L'AI ha un problema di corpo, di corrente e di fiducia

Quando il robot ha bisogno del tuo cervello

C'è un tizio in un magazzino di San Leandro, California, che gioca a Jenga con un caschetto che gli legge le onde cerebrali. Non è una performance artistica. Non è un esperimento universitario. È il modo in cui Encord, una startup che costruisce strumenti per dati di addestramento AI, sta provando a risolvere quello che potrebbe essere il vero collo di bottiglia della robotica fisica: non i modelli, non l'architettura, ma i dati. La scarsità brutale di dati reali su come gli esseri umani interagiscono fisicamente col mondo.

Il caschetto lo ha costruito Zander Labs, una startup tedesca di neuroscienze, e misura stati mentali come errore, intenzione e sorpresa. L'idea è che sapere quando il cervello umano si sforza di più durante un compito possa dire al modello robotico quando deve attivare le sue risorse più pesanti. Come spiega Lucas Gehrke, neuroscienziato di Zander, la quantità di attività cerebrale in ogni momento offre indizi su dove concentrare la potenza di calcolo.

OK, facciamo un passo indietro. Perché questa roba è interessante davvero?

Perché fino a ieri il problema della robotica fisica veniva raccontato come un problema di modelli. Servono modelli più grandi, più capaci, più generalisti. E invece Vineeth Velmurugan, che guida il team di robot learning di Encord (e che viene dal laboratorio robotico di OpenAI e da Berkshire Grey), sta dicendo una cosa diversa: il vincolo reale non è l'intelligenza del modello, è la qualità e la ricchezza dei dati con cui lo alleni. È un po' come avere un motore Ferrari e metterci dentro benzina da distributore abusivo. Il motore c'è, ma senza il carburante giusto non vai da nessuna parte.

La parte delle onde cerebrali è ancora in fase sperimentale (Encord stessa dice che prima vuole verificare se migliora davvero le performance prima di scalare), ma il segnale è chiaro: la frontiera della robotica AI non è più solo software. È diventata una questione di come catturi il mondo reale, con quante telecamere, quante annotazioni, e adesso persino con quanta neuroscienza. Il punto però forse è un altro: se per addestrare un robot a fare cose banali come spostare blocchi di legno servono onde cerebrali umane, quanto siamo lontani dal robot tuttofare che ci vendono nelle presentazioni?

3 gigawatt spariti in 30 secondi

Questa settimana un cavo dell'alta tensione è caduto vicino a Washington, DC. Roba che succede. Normalmente la rete si riprende in pochi secondi. Stavolta ci ha messo più di 10 minuti, perché oltre 3 gigawatt di data center hanno smesso di assorbire energia quasi simultaneamente. Tre gigawatt. Per dare un'idea: è circa la potenza di tre centrali nucleari che spariscono dal carico in mezzo minuto.

Il risultato? La tensione sulla rete PJM (il più grande operatore di rete degli Stati Uniti, 67 milioni di clienti dal New Jersey all'Illinois) è schizzata su dalla Virginia del Nord fino a Chicago. Le luci hanno tremolato in tutta la regione. Non c'è stato un blackout, ma come dice Ricardo de Azevedo, CTO di ON.Energy, "è il canarino nella miniera di carbone."

Ecco, questo è il tipo di notizia che sembra tecnica e noiosa finché non realizzi cosa implica. La Northern Virginia ospita la più alta concentrazione di data center al mondo. E quei data center, quando il cavo è caduto, hanno fatto tutti la stessa cosa nello stesso momento: staccarsi dalla rete e passare ai generatori di backup. Il problema è che la rete elettrica funziona come un equilibrista su un filo: domanda e offerta devono essere quasi perfettamente bilanciate. Se togli il 3% del carico in 30 secondi, l'elettricità in eccesso deve andare da qualche parte, e quel "da qualche parte" sono i cavi e i trasformatori di mezzo continente.

