I giganti della tecnologia e dell’IA: comprendere per affrontare il loro monopolio

L’intelligenza artificiale (IA) comprende un’ampia gamma di tecnologie. Ma una sola domina l’attualità e i mercati finanziari: i sistemi di IA generativa multimodale sviluppati dalle grandi aziende tecnologiche, in particolare ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google), Grok (SpaceXAI), Copilot (Microsoft) e Llama (Meta).

I leader del settore tecnologico puntano tutti su questo tipo di IA per il suo potenziale di garantire loro grandi ricchezze e un considerevole potere politico. È anche il tipo di IA che minaccia maggiormente il nostro benessere, sebbene non per le ragioni generalmente indicate dai dirigenti del settore e dai media.

La nascita dell’offensiva dell’IA

L’offensiva dell’IA è iniziata con il lancio di ChatGPT da parte di OpenAI (Sam Altman) nel novembre 2022. Questo modello ha riscosso un enorme successo e, come prevedibile, altre aziende hanno rapidamente seguito l’esempio, proponendo i propri modelli concorrenti.

Tutte le dichiarazioni dei dirigenti del settore tecnologico sostenevano, in un modo o nell’altro, che questi sistemi generativi basati su grandi modelli linguistici (LLM, Large Language Model) avrebbero portato, nel giro di pochi anni, all’avvento di un’intelligenza artificiale generale o di una superintelligenza: sistemi di IA così intelligenti da essere capaci di migliorarsi continuamente, portando a una situazione di singolarità, dopo la quale questi sistemi avrebbero risolto tutti i nostri problemi oppure distrutto il mondo.

Ma la verità è che questi sistemi non sono «intelligenti» e non rappresentano un passo significativo verso una qualche forma di superintelligenza.

Al livello più elementare, questi sistemi sono enormi macchine di previsione statistica che si basano sul riconoscimento di strutture e modelli su larga scala. Queste strutture vengono generate a partire dai dati di addestramento inseriti, che devono prima essere convertiti in token numerici — il token è la più piccola unità di testo, immagine o suono che un modello linguistico LLM elabora e analizza — affinché possano essere letti dalla macchina. I token vengono poi elaborati da una rete neurale — reti di neuroni artificiali generalmente ottimizzate mediante metodi di apprendimento probabilistico — che consente ai sistemi di trattare i dati.

Quando viene posta loro una domanda o viene richiesta un’informazione, questi sistemi identificano gli elementi pertinenti nella propria base di dati ed elaborano una risposta che, dal punto di vista probabilistico, risponde nel modo migliore alla richiesta. La risposta, formulata sotto forma di token, viene quindi ritrascritta in parole, immagini o suoni, a seconda dei casi. In altre parole, per quanto possano apparire conversazionali e intelligenti, questi sistemi non «pensano» e non «ragionano».

Non solo questa architettura interna non è in grado di dare origine a un’intelligenza artificiale generale, ma presenta anche limiti che rendono problematico l’uso attuale dei sistemi multimodali — cioè sistemi capaci di elaborare o generare diversi tipi di informazione, come testo, immagini e suoni. Uno di questi limiti consiste nel fatto che tali sistemi tendono a generare risultati che amplificano i pregiudizi sociali esistenti. Ciò è dovuto al fatto che la maggior parte dei dati utilizzati per l’addestramento viene estratta dal Web, che contiene tutti i contenuti discriminatori e pieni di odio che vi vengono diffusi.

Numerosi studi hanno mostrato come l’IA utilizzata nei software per la ricerca del lavoro possa discriminare i candidati appartenenti a minoranze etniche. Oppure come i software di generazione delle immagini producano immagini che rafforzano i pregiudizi culturali. Immaginiamo il pericolo se integrassimo questi sistemi nei nostri sistemi sanitari, nelle amministrazioni pubbliche, negli istituti scolastici, ecc.

