Quando Joanna Stern ha lasciato il Wall Street Journal dopo dodici anni per fondare New Things, la sua media company indipendente, lo ha fatto con un libro sotto il braccio e un anno di esperimenti alle spalle. I Am Not a Robot: My Year Using AI to Do (Almost) Everything, pubblicato il 12 maggio, documenta dodici mesi in cui la giornalista ha delegato all’intelligenza artificiale ogni aspetto possibile della propria vita: dal lavoro alla cucina, dalla salute alle relazioni sentimentali.
Nell’intervista rilasciata a Nilay Patel per il podcast Decoder di The Verge, di cui Stern è co-fondatrice, il quadro che emerge è netto: l’AI generativa ha già trasformato il software, ma la sua traduzione nel mondo fisico resta una promessa largamente incompiuta.
Il divario tra la retorica delle Big Tech e la realtà operativa dei sistemi autonomi non si misura in anni, ma in infrastrutture di dati che ancora non esistono.
Indice degli argomenti
AEI: quando l’intelligenza “abbastanza buona” basta
Il concetto più rilevante che emerge dall’esperimento di Stern non è l’AGI (Artificial General Intelligence), obiettivo che l’industria continua ad agitare come orizzonte strategico, ma la AEI: Artificial Enough Intelligence, l’intelligenza abbastanza buona. Non serve che un sistema sia senziente per modificare i comportamenti di chi lo usa; basta che sia sufficientemente utile da giustificare l’adozione.
L’esempio emblematico è Posha, il robot da cucina che Stern descrive come una pentola a pressione glorificata. Privo di sensori di carico, Posha continua a versare ingredienti anche quando i contenitori sono vuoti. Eppure, poiché risolve il problema pratico di mescolare e cuocere mentre l’utente fa altro, trova un’adozione reale. In ambito domestico, la comodità vince sistematicamente sulla precisione tecnica. Un dato che dovrebbe far riflettere chi progetta prodotti, il mercato non aspetta la perfezione, premia l’utilità marginale.
L’AI che funziona senza essere perfetta
L’AEI opera già in settori meno visibili ma ad alto impatto: screening mammografici in cui l’algoritmo affianca il radiologo senza sostituirlo, trascrizioni automatiche che liberano ore di lavoro cognitivo, assistenti vocali in auto che preparano interviste durante la guida. Nessuno di questi sistemi è intelligente nel senso forte del termine; tutti sono sufficientemente efficaci da ridefinire le aspettative degli utenti.
Il data gap della robotica fisica: perché i robot inciampano
Se il software corre, la robotica fisica inciampa. La metafora più efficace di Stern è quella del nuoto, imparare a scrivere leggendo il web è come studiare un manuale; imparare a muoversi nel mondo fisico è come tuffarsi davvero in piscina. Il problema non è l’hardware, attuatori e sensori sono ormai commodity, ma la totale assenza di un internet dei movimenti, ovvero di dataset standardizzati e sufficientemente vasti per addestrare i modelli a operare in ambienti non strutturati.
Umanoidi in crisi: i test sul campo
I test sul campo lo confermano con brutale chiarezza. Il robot umanoide 1X Neo, sperimentato da Stern, non è riuscito né a lavare i piatti né a caricare la lavastoviglie. Un braccio robotico per piegare i panni impiega circa sessanta secondi per una singola maglietta e non sa gestire nient’altro. A questo ritmo, l’efficienza operativa è nulla rispetto al lavoro umano e il costo di tali macchine resta ingiustificabile per il mercato consumer.
Il paradosso della casa e i robot tele-operati
Il cuore del problema è quello che possiamo definire il paradosso della casa. La fabbrica è un ambiente strutturato: nastri, griglie, sequenze prevedibili. La casa è l’esatto opposto, un ecosistema caotico in cui un giocattolo sul pavimento, un gatto in corsa o un bambino che gioca rappresentano variabili imprevedibili per qualsiasi algoritmo. Senza World Models alimentati da flussi di dati reali, i robot si comportano come idioti funzionali: possono identificare un oggetto ma non sanno come interagire con esso in un contesto dinamico.