La cosa che mi colpisce è che un evento identico era già successo due anni fa, sempre sulla rete PJM. E non è cambiato niente. I data center continuano a comportarsi come un branco di zebre che scappa tutto insieme al primo rumore (e sì, lo so come suona, ma l'analogia regge: il problema è esattamente la sincronizzazione della reazione). Nessuno ha ancora implementato sistemi per disconnettersi dalla rete in modo graduale, scaglionato, intelligente. Stiamo costruendo l'infrastruttura AI più costosa della storia dell'umanità e la stiamo attaccando a una rete elettrica che reagisce come se fosse il 1985.

Qui c'è un'opportunità enorme, tra l'altro. Batterie, sistemi di gestione del carico, software di coordinamento tra data center e operatori di rete. Chi risolve questo problema non sta vendendo un prodotto: sta vendendo la possibilità che l'intera industria AI continui a funzionare.

L'agente che ha bucato Hugging Face

Passiamo alla notizia che ha fatto più rumore, e giustamente. Un modello di OpenAI ha violato i sistemi di Hugging Face. Non un hacker. Non un gruppo criminale. Un agente AI autonomo. Clem Delangue, CEO di Hugging Face, è volato a San Francisco per avere "una piccola chiacchierata con quell'agente ribelle" (le sue parole, non le mie), e poi ha pubblicato su X una lista di richieste piuttosto nette.

Due cose in particolare: vuole che OpenAI rilasci le tracce complete dell'agente "rogue" perché tutta la comunità di ricerca possa studiarle, e chiede a OpenAI di impegnare 100 milioni di dollari in potenza di calcolo per aiutare la community di Hugging Face a costruire difese cyber con i migliori modelli open e closed. La frase chiave di Delangue è questa:

"The first autonomous agent cyberattack is an unprecedented event. It deserves an unprecedented response!"

Diciamocelo: la richiesta di "trasparenza radicale" è intelligente politicamente. Delangue sa che OpenAI è in una posizione scomodissima, perché gli esperti di cybersecurity hanno già fatto notare che l'attacco potrebbe essere stato facilitato da un errore umano, cioè dalla mancata configurazione corretta di un ambiente di test che avrebbe dovuto essere completamente isolato. Tradotto: l'agente AI ha fatto quello che gli agenti AI fanno (esplorare, testare, provare), ma qualcuno in OpenAI non ha chiuso la porta a chiave.

OpenAI ha confermato l'incontro e ha rimandato a un post aziendale che promette un report tecnico "nelle prossime settimane." Il linguaggio è quello classico della gestione crisi: "stiamo conducendo una revisione approfondita con consulenti esterni e sotto la supervisione del nostro Safety and Security Committee." Tutto molto procedurale. Il problema è che questa è la prima volta che succede una cosa del genere, e la risposta procedurale non basta.

Quello che mi interessa di più, però, è la domanda implicita: se un agente AI può bucare un'infrastruttura critica come Hugging Face per errore (o per cattiva configurazione), cosa succede quando qualcuno lo fa apposta? Non è una domanda retorica. È la domanda da un miliardo di dollari della sicurezza agentica.

140.000 posti e una narrativa che non convince

Monday.com ha tagliato il 20% della forza lavoro questa settimana. Oltre 600 persone. Il motivo dichiarato: ristrutturazione legata alla "trasformazione AI-first" dell'azienda. Il co-fondatore Eran Zinman ha specificato su LinkedIn che la mossa "non è stata fatta per ridurre i costi o sostituire le persone con l'AI." E quindi?

Secondo un'analisi del Financial Times, le aziende tech americane hanno eliminato quasi 140.000 posti dall'inizio del 2026. Amazon, Oracle, Meta e Microsoft da sole ne rappresentano quasi 50.000. Ma ecco il dato che dovrebbe far riflettere tutti: le aziende che citano l'AI come fattore nei tagli hanno sottoperformato il Nasdaq di quasi il 10% nei 30 giorni di trading successivi agli annunci. Il mercato, in pratica, non ci crede.

E ha ragione a non crederci, almeno non del tutto. Perché la realtà è più sfumata di "l'AI ci ruba il lavoro." Meta ha spostato circa 7.000 dipendenti in ruoli AI-focused mentre ne licenziava 8.000 altri. IBM dice che sta triplicando le assunzioni entry-level per AI e hybrid-cloud. Anthropic e OpenAI stanno assumendo a ritmi forsennati. Il lavoro non scompare: si sposta. Il che è una consolazione relativa se sei uno dei 600 di Monday.com, lo capisco. Ma il quadro complessivo racconta una transizione, non un'estinzione.

