Intorno al 1800, un ingegnere inglese di nome Henry Maudslay costruì un tornio in grado di filettare viti con estrema precisione, e si rivelò una delle cose più importanti che siano mai accadute...
Prima di Maudslay, le filettature venivano incise a mano, una per volta, quindi non ce n'erano mai due identiche. Un dado prodotto in un'officina non si avvitava su un bullone uscito da quella accanto: ogni macchina al mondo era un pezzo unico, assemblato su misura da un artigiano e riparabile solo da lui.
Non potevi produrre mille esemplari di nulla, perché non riuscivi a far combaciare i pezzi. Era questo il collo di bottiglia dell'intero mondo industriale, ed era racchiuso in una mano umana che impugnava una lima.
Il tornio di Maudslay produceva la stessa filettatura ogni volta. Questo significava che una macchina poteva finalmente fabbricare i componenti precisi di un'altra macchina, e quei pezzi avrebbero combaciato. Nel giro di una generazione, le macchine utensili derivate dalla sua sfornavano i componenti per tutto il resto, e la Rivoluzione Industriale trovò un ingranaggio che non sapeva nemmeno di avere.
Ora, probabilmente starai pensando: Raoul, ma che cavolo c'entrano le filettature dell'Ottocento? Seguimi, perché se guardi l'arco lungo della storia, lo stesso schema continua a ripetersi.
Per gran parte della storia umana, gli strumenti sono migliorati alla velocità delle persone che li costruivano, ovvero lentamente... un aratro migliore ogni qualche secolo. Poi gli strumenti hanno iniziato a costruire altri strumenti, e ogni ciclo è diventato più veloce del precedente.
Le macchine a vapore azionavano i torni e le alesatrici che tagliavano i pezzi per le locomotive, così il vapore costruiva le ferrovie che trasportavano altre macchine a vapore.
Le macchine utensili hanno costruito le catene di montaggio che producevano le automobili. Oggi i computer progettano i chip che finiranno dentro computer migliori, perché nessun essere umano può disporre a mano miliardi di transistor. Ogni volta che gli strumenti si sono fatti carico di una fetta maggiore del lavoro necessario a creare gli strumenti successivi, tutto ha accelerato, perché la parte lenta del ciclo — quella umana — si è rimpicciolita.
Cosa succede allora quando lo strumento all'interno del ciclo è l'intelligenza stessa?
Sta già accadendo
A novembre 2023 ho scritto che OpenAI aveva probabilmente capito come usare l'IA per ideare, progettare, programmare e rilasciare prodotti... che l'IA stava costruendo l'IA.
A maggio 2026, Anthropic dichiara che oltre l'80% del codice integrato nel proprio codebase è scritto da Claude, rispetto alle basse percentuali a singola cifra precedenti al lancio di Claude Code nel febbraio 2025. L'azienda che sviluppa uno dei modelli frontier fa scrivere a quel modello gran parte del software su cui girerà la versione successiva.
OpenAI ha pubblicato i propri numeri a settembre: la sua divisione di ricerca oggi impiega 3,1 giornate-lavoro di agenti per ogni giornata di lavoro umano, e ad agosto il numero di esperimenti per ricercatore ha toccato un massimo storico.
A maggio dello scorso anno DeepMind ha presentato AlphaEvolve, un agente basato su Gemini che scrive e testa i propri algoritmi; tra le sue scoperte c'è un miglioramento nella pianificazione delle risorse che recupera costantemente lo 0,7% dell'intera flotta di calcolo globale di Google, oltre a un'accelerazione di un kernel interno al training di Gemini che ne ha ridotto i tempi dell'1%. Percentuali minuscole, finché non realizzi cosa rappresentano: un'IA che rende la prossima IA più economica da costruire e da far funzionare.
È il tornio di Maudslay che taglia i pezzi per la macchina successiva.
