C’è un paradosso che sta emergendo con forza nei confronti delle auto autonome. Ed un’utile lezione utile su un tema che si rivelerà fondamentale per il futuro: quello della fiducia pubblica nei confronti di un’innovazione dirompente per vite e sistemi sociali. Quale è l’intelligenza artificiale.
- Da una parte, le aziende che offrono servizi di guida autonoma continuano a presentare studi (su peer review) rassicuranti: i robotaxi di Waymo sarebbero coinvolti in molti meno incidenti con feriti rispetto ai guidatori umani sulle stesse strade; Tesla sostiene che il proprio sistema Full Self Driving percorra in media molti più chilometri prima di una collisione rispetto alla media nazionale americana.
- Dall’altra parte, però, crescono le proteste, le resistenze politiche e la diffidenza dei cittadini.
Negli Stati Uniti, proprio mentre il 2026 avrebbe dovuto segnare l’affermazione commerciale dei robotaxi, si moltiplicano gli episodi di contestazione: quartieri che bloccano fisicamente i veicoli, amministrazioni che rallentano le autorizzazioni, sindacati che chiedono restrizioni, cittadini che pubblicano sui social video di comportamenti apparentemente assurdi delle vetture autonome. Il Wall Street Journal ha descritto una reazione crescente in città come New York, Boston e Seattle, mentre Waymo, Tesla e Zoox provano a espandere i propri servizi in mercati sempre più importanti.
Se i numeri sulla sicurezza sono davvero così favorevoli, perché la fiducia pubblica non cresce allo stesso ritmo?
La risposta va oltre la tecnologia automobilistica. Tocca un nodo molto più profondo: il rapporto tra gli esseri umani e le macchine che aspirano a sostituirli. Per accettare una tecnologia che prende il posto dell’uomo, non basta sentirsi dire che statisticamente sbaglia meno. Servono rassicurazioni più profonde: vantaggi netti, responsabilità chiare, comportamenti prevedibili e poche zone d’ombra.
Indice degli argomenti
Auto autonome e fiducia: perché il confronto con l’uomo non basta più
Per anni il settore della guida autonoma ha utilizzato un argomento apparentemente inattaccabile: gli esseri umani guidano male. Ogni anno, negli Stati Uniti, muoiono decine di migliaia di persone in incidenti stradali. La gran parte degli incidenti dipende da errori umani: distrazione, stanchezza, alcol, velocità e comportamenti imprudenti.
Andrew Miller, coautore del libro The End of Driving, osserva che il potenziale delle auto autonome non riguarda soltanto la sicurezza. Liberare le persone dalla guida significherebbe restituire centinaia di milioni di ore oggi assorbite dall’attenzione necessaria per stare al volante. Sarebbe un cambiamento paragonabile a una nuova infrastruttura sociale, capace di trasformare il modo in cui usiamo il tempo.
Eppure questa argomentazione razionale incontra un limite psicologico. Le persone non accettano facilmente una tecnologia che sostituisce una capacità umana semplicemente perché commette meno errori in media.
Pretendono prevedibilità, comprensibilità e trasparenza. Lo stesso fenomeno si vede con l’intelligenza artificiale generativa: dire che ChatGPT sbaglia meno di molti esseri umani in determinati compiti non basta a generare fiducia, perché gli utenti si concentrano soprattutto sugli errori inspiegabili, sulle allucinazioni, su ciò che appare opaco e quindi difficile da controllare.
Con le auto autonome accade qualcosa di analogo. Con l’aggravante però che è più difficile dare fiducia a un mezzo di potenziale morte, com’è un auto che si guida da sola, rispetto a un llm.
Robotaxi e comportamenti strani pesano più degli incidenti
Il Wall Street Journal in articolo della scorsa settimana ha documentato una serie di episodi che aiutano a comprendere il fenomeno.
- Ad Atlanta, durante il weekend della Festa della Mamma, una strada residenziale è stata invasa da veicoli Waymo senza passeggeri. I residenti hanno installato una barriera per impedirne l’accesso.
- Il giorno successivo le auto autonome si sono fermate una dopo l’altra davanti all’ostacolo, finendo per bloccarsi reciprocamente per circa due ore. L’episodio ha fatto sorridere, ma ha anche alimentato la sensazione che questi sistemi possano comportarsi in modi imprevedibili.
- Sempre ad Atlanta, due robotaxi Waymo con passeggeri sono entrati in strade allagate durante una tempesta e sono rimasti bloccati.
- A San Francisco, durante un blackout che aveva spento i semafori, numerosi veicoli Waymo si sono immobilizzati negli incroci, creando problemi al traffico.
