeley. È tra le voci più ascoltate sui risvolti sociali dell’IA. Le sue analisi compaiono su «The Washington Post», «Financial Times», «Time» e altre testate.

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/linganno-dellintelligenza-artificiale/570843/

Efficienza e redditività in aumento, ma la diffusione resta ferma all’11,2%

Nelle imprese che adottano l’intelligenza artificiale, il valore aggiunto generato da ogni lavoratore aumenta del +5,2% e il margine operativo lordo (EBITDA) per addetto cresce dell’11,9%. È quanto emerge da un’analisi di Banca d’Italia sull’impatto economico dell’AI nelle imprese italiane. Non è fantascienza, non è propaganda tech: sono numeri, e vengono da una delle istituzioni più serie e prudenti del paese. In termini concreti, ogni dipendente contribuisce a produrre più valore e più margine per l’azienda — e no, non a scapito di nessuno: questo avviene senza variazioni significative nell’occupazione complessiva e senza un aumento del costo del lavoro per unità di prodotto.

L’aumento della produttività dipende soprattutto da processi più efficienti. L’intelligenza artificiale viene utilizzata per automatizzare le attività ripetitive, ridurre i tempi e usare meglio le risorse. Questo libera tempo che viene spostato su compiti a maggiore valore aggiunto, con un effetto diretto sulla produttività media. Il risultato è semplice: le imprese riescono a produrre di più e a generare più margini con le stesse risorse, senza aumentare gli input. In questo senso, l’AI non sostituisce il lavoro, ma ne migliora l’efficacia.

AI, diffusione lenta tra le imprese italiane

In Italia la diffusione dell’intelligenza artificiale resta ancora contenuta. Sulla base di dati raccolti nel 2024 su imprese con almeno 50 addetti, l’11,2% utilizza già queste tecnologie, mentre il 28,4% prevede di adottarle entro i due anni successivi. Accanto a queste, il 33,4% le considera non rilevanti per la propria attività e il 26,9% non esprime una valutazione, segno di una diffusione ancora incerta e disomogenea. Il confronto europeo conferma il ritardo: secondo Eurostat, solo l’8,2% delle imprese italiane con almeno 10 addetti utilizza l’AI, contro una media UE del 13,5%.

La tecnologia resta quindi concentrata in una parte limitata del sistema produttivo, soprattutto tra le imprese più grandi e nei settori a maggiore intensità di conoscenza. Questo limita, almeno in questa fase, l’impatto sull’economia nel suo complesso: i miglioramenti in termini di produttività e margini emergono già a livello aziendale, ma non sono ancora abbastanza diffusi da incidere in modo significativo sugli aggregati macroeconomici.

Con l’AI le imprese hanno più profitti

L’adozione dell’intelligenza artificiale si traduce in un miglioramento diretto dei margini. Nelle imprese che la utilizzano, il ROA aumenta di circa +0,5 punti percentuali, il rapporto tra EBITDA e ricavi cresce di +2,0 punti percentuali e il cash flow in rapporto agli attivi sale di +0,6 punti percentuali. In concreto, significa che le aziende non solo producono valore, ma riescono anche a trasformarne una quota maggiore in margine e liquidità. Il ROA misura il rendimento delle risorse impiegate, quindi quanto l’azienda è efficiente nell’utilizzare capitale e asset, mentre il cash flow indica la capacità di generare cassa dall’attività operativa.

Il punto centrale è proprio questo: l’AI non incide solo sui volumi, ma sulla qualità economica della produzione. Riducendo inefficienze, tempi e sprechi, consente alle imprese di trattenere una parte più ampia del valore generato. I ricavi diventano più “profittevoli” e l’attività operativa più solida dal punto di vista finanziario. È in questo senso che si parla di margini in aumento: non perché le imprese vendono necessariamente di più, ma perché guadagnano di più su ciò che producono.

AI, lavoro stabile ma più qualificato

L’introduzione dell’intelligenza artificiale non modifica in modo significativo il numero complessivo di occupati nelle imprese che la adottano: i dati non evidenziano variazioni rilevanti nei livelli totali di occupazione. Cambia però la composizione della forza lavoro. In particolare, aumenta la quota di lavoratori white collar – impiegati e figure con mansioni amministrative, tecniche o gestionali – di +0,7 punti percentuali, mentre diminuisce quella dei blue collar, legati ad attività manuali o ripetitive, di −1,1 punti percentuali. L’effetto principale è quindi una riallocazione interna del lavoro verso profili più qualificati, più che una riduzione o un aumento dell’occupazione complessiva.

