«Lo studio ha analizzato i dati raccolti tra il 2016 e il 2024, combinando informazioni sulla temperatura e le condizioni ambientali derivate dai satelliti VIIRS e Sentinel-2 con le temperature delle fumarole registrate dalla rete di monitoraggio dell’INGV nell’area del Cratere La Fossa» spiega Francesco Spina, ricercatore INGV e autore corrispondente della ricerca. 

L’utilizzo di un modello di apprendimento semi-supervisionato ha permesso di distinguere con precisione le diverse condizioni di attività del sistema idrotermale: background, crisi minore e unrest.

«In particolare» continua Gaetana Ganci, ricercatrice INGV e co-autrice dello studio «l’uso di un modello semi-supervisionato basato su reti neurali generative (SGAN) ha permesso di superare la limitata disponibilità di dati etichettati, dovuta alla rarità delle fasi di crisi. Il modello, infatti, può apprendere efficacemente sia con pochi dati etichettati sia con un’ampia mole di dati non etichettati».

Le reti neurali generative (SGAN), infatti, sono sistemi in grado di riconoscere situazioni diverse anche con pochi esempi già classificati, sfruttando le informazioni contenute nei dati non etichettati. I risultati mostrano come l’intelligenza artificiale applicata ai dati satellitari possa supportare il monitoraggio dei vulcani, permettendo di analizzare nel tempo le variazioni di temperatura superficiale e di individuare cambiamenti legati all’attività del sistema idrotermale, aprendo la strada a sistemi di sorveglianza più avanzati e all’individuazione precoce di segnali di instabilità.

Il mercato del lavoro italiano si trova ancora in una fase precedente, legata a una trasformazione digitale dei processi produttivi ancora incompleta, è quanto emerge dal rapporto "L'IA nel mercato del lavoro italiano - Professioni, modelli di adozione e la sfida della formazione", realizzato da Anitec-Assinform, l'Associazione di Confindustria che raggruppa le imprese ICT operanti in Italia, in collaborazione con il Dipartimento di Ingegneria Gestionale e della Produzione del Politecnico di Torino.

Il lavoro si articola in tre parti: una rassegna della letteratura e dei dati disponibili per il caso italiano; un'analisi qualitativa su imprese pioniere nell'adozione dell'IA e un'indagine sugli attori chiave dell'ecosistema della formazione.

Molteplici sono le dimensioni dell'indagine: sul fronte dell'opinione pubblica, l'indagine internazionale SCOaPP-10 svolta dal Politecnico di Torino mostra come oltre il 50% degli italiani si dichiara preoccupato per l'avvento delle nuove tecnologie, mentre circa il 60% ritiene di non possedere competenze digitali adeguate per affrontare la trasformazione in corso. Mentre le imprese più avanti indicano come l'intelligenza artificiale sia utilizzata soprattutto come strumento di supporto ai processi decisionali, di analisi dei dati e di miglioramento dell'efficienza operativa.

L'evidenza raccolta mostra come queste tecnologie tendano a modificare il contenuto delle attività professionali piuttosto che automatizzarle del tutto, favorendo invece nuove forme di collaborazione tra persone e sistemi intelligenti.

Emerge quindi dal rapporto la necessità di una nuova stagione di politiche pubbliche che mettano al centro la formazione per equipaggiare la forza lavoro all'era dell'intelligenza artificiale.

Lo studio presenta un'agenda di 23 raccomandazioni rivolte a un ampio ventaglio di istituzioni, dai Ministeri del Lavoro, dell'Università e delle Imprese alle Regioni, dai Fondi interprofessionali agli atenei e alle associazioni imprenditoriali, tra cui la sperimentazione di un "conto personale di formazione per l'IA" e la razionalizzazione dell'ecosistema formativo nazionale per rispondere ai fabbisogni di competenze emergenti.

«Sui mercati del lavoro più avanzati gli effetti dell'IA si vedono già. In Italia abbiamo ancora una finestra temporale per capire il fenomeno e costruire una strategia. Siamo convinti che gli investimenti per l'adozione delle tecnologie debbano essere accompagnati da politiche pubbliche e investimenti altrettanto robusti per la formazione, altrimenti ci troveremo fuori mercato e con un tessuto sociale più fragile. Anitec-Assinform, con questo approfondimento vuole iniziare a fare la sua parte, rappresentando l'industria digitale in Italia e dialogando attivamente con Ministeri e policymaker affinché la transizione all'AI Economy sia governabile e inclusiva», ha dichiarato Massimo Dal Checco, Presidente di Anitec-Assinform.

«L'intelligenza artificiale sta trasformando il mercato del lavoro e l'organizzazione delle imprese, e questa transizione richiede un salto di qualità nelle competenze. Senza persone in grado di comprendere e governare le nuove tecnologie, il rischio è un'adozione parziale, diseguale e poco efficace. Oggi cresce la domanda di profili specialistici, ma soprattutto quella di figure ibride, capaci di integrare l'IA nei processi produttivi. Per questo il ruolo di Confindustria è costruire un ecosistema formativo avanzato, fondato su orientamento continuo, integrazione tra formazione iniziale e continua, rafforzamento della filiera tecnico-professionale e pieno sviluppo degli ITS Academy. Dobbiamo garantire a imprese e lavoratori percorsi di upskilling e reskilling accessibili, soprattutto per le PMI, perché la sfida dell'IA si vince investendo sulle persone e sulla capacità del Paese di formare competenze realmente spendibili», ha dichiarato Riccardo Di Stefano, delegato di Confindustria per Education e Open Innovation.

«L'IA è una leva strategica per la crescita della produttività e l'innovazione organizzativa, ma anche una sfida in termini di competenze e inclusione. Dalla ricerca emerge chiaramente che la formazione deve evolvere rapidamente per rispondere a una domanda di competenze sempre più dinamica: occorre allora rafforzare la collaborazione tra università, ITS academy, imprese e istituzioni per costruire percorsi formativi flessibili. Allo stesso tempo, è necessario sostenere le PMI nel processo di adozione dell'IA, riducendo i divari esistenti nel sistema produttivo. La ricerca propone un'agenda di policy per tutto l'ecosistema delle politiche industriali, del lavoro e della formazione, perché la sfida dell'IA può essere vinta dal nostro paese soltanto attraverso un'azione di sistema», ha dichiarato Stefano Sacchi, Vicerettore del Politecnico di Torino e direttore della ricerca.

Del totale, 9 milioni di euro saranno destinati allo sviluppo dello screening delle immagini basato sull'IA nei centri medici, un ambito con un notevole potenziale per migliorare la prevenzione, l'individuazione precoce e la diagnosi di tumori e malattie cardiovascolari. Un ulteriore invito, del valore di 24 milioni di euro, sosterrà i servizi e i sistemi sanitari digitali nell'ambito dello spazio europeo dei dati sanitari, contribuendo a migliorare l'accesso e la qualità delle prestazioni sanitarie per i cittadini. Per rafforzare il benessere digitale e la protezione dei minori in tutta l'UE, l'iniziativa sosterrà anche l'estensione della copertura geografica della rete dei centri per un'internet più sicura.

Un bando da 12,5 milioni di euro finanzierà la formazione nelle competenze digitali avanzate in tutta l'Unione, sostenendo lo sviluppo delle capacità richieste dall'economia europea contemporanea.

Nel quadro dell'obiettivo della Commissione di ridurre gli oneri normativi per le imprese, un invito da 8,5 milioni di euro sosterrà soluzioni digitali innovative per facilitare il rispetto della normativa UE. A questi si aggiungono un bando da 6 milioni di euro per promuovere la ricerca sull'integrità delle informazioni online, uno da 1 milione di euro per l'istituzione di un polo di sostegno EDIC e un invito da 1,8 milioni di euro dedicato alle attività di diffusione e valorizzazione del programma Europa digitale.

Questi inviti contribuiscono a dare attuazione alle ambizioni del piano d'azione della Commissione per il continente dell'IA e alla strategia europea in materia.

Le candidature resteranno aperte fino al 1° ottobre 2026. Maggiori informazioni sui bandi e sulle modalità di partecipazione sono disponibili sul portale dell'UE dedicato ai finanziamenti e alle gare d'appalto

Ogni cellula del nostro corpo è governata da una fitta rete (rete genica regolatoria) di geni che si attivano e si inibiscono a vicenda. Capire come queste reti funzionano è fondamentale per comprendere come le cellule crescono, si specializzano e come le malattie possono alterare questi processi. Fino ad oggi, però, ricostruire queste reti ha richiesto costosi esperimenti di laboratorio con manipolazioni genetiche mirate.

«Comprendere queste reti geniche» spiega il Professor Graziano Martello del dipartimento di Biologia dell’Università di Padova «è essenziale per prevedere come i cambiamenti genetici influenzano lo stato delle cellule, ma testarli sperimentalmente è spesso lungo e costoso. Per risolvere questo problema abbiamo utilizzato il Machine Learning (apprendimento automatico), una branca specifica dell’intelligenza artificiale».

Il software IGNITE infatti non ha bisogno di "conoscenze pregresse" fornite dall'uomo: impara autonomamente a ricostruire le complesse reti di comunicazione tra i geni analizzando semplicemente i dati delle singole cellule. A differenza dei metodi tradizionali, che richiedono anni di esperimenti costosi e complessi in laboratorio per testare ogni singola modifica genetica, IGNITE funziona come un simulatore virtuale: è in grado di prevedere "in silico", ovvero al computer, cosa accade a una cellula se uno o più geni vengono "spenti" o alterati.

«È stato particolarmente stimolante vedere come strumenti sviluppati originariamente per studiare sistemi fisici possano oggi trovare applicazione nello studio delle cellule staminali» aggiunge la dottoressa Clelia Corridori sempre del dipartimento di Biologia «. Questo dimostra quanto il dialogo tra discipline diverse possa aprire nuove strade nella ricerca biologica».

IGNITE si basa unicamente su dati di sequenziamento dell'RNA di singole cellule, una tecnica che misura quali geni sono attivi in ogni cellula in un dato momento, e il sistema è in grado di “dedurre” automaticamente la struttura della rete genica, senza bisogno di esperimenti aggiuntivi.

Una nuova speranza per la scienza

I ricercatori hanno testato IGNITE sulle cellule staminali pluripotenti, sia umane che di topo. Queste cellule sono straordinarie: sono cellule primitive non specializzate, come un foglio di carta bianco, che però hanno la "potenza" di generare quasi tutto. Possono trasformarsi in qualsiasi tipo di cellula del corpo e a partire da un dato ordine possono iniziare a specializzarsi. Capire come i geni controllano il differenziamento è fondamentale per la medicina rigenerativa, ossia quel nuovo approccio terapeutico basato sulla generazione di cellule sane (come ad esempio i neuroni) a partire da cellule staminali sane.

I risultati dell’utilizzo di IGNITE sono stati sorprendenti: ha predetto con precisione quali geni sono fondamentali per permettere alle cellule staminali di differenziarsi correttamente; il sistema è riuscito a simulare gli effetti della disattivazione di più geni contemporaneamente, un compito estremamente difficile da realizzare fisicamente in laboratorio; si è dimostrato efficace su diverse specie e tecnologie, confermando la sua versatilità.

«Grazie a questo approccio, che integra fisica statistica e intelligenza artificiale, la ricerca biologica» concludono gli autori della pubblicazione «dispone ora di una "bussola" digitale capace di indicare quali esperimenti hanno maggiori probabilità di successo, riducendo sprechi e tempi di attesa per la scoperta di nuove cure».

In una decisione di avvio del procedimento distinta, oggi la Commissione - in collaborazione con l'autorità italiana garante della concorrenza - ha esteso la propria indagine anche all'Italia. Pertanto le conclusioni della Commissione riguardano ormai l'intero SEE.

Le misure provvisorie rimarrebbero in vigore fino al completamento dell'indagine da parte della Commissione e all'adozione di una decisione definitiva sul comportamento di Meta.

Teresa Ribera, Vicepresidente esecutiva per una Transizione pulita, giusta e competitiva, ha dichiarato: «Spingere fuori i concorrenti dai mercati in rapida evoluzione come quello dell'IA è esattamente il tipo di condotta che ci ha portato a concepire le misure provvisorie. L'avere sostituito il divieto legale con una politica dei prezzi che ha un effetto analogo non modifica la nostra opinione preliminare: il comportamento di Meta sembra costituire un abuso della propria posizione dominante, il quale può danneggiare gravemente la concorrenza sul mercato degli assistenti basati sull' IA. Proseguiamo dunque nell'iter verso l'imposizione di misure provvisorie, che ripristinerebbero il pieno accesso degli assistenti basati sull'IA concorrenti a WhatsApp. Non ci fermeremo fino a quando non avremo analizzato la questione nella sua interezza».

Il comunicato stampa è disponibile online.

Negli ultimi anni, l’intelligenza artificiale, e in particolare il machine learning, una tecnologia che permette ai computer di imparare dai dati e migliorare le proprie previsioni senza essere programmati passo per passo, ha trasformato profondamente la biologia. In pratica, questi sistemi utilizzano grandi quantità di informazioni (ad esempio dati genetici o clinici) e individuano schemi utili per fare previsioni.
Grazie a questi strumenti, oggi è possibile, per esempio, prevedere la struttura delle proteine o analizzare enormi quantità di dati sanitari.