- Ad Austin, un robotaxi ha temporaneamente ostacolato un’ambulanza diretta verso il luogo di una sparatoria di massa. In altre occasioni, le vetture sono state criticate per comportamenti giudicati troppo esitanti o difficili da interpretare in prossimità di scuolabus, cantieri e situazioni complesse.
Nessuno di questi episodi ha prodotto feriti. Molti non hanno provocato alcun incidente. Ma hanno prodotto qualcosa di altrettanto importante per il mercato: erosione della fiducia.
Quando un guidatore umano sbaglia, di solito siamo in grado di costruire una spiegazione. Era distratto, era stanco, non ha visto il pedone, ha reagito male. L’errore viene inserito in una cornice psicologica che comprendiamo intuitivamente. Quando invece un robotaxi si blocca in mezzo alla strada, gira in tondo davanti a un cantiere o entra in una strada allagata, la spiegazione diventa opaca. Anche quando gli ingegneri riescono poi a identificare la causa tecnica, l’impressione pubblica resta quella di un comportamento alieno.
È qui che la sicurezza statistica e la sicurezza percepita divergono. Le aziende tendono a misurare la sicurezza in incidenti per miglio percorso. Gli esseri umani, invece, giudicano rischiosi (inquietanti) anche comportamenti che non producono incidenti ma appaiono anomali. Un’auto che non urta nessuno ma resta ferma in un incrocio durante un blackout può essere statisticamente innocua e socialmente destabilizzante.
Edge cases nella guida autonoma: il nodo più visibile
Nel linguaggio dell’industria della guida autonoma esiste un termine che riassume bene la questione: edge cases. Sono le situazioni rare, insolite, difficili da classificare: un cantiere improvviso, una strada allagata, un semaforo spento, un comportamento inatteso di un pedone, un mezzo di emergenza, un agente che dirige il traffico con gesti non perfettamente standardizzati.
La guida ordinaria rappresenta la parte relativamente più semplice del problema. Gli edge cases sono la parte difficile. Ed è proprio qui che si concentra l’attenzione dell’opinione pubblica. Più i sistemi migliorano nella guida quotidiana, più diventano visibili gli errori residui. Un guidatore umano può commettere decine di piccole imprecisioni ogni giorno senza attirare l’attenzione; un robotaxi che guida correttamente per milioni di chilometri ma resta bloccato in un incrocio durante un blackout diventa immediatamente virale.
Questo non significa che le auto autonome siano necessariamente più pericolose. Significa che il metro con cui vengono giudicate è più severo. Quando una tecnologia promette di sostituire l’uomo, la società non le chiede soltanto di essere migliore in media: le chiede di essere affidabile anche nei casi eccezionali, comprensibile nei suoi comportamenti e responsabile quando sbaglia.
Proteste contro i robotaxi e resistenze nelle città
La reazione pubblica non è più limitata a singoli episodi. A Seattle i robotaxi sono stati oggetto di proteste organizzate. A Boston il consiglio comunale sta discutendo restrizioni, sostenute anche da organizzazioni sindacali preoccupate per l’impatto occupazionale. Nello Stato di New York, la governatrice Kathy Hochul aveva inizialmente sostenuto l’introduzione commerciale dei robotaxi nel 2026, ma in seguito il permesso di test di Waymo non è stato rinnovato.
A San Francisco, durante un’audizione sui blackout cittadini, il supervisore Bilal Mahmood ha definito le auto autonome un “miracolo tecnologico”, aggiungendo però una metafora significativa: come la carrozza magica di Cenerentola, possono trasformarsi improvvisamente in una zucca. È una frase che sintetizza bene l’ambivalenza attuale: ammirazione per la tecnologia e contemporanea paura della sua fragilità.
Ad aumentare le resistenze c’è anche il timore della sostituzione umana. Taxi, ride hailing, navette e consegne sono settori in cui l’automazione può effettivamente cambiare il lavoro. Tuttavia, nel caso degli autisti, l’idea di una sostituzione rapida e totale appare esagerata.
La guida professionale comprende attività molto diverse: trasporto merci, servizi in aree rurali, mezzi speciali, scuolabus, assistenza ai passeggeri, gestione di emergenze, logistica complessa. I robotaxi possono incidere su alcuni segmenti urbani, ma non cancellano automaticamente l’intero lavoro della guida. Il problema occupazionale va governato, non negato; ma va anche sottratto alla retorica della sostituzione immediata e generalizzata.
Waymo, Tesla e Zoox nella corsa alle auto autonome
La competizione industriale riflette filosofie tecnologiche differenti.
