Qualcosa di insolito sta accadendo nel mondo della tecnologia.
Le persone che costruiscono alcuni dei sistemi di IA più importanti al mondo non descrivono più l'IA come un semplice aggiornamento software. Parlano di intelligenza abbondante, prodotti che si auto-migliorano, posti di lavoro che scompaiono, assistenti IA per tutti, agenti autonomi e AGI in arrivo nel giro di anni, non di generazioni.
La cosa affascinante è che non sono completamente d'accordo su cosa accadrà dopo.
Sam Altman vede l'intelligenza diventare abbondante e drasticamente più economica. Spenser Skates crede che l'intelligenza risiederà sempre più all'interno dei prodotti stessi, creando una generazione di prodotti che si auto-migliorano. Dario Amodei mette in guardia da una seria disruption per l'impiego impiegatizio entry-level. Jensen Huang crede che l'IA amplificherà gli esseri umani e creerà opportunità economiche completamente nuove. Satya Nadella afferma che decenni di cambiamento tecnologico si stanno comprimendo in pochi anni. Demis Hassabis crede che abbiamo raggiunto un momento cruciale nella storia umana.
A prima vista, sembrano previsioni diverse. Io penso siano capitoli diversi della stessa storia.
Mettendoli insieme, offrono un quadro sorprendentemente chiaro di ciò che potrebbe arrivare e di come dovremmo prepararci.
SAM ALTMAN: L'INTELLIGENZA STA DIVENTANDO ABBONDANTE
OpenAI ha sempre più inquadrato l'IA attraverso la lente dell'economia dell'abbondanza. L'idea di base è semplice: man mano che l'intelligenza utile diventa più capace e drasticamente più economica, attività che un tempo richiedevano costose competenze umane diventano improvvisamente possibili su scala enorme.
Questa idea è più grande di quanto sembri inizialmente.
Per gran parte della storia umana, l'intelligenza utile è stata costosa perché risiedeva dentro le persone. Se volevi competenza, la società doveva prima istruire qualcuno per anni e poi competere per il tempo limitato di quella persona. Un grande avvocato può servire solo un certo numero di clienti, un programmatore può scrivere solo una certa quantità di codice e uno scienziato può indagare solo un certo numero di ipotesi.
L'IA cambia queste dinamiche economiche perché l'intelligenza artificiale può essere copiata, scalata e resa continuamente disponibile.
Immagina l'intelligenza che diventa gradualmente qualcosa di più simile all'elettricità. Non assumiamo l'elettricità né fissiamo riunioni con essa. Accediamo semplicemente a quanta ne serve, quando ne abbiamo bisogno.
Una startup di cinque persone potrebbe avere capacità analitiche e tecniche che un tempo richiedevano una multinazionale. Una piccola impresa potrebbe avere qualcosa di simile a un proprio ricercatore, programmatore, designer e stratega. Gli scienziati potrebbero indagare domande che in precedenza non valevano le migliaia di ore umane necessarie per esplorarle.
Abbiamo costruito un'economia basata sulla scarsità di intelligenza. L'IA potrebbe trasformare l'intelligenza in infrastruttura.
E quando qualcosa passa dalla scarsità all'abbondanza, il valore economico di solito si sposta altrove.
SPENSER SKATES: I PRODOTTI INIZIERANNO A MIGLIORARSI DA SOLI
Poi Amplitude co-fondatore e CEO Spenser Skates porta l'argomento un passo oltre.
Cosa succede quando tutta quell'intelligenza abbondante non si limita a stare seduta in un chatbot in attesa che facciamo domande? Cosa succede quando la mettiamo all'interno del prodotto stesso?
Skates ha parlato di un futuro di prodotti che si auto-migliorano: prodotti capaci di capire continuamente come vengono usati, scoprire problemi e opportunità, sperimentare miglioramenti, imparare dai risultati e reimmettere quelle lezioni in ciò che verrà costruito dopo.
Questa frase merita molta più attenzione.
Per decenni, lo sviluppo software ha operato attraverso un ciclo umano relativamente lento. Un'azienda costruisce qualcosa, i clienti lo usano, i dati si accumulano, gli analisti studiano cosa è successo, i product manager decidono cosa dovrebbe cambiare, i designer creano alternative, gli ingegneri le costruiscono e, alla fine, un'altra versione raggiunge i clienti.
Poi il processo ricomincia.
Ogni fase dipende dagli umani che avviano la successiva. L'IA inizia a comprimere l'intero ciclo.
Primo, il prodotto viene costruito più velocemente. Gli strumenti di codifica IA riducono drasticamente il tempo necessario per creare software e modificare prodotti esistenti.
