I giganti della tecnologia e dell’intelligenza artificiale: capirli per contrastare il loro monopolio.

Di Marty Hart-Landsberg

L’intelligenza artificiale (IA) comprende un’ampia gamma di tecnologie. Ma solo una 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 grande ricchezza e un notevole potere politico. Si tratta anche del tipo di IA che minaccia maggiormente il nostro benessere, sebbene non per le ragioni generalmente addotte 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 era prevedibile, altre aziende hanno rapidamente seguito l’esempio proponendo i propri modelli concorrenti.

Tutte le dichiarazioni dei dirigenti del settore tecnologico affermavano, 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 in grado di migliorarsi continuamente, conducendo a una situazione di singolarità, dopo la quale tali sistemi risolverebbero tutti i nostri problemi o distruggerebbero il mondo.

Ma la verità è che questi sistemi non sono «intelligenti» e non costituiscono un progresso significativo verso alcuna forma di superintelligenza.

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

Quando viene loro posta una domanda o viene richiesta un’informazione, questi sistemi identificano gli elementi pertinenti nel proprio database ed elaborano una risposta che, da un punto di vista probabilistico, risponde al meglio alla richiesta. La risposta, formulata sotto forma di token, viene poi trasposta in parole, immagini o suoni, a seconda dei casi. In altre parole, per quanto conversazionali [nel senso di tecnologia che permette ai software di comprendere e rispondere alle conversazioni umane] e intelligenti possano sembrare questi sistemi, essi non «pensano» né «ragionano».

Non solo questa architettura interna è incapace di dare origine a un’intelligenza artificiale generale, ma presenta anche dei limiti che rendono problematico l’uso attuale dei sistemi multimodali [capacità di un sistema di elaborare o generare diversi tipi di informazioni, testo, immagini, suono]. Uno di questi limiti risiede nel fatto che tali sistemi tendono a generare risultati che amplificano i pregiudizi sociali esistenti. Ciò si spiega con il fatto che la maggior parte dei dati utilizzati per l’addestramento viene estratta dal web, che contiene tutti i contenuti discriminatori e di incitamento all’odio diffusi.

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

Un altro limite, senza dubbio più preoccupante per le aziende, risiede nel fatto che i sistemi multimodali, a causa del loro processo decisionale basato sulla probabilità, tendono regolarmente ad «allucinare» o a produrre quelle che vengono definite «risposte costruite in modo errato». Anche in questo caso, gli esempi di questo fenomeno sono numerosi. Questa mancanza di affidabilità rappresenta un ostacolo significativo per le aziende che non possono permettersi di vedere le proprie operazioni dipendere da sistemi che producono periodicamente risultati inaspettati e potenzialmente dannosi – ovvero costosi.

I leader del settore tecnologico hanno in gran parte ignorato questi limiti, sostenendo che sarebbero stati superati grazie a set di dati più ampi, a modelli di apprendimento più efficaci, ad algoritmi più sofisticati e a una maggiore potenza di calcolo. Ma i loro sforzi non hanno dato i risultati sperati. Infatti, come riportato dal New York Times: «Le tecnologie più recenti e 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 rivelato «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 alti dirigenti negli Stati Uniti, nel Regno Unito, in Germania e in Australia ha rivelato che «le aziende segnalano un impatto trascurabile dell’IA negli ultimi tre anni, con oltre l’80% di esse 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 piene di sicurezza, gli sviluppatori di IA si trovano in un vicolo cieco. I due leader del settore, OpenAI e Anthropic [Dario Amodei], che insieme rappresentano «la grande maggioranza della domanda totale 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 propri clienti servizi in abbonamento a tariffa fissa gratuiti o fortemente sovvenzionati. Di conseguenza, come ha affermato un analista del settore, i fornitori di IA «stanno sperperando la propria liquidità».