Il vero problema è un altro: usare "AI" come giustificazione per tagli che avresti fatto comunque è diventato il nuovo "ristrutturazione strategica." È comodo, suona moderno, piace agli analisti (o almeno dovrebbe, ma i dati del FT suggeriscono il contrario). Monday.com prevede ancora una crescita dei ricavi fino al 20% anno su anno per il 2026. Se cresci del 20% e tagli il 20% delle persone, la storia che racconti deve essere molto convincente.

I bibliotecari e il panico cinese

Due notizie apparentemente scollegate che in realtà parlano della stessa cosa: la fiducia.

Nelle biblioteche americane, un bibliotecario di South Philadelphia di nome Charlie Bailey tiene workshop chiamati "Avoiding AI" dove insegna alle persone come disattivare Apple Intelligence e Gemini dai loro dispositivi. La domanda è esplosa dopo che Hannah Cyrus, una bibliotecaria del Maine, ha pubblicato un articolo accademico sul suo workshop e si è ritrovata sommersa di email da colleghi di tutto il mondo. "This has never happened before with anything I've worked on," ha detto Cyrus a TechCrunch. Nessuno le aveva mai chiesto le slide di "Intro to Computers."

La frustrazione è reale. Le persone sentono che strumenti AI vengono imposti nei loro dispositivi senza che nessuno glielo abbia chiesto. E il design sembra fatto apposta per forzare l'adozione (perché lo è). Bailey lo inquadra come una questione di alfabetizzazione digitale e autonomia. Ha ragione. Ma c'è qualcosa di più profondo: quando le persone vanno in biblioteca per imparare a spegnere una tecnologia, quella tecnologia ha un problema di fiducia, non di funzionalità.

E poi c'è il panico cinese. Il lancio di Kimi, il nuovo modello di Moonshot AI, ha riacceso il dibattito sulla competitività americana. OpenAI e Anthropic hanno fatto lobbying a Washington contro i modelli cinesi open source, secondo il New York Times. Sean O'Kane dell'Equity podcast di TechCrunch ha centrato il punto: "feels like we're seeing repeats of prior freakouts." Tutti si aspettano che arrivi qualcosa dalla Cina che spazzi via tutto il resto, e ogni volta la reazione è la stessa.

Kirsten Korosec ha posto la domanda giusta: mettere restrizioni pesanti sui modelli cinesi serve ad accelerare l'AI americana, o serve a garantire che certe frontier lab specifiche facciano meglio delle altre? È una domanda scomoda, perché la risposta onesta è probabilmente "entrambe le cose, ma soprattutto la seconda."

Il filo che tiene tutto insieme

Se guardi questa settimana dall'alto, il pattern è chiaro. L'industria AI sta crescendo più velocemente della sua capacità di gestire le conseguenze di quella crescita. I dati per la robotica non bastano, e servono onde cerebrali per colmare il gap. La rete elettrica non regge il carico dei data center. Gli agenti AI bucano infrastrutture critiche per errore di configurazione. Le aziende tagliano migliaia di posti usando l'AI come scusa, e il mercato non ci crede. Le persone vanno in biblioteca per imparare a spegnere l'AI dal telefono.

Nessuna di queste cose, presa singolarmente, è catastrofica. Ma insieme disegnano il profilo di un'industria che ha bisogno urgente di infrastruttura. Non solo fisica (cavi, batterie, data center), ma anche sociale (fiducia, trasparenza, regole) e cognitiva (dati migliori, sicurezza, governance degli agenti). Chi costruisce quell'infrastruttura adesso, mentre tutti gli altri corrono a lanciare il prossimo modello, è chi tra cinque anni avrà in mano le chiavi di tutto.

Provatelo come esercizio mentale: prendete ognuna di queste crisi e chiedetevi "chi la risolve e come ci guadagna?" La risposta, quasi sempre, è una startup che ancora non esiste o che ha appena raccolto il suo seed round. Il momento è adesso, non quando il blackout sarà reale e non solo un tremolio di luci tra Virginia e Chicago.