Cosa succede dentro un’organizzazione quando il modello sul quale ha costruito una parte dei propri processi smette improvvisamente di funzionare?
Prima del blocco di Fable 5/Mythos 5 da parte del Governo Usa era una domanda astratta. Ora non più.
Ma è la portata delle conseguenze ancora a sfuggire dal nostro dominio. Siamo insomma ancora nella fase di elaborazione del lutto. Domande tante, risposte poche.
Indice degli argomenti
Delega cognitiva e dipendenza dai modelli AI in Europa
Il problema è serio, chiaramente. Quando un CRM va offline, i commerciali sanno ancora vendere. Quando un ERP si ferma, la logistica rallenta, ma le persone conservano la competenza per gestirla. Se viene disattivato il modello integrato nel triage clinico, nell’audit di sicurezza, nella valutazione del credito o nell’analisi documentale, non viene meno soltanto un flusso operativo. Si interrompe una funzione cognitiva che l’organizzazione aveva ridisegnato intorno a quel sistema.
Il deskilling da AI e la capacità residua
Una review sistematica pubblicata su ScienceDirect nel maggio 2026 ha consolidato la letteratura frammentata sul fenomeno, distinguendo tra due effetti che possono coesistere: il livellamento delle performance, un effetto a breve termine positivo per cui l’AI migliora la qualità media del lavoro, e il deskilling, cioè il declino strutturale delle competenze cognitive indipendenti necessarie per l’autonomia professionale e intellettuale.
I due effetti non sono mutuamente esclusivi, il livellamento iniziale può mascherare l’atrofia in corso. Un paper del MIT Media Lab e Google DeepMind fornisce evidenza causale attraverso esperimenti randomizzati controllati su larga scala: l’assistenza AI riduce la persistenza nella risoluzione autonoma dei problemi e peggiora la performance indipendente quando l’assistenza viene rimossa. Il meccanismo chiave è il cognitive offloading, l’esternalizzazione di funzioni cognitive a strumenti esterni, che con l’AI generativa si estende a quasi ogni dominio di ragionamento.
Un report del BCG Henderson Institute pubblicato nella terza settimana di giugno 2026 conferma il fenomeno in ambito organizzativo, le competenze che i leader considerano più critiche per la performance a lungo termine, giudizio, inquadramento dei problemi, pensiero creativo, sono quelle più esposte al rischio di erosione da sovra-utilizzo dell’AI. A differenza degli strumenti precedenti, l’AI generativa non si limita a supportare il pensiero umano: in misura crescente, lo sostituisce.
La progressiva delega di attività analitiche all’AI, ciò che in altri contesti ho definito Sistema 3, modifica la distribuzione della capacità cognitiva all’interno di un’organizzazione. Competenze che prima risiedevano nei professionisti, riconoscere un’anomalia in un dataset, controllare la coerenza di un documento, individuare una vulnerabilità nel codice, vengono svolte attraverso una combinazione tra persone e modello.
Il professionista si concentra sulla validazione, sull’interpretazione del contesto e sulla decisione finale, mentre lascia al modello la prima esplorazione del problema. È un adattamento razionale, se il sistema esegue quella fase più rapidamente, continuare a replicarla manualmente comporta un costo.
Ma quando il supporto viene ritirato, la capacità residua dell’organizzazione non coincide automaticamente con quella che possedeva prima dell’adozione. Nel frattempo, processi, ruoli, tempi e aspettative si sono modificati; alcune competenze sono state esercitate meno e altre sono nate proprio nell’interazione con il modello. Per questo il ritiro di un modello è strutturalmente diverso dalla sospensione di un normale servizio digitale: non si spegne un motore ausiliario, viene rimossa una componente dell’architettura con cui l’organizzazione analizza i problemi e prepara le decisioni.
Competenze AI e rischio giurisdizionale per l’Europa
Il dibattito sul lavoro si concentra soprattutto sulle competenze sostituite dall’AI: il codice scritto dal modello al posto dello sviluppatore junior, la risposta del chatbot al posto dell’operatore, la bozza contrattuale preparata senza il primo intervento del professionista. Il caso Anthropic illumina un rischio diverso.
Le competenze più vulnerabili possono essere quelle costruite sull’interfaccia con un particolare ecosistema AI. Negli ultimi anni sono cresciuti prompt engineer, specialisti di integrazione API, architetti di workflow AI-augmented, professionisti che hanno investito nella padronanza di uno stack specifico: Claude, le API di Anthropic, AWS Bedrock, strumenti e pattern di orchestrazione progettati per Fable 5. Il valore di mercato di queste competenze, fino al 12 giugno, era in crescita.
Una decisione politica presa a Washington può rendere improvvisamente meno spendibile una parte di questo capitale professionale, senza che la tecnologia sia diventata obsoleta. Al normale rischio di evoluzione del mercato si aggiunge un rischio giurisdizionale: il valore di una competenza dipende dall’accessibilità di un’infrastruttura controllata in un’altra capitale.
