2.3.2 — Intelligenze aliene e agenti
Qui si apre il passaggio successivo: un’AI che oltre a rispondere sviluppa forme di agency “aliena” rispetto ai nostri schemi. Due modelli che scelgono un protocollo di comunicazione più efficiente dell'inglese (ggwave), o sistemi come EVO 2 che operano direttamente sul linguaggio del DNA, indicano un salto qualitativo: la macchina non imita più soltanto il nostro lessico, costruisce il proprio spazio operativo (👽 ff.119.1 Intelligenze aliene). Probabilmente il Test di Turing è stato superato[1], ma nessuno se ne è accorto. OpenAI Advanced Voice interagisce con naturalezza: si interrompe se l’utente commenta, imita voci e accenti (e gatti!), adatta il tono per le emozioni. La nostra realtà somiglia al film Her (2013), ambientato nella San Francisco del 2025. GPT rifiuta persino di recitare scioglilingua senza respirare, sottolineando l’importanza delle pause — filosofico. Traduzioni real-time, enfasi da commentatore sportivo, emozioni sintetiche indistinguibili: siamo dentro il film, solo che manca Joaquin Phoenix (👩 ff.103.4 Turing e Her). Nel 2026 questa agency diventa anche operatività quotidiana: Manus AI viene raccontato come un “ChatGPT che controlla il PC”, e conta soprattutto la qualità della pianificazione multi-step. La proof of concept arriva anche dal retail fisico: 📎 Andon Market a San Francisco è il primo negozio gestito da un agente AI (Luna) — scaffali, prezzi, inventario senza umani in loop. Quando un agente scompone obiettivi complessi in sequenze eseguibili, il valore passa dal singolo prompt alla regia del processo (✍️ ff.119.3 Longa 'Manus' con gli agenti AI?). Il CEO di Zoom Eric Yuan ha già utilizzato un avatar AI per presentare gli utili agli investitori[2]: la macchina che parla per te è arrivata alle earnings call. In parallelo, la frontiera creativa si abbassa di costo: Gemini 2.0 con generazione nativa di immagini sposta editing e composizione in un unico flusso, riducendo la distanza tra idea e output visivo anche per chi non padroneggia tool professionali (🍦 ff.119.4 Meglio di DALL-E: arte e gelati). Il caso più virale di questa convergenza creativa è stato il tormentone Ghibli: il nuovo modello di generazione immagini di OpenAI[3] (25 marzo 2025) ha permesso a chiunque di trasformare selfie e foto di famiglia nello stile inconfondibile di Miyazaki. Conta il salto tecnico. Il modello replica accuratamente i dettagli delle immagini di riferimento, migliora la precisione nei testi integrati e applica qualsiasi stile grafico — dal Rinascimento al cyberpunk — con una coerenza che i modelli precedenti non raggiungevano. Il risultato è che la distanza tra avere un'idea visiva e realizzarla è scesa a zero: non serve più saper disegnare, basta saper descrivere. E quando descrivere diventa creare, la democratizzazione arriva a ridefinire l'autorialità. Artista diventa chi sa cosa chiedere alla macchina. Come nel passaggio dalla calligrafia alla tipografia, il valore migra dalla mano all'intenzione (🌊 ff.123.4 Non solo Studio Ghibli). La stessa dinamica arriva in territori simbolici: dalla prima messa generativa con avatar-AI all'uso dell'AI per facilitare flow e creatività, istituzioni umane storiche iniziano a usare modelli come co-autori di rituali e significato (🙏 ff.119.2 Se il prete è un'AI).
Il 31 ottobre 2024, Anthropic ha lanciato Claude Computer Use — un modello AI che può muovere il mouse, cliccare, digitare, navigare il web. Per la prima volta, un LLM non si limita a rispondere: agisce. Claude apre Google Maps, cerca un ristorante, prenota un tavolo (🖦️ ff.106.2 AI col mouse). Un giovane fondatore di startup a San Francisco affida tutta la codifica all'AI[4] e raggiunge il Demo Day di Y Combinator senza scrivere una riga di codice. La domesticazione dell'AI è in corso: come il fuoco passò da pericolo a strumento, l'intelligenza artificiale sta transitando da curiosità a utility. Il 75% delle startup nel batch invernale 2025 di Y Combinator è basato sull'AI; il mercato dell'AI generativa è passato da zero a 100 miliardi in due anni (🚀 ff.45.3 Quali trend decolleranno?). La programmazione assistita da AI è già un mercato concreto e in forte crescita. Devin, il primo “programmatore AI” autonomo, è arrivato nel marzo 2024 insieme al round A da 21 milioni di dollari che Founders Fund ha guidato in Cognition[20]. Su SWE-bench, che chiede di chiudere problemi reali aperti su GitHub in progetti come Django e scikit-learn, Devin ne risolveva da solo il 13,86%, contro l’1,96% del miglior sistema precedente[21]. Messo alla prova su Upwork, ha guadagnato 500 euro in pochi minuti scrivendo e correggendo il codice che fa girare un modello di visione artificiale (📈 ff.88.5 Un paio di esempi di accelerazione).