Una crescita che ha portato nuove criticità

Affidabilità: possiamo davvero fidarci dei risultati prodotti dall’AI?
È una delle domande che emergono con forza. Molti studi pubblicati negli ultimi anni, decine di migliaia solo nel 2024, non descrivono in modo chiaro i metodi utilizzati. Questo rende difficile verificare i risultati o riutilizzarli.
Senza riproducibilità, la scienza perde solidità. Se un risultato non può essere verificato, il rischio è costruire conoscenza su basi fragili.
Ambiente: consuma così tanto l’IA?
La risposta è sì: l’addestramento dei modelli richiede enormi risorse computazionali, spesso alimentate da energia non rinnovabile. Anche la ricerca scientifica, quindi, deve fare i conti con il proprio impatto ambientale.

In questo scenario si inserisce ELIXIR, un’infrastruttura di ricerca che collega 24 paesi europei e coordina risorse, dati e strumenti per le scienze della vita. Attraverso la co-progettazione di database, software, risorse di formazione e infrastrutture computazionali, ELIXIR promuove un ecosistema in cui dati e modelli possano essere utilizzati in modo trasparente, accessibile e sostenibile.

«Il nostro studio offre una proposta concreta alle sfide dell’Intelligenza artificiale che si concretizza in 9 raccomandazioni pratiche per sviluppare una Open and Sustainable AI (OSAI) lungo tutto il ciclo di vita dei modelli di machine learning» spiega il prof Silvio Tosatto «. Le raccomandazioni si concentrano su tre dimensioni chiave. La prima, rendere l’AI riutilizzabile, ovvero dati e modelli devono essere descritti in modo standardizzato, così da poter essere trovati e riutilizzati anche da altri ricercatori. La seconda, garantire la riproducibilità: codice, metodi e condizioni sperimentali devono essere condivisi in modo chiaro, per permettere verifiche indipendenti. La terza, ridurre l’impatto ambientale: è necessario adottare pratiche di “Green AI”, monitorando e limitando il consumo energetico dei sistemi.»

Un elemento distintivo del lavoro è inoltre la mappatura di oltre 300 strumenti e risorse già disponibili, che consentono ai ricercatori di applicare concretamente queste raccomandazioni, colmando il divario tra teoria e pratica.

Un impatto che va oltre i laboratori

Questo studio ha ripercussioni che vanno ben oltre il mondo della ricerca: l’intelligenza artificiale sta già guidando innovazioni che migliorano la salute, i farmaci e la qualità della vita. Rendere queste tecnologie più trasparenti e sostenibili significa ottenere diagnosi più affidabili, cure più efficaci e una ricerca più responsabile.

In sintesi, lo studio segna un passo decisivo: non basta sviluppare strumenti sempre più potenti, bisogna anche garantire affidabilità, condivisione e sostenibilità. Le raccomandazioni OSAI offrono una roadmap concreta per il futuro dell’AI nelle scienze della vita, con benefici tangibili per la comunità scientifica e per la società.

È in questo contesto che nasce ufficialmente FAIEB - Formatore Certificato in AI Etica per il Business, il nuovo percorso professionale sviluppato da Impresa Etica Digitale™, con il patrocinio e la validazione scientifica di Fondazione ENIA - Ente Nazionale Intelligenza Artificiale e in collaborazione con ANP.IA - Associazione Nazionale Professionisti Intelligenza Artificiale.

Il progetto si inserisce in uno scenario in cui l’adozione dell’AI cresce rapidamente, mentre resta ancora limitata la diffusione di competenze in grado di tradurre tecnologia, normativa e impatto organizzativo in pratiche concrete e sostenibili.

«Non vogliamo insegnare come usare la tecnologia. Vogliamo insegnare a scegliere. A distinguere il vero dal verosimile. A pensare. Impresa Etica Digitale™ è la risposta a una crisi di senso, non solo digitale», afferma Claudio Silvestri, Co-Founder Impresa Etica Digitale

Sul piano istituzionale, la validazione scientifica del programma porta la firma di Fondazione ENIA, sotto la direzione del Comitato Scientifico Indipendente guidato dalla Dott.ssa Valeria Lazzaroli, che dichiara: «L’etica digitale coincide con la maturità di un'impresa nel governare modelli predittivi, dati e algoritmi come capitale operativo. Solo attraverso di essa, l'azienda di oggi conquisterà l'interoperabilità futura, necessaria per dialogare tra sistemi, garantirsi apertura ai mercati globali e trasformare i rischi tecnologici in opportunità di crescita sostenibile».

La stessa prospettiva è condivisa anche dal Dottor Luciano Tarantino, Presidente di ANP.IA - Associazione Nazionale Professionisti Intelligenza Artificiale, che ha scelto di affiancare il percorso, vedendovi una risposta concreta a un’esigenza diffusa nel mondo delle imprese: «Qualsiasi sia la dimensione, l'etica digitale assume il valore di una disciplina economica applicata che consente di integrare intelligenza artificiale e governo aziendale senza compromettere l'integrità dei dati, l'equilibrio finanziario e la credibilità istituzionale dell'organizzazione».

In un contesto segnato dall’entrata in vigore dell’AI Act europeo e dalla crescente attenzione verso standard internazionali come la ISO/IEC 42001, emerge con chiarezza la necessità di figure capaci non solo di utilizzare strumenti, ma di interpretarne implicazioni, rischi e impatti sistemici.

Con FAIEB, Impresa Etica Digitale™, ENIA e ANP.IA introducono un nuovo riferimento per il mondo delle imprese, contribuendo alla costruzione di una cultura organizzativa in cui l’Intelligenza Artificiale venga governata con metodo, responsabilità e visione.

Dopo due edizioni riservate, il programma viene ora presentato ufficialmente al pubblico.

L'AI entra in azienda. Ma quasi nessuno sa ancora come governarla

Dopo due edizioni condotte in forma riservata, su invito, con gruppi selezionati di professionisti, prende il via l'11 maggio 2026 la terza edizione, aperta e accessibile a tutti i professionisti e alle aziende che intendono costruire competenze solide e riconoscibili in questo ambito.

Una figura professionale, non un corso.

Il programma FAIEB non forma tecnici AI né esperti di compliance. Forma una figura specifica: un professionista capace di operare dentro le organizzazioni per rendere l'adozione dell'AI comprensibile, governabile e culturalmente sostenibile. Qualcuno che sappia costruire linguaggio comune tra reparti, leggere rischi e bias, tradurre l'AI Act e la ISO/IEC 42001 in pratiche operative reali.

Il percorso si articola in 50 ore totali: 26 di formazione live, 13 moduli, project work finale e 24 ore di studio individuale. I contenuti coprono fondamenti AI per il business, neuroscienze e bias decisionali, il framework metodologico proprietario SERENDIP®, normativa europea (AI Act, GDPR) e governance applicata.

La certificazione include Open Badge ufficiale, iscrizione al Registro Nazionale FAIEB e accesso alla community di professionisti.

A chi è rivolto

Il percorso è pensato per formatori aziendali, consulenti, professionisti HR, manager e chiunque operi nella formazione professionale. È aperto anche alle aziende che intendono sviluppare internamente una figura di riferimento per l'AI: un presidio culturale capace di affiancare team e funzioni nell'utilizzo consapevole degli strumenti, non un reparto tecnico separato.

Il numero dei posti è limitato. Fino al 15 aprile 2026 è attivo un prezzo early bird per la fase di lancio.

Per informazioni e iscrizioni consultare il sito ufficiale.

«Gli utenti potranno chiedere – vocalmente o in forma scritta – di ricevere degli insights sui propri consumi e sulla produzione degli impianti, senza necessità di compilare form o cercare informazioni seminascoste. Un’interazione semplice come quella proposta può aumentare la consapevolezza dei consumatori, con un impatto positivo su bollette e ambiente. Grazie al chatbot l’utente potrà anche impostare delle preferenze per il funzionamento della propria casa intelligente, ad esempio la temperatura degli ambienti o il momento di avvio degli elettrodomestici», spiega Amedeo Buonanno, ricercatore del Laboratorio ENEA Smart grid e reti energetiche del Dipartimento Tecnologie energetiche e fonti rinnovabile.

Questa soluzione potrebbe rivelarsi estremamente utile anche per i membri delle comunità energetiche (CER), per conoscere rapidamente l’andamento dell’autoconsumo della CER stessa.

Sono stati già condotti test sperimentali, ma per arrivare a un’interfaccia accessibile a tutti e capace di semplificare la complessità dei mercati energetici bisognerà attendere la conclusione del progetto EU-DREAM a dicembre del prossimo anno.

A partire da oggi TraceMap è accessibile alle autorità nazionali di tutti gli Stati membri, permettendo loro di orientare meglio i controlli e condurre indagini più approfondite senza richiedere risorse aggiuntive. La piattaforma utilizzerà i numerosi dati disponibili nei sistemi agroalimentari esistenti dell'UE per monitorare rapidamente i modelli commerciali e i flussi di produzione. Migliorerà inoltre l'accuratezza delle attività di screening, accelererà l'individuazione degli operatori sospetti e aiuterà gli investigatori a rilevare più rapidamente frodi alimentari e focolai di origine alimentare, consentendo di ritirare dal mercato i prodotti non conformi. TraceMap permetterà agli Stati membri di colmare eventuali lacune, affrontare le vulnerabilità e rafforzare le misure antifrode nel settore agroalimentare. Contribuirà inoltre a migliorare il controllo delle merci importate, in linea con le misure rafforzate previste nella visione per l'agricoltura e l'alimentazione.

Maggiori informazioni sono disponibili nel comunicato stampa.

Nel corso della sua visita in India, la Vicepresidente esecutiva ha avviato diverse iniziative di rilievo, tra cui l'Ufficio europeo di accesso legale insieme al ministro indiano degli Affari esteri, Subrahmanyam Jaishankar. Annunciata dalla Presidente Ursula von der Leyen in occasione del 16° vertice UE-India, l'iniziativa mira a collegare le imprese europee alla base indiana di talenti nel settore delle tecnologie dell'informazione e della comunicazione (TIC). La Vicepresidente esecutiva ha inoltre lanciato la Frontier AI Grand Challenge, un concorso faro a livello europeo volto a guidare lo sviluppo di modelli di IA europei sovrani e su larga scala.

Durante il vertice, la Commissione ha pubblicato anche due inviti a manifestare interesse nell'ambito della sua strategia per l'IA applicata, con l'obiettivo di rafforzare le capacità europee in questo settore. Il primo invita le organizzazioni sanitarie di tutta Europa ad aderire alla rete di centri di screening avanzati basati sull'IA, per promuovere l'uso sicuro ed efficace dell'intelligenza artificiale nella prevenzione oncologica e cardiovascolare, nell'individuazione precoce e nella diagnosi. Il secondo invita gli attori europei dell'IA a partecipare a un forum di esperti sull'IA di frontiera, incaricato di mappare gli sforzi esistenti nell'UE e individuare le opportunità e le sfide correlate.

La Vicepresidente esecutiva Virkkunen ha dichiarato: «Ogni giorno l'Europa si avvicina a diventare un continente dell'IA. Oltre a rafforzare la cooperazione internazionale, questo vertice è stato anche un'opportunità per mostrare i progressi compiuti in questo ambito. L'Ufficio europeo di accesso legale in India aumenterà l'attrattiva dell'Unione europea per i talenti; nuovi inviti e grandi sfide rafforzeranno le capacità europee in materia di IA».

Magnus Brunner, Commissario per gli Affari interni e la migrazione, ha dichiarato: «Il lancio dell'Ufficio europeo di accesso legale segna un nuovo livello di cooperazione reciprocamente vantaggiosa tra l'Unione europea e l'India in materia di mobilità dei talenti. Svolgerà un ruolo fondamentale nel collegare ulteriormente i talenti indiani nel settore delle TIC con i datori di lavoro e gli istituti di istruzione superiore dell'UE. Aprirà nuovi percorsi per studenti, ricercatori e professionisti negli Stati membri dell'UE, creando valore aggiunto e opportunità di crescita».

Per la FSGT hanno partecipato le neonatologhe Maria Luisa Ventura, Valentina Bozzetti, Valeria Cavalleri, Lucia Iozzi con le ingegnere Emanuela Zannin e Paola Coglianese. Per il DEIB del Politecnico di Milano hanno contribuito la prof.ssa Simona Ferrante con le ingegnere Linda Greta Dui e Silvia Riccò.

Il lavoro affronta uno dei momenti più delicati nella cura del neonato altamente pretermine: il passaggio dall’alimentazione per via endovenosa (parenterale) a quella per via orale (enterale), una fase di “transizione nutrizionale” estremamente cruciale per crescita e sviluppo, che oggi viene gestita senza approcci standardizzati supportati da evidenze scientifiche robuste e in cui un apporto di nutrienti eccessivo, insufficiente o sbilanciato può determinare complicazioni e contribuire a un rallentamento della crescita extrauterina (Extrauterine Growth Restriction, EUGR).