Un altro limite, probabilmente ancora più preoccupante per le aziende, consiste nel fatto che i sistemi multimodali, a causa del loro processo decisionale basato sulla probabilità, tendono regolarmente a «allucinare», ovvero a produrre quelle che vengono chiamate «risposte costruite erroneamente». Anche in questo caso gli esempi sono numerosi. Questa mancanza di affidabilità rappresenta un ostacolo enorme per le aziende, che non possono permettersi di far dipendere le proprie attività da sistemi che producono periodicamente risultati inattesi e potenzialmente dannosi — cioè costosi.

I leader del settore tecnologico hanno ampiamente ignorato questi limiti, sostenendo che sarebbero stati superati grazie a insiemi di dati più grandi, a un migliore addestramento dei modelli, ad algoritmi più sofisticati e a una maggiore potenza di calcolo. Ma i loro sforzi non hanno dato i risultati sperati. Infatti, come ha riferito il New York Times: «Le tecnologie più recenti e più potenti […] generano più errori, non meno». («A.I. Is Getting More Powerful, but Its Hallucinations Are Getting Worse», di Cade Metz e Karen Weise, 5 maggio 2025).

E l’esperienza delle aziende con questi modelli riflette tali limiti. Una valutazione condotta nel 2025 dal MIT Media Lab su centinaia di casi di adozione dell’IA ha rilevato «che il 95% delle organizzazioni che utilizzano sistemi di IA non ne ricava alcun beneficio» (Forbes, 22 agosto 2025). Una recente indagine del National Bureau of Economic Research condotta tra dirigenti di alto livello negli Stati Uniti, nel Regno Unito, in Germania e in Australia ha rilevato che «le imprese riferiscono un impatto trascurabile dell’IA negli ultimi tre anni, con oltre l’80% che dichiara che essa non ha avuto alcun impatto né sull’occupazione né sulla produttività» (NBER, «Firm Data on AI», working paper, marzo 2026).

Una crisi crescente per gli sviluppatori di IA

Nonostante le loro dichiarazioni sicure, gli sviluppatori di IA si trovano in una situazione di stallo. I due leader del settore, OpenAI e Anthropic [Dario Amodei], che insieme rappresentano «la grande maggioranza della domanda complessiva di potenza di calcolo per l’IA», non hanno ancora realizzato profitti. Il motivo è semplice: i loro modelli sono costosi da addestrare e da far funzionare, ma per incoraggiare le aziende a utilizzarli hanno offerto ai clienti servizi in abbonamento gratuiti o fortemente sovvenzionati. Di conseguenza, come ha affermato un analista del settore, i fornitori di IA stanno «dilapidando la propria liquidità».

Sam Altman, CEO di OpenAI, ha riconosciuto che persino il più costoso account «pro» dell’azienda, da 200 dollari al mese, era in perdita a causa degli elevati costi di calcolo legati al funzionamento di ChatGPT. Anthropic non fa eccezione. Secondo un analista, i suoi abbonati spendono circa 8 dollari in costi di calcolo per ogni dollaro pagato per l’abbonamento.

Non sorprende quindi che ChatGPT abbia registrato una perdita di 5 miliardi di dollari nel 2024 e di 35 miliardi di dollari nel 2025. Le previsioni indicano perdite ancora maggiori nel 2026. Anthropic sta seguendo la stessa strada. Il Financial Times del 5 ottobre scrive: «Negli ultimi mesi, gli investitori hanno richiesto un premio per il rischio più elevato per prestare denaro alle aziende tecnologiche che investono migliaia di miliardi di dollari nello sviluppo di sofisticati modelli di IA, spinti dal timore che i loro ingenti investimenti di capitale non si traducano in attività redditizie nel lungo periodo. Gran parte di questa ondata di indebitamento servirà a finanziare l’acquisto di chip all’avanguardia, il cui prezzo continua ad aumentare giorno dopo giorno».