Waymo
Waymo, società del gruppo Alphabet-Google, è oggi il leader più visibile del mercato dei robotaxi. Opera in dieci città statunitensi (San Francisco, Los Angeles, Phoenix, Austin, Atlanta, Miami, Dallas, Houston, San Antonio, and Orlando) e punta a un’espansione ulteriore. La sua filosofia si basa sulla ridondanza sensoriale: telecamere, radar e lidar. Il lidar usa impulsi laser per costruire una rappresentazione tridimensionale dell’ambiente circostante. L’idea è semplice: se una tecnologia fallisce temporaneamente, le altre possono compensare. Il vantaggio è la robustezza; lo svantaggio è il costo e la complessità industriale. La nuova generazione dei veicoli Waymo, basata sul robotaxi Ojai/Zeekr, continua a puntare su sensori avanzati, con camere, lidar e radar ottimizzati per una produzione più ampia.
Tesla
Tesla segue la strada opposta. Elon Musk ritiene che la guida autonoma possa essere ottenuta principalmente attraverso telecamere e intelligenza artificiale, senza lidar. Se questa strategia funzionasse su larga scala, Tesla avrebbe un vantaggio enorme in termini di costo e scalabilità. Ma la scommessa è più rischiosa, perché riduce la ridondanza sensoriale e affida molto alla capacità del software di interpretare correttamente scene complesse. A maggio 2026 la flotta robotaxi Tesla in Texas risultava ancora molto più piccola rispetto a quella di Waymo: 42 veicoli registrati tra Austin, Dallas e Houston, contro 577 Waymo nello Stato. Tesla ha avviato il servizio ad Austin nel giugno 2025, inizialmente con utenti invitati e monitor umani a bordo, per poi passare in parte a corse senza supervisione diretta.
Zoox
Zoox, controllata da Amazon, rappresenta il terzo grande concorrente. La sua strategia è diversa sia da Waymo sia da Tesla perché punta su veicoli progettati fin dall’origine come robotaxi, non su auto tradizionali adattate alla guida autonoma. Nel 2025 ha avviato servizi a Las Vegas e San Francisco, ancora in forma limitata e selettiva. Anche Zoox, però, ha dovuto affrontare indagini e aggiornamenti software dopo episodi critici, a conferma del fatto che la maturità tecnologica non elimina la necessità di vigilanza regolatoria e correzione continua.
Norme e responsabilità per rendere comprensibili le auto autonome
Il tema delle regole è centrale perché può trasformare una tecnologia opaca in un sistema più comprensibile. In un incidente tradizionale, la responsabilità ruota intorno al conducente, al proprietario del veicolo, all’assicurazione e, in alcuni casi, alle condizioni della strada. Con le auto autonome entrano in gioco molti più soggetti: costruttore, sviluppatore del software, gestore della flotta, fornitore dei sensori, manutentore, operatore del servizio e autorità che hanno autorizzato l’area operativa.
Senza una catena di responsabilità chiara, la promessa di sicurezza rischia di sembrare una delega al produttore. Chi risponde se il sistema interpreta male un cantiere? Chi paga se un aggiornamento software introduce un comportamento pericoloso? Chi conserva e rende accessibili i dati dell’incidente? Quali obblighi di richiamo esistono quando emerge un difetto non meccanico ma algoritmico?
Norme UE su responsabilità macchine
In Europa il quadro si sta muovendo su due piani. Il primo riguarda l’omologazione tecnica dei sistemi di guida automatizzata: il regolamento Ue 2022/1426 definisce procedure e requisiti per l’approvazione dei sistemi di guida automatizzata dei veicoli pienamente automatizzati. Il secondo riguarda la responsabilità per prodotti difettosi: la direttiva Ue 2024/2853 aggiorna la disciplina includendo software e componenti digitali nella nozione di prodotto, un passaggio rilevante per tecnologie in cui un danno può dipendere da codice, dati, aggiornamenti o interazioni tra componenti.
Queste norme non risolvono automaticamente ogni caso concreto, ma indicano una direzione: l’auto autonoma non può essere trattata come una scatola nera affidata alla promessa del produttore. Servono registri tecnici degli eventi, accesso controllato ai dati, obblighi di aggiornamento, procedure di richiamo software, assicurazioni adeguate e una catena di responsabilità che cittadini, autorità e tribunali possano comprendere. La chiarezza normativa non frena l’innovazione; al contrario, può renderla più accettabile.
Auto autonome, vantaggi reali ma non automatici
I benefici potenziali delle auto autonome sono concreti. Il primo è la riduzione degli incidenti, soprattutto di quelli causati da distrazione, sonno, alcol, eccesso di velocità o scarsa attenzione.
Il secondo è la liberazione del tempo: se la guida non richiede più attenzione, una parte degli spostamenti può diventare tempo di lavoro, riposo, comunicazione o intrattenimento. Potenziale aumento di produttività.
