Founder, AI.info

Articoli

• Il divario tra promesse e realtà del ROI dell’IA: perché la rivoluzione della produttività non è arrivata

  Secondo l’indagine McKinsey del 2026, il 37% delle aziende segnala un qualche impatto dell’IA sull’EBIT; Gartner ha rilevato che il 22% l’ha adottata su larga scala. Un anno di spesa più intensa ha portato a una maggiore diffusione, ma non a un aumento degli utili.

• L’imperativo demografico: perché l’IA diventa l’unica risposta praticabile a un mondo che sta esaurendo chi presta assistenza

  Fertilità in calo, milioni di addetti mancanti nell’assistenza e 59 milioni di caregiver statunitensi non retribuiti che svolgono un lavoro da 1,01 migliaia di miliardi di dollari: perché il vero ruolo dell’IA nell’assistenza agli anziani è rilevare i bisogni e fare triage, non offrire mani umanoidi.

• Cosa è diventato davvero applicabile con l’AI Act dell’UE il 2 agosto 2026 e cosa l’Europa ha rinviato al 2027

  Le norme dell’AI Act per i sistemi ad alto rischio non sono entrate in vigore il 2 agosto 2026. Il Regolamento (UE) 2026/1744 le ha rinviate a dicembre 2027 e ad agosto 2028. Sono invece diventati applicabili i poteri di vigilanza sull’IA per finalità generali, le sanzioni del 3% e gli obblighi di trasparenza dell’articolo 50.

• Le guerre dei protocolli per agenti: MCP, A2A e l’infrastruttura del web agentico

  MCP è diventato senza stato nel luglio 2026, ChatGPT Atlas è stato chiuso ad agosto e le infrastrutture di pagamento per gli agenti vengono ancora costruite un paese alla volta. La battaglia sui protocolli alla base del web agentico, con date e dati sull’adozione.

• La corsa della FDA ad approvare l’IA che legge le tue radiografie

  Lo status di Breakthrough Device ottenuto da First Read di Aidoc e Cognita CXR segna nel 2026 il passaggio dall’IA che segnala le anomalie all’IA che redige il referto, costringendo la FDA a definire dove finisce il supporto alle decisioni e dove comincia l’autonomia.

• Il problema dei benchmark: come misuriamo l’intelligenza dell’IA e perché le misure continuano a non reggere

  Ogni benchmark dell’IA finisce per saturarsi, essere aggirato o mostrare pubblicamente i propri limiti. Da GLUE e MMLU ad ARC-AGI, FrontierMath e Humanity’s Last Exam, ecco che cosa è successo, con date e numeri, fino a un modello che ottiene il 62,7% o il 99,9% nello stesso test.

• La corsa all’IA sovrana: perché ogni Paese vuole un proprio modello di base

  Mistral valutata 21 miliardi di euro, l’India che punta a 200.000 GPU e un modello nazionale saudita basato su pesi aperti cinesi: che cosa acquistano davvero i Paesi quando investono nell’IA sovrana, e che cosa resta soggetto a licenze concesse altrove.

• Il Q-Day si avvicina: come i computer quantistici minacciano la crittografia su cui si basa l’IA

  Cos’è il Q-Day? Quando i computer quantistici violeranno la crittografia, e possono compromettere l’IA? Il crollo delle stime dei qubit nel 2026 e le nuove scadenze PQC del 2029 rendono «raccogliere ora, decifrare dopo» una minaccia concreta per i pesi e i dati dell’IA.

• La sfida finale dei veicoli autonomi: che cosa deve succedere davvero prima che le auto senza conducente siano ovunque

  Waymo effettua 500.000 corse a pagamento alla settimana in 14 aree metropolitane, ma nel 2026 ha sospeso per due mesi tutte le corse sulle autostrade statunitensi dopo che i suoi veicoli erano entrati in zone di cantiere. Che cosa separa ancora i robotaxi che funzionano dalla loro diffusione ovunque.

