Chi governerà l'intelligenza artificiale? I colli di bottiglia che decideranno il futuro, secondo Anthropic (2026)

Nel 2026 il dibattito sull'intelligenza artificiale ha smesso di chiedersi se i sistemi diventeranno più capaci e ha iniziato a chiedersi cosa li fermerà. Tre pubblicazioni recenti di Anthropic — il saggio di Dario Amodei "The Adolescence of Technology", il documento "When AI builds itself" e gli Anthropic Economic Index — convergono su una tesi tanto semplice quanto controintuitiva: molto presto l'intelligenza in sé smetterà di essere il vincolo. A decidere il ritmo del futuro saranno i colli di bottiglia che restano — umani, fisici e regolatori. Capire dove si trovano è la chiave per governare questa tecnologia, e per usarla bene in azienda.

Quando l'IA inizia a costruire sé stessa

Il punto di partenza è un dato concreto, non una previsione. In "When AI builds itself" Anthropic riporta che, a maggio 2026, oltre l'80% del codice integrato nei propri sistemi è scritto da Claude — partendo da una percentuale a una cifra prima del lancio di Claude Code a inizio 2025. L'azienda descrive una traiettoria in cui delega una quota crescente dello sviluppo dell'IA all'IA stessa, fino allo scenario limite di un sistema capace di progettare in autonomia il proprio successore: il cosiddetto auto-miglioramento ricorsivo (recursive self-improvement).

Amodei dà a questa visione un'immagine memorabile: una "nazione di geni dentro un datacenter" — milioni di istanze di IA capaci come un premio Nobel in ogni campo, che operano 10-100 volte più velocemente di un essere umano, e che secondo lui potrebbero arrivare entro 1-2 anni. Le previsioni sui tempi restano incerte, e lo stesso autore lo sottolinea: ma è la possibilità a giustificare l'attenzione.

I tre scenari del futuro

Anthropic non promette una singola profezia: delinea tre possibili evoluzioni.

• 1. La curva si appiattisce. Gli esponenziali diventano curve a S: il "giudizio" che separa un buon ricercatore da uno eccellente potrebbe essere una capacità che non emerge semplicemente scalando. A fare da freno diventano allora i vincoli fisici — fabbricazione di chip, energia, espansione della rete elettrica.
• 2. Efficienza composta (lo scenario ritenuto più probabile). Lo sviluppo dell'IA si automatizza in larga parte mentre gli umani mantengono la direzione: le organizzazioni diventano enormemente più produttive — "aziende di 100 persone potrebbero fare il lavoro di organizzazioni da 10.000 o 100.000". Ma emerge subito un nuovo vincolo: la revisione umana.
• 3. Auto-miglioramento pieno. I sistemi progettano e costruiscono i propri successori; il progresso dipende quasi solo dalla disponibilità di potenza di calcolo, e gli umani passano a ruoli di supervisione e verifica.

La legge di Amdahl: accelerare una parte sposta il problema

Il filo che tiene insieme tutto è un principio dell'informatica, la legge di Amdahl: la velocità di un sistema è limitata dal suo componente più lento. Accelerare una fase non elimina il problema, lo sposta sulla fase successiva.

Anthropic lo ha sperimentato sulla propria pelle: man mano che Claude produce sempre più codice, la revisione umana del codice è diventata il nuovo collo di bottiglia. È la legge di Amdahl in diretta. E vale ben oltre il software: man mano che si accelera l'"intelligenza", a comandare il ritmo passano le tappe che non si possono comprimere.

L'infografica interattiva in cima a questo articolo permette di vederlo: aumentando la velocità dell'IA, la tappa "intelligenza" si riduce, ma il tempo totale plafona — perché la somma delle tappe umane, fisiche e regolatorie fa da pavimento.

Cosa l'IA non può accelerare

Anthropic è esplicita su questo punto: nemmeno un'intelligenza che si costruisce da sola può accelerare tutto. "Più intelligenza non può imparare cosa fa un farmaco nell'arco di decenni d'uso, non può tenere elezioni prima di quanto stabilisca una costituzione, non può trasformare uno sconosciuto in un vecchio amico in un fine settimana." Per la maggior parte delle persone, il ritmo percepito del futuro sarà ancora dettato dai colli di bottiglia.

I vincoli che resteranno, in ordine di importanza:

• Revisione e giudizio umano — decidere quali problemi contano, dare direzione, validare. È la capacità che secondo Anthropic potrebbe non emergere dal solo scalare.
• Il mondo fisico — energia per i datacenter, materiali per i robot, banda per coordinare le istanze. Amodei lo chiama il passaggio dalla "scarsità di calcolo" alla "scarsità di tutto il resto".
• Il tempo irriducibile — gli effetti a lungo termine, i cicli clinici, le stagioni: non si comprimono.
• L'attrito organizzativo — un'esplosione di idee e iniziative che supera la capacità di perseguirle. Per questo, dice Anthropic, "identificare e risolvere i colli di bottiglia organizzativi diventa la competenza più importante per qualsiasi organizzazione".
• Fiducia e regolazione — approvazioni e istituzioni democratiche viaggiano su tempi diversi dai cicli di calcolo.