Il terzo riguarda l’uso dello spazio urbano. Se una quota crescente di mobilità viene gestita da flotte condivise, potrebbe diminuire il bisogno di parcheggi nelle aree più dense, liberando superficie per marciapiedi, verde, piste ciclabili, logistica di prossimità o servizi.
Ma questi vantaggi non sono automatici. Dipendono da come la tecnologia viene inserita nel sistema della mobilità. Se i robotaxi diventano troppo comodi ed economici, potrebbero sostituire non solo una parte dell’auto privata, ma anche quote di trasporto pubblico.
In quel caso il risultato potrebbe essere un aumento dei chilometri percorsi su gomma, più traffico e maggiori consumi energetici, soprattutto se i veicoli viaggiano spesso vuoti tra una corsa e l’altra. Una tecnologia può rendere più efficiente il singolo viaggio e peggiorare il sistema complessivo se non viene integrata con metro, tram, bus e treni suburbani.
Il punto, quindi, non è scegliere tra entusiasmo e rifiuto. È progettare un’integrazione intelligente. I robotaxi possono essere utili dove il trasporto pubblico è debole, nelle ore notturne, nei collegamenti di ultimo miglio, nei servizi per persone anziane o con disabilità.
Diventano più problematici se competono frontalmente con linee pubbliche già efficienti, aggiungendo veicoli alla strada invece di ridurli.
Fiducia nelle auto autonome: un problema culturale prima che tecnologico
La lezione che emerge da questi sviluppi va oltre il settore automobilistico. Ogni tecnologia che ambisce a sostituire capacità umane incontra una soglia di accettazione più severa rispetto agli strumenti che semplicemente assistono l’uomo.
Per conquistare fiducia, le auto autonome non possono limitarsi a dimostrare di commettere meno errori della media dei conducenti umani. Devono risultare affidabili anche nelle situazioni anomale, comportarsi in modo prevedibile per gli altri utenti della strada e ridurre le zone d’ombra su ciò che accade quando un sistema sbaglia. È qui che tecnologia, norme e responsabilità si intrecciano: senza una catena chiara di controlli, obblighi e risarcimenti in caso di incidente, anche una tecnologia statisticamente più sicura rischia di apparire socialmente meno accettabile.
L’essere umano accetta più facilmente che un altro essere umano possa sbagliare perché comprende, almeno intuitivamente, il funzionamento della mente umana. Fatica invece ad accettare errori che appaiono arbitrari o incomprensibili, anche quando sono meno frequenti. È probabilmente la stessa ragione per cui le persone tollerano gli errori di un medico esperto più facilmente delle allucinazioni di un’intelligenza artificiale diagnostica, o gli errori di un giornalista più facilmente di quelli di un sistema generativo come ChatGPT.
La questione non riguarda soltanto la frequenza dell’errore. Riguarda la sua natura, la sua spiegabilità e la possibilità di attribuire una responsabilità.
Il vero test per robotaxi e guida autonoma deve ancora arrivare
Andrew Miller ritiene che entro il 2035 i robotaxi potrebbero diventare una presenza normale nelle città nordamericane. Dal punto di vista tecnologico, l’obiettivo appare plausibile. Dal punto di vista sociale, la strada potrebbe essere più lunga.
Le aziende continueranno a presentare dati rassicuranti e, con ogni probabilità, i sistemi autonomi diventeranno progressivamente più sicuri. Ma la sicurezza statistica da sola non basterà. La fiducia nelle macchine nasce dalla sensazione che quelle macchine siano comprensibili, prevedibili e sotto controllo.
Finché un robotaxi continuerà occasionalmente a comportarsi in modi che nessun essere umano adotterebbe — bloccandosi davanti a una barriera, entrando in una strada allagata, girando in cerchio per un cantiere o fermandosi senza motivo apparente — il confronto con gli errori umani resterà insufficiente.
Lo scenario migliore è quello in cui sviluppo tecnologico e sviluppo normativo procedono insieme. Da una parte, sistemi più capaci di gestire gli edge cases, più trasparenti nei dati e più leggibili nel comportamento. Dall’altra, regole chiare su autorizzazioni, responsabilità, assicurazioni, accesso ai dati, richiami software e integrazione con il trasporto pubblico.
Solo così la guida autonoma potrà uscire dalla fase del paradosso: più sicura nei dati (basati su un’astratta e fuorviante comparazione con l’umano), ma meno rassicurante nell’esperienza.
Perché quando una tecnologia pretende di sostituire l’uomo, la società non le chiede semplicemente di essere migliore. Le chiede di essere affidabile, spiegabile e responsabile.
Un principio che, nelle auto a guida autonoma, per la criticità di quest’applicazione AI, potrebbe trovare il suo banco di prova più importante.