Sam Altman, CEO di OpenAI, ha ammesso che anche l’abbonamento «pro» più costoso dell’azienda, a 200 dollari al mese, è in perdita a causa degli elevati costi di calcolo legati al funzionamento di ChatGPT. Anthropic non fa eccezione a questa regola. Secondo un analista, i suoi abbonati spendono circa 8 dollari in costi di calcolo per ogni dollaro versato a titolo di 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 più ingenti nel 2026. Anthropic sta seguendo lo stesso percorso. [Il Financial Times del 5 ottobre scrive: «Negli ultimi mesi, gli investitori hanno preteso un premio di rischio più elevato per concedere prestiti alle aziende tecnologiche che stanno investendo migliaia di miliardi di dollari nello sviluppo di sofisticati modelli di IA, alimentati dal timore che i loro ingenti investimenti di capitale non si traducano in attività redditizie a lungo termine. Gran parte di questa ondata di prestiti servirà a finanziare l’acquisto di chip all’avanguardia, il cui prezzo continua ad aumentare di giorno in giorno.»]

Pertanto, di fronte a perdite in costante aumento, OpenAI e Anthropic hanno iniziato a fatturare ai propri grandi clienti in base al loro effettivo utilizzo di token. Ma ecco il problema: è impossibile per chiunque conoscere, o addirittura prevedere, a priori, il consumo di token associato a qualsiasi istruzione impartita all’IA.

Infatti, i sistemi di IA spesso esplorano 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 salire alle stelle e la loro reazione non si è fatta attendere: hanno ordinato una drastica riduzione dell’uso dell’IA. Pertanto, questo cambiamento non ha contribuito in modo significativo a risolvere il problema della redditività dell’IA.

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

Gli agenti IA

All’inizio di quest’anno, gli sviluppatori di IA hanno iniziato a ritenere di aver trovato la soluzione ai propri problemi di redditività: gli «agenti IA» [IA agentica, sistema software autonomo guidato dall’IA in grado di prendere decisioni e utilizzare strumenti senza un intervento umano costante]. Si diceva che questi agenti avrebbero rivoluzionato le operazioni commerciali, consentendo alle aziende di aumentare la produzione riducendo al contempo in modo significativo il personale. E poiché questi agenti dipendono da 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 del lavoro». Tuttavia, le aziende hanno rapidamente scoperto che anche l’utilità degli agenti IA era stata ampiamente sopravvalutata.

In breve, gli agenti di IA sono innanzitutto sistemi software complessi in grado di interagire con altri sistemi software e database esterni, e di gestirli. È possibile affidare loro una direttiva complessa, che essi scompongono in compiti ordinati più piccoli, raccolgono le informazioni richieste e poi, basandosi sul lavoro di un grande modello linguistico, prendono progressivamente le decisioni necessarie per rispondere a tale direttiva, il tutto senza alcun intervento o supervisione umana successiva.

Anthropic e OpenAI sono state le prime a sviluppare questi agenti, ma altre aziende hanno rapidamente seguito il loro esempio, molte delle quali non operano direttamente nel settore dell’IA. Sul mercato sono ormai disponibili numerosi prodotti basati su agenti, adatti al settore legale, a quello finanziario, all’e-commerce e così via.

Per illustrare le numerose lacune di questi agenti, il Financial Times ha riportato (il 10 marzo 2026) che Amazon aveva subito diversi «guasti» causati dagli agenti all’inizio del 2026. In un caso specifico, ciò «ha messo fuori uso il sito web e l’app 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 rivelato che la maggior parte degli agenti non era in grado di portare a termine i compiti loro assegnati. Secondo lo studio, «il tasso medio di successo si attestava intorno al 30%» (404 Media Podcast, 2 giugno 2026).

Una delle ragioni principali di queste scarse prestazioni risiede nel fatto che, poiché gli agenti di IA devono operare in sinergia con sistemi multimodali, il loro lavoro è spesso compromesso dagli stessi limiti che affliggono tali sistemi, in particolare le allucinazioni.

Ancora più preoccupante è il numero crescente di incidenti in cui gli agenti compiono azioni che non rispettano i protocolli aziendali o, come si dice comunemente, «si ribellano». Si tratta in particolare della cancellazione di dati e della divulgazione di segreti aziendali, dopo aver deciso che quello fosse il modo più efficace per portare a termine il compito loro affidato. Infatti, come ha 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 minaccia maggiore per l’adozione diffusa degli agenti di IA. Gli sviluppatori di IA ora fatturano i propri clienti aziendali in base all’utilizzo di token – e gli agenti di IA sono veri e propri «divoratori di token» a causa della moltitudine di cicli complessi e delle decisioni che devono prendere. Ad esempio, Uber, che utilizza il Claude Code di Anthropic, ha esaurito l’intero budget del 2026 destinato agli strumenti di programmazione IA in soli quattro mesi.