Poi il prodotto osserva. Gli agenti IA possono osservare continuamente come si comportano effettivamente i clienti invece di aspettare che qualcuno analizzi manualmente i dashboard.
Poi capisce. Questi agenti possono identificare attriti, comportamenti insoliti, problemi di conversione e opportunità a cui gli umani potrebbero non aver mai pensato di indagare.
Poi sperimenta. Nuove esperienze possono essere create e testate a una velocità che i team di prodotto tradizionali non potrebbero realisticamente raggiungere.
Poi impara. I dati comportamentali rivelano se un cambiamento ha effettivamente migliorato la conversione, il coinvolgimento, la fidelizzazione o un altro risultato importante.
E infine, migliora. Ciò che il sistema impara alimenta direttamente ciò che dovrebbe essere costruito dopo.
Oggi, gli umani controllano ancora la maggior parte di queste transizioni. Ma immagina cosa succede quando il ciclo diventa sempre più autonomo.
Un prodotto nota che un particolare gruppo di clienti abbandona ripetutamente l'onboarding. Un agente IA indaga sul loro comportamento, identifica la probabile fonte di attrito e propone diverse alternative. Gli esperimenti testano queste alternative, i dati comportamentali rivelano quale funziona e quell'apprendimento alimenta direttamente il miglioramento successivo.
Il prodotto non è più semplicemente un software che le persone usano. Diventa un software che impara a diventare un software migliore.
Questo cambia l'equazione competitiva.
La codifica IA sta rapidamente rendendo più facile per tutti costruire. Se ogni azienda può spedire più velocemente, produrre semplicemente più funzionalità diventa meno un vantaggio. Il vantaggio si sposta da quanto velocemente costruisci a quanto velocemente impari.
C'è una distinzione importante qui. L'IA può generare software, ma creare qualcosa e sapere se gli umani lo vogliono davvero sono problemi completamente diversi.
Il primo richiede intelligenza. Il secondo richiede la comprensione del comportamento umano.
Questo potrebbe essere il motivo per cui la prossima generazione di grandi prodotti non avrà semplicemente l'IA al suo interno. Avranno un ciclo di feedback continuo che collega l'intelligenza al comportamento umano reale.
Il miglior prodotto potrebbe non vincere.
Il prodotto che impara più velocemente potrebbe.
DARIO AMODEI: COSA SUCCEDE AL PRIMO GRADINO?
L'amministratore delegato di Anthropic, Dario Amodei, vede una conseguenza molto più scomoda di un'intelligenza sempre più capace.
Ha avvertito che l'IA potrebbe sconvolgere gran parte dell'occupazione impiegatizia entry-level nel giro di pochi anni. Qualunque sia il numero esatto che alla fine risulterà, il problema strutturale alla base del suo avvertimento merita seria attenzione.
Cosa succede al primo gradino della scala di carriera?
Le aziende assumono analisti junior in parte perché qualcuno deve fare ricerche sui concorrenti, manipolare fogli di calcolo e preparare presentazioni. Gli studi legali assumono giovani avvocati per esaminare enormi quantità di materiale. Le società di software affidano a sviluppatori junior compiti di codifica relativamente semplici.
Ma questi lavori svolgono due funzioni. Producono lavoro per l'azienda mentre producono simultaneamente esseri umani esperti.
L'analista sviluppa gradualmente giudizio e diventa un direttore. Il giovane avvocato che esamina documenti gestisce eventualmente negoziazioni complesse. Il programmatore che corregge bug noiosi impara gradualmente come si comportano i sistemi reali quando le cose vanno male.
Se l'IA diventa eccezionalmente brava nel lavoro a livello principiante, le aziende hanno un ovvio incentivo economico ad assumere meno principianti.
Questo crea un paradosso che non abbiamo risolto: l'IA potrebbe rimuovere il lavoro che le persone tradizionalmente svolgevano mentre imparano a fare il lavoro che l'IA non può ancora svolgere.
Potremmo automatizzare la base della scala senza capire come la prossima generazione raggiunga la cima.
JENSEN HUANG: TUTTI HANNO SUPER POTERI
L'amministratore delegato di NVIDIA, Jensen Huang, vede un altro lato dell'equazione.
La sua previsione è meravigliosamente semplice: "Tutti avranno un assistente IA."
L'argomentazione più ampia di Huang è che l'IA non si limiterà a sostituire il lavoro umano. Amplificherà ciò che gli individui possono realizzare, creando potenzialmente una domanda completamente nuova man mano che il costo dell'intelligenza e della produzione diminuisce.
La storia dà una certa credibilità a questa argomentazione.