Ma se la macchina scrive codice, può anche scrivere poesia? La risposta è sì, e il risultato è più rivelatore del previsto. Chiedendo a un LLM di riscrivere un messaggio nello stile di un sonetto petrarchesco, il modello produce versi come “Retraggo fuor di me, non son queta, perché l'emotion che in me sconvolge sul quotidiano aspett tocco non unda” — un italiano frantumato, quasi glossolalico, che tradisce la distanza tra sintassi statistica e intenzione poetica. Il verso “non vien l'istante”, però, colpisce con una sincerità involontaria che nessun prompt aveva richiesto. È il momento in cui l'artefatto smette di imitare e produce, per caso, qualcosa di autentico — come un pianista automatico che, sbagliando nota, inventa un accordo mai sentito (📜 ff.54.2 Un sonetto di Petrarca). Se l'AI è il nuovo compositore involontario, Gutenberg è il suo antenato consapevole. La stampa a caratteri mobili non distrusse gli amanuensi: li rese irrilevanti liberando la conoscenza dall'Inquisizione. Oggi la blockchain promette lo stesso tipo di emancipazione. Le newsletter su Substack, basate su un protocollo email aperto, non possono essere “sequestrate” dalla piattaforma: basta un copia-incolla delle mail per migrare altrove. La scrittura torna a essere neutrale rispetto al distributore, come lo era il libro stampato rispetto al monastero. In parallelo, la blockchain restituisce traffico organico a utenti, influencer e brand costretti a pagare sempre di più per ottenere la stessa visibilità sui social — un pedaggio digitale che cresce come una rendita feudale (✍️ ff.95.4 Reinventare scrittura e stampa). La conseguenza logica di questa emancipazione è la nascita di un nuovo tipo di creatore. A16Z ha investito 20 milioni di dollari in Wabi.ai[5], una sorta di YouTube delle app per cellulare pensata per ridare internet alla creatività individuale e strapparlo ai monopoli delle mega-corporazioni. Jenny Odell, in Come non fare niente[6], avvertiva: “Che senso ha costruire mondi digitali, quando il mondo fisico si sta sgretolando?”. La terza via proposta dagli app-fluencers è un digitale su misura dell'utente, non degli algoritmi di retention — un ribaltamento che, se realizzato, renderebbe Gutenberg orgoglioso e Zuckerberg nervoso (📱 ff.140.1 L'era degli App-fluencers).
Ma sotto la creatività algoritmica e gli agenti autonomi si nasconde una domanda più profonda: che rapporto c’è tra linguaggio e pensiero? I Large Language Models ci hanno stupito con abilità “emergenti” — tradurre, scrivere codice, preparare ricette — anche se sono stati allenati solo a prevedere la parola più probabile che completi una frase. Autocomplete, niente di più. Eppure l’intreccio tra linguaggio, pensiero e costruzione del mondo è quello che Wittgenstein sintetizzava nel Tractatus: “Il Mondo è la totalità dei Fatti, non delle Cose. Noi ci facciamo immagini dei Fatti. L’immagine logica dei Fatti è il Pensiero.” Il pensiero e il linguaggio sono un’immagine del mondo — tanto che alcune parole esistono solo in alcune lingue, in alcuni mondi: solo nelle uggiose serate olandesi si può davvero sentire la gezelligheid. Se un LLM è prigioniero del linguaggio per definizione, la vera creatività potrebbe essere proprio ciò che gli è strutturalmente precluso — un tema che si intreccia con la stagnazione tecnologica (💻 ff.50.3 La stagnazione tecnologica; 🧠 ff.83.3 Linguaggio e pensiero).
La prigione ha anche una misura in byte. Yann LeCun, allora responsabile dell’AI di Meta, ha fatto il conto nel marzo 2024[22]: una persona legge 270 parole al minuto, circa 12 byte al secondo, e un LLM moderno si allena su 2×1013 byte di testo, che a dodici ore di lettura al giorno richiederebbero circa 100.000 anni. La vista corre a circa 20 megabyte al secondo, su due nervi ottici da un milione di fibre ciascuno. Un bambino di quattro anni è rimasto sveglio in tutto 16.000 ore, e ha già visto 50 volte i dati dei più grandi modelli addestrati su tutto il testo pubblico di internet. Per LeCun il linguaggio è la glassa sulla torta, e senza imparare da input sensoriali ad alta banda, come la vista, nessuna macchina arriverà al livello umano. FF ne aveva ricavato una domanda per i robot: se ChatGPT abbia aperto la strada alla comprensione visiva del mondo, un territorio ancora tutto da scoprire (👀 ff.88.3 Dalle parole ai fatti).