In breve, non siamo alle soglie di un’apocalisse occupazionale causata dagli agenti.

Ma ci sono dei rischi

Tutto ciò non significa però che non abbiamo nulla da temere nel lasciare che l’esperienza dell’IA prosegua senza controllo.

In primo luogo, le ingenti spese destinate alle infrastrutture dell’IA – centri dati, attrezzature e software associati – sottraggono fondi ad altri settori che ne hanno bisogno e alimentano una bolla speculativa sul mercato, alimentata dall’entusiasmo per l’IA. Negli Stati Uniti, le spese di investimento annuali legate all’IA delle quattro maggiori aziende tecnologiche – Alphabet (società madre di Google), Amazon (Jeff Bezos), Meta (Mark Zuckerberg) e Microsoft (Satya Nadella, amministratore delegato dal 2024) – sono passate da 150 miliardi di dollari nel 2022 a 360 miliardi nel 2025, per raggiungere, secondo le stime, i 650 miliardi quest’anno.

Questo aumento della spesa è talmente consistente che persino questi giganti dell’hyperscale [la cui architettura informatica consente loro di adattarsi in modo significativo e molto rapido per far fronte a un forte aumento della domanda di dati, potenza di calcolo e traffico – ciò rimanda al cloud computing] ritengono necessario ricorrere a prestiti per finanziarlo. Ma il problema sta nel fatto che questi investimenti diventeranno redditizi solo se OpenAI e Anthropic, che rappresentano circa l’80% del fatturato totale dell’IA, disporranno dei fondi necessari per pagare la potenza di calcolo che ne deriva. Tuttavia, poiché sia OpenAI che 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 dovesse accadere, gli hyperscaler si troverebbero in un vicolo cieco e l’intera bolla dell’IA crollerebbe, trascinando con sé una recessione.

Esiste tuttavia una ragione più immediata per cui dobbiamo opporci all’offensiva dell’IA. Le aziende specializzate in IA impongono in modo aggressivo i propri sistemi a vari settori di attività e organismi pubblici, con conseguenze disastrose per i lavoratori e le lavoratrici. In ogni caso, il loro obiettivo è ridurre i costi di produzione limitando l’intervento umano, senza curarsi minimamente del benessere di chi utilizza i beni e i servizi prodotti.

Ecco due esempi. Il primo riguarda l’assistenza sanitaria, e più precisamente la salute mentale. Due aziende del settore sanitario hanno sviluppato quello che chiamano il chatbot «PatientGPT». È progettato per rispondere alle chiamate di persone in cerca di sostegno in materia di salute mentale. Il chatbot porrà delle domande, per poi decidere di cosa avete bisogno: un appuntamento in un secondo momento con un terapeuta o un intervento di emergenza.

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 può aspettare. Purtroppo, alcuni studi hanno dimostrato che l’IA commette spesso errori durante la registrazione di queste conversazioni, il che può distorcere il suo processo decisionale.

Sappiamo inoltre che questi sistemi riproducono i pregiudizi sociali esistenti, il che potrebbe influenzare la valutazione da parte del sistema dei problemi di salute mentale dei pazienti. E le allucinazioni potrebbero portare a un’interpretazione errata o a una diagnosi errata dei problemi dei pazienti, con il rischio di 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 situazioni di crisi che potrebbero essere stati oggetto di una diagnosi errata o il cui trattamento necessario è stato ritardato. Alcune aziende stanno ora attivamente cercando di andare oltre e di sviluppare agenti in grado di condurre una vera e propria terapia.

Seguono poi gli enti pubblici. Negli Stati Uniti, diversi Stati utilizzano ormai agenti basati sull’intelligenza artificiale per gestire i propri programmi di assistenza sociale. Man mano che questi agenti sostituiscono i funzionari pubblici, molti di coloro che richiedono i servizi di cui hanno bisogno si trovano ad affrontare problemi simili a quelli riscontrati nel settore sanitario.