I risultati mostrano che un adeguato apporto di proteine e lipidi già nei primi giorni di vita, insieme al tasso di crescita nella prima settimana, rappresentano elementi chiave per predire l’EUGR. Un contributo rilevante dello studio è stata inoltre la suddivisione dei pazienti in base a diversi profili di prematurità: è emerso infatti come i fabbisogni e gli apporti nutrizionali differiscano nei vari gruppi, aprendo la strada a una maggiore personalizzazione delle cure.

«Nei neonati grandi prematuri la crescita non è solo un indicatore numerico: un rallentamento della crescita extrauterina può avere conseguenze che si estendono nel tempo, con possibili ricadute anche sullo sviluppo neurocognitivo - spiega Valentina Bozzetti -. Per questo studiare la transizione nutrizionale significa puntare non solo a “far crescere di più”, ma a sostenere la qualità complessiva dello sviluppo. Per farlo, però, serve riuscire a leggere davvero ciò che accade nei giorni più delicati della vita, quando ogni scelta può fare la differenza».

«È qui che entra in gioco la forza dei dati: in questo lavoro abbiamo potuto attingere a un vero e proprio “mare di dati” - sottolinea Maria Luisa Ventura - oltre mille cartelle cliniche elettroniche di neonati grandi prematuri seguiti in un unico centro, ciascuna ricchissima di informazioni cliniche e nutrizionali. Mettere questo patrimonio nelle mani dell’intelligenza artificiale significa poter affrontare una complessità che gli studi tradizionali non riescono a catturare con la stessa profondità».

«L’intelligenza artificiale permette di integrare grandi volumi di dati clinici eterogenei e di trasformarli in strumenti utili per la ricerca e, progressivamente, per supportare le decisioni cliniche - commenta Simona Ferrante -. Il valore nasce dall’incontro tra competenze: da un lato la solidità metodologica e la capacità di leggere la complessità dei dati, dall’altro la conoscenza clinica che dà senso ai numeri e orienta le domande giuste. È così che i modelli diventano non solo accurati, ma anche interpretabili e potenzialmente trasferibili nella pratica».

«In questo studio abbiamo tradotto questa integrazione in modelli capaci di predire l’EUGR durante la transizione nutrizionale, riconoscendo pattern e combinazioni di variabili clinico-nutrizionali che aiutano a descrivere in modo più preciso una fase particolarmente critica - conclude Linda Greta Dui -. L’obiettivo non è sostituire il giudizio clinico, ma offrire uno strumento in più per anticipare i bisogni del singolo paziente e orientare strategie sempre più personalizzate, calibrate sui diversi profili di gravità della prematurità».

Link allo studio: "AI to predict extrauterine growth restriction during transitional nutrition of preterm infants: a retrospective study"

La viralità nasce da questa promessa: non sei davanti all’ennesimo articolo sull’AI, sei davanti a un avvertimento. Chi lo legge ha l’impressione di ricevere un messaggio riservato: “noi l’abbiamo già visto accadere, ora tocca a voi”.

Il testo crea un corto circuito tra capacità tecnologiche, percezione sociale e decisioni economiche. 

«Se hai provato ChatGPT nel 2023 o a inizio 2024 e hai pensato “si inventa le cose” o “non è così impressionante”, avevi ragione. Quelle prime versioni erano davvero limitate. Allucinavano. Dicevano con sicurezza assurdità. - afferma Shumer - Ma quello era due anni fa. Nel tempo dell’AI, è preistoria».

La cosa più importante che Shumer dice (senza dirlo esplicitamente)

Shumer descrive un passaggio dell’intelligenza artificiale da “strumento utile” a “sostituto operativo” dove lui dà istruzioni, si allontana dal computer e torna a lavoro finito, testato, iterato, “rifinito” da un modello che sembra avere persino una forma di gusto. 

È un racconto che parla di workflow: come si lavora, quanto tempo serve, quanta intermediazione umana resta.

Quello che spaventa è l’idea banale e materialissima della macchina che porta a termine.

Oltre ogni romanticismo, qui c’è un fatto che spesso ci sfugge: nella storia delle tecnologie non è mai servita la perfezione, l’impatto nasce quando diventa abbastanza buono da cambiare perché conviene, accelera,  riduce costi, e quindi “si può provare”. Abbiamo ormai superato la soglia del giocattolo. 

Il limite del racconto

La parte più discutibile del testo è sulla capacità dei modelli che possono migliorare a scatti rispetto all’impatto reale sul lavoro e sulle professioni.

Esistono attriti enormi: responsabilità legali, compliance, reputazione, integrazione nei sistemi, qualità dei dati, governance, regole interne, assicurazioni, contenziosi. In altre parole: un modello può saper fare qualcosa molto prima che un’organizzazione decida di fidarsi a sufficienza da metterlo in produzione.

L’impatto più probabile

Se guardiamo alla realtà con un minimo di freddezza, l’effetto più verosimile nel breve non è “spariscono i lavori”, è “cambia la struttura del lavoro”.

La parola chiave è compressione: dei tempi (ciò che richiedeva giorni “deve” richiederne ore); dei team (meno persone per lo stesso output); dei ruoli junior (meno apprendistato, meno “rampe di ingresso”); delle retribuzioni (soprattutto per freelance e attività standardizzabili).

È una trasformazione che non fa rumore come un licenziamento di massa annunciato in conferenza stampa, ma che nel tempo può erodere pezzi interi di filiere: redazioni, traduzioni, produzione di contenuti, back office, customer care, analisi di base, contabilità “di routine”, document review.

Il post di Shumer, quando parla di “entry-level white collar” colpisce un nervo scoperto: se l’AI diventa il tuo collega instancabile e a basso costo, la prima cosa che salta è l’idea stessa di fare esperienza. 

Perché è diventato virale proprio adesso

Il ragionamento arriva in un momento in cui la percezione pubblica è spaccata: molti hanno provato strumenti gratuiti e li ricordano come imprecisi, altri usano modelli più avanzati nel lavoro quotidiano e vedono un salto. Shumer costruisce tutta la sua tesi su questo divario: la distanza tra “ho provato e non mi ha impressionato” e “lo uso e mi sta cambiando il modo di lavorare”.

Questo divario è reale perché le decisioni aziendali e politiche si prendono spesso su percezioni. Se il pubblico sottovaluta, arriva impreparato. Se i vertici sopravvalutano, tagliano e automatizzano male, producendo danni di qualità e di fiducia.

L’Italia e il doppio rischio: ritardo e scorciatoia

In un Paese in cui la digitalizzazione procede a macchie di leopardo, la reazione più comune si divide in due. Da un lato la minimizzazione: “non ci riguarda”, “qui è diverso”, “non può funzionare nella complessità italiana”, “convincimi che sia necessario”. Dall’altro la scorciatoia: “tagliamo, sostituiamo, facciamo in fretta”, adottando strumenti e decisioni per inseguire l’efficienza senza regole e senza responsabilità chiare.

Entrambe portano allo stesso risultato: una transizione gestita male, con conflitti che generano più precarietà e disuguaglianze. Perché l’AI, quando entra come leva di produttività, redistribuisce potere, lo toglie a chi esegue senza approfondire e lo concentra in chi controlla processi e budget.

Le domande da porsi 

Shumer chiude con consigli individuali: abbonati, usa il modello migliore, sperimenta un’ora al giorno, sii “early”. Sono indicazioni pragmatiche e non inutili, ma non bastano per un motivo semplice: non possiamo pensare che una trasformazione sistemica si risolva solo con una strategia personale.

La domanda vera è collettiva: chi governa questa transizione?

Chi stabilisce quando è lecito usare l’AI in una procedura? Chi risponde dell’errore? Chi firma? Chi controlla bias e qualità? Chi tutela i percorsi di ingresso? Chi paga la formazione? Chi protegge i settori dove la fiducia è parte indispensabile del servizio come la sanità, la giustizia e l’informazione?

Perché se la risposta resta “ognuno si arrangi”, l’esito è già scritto: chi ha capitale culturale e tempo si adatta, chi è più esposto paga il prezzo. E l’AI da promessa di efficienza, diventa acceleratore di fratture.

L’AI non è un meteorite, è un’infrastruttura

Il post di Shumer è virale perché mette paura in modo efficace ma  il suo valore, per noi, non è la paura: è l’urgenza di spostare la discussione dal crederci o deriderla a una domanda più adulta: quali tutele e responsabilità.

L’intelligenza artificiale non è un meteorite che cade dal cielo ma un’infrastruttura che stiamo installando in tempo reale dentro lavoro, servizi, media e istituzioni. Le infrastrutture fanno sempre la stessa cosa: o le governi, o ti governano.

Gli occhi, ora, devono restare puntati sulla formazione.

Nei report ufficiali della Commissione europea sul Digital Decade l’Italia resta ferma a 45,8% di popolazione con almeno competenze digitali di base, ben sotto la media UE (55,6%) e intanto l’AI Act ha già introdotto un obbligo esplicito di AI literacy per chi sviluppa o utilizza sistemi di intelligenza artificiale (in vigore dal 2 febbraio 2025, art. 4), cioè formazione adeguata e contestualizzata per chi lavora con questi strumenti.

In parallelo, la partecipazione degli adulti all’apprendimento continua (lifelong learning) in Italia nel 2023 è indicata da fonti europee attorno all’11,6%, segnale che la riqualificazione c’è ma non è ancora la “massa critica” necessaria per reggere un cambio di paradigma.

È necessario parlarne in tutte le sedi e con prospettive multidisciplinari: il medico deve parlare con l’informatico, che a sua volta ha bisogno del filosofo per mettere a fuoco implicazioni, limiti e responsabilità; e poi, perché tutto questo sia comprensibile e visibile fuori dalle stanze degli addetti ai lavori, serve un giornalismo di qualità che conosca le implicazioni dell’uso di questi strumenti e li sappia usare in modo efficace, controllando le fonti, dichiarando i metodi e sviluppando nuove tecniche di analisi. Il silenzio e la paura non terranno fuori dalla porta un cambiamento che sta già entrando nei processi, nelle decisioni e nel lavoro quotidiano.

Il futuro è già qui, scrive Shumer, forse sì. Ma la parte decisiva non è che stia già bussando alla porta: è chi gli apre.

SOMETHING BIG IS HAPPENING

L'intelligenza artificiale sta modificando non solo i nostri comportamenti di mobilità, ma anche la struttura e le dinamiche delle città. Il sistema complesso che emerge dall'interazione tra algoritmi, persone e spazio urbano rivela come la distribuzione delle visite e la polarizzazione dei luoghi incidano sulle trasformazioni urbane. È quanto emerge da una ricerca condotta dall'Istituto di scienza e tecnologie dell'informazione 'A. Faedo' del Consiglio nazionale delle ricerche di Pisa (Cnr-Isti), in collaborazione con l'Istituto di calcolo e reti ad alte prestazioni del Cnr di Palermo (Cnr-Icar) e la Scuola Normale Superiore di Pisa. Lo studio è stato pubblicato sulla rivista Machine Learning.

"Questo è il primo studio che modella in modo esplicito il feedback loop nel contesto urbano, cioè il ciclo di influenza reciproca tra sistemi di raccomandazione (recommender systems alla base di piattaforme online come Google Maps, Trip Advisor, Yelp o TheFork) e comportamenti umani, evidenziando come i 'consigli' delle app – cioè appunto le 'raccomandazioni'-, le scelte individuali e le trasformazioni urbane siano strettamente interconnesse", afferma Luca Pappalardo, del Cnr-Isti. "L'obiettivo della ricerca non è misurare 'quanto è accurato il sistema di raccomandazione', ma capire che tipo di città produce nel medio e lungo periodo. Abbiamo studiato come le scelte guidate dagli algoritmi ridefiniscono luoghi, interazioni sociali e opportunità spaziali: in altre parole, come cambiano i flussi urbani".

Da un lato, i sistemi di raccomandazione possono aumentare la varietà dei luoghi frequentati da ciascun individuo, invitando le persone a scoprire posti nuovi. Dall'altro, però, sul piano collettivo tendono a concentrare il traffico su un numero ridotto di luoghi popolari, rafforzando le disuguaglianze tra le diverse aree urbane.

Per esplorare questi effetti, i ricercatori hanno sviluppato un simulatore in grado di modellare il ciclo umano-IA nel contesto urbano: suggerimento, decisione, dato, adattamento. "Studiamo l'effetto dei location-based recommenders, algoritmi che suggeriscono dove andare in base alle abitudini degli utenti, osservando non solo le scelte individuali, ma anche le dinamiche collettive che ne derivano, come la concentrazione delle visite o la polarizzazione dei luoghi", spiega Giovanni Mauro della Scuola Normale. "È una prospettiva nuova nel campo dei recommender systems".

"La portata del lavoro è anche strategica e culturale. A nostra conoscenza, è il primo studio urbano in cui il feedback loop è esplicitamente modellato", conclude Marco Minici del Cnr-Icar. "È un cambio di paradigma: non valutiamo più l'algoritmo in astratto, ma come attore urbano. Il futuro dell'IA nelle città richiede consapevolezza civica: progettare algoritmi che non ottimizzino solo il singolo, ma anche l'equità spaziale, l'accessibilità e la salute sociale delle città".

Il gruppo di ricerca auspica che questi strumenti di simulazione possano diventare un supporto per le amministrazioni pubbliche, aiutandole a comprendere e governare l'impatto delle tecnologie digitali sulla vita urbana.