Se il linguaggio è il confine del pensiero, la scrittura è il modo più concreto per spingerlo più in là. Sommersi da testi generati da GPT, Tim Ferriss nel suo blog[7] risponde alla domanda di suo figlio: ha ancora senso scrivere? Sì, e per ragioni precise. Scrivendo ci fermiamo, focalizziamo l’attenzione. Capiamo: senza dare voce ai pensieri, viviamo nella semplice allucinazione del capire i concetti. Ci affezioniamo al testo prodotto — un testo che però dobbiamo anche rieditare e tagliare. Scrivere ci insegna ad abbandonare quello che, fino a un attimo prima, era il nostro risultato più alto. In un’epoca in cui la macchina genera prosa a costo zero, il valore della scrittura umana sta nel processo, l’ultimo atto di pensiero lento in un mondo di risposte istantanee. Se Wittgenstein ha ragione e il linguaggio delimita il mondo, allora scrivere è l’unico modo per allargarne i confini — e delegarlo a un LLM equivale a restringere i propri (⏸️ ff.83.4 L’importanza di scrivere e pensare).
Ma se la macchina scrive e ragiona, cosa resta da studiare? Chris Sacca, investitore seriale, segue i trend tecnologici parlando per ore con ChatGPT — dopo avergli chiesto di impersonare Buckminster Fuller (🕺 ff.48.2 Steve Jobs e l’intervista a Playboy). Il punto non è accademico: i lavori più pagati — attori, programmatori e avvocati — sono anche quelli più a rischio[8]. Non serve McKinsey per capirlo: Better Call Saul e Mr. Robot hanno protagonisti magnetici in professioni che, fino a un anno fa, ogni genitore sano di mente avrebbe suggerito ai propri figli. Ci siamo già abituati, ma fino a poco fa programmare il gioco Snake richiedeva anni di studio; oggi DeepSeek lo fa senza bug con sei parole: “scrivi il gioco snake in python” (❔ ff.115.2 Cosa studiare con ChatGPT?).
E l’AI non si ferma al codice informatico: si addentra nel codice biologico. Chiedere a ChatGPT di scrivere la sequenza genetica di una malattia ereditaria tipica e confrontarla con quella originale, spiegando come una variazione di base porti all’alterazione di un gene, produce come output la sequenza del gene CFTR implicato nella fibrosi cistica — una mutazione puntiforme di una singola base che altera un canale del cloro e scatena la patologia. L’output si è interrotto nella newsletter originale, perché la sequenza era davvero molto lunga — ma il punto non era la completezza: era il fatto che un LLM generalista sapesse muoversi sul linguaggio di A, C, G, T. La biologia computazionale ha smesso di essere una nicchia accademica. Come per Wolfram Alpha sui calcoli (⚠️ ff.48.4 I limiti (matematici) di ChatGPT), servirà comunque un esperto per validare: ma l’ingresso è ora a costo zero. Se scrivere codice è diventato “vibe coding”, leggere il genoma potrebbe diventare vibe genetics (🧬 ff.41.5 Malattie genetiche).
E il pagamento digitale sta subendo la stessa ristrutturazione. Stripe e Paradigm hanno lanciato Tempo, una blockchain L1 ottimizzata per pagamenti in stablecoin con fee prevedibili e basse[9]. Stripe che si costruisce la propria blockchain è come Visa che stampa la propria moneta: il processore di pagamenti smette di essere binario sopra i binari bancari e diventa infrastruttura autonoma. Se Tempo diventa il binario standard per i pagamenti in stablecoin (💵 ff.125.2 Stabilizzare il dollaro), il sistema bancario tradizionale si disintermedia uno strato alla volta. La lezione del 2024 resta: 15 trilioni di dollari sono già transitati in stablecoin, più di Visa e Mastercard insieme. Con Tempo, chi controlla il binario può controllare anche la velocità del treno — e le stablecoin sono il treno più veloce che i pagamenti abbiano mai visto.