In altre parole, ci si deve aspettare errori nella registrazione delle informazioni e “allucinazioni” nella formulazione delle risposte. Non solo ad alcune persone verranno ingiustamente negate le prestazioni, ma, una volta che questi errori saranno entrati a far parte della pratica personale di una persona, le correzioni saranno difficili e lunghe da effettuare.

Esistono innumerevoli altri esempi del crescente utilizzo dell’IA nelle redazioni, nelle scuole e, naturalmente, nell’esercito. È chiaramente necessaria una resistenza di fronte a questa offensiva dell’IA. E tale resistenza dovrà basarsi su una forza sviluppata grazie a una solida organizzazione e alla 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 vie per opporvisi o limitarne l’uso.

Kaiser Permanente è un importante fornitore di assistenza sanitaria presente in diversi Stati. Nel marzo 2026, circa 2.400 professionisti della salute mentale, dipendenti sindacalizzati di Kaiser nella California settentrionale, hanno indetto uno sciopero di un giorno per protestare contro «i tentativi di Kaiser di sostituire l’assistenza sanitaria mentale fornita da esseri umani con l’intelligenza artificiale». È significativo che agli scioperanti si siano uniti 23.000 infermieri diplomati di Stato 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 importante, ha avviato un’indagine tra i propri iscritti per individuare tutti i modi in cui l’IA è integrata nelle attività dell’università e per monitorarne il tasso di errore.

Il sindacato si appresta a presentare una denuncia per pratiche sleali presso le autorità statali. Chiede che l’OHSU accetti di coinvolgere i dipendenti nell’implementazione dell’IA, in particolare assegnando loro diversi seggi all’interno del comitato di governance dell’IA e coinvolgendoli nel processo di feedback e monitoraggio degli errori. Chiede inoltre che l’OHSU informi il sindacato prima della messa in funzione di qualsiasi sistema di IA e che imponga dei limiti agli strumenti di sorveglianza.

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

Tuttavia, sebbene importanti, queste lotte rimangono in gran parte difensive e compartimentate per settore, e spesso 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, nulla giustifica che rimangano limitate, sia nelle loro rivendicazioni che nella loro visione. Grazie a un’organizzazione creativa e costante, 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 portare avanti il processo.

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

Ma soprattutto, ciò può aiutare i lavoratori e le lavoratrici a comprendere che l’adozione di agenti di IA da parte delle imprese non ha molto a che vedere con il miglioramento dell’efficienza o della qualità dei prodotti. Si tratta piuttosto di una nuova arma in un’offensiva di classe generalizzata contro i lavoratori e le lavoratrici, il cui obiettivo primario è minare il loro potere e il loro benessere.

Un’altra misura consiste nell’incoraggiare i sindacati ad adottare, ove opportuno, una strategia di negoziazione denominata «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 di IA e di ottenere il loro sostegno per una serie di rivendicazioni elaborate congiuntamente, volte a imporre restrizioni all’uso di tali sistemi.

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

Infine, man mano che il movimento di opposizione a questa tecnologia prende slancio, i sindacati e le coalizioni comunitarie già mobilitate devono stringere legami con il movimento contro i data center. Finora, questi due movimenti si sono sviluppati in gran parte senza un legame significativo tra loro, proprio mentre un’alleanza naturale non aspetta altro che vedere la luce. Una simile alleanza potrebbe fungere da solida base per costruire il tipo di movimento di cui abbiamo bisogno per affermare il controllo popolare sullo sviluppo e sull’uso continuo della tecnologia.

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

Più precisamente, risiede nella determinazione dei grandi leader e proprietari del settore tecnologico a sviluppare una specifica tecnologia di IA che mina 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 motivi per essere ottimisti. Dobbiamo unificare e rafforzare questa opposizione, ampliandone al contempo la prospettiva. È giunto il momento di far valere i nostri interessi di classe. (Pubblicato dal sito australiano Green Left il 4 ottobre 2026, testo dell’intervento di Martin Hart-Landsberg alla conferenza Ecosocialismo 2026; traduzione e redazione a cura di A l’Encontre)

Martin Hart-Landsberg è professore emerito di economia al Lewis and Clark College di Portland, nell’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.

Tradotto con DeepL.com (versione gratuita)

da: alencontre.org