• L’IA fisica e il momento dei robot umanoidi

  I robot umanoidi sono usciti dai video dimostrativi ed entrati in progetti pilota con risultati misurabili: Figure 03 alla BMW, Digit alla GXO e a Mercado Libre, Apollo alla Mercedes-Benz. Nel 2026 un produttore si è quotato in borsa e un secondo ha concordato una fusione con una SPAC da 2,5 miliardi di dollari. Le installazioni si contano ancora nell’ordine delle decine di robot.

• La resa dei conti dell’open source: come i modelli di IA liberamente disponibili ridisegnano la mappa del potere

  I modelli a pesi aperti sono diventati la metà meno costosa del mercato: V4 di DeepSeek, il round di Serie D da 3 miliardi di euro di Mistral, la norma sugli H200 del gennaio 2026, la deroga per l’open source nell’AI Act dell’UE e il rischio del duplice uso che nulla di tutto questo risolve.

• IA e privacy: il patto della sorveglianza al cuore dell’economia dell’intelligenza

  La principale sanzione europea in materia di privacy dell’IA è stata annullata nel marzo 2026, e il più ingente pagamento nel settore dell’IA finora ha riguardato libri piratati, non dati personali. Perché le misure di controllo arrivano quando il modello è già stato costruito e non raggiungono mai i suoi pesi.

• ARC-AGI-3 è caduto in cinque mesi: perché saturare un benchmark non significa ancora raggiungere l’AGI

  ARC-AGI-3 è stato lanciato nel marzo 2026, con gli esseri umani al 100% e l’IA di frontiera allo 0,51%. Entro il 3 settembre, GPT-6 Astra aveva ottenuto 99,9 punti con l’harness di OpenAI e 62,7 con uno neutrale. Che cosa misuravano quei risultati, e che cosa no.

• IA e creatività: la macchina che crea arte, musica e letteratura

  La questione se le macchine possano essere creative viene risolta da istituzioni che non se la pongono mai: il rifiuto di un ricorso alla Corte Suprema nel marzo 2026, le etichette discografiche che firmano accordi di licenza anziché fare causa e un processo con giuria sull’addestramento dei modelli di immagini fissato per aprile 2027.

• IA da compagnia ed economia dell’intimità: quando i chatbot diventano relazioni

  L’IA da compagnia ha ormai raggiunto il 72% degli adolescenti statunitensi. Non è né un fenomeno trascurabile né destinato al disastro: è una questione di governance che riguarda modelli di business, impostazioni predefinite, progettazione del coinvolgimento degli utenti e modo in cui le piattaforme trattano i minori.

• Shadow AI: la crisi della sicurezza aziendale che nessuno governa

  Secondo il rapporto IBM sulle violazioni dei dati del 2026, strumenti di IA non autorizzati erano presenti nel 43% delle organizzazioni colpite, il doppio rispetto all’anno precedente, mentre il costo medio ha raggiunto il record di 4,99 milioni di dollari. I framework per governarli esistono dal 2023.

• La crisi del collasso dei modelli: come l’IA divora i propri dati di addestramento

  Il collasso dei modelli è reale, ma si verifica solo a certe condizioni: richiede che i dati vengano sostituiti, non accumulati. A essere cambiato è il contesto: l’obbligo di marcatura dell’UE si applica dall’agosto 2026 e il limite dei dati disponibili è ormai alle porte.

• L’IA come scienziata autonoma: da strumento di ricerca a scopritrice indipendente

  AI Scientist di Sakana, Co-Scientist di Google, Coscientist e A-Lab: che cosa hanno fatto davvero i sistemi di ricerca autonomi, che cosa ha messo in luce la correzione relativa ad A-Lab e perché la verifica resta affidata agli esseri umani.

• La rivoluzione del post-training: lo scaling non si è mai fermato, il vantaggio si è spostato

  Il pretraining ha continuato a crescere per tutto il 2026: GPT-6 Astra ha richiesto più di 100.000 GPU. A cambiare è il momento in cui si crea la differenza tra i modelli di frontiera: ora avviene dopo il pretraining, con SFT, RLHF e apprendimento per rinforzo basato su ricompense verificabili.