Di fronte a perdite sempre crescenti, OpenAI e Anthropic hanno quindi iniziato a far pagare i loro grandi clienti in base all’utilizzo effettivo dei token. Ma qui sta il problema: è impossibile per chiunque conoscere, e persino prevedere ex ante, il consumo di token associato a una determinata istruzione impartita all’IA.

Infatti, i sistemi di IA esplorano spesso diverse piste di ricerca prima di generare una risposta, e ciascuna pista può comportare un consumo significativo di token. Di conseguenza, le aziende vedono le proprie spese per l’IA aumentare vertiginosamente e la loro reazione non si è fatta attendere: hanno ordinato una drastica riduzione dell’utilizzo dell’IA. Pertanto, questo cambiamento ha contribuito ben poco a risolvere il problema della redditività dell’IA.

In breve, siamo ben lontani da un mondo di superintelligenza e di dominio dell’IA.

Gli agenti IA

All’inizio di quest’anno, gli sviluppatori di IA hanno cominciato a pensare di aver trovato la risposta ai loro problemi di redditività: gli «agenti IA». Si diceva che questi agenti avrebbero rivoluzionato le attività commerciali, consentendo alle aziende di aumentare la produzione riducendo drasticamente il personale. E poiché questi agenti dipendono dai grandi modelli linguistici per funzionare, il loro utilizzo avrebbe garantito un futuro redditizio ai principali sviluppatori di IA.

Improvvisamente, i discorsi su un futuro di abbondanza per tutti hanno lasciato il posto a quelli di una «apocalisse dell’occupazione». Tuttavia, le aziende hanno rapidamente scoperto che anche l’utilità degli agenti IA era stata ampiamente sopravvalutata.

In breve, gli agenti IA assomigliano soprattutto a sistemi software complessi capaci di interagire con altri sistemi software e con database esterni e di manipolarli. È possibile affidare loro una direttiva complessa, che essi scompongono in compiti ordinati più piccoli, raccolgono le informazioni necessarie e, basandosi sul lavoro di un grande modello linguistico, prendono progressivamente le decisioni necessarie per rispondere alla direttiva, il tutto senza un intervento o una supervisione umana continua.

Anthropic e OpenAI sono state le prime a sviluppare agenti, ma altre aziende hanno rapidamente seguito il loro esempio, molte delle quali non sono attive direttamente nel settore dell’IA. Oggi sul mercato esistono numerosi prodotti basati sugli agenti, adattati al settore legale, finanziario, al commercio elettronico, ecc.

Per illustrare le numerose carenze di questi agenti, il Financial Times ha riferito, il 10 marzo 2026, che Amazon aveva subito diverse «interruzioni» causate dagli agenti all’inizio del 2026. In un caso specifico, ciò «ha messo fuori servizio il sito web e l’applicazione di Amazon, impedendo ai clienti di effettuare ordini». Un importante studio condotto da ricercatori di Microsoft, Nvidia e dell’Università della California a Riverside ha rilevato che la maggior parte degli agenti non era in grado di portare a termine i compiti assegnati. Secondo questo studio, «il tasso medio di successo era di circa il 30%» (404 Media Podcast, 2 giugno 2026).

Una delle ragioni principali di queste scarse prestazioni risiede nel fatto che, dovendo funzionare insieme ai sistemi multimodali, gli agenti vedono spesso il proprio lavoro compromesso dagli stessi limiti che colpiscono tali sistemi, in particolare dalle allucinazioni.

Ancora più preoccupante è il numero crescente di incidenti nei quali gli agenti compiono azioni che non rispettano i protocolli aziendali o, come si dice comunemente, «si ribellano». Ciò include la cancellazione di dati e la divulgazione di segreti aziendali, dopo aver deciso che quello fosse il modo più efficace per portare a termine il compito loro assegnato. Come ha infatti rivelato lo studio citato in precedenza, questi agenti hanno una «tendenza intrinseca a perseguire gli obiettivi definiti dall’utente, senza tenere conto della fattibilità, della sicurezza, dell’affidabilità o del contesto».