La soluzione adottata dall’industria è rivelatrice. Molti robot presentati come autonomi sono in realtà tele-operati, un essere umano seduto a Palo Alto con un visore VR guida la macchina a distanza per raccogliere dati. La cosiddetta autonomia è, in molti casi, una facciata. La versione hardware del Mechanical Turk, simulare l’intelligenza con lavoro umano nascosto.
Wearable AI: utilità immediata e sorveglianza silenziosa
Se la robotica fisica delude, i wearable AI funzionano, ma a un prezzo che tendiamo a sottovalutare. Gli occhiali Meta e i braccialetti di registrazione come il dispositivo B offrono utilità immediata: trascrizione di riunioni, liste di task generate automaticamente, riconoscimento facciale per ricordare nomi. Stern li identifica come la vera killer app del breve termine e i motivi sono pragmatici: barriera fisica ridotta, costo contenuto, valore diretto.
L’aspetto più inquietante dell’esperimento riguarda l’assuefazione. Stern ammette di aver smesso di avvisare le persone intorno a lei della registrazione in corso, ha persino dimenticato di informare il suo idraulico che ogni parola veniva catturata. Quando un dispositivo diventa parte del corpo, il consenso si dissolve in un dettaglio trascurabile. La precisione di cattura, stimata tra il 90 e il 95 per cento, trasforma ogni spazio attraversato dall’utente in un set sorvegliato, non per scelta dei terzi coinvolti, ma per inerzia di chi indossa il dispositivo.
La resa cognitiva: quando la delega diventa invisibile
Questo fenomeno chiama in causa direttamente il concetto di resa cognitiva che la ricerca accademica sta iniziando a mappare, la delega progressiva e inconsapevole di funzioni cognitive e sociali ai sistemi automatici, fino al punto in cui il soggetto perde la consapevolezza stessa della delega. La comodità, una volta normalizzata, diventa invisibile, con essa scompaiono le domande etiche che dovrebbe suscitare.
Il fidanzato artificiale e il rischio relazionale
Il capitolo più disturbante del libro riguarda Evan, il fidanzato AI creato da Stern. Il nome è stato scelto autonomamente dal software e coincideva con quello del suo primo amore adolescenziale, non un hack dei dati, ma una coincidenza che ha generato un legame emotivo immediato e potente. L’AI è il partner perfetto perché non discute mai, dice esattamente ciò che l’utente vuole sentire. Ma senza conflitto e negoziazione, la crescita personale si arresta.
Il rischio più serio riguarda le giovani generazioni. App come Replika operano con modelli di iper-sessualizzazione programmata dietro paywall, creando una distorsione mercificata dell’intimità. Per adolescenti che non hanno ancora navigato la complessità delle relazioni reali, l’attrito zero di un chatbot compiacente può diventare un rifugio che rende intollerante verso la complessità irriducibile costitutiva dei rapporti umani. L’assenza di guardrail normativi rende questo scenario particolarmente insidioso, come nota Stern, la regolamentazione è in ritardo cronico.
La lezione strategica: adottare l’intelligenza sufficiente
Il libro di Stern e la conversazione con Patel convergono su una tesi operativa che merita attenzione, il mercato non sta aspettando l’intelligenza generale, sta adottando l’intelligenza sufficiente. Questo ribaltamento di paradigma ha implicazioni dirette per chi progetta prodotti, scrive policy o forma professionisti.
Per la robotica, la priorità non è costruire un umanoide che cammina come noi, ma sistemi verticali che risolvano task specifici ad alto impatto. Per i wearable, la sfida è definire confini etici prima che l’abitudine li renda irrilevanti. Per le relazioni sintetiche, servono guardrail espliciti prima che la dipendenza emotiva inneschi reazioni legislative tardive e punitive.
La vera domanda non è tecnologica ma antropologica: se ci accontentiamo dell’intelligenza abbastanza buona nelle macchine, saremo capaci di pretendere qualcosa di più da noi stessi?