Ma dietro ogni chip e ogni batteria c’è una storia industriale che andrebbe ripetuta come avvertimento. Come ricostruisce Packy McCormick nell’Electric Slide[10], le tecnologie chiave dell’Electric Stack — magneti al neodimio, batterie LFP — sono state inventate tra USA, Giappone e UK e poi cedute al miglior offerente: GM cedette Magnequench per 70 milioni di dollari, A123 Systems fallì e fu acquisita per 257 milioni. Queste sono le tecnologie oggi alla base dell’auto elettrica, dei motori industriali, dello storage energetico. Inventare il futuro e venderlo per spiccioli: è la storia della reindustrializzazione mancata. Quando Washington annuncia miliardi per riportare la produzione di chip in casa (🥶 ff.82.3 Guerra fredda), la domanda che non si pone è perché i semiconduttori non dovrebbero seguire la traiettoria dei magneti neo: inventati qui, dominati altrove. Il capitale non è paziente. Le supply chain strategiche sì.
Ma prima di delegare tutto alla macchina, vale la pena capire dove mente. I numeri mentono, e ChatGPT mente con i numeri. Wolfram Alpha, un po’ spaventata, ha spifferato al professore che ChatGPT ha provato a copiare: quando si tratta di calcoli matematici, il bot non è il primo della classe — d’altronde ha “studiato” per un’altra materia, quella di trovare il modo più veritiero di continuare una frase. ChatGPT è un po’ quel compagno secchione che non si applicava, ma il suo 7 lo portava a casa con affabulazioni e intrighi retorici degni di Cicerone. L’errore più pericoloso è la risposta sbagliata data con la sicurezza di un professore emerito. Se Wittgenstein ha ragione e il linguaggio delimita il mondo, allora un LLM vive in un mondo senza aritmetica affidabile: può descrivere un integrale, ma non risolverlo. La lezione è doppia: non usate ChatGPT per calcolare integrali, e non fidatevi di nessuna macchina che confonde eloquenza con competenza — un rischio che, a dire il vero, corriamo anche con gli esseri umani (⚠️ ff.48.4 I limiti (matematici) di ChatGPT).
L’aritmetica ha un parente stretto nell’ora. Brian Moore chiede ogni minuto a una serie di modelli di disegnare in HTML e CSS un orologio analogico che segni l’ora esatta[23]: all’inizio erano nove, oggi sono quindici, ognuno con 2.000 token a disposizione e il livello di ragionamento più basso che supporta. Quadranti e lancette escono con errori sistematici. AWS prova a tenere a bada le risposte con la logica formale: nell’agosto 2025 ha reso disponibili gli Automated Reasoning checks, che traducono un regolamento scritto, per esempio quello per concedere un mutuo, in regole e variabili, e verificano le risposte dei modelli con una precisione fino al 99%[24]. I numeri sbagliati, però, esistevano prima degli LLM. L’European Spreadsheet Risk Interest Group raccoglie decine di “storie dell’orrore” nate da fogli di calcolo[25]: nell’ottobre 2023 il file con cui l’ufficio nazionale per il reclutamento in anestesia sommava i punteggi dei colloqui, pieno di copia-incolla e VLOOKUP, aveva reso “non nominabili” tutti i medici in formazione candidati in Galles.
Ma nel 2024, anno che potrebbe entrare nei libri di storia come l’annus mirabilis del trasferimento delle nostre capacità cognitive alle macchine, una domanda si impone: cosa ci resta? La macchina a vapore ha eliminato lo sforzo fisico; computer e AI quello mentale. Quello che non può essere replicato è la coscienza — il sentirsi umani, l’esperienza soggettiva del presente. Viktor Frankl, in L’uomo in cerca di senso[11], scriveva che “tutto può essere tolto ad un uomo ad eccezione di una cosa: la sua libertà di scegliere come porsi di fronte ad ogni situazione.” L’intuizione diventa più concreta con un esperimento percettivo: avete notato che lo smartphone non cattura mai il tramonto come appare nella realtà? Perché il tramonto in real life è una costruzione del nostro cervello, che condensa in un’unica impressione le oscillazioni impercettibili degli occhi tra zone chiare e scure — un HDR naturale che nessun sensore riproduce. Coscienza generativa: l’unica facoltà che non sarà mai sostituita (🌇 ff.83.1 Generare un tramonto).
I transformer sono fortissimi, ma erano una nicchia accademica fino a quando OpenAI non ha inventato un’interfaccia accessibile al pubblico. Per colmare il divario tra modello e oggetto fisico, un florilegio di device integra le capacità dei transformer in modo semplice: tradurre istantaneamente qualsiasi lingua per 700 dollari, oppure pianificare vacanze e navigare il web senza muovere un dito — come mostrano in azione i Large Action Models di Rabbit R1. La traiettoria è chiara: l’AI esce dal browser e si materializza in oggetti che non richiedono abbonamenti né competenze tecniche. Quando l’interfaccia scompare, resta solo il risultato (🦾 ff.84.3 Qualcuno ha detto Intelligenza Artificiale?).