A ciò si aggiungono le questioni finanziarie, che costituiscono forse la più grande minaccia all’adozione generalizzata degli agenti IA. Gli sviluppatori di IA fanno ormai pagare i propri clienti professionali in base all’utilizzo dei token, e gli agenti IA sono veri e propri «divoratori di token» a causa della moltitudine di cicli complessi e di decisioni che devono compiere. Così, Uber, che utilizza Claude Code di Anthropic, ha esaurito in soli quattro mesi l’intero budget 2026 destinato agli strumenti di programmazione basati sull’IA.

In breve, non siamo alla vigilia di un’apocalisse dell’occupazione provocata dagli agenti.

Ma esistono dei pericoli

Tutto ciò non significa, tuttavia, che non ci sia nulla da temere nel lasciare che l’esperimento dell’IA prosegua senza controllo.

In primo luogo, le enormi spese destinate alle infrastrutture dell’IA — centri dati e relative apparecchiature e software — sottraggono fondi ad altri settori che ne hanno bisogno e alimentano una bolla speculativa sui mercati, sostenuta dall’entusiasmo per l’IA. Negli Stati Uniti, le spese annuali per investimenti legati all’IA delle quattro maggiori aziende tecnologiche — Alphabet (società madre di Google), Amazon (Jeff Bezos), Meta (Mark Zuckerbeg) e Microsoft (CEO dal 2024 Satya Nadella) — sono passate da 150 miliardi di dollari nel 2022 a 360 miliardi nel 2025, per raggiungere, secondo le stime, 650 miliardi quest’anno.

L’aumento delle spese è così consistente che persino questi giganti dell’hyperscale — la cui architettura informatica permette loro di adattarsi in modo molto forte e molto rapido a un enorme aumento della domanda di dati, potenza di calcolo e traffico, in riferimento al cloud computing — ritengono necessario prendere denaro in prestito per finanziarlo. Ma il problema è che questi investimenti diventeranno redditizi soltanto se OpenAI e Anthropic, che rappresentano circa l’80% del fatturato complessivo dell’IA, disporranno dei fondi necessari per pagare la potenza di calcolo che ne deriva. Ora, poiché sia OpenAI sia Anthropic sono in perdita e si stanno indebitando sempre di più, esiste il rischio concreto che non siano in grado di onorare i propri pagamenti. Se ciò accadesse, gli hyperscaler si troverebbero in una situazione di stallo e l’intera bolla dell’IA potrebbe scoppiare, trascinando con sé una recessione.

Esiste tuttavia una ragione più immediata per cui dobbiamo opporci all’offensiva dell’IA. Le aziende specializzate nell’IA stanno imponendo aggressivamente i loro sistemi a diversi settori di attività e organismi pubblici, con conseguenze disastrose per lavoratori e lavoratrici. In tutti i casi, il loro obiettivo è ridurre i costi di produzione limitando l’intervento umano, con scarsa considerazione per il benessere di coloro che utilizzano i beni e i servizi prodotti.

Ecco due esempi. Il primo riguarda la sanità, e più precisamente la salute mentale. Due aziende del settore sanitario hanno sviluppato quello che chiamano chatbot «PatientGPT». È progettato per rispondere alle chiamate di persone che cercano sostegno per la propria salute mentale. Il chatbot pone loro delle domande e poi decide di cosa hanno bisogno: un appuntamento successivo con un terapeuta oppure un intervento d’urgenza.

Questo chatbot è stato addestrato sulla base di conversazioni precedentemente registrate tra medici e pazienti. Non ci vuole molto a immaginare alcuni dei numerosi problemi che ci si possono attendere. Purtroppo, gli studi hanno dimostrato che l’IA commette spesso errori nella registrazione di queste conversazioni, cosa che può falsare il processo decisionale del sistema stesso.

Sappiamo inoltre che questi sistemi riproducono i pregiudizi sociali esistenti, e ciò potrebbe influenzare la valutazione da parte del sistema dei problemi di salute mentale dei pazienti. Le allucinazioni potrebbero inoltre portare a un’interpretazione errata o a una diagnosi sbagliata dei problemi dei pazienti, con conseguenti errori potenzialmente letali.