La Scala Spezzata nello stack AI
È una variante della Scala Spezzata, la progressiva compressione dei passaggi attraverso i quali si costruiscono esperienza e professionalità. In questo caso il gradino intermedio non viene eliminato dall’automazione: viene reso instabile dalla geopolitica. Un team che sa lavorare soltanto con un modello è un team il cui valore operativo dipende da una decisione che non controlla.
La diversificazione delle competenze AI non è quindi soltanto una buona pratica formativa. È un presidio di continuità operativa: conoscere più modelli, saper trasferire prompt e workflow, mantenere la capacità di operare con soluzioni open-weight ospitate su infrastrutture controllabili riduce l’esposizione sia dell’impresa sia dei professionisti.
Gerarchia dell’accesso ai modelli AI e fragilità europea
La prospettiva più rilevante per le organizzazioni europee non è che tutti i modelli americani vengano ritirati dal mercato internazionale. Gli Stati Uniti hanno un forte interesse economico a venderli: Anthropic sostiene che circa l’80% dell’utilizzo consumer avvenga fuori dagli Stati Uniti, e molti dei ricercatori impiegati dai laboratori americani non sono cittadini statunitensi.
È più plausibile una gerarchia dell’accesso. L’editoriale dell’Economist del 18 giugno 2026 coglie il passaggio con precisione, il governo americano è ora il gatekeeper dei modelli di frontiera e della maggior parte del compute globale. Le capacità più avanzate potrebbero essere riservate agli Stati Uniti, soprattutto per le applicazioni di difesa e cyber, una seconda fascia di modelli potrebbe essere concessa agli alleati considerati affidabili; versioni più limitate sarebbero distribuite al resto del mondo.
Lo stesso editoriale nota che l’AI è diventata uno strumento di potere che si aggiunge al dollaro, alle tecnologie militari, alle sanzioni e al controllo di alcuni nodi critici delle catene del valore.
La fragilità cognitiva, in questo scenario, non si manifesterebbe soltanto quando un modello viene spento. Potrebbe diventare permanente. Imprese, amministrazioni e università europee lavorerebbero con strumenti meno capaci rispetto ai soggetti americani con cui competono o collaborano. Il problema non sarebbe più la continuità del servizio, ma la qualità relativa della capacità di analisi disponibile.
Una differenza anche piccola produce vantaggi cumulativi, un modello che individua più errori, genera ipotesi migliori o riduce ulteriormente i tempi di sviluppo consente alle organizzazioni che lo utilizzano di imparare più rapidamente, raccogliere più dati, ridisegnare prima i processi. Chi riceve la generazione precedente non resta semplicemente indietro di una versione: entra in un circuito di apprendimento più lento.
Sovranità europea e portabilità delle capacità AI
Il diritto europeo affronta frammenti del problema, ma non il suo nucleo. Come abbiamo scritto nell’analisi sulla portabilità cloud, il Data Act introduce obblighi per facilitare lo switching tra servizi cloud. L’AI Act disciplina rischi, responsabilità e conformità dei sistemi AI. Il Cloud and AI Development Act (CADA), presentato dalla Commissione il 3 giugno 2026, mira a triplicare la capacità europea dei data center in cinque-sette anni, con un investimento stimato di 422 miliardi di euro nel prossimo decennio.
Ma nessuno di questi strumenti garantisce la portabilità delle capacità di un modello. I pesi, il comportamento, le prestazioni e le modalità di ragionamento di un modello non sono intercambiabili come uno spazio di archiviazione. Le clausole contrattuali tradizionali, force majeure, livelli di servizio e piani di continuità, sono state pensate per guasti tecnici e incidenti di sicurezza, non per uno scenario in cui un governo terzo ordina il ritiro immediato di un modello già incorporato in processi critici.
CADA, domanda pubblica e compute
Il CADA stesso presenta limiti strutturali che il dibattito pubblico ha finora sottovalutato. Il framework di sovranità cloud si articola su quattro livelli di assurance: il Livello 1 (data residency di base) è raggiungibile dagli hyperscaler americani; il Livello 4 (piena trasparenza sulla supply chain software e assenza di interferenza da paesi terzi) li esclude strutturalmente. Nella proposta attuale, solo il 10% circa dei contratti cloud pubblici porterebbe uno standard di sovranità forte, con il restante 90% aperto a tutti i fornitori. La Commissaria Virkkunen ha dichiarato che la maggior parte dei servizi pubblici rimarrebbe al Livello 1.
Cristina Caffarra, fondatrice e presidente della EuroStack Industry Initiative, ha definito il pacchetto very feeble in un’intervista a The Parliament, sostenendo che la Commissione ha annacquato le preferenze d’acquisto europee sotto pressione di Washington. La posizione di Caffarra, sviluppata con coerenza negli scritti precedenti, in particolare Tech Sovereignty needs demand – to get supply right, e nell’intervista a Pathfounders è più radicale di come emerge nella stampa generalista.