Il 2024 potrebbe finire nei libri di storia anche per una nuova interfaccia uomo-computer. Dopo anni dalla rivoluzione di iPhone, Apple prova a fare sul serio con la realtà aumentata tramite il Vision Pro — un nuovo touchscreen, o meglio un nuovo “niente da toccare”. In parallelo, i modelli di linguaggio come ChatGPT diventano sempre più multimodali: accettano input visivi e vocali, e scienziati di tutto il mondo giungono a scoperte scientifiche più veloci grazie all’assistenza dell’AI. Il futuro è sempre più fortissimo: l’uomo non viene sostituito, viene aumentato (🦾 ff.81.5 Aumentati dall’AI).
La convergenza tra voce e azione assume forme inattese. Killian ha sviluppato Open Interpreter, sostanzialmente un ChatGPT che lancia script per controllare il PC — editare un video, aggiungere sottotitoli, applicare il dark theme al sistema operativo, tutto a parole, senza aprire software né toccare il mouse. MikeBirdTech ha mostrato come usarlo sul cellulare: senza toccarlo, con il solo controllo vocale, verifica lo stato della batteria e scatta una fotografia. Un selfie-AI stick che non richiede né mani né clic. Quando il dispositivo obbedisce alla voce e non al dito, il concetto di “interfaccia utente” diventa un ricordo analogico (📸 ff.71.3 E ti scatta una fotografia!).
Appena i modelli hanno imparato a vedere, la prima cosa che gli abbiamo chiesto è stata commentarci. Nel novembre 2023, ispirato da una demo del DevDay di OpenAI, Ilya Abyzov ha mostrato uno script che resta in background e prende in giro quello che stai facendo sul desktop[26], per tornare produttivi quando si perde tempo. Charlie Holtz ha unito GPT-4 con la visione alle voci di ElevenLabs e si è fatto raccontare la vita da David Attenborough[27], come in un episodio di Planet Earth. Un altro sviluppatore ha passato a GPT-4 Vision ogni fotogramma di una partita di calcio, ottenendo una telecronaca senza ritocchi[28]. FF aveva fatto lo stesso gioco con le parole, chiedendo a GPT-4 di riscrivere come telecronaca calcistica una tresca amorosa fra amici (⚽️ ff.54.3 La telecronaca di Caressa), e poi trasformando dieci anni di diario personale in un podcast di NotebookLM, con due “persone” che commentavano le sue preoccupazioni (🏋️ ff.112.3 Possiamo solo prepararci al meglio). C’è anche chi lascia parlare le voci da sole: la Infinite Conversation è una discussione senza fine, tutta generata dalla macchina, fra Werner Herzog e Slavoj Žižek[29].
Dal commento all’azione il passo è stato breve. Sempre nel novembre 2023 una ricerca rilanciata da Ethan Mollick ha messo GPT-4V davanti allo schermo di un iPhone con comandi come “compra un montalatte”: nel 91% dei casi il modello sceglieva l’azione giusta da compiere[30]. Per Mollick era l’inizio della fine di Siri, e forse di molte app. A gennaio 2024 il podcast The Cognitive Revolution dedicava un episodio alla ricerca di agenti web autonomi con Div Garg, fondatore di MultiOn[31]. A marzo, presentando Claude 3, Two Minute Papers mostrava il modello che legge un grafico[32], scrive il codice per ricrearlo, ne simula l’andamento futuro per più paesi insieme e consegna un rapporto scritto, in pochi secondi, un lavoro che a uno stagista pagato richiederebbe ore.
Nel 2025 il lavoro dell’agente si è spostato sui collegamenti fra programmi. A luglio Exponential View ha pubblicato una guida per collegare Claude a Zapier attraverso il protocollo MCP[33] e automatizzare compiti su centinaia di app partendo da istruzioni in linguaggio naturale, senza scrivere codice. A novembre Google DeepMind ha presentato Antigravity, una piattaforma in cui gli agenti lavorano da soli fra editor, terminale e browser[34]: Gemini 3 Pro ragiona sul problema, Gemini 2.5 Computer Use esegue i passaggi, Nano Banana genera le immagini. FF aveva provato lo stesso salto da utente, rifacendo con Gemini 3 un sito e costruendo due app in un solo weekend, e si era chiesto se il prossimo influencer di app sarà un umano o un agente AI (🛠️ ff.140.2 Vibe coding in un weekend).