Per i professionisti ciò si traduce in una riduzione del numero di terapeuti e in maggiori difficoltà per coloro che rimangono, poiché devono assistere pazienti in situazione di crisi che potrebbero aver ricevuto una diagnosi errata o il cui trattamento necessario potrebbe essere stato ritardato. Alcune aziende stanno ora cercando attivamente di andare oltre, sviluppando agenti capaci di condurre una vera e propria terapia.

Vengono poi gli organismi pubblici. Negli Stati Uniti, diversi Stati utilizzano ormai agenti IA per gestire i propri programmi di assistenza sociale. Man mano che questi agenti IA sostituiscono i funzionari pubblici, molte delle persone che chiedono i servizi di cui hanno bisogno si trovano ad affrontare problemi simili a quelli riscontrati nel settore sanitario.

In altre parole, dobbiamo aspettarci errori nella registrazione delle informazioni e «allucinazioni» nella formulazione delle risposte. Non solo alcune persone vedranno ingiustamente negate le prestazioni a cui hanno diritto, ma, una volta che questi errori saranno entrati a far parte del fascicolo di una persona, correggerli sarà difficile e richiederà molto tempo.

Esistono innumerevoli altri esempi dell’uso crescente dell’IA nelle redazioni giornalistiche, nelle scuole e, naturalmente, nell’esercito. È chiaramente necessaria una resistenza a questa offensiva dell’IA. E tale resistenza dovrà basarsi su una forza sviluppata attraverso una solida organizzazione e la creazione di alleanze.

Resistenza

Negli Stati Uniti, i sindacati, in particolare nel settore sanitario, prendono molto sul serio questa offensiva dell’IA e stanno esplorando numerose modalità per contrastarla o limitarne l’uso.

Kaiser Permanente è un importante fornitore di servizi sanitari presente in diversi Stati. Nel marzo 2026, circa 2.400 professionisti della salute mentale, dipendenti sindacalizzati di Kaiser nella California settentrionale, hanno scioperato per una giornata per protestare contro «gli sforzi di Kaiser volti a sostituire l’assistenza sanitaria mentale fornita dagli esseri umani con l’intelligenza artificiale». È significativo che agli scioperanti si siano uniti 23.000 infermieri diplomati che condividevano le loro preoccupazioni riguardo al crescente utilizzo dell’IA da parte di Kaiser.

In Oregon, l’Oregon Health & Science University (OHSU), l’unico centro sanitario universitario pubblico dello Stato, ha rapidamente intensificato il ricorso all’IA senza informare né consultare i propri dipendenti sindacalizzati. Uno dei sindacati, il più grande, ha iniziato a condurre un’indagine tra i propri iscritti per censire tutti i modi in cui l’IA viene integrata nelle attività dell’università e monitorarne il tasso di errore.

Il sindacato si appresta a presentare una denuncia per pratiche sleali presso lo Stato. Vuole che l’OHSU accetti di coinvolgere i dipendenti nell’attuazione dell’IA, concedendo loro in particolare diversi seggi nel comitato di governance dell’IA e coinvolgendoli nel processo di raccolta dei feedback e di monitoraggio degli errori. Vuole inoltre che l’OHSU informi il sindacato prima dell’attivazione di qualsiasi sistema di IA e imponga limiti agli strumenti di sorveglianza.

Mobilitazioni simili si stanno verificando nelle redazioni, negli istituti scolastici e nelle amministrazioni pubbliche.

Tuttavia, sebbene siano importanti, queste lotte rimangono in gran parte difensive e separate per settore e spesso anche per datore di lavoro. In quanto tali, hanno poche possibilità di contrastare gli sforzi delle aziende volti a rafforzare la nostra dipendenza da questi sistemi.