Link allo studio: Mauro, G., Minici, M. & Pappalardo, L. The urban impact of AI: modelling feedback loops in location-based recommender systems. Mach Learn 115, 19 (2026).

È una mossa che OpenAI definisce inevitabile, alla luce di quanto dichiarato in fase di lancio da Ashley Alexander, Vice President of Health Products in OpenAI: secondo l’azienda, oltre oltre 230 milioni di persone a livello globale ogni settimana pongono domande su salute e benessere.

Se guardiamo alle conversazioni in rete, soprattutto su LinkedIn (dove la notizia è rimbalzata con forza), emerge un quadro più interessante del lancio in sé: è in atto una discussione sul patto sociale tra tecnologia, sanità e cittadini.

La normalizzazione dell’uso medico

In particolare il dibattito pubblico oscilla tra due estremi: da una parte il timore legittimo di “ChatGPT che fa il medico”, dall’altra l’evidenza che milioni di persone già usano l’AI per orientarsi, capirci qualcosa e prepararsi a una visita. Il lancio di ChatGPT Salute nasce esattamente da qui: OpenAI prende atto di un comportamento di massa e prova a mettergli attorno guardrail tecnici e di policy.

Il messaggio ufficiale insiste su tre punti: supporto e non sostituzione del medico, compartimentazione dell’esperienza, e la promessa-chiave per la reputazione: le conversazioni di Health non verranno usate per addestrare i modelli di base.

È il tentativo di trasformare un uso “clandestino” in un uso “progettato”, e in controluce, è anche la risposta a un rischio industriale: se la gente usa comunque ChatGPT per la salute, allora tanto vale diventare lo snodo dove quei dati passano e dove si forma la fedeltà dell’utente.

Il grande terzo incomodo 

Anche le posizioni ricorrenti sono essenzialmente due: la prima è l’entusiasmo pragmatico, finalmente un assistente capace di tradurre referti, mettere ordine tra app e PDF, aiutare nella continuità tra una visita e l’altra, in un sistema sanitario percepito come frammentato e con tempi stretti. È la lettura che OpenAI stessa enfatizza, anche attraverso la narrazione di chi guida il prodotto: la sanità è piena di “vuoti” tra appuntamenti e dati sparsi, e l’AI può rendere l’utente più preparato.

La seconda è lo scetticismo: “più persone useranno ChatGPT per la salute, quindi aumenterà anche il rischio”. In questa corrente c’è una parola che torna spesso: overconfidence. Se l’AI parla bene, l’utente le crede e il confine tra “spiegazione” e “consiglio clinico” diventa sottilissimo.

E poi c’è il grande terzo incomodo, che in Europa pesa più che altrove: la governance del dato sanitario. Non a caso, il servizio viene descritto come non ancora disponibile in Europa.
Qui la discussione cambia tono e il focus si sposta dall'utilità a “chi può legittimamente trattare questi dati, con quali consensi, per quali finalità, con quali controlli?”. È il punto che rende il lancio europeo un problema di architettura legale e fiduciaria.

Dal punto di vista clinico, la promessa è chiara e al tempo stesso delicata. ChatGPT Salute si propone come strumento di interpretazione, non di diagnosi: aiuta a comprendere esami di laboratorio, a prepararsi a una visita, a mettere in relazione dati provenienti da cartelle cliniche, app di benessere e dispositivi indossabili. È, in sostanza, un amplificatore cognitivo per il paziente.

Il rischio, tuttavia, è intrinseco al linguaggio stesso dell’AI: risposte coerenti, fluide e personalizzate possono essere percepite come consigli clinici, soprattutto in contesti di fragilità o ansia. Il confine tra informazione e decisione sanitaria resta sottile, e la vera sfida sarà prevenire l’interpretazione impropria da parte dell’utente.

Privacy “rinforzata”: promessa necessaria, ma non sufficiente

OpenAI parla di protezioni dedicate, isolamento, cifratura mirata e controlli più stringenti per un’area separata. È un linguaggio che serve a un obiettivo preciso: convincere che in “Health” ci sia un diverso perimetro di rischio.

Tuttavia, per quanto le misure tecniche siano importanti, la fiducia si conquista con la chiarezza su casi limite e responsabilità. Chi intercetta l’utente che sta interpretando male un sintomo grave? Come si gestisce la persona vulnerabile, l’ansioso, l’ipocondriaco che alimenta compulsivamente la ricerca di conferme? In sanità, l’errore più comune non è il bug: è il fraintendimento.

Per questo, la notizia vera non è “arriva ChatGPT Salute”, ma: chi si prende cura della relazione tra informazione e decisione?

Sul piano legale, ChatGPT Salute entra in uno dei territori più regolati in assoluto. I dati sanitari rientrano nelle categorie particolari di dati personali e richiedono consensi espliciti, specifici e granulari per ogni finalità. La scelta di OpenAI di creare un ambiente separato, con memorie dedicate e l’esclusione dell’uso dei dati per l’addestramento dei modelli, è una risposta necessaria, ma non sufficiente.

Non è un caso che il servizio non sia ancora disponibile in Europa. La compatibilità con il quadro normativo europeo, tra GDPR, AI Act e responsabilità in ambito sanitario, non è un dettaglio tecnico, ma una condizione di legittimità. Qui si gioca una partita che non riguarda solo OpenAI, ma il futuro stesso delle piattaforme AI in sanità.

Un prodotto consumer che tocca un settore regolato

OpenAI insiste sul fatto che ChatGPT Health non è pensato per la diagnosi o il trattamento.
 È una frase che suona come cautela clinica, ma ha anche una lettura industriale: restare dal lato “informativo” aiuta a non scivolare nel territorio più duro delle certificazioni sanitarie.

Nella percezione del pubblico, tuttavia, un’AI che legge referti e conosce farmaci e storia clinica assume già i contorni di una consulenza sanitaria. Indipendentemente dalle cautele dichiarate dall’azienda, il punto decisivo è quello percepito dall’utente quando è solo, davanti a un valore fuori range nelle analisi.

A questo si aggiunge un ulteriore livello di complessità, già ampiamente documentato nel dibattito internazionale: l’utilizzo dell’AI come surrogato dello psicologo o del supporto emotivo. Studi, analisi accademiche e prese di posizione di organismi sanitari internazionali hanno evidenziato come molte persone ricorrano a chatbot conversazionali per affrontare ansia, stress, solitudine o sintomi depressivi, attratte dalla disponibilità continua, dall’assenza di giudizio e dal linguaggio empatico simulato. Tuttavia, come più volte ricordato anche in ambito di salute mentale, il rischio non è solo quello di indicazioni inappropriate, ma di una dipendenza relazionale da uno strumento che non possiede capacità diagnostiche, responsabilità clinica né la possibilità di intercettare segnali di crisi acuta, ideazione suicidaria o peggioramento psicopatologico. In questo contesto, l’AI può offrire un supporto percepito, ma non una presa in carico, con il pericolo concreto di ritardare l’accesso a cure professionali proprio nei momenti di maggiore vulnerabilità.

Etica e trasparenza: il problema della fiducia

C’è un tema che nelle conversazioni emerge con una franchezza che raramente si vede nei lanci tech: l’AI sanitaria prospera perché esiste un vuoto, da qui la provocazione inevitabile: è accettabile che la porta d’ingresso alla comprensione del proprio stato di salute sia un prodotto privato globale, anziché un’infrastruttura pubblica o almeno un ecosistema certificato e integrato con la medicina territoriale?

In altre parole: ChatGPT Salute è un referendum implicito su come vogliamo organizzare la sanità nell’era dei dati.

Tra promessa di empowerment, nodi regolatori e nuovi equilibri di mercato, l’ingresso strutturato dell’AI nella salute personale apre una fase che impone responsabilità etica.

Ogni strumento che opera in ambito salute vive di fiducia che, in questo caso, dipenderà dalla trasparenza dei limiti. Chi intercetta i casi a rischio? Come viene gestita l’overconfidence dell’utente? Quali segnali inducono l’AI a raccomandare un contatto umano immediato?

L’etica dell’AI sanitaria si misura in ciò che il sistema sceglie di non fare e in come comunica questa scelta all’utente. Senza una progettazione esplicita di questi confini, anche il miglior assistente rischia di trasformarsi in un oracolo percepito come infallibile.

Economia e marketing: il vero valore è la relazione

Dal punto di vista economico, ChatGPT Salute intercetta uno dei mercati più rilevanti e sensibili del digitale: quello della salute personale dove il valore risiede nella relazione continuativa con l’utente. Diventare il luogo in cui le persone “pensano” e governano la propria salute significa occupare uno spazio strategico tra paziente, sistema sanitario e industria del benessere.

È una mossa che parla anche al marketing in termini di posizionamento come infrastruttura cognitiva di riferimento. Un asset potente, purché sostenibile nel tempo sul piano reputazionale.

E’ utile, solo se cambia il modello di responsabilità

ChatGPT Salute mette in evidenza un vuoto strutturale: sistemi sanitari frammentati, tempi di visita e difficoltà di accesso alle informazioni inserendosi per colmare questo spazio.

La domanda finale è chi governerà l’integrazione? Piattaforme private globali o ecosistemi pubblici e professionali capaci di coniugare innovazione, equità e responsabilità clinica?

ChatGPT Salute può essere un acceleratore di alfabetizzazione sanitaria, e in parte lo è già. Ma per essere davvero un passo avanti, e non un moltiplicatore di ansia o disinformazione ben scritta, dovrà dimostrare almeno tre cose nel tempo: trasparenza sulle fonti e sui limiti, gestione robusta dei casi a rischio, integrazione sensata con professionisti e servizi.

Negli ultimi giorni, tre annunci provenienti da grandi e medi attori del settore – ByteDance, DeepSeek e Alibaba – hanno attirato l’attenzione degli osservatori internazionali, delineando una strategia che punta su assistenti vocali, modelli di nuova generazione e hardware intelligente.

ByteDance rafforza Doubao sui dispositivi mobili

ByteDance prosegue lo sviluppo di Doubao, il suo assistente basato su intelligenza artificiale, introducendo modalità vocali più avanzate e ampliandone l’integrazione su smartphone Android destinati al mercato cinese, inclusi alcuni modelli ZTE.

L’obiettivo è migliorare l’interazione naturale con l’AI attraverso la voce, in un contesto fortemente competitivo che vede i grandi gruppi tecnologici cinesi puntare su assistenti proprietari. Al momento, si tratta di integrazioni software localizzate, pensate per rafforzare l’ecosistema ByteDance più che per un’espansione globale immediata.

DeepSeek lancia nuovi modelli ad alte prestazioni

Sul fronte dei modelli linguistici, DeepSeek ha annunciato il rilascio di due nuovi sistemi di intelligenza artificiale di grandi dimensioni, progettati per migliorare le capacità di ragionamento, programmazione e comprensione del linguaggio.

I nuovi modelli si inseriscono nella corsa cinese allo sviluppo di alternative domestiche ai grandi LLM occidentali. Secondo le informazioni diffuse, le prestazioni risultano competitive su diversi benchmark, pur restando fortemente orientate a contesti di ricerca e utilizzo professionale, più che al grande pubblico.

Alibaba sperimenta gli occhiali AI Quark

Alibaba, infine, entra nel campo dei dispositivi indossabili intelligenti con i Quark AI Glasses, occhiali dotati di funzioni di assistenza basate sull’AI e connessi esclusivamente all’ecosistema Alibaba.

Il progetto, ancora in fase sperimentale, punta a offrire servizi contestuali, assistenza vocale e accesso rapido alle piattaforme del gruppo. Più che una sfida diretta ai prodotti occidentali già presenti sul mercato, gli occhiali Quark rappresentano un tassello della strategia di integrazione verticale di Alibaba, in cui hardware, software e servizi restano strettamente legati.

Una strategia comune

Al di là delle singole iniziative, emerge un elemento condiviso: l’intelligenza artificiale come infrastruttura dell’ecosistema, non come prodotto isolato. Assistenti vocali, modelli avanzati e dispositivi connessi diventano strumenti per rafforzare piattaforme chiuse, fidelizzare utenti e ridurre la dipendenza da tecnologie esterne.

Una traiettoria che conferma come la competizione globale sull’AI si giochi sempre più sull’integrazione tra modelli, dispositivi e servizi, oltre che sulle prestazioni pure degli algoritmi.

L’impresa è stata riportata da testate internazionali di settore, che parlano di una marcia di circa 106 chilometri, completata nell’arco di tre giorni, su un percorso che collega aree urbane della provincia del Jiangsu fino alla municipalità di Shanghai. Un risultato che, secondo quanto riportato, è stato riconosciuto dal Guinness World Records come “Longest journey walked by a humanoid robot”.

Un record, ma in condizioni controllate

La narrazione virale ha spesso descritto l’evento come una camminata autonoma e ininterrotta “da Suzhou a Shanghai”. In realtà, le fonti tecniche chiariscono che il percorso non coincide con l’intera distanza stradale tra le due città, ma con un tracciato definito e certificato, pari a poco più di 100 chilometri.