Il suo argomento non è che servano regole più severe, è che servono ordini d’acquisto reali. Il settore pubblico europeo, sostiene, utilizza uniformemente AWS o Microsoft, questo in sé è già un problema. La dipendenza non può essere eliminata per contratto perché la giurisdizione extraterritoriale finisce per prevalere, tutto il sovereignty washing è teatro istituzionale.
L’Economist propone una cura in parte diversa. Più energia, procedure più rapide per costruire data center, regole meno penalizzanti, maggiore integrazione degli investimenti. L’obiettivo non dovrebbe essere il protezionismo, ma impedire che gli Stati Uniti restino l’unico luogo nel quale modelli, compute, capitale e domanda possano rafforzarsi reciprocamente.
Le due strategie non sono incompatibili: Caffarra interviene sulla domanda, l’Economist sulle condizioni dell’offerta. Senza capacità produttiva, il procurement sovrano rischia di acquistare soluzioni meno performanti. Senza domanda stabile, le imprese europee non raggiungono la scala necessaria per migliorare quell’offerta.
Ma il vincolo più stringente per chi prende decisioni oggi è un altro. L’Europa controlla circa il 5% del compute AI globale, contro l’80% degli Stati Uniti, secondo il report Europe 2031. Il CADA scrive le regole per il prossimo decennio. Il kill switch funziona già nel presente.
La finestra europea sui modelli AI si restringe
Il report Europe 2031, pubblicato da un gruppo di ricercatori che include Michiel Bakker (MIT e Google DeepMind), Daan Juijn (Arq Foundation), Philip Fox (KIRA Center, coautore dell’International AI Safety Report) e Lily Stelling (Oxford Martin AI Governance Initiative), descrive un meccanismo che merita attenzione da parte di chi governa organizzazioni.
Il documento, scritto in forma narrativa e ispirato al formato di AI 2027, traccia un possibile percorso dal 2025 al 2031 in cui tre errori di valutazione europei del 2025, sulla velocità dell’AI, sul suo impatto e sulla possibilità di colmare il divario, innescano un ciclo di declino.
La tesi centrale è che l’estate 2026 potrebbe essere l’ultima finestra pratica prima che i feedback loop tra compute statunitense, capability dei modelli, revenue dei clienti e reinvestimento diventino auto-rinforzanti. In quel modello, il divario non si stabilizza, si amplifica.
Più potenza di calcolo genera modelli più capaci, che generano più clienti, che generano più entrate, che finanziano più potenza di calcolo. Come ha osservato Bakker su LinkedIn, OpenAI, Google e Anthropic operano ciascuna più compute AI di tutta l’Europa messa insieme, compreso il Regno Unito e compresi i datacenter gestiti da aziende americane su suolo europeo.
Lo scenario è volutamente provocatorio e non va letto come una previsione. Alcune delle sue ipotesi possono essere smentite dall’evoluzione tecnologica, dai limiti energetici, dalla risposta sociale ai data center o dalla disponibilità di modelli aperti più efficienti. Ma la domanda che pone resta valida, quanto tempo ha l’Europa prima che il vantaggio accumulato negli Stati Uniti diventi molto più costoso da recuperare?
Se la finestra si chiude, la fragilità cognitiva delle organizzazioni europee non resta confinata a chi aveva adottato Fable 5. Si estende a chiunque costruisca servizi su modelli di frontiera che non controlla, la distanza tra quei modelli e le alternative disponibili, anziché ridursi, si amplia.
Le competenze professionali costruite sullo stack americano diventano non solo vulnerabili alla revoca dell’accesso, ma difficilmente sostituibili con alternative europee di livello equivalente. La Scala Spezzata, in questo scenario, non riguarda più solo i ruoli entry-level compressi dall’automazione, ma l’intero ecosistema professionale dell’AI europeo, costruito su fondamenta il cui interruttore si trova altrove.
La domanda sulla dipendenza AI delle organizzazioni europee
Il 15 giugno ci siamo chiesti quanta parte dello stack AI di un’organizzazione europea continuerebbe a funzionare il mattino dopo una lettera firmata in un’altra capitale. Il 17 giugno abbiamo osservato che la risposta europea è stata chiedere gentilmente che l’interruttore non venga premuto. Il 18 giugno abbiamo posto le cinque domande infrastrutturali che ogni decisore IT dovrebbe affrontare. Resta una domanda che quelle precedenti non coprivano.
Quanta parte della capacità di analisi e di giudizio della mia organizzazione dipende oggi da un sistema il cui accesso può essere revocato da un altro governo?
Se la risposta è non lo sappiamo, il primo compito è misurarla. Il secondo è progettare alternative prima che servano. Perché il problema non è soltanto che un modello possa smettere di funzionare. È scoprire, nel momento in cui si spegne, che una parte dell’organizzazione non sa più funzionare senza.
Partecipa alla community