Il cambiamento riguarda soprattutto la qualità del lavoro, più che la sua quantità. L’intelligenza artificiale viene impiegata per automatizzare attività operative e ripetitive, mentre cresce il peso delle funzioni che richiedono competenze analitiche, organizzative e decisionali. Ne deriva una riorganizzazione interna di processi e ruoli, senza effetti evidenti sul numero complessivo degli occupati. Questa lettura è coerente anche con le aspettative delle imprese: circa il 70% non prevede alcun impatto sull’occupazione, mentre il 17% si attende una riduzione e solo il 2% un aumento.

Più efficienza nei processi che innovazione

Nelle imprese l’intelligenza artificiale entra ovviamente più nei processi che nei prodotti. Nel 54% dei casi viene utilizzata per rendere più efficienti le attività produttive e organizzative, mentre nel 24,8% serve a automatizzare compiti ripetitivi e standardizzati. Solo in una quota più limitata, pari al 13,9%, contribuisce a migliorare la qualità di prodotti e servizi, e in appena il 3,6% dei casi viene impiegata per sviluppare nuove offerte o applicazioni più innovative. Il quadro che emerge è quello di un utilizzo ancora pragmatico: l’AI viene adottata prima di tutto per far funzionare meglio ciò che già esiste, più che per cambiare in modo radicale il modello di business.

Con l’AI, prezzi stabili e rincari più contenuti

Nel breve periodo l’intelligenza artificiale non cambia i prezzi praticati dalle imprese: i listini restano sostanzialmente invariati e non emergono effetti significativi sui prezzi applicati. La differenza si vede guardando avanti. Le aziende che adottano l’AI si aspettano aumenti più contenuti, inferiori di circa 0,4 punti percentuali rispetto a chi non la utilizza. In altre parole, prevedono di ritoccare i prezzi meno del resto del mercato.

Alla base ci sono i guadagni di efficienza. Processi più veloci, meno errori e un uso più efficace delle risorse riducono i costi operativi nel tempo. Questi benefici non si trasferiscono subito sui prezzi, ma iniziano a entrare nelle strategie future delle imprese. L’effetto è graduale e si riflette soprattutto nelle aspettative: una minore pressione ad aumentare i listini negli anni successivi.

L’AI non cambia l’inflazione oggi, ma domani sì

Le imprese che adottano l’intelligenza artificiale si aspettano un’inflazione più bassa nel medio periodo: −0,25 punti percentuali a due anni e −0,33 a quattro anni. In questo caso, per inflazione si intendono le aspettative delle aziende sull’aumento generale dei prezzi nell’economia. Nel breve termine, infatti, non emergono differenze: tra i 6 e i 12 mesi le previsioni restano sostanzialmente invariate. Il cambiamento riguarda l’orizzonte più lungo, dove i guadagni di efficienza legati all’AI iniziano a essere incorporati nelle aspettative. In altre parole, le imprese si attendono che, nel tempo, produrre costi meno e questo contribuisca a ridurre la pressione sui prezzi.

Diffusione diseguale: l’AI resta per pochi

L’intelligenza artificiale non sta avanzando in modo uniforme nel sistema produttivo. Si concentra soprattutto nelle imprese più grandi e nei settori ad alta intensità di conoscenza, dove competenze tecniche, investimenti digitali e strutture organizzative più complesse rendono più facile integrare queste tecnologie nei processi. È qui che l’AI trova terreno fertile e produce effetti più evidenti in termini di produttività e margini.

Al di fuori di questo perimetro, la diffusione è ancora limitata. Le imprese più piccole e meno strutturate faticano ad adottarla, sia per mancanza di risorse sia per competenze. Ne deriva un quadro ancora parziale: i benefici esistono, ma restano concentrati. Il rischio, in questa fase, è che si allarghi la distanza tra le aziende che riescono a sfruttare l’AI e quelle che restano indietro.