I fogli di calcolo non hanno eliminato i contabili. I computer non hanno eliminato gli impiegati. Internet ha distrutto alcune professioni mentre creava industrie che prima non potevano esistere.
L'IA potrebbe quindi eliminare enormi quantità di lavoro senza eliminare lo stesso numero di posti di lavoro.
Se il software diventa dieci volte più economico da creare, forse la società non ha bisogno di un decimo degli sviluppatori. Forse l'umanità decide di costruire cinquanta volte più software. Se l'indagine scientifica diventa drasticamente più economica, forse non abbiamo bisogno di meno scienziati; forse gli scienziati tentano milioni di esperimenti che prima non erano economicamente fattibili.
Questo significa che Huang e Amodei potrebbero avere entrambi ragione. Alcune professioni potrebbero contrarsi drasticamente mentre categorie completamente nuove di attività economica esplodono.
Le rivoluzioni tecnologiche raramente scelgono tra distruzione e creazione. Di solito forniscono entrambe, ma non necessariamente alle stesse persone nello stesso momento.
SATYA NADELLA: IL VERO PROBLEMA POTREBBE ESSERE LA VELOCITÀ
L'amministratore delegato di Microsoft, Satya Nadella, ha descritto l'attuale cambiamento di piattaforma con una frase che trovo particolarmente importante:
"Trent'anni di cambiamento si stanno comprimendo in tre anni!"
La parola compresso potrebbe contare più di quasi qualsiasi altra cosa in questo dibattito.
L'umanità è sopravvissuta a enormi trasformazioni tecnologiche prima d'ora. L'elettricità ha trasformato fabbriche e case. Le auto hanno ridisegnato le città. I computer hanno cambiato gli uffici. Internet ha riorganizzato comunicazione, commercio e media.
Ma le società hanno avuto tempo per adattarsi. Le persone andavano in pensione mentre le generazioni più giovani imparavano competenze diverse. Le università cambiavano i programmi di studio, i governi creavano regolamenti, le aziende si formavano e fallivano e intere professioni si evolvevano gradualmente.
L'IA potrebbe creare un problema diverso perché l'adattamento tecnologico potrebbe avvenire più velocemente dell'adattamento umano.
Immagina qualcuno che inizia oggi un corso di laurea quadriennale per una professione la cui economia potrebbe apparire fondamentalmente diversa al momento della laurea. Oppure considera un professionista di 45 anni che ha passato vent'anni a diventare eccezionale in un compito che improvvisamente diventa disponibile quasi istantaneamente e a costo quasi zero.
Il pericolo più grande potrebbe non essere il cambiamento tecnologico in sé. Potrebbe essere il divario crescente tra la velocità con cui le macchine migliorano e la velocità con cui gli umani, le aziende e le istituzioni possono reinventarsi.
DEMIS HASSABIS: QUESTO POTREBBE DIVENTARE PIÙ GRANDE DEL SOFTWARE
Poi arriviamo all'amministratore delegato di Google DeepMind, Demis Hassabis.
Nell'agosto 2026, Hassabis ha descritto il periodo attuale come "un momento cruciale nella storia umana" e ha detto che, dopo aver lavorato verso l'AGI per tutta la sua carriera, crede che sia ora "a portata di mano."
Questo porta la conversazione ben oltre la produttività sul posto di lavoro.
Una volta che l'IA diventa capace di aiutare materialmente gli umani a progredire in matematica, biologia, chimica, scienza dei materiali, ingegneria e medicina, l'IA smette di essere semplicemente un'altra industria tecnologica. Diventa una tecnologia che accelera altre tecnologie.
L'IA può migliorare la robotica, aiutare a scoprire farmaci, progettare nuovi materiali, scrivere software, assistere la ricerca scientifica e aiutare gli ingegneri a progettare computer migliori, che a loro volta possono eseguire un'IA migliore.
Questo crea un ciclo di feedback: un'IA migliore aiuta gli umani a costruire tecnologia migliore, una tecnologia migliore aiuta gli umani a costruire un'IA migliore e il ciclo accelera.
Ecco perché paragonare l'IA agli smartphone potrebbe sottovalutare drasticamente ciò che sta accadendo. Lo smartphone ha cambiato il modo in cui gli umani accedevano alle informazioni.
L'IA avanzata potrebbe cambiare la velocità con cui l'umanità scopre cose nuove.
POTREBBERO AVERE TUTTI RAGIONE
A prima vista, questi leader sembrano raccontarci storie diverse. Mettendo le loro argomentazioni in sequenza, tuttavia, iniziano ad apparire sorprendentemente compatibili.