• Modelli visione-linguaggio: come l’IA ha imparato a vedere e a parlare di ciò che vede

  Dal tasso di errore del 15,3% di AlexNet su ImageNet nel 2012 all’addestramento contrastivo di CLIP su 400 milioni di coppie nel 2021: ecco come visione e linguaggio sono confluiti in un unico modello, dove questo continua ad avere allucinazioni e a sbagliare i conteggi, e come oggi guida i robot.

• La resa dei conti energetica: come la fame di elettricità dell’IA sta riscrivendo le regole del sistema energetico globale

  La domanda di elettricità dell’IA non è più una semplice previsione. Le stime degli hyperscaler sulla spesa in conto capitale per il 2026 superano i 700 miliardi di dollari, i costi della capacità di PJM hanno raggiunto il record di 16,4 miliardi di dollari e l’impronta di Google è superiore dell’81% rispetto al 2019.

• Atlas è durato 292 giorni: cosa resta di un browser IA fallito

  OpenAI ha chiuso ChatGPT Atlas il 9 agosto 2026, 292 giorni dopo il lancio, e ha trasferito il suo agente in un’estensione di ChatGPT per altri cinque browser. Il prodotto ha fallito sul piano della distribuzione; il patto sull’accesso permanente che chiedeva agli utenti, no.

• Chip fotonici e neuromorfici: la corsa al calcolo post-silicio

  Nel 2026 i chip fotonici e neuromorfici sono usciti dai laboratori: Q.ANT ha acquisito IONOS come primo cliente, Lightmatter ha aderito a NVLink Fusion di NVIDIA e Neurophos ha raccolto 110 milioni di dollari. La risposta del silicio, Maia 200, è arrivata sul mercato a gennaio.

• A chi appartiene la mente della macchina: la guerra imminente sulla proprietà intellettuale dell’IA

  Negli Stati Uniti, le opere generate dall’IA non possono essere protette dal diritto d’autore: la Corte Suprema ha reso definitiva questa regola nel marzo 2026. Resta invece da stabilire — attraverso accordi transattivi da 1,5 miliardi di dollari, licenze negoziate con le singole etichette discografiche e un processo con giuria fissato per aprile 2027 — chi debba pagare chi per i dati usati nell’addestramento.

• La guerra degli ottimizzatori: come Muon sta sostituendo Adam nell’addestramento dell’IA di frontiera

  Kimi K2 è stato addestrato su 15,5 bilioni di token con MuonClip, senza alcun picco della loss. Un anno dopo, Kimi K3, DeepSeek-V4 e GLM-5 ortogonalizzano tutti i propri aggiornamenti, mentre Muon ha un nuovo sfidante: Aurora.

• L’IA nel commercio al dettaglio: dai sistemi di raccomandazione agli acquisti tramite agenti

  Dall’algoritmo item-to-item di Amazon del 2003 ai checkout gestiti dagli agenti nel 2026: casi verificati su Walmart, Zara, Rufus, ACP e le infrastrutture per i pagamenti tramite agenti, e la sentenza del Ninth Circuit che ha annullato l’ingiunzione ottenuta da Amazon contro Comet di Perplexity.

• Perché i robot non possono imparare come hanno fatto i chatbot: la carenza di dati dell’IA incarnata

  Il clamore sugli umanoidi nasconde il vero limite: ai robot manca un corpus su scala Internet con dati abbinati alle azioni. Simulazione, teleoperazione in VR e video egocentrici sono le tre soluzioni del 2026, ma il divario visivo tra simulazione e realtà continua a far fallire le policy.

• La democratizzazione del software: quando chiunque può creare un’app

  Il vibe coding ha messo un prototipo funzionante alla portata di chiunque sappia descriverlo, e il mercato ha pagato 60 miliardi di dollari per Cursor come prova. I dati su velocità, sicurezza e manutenzione indicano che il 30 per cento più difficile del lavoro è rimasto dov’era.