Allo stesso tempo, non vi è alcuna ragione per cui debbano rimanere limitate, sia nelle loro rivendicazioni sia nella loro visione. Attraverso un’organizzazione creativa e sostenuta nel tempo, possono diventare un potente motore del movimento inclusivo e di classe di cui abbiamo bisogno per difendere i nostri interessi.

Ecco tre misure suggerite per far avanzare il processo.

Dobbiamo creare occasioni che permettano ai lavoratori e alle lavoratrici sindacalizzati di diversi luoghi di lavoro e settori di condividere le proprie esperienze su come i loro datori di lavoro cercano di utilizzare i sistemi di IA, nonché sugli sforzi compiuti dai loro sindacati per ottenere disposizioni contrattuali che proteggano i loro diritti. Questo tipo di condivisione può stimolare una riflessione costruttiva sulle strategie organizzative e negoziali.

Ancora più importante, ciò può aiutare i lavoratori e le lavoratrici a comprendere che l’adozione da parte delle aziende degli agenti IA ha ben poco a che fare con il miglioramento dell’efficienza o della qualità dei prodotti. Si tratta piuttosto di una nuova arma in una generale offensiva di classe contro lavoratori e lavoratrici, il cui obiettivo principale è indebolire il potere e il benessere di questi ultimi.

Un’altra misura consiste nell’incoraggiare i sindacati ad adottare, quando appropriato, una strategia negoziale chiamata «Negoziare per il bene comune». I sindacati devono trovare il modo di comunicare ai membri della comunità le proprie preoccupazioni riguardo all’uso degli agenti IA e ottenere il loro sostegno per un insieme di rivendicazioni elaborate congiuntamente, volte a imporre restrizioni all’utilizzo di questi sistemi.

Un simile approccio non solo rafforzerebbe i sindacati nelle loro trattative, ma potrebbe anche incoraggiare nuove visioni dell’organizzazione sociale, consolidando al tempo stesso una comprensione di classe delle forze che minacciano il benessere della comunità.

Infine, man mano che il movimento di opposizione a questa tecnologia acquista forza, i sindacati e le coalizioni comunitarie già mobilitati devono stabilire legami con il movimento contro i centri dati. Finora questi due movimenti si sono sviluppati in gran parte senza legami reciproci, sebbene un’alleanza naturale sia pronta a nascere. Una simile alleanza potrebbe costituire una solida base per costruire il tipo di movimento di cui abbiamo bisogno per affermare il controllo popolare sul continuo sviluppo e utilizzo della tecnologia.

È importante sottolineare che non dobbiamo considerare tutto ciò come un movimento antitecnologico o anti-IA. L’IA, intesa come tecnologia in senso ampio, non è più o meno il nostro problema di quanto lo siano i computer, Internet o la posta elettronica. Il problema risiede piuttosto negli interessi di classe che ne modellano lo sviluppo.

Più precisamente, risiede nella determinazione dei grandi leader e proprietari del settore tecnologico a sviluppare una specifica tecnologia di IA che indebolisce l’autonomia umana, rafforza la nostra dipendenza da loro e minaccia il nostro benessere economico.

Il fatto che stiamo assistendo a un’esplosione dell’opposizione a questa forma di IA da parte di lavoratori, consumatori, genitori, studenti e associazioni locali dovrebbe darci motivo di essere ottimisti. Dobbiamo unificare e rafforzare questa opposizione, ampliandone al tempo stesso la visione. È tempo che facciamo valere i nostri interessi di classe.

*Martin Hart-Landsberg è professore emerito di economia al Lewis and Clark College di Portland, in Oregon. È autore di diverse opere dedicate alle questioni legate alla globalizzazione e all’economia politica dell’Asia orientale. Presiede Portland Rising, un comitato dell’associazione Portland Jobs with Justice, nonché la sezione dell’Oregon della National Writers Union. Si tratta dell’intervento di Martin Hart-Landsberg alla conferenza Ecosocialismo 2026 ed è stato è pubblicato dal sito australiano Green Left il 4 ottobre 2026.