Un collo di bottiglia diverso
Tutti i cicli precedenti ci hanno sollevato dal lavoro fisico. Il tornio faceva la limatura, la catena di montaggio faceva il sollevamento, ed è per questo che ognuno girava più veloce del precedente. Ma il pensiero non se n'è mai andato. Qualcuno doveva comunque sedersi a progettare il tornio successivo. Qualcuno doveva ancora capire a cosa servisse il chip. Le macchine sono diventate bravissime a produrre cose, ma le idee per la generazione successiva uscivano sempre da una testa umana, alla velocità di una testa umana... che, diciamocelo, non è granché rapida e non accelera.
Questo è stato il limite invalicabile di tutta la storia, e nessuno ci ha mai riflettuto davvero, perché cosa avresti potuto farci? Non puoi costruire uno strumento che pensi al posto tuo.
Tranne che ora puoi. Per la prima volta, ciò che viene esternalizzato è l'intelligenza stessa, e quindi a frenare il progresso non è più la velocità con cui pensiamo, ma due fattori fisici: quanta energia riesci a trasformare in potenza di calcolo e quanta intelligenza riesci a estrarre da ogni singola unità. Entrambi seguono curve esponenziali.
Sta uscendo dallo schermo
Finora questa è una storia di software, ma non resterà confinata lì.
David Mattin, che scrive The Exponentialist insieme a me, chiama la fase successiva "scienza a guida autonoma". E no, non c'entra nulla con le Tesla, anche se il concetto è lo stesso...
Intende dire che la scienza è sempre stata un ciclo guidato da un essere umano. Hai un'intuizione, progetti un esperimento, lo esegui, quasi sempre fallisce, analizzi il perché, ti viene un'intuizione migliore. Gira e rigira, una persona alla volta, mesi per ogni giro. Ogni farmaco, ogni materiale, ogni principio fisico che abbiamo compreso è nato da quel ciclo, a quella velocità.
La scienza a guida autonoma è ciò che ottieni quando affidi quel ciclo alla macchina. Non parliamo di IA che aiuta gli scienziati... parliamo di IA che compie le scoperte da sola: i nuovi materiali, le nuove molecole, le cose che l'umanità semplicemente ignorava fino all'anno scorso, generate da una macchina che ha avuto l'idea, ha eseguito il test, letto il risultato e formulato l'idea successiva, senza alcun essere umano nel mezzo. Capire come funziona il mondo viene esternalizzato... e sta succedendo adesso, non in un futuro da fantascienza.
Nel 2023 il modello GNoME di DeepMind ha previsto 2,2 milioni di nuove strutture cristalline, circa 380.000 delle quali stabili. Più materiali nuovi di quanti l'umanità ne avesse scoperti nell'intera storia della scienza dei materiali, individuati da un modello prima ancora che qualcuno mettesse piede in laboratorio.
Poi, a dicembre 2025, DeepMind e il governo britannico hanno annunciato un laboratorio automatizzato per i materiali, in apertura quest'anno, dove robot sintetizzano e testano centinaia di materiali candidati al giorno e l'IA seleziona il lotto successivo. Il ciclo che prima richiedeva mesi a un gruppo di ricerca ora gira ogni singolo giorno, e gli esseri umani sono lì per valutare i risultati, non per condurre gli esperimenti.
La stessa cosa sta accadendo ai robot, e il modo in cui funziona è pazzesco. Nel 2025 DeepMind ha rilasciato Genie 3, che va immaginato come un videogioco che si scrive da solo. Digiti una frase, ad esempio "una camera da letto in disordine", e sullo schermo appare una stanza simulata, completa della fisica di una stanza reale, così qualsiasi cosa si muova al suo interno riceve lo stesso feedback che otterrebbe nella realtà.
Poi puoi inserire il cervello di un robot al suo interno e dirgli di riordinare la stanza. Fallisce, quindi riprova, e riprova ancora, milioni di volte, in milioni di stanze simulate, alla velocità di un computer, senza rompere un solo oggetto reale o occupare spazio fisico. Infine carichi ciò che ha imparato in un robot vero, che entra in una vera camera da letto sapendo già cosa fare. DeepMind lo sta facendo adesso con i suoi agenti robotici, e nessuno scrive il programma didattico. L'agente si assegna i compiti e si corregge da solo.
Se questo tipo di cose ti affascina, è esattamente ciò che io e David pubblichiamo ogni settimana su The Exponentialist. È nato all'interno di Real Vision e oggi è una pubblicazione indipendente su Substack, con un piano gratuito se vuoi seguirci.