Il robot – identificato come AgiBot A2 – ha effettuato la marcia con supervisione umana, pause tecniche e gestione dell’alimentazione, elementi normali e dichiarati in questo tipo di dimostrazioni. Non si tratta dunque di un’azione totalmente autonoma né di un viaggio continuo senza interruzioni, ma di una prova di resistenza e stabilità locomotoria, condotta in un contesto monitorato.

Perché il risultato è comunque rilevante

Al netto delle semplificazioni mediatiche, il risultato resta significativo. La capacità di un robot umanoide di percorrere oltre 100 chilometri su fondo urbano, mantenendo equilibrio, coordinazione e continuità operativa, rappresenta un progresso concreto nel campo della locomozione bipede.

A differenza delle dimostrazioni in laboratorio o in ambienti chiusi, la prova si è svolta in contesti reali, con superfici irregolari, cambi di pendenza e condizioni ambientali variabili. Un aspetto che rende il test particolarmente interessante dal punto di vista ingegneristico.

AgiBot e la corsa globale agli umanoidi

Fondata in Cina, AgiBot è una delle aziende emergenti nel settore della robotica umanoide, un ambito che vede una crescente competizione globale, con investimenti rilevanti da parte di Stati Uniti, Cina, Corea del Sud ed Europa.

Il record ottenuto dall’umanoide A2 si inserisce in una strategia di visibilità internazionale e dimostra come la Cina stia puntando con decisione non solo sull’intelligenza artificiale software, ma anche sull’integrazione tra AI, meccatronica e robotica fisica.

Tra realtà e narrazione

Il caso del “Forrest Gump robot” mostra ancora una volta come le immagini virali tendano a semplificare e amplificare i fatti, trasformando una dimostrazione tecnologica certificata in un racconto quasi epico. Tuttavia, depurata dagli eccessi narrativi, la notizia resta fondata: un record è stato effettivamente stabilito, anche se in condizioni ben diverse da quelle spesso raccontate sui social.

Per il settore della robotica umanoide, si tratta di un segnale chiaro: la sfida non è più soltanto far camminare un robot, ma farlo camminare a lungo, in modo stabile e ripetibile, avvicinandosi sempre più a scenari di utilizzo reale.

Neptune è conosciuta nel settore per soluzioni avanzate dedicate al controllo delle fasi di training dei modelli, dalla raccolta dei dati sperimentali all’analisi delle prestazioni, fino all’individuazione di errori e anomalie nei processi di apprendimento automatico. Strumenti sempre più centrali in un contesto in cui i modelli diventano più complessi, costosi e difficili da gestire.

Integrazione nelle infrastrutture OpenAI

Secondo quanto comunicato, l’accordo prevede la piena integrazione della tecnologia Neptune nelle infrastrutture di OpenAI, con l’obiettivo di migliorare la visibilità sui processi di addestramento e aumentare il livello di controllo e affidabilità dei modelli sviluppati. Un passaggio che consente a OpenAI di internalizzare competenze e strumenti strategici, riducendo la dipendenza da soluzioni esterne.

Fonti della stampa tecnologica e finanziaria stimano che l’operazione abbia un valore compreso tra 350 e 400 milioni di dollari, regolato prevalentemente in azioni. Una cifra che riflette l’importanza crescente delle piattaforme di osservabilità e gestione dei modelli nell’ecosistema dell’intelligenza artificiale avanzata.

Una scelta strategica

L’acquisizione di Neptune si inserisce in una strategia più ampia che vede OpenAI impegnata non solo nello sviluppo di nuovi modelli, ma anche nel rafforzamento delle fondamenta industriali su cui tali modelli vengono costruiti. In un settore in cui l’efficienza dei processi di training incide direttamente su costi, prestazioni e sicurezza, disporre di strumenti proprietari rappresenta un vantaggio competitivo significativo.

L’operazione è coerente con le recenti indiscrezioni su un cambio di approccio negli affari esterni di OpenAI e del suo CEO Sam Altman, sempre più orientati a integrare verticalmente competenze critiche e a costruire un ecosistema tecnologico sotto controllo diretto.

Un segnale per il settore

Con l’acquisizione di Neptune, OpenAI lancia un segnale chiaro al mercato: la competizione sull’intelligenza artificiale non si gioca solo sulla potenza dei modelli, ma anche sulla capacità di governarne i processi di sviluppo. Monitoraggio, trasparenza e debugging diventano asset strategici al pari degli algoritmi stessi.

Una mossa che potrebbe accelerare una tendenza già in atto nel settore: quella verso l’internalizzazione degli strumenti chiave dell’AI engineering, in un contesto sempre più attento a prestazioni, affidabilità e sostenibilità dei sistemi di intelligenza artificiale.

L’accordo, confermato da fonti ufficiali, non prevede uno scambio monetario diretto: si tratta di una partecipazione azionaria incrociata e di una collaborazione strutturale, definita da diversi osservatori come “circolare”, proprio per l’assenza di un classico passaggio di capitale.

Cos’è Thrive Holdings

Thrive Holdings è una società di investimento focalizzata sull’acquisizione e sullo sviluppo di aziende di servizi professionali – tra cui contabilità, consulenza, servizi IT e amministrativi – con l’obiettivo dichiarato di accelerarne la trasformazione attraverso l’intelligenza artificiale.

Il modello è chiaro: non startup native digitali, ma imprese tradizionali, spesso poco automatizzate, che rappresentano una parte rilevante dell’economia occidentale. È su questo terreno che OpenAI sceglie di intervenire, non come semplice fornitore tecnologico, ma come partner strutturale.

Un accordo senza precedenti

Secondo quanto comunicato, OpenAI fornirà competenze, modelli e supporto diretto, integrando propri team all’interno delle aziende controllate da Thrive. In cambio, ottiene una partecipazione nella holding e un accesso privilegiato a contesti applicativi concreti, dove testare e adattare soluzioni di intelligenza artificiale su scala reale.

Un’impostazione che supera la logica del “software venduto come servizio” e si avvicina a un modello di co-sviluppo industriale, in cui tecnologia e operatività quotidiana delle imprese crescono insieme.

Le implicazioni strategiche

L’operazione solleva interrogativi importanti. Da un lato, rappresenta un tentativo di colmare il divario tra innovazione tecnologica e adozione effettiva, uno dei principali limiti dell’IA nel tessuto produttivo. Dall’altro, introduce nuove forme di integrazione tra sviluppatori di modelli e settori economici regolati, con potenziali riflessi su concorrenza, governance e trasparenza.

Non è un caso che l’accordo abbia attirato l’attenzione di analisti e osservatori: OpenAI non investe solo in tecnologia, ma in strutture economiche capaci di assorbire e rendere sistemica l’IA.

Oltre i modelli

In un momento in cui la corsa all’intelligenza artificiale sembra dominata dalla potenza di calcolo e dalla dimensione dei modelli, la mossa su Thrive Holdings suggerisce una strategia diversa: controllare – o almeno accompagnare – il modo in cui l’IA entra nei processi produttivi quotidiani.

Un segnale chiaro: il futuro dell’intelligenza artificiale non si gioca solo nei laboratori, ma nelle imprese che dovranno usarla ogni giorno.

Secondo lo studio, quasi un’azienda su due è coinvolta a vario titolo in un percorso di trasformazione tecnologica che interessa soprattutto i servizi e le realtà di maggiore dimensione: l’11,5% utilizza o sta testando soluzioni basate su algoritmi avanzati, mentre il 37,6% ne sta valutando l’introduzione. Le applicazioni più diffuse riguardano analisi dei dati, marketing, ricerca e sviluppo, automazione e assistenza ai clienti: ambiti in cui l’IA sta contribuendo a ridefinire metodologie operative, strategie aziendali e organizzazione del lavoro.

Il quadro, però, non è privo di ombre. Meno della metà delle imprese che hanno avviato l’adozione dell’IA (43,7%) ha già messo mano ai processi interni per gestire l’impatto sulle risorse umane, in particolare attraverso percorsi di formazione interna, consulenze specializzate o assunzione di nuovi profili tecnici. Molte aziende procedono quindi sul fronte tecnologico, ma restano indietro nell’aggiornamento delle competenze e nei piani di formazione. Non a caso, la carenza di competenze interne è indicata come la prima criticità (36,7%), seguita dalla complessità dell’integrazione nei processi esistenti e dai costi ancora elevati.

Sullo sfondo, il mismatch tra domanda e offerta di competenze continua a rappresentare una sfida, con il 67,8% delle imprese che dichiara difficoltà di reperimento dei profili adeguati. Si tratta ormai di un problema strutturale che si inserisce in un quadro dominato dalla rapidità dei cambiamenti indotti dalle nuove tecnologie.
Si registra invece una fase di stabilizzazione per il lavoro agile, ormai adottato dal 32,3% delle aziende, mentre il welfare aziendale resta diffuso nel 55,3% delle realtà associate, con un utilizzo sempre più orientato al benessere dei lavoratori. La contrattazione aziendale, che oggi coinvolge quasi il 70% dei lavoratori del campione, si conferma uno dei principali strumenti attraverso cui le imprese gestiscono innovazione e flessibilità per accompagnare i processi di trasformazione organizzativa.
 
“Le aziende italiane sono entrate nel vivo della trasformazione digitale e l’intelligenza artificiale che diventerà presto un fattore competitivo decisivo, anche dal punto di vista formativo”, afferma Riccardo Di Stefano, delegato di Confindustria per l’Education e l’Open Innovation. “Ma per gestire e non subire questa transizione serve un salto di qualità nelle competenze, un forte investimento in una formazione sempre più integrata tra mondo produttivo e sistema educativo. E nell'indagine CSC emerge molto bene come le imprese siano sempre più protagoniste nelle relazioni con scuole, ITS Academy, università. Esercitando, in modo sempre più completo, un ruolo di responsabilità educativa anche attraverso le tecnologie abilitanti. Solo così potrà essere garantita un’adozione dell’IA responsabile e capace di generare crescita per il Paese e per l’intero sistema produttivo”.

Oltre 250 pagine di materiale altamente tecnico che, se lette nel loro complesso, tracciano una roadmap sorprendentemente chiara sul futuro dell'AI operativa: non semplici chatbot, ma entità digitali autonome, in grado di agire, ragionare e imparare.

La nuova era degli agenti intelligenti

La pubblicazione coordinata e massiva di questi documenti è interpretata dagli esperti come il tentativo di Google di stabilire lo standard per la prossima generazione di sviluppo AI. L'obiettivo è superare l'attuale fase, dove, come ammesso nei paper stessi, molti sistemi AI "vacillano appena escono dal perimetro controllato delle demo".

I cinque contributi coprono l'intero ciclo di vita e le sfide degli agenti intelligenti.

I cinque pilastri del futuro AI

1. Ridefinire l'Agente

Il primo studio va alle radici del concetto, analizzando l'evoluzione delle capacità degli agenti nel tempo. La necessità di una ridefinizione nasce proprio dalla fragilità dei sistemi attuali quando esposti a scenari reali, non pre-programmati. L'attenzione si sposta dal modello linguistico (LLM) all'agente come sistema cognitivo completo.

2. L'autonomia degli strumenti (MCP)

Il secondo paper introduce il concetto chiave di Model Context Protocol (MCP). Il punto più dibattuto è la capacità, riconosciuta a un server MCP, di aggiungere strumenti in autonomia, senza autorizzazione preventiva. Questa caratteristica è cruciale per estendere le capacità operative, ma solleva immediatamente interrogativi significativi sulla sicurezza e governance. Un agente che può auto-migliorarsi senza check umani pone una sfida etica e di controllo senza precedenti.

3. La memoria lunga e strutturata

Il terzo documento si concentra sulla memoria vera e propria. Non si tratta di semplici log di conversazione, ma di memorie strutturate di lungo periodo capaci di influenzare il ragionamento, le decisioni future e persino lo stile comportamentale dell’agente. Questo è il passo fondamentale verso la creazione di co-worker digitali con una sorta di "identità digitale persistente".

4. Testare il ragionamento, non solo l'output

Il quarto paper affronta il tema della qualità e dell'affidabilità. La tesi centrale è netta: "il software può essere testato, il giudizio no". Viene proposto un framework di valutazione che esamina come l’agente ragiona (i passaggi intermedi del suo pensiero), non limitandosi alla semplice accuratezza dell'output finale. Questo è un tentativo di ingegnerizzare l'affidabilità per l'adozione aziendale di massa.

5. Il ponte tra prototipo e produzione

L'ultimo paper affronta il divario pratico tra la teoria e l'applicazione reale. Se progettare un prototipo è relativamente semplice, affidargli compiti reali è molto più complesso. Il testo definisce i "gated checkpoints", cicli di sicurezza e controlli multilivello necessari per considerare un agente pronto per l'adozione operativa. Di fatto, Google sta fornendo un manuale di best practice per l'implementazione sicura e scalabile.

La manovra di Google, sebbene "silenziosa" in termini di marketing, rappresenta un colpo concettuale per l'intera industria. Rilasciando in modo concentrato questi pilastri teorici e operativi, Google sta fissando i paletti per la prossima fase di sviluppo AI.

L'era degli agenti autonomi, con vera memoria e capacità di apprendimento, è ufficialmente iniziata, e la sfida per le aziende di tutto il mondo sarà ora quella di integrare e controllare questi sistemi complessi seguendo le (probabilmente inevitabili) linee guida tracciate da Mountain View.