• La città alimentata dall’IA: come le infrastrutture urbane vengono riprogettate per l’intelligenza delle macchine

  Semafori che imparano, sensori fognari che si ripagano da soli e un rilevatore di spari costato a Chicago 500.000 dollari e ancora senza un sostituto: che cosa ha prodotto davvero l’IA nelle infrastrutture urbane e quale schema accomuna i successi e i fallimenti.

• L’IA e la scienza dei materiali: progettare la materia a partire dai principi primi

  L’IA è ormai in grado di proporre milioni di strutture cristalline. Nel gennaio 2026, Nature ha pubblicato una correzione dell’articolo sull’A-Lab e i cristallografi non vi hanno trovato nuovi materiali: il collo di bottiglia si è spostato sulla verifica.

• La sicurezza dell’IA e il problema dell’allineamento: la corsa a costruire un’IA di cui fidarsi

  Nell’indice dell’estate 2026 del Future of Life Institute, Anthropic ha ottenuto il voto migliore del settore, C+, e nessuno ha superato D+ nella sicurezza rispetto ai rischi esistenziali. Nel frattempo, il vertice sulla sicurezza ha tolto la parola dal proprio nome.

• L’IA nell’istruzione: tutor, copiature e cosa mostrano le prove

  La tesi di Bloom sul tutoraggio e i due sigma, Khanmigo e Duolingo Max, l’offerta gratuita per insegnanti lanciata da Anthropic nel luglio 2026, i bias di Turnitin, il ritorno dei libretti d’esame e ciò che gli studi randomizzati controllati in Nigeria, a Harvard e in Turchia hanno davvero rilevato sul tutoraggio con l’IA.

• L’economia dell’inferenza: quantizzazione, decodifica speculativa e l’arte di servire gli LLM a basso costo

  PagedAttention, batching continuo, costi della cache KV, quantizzazione, decodifica speculativa, instradamento MoE e fasce batch: perché il costo minimo per token continua a scendere, mentre sopra di esso si è riaperta una fascia premium da 10 dollari in input e 50 dollari in output.

• I nuovi obblighi di alfabetizzazione all’IA: come gli Stati stanno riscrivendo i programmi scolastici K-12

  In 27 Stati sono in esame proposte di legge sull’alfabetizzazione all’IA; 10 sono già diventate legge. Idaho, Maryland, Oklahoma, Alabama e Hawaii mostrano tre modelli concorrenti di ciò che un sistema scolastico K-12 deve insegnare per formare studenti competenti in materia di IA.

• Il problema della memoria: perché i sistemi di IA dimenticano e come la memoria persistente cambia tutto

  I transformer non conservano alcuno stato tra una chiamata e l’altra. Tutto ciò che viene chiamato memoria dell’IA è quindi un’impalcatura aggiunta: cache KV, finestre da un milione di token ora fatturate alle tariffe standard, recupero delle informazioni, gestione della memoria su più livelli e compattazione lato server.

• Mettere in sicurezza le applicazioni LLM in produzione: prompt injection, jailbreak e la nuova superficie d’attacco

  Una guida difensiva alla OWASP LLM Top 10: dagli incidenti reali, come la fuga di informazioni di Bing Sydney, EchoLeak e il worm che sfrutta la prompt injection in Word nel 2026, ai motivi per cui è difficile correggere la prompt injection con una patch, fino ai controlli di guardrail, red-teaming e conformità che reggono ora che l’AI Act è in vigore.

• L’infrastruttura invisibile: come l’IA sta ridisegnando il mondo fisico attraverso il calcolo spaziale e i gemelli digitali

  I gemelli digitali industriali ripagano l’investimento, mentre i visori per i consumatori no: la fabbrica virtuale di BMW, Siemens e PepsiCo, e i 45.000 Vision Pro conteggiati da IDC nel 2025 prima che Apple cancellasse i modelli successivi.