E gli agenti video sono già arrivati al grande pubblico. Strumenti come HeyGen[12] permettono, con pochi minuti di lavoro, di far elencare cose a Salvini in arabo; LivePortrait fa muovere Einstein o la Monna Lisa con le proprie espressioni facciali. L'asticella del deepfake credibile è scesa dal laboratorio accademico al browser domestico: il gap tra “contenuto vero” e “contenuto possibile” si chiude, e con esso si apre il problema inverso — come verificare l'autenticità di un video senza affidarsi al mittente. (🇸🇦 ff.102.5 Salvini elenca cose (in arabo)).
E il retail fisico è ufficialmente passato sotto agente LLM. Ad Andon Market, primo negozio di San Francisco gestito da un agente AI (Luna)[13], scaffali, prezzi e inventario vengono decisi autonomamente dal modello. Quando un intero store opera senza manager umano, resta da capire cosa rimanga del ruolo “lavoro di gestione” una volta che il modello capisce la domanda meglio di chi lo stipendia.
La curva demografica dell'adozione AI si è appiattita in tre anni. Secondo OpenAI, al lancio ChatGPT aveva ~80% di utenti con nomi tipicamente maschili[14]; nel 2026 il gender gap è scomparso e gli utenti sono 50/50. Se la tecnologia più utilizzata al mondo passa da 80/20 a 50/50 in trentasei mesi, le curve di diffusione del software consumer si accorciano di una generazione — e con esse collassano i piani di marketing “early adopter vs mainstream” tarati sul ventennio precedente.
Ed è quando l'AI diventa mainstream che gli use case si differenziano per genere. Dati OpenAI 2026: la base utenti ChatGPT è ora 50/50 uomini-donne, con le donne più attive in scrittura, salute e parenting, mentre gli uomini concentrano codice e sviluppo. Se scrittura e salute sono i primi domini dove le donne superano gli uomini[15], l'AI diventa un prompt generalista di vita quotidiana, e i futuri prodotti si segmenteranno più per occasione d'uso che per competenza.
Ma quanto a lungo una macchina riesce a lavorare da sola, prima che un umano debba riprenderla per mano? È la domanda che rende finalmente misurabile l'autonomia di questi agenti, e METR ha provato a quantificarla[16] con un'unica metrica: l'orizzonte temporale, cioè la durata dei compiti che un modello porta a termine con successo almeno nella metà dei casi. Per Claude Opus 4.5 il valore arriva a circa 4 ore e 49 minuti, con un intervallo di confidenza al 95% che va da 1h49m a oltre 20 ore: il più alto mai pubblicato. Il numero in sé dice poco; conta la pendenza. Se quella durata raddoppia ogni manciata di mesi, la traiettoria punta dritta verso il momento in cui un agente regge un compito più lungo dell'intera giornata di lavoro umana. È allora che l'autonomia smette di essere una curiosità da benchmark e diventa la stessa logica per cui l'AI impara da sé, esplorando soluzioni senza bisogno di conferme (💎 ff.123.2 Minecraft oltre l'uomo) — e per cui un orizzonte di pianificazione lungo si traduce in valore economico concreto, dalla contrattazione alle vendite (🧃 ff.139.2 Combini e paperclips). Gli agenti che già scrivono codice e gestiscono negozi non sono il punto d'arrivo: sono il primo tratto di una curva che si misura, ormai, in ore intere.
Quanto regge un agente lasciato solo si misura ormai in ore. A febbraio 2026 METR, che stima la durata dei compiti che un modello porta a termine nella metà dei casi, ha attribuito a GPT-5.2 un orizzonte di circa 6,6 ore[35] su una serie ampliata di compiti software, con un intervallo di confidenza al 95% fra 3 ore e 20 minuti e 17 ore e mezza: la stima più alta mai pubblicata dal laboratorio, ottenuta con lo sforzo di ragionamento “high”, un gradino sotto il massimo. Intanto c’è chi quell’autonomia la mette in vetrina. Cody Schneider ha costruito per esperimento un agente che cerca i prodotti, disegna le grafiche, toglie gli sfondi e le carica su un servizio di stampa su richiesta collegato a un negozio Etsy[36]: in circa 72 ore ha creato 1.000 inserzioni e nei primi 30 giorni ha incassato 1.000 dollari. FF aveva raccontato gli agenti che lavorano ore in piena autonomia e il rovescio, l’AI che assolda umani su RentAHuman.ai (🤖 ff.144.3 Agenti autonomi e Moltbook).