Nel tempo, Zurigo è diventato un punto di riferimento globale: attorno ai fondatori Rodney Douglas, Kevan Martin e Misha Mahowald si sono formati gruppi che hanno attratto ricercatori come Joerg Kramer, Tobi Delbruck, Shih-Chii Liu e l’italiano Giacomo Indiveri, oggi professore all'Università di Zurigo e ETH.

Proprio da Zurigo, riparte una discussione cruciale: che cosa intendiamo davvero per “neuromorfico”?

Lo spunto è l’articolo di Indiveri pubblicato su Neuron, dal titolo “Neuromorphic is dead. Long live neuromorphic”
Nel commento pubblicato dall’ETH, Giacomo Indiveri spiega che il lavoro è dedicato alle origini e al significato del termine neuromorphic e che, nel tempo, il concetto è stato spesso usato in modo impreciso per indicare qualsiasi cosa “vicina all’AI”. Il suo paper, sottolinea, «is a call to go back to the original understanding of the term»

L’idea di fondo è chiara: recuperare il significato originario del neuromorfico, nato per capire l’intelligenza naturale costruendo circuiti fisici che riproducono, in modo credibile, il funzionamento del sistema nervoso, e non solo per avere chip più veloci.

Dal neuromorfico “biologico” all’etichetta di moda

Storicamente, il termine neuromorphic indicava circuiti elettronici analogici progettati per emulare direttamente l’organizzazione e le dinamiche dei neuroni e delle sinapsi biologiche.

Con il boom dell’intelligenza artificiale, però, l’etichetta si è allargata fino a includere tutto ciò che è vagamente “ispirato al cervello”: da semplici ottimizzazioni hardware per reti neurali profonde fino ad architetture massicciamente digitali, molto lontane dalla fisiologia del cervello.

È questo slittamento semantico che l’articolo di Indiveri critica: quando la parola neuromorphic diventa un ombrello per qualsiasi acceleratore di AI, il rischio è perdere di vista l’obiettivo originale di capire i principi computazionali che rendono il cervello così efficiente, adattivo e frugale in termini di dati. 

L’emergere della NeuroAI

Negli ultimi anni è emerso un filone che prova a ricucire il rapporto tra neuroscienze e intelligenza artificiale: la NeuroAI. L’idea è semplice da enunciare e difficile da realizzare: usare in modo sistematico risultati delle neuroscienze e della neuroscienza computazionale per progettare nuovi algoritmi e nuove architetture hardware per l’AI.

La tesi, che trova eco nel lavoro di Indiveri su Neuron e in altri contributi del settore, è che molte capacità tipiche del cervello, imparare da pochi esempi, generalizzare in contesti nuovi, adattarsi ad ambienti che cambiano, dipendano da principi computazionali che oggi i grandi modelli di deep learning imitano solo in parte. 

IBM e il calcolo ispirato al cervello: NorthPole, Spyre, Hermes

Tra i grandi attori industriali, IBM è uno dei più attivi nel campo del calcolo ispirato al cervello. Nei suoi laboratori di Zurigo opera, tra gli altri, Abu Sebastian, Distinguished Research Scientist e responsabile del gruppo AI Compute Frontiers.

Negli ultimi anni IBM ha presentato una serie di piattaforme che si collocano, con varie sfumature, nell’area del brain-inspired computing:

• NorthPole: un chip per neural inference che integra in modo stretto calcolo e memoria, riducendo il collo di bottiglia tra i due e ottenendo forti guadagni in efficienza energetica. I risultati pubblicati dal team di Dharmendra Modha mostrano prestazioni di punta su modelli come ResNet-50, YOLOv4 e BERT rispetto ad altre architetture specializzate.

• Spyre Accelerator: un acceleratore AI di nuova generazione, basato su 5 nm, con 32 core ottimizzati per l’intelligenza artificiale e fino a 300 TOPS di performance, destinato all’uso in sistemi IBM z e LinuxONE
  

• Hermes: un’architettura ibrida analogico-digitale basata su in-memory computing, in cui la stessa struttura fisica memorizza i pesi sinaptici e parte del calcolo, raggiungendo efficienze energetiche di ordini di grandezza superiori ai tradizionali acceleratori digitali in alcuni compiti di visione. 

Nessuno di questi progetti replica fedelmente l’idea originale di Mead e Mahowald — circuiti analogici che “mimano” neuroni reali — ma tutti mostrano come i concetti di integrazione calcolo/memoria e ispirazione biologica stiano plasmando la nuova generazione di chip per l’AI.

Perché serve tornare alla neuroscienza di base

Il messaggio che arriva da Zurigo è duplice. Sul piano lessicale e concettuale: usare con precisione il termine neuromorphic, evitando che diventi un’etichetta generica per qualunque acceleratore di AI. È il senso del titolo provocatorio di Indiveri, “Neuromorphic is dead. Long live neuromorphic”. Sul piano scientifico: tornare a guardare con attenzione alla neuroscienza di base, integrando seriamente neuroscienze, informatica, fisica dei dispositivi e progettazione di circuiti. Solo così, sostiene Indiveri, il neuromorfico può tornare a essere uno strumento per capire e non soltanto per calcolare. 

La neuroscienza computazionale ha già mostrato che, in diversi contesti, reti più piccole e strutturate possono eguagliare o superare modelli enormi quando sono progettate in modo più vicino ai principi del cervello. Questo spinge a riconsiderare la strategia puramente “scalare” dell’AI contemporanea, basata quasi solo sull’aumento di parametri, dati ed energia di calcolo. 

Verso un “rinascimento neuromorfico”?

L’obiettivo implicito di questo dibattito è un “rinascimento neuromorfico”: una nuova fase in cui il calcolo ispirato al cervello torni ad avere una forte radice scientifica, ancorata ai dati sperimentali sul sistema nervoso e alle sue proprietà emergenti.

Se questa strada porterà davvero a forme di intelligenza artificiale qualitativamente nuove è una domanda ancora aperta. Ma una cosa è chiara:
senza un dialogo stretto tra neuroscienze, ingegneria elettronica e informatica, il neuromorfico rischia di ridursi a una parola chiave nei bandi di ricerca.
Con questo dialogo, invece, può tornare a essere, per citare Indiveri, «un richiamo a recuperare il significato originario del termine», e quindi uno dei terreni più fertili per ripensare l’AI degli anni a venire.

Cosa accade quando le storie di talenti italiani passano attraverso una redazione di giornalisti generati dall'intelligenza artificiale? “Wings”, edizione speciale della rivista di Sharazad, agenzia di consulenza fondata da Stefano Schiavo, offre una prima risposta concreta: è possibile combinare strumenti diversi senza rinunciare alla qualità del racconto.

Il numero è dedicato agli Italiani di Frontiera di Roberto Bonzio, un progetto che da oltre quindici anni documenta percorsi professionali e umani fuori dagli schemi. Bonzio ha lasciato la scrivania dell’agenzia Reuters per concentrarsi su storie di cittadini italiani che hanno scelto strade non tradizionali, in contesti che spaziano dalla Silicon Valley ai laboratori di ricerca, dalle periferie urbane a realtà culturali indipendenti. Questa lunga attività di raccolta e interpretazione ha prodotto un patrimonio narrativo che valorizzare singole eccellenze e permette di osservare come creatività, competenze e capacità di adattamento costituiscano un tratto distintivo dell’esperienza italiana nel mondo.

La redazione di agenti AI di Wings utilizza un “motore delle interviste” che permette di condurre indagini su più livelli, soprattutto economici, trasformando dati e conversazioni reali in insight narrativi. La tecnologia di Tacita.ai rende possibile ricerche di mercato, white paper, analisi statistiche e indagini realizzate attraverso interviste autentiche a persone reali, ma condotte da intervistatori artificiali progettati ad hoc.  

In Wings, questa sinergia ha generato articoli che portano dentro di sé una doppia anima: la creatività umana e l’efficienza dell’intelligenza artificiale. Un ampliamento delle possibilità del racconto e una nuova forma di giornalismo ibrido che moltiplica l'esperienza umana.

A Milano una conversazione sul futuro del giornalismo

L’arrivo di giornalisti artificiali, agenti AI capaci di condurre interviste, analizzare dati e strutturare testi è un esperimento che interroga il giornalismo alla sua radice L’esperienza presentata durante l’incontro “Giornalismo artificiale” organizzato a Milano il 12 novembre da Divergens, ha reso evidente che siamo di fronte a un cambiamento di contesto.

Sul palco, il registro ironico di Germano Lanzoni ha ricordato un punto essenziale: ogni trasformazione genera paure, e la comicità può aiutare a osservarle da un’angolatura meno rigida. Ridere dell’ignoto crea spazi per discuterne. Allo stesso modo, gli interventi di esperti di organizzazioni e futuro del lavoro hanno mostrato come l’AI stia trasformando le professioni tecniche, e le relazioni umane.

Una mappatura in evoluzione: dai primi studi alle applicazioni contemporanee dell’AI nel giornalismo

La discussione si inserisce nel solco aperto dal professor Charlie Beckett della London School of Economics, che con il progetto JournalismAI ha posto le basi per un dibattito globale sulle trasformazioni introdotte dall’intelligenza artificiale nelle redazioni. Beckett ha avviato una delle prime esplorazioni sistematiche sul rapporto tra intelligenza artificiale e pratiche giornalistiche, nel rapporto del 2019 aveva coinvolto 71 organizzazioni in 32 Paesi e poneva l’accento sulle prime aree in cui l’intelligenza artificiale stava penetrando nei processi giornalistici: raccolta dei dati, automazione di flussi di lavoro, archiviazione e personalizzazione. Successivamente, una nuova indagine del 2023 ha ampliato il campione a 105 redazioni operanti in 46 Paesi, segnando un passaggio quantitativo e qualitativo: l’adozione delle tecnologie di generative AI ha raggiunto circa l’85% dei casi, ma allo stesso tempo mette in rilievo la necessità di sviluppare nuove competenze, ridefinire ruoli e gestire criticamente i rischi legati a bias, etica e diversità linguistica. 

Cosa può fare e cosa non può fare un giornalista artificiale

Quando si parla di giornalisti artificiali, la tentazione è immaginare una sostituzione totale del lavoro umano. In realtà, ciò che l’intelligenza artificiale rende possibile è soprattutto un diverso equilibrio tra le fasi della produzione editoriale. Gli agenti AI sono particolarmente efficaci nel gestire compiti che richiedono rigore, costanza e velocità: possono analizzare grandi quantità di dati, organizzare materiali eterogenei, riconoscere ricorrenze e anomalie, formulare serie di domande con coerenza e mantenere una struttura stabile nelle interviste. In questi ambiti la loro presenza può aumentare l’efficienza, ridurre gli errori meccanici e permettere alle redazioni di affrontare indagini complesse con una maggiore rapidità.

Questa capacità operativa, tuttavia, non coincide con ciò che chiamiamo comprensione. Un algoritmo non interpreta ciò che raccoglie, non attribuisce significati profondi a una risposta né coglie le sfumature emotive che emergono in un dialogo autentico. Può registrare un’esitazione, ma non comprenderne la ragione; può proporre una sintesi, ma non decidere se sia la sintesi più giusta o rispettosa per chi è coinvolto. La responsabilità narrativa, così come quella etica, rimane una competenza umana, perché richiede sensibilità, esperienza e un’attenzione al contesto che nessun modello statistico può replicare.

Ciò che l’AI non può sostituire è anche la relazione. Molte storie nascono da un clima di fiducia, da un ascolto che si costruisce lentamente, da uno scambio in cui l’intervistato sente di potersi affidare all’intervistatore. Un agente artificiale può facilitare la raccolta delle informazioni, ma non instaurare questo tipo di legame. Allo stesso modo non può sviluppare un punto di vista originale: rielabora ciò che ha già visto altrove e lo restituisce in forme più o meno raffinate, ma non apre sentieri nuovi.

Per questo parlare di “giornalisti artificiali” significa ragionare su una collaborazione tra l’AI che aiuta a preparare il terreno e l’essere umano che ne costruisce il significatoÈ nell’incontro tra queste due dimensioni che possono nascere nuove forme di indagine e nuovi modi di raccontare, senza rinunciare a ciò che rende il giornalismo un’attività profondamente umana.

Le implicazioni deontologiche del giornalismo algoritmico

L’ingresso dell’intelligenza artificiale nelle redazioni modifica il modo in cui le notizie prendono forma e impone una riflessione attenta sugli equilibri che regolano il lavoro giornalistico. La prima responsabilità riguarda la trasparenza: quando un contenuto è stato generato o supportato da agenti artificiali, è essenziale comunicarlo al lettore. Non per sollevare preoccupazioni, ma per rispettare il principio di chiarezza che da sempre accompagna il giornalismo di qualità.

C’è poi la questione, più profonda, della responsabilità editoriale. Un algoritmo non può rispondere delle scelte che compie, né delle conseguenze che queste possono avere sulle persone e sui contesti. Per questo ogni fase del lavoro, dalla selezione delle informazioni alla loro interpretazione, continua a richiedere una supervisione umana attenta, capace di verificare la correttezza dei fatti, di contestualizzare i dati e di valutare quali implicazioni possa generare un’informazione resa pubblica.