E poi si autoalimenta
Quindi le macchine scrivono il proprio codice, migliorano i propri modelli e iniziano a fare scienza al posto nostro. Va bene, dirai, ma c'è un ostacolo di cui tutti parlano... tutto questo funziona a corrente, e ne serve tantissima. I data center stanno già mettendo sotto stress le reti elettriche, i chip sono già tra gli oggetti più rari sulla Terra, e prima o poi l'intera baracca finirà sicuramente l'elettricità.
Ma se una macchina può risolvere problemi che noi non sappiamo risolvere, i primi problemi verso cui verrà indirizzata saranno i suoi. I laboratori di materiali che ho appena descritto non vanno a caccia di scoperte casuali. Cercano chimiche per batterie che accumulino di più, celle solari che convertano meglio, chip che impacchettino i transistor in modo più denso... esattamente le cose che rendono energia e calcolo più economici.
E ognuna di queste scoperte torna dritta dentro la macchina che l'ha generata.
Pannelli e batterie migliori abbassano il costo dell'energia, un'energia più economica riduce il costo del calcolo, un calcolo meno costoso addestra modelli migliori, e modelli migliori trovano il materiale successivo. Il collo di bottiglia che preoccupa tutti è la prima cosa che il ciclo è programmato per divorare.
Alla base di tutto questo c'è una legge, la Legge di Wright: ogni volta che la produzione cumulativa di qualcosa raddoppia, il suo costo scende di una percentuale fissa. Il solare la segue da decenni. La novità è che chi progetta non è più una persona, quindi i raddoppi arrivano più in fretta e i costi calano più rapidamente, simultaneamente su chip, batterie e pannelli.
Ogni giro di ruota rende il successivo più veloce, e non dipende da alcun input esterno. Le versioni precedenti di questo ciclo impiegavano decenni per completare un giro. Questo si chiude in pochi mesi, e ciò che lo fa girare è ormai esso stesso l'oggetto del miglioramento.
Più economico significa di più, non di meno
Ok, a questo punto l'obiezione ovvia è di natura economica. Se l'intelligenza diventa così economica così in fretta, avremo sicuramente bisogno di meno di ciò che la produce... meno chip, meno data center, meno energia.
Sta succedendo l'esatto contrario, e il motivo è noto fin dall'era del carbone. Jevons notò che quando una risorsa diventa più efficiente, il consumo totale aumenta, perché il prezzo basso apre la porta a utilizzi prima impensabili. Rendi la macchina a vapore più efficiente e un Paese brucerà più carbone, non meno.
L'intelligenza sta facendo esattamente questo. Secondo i calcoli di a16z a fine 2024, il costo di un'unità di intelligenza a parità di capacità è sceso di circa dieci volte all'anno, e i consumi sono schizzati alle stelle. A ottobre 2025 Google elaborava circa 1,3 quadrilioni di token al mese, oltre venti volte l'anno precedente, e a maggio di quest'anno la cifra era salita a 3,2 quadrilioni. Ogni calo nel costo del pensiero sblocca un problema che prima era troppo oneroso affrontare, e questa domanda non ha un tetto perché i problemi irrisolti non mancano di certo.
Ecco perché gli investimenti in conto capitale non possono fermarsi.
"È solo hype. Sta rallentando."
Lo sento dire ogni pochi mesi, di solito subito dopo un rilascio un po' meno spettacolare del precedente. L'entusiasmo dura una settimana, poi si torna alla normalità, ed è nella normalità che la gente decide che tutto quanto stia frenando.
Il modello mentale che uso è quello dello sviluppo infantile. Guarda un bambino piccolo che non riesce a camminare e potresti dedurne che le gambe non funzionano e che è troppo stupido per il compito; oppure aspetta le sue prime parole e decidi che la bocca non è fatta per parlare. Finché, all'improvviso, lo fa. Questi modelli sono neonati, con superpoteri in alcuni ambiti e molto indietro rispetto ai bambini umani in altri... ma i neonati imparano in fretta. Giudicare dove saranno tra tre anni basandosi su ciò che non sanno fare questo trimestre è un errore, ogni singola volta. In tre anni siamo passati da un chatbot mediocre a qualcosa che supera la maggior parte degli esseri umani in ogni materia che insegniamo. Non farti beccare dalla "midcurve", come dice il meme, solo perché hai un pregiudizio.
