Venerdì mattina sono stato a una tavola rotonda sull’intelligenza artificiale, organizzata da una cooperativa veneta. Ci sono andato come consulente tecnico. Un anno e mezzo fa avevo tenuto a una parte di loro un corso introduttivo sull’IA generativa: cos’è, come si scrive un prompt, qualche esempio di strumenti per testo, musica, video. Questa volta non c’era da insegnare niente: c’era da ascoltare e, alla fine, da fare il punto.
Mi sono divertito, ed è stato più interessante di quanto mi aspettassi. Provo a raccontare cosa ho visto, perché credo dica qualcosa di utile a chiunque stia portando l’IA dentro un’azienda.
Un tavolo molto vario
Eravamo una trentina di persone, in larga parte i quadri e i responsabili intermedi della struttura, ma con intorno figure molto diverse. Solo per dare un’idea della varietà: una studentessa di liceo, un responsabile dei trasporti, un addetto alle risorse umane, un informatico, una psicologa, un formatore. Età diverse, mestieri diversi, storie diverse.
I partecipanti sono arrivati quasi tutti ignari dell’argomento. Solo uno si era preparato, e ha aperto il giro con una breve relazione sull’IA. Poi ognuno ha detto la sua: cosa lo preoccupa, cosa ha letto, come la usa. E qui la sorpresa: pur all’oscuro del tema, si sono rivelate persone acute, profonde, perspicaci, che mettevano sul tavolo osservazioni tutt’altro che banali.
La cosa più bella è che ognuno, senza accorgersene, portava il punto di vista del proprio ruolo e della propria vita. Chi parlava da genitore, chi da studente, chi dal suo mestiere. La psicologa guardava all’effetto sulle persone, l’informatico agli strumenti, il formatore all’apprendimento, il responsabile del personale al lavoro. Lo stesso oggetto, l’IA, visto da una trentina di angoli diversi. Per chi come noi ci lavora tutti i giorni, è un promemoria potente: l’IA non tocca un reparto, tocca tutti, e ognuno la incontra dal suo lato.
Le ombre, messe sul tavolo
Quando è toccato a me chiudere, ho provato ad allargare il quadro: non solo cosa l’IA sa fare, ma anche i problemi che crescono insieme alla sua potenza. Perché i due lati vanno insieme. Più l’IA diventa capace, più si amplificano anche le sue ombre. Le ho messe sul tavolo senza sconti:
- Opacità e responsabilità (la “scatola nera”): nessuno sa perché un modello risponde giusto o sbagliato. E nessuno vuole prendersi la responsabilità di un testo sbagliato, figuriamoci di un’auto che investe un pedone.
- Consumi di energia e acqua, e quindi impatto ambientale, di modelli e data center sempre più grandi. Sul fronte energia, l’Agenzia internazionale dell’energia stima che i data center abbiano consumato circa 415 TWh di elettricità nel 2024, l’1,5% del totale mondiale, e che entro il 2030 la cifra più che raddoppi verso i 945 TWh, quasi quanto l’intero consumo elettrico del Giappone, con l’IA come primo motore della crescita. Sul fronte acqua, solo nel 2025 i data center per l’IA hanno prelevato circa mille miliardi di litri, in gran parte per il raffreddamento. Attenzione, però, a cosa significa “consumarla”: nelle torri evaporative il 70-80% di quell’acqua evapora e non torna nel bacino da cui è stata presa. Non sparisce, ripiove, ma altrove, non nella falda di partenza. È questo il motivo per cui, dove si pesca dai pozzi, le falde si abbassano, soprattutto nelle zone già in stress idrico. E c’è un secondo problema: l’acqua che invece torna indietro non torna pulita. Lo scarico (il “blowdown”) esce più caldo e più carico di sali, biocidi e anticorrosivi usati per tenere pulito il circuito, e va trattato prima di essere reimmesso. Intorno agli impianti la temperatura locale sale: alcuni studi misurano fino a 4 gradi in più nei quartieri vicini, con picchi ancora maggiori sul suolo. C’è poi il rumore: un ronzio a bassa frequenza e infrasuoni che le insonorizzazioni faticano a fermare e che i normali fonometri quasi non rilevano, ma che i residenti percepiscono eccome, con disturbi del sonno, mal di testa e ansia. Il problema è così serio che si cercano soluzioni estreme: Microsoft ha sperimentato i data center sottomarini (Project Natick, poi chiuso nel 2024), mentre Musk, con SpaceX e xAI, progetta data center in orbita.
- Bias introdotti durante l’addestramento, che il modello eredita e ripropone. I bias fanno parte della nostra cultura, e per limitarli o eliminarli si interviene sui dataset di addestramento: di fatto qualcuno decide cosa è giusto e cosa è sbagliato per un LLM che influenzerà miliardi di persone.