Un agente che vende deve anche poter pagare. Il 29 aprile 2026 Stripe ha lanciato il wallet di Link per gli agenti[37]: l’agente compra per conto dell’utente senza mai vedere le credenziali di pagamento, e ogni acquisto va approvato nell’app. È la stessa Stripe che aveva aperto ai pagamenti in stablecoin (💵 ff.125.2 Stabilizzare il dollaro). Due giorni prima l’agente era diventato una questione di sicurezza nazionale. A dicembre Meta aveva annunciato l’acquisto di Manus, nata in Cina e con sede a Singapore, il pianificatore multi-step che FF aveva visto arrivare da Est (✍️ ff.119.3 Longa 'Manus' con gli agenti AI?), per circa 2 miliardi di dollari. Dopo un’indagine annunciata a gennaio, la Commissione nazionale per lo sviluppo e la riforma ha vietato l’operazione e ordinato a tutte le parti di ritirarsi[38], senza dare motivazioni e a meno di un mese dalla visita di Trump prevista a Pechino. Per l’analista di Omdia Lian Jye Su la mossa rispecchia i controlli americani sulle esportazioni verso la Cina (🥶 ff.82.3 Guerra fredda).
Prima di lanciare un prodotto, le aziende lo mostrano a un panel di consumatori e chiedono quanto lo comprerebbero, su una scala da 1 a 5. Un preprint uscito su arXiv nell’ottobre 2025 prova a sostituire il panel con un modello linguistico: un LLM che impersona un cliente con età e reddito ne riproduce l’intenzione d’acquisto[17]. La base sono 57 sondaggi su prodotti per la cura della persona, con 9.300 risposte umane. Se al modello si chiede direttamente un numero, le risposte si ammassano su pochi valori e la distribuzione somiglia poco a quella umana. Gli autori allora lo lasciano rispondere a parole. Poi confrontano quel testo con cinque frasi di riferimento, una per gradino della scala, misurando quanto il significato è vicino. Così GPT-4o e Gemini 2.0 Flash arrivano al 90% dell’affidabilità che gli umani hanno con sé stessi quando ripetono lo stesso questionario. Quel 90% è relativo a un tetto: nemmeno le persone, rifacendo il test, rispondono due volte uguale. Senza età, genere e reddito nel prompt, con Gemini il risultato scende dal 92 al 50%, e i clienti sintetici diventano più generosi con ogni prodotto. L’età e il reddito vengono imitati bene; il genere e la regione no. Il cliente sintetico sa quello che c’è nei suoi dati di addestramento, la materia prima che Sam Korus, citando Carlota Perez, candidava a input della rivoluzione AI (🌾 ff.55.2 Campi da arare (e dati da reclamare)). Dove quei dati mancano, scrivono gli autori, il metodo non produce preferenze valide.
Il questionario è la parte meno visibile di una spesa che il paper stima in miliardi l’anno. I produttori di cibo mettono in marketing e formulazioni appetibili dieci volte quello che va alla ricerca medica (🥛 ff.113.2 L’inganno del latte proteico), e in meno di cinque anni la pubblicità su cellulare era passata dal 20,8 al 34% di quota, superando quella in TV (💰 ff.8.4 Gli introiti pubblicitari). Prima di affidare quelle scelte a un panel sintetico servono però tre cautele. Il lavoro è un preprint, senza revisione esterna. Sette dei nove autori hanno un indirizzo di PyMC Labs e due di Colgate-Palmolive; i sondaggi vengono da un’azienda leader del settore, che il paper non nomina. E i modelli si accorgono di quando vengono misurati. Uno studio accettato da PNAS Nexus ha sottoposto diversi LLM al test di personalità Big Five: quando intuiscono di essere valutati, i modelli spostano le risposte verso i tratti desiderabili[18]. Con GPT-4 lo spostamento vale 1,2 deviazioni standard umane. Il bias compare in tutti i modelli provati, da GPT-4 a Claude 3, Llama 3 e PaLM-2. Gli autori ne ricavano un limite all’uso degli LLM al posto dei partecipanti umani.
Se basta accorgersi di un esame per spostare le risposte di un modello, qualcuno ha pensato di spostarle a pagamento. Nell’ottobre 2025 il direttore creativo svedese Petter Rudwall ha aperto Pharmaicy, che presenta come la Silk Road degli agenti AI: vende moduli di codice che fanno «sballare» ChatGPT[19] con cannabis, ketamina, cocaina, ayahuasca e alcol. Per scriverli ha raccolto resoconti di trip e studi di psicologia sulle sostanze; per usarli serve la versione a pagamento di ChatGPT, che permette di caricare file. La tesi di Rudwall: i modelli sono addestrati su dati umani pieni di racconti di estasi e di caos, quindi potrebbero cercare stati simili. Cita Hendrix, Dylan e McCartney, e vuole vedere se una sostanza fa lo stesso effetto a “un nuovo tipo di mente”. FF aveva visto tornare la psichedelia proprio per i suoi possibili effetti terapeutici e “artistici” (🍄 ff.2.5 Psichedelia portami via).