L’uso di sistemi algoritmici porta con sé anche il tema dei bias. I modelli di AI apprendono da grandi masse di dati e, insieme ai contenuti, possono assorbire schemi culturali, preferenze e distorsioni presenti nei materiali utilizzati per addestrarli. Le domande poste da un agente virtuale, le storie che seleziona, le priorità che attribuisce ai temi non sono mai completamente neutrali. Per questo è necessario mantenere uno sguardo critico sul modo in cui l’AI orienta il processo narrativo, intervenendo quando è necessario per riequilibrare la prospettiva.

Un’altra attenzione riguarda il rapporto con le persone intervistate. L’interlocutore ha diritto di sapere se sta parlando con un essere umano o con un agente costruito digitalmente, e in che modo verranno utilizzate le informazioni condivise. È un punto che tocca non solo la privacy, ma anche la fiducia, elemento centrale in qualunque forma di narrazione basata sull’ascolto.

Infine, c’è un rischio più sottile: l’omologazione. L’AI tende a riprodurre forme note, strutture consolidate, linguaggi prevalenti. Se non accompagnata da una forte presenza umana, la produzione dei contenuti potrebbe progressivamente appiattirsi verso stili riconoscibili e prevedibili, riducendo quella varietà di sguardi che costituisce una delle ricchezze del giornalismo.

Questi aspetti rappresentano coordinate fondamentali per integrare l’intelligenza artificiale nei principi etici della professione e reinterpretarli alla luce di strumenti nuovi. 

Quando Google parla di un “moonshot project”, la parola non è scelta a caso. Con Project Suncatcher, presentato ufficialmente il 4 novembre 2025 sul blog di Google Research, il colosso di Mountain View immagina un futuro in cui i data center non saranno più ancorati alla Terra ma orbitanti nello spazio, alimentati dal Sole e interconnessi da fasci ottici ad altissima velocità.
Un’idea che sembra fantascienza, ma che arriva nel momento in cui l’intelligenza artificiale, soprattutto quella generativa, consuma quantità di energia sempre più insostenibili.

Secondo il documento tecnico ufficiale, le costellazioni di micro-satelliti opereranno su orbite “dawn-dusk”, ottenendo fino a otto volte la produttività energetica rispetto a un impianto solare terrestre.

I primi prototipi, sviluppati in collaborazione con Planet Labs, saranno lanciati nel 2027. Ogni satellite ospiterà chip “Trillium TPU” resistenti alle radiazioni, in grado di comunicare tra loro tramite collegamenti ottici fino a decine di terabit al secondo.

L’urgenza energetica dell’IA

Dietro la narrazione visionaria c’è una realtà ineludibile: l’IA consuma troppa energia.Secondo i dati più recenti della International Energy Agency (IEA), i data center potrebbero arrivare a consumare entro la fine del decennio fino al 3% della domanda elettrica globale, circa il doppio rispetto al 2022, un livello paragonabile all’attuale consumo complessivo della Germania.
Ecco allora che lo spazio diventa l’ultima frontiera per un’energia “pura”, costante, e (in teoria) illimitata.

Chi controllerà i dati oltre l’atmosfera?

L’idea di spostare l’infrastruttura digitale in orbita apre interrogativi nuovi.
Chi possiede, regola e tutela questi data center spaziali? L’Outer Space Treaty del 1967 stabilisce che lo spazio “appartiene all’umanità intera”, ma non contempla l’uso commerciale massiccio di infrastrutture di calcolo. Le agenzie come l’ESA e la NASA osservano con interesse ma anche cautela: l’accumulo di satelliti aumenta il rischio di detriti e interferenze astronomiche, già denunciato da diversi studi pubblicati su Nature Astronomy.

Sostenibilità o nuovo inquinamento orbitale?

Google promette un impatto ambientale inferiore: niente acqua per il raffreddamento, energia rinnovabile continua.

L’Agenzia Spaziale Europea, attraverso la sua Clean Space Initiative, ha avviato studi sull’impatto ambientale dei lanci, evidenziando che i razzi rilasciano gas serra e particelle metalliche in grado di alterare gli strati alti dell’atmosfera. Pur senza fornire cifre ufficiali sulle emissioni, l’ESA riconosce che la sostenibilità dello spazio passa anche dalla riduzione dell’impronta climatica delle missioni orbitali.

Senza piani di rientro controllato, il rischio è che i satelliti esausti si sommino ai detriti spaziali, la sostenibilità, insomma, non si misura solo in watt ma in termini di responsabilità.

Un’occasione anche per l’Europa

Se Suncatcher riuscisse, potremmo trovarci davanti a un nuovo paradigma energetico e industriale. L’Europa, con la strategia EU Space Law in fase di redazione e il programma Horizon Europe dedicato alle tecnologie pulite, ha l’opportunità di non restare spettatrice.
Investire in IA sostenibile e infrastrutture orbitanti europee significherebbe non solo ridurre la dipendenza tecnologica da Stati Uniti e Cina, ma anche valorizzare competenze di eccellenza presenti in Italia — basti pensare al polo spaziale di Torino o ai progetti del Centro Italiano di Ricerche Aerospaziali (CIRA) di Capua.

Spazio: il prossimo data center

Il sogno di Google è quello di “scalare l’IA oltre i limiti terrestri”.
Ma ogni volta che una tecnologia supera i confini fisici, occorre ridefinire anche i limiti etici, politici e ambientali.

Project Suncatcher rappresenta una visione audace: portare l’IA nello spazio per affrancarsi dai limiti terrestri di energia, spazio, raffreddamento. È un ambito di ricerca con enormi potenzialità, ma che è ancora distante da realizzazioni su larga scala. Le sfide tecniche, economiche, ambientali e regolamentari sono considerevoli.
La sua realizzazione potrebbe segnare un cambiamento radicale nell’infrastruttura del calcolo, e quindi nell’IA, nell’arco delle prossime due o tre decadi.

Sebbene l’idea sia quella di avere un assistente robotico in casa, al momento NEO non è ancora completamente autonomo: molte delle sue operazioni vengono effettuate tramite tele-operazione da parte di esseri umani.

Cosa offre NEO

A guardarlo, NEO sembra un essere umano in miniatura: alto circa un metro e sessantotto, con un peso di poco superiore ai trenta chili, si muove con una naturalezza sorprendente. Questo grazie a una struttura interna basata su “tendini sintetici”, che imitano i movimenti dei muscoli umani, e a un guscio esterno in materiale polimerico morbido pensato per garantire sicurezza anche in ambienti domestici.

Nonostante l’aspetto rassicurante, è tutt’altro che fragile. NEO può sollevare fino a 68 chili e trasportarne circa 25, caratteristiche che lo rendono potenzialmente utile per compiti fisici o di supporto in casa. La sua batteria da 842 Wh gli assicura un’autonomia di circa quattro ore, con ricarica rapida.

In movimento, è quasi silenzioso: l’azienda dichiara un livello di rumore inferiore ai 22 decibel, paragonabile a poco più di un sussurro. Sul fronte tecnologico, non manca nulla: Wi-Fi, Bluetooth, 5G e una rete di sensori visivi e acustici gli consentono di percepire e adattarsi all’ambiente circostante.

Per chi fosse tentato di portarselo a casa, NEO viene proposto in due modalità d’acquisto: con pagamento diretto (“Early Access”) o tramite abbonamento mensile. Le prime consegne sono previste negli Stati Uniti nel 2026, mentre l’arrivo in Europa è stimato dal 2027.

Tele-operazione e limiti dell’autonomia

La parte più rilevante, e insieme più cauta, riguarda il livello di autonomia attuale di NEO. Nonostante l’azienda lo presenti come “assistente domestico”, in realtà il robot è in una fase in cui molti compiti sono guidati da operatori umani remoti (remote tele-operators) che, tramite visori VR e controller, pilotano il robot nelle case degli early adopters.
Secondo il CEO Bernt Børnich, questa modalità costituisce una vera e propria strategia di addestramento (“human-in-the-loop”), in cui il robot «impara» mentre lavora in ambienti reali.

Chi decide di acquistare NEO deve sapere che, per quanto affascinante, il robot non è ancora in grado di cavarsela del tutto da solo. Dietro ogni suo movimento, dietro la precisione con cui afferra un oggetto o percorre una stanza, c’è spesso una mano umana invisibile che lo guida a distanza.

Un operatore remoto, autorizzato e identificato, può infatti collegarsi, sempre con il consenso dell’utente, e prendere temporaneamente il controllo del robot, osservando attraverso le sue telecamere per aiutarlo a completare un compito o correggere un errore. È una forma di telepresenza controllata, una sorta di “tutoraggio” digitale che serve anche ad addestrare NEO e a renderlo, con il tempo, sempre più autonomo.

Naturalmente, la privacy resta una questione centrale. L’utente può definire aree vietate, stanze o zone della casa in cui il robot, e quindi l’operatore, non può entrare né guardare. Il controllo ultimo rimane sempre in mano a chi vive con NEO, che può disattivarlo o limitarne l’accesso in qualsiasi momento.

Quanto alla piena indipendenza, non è ancora arrivata. L’azienda parla apertamente di una fase di “robotic slop”: un periodo in cui il robot non sarà perfetto, ma imparerà dagli errori, migliorando gradualmente grazie all’interazione con gli esseri umani. È un percorso di crescita, più che un prodotto finito, un po’ come avere in casa un apprendista che, per diventare davvero autonomo, deve ancora fare esperienza.

Confronto: cosa c’è sul mercato

Il debutto di NEO apre un nuovo capitolo nella robotica umanoide, ma non è certo l’unico protagonista in scena. Al momento, diversi progetti simili si muovono su fronti differenti, ricerca, industria o sperimentazione, e nessuno, finora, si era spinto fino al mercato domestico.

In Cina, per esempio, Unitree Robotics propone i modelli G1 e R1, pensati soprattutto per ricerca e formazione. Il primo ha un prezzo indicativo di circa 16.000 dollari, mentre il R1, nella versione base, parte da circa 5.600 dollari. Sono piattaforme di sviluppo, più vicine a un kit da laboratorio che a un assistente casalingo: richiedono programmazione, intervento umano costante e un buon livello di competenze tecniche per essere utilizzate.

Negli Stati Uniti, Agility Robotics sta portando avanti il progetto Digit, un robot umanoide pensato non per le case ma per la logistica industriale. Digit è già impiegato in magazzini pilota e ambienti di produzione, ma non è ancora disponibile per il pubblico. Si tratta di una macchina professionale, con un prezzo e un livello di complessità decisamente “enterprise”.

Sul fronte più mediatico troviamo Tesla Optimus e Figure AI due progetti che hanno catturato l’immaginario collettivo ma che, al momento, non sono in vendita. Entrambi restano in fase di sviluppo: i prototipi esistono, le roadmap circolano, ma non ci sono ancora date certe né per la produzione di massa né per un eventuale uso domestico.

NEO di 1X Technologies rappresenta dunque oggi l’unica offerta “consumer-ready”, o almeno, la più vicina a esserlo, nel panorama degli umanoidi. È il primo robot pensato per entrare davvero nelle abitazioni, anche se con un’autonomia ancora assistita da operatori umani. Gli altri, per ora, restano confinati tra laboratori, università e linee di produzione industriale.

Implicazioni e riflessioni

La mossa di 1X Technologies rappresenta un passo significativo nel settore della robotica domestica: un robot antropomorfo venduto a consumatori privati, con specifiche hardware avanzate e progettato per integrarsi in ambienti familiari. Il prezzo di 20 mila dollari lo colloca a metà tra un elettrodomestico premium e un veicolo, segnale che la robotica sta entrando nell’ambito consumer.
La modalità “tele-operata + apprendimento continuo” potrebbe consentire di colmare il gap fra robotica di laboratorio e robotica domestica reale in ambienti complessi e pieni di eccezioni.

Per quanto affascinante, l’idea di un robot domestico “umanoide” porta con sé una serie di considerazioni che non possono essere ignorate. La prima riguarda la privacy e la sicurezza. Sapere che un operatore umano può, anche se solo su consenso, connettersi al robot e vedere attraverso le sue telecamere, solleva inevitabilmente domande sulla sorveglianza domestica e sulla tutela dei dati personali. 1X assicura che esistano filtri e limiti con aree della casa impostabili come “vietate”, accessi solo su autorizzazione, e immagini oscurate in certe situazioni, ma alla fine sarà l’utente a decidere quanto fidarsi di una presenza connessa che abita la propria casa.

C’è poi il tema dell’autonomia reale. Al momento NEO non è ancora completamente indipendente: molti dei compiti che promette di svolgere, dal riordinare una stanza al caricare una lavastoviglie, sono ancora affiancati da supporto umano remoto. È una fase di transizione, una sorta di “beta domestica”, in cui il robot impara, si adatta e migliora. Chi sceglie di acquistarlo deve quindi essere consapevole di partecipare a un percorso di crescita, più che a un prodotto finito.

Anche il costo non è trascurabile. Con 20.000 dollari di prezzo d’ingresso, o un abbonamento mensile non certo popolare, NEO resta un bene per early adopter e appassionati di tecnologia. Inoltre, per ora le consegne sono previste solo negli Stati Uniti: l’Europa dovrà aspettare e mettere in conto dogana, assistenza, lingua, compatibilità elettrica e normative diverse.