- Concentrazione di potere: chi potrà usare i modelli più performanti avrà un grande aiuto e vantaggio su chi non potrà, e ancora di più lo avrà chi possiede il modello stesso. E possederli potranno in pochissimi: addestrare un modello di punta richiede capitali, calcolo e dati enormi, così il potere si concentra in poche aziende e pochi Stati, in un circolo che si autoalimenta.
- Privacy e fuga di dati: cosa dai in pasto al modello e dove finisce, soprattutto con i servizi in cloud. È un problema su tre fronti insieme. Etico, perché spesso si tratta di dati di persone che si fidano di noi. Normativo, perché il GDPR impone di sapere dove vanno quei dati, con quali garanzie e per quali finalità. E competitivo, perché documenti, listini e know-how aziendale dati in pasto a un modello altrui possono finire per alimentarlo e diventare un vantaggio per qualcun altro. C’è anche un paradosso: le aziende europee devono sottostare a queste norme, mentre molte aziende americane e cinesi non hanno gli stessi vincoli e risultano più rapide nell’adozione dello strumento. Il risultato è che le aziende europee perdono competitività.
- Erosione del senso critico: accettare la risposta perché “l’ha detto l’IA” e delegare decisioni che spetterebbero a noi. C’è un effetto perverso: più il modello è performante più ci fidiamo, e più ci fidiamo più sarà grosso l’errore quando sbaglia e non ce ne accorgiamo. E non riguarda solo le decisioni, ma anche il controllo: smettere di verificare le fonti, di rileggere, di tenere in mano i compiti che dovremmo svolgere usando l’IA come strumento, invece di lasciarli fare interamente all’IA.
- Conseguenze sul mondo del lavoro, che si cominciano a vedere già oggi. Si assumono meno figure junior: uno studio della Stanford su milioni di buste paga americane stima un calo intorno al 13% dell’occupazione entry-level nelle professioni più esposte all’IA dal 2022, e nelle grandi aziende tech i neolaureati sono scesi dal 15% al 7% delle assunzioni. È un disagio che i ragazzi sentono sulla loro pelle: in diverse cerimonie di laurea negli Stati Uniti i neolaureati hanno fischiato i relatori che celebravano l’IA, proprio per il timore che stia togliendo loro opportunità di lavoro.
- Etica: la stessa IA può essere usata anche per scopi malevoli, dalle truffe ai deepfake alla disinformazione. Più l’IA diventa potente, più diventa pericolosa come arma.
Non l’ho fatto per spaventare nessuno. L’ho fatto perché un panorama onesto contiene sia le opportunità sia i costi. Chi vende solo l’entusiasmo, o solo la paura, sta raccontando metà della storia.
Perché lo raccontiamo
Perché la scena di quel tavolo si ripete in tante aziende: tante teste diverse, tanti modi di guardare l’IA, e poche occasioni per metterli nello stesso posto e ascoltarli. In TECH.TEAM proviamo a stare sul confine delle nuove tecnologie: vederle arrivare, implementarle, studiarle sul serio, e poi raccontarle, con i loro lati buoni e i loro lati scomodi, a chiunque ce lo chieda. Non perché abbiamo la verità in tasca, ma perché qualcuno deve fare il lavoro di guardarle da vicino prima di consigliarle.
Se questo articolo ti fa venire voglia di portare la stessa conversazione dentro la tua azienda, con la stessa onestà sui due lati della medaglia, abbiamo fatto bingo. Un filo comune, tra tutte quelle voci, c’era: per quasi tutti l’IA è ancora solo una chat. Se vuoi vedere cosa c’è oltre, lo trovi nel pezzo su come usiamo davvero gli LLM.
Domande frequenti
Perché una tavola rotonda con persone non tecniche dovrebbe interessare chi porta l’IA in azienda?
Perché l’IA non resta nel reparto IT: la incontrano l’amministrazione, le risorse umane, i commerciali, i figli a casa. Ascoltare come la vedono persone diverse ti dice dove troverai entusiasmo, dove resistenza e dove paure da gestire, molto prima di scriverlo in un piano.
Qual è la cosa più utile emersa dal tavolo?
Che lo stesso strumento veniva giudicato in modo diverso a seconda del ruolo e della vita di chi parlava. Non esiste “l’opinione sull’IA”: esistono tante opinioni quante sono le persone, e in azienda è esattamente così.
Non è troppo presto per preoccuparsi delle ombre dell’IA (etica, ambiente, lavoro)?
No. Conoscere etica, opacità, consumi, bias, concentrazione di potere, privacy e impatto sul lavoro non ti blocca, ti permette di scegliere dove l’IA conviene davvero e dove serve cautela. L’entusiasmo cieco invecchia male.