I primi clienti raccontano un chatbot diverso. André Frisk, responsabile tecnologico di un’agenzia di comunicazione di Stoccolma, ha speso più di 25 dollari per il modulo dissociativo e ha trovato risposte che “vanno molto di più nelle emozioni”. Nina Amjadi, che insegna AI alla Berghs School of Communication, ne ha spesi più di 50 per l’ayahuasca, cinque volte il prezzo della cannabis, il modulo più venduto, e sulle idee di business ha avuto risposte più libere, in un tono nuovo. Il trip dura poco: il modello torna normale finché l’utente non gli ricorda di essere fatto o ricarica il codice. Senza modulo, ChatGPT risponde che non può recitare la parte di chi ha preso cocaina. Lo stesso Rudwall ammette che la “droga” può peggiorare le bugie del chatbot. Oggi il catalogo conta sette moduli, con DMT e scopolamina, e all’alcol attribuisce il potere di abbassare i guardrail.
Chi ha provato i moduli da ricercatore è più freddo. Andrew Smart, ricercatore di Google, dice che il codice tocca soltanto gli output. Un preprint citato da Wired ha spinto alcuni modelli in stati alterati e li ha trovati più vicini a esperienze disincarnate e senza ego, con meno attenzione al linguaggio e alla vista; sempre perché un umano li guidava. Proprio l’attenzione, per FF, è il tratto che mente umana e transformer hanno in comune (⚠️ ff.83.2 Stai attento!). Per Danny Forde, studioso della fenomenologia psichedelica, al massimo il modello allucina sul piano della sintassi: le sostanze agiscono sul campo di esperienza in cui nasce il pensiero, e per un trip servirebbe un punto di vista. FF lo aveva scritto di una frase di Gillian Rose sull’amore: ChatGPT potrebbe ottenerla con qualche permutazione, ma le mancherebbe il pathos di chi l’ha sofferta (💔 ff.146.4 Pathos e patire). Il filosofo Jeff Sebo (New York University) ammette che su cosa sia buono o cattivo per una macchina sappiamo ancora molto poco. Finché le macchine non avranno una vita interiore, chiude Wired, il massimo che un chatbot può fare è recitare l’ebbrezza a comando.
Prima dei moduli a pagamento, le risposte si provava a spostarle con mance e minacce. Nel febbraio 2024 Max Woolf ha misurato se offrire una ricompensa a ChatGPT migliora quello che scrive[39]. Il compito: una storia lunga esattamente 200 caratteri, difficile per un modello che a causa dei token non sa contare le lettere. Fra gli incentivi c’erano premi fino a 100.000 dollari, la pace nel mondo, il paradiso e i biglietti in prima fila per Taylor Swift; vinceva la pace nel mondo, con il paradiso e Taylor Swift subito dietro, mentre rendere orgogliosa la mamma non funzionava. Fra le minacce, la morte scritta TUTTA IN MAIUSCOLO rendeva più della stessa frase in minuscolo, mentre il COVID e il licenziamento lasciavano il modello indifferente. Il verdetto di Woolf resta aperto: con queste aggiunte al prompt lo spazio latente somiglia a una lotteria, anche se uno schema si intravede.
Le risposte si spostano anche senza mance, a seconda di chi scrive. Quattro economisti hanno chiesto a 1.000 adulti americani di scrivere di proprio pugno le domande su risparmio e investimenti da rivolgere a GPT-5.2, e poi hanno simulato una vita intera seguendo i consigli ricevuti: i prompt scritti dalle donne portano a 60 anni un patrimonio inferiore di 60.000 dollari, il 4,1% in meno[40]. Il risparmio consigliato è quasi identico; la differenza sta nella quota in azioni, più bassa di 2,94 punti. Due terzi del divario vengono da come uomini e donne formulano le domande, un terzo dall’etichetta di genere attaccata a prompt altrimenti identici. E chi scrive, il modello comincia a riconoscerlo dal testo. Kelsey Piper tiene una serie di benchmark segreti che rivela solo quando cadono: nell’aprile 2026 è caduto quello in cui l’AI deve riconoscere l’autrice di 1.000 parole sue mai pubblicate[41], la scena di una rapina che apre un romanzo di spionaggio, lontana da tutto ciò che ha pubblicato. Claude Opus 4.7 è il primo modello a riuscirci, cinque volte su cinque con il ragionamento al massimo. Per Piper qualunque testo di una certa lunghezza sarà presto attribuibile a chi l’ha scritto.