Cosa significa per te
La paura dietro a tutto questo è personale, quindi permettimi di affrontarla sul piano personale.
Non sono un tecnico. A gennaio ho dato a cowork un PDF e in sei minuti avevo un sito web funzionante; poi gli ho chiesto una dashboard con i dati di engagement di Real Vision su tutte le piattaforme e in quindici minuti era pronta. All'epoca scrissi che mi sentivo un po' bionico.
Oggi una sola persona, armata di un set di agenti, può produrre ciò che prima richiedeva un'intera azienda. Nel mio libro, The Everything Code (in uscita il 3 novembre, già disponibile in preordine), racconto la storia di un ingegnere del software che ha passato oltre un decennio a costruire un'azienda in modo tradizionale, ha fatto un passo indietro e poi, in un solo inverno, ha sviluppato un progetto AI personale che ha raggiunto centinaia di migliaia di stelle su GitHub e gli è valso un posto in OpenAI. Stesso cervello, stessa etica del lavoro: l'unica cosa cambiata era la base su cui costruiva.
"Questo mi sostituirà?" è la domanda che si pone il tuo ego, ed è quella sbagliata. Lo strato di lavoro sotto di te si sta comprimendo che tu lo voglia o no, esattamente come Maudslay compresse il lavoro di ogni artigiano che limava viti a mano. La domanda giusta è cosa fai con una macchina in grado di farsi carico di quello strato al posto tuo, e chi finisce per ottenere i superpoteri è chi sale di livello, dedicandosi al giudizio su cosa valga davvero la pena costruire.
Possiedi le macchine che costruiscono le macchine
Ciò che il ciclo ti rivela è dove si accumula il valore. Quando l'intelligenza costruisce intelligenza, i rendimenti vanno a chi possiede il ciclo: la potenza di calcolo su cui gira, l'energia che alimenta il calcolo e le infrastrutture su cui gli agenti si stabiliranno quando inizieranno a transare tra loro a velocità macchina. Sono le uniche cose che non può aggirare e, per la prima volta nella storia, ciascuna di esse è qualcosa di cui una persona comune può possedere una quota.
Questa è l'Età Esponenziale che passa dalla teoria alla realtà vissuta, e si scontra direttamente con la finestra temporale di cui ho scritto nel mio framework della Singolarità Economica, indicativamente tra il 2030 e il 2032. È il momento in cui l'economia delle macchine inizia a muoversi più velocemente degli strumenti umani creati per misurarla — PIL, utili, salari — e i vecchi numeri smettono di descrivere ciò che accade. Gli anni che ci separano da quel momento sono la vera partita.
Il ragionamento completo è in The Everything Code. Spiega perché il sistema finanziario si è rotto a tal punto e come siamo rimasti intrappolati in un ciclo del debito per decenni, e poi perché l'arrivo dell'Età Esponenziale proprio adesso sia l'altra metà della stessa storia.
Tutto ciò che ho scritto qui diventa inevitabile non appena comprendi il meccanismo, e la cosa strana è che rappresenta anche la via d'uscita: le macchine sono ciò che permetterà finalmente al mondo di crescere abbastanza da liberarsi del debito. Dopo decenni di stallo, questo è un buon motivo per essere ottimisti, ed è nel libro che sviluppo l'argomentazione per intero.
The Everything Code esce il 3 novembre e, se posso chiederti un favore: se hai intenzione di comprarlo, mi farebbe davvero piacere se valutassi di preordinarlo adesso. Queste cose aiutano moltissimo con le classifiche e per me significherebbe tanto. Grazie.
E se vuoi approfondire uno qualsiasi di questi temi, continua a chiacchierare con me! Ho creato un'IA addestrata su 30 anni dei miei pensieri su raoulpal.ai ed è gratuita. Continua la discussione con me lì.