Altman dice che l'intelligenza diventa abbondante. Capacità che un tempo erano costose diventano disponibili a quasi tutti.
Skates dice che i prodotti stessi iniziano ad imparare e migliorare. L'intelligenza abbondante viene incorporata nel ciclo di sviluppo del prodotto, collegando la costruzione, l'osservazione del comportamento umano, la sperimentazione, l'apprendimento e il miglioramento.
Amodei dice che l'intelligenza abbondante sconvolge il lavoro della conoscenza. Particolarmente vulnerabili potrebbero essere i compiti junior su cui sono state costruite le carriere tradizionali.
Huang dice che l'IA amplifica drammaticamente i singoli individui. Costi inferiori creano nuova domanda, nuove aziende e categorie di lavoro completamente nuove.
Nadella dice che tutto questo accade straordinariamente velocemente. La società ha molto meno tempo per adattarsi rispetto alle precedenti rivoluzioni tecnologiche.
Hassabis dice che l'IA alla fine accelera la scoperta stessa. L'intelligenza inizia ad aiutare l'umanità a inventare la prossima generazione di tecnologia.
Queste non sono necessariamente sei previsioni in competizione. Potrebbero essere sei strati della stessa trasformazione.
SEGUI LA SCARSITÀ
Se queste persone hanno anche solo in parte ragione, c'è una lezione sorprendentemente pratica per chiunque stia pensando alla propria carriera, azienda o investimenti:
Non costruire il tuo valore attorno a qualcosa che l'IA sta rendendo abbondante. Costruiscilo attorno a ciò che diventa scarso perché l'IA è abbondante.
L'attenzione diventa scarsa. Quando il contenuto diventa effettivamente illimitato, catturare l'attenzione umana genuina diventa più difficile e quindi più prezioso.
Il giudizio diventa scarso. Quando l'analisi può essere prodotta all'istante, la domanda difficile non è più se puoi ottenere un'analisi. È se sai quale analisi merita di essere fidato.
La direzione diventa scarsa. Quando l'IA può generare centinaia di idee e strategie, un'altra idea non è necessariamente utile. Sapere quale problema merita di essere risolto diventa il vantaggio.
Il pensiero originale diventa scarso. Quando scritti, immagini, software e presentazioni competenti possono essere prodotti da quasi chiunque, avere qualcosa di veramente diverso da dire diventa più prezioso.
La fiducia diventa scarsa. Le macchine comunicheranno sempre più in modo convincente mentre i contenuti sintetici diventano più facili da produrre. La credibilità umana diventa quindi più preziosa, non meno.
Il gusto diventa scarso. L'IA può creare infinite possibilità. Qualcuno deve ancora decidere quale è effettivamente buona.
E i prodotti che si auto-migliorano creano un'ulteriore scarsità che potrebbe contare enormemente: sapere per cosa il sistema dovrebbe ottimizzare.
Una macchina può diventare straordinariamente brava a raggiungere un obiettivo. Un prodotto può diventare straordinariamente bravo a migliorare una metrica. Ma era l'obiettivo giusto? Era la metrica giusta?
Questa non è più principalmente una questione tecnologica.
È una questione di giudizio umano.
NON CERCARE DI SUPERARE LA MACCHINA
Per decenni, i manager hanno detto agli umani quali compiti svolgere. Domani, i leader potrebbero sempre più definire obiettivi per combinazioni di umani, agenti e sistemi che si auto-migliorano.
La leadership diventa quindi meno una questione di supervisione dell'esecuzione e più una questione di definire direzione, vincoli, incentivi e significato.
Non passerei il prossimo decennio a cercare di diventare leggermente migliore in qualcosa in cui le macchine migliorano in modo esponenziale. Imparerei a dirigerle mentre rafforzo deliberatamente le capacità che diventano più preziose proprio perché l'intelligenza stessa sta diventando abbondante: giudizio, curiosità, coraggio, relazioni, leadership, responsabilità e gusto.
I vincitori dell'era dell'IA potrebbero non essere le persone che sanno di più sull'IA. Potrebbero essere le persone che capiscono cosa fare con l'intelligenza una volta che l'intelligenza stessa non è più scarsa.
Per migliaia di anni, l'intelligenza ha dato agli umani un potere straordinario. Ora stiamo costruendo macchine che potrebbero rendere l'intelligenza disponibile ovunque, sempre, mentre i prodotti intorno a noi iniziano ad osservare, imparare e migliorare.
Forse la domanda che definisce l'era dell'IA non è se le macchine alla fine penseranno come noi.
È qualcosa di molto più scomodo:
Cosa dovrebbero diventare gli umani quando essere intelligenti non è più sufficiente per renderci speciali?