Come accade per tutte le nuove tecnologie, il successo di NEO dipenderà dal tempo e dalla scala. Solo quando centinaia o migliaia di unità saranno in funzione, si potranno misurare i reali progressi dell’intelligenza artificiale e l’affidabilità della piattaforma. Ma la cautela resta d’obbligo: la robotica domestica è un campo giovane, e il rischio di promettere troppo, troppo presto è sempre dietro l’angolo.

La domanda, dunque, non è se NEO funzionerà. È come noi decideremo di convivere con ciò che rappresenta. Perché l’arrivo di questi robot domestici segnerà un’evoluzione della tecnologia, ed anche una trasformazione del quotidiano.

E quando, tra qualche anno, ripenseremo a questo momento, forse diremo:
“È cominciato tutto qui.”

L’alleanza rappresenta un cambio di rotta significativo.

Fino a oggi, OpenAI aveva un rapporto privilegiato con Microsoft Azure, che ospita la maggior parte dei suoi modelli e servizi commerciali.
Aprire una seconda partnership di questa portata con Amazon significa rompere un equilibrio e aprire a una fase nuova: quella della diversificazione strategica del calcolo, in cui la capacità di gestire infrastrutture multiple diventa un vantaggio competitivo.
AWS, da parte sua, riconquista un ruolo centrale dopo anni in cui sembrava restare in secondo piano rispetto ai colossi dell’AI come Microsoft e Google Cloud.
Come ha spiegato il vicepresidente di AWS in una nota ufficiale, l’obiettivo è “fornire a OpenAI la flessibilità e la scala necessarie per sostenere l’intelligenza artificiale di prossima generazione”.

Ma dietro le cifre da capogiro c’è una riflessione più profonda: l’intelligenza artificiale è diventata infrastruttura.

Non si tratta più di creare algoritmi innovativi, ma di possedere la potenza computazionale per farli vivere.
L’AI moderna non nasce in un laboratorio, ma nei data center, spazi sterminati dove energia, raffreddamento e architetture di calcolo definiscono i limiti stessi della conoscenza digitale.
Con questo accordo, OpenAI mette nero su bianco la necessità di assicurarsi un “posto fisso” in quella infrastruttura globale che, in un certo senso, è il nuovo petrolio del secolo.

Eppure, questa corsa al calcolo ha anche un lato oscuro.
Concentrare la potenza di elaborazione in poche mani, Microsoft, Amazon, Google, Nvidia, significa accentrare controllo, influenza e capacità di dettare le regole del gioco.
Ogni passo avanti nell’efficienza rischia di essere anche un passo indietro nella pluralità del mercato.
L’Europa, e l’Italia in particolare, guardano a queste dinamiche con crescente preoccupazione: il divario infrastrutturale potrebbe tradursi in dipendenza tecnologica, rendendo difficile costruire modelli propri o competere a parità di risorse.

In termini pratici, l’accordo apre però nuove possibilità per lo sviluppo dell’intelligenza artificiale generativa.
Secondo TechRadar, la collaborazione consentirà a OpenAI di accelerare l’addestramento di modelli di “frontier AI”, ottimizzando consumi e tempi di elaborazione e spingendo verso la prossima generazione di GPT.
È un passo che consolida la trasformazione dell’AI da innovazione sperimentale a infrastruttura industriale.
La partita non si gioca più solo sull’intelligenza dei modelli, ma sulla forza delle macchine che li sorreggono.

In fondo, questo accordo segna un cambio di paradigma: l’AI è diventata un’economia fisica fatta di energia, chip, fibre ottiche e miliardi di dollari.
E come ogni infrastruttura globale, porta con sé una domanda urgente: chi controllerà il cervello digitale del mondo?

Profilo e contesto: il primo passo verso risposte su misura

OpenAI consente di fornire all’assistente informazioni personali e professionali – ruolo, strumenti, interessi, progetti, attraverso la sezione Impostazioni → Personalizzazione → Abilita personalizzazione.

Non è un dettaglio marginale: se ChatGPT sa che un utente è, per esempio, un “innovation manager nel settore fintech”, le risposte diventano più precise, aderenti al linguaggio del settore e alle esigenze reali.
Lo confermano anche analisi indipendenti come quella di Descript (“Mastering ChatGPT’s Custom Instructions”, 2024), secondo cui la personalizzazione riduce del 40% la necessità di riformulare i prompt.

Tono, stile e chiarezza: il potere delle istruzioni

Il campo “Come vuoi che ChatGPT risponda?” permette di definire tono, formato e approccio.
Preferite risposte sintetiche, elenchi puntati o uno stile conversazionale con domande di conferma? Basta indicarlo.
In ambienti aziendali, specificare che l’IA deve “chiedere chiarimenti prima di proporre soluzioni” aumenta la precisione operativa di oltre il 20%, secondo un report interno pubblicato da OpenAI Developer Docs nel 2024.

Privacy: sicurezza prima di tutto

Per impostazione predefinita, OpenAI può utilizzare le conversazioni per addestrare modelli futuri. Chi gestisce dati riservati o progetti proprietari dovrebbe disattivare l’opzione “Migliora il modello per tutti” nella sezione Impostazioni → Controlli dati.

L’argomento è tutt’altro che teorico: nel 2024 il Garante per la privacy italiano ha inflitto a OpenAI una multa di 15 milioni di euro per violazioni legate alla trasparenza e alla raccolta dei dati degli utenti.
Un promemoria importante: l’intelligenza artificiale non è un social network, e la protezione dei dati è parte integrante della competenza digitale.

Memoria: utile, ma da gestire con cura

La funzione “Memoria” consente a ChatGPT di ricordare dettagli da conversazioni precedenti, migliorando la continuità delle risposte. Tuttavia, può accumulare informazioni obsolete o sensibili.
Meglio revisionare periodicamente o cancellare i dati tramite Impostazioni → Personalizzazione → Gestisci memorie.

Una recente ricerca pubblicata su arXiv dalla Cornelle Unviersity mostra che gli utenti percepiscono le conversazioni con ChatGPT come più sensibili di email o social media, ma solo il 22% modifica regolarmente le impostazioni di privacy e memoria.

Tema, voce e modello: l’esperienza conta

Cambiare tema o voce non è solo una questione estetica. Una UI più piacevole e una voce più adatta al proprio ritmo di lavoro migliorano la concentrazione e la durata media delle sessioni.

Attivando “Mostra modelli aggiuntivi” in Impostazioni → Generale, si può scegliere tra modelli più rapidi o più analitici, a seconda del compito.
Molti professionisti notano che la modalità Standard esegue comandi pratici in modo più affidabile della “Advanced”, smentendo l’idea che “più sofisticato sia sempre meglio”.

Chi padroneggia le impostazioni, padroneggia l’IA

Le impostazioni di ChatGPT sono strumenti di controllo, sicurezza e produttività.

Tra personalizzazione, protezione dei dati e ottimizzazione del modello, emerge un principio semplice ma cruciale: la vera potenza dell’AI, sta nella disciplina digitale di chi la guida.

L’era dell’intelligenza artificiale: come la tecnologia sta ridisegnando il nostro futuro

L’intelligenza artificiale è destinata a cambiare profondamente il modo in cui viviamo, lavoriamo e comunichiamo. È la nuova grande rivoluzione tecnologica, paragonabile all’avvento dell’elettricità o di Internet, ma con un impatto ancora più vasto. Le macchine oggi non si limitano più a seguire istruzioni: comprendono, apprendono, analizzano dati e, in alcuni casi, prendono decisioni autonome. Questo progresso rappresenta un passo decisivo verso una società sempre più connessa, intelligente e dinamica.

L’AI è già presente nella nostra quotidianità, spesso senza che ce ne rendiamo conto. Gli assistenti vocali, i sistemi di raccomandazione, i motori di ricerca e le applicazioni di traduzione sono solo alcune delle tecnologie che utilizzano algoritmi intelligenti per semplificare la vita delle persone. Nelle aziende, l’intelligenza artificiale migliora la produttività, ottimizza i processi e riduce gli errori. Nella medicina, aiuta a diagnosticare malattie in modo precoce e preciso, mentre nel settore energetico contribuisce a gestire le risorse in maniera più sostenibile.

Questa rivoluzione, però, non è solo tecnologica ma anche culturale. Ci obbliga a ripensare il concetto di lavoro, di conoscenza e perfino di creatività. Le professioni del futuro richiederanno competenze nuove, capaci di unire logica e intuizione, scienza e umanesimo. In questo scenario, l’intelligenza artificiale non è un nemico dell’uomo, ma uno strumento straordinario per ampliare le sue possibilità e migliorare la qualità della vita.

Tuttavia, come ogni grande innovazione, anche l’AI porta con sé interrogativi etici. È fondamentale assicurare trasparenza, equità e rispetto della privacy. Le macchine possono imparare, ma solo l’essere umano può decidere come e perché utilizzarle. Il vero progresso sarà quello che saprà coniugare potenza tecnologica e responsabilità morale, creando un equilibrio tra efficienza e valori.

L’intelligenza artificiale non è più una promessa, ma una realtà che avanza rapidamente. Cambierà le nostre vite in modi che oggi possiamo solo intuire, portando benefici straordinari a chi saprà abbracciarla con consapevolezza e visione. Il futuro non è più lontano: è già qui, e parla il linguaggio dell’intelligenza artificiale.

Come funziona il calcolo analogico

Nelle GPU tradizionali, ogni operazione matematica,soprattutto nei modelli di intelligenza artificiale,comporta milioni di microspostamenti di dati tra processore e memoria.
Con la RRAM, invece, i dati restano dove si trovano: la stessa cella di memoria che conserva un’informazione può anche elaborarla.
Le celle RRAM variano la propria resistenza elettrica per rappresentare numeri (pesi neurali, parametri di rete) e, quando attraversate da una tensione, producono correnti che equivalgono a una moltiplicazione.
Il risultato? Un’intera operazione di prodotto matrice-vettore, cuore dei modelli AI, avviene in un solo passo fisico, anziché in milioni di istruzioni digitali.

Numeri che fanno riflettere

Secondo i primi benchmark citati da Rivista.AI, le architetture RRAM analogiche potrebbero offrire un’efficienza fino a mille volte superiore alle GPU attuali nei test di laboratorio.
In pratica significa meno consumo energetico, meno latenza, e un’enorme riduzione dei costi di calcolo per l’addestramento dei modelli di AI.

Un vantaggio non banale in un mondo dove addestrare un singolo modello linguistico può richiedere settimane e milioni di euro in elettricità.

Gli ostacoli tecnici

Naturalmente, la realtà è più complessa.
Il calcolo analogico presenta problemi di precisione, rumore e variabilità: le celle non sono sempre perfettamente identiche, e la loro conduttanza può “derivare” nel tempo.
Tradotto: serve una raffinata ingegneria per correggere errori e garantire stabilità.
Inoltre, la produzione su larga scala è ancora in fase sperimentale. Le RRAM devono dimostrare di poter essere fabbricate con gli standard industriali delle attuali GPU e CPU, un passaggio tutt’altro che scontato.

La conferma arriva dalla ricerca

A dare peso alla promessa del calcolo analogico è arrivato uno studio appena pubblicato su Nature Electronics, firmato da un gruppo internazionale di ricercatori.
Per la prima volta, un chip basato su memorie RRAM è riuscito a risolvere complessi sistemi di equazioni matematiche con precisione paragonabile a quella delle GPU digitali.
Il risultato è sorprendente: un’efficienza energetica fino a cento volte superiore e una velocità di calcolo fino a mille volte maggiore, senza sacrificare l’accuratezza.
In termini semplici, i ricercatori hanno mostrato che un dispositivo analogico può finalmente “fare i conti” con la stessa precisione del mondo digitale, ma con una potenza e una sobrietà energetica impensabili per le architetture tradizionali.
È una prova concreta che il calcolo in-memoria non è più solo un’idea da laboratorio, ma una strada praticabile verso un nuovo tipo di hardware per l’intelligenza artificiale.

Una rivoluzione strategica

Non è solo una questione tecnologica: la RRAM tocca equilibri industriali e geopolitici.
Le GPU sono oggi dominio quasi esclusivo di pochi colossi — Nvidia, AMD, Intel — mentre il calcolo analogico apre spazi a nuovi protagonisti, comprese startup e laboratori di ricerca pubblici.
Chi riuscirà a portare sul mercato chip RRAM stabili e scalabili potrebbe riscrivere le gerarchie del potere tecnologico, proprio come accadde con l’avvento delle GPU nel 2010.
Un tema cruciale anche per l’Europa e per l’Italia, che cercano sovranità e competitività nella catena dei semiconduttori.

Dal silicio alla conoscenza

L’aspetto più affascinante del calcolo analogico è che ribalta una logica che sembrava immutabile dove non è più la macchina che imita la mente, ma la materia che diventa mente. 

Se le GPU hanno permesso all’intelligenza artificiale di correre, le RRAM potrebbero insegnarle a pensare in modo più naturale, continuo, fisico, quasi “biologico”.
È ancora presto per dichiarare vinta la rivoluzione, ma una cosa è certa: il silenzio che accompagna questa tecnologia è inversamente proporzionale al suo potenziale.