I mercati più lenti (e quelli più rapidi)

Paradossalmente, i settori più "lenti" non sono i meno tecnologici, ma quelli protetti da vincoli fisici, regolatori o di fiducia: la sanità e il farmaceutico (tempi di approvazione clinica), la pubblica amministrazione (vincoli costituzionali ed elettorali), la manifattura e la robotica fisica (il mondo embodied frena), e qualsiasi dominio che richieda validazione umana prolungata.

Sul versante opposto, i dati reali dell'Anthropic Economic Index (report di gennaio-marzo 2026) mostrano cosa accelera per primo: i flussi di lavoro via API per vendite/outreach e trading e operazioni di mercato sono raddoppiati tra novembre 2025 e febbraio 2026; il customer service — soprattutto pagamenti e fatturazione — è l'area più esposta all'automazione piena; e il coding migra verso flussi sempre più automatizzati. Un dato controintuitivo: gli più esposti oggi sono lavoratori altamente istruiti, esperti e ben pagati, non i meno qualificati. E si apre un divario di apprendimento — gli utenti esperti ottengono circa il 10% di successo in più, rischiando di approfondire la disuguaglianza salariale.

Governare l'intelligenza: i 5 rischi e gli strumenti

Se l'intelligenza non sarà più il vincolo, lo diventa il controllo. In "The Adolescence of Technology" Amodei mappa cinque categorie di rischio dell'IA avanzata: (1) autonomia e disallineamento dei sistemi; (2) uso per la distruzione, ad esempio armi biologiche; (3) uso per concentrare il potere, tramite sorveglianza e propaganda; (4) disruption economica — fino al 50% dei lavori entry-level "white-collar" a rischio in 1-5 anni, pur con un PIL in forte crescita; (5) effetti indiretti che destabilizzano le istituzioni.

La risposta proposta non è né il panico né la negligenza, ma una regolazione chirurgica e basata sull'evidenza, su due livelli:

• Sul singolo modello: trasparenza prima di tutto (obbligo per i frontier lab di dichiarare rischi e test, sul modello della legge californiana SB 53); Constitutional AI, che addestra su valori e identità di alto livello anziché su liste rigide di regole; e interpretabilità meccanicistica per "diagnosticare" il comportamento del modello prima del rilascio — di fatto la trasparenza (XAI) portata dentro il modello stesso.
• Sul sistema globale: costruire un'infrastruttura di verifica per un "rallentamento o pausa credibile" dello sviluppo di frontiera. Anthropic si impegna in modo condizionato — "rallenteremmo o ci fermeremmo temporaneamente, se anche gli altri al fronte lo facessero in modo verificabile" — pur ammettendo la difficoltà: "un training run è molto più facile da nascondere di un silo missilistico", e "chi continua mentre gli altri si fermano potrebbe ereditare il vantaggio".

Cosa significa per un'impresa

La lezione per chi adotta l'IA nei processi è diretta: smettere di inseguire solo "il modello più potente" e iniziare a presidiare i colli di bottiglia. In concreto:

• Investire sulla revisione: se l'IA produce dieci volte di più, il vincolo diventa la capacità umana di validare. Processi di revisione chiari e proporzionati al rischio valgono più di un modello marginalmente migliore.
• Mantenere l'essere umano nel ciclo (human-in-the-loop) dove le decisioni hanno conseguenze, e pretendere spiegabilità dai sistemi che decidono.
• Partire dai processi giusti: attività ad alto volume e a regole chiare, misurando il punto di partenza per dimostrare il ritorno.
• Calibrare la governance sul livello di autonomia di ciascun sistema, non come interruttore on/off.

In NoraSoft accompagniamo le aziende esattamente in questo passaggio: dall'analisi dei processi all'automazione intelligente con AI e RPA, con un approccio pragmatico, trasparente e orientato a benefici misurabili — sapendo che il valore, oggi, sta nel governare bene l'intelligenza, non solo nel possederla.

Conclusione

Le ricerche Anthropic del 2026 ribaltano la domanda di partenza. Non è "quanto diventerà intelligente l'IA", ma "cosa, attorno all'IA, resterà lento": il giudizio umano, l'energia e i materiali, la fiducia e le regole. Governare questa tecnologia significherà sempre meno costruire modelli più potenti e sempre più garantire trasparenza, verifica e coordinamento. È, per le imprese come per i governi, il vero lavoro del prossimo decennio.

Fonti

• Anthropic Institute — When AI builds itself (giugno 2026): scenari di auto-miglioramento ricorsivo, legge di Amdahl, oltre l'80% del codice scritto da Claude, proposta di rallentamento verificabile.
• Dario Amodei — The Adolescence of Technology (gennaio 2026): cinque rischi dell'IA avanzata, "nazione di geni in un datacenter", trasparenza, interpretabilità e regolazione graduata.
• Anthropic — Anthropic Economic Index, report di gennaio e marzo 2026: esposizione del lavoro all'IA, automazione vs augmentazione, curve di apprendimento e disuguaglianza.
• Anthropic — Labor market impacts of AI: a new measure and early evidence.

Nota: le cifre e i tempi relativi al 2026 e oltre sono previsioni e stime degli autori (forecast) e vanno lette come tali, non come certezze.