Fonte: Banca d’Italia

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/limpresa-corre-con-lai-la-produttivita-sale-del-52/570834/

Anche se molti non se ne rendono conto, l’intelligenza artificiale (AI) fa ormai parte delle nostre vite: “un processo dinamico nel quale le nostre scelte alimentano gli algoritmi e gli algoritmi, a loro volta, orientano preferenze, comportamenti e visioni del mondo. Dai sistemi di raccomandazione agli assistenti digitali, fino alle piattaforme social e ai modelli generativi, si attiva un ‘circolo di feedback’ continuo che trasforma dati in decisioni e decisioni in nuovi dati. Questo intreccio produce effetti sociali complessi, talvolta inattesi, che riguardano informazione, polarizzazione, consumi, partecipazione democratica. Comprendere le dinamiche di questa interazione è decisivo per governare l’intelligenza artificiale con responsabilità, sviluppando strumenti teorici e normativi capaci di affrontare le sfide tecniche, etiche e politiche poste da un ecosistema sempre più interconnesso, e promuovendo consapevolezza critica nei cittadini”.

Così si presentava sul sito della Biennale Tecnologia – Soluzioni, la lectio magistralis di Alessandro Vespignani al Politecnico di Torino, che il 15 aprile ha dato il via alla manifestazione, parlando sul tema: “La co-evoluzione di esseri umani e intelligenza artificiale”.

Alessandro Vespignani è presidente della Fondazione Isi di Torino ed è Sternberg family distinguished university professor presso la Northeastern University, dove dirige il Network Science Institute. La sua ricerca si colloca all’intersezione tra modellistica computazionale, scienza dei dati e sistemi complessi, con un focus sui fenomeni di contagio come le epidemie, la diffusione dell’informazione e i comportamenti collettivi. Ma è anche autore di libri di divulgazione scientifica, tra cui L’algoritmo e l’oracolo e I piani del nemico.

Ecco il video integrale dell’evento di apertura della Biennale Tecnologia. Dopo l’introduzione di Luca Antonio Graziani, professional roject anager per le  manifestazioni culturali dell’Ateneo, è intervenuto per un saluto il rettore del Politecnico Stefano Paolo Corgnati. Si è poi entrati nel vivo del tema con l’intervento di Guido Saracco, ex rettore del Politecnico e curatore di Biennale Tecnologia (dal minuto 10.30) e la conferenza di Vespignani (dal minuto 19). Ne riportiamo le conclusioni.

“Dobbiamo reinventare completamente come facciamo formazione, educazione, università. Pensare che il sistema universitario nel mondo, non in Italia, nel mondo, possa continuare tra cinque anni a essere quello che è ora è ingenuo, non può essere. Noi dobbiamo reinventarlo completamente. È inutile che vietiamo l’uso dell’intelligenza artificiale o diciamo no ‘usiamo tutti l’intelligenza artificiale’, non funziona così. Noi dobbiamo creare un sistema formativo che tenga conto del tasso di velocità di questa macchina è alla quale non siamo preparati. (…) Noi non dobbiamo solo rispondere alle domande di oggi; quando noi pensiamo all’Agi, quando pensiamo a queste macchine, sono domande che valgono oggi e probabilmente non varranno tra quattro anni. E quando facciamo insegnamento, non possiamo insegnare cose che sono già vecchie nel momento in cui ne stiamo parlando; cioè il nostro sistema formativo, il nostro sistema di comunicazione deve cominciare a parlare di cose che vedono il futuro, altrimenti saremo sempre indietro. Una volta si diceva: le università devono insegnare quello di cui poi l’industria e il mondo del lavoro ha bisogno. Il problema è che noi adesso dobbiamo insegnare quello di cui forse il mondo del lavoro avrà bisogno tra cinque anni perché gli studenti poi escono tra cinque anni e tra cinque anni quello che insegniamo ora probabilmente sarà già un’altra cosa. Quali sono gli strumenti per chi ha una formazione universitaria, per essere pronto a ingaggiare il mondo in cinque anni? È giusto partire dalle domande giuste. Questa è la mia conclusione: abbiamo realmente costruito il sistema complesso più sofisticato della storia umana ed è ora di iniziare a studiarlo come un sistema complesso”.

Leggi le altre notizie sull’home page di Key4biz

https://www.key4biz.it/lanalisi-di-asvis-vespignani-northeastern-university-umani-e-ai-sono-ormai-un-unico-sistema/570816/