Leggi in app
Non si tratta più di stabilire se l’intelligenza artificiale trasformerà il mondo, ma di comprendere se le nostre istituzioni, il mercato del lavoro e le normative saranno in grado di adattarsi. L’Artificial Intelligence Index Report 2026 di Stanford descrive una corsa a ritmi differenti: una tecnologia che progredisce, si espande e penetra in ogni ambito, mentre un sistema economico e sociale cerca, con difficoltà, di tenere il passo.
L’AI avanza rapidamente, ma la sua misurazione diventa sempre più complessa
Per comprendere la direzione dell’intelligenza artificiale, è utile partire da chi la sviluppa. Nel 2025, oltre il 90% dei modelli più significativi è stato creato da un numero limitato di grandi aziende tecnologiche a livello globale. La frontiera dell’innovazione è saldamente nelle mani di pochi colossi, mentre la diffusione accelera ovunque: l’AI generativa ha raggiunto il 53% della popolazione mondiale in soli tre anni, più velocemente rispetto a quanto avvenuto con i personal computer e internet. L’88% delle organizzazioni la utilizza, e quattro studenti universitari su cinque si avvalgono già di strumenti generativi.
Tuttavia, questa diffusione non è omogenea. Singapore è al 61%, gli Emirati Arabi Uniti al 54%, mentre gli Stati Uniti si attestano al 28,3%, occupando solo il 24° posto nella classifica globale.
Anche in termini di capacità, il progresso è evidente. I modelli più sofisticati raggiungono il livello umano in domande di ricerca scientifica di dottorato, nel ragionamento multimodale e nella matematica delle competizioni internazionali. Su SWE-bench Verified – il test che valuta quanto un modello sia in grado di affrontare problemi reali di programmazione – le performance sono passate in un solo anno da circa il 60% del livello umano a valori ormai prossimi al 100%. In ambito cybersecurity il miglioramento è ancora più marcato: dal 15% al 93%.
Esiste però un paradosso interessante: l’AI avanza così rapidamente da superare gli strumenti stessi utilizzati per valutarla. I benchmark diventano obsoleti in fretta, i test si saturano, e confrontare le performance diventa ogni giorno più complicato. Insomma, tutto accelera, compresa la difficoltà di comprendere appieno ciò che sta accadendo.
Stati Uniti e Cina, ridotto il divario tra i modelli
Il report delinea anche una geografia del potere, con il Pacifico al centro della tensione tra Stati Uniti e Cina. Per anni, la narrazione è stata semplice, forse eccessivamente: gli Stati Uniti innovano, la Cina insegue. Oggi questo schema non è più valido. In termini di performance, la distanza si è quasi annullata: nel 2025 DeepSeek-R1 ha raggiunto i migliori modelli americani, e nel 2026 il vantaggio statunitense è sceso al 2,7%.
Gli Stati Uniti rimangono in testa nella produzione dei modelli più significativi – 50 contro i 30 della Cina – e conservano il primato nei brevetti più influenti, quelli maggiormente citati dalle innovazioni successive e capaci di indirizzare la direzione della tecnologia nei prossimi anni. Tuttavia, la Cina eccelle in termini di scala, guidando per numero di pubblicazioni scientifiche, per citazioni ricevute e per installazioni di robot industriali. E se si analizzano i brevetti in relazione alla popolazione, emerge un protagonista inatteso: la Corea del Sud, che nel 2024 si è confermata il paese con la maggiore densità di brevetti AI pro capite a livello globale.
Il report suggerisce però che la competizione non si gioca solo sui modelli. Sotto la superficie della rivalità tra i due paesi si trova uno strato composto da metallo, cavi, energia e capacità di calcolo: i data center. Gli Stati Uniti ospitano 5.427 data center – più di dieci volte rispetto a qualsiasi altro paese – e controllano così la più grande infrastruttura fisica su cui si basa oggi l’Intelligenza artificiale. Dal 2022, la potenza di calcolo globale è cresciuta a un ritmo di 3,3 volte all’anno, fino a raggiungere 17,1 milioni di H100-equivalent, un’unità di misura che si basa sui chip Nvidia più avanzati disponibili.
Tuttavia, tutta questa potenza, dalla quale dipendono governi, aziende e miliardi di persone, deve passare attraverso un unico collo di bottiglia: quasi tutti i chip AI più avanzati al mondo sono prodotti da un’unica azienda, TSMC, in un solo luogo, a Taiwan.
L’AI avanza a strappi tra risultati eccezionali ed errori banali
Che l’Intelligenza artificiale stia progredendo a un ritmo impressionante è evidente. La questione più interessante, semmai, non è se stia avanzando, ma in che modo. In modo lineare, ordinato, prevedibile? Oppure a scatti, con salti improvvisi e traiettorie irregolari? Gli autori del report parlano di una crescita a frontiera frastagliata, una “jagged frontier”. Ciò implica che lo stesso sistema che conquista la medaglia d’oro alle Olimpiadi Internazionali della matematica può bloccarsi su un compito che qualsiasi essere umano risolverebbe senza esitazione. Questo andamento irregolare è evidente con gli Agenti AI; su OSWorld – un benchmark che li valuta su attività quotidiane al computer, come navigare tra finestre, utilizzare applicazioni diverse o compilare moduli – i tassi di successo sono passati dal 12% a oltre il 66%. Un miglioramento significativo, che avvicina chiaramente questi sistemi alle prestazioni umane. Tuttavia, un compito su tre continua a fallire. Lo stesso divario si riscontra nel mondo fisico: i robot raggiungono quasi il 90% di successo nelle simulazioni controllate, ma appena si spostano in ambienti reali, tra oggetti disordinati, contesti imprevedibili, cucine e salotti disordinati, il tasso crolla intorno al 12%.
Maggiore AI, minore occupazione per i giovani sviluppatori in calo del 20%
L’AI inizia finalmente a generare un valore economico quantificabile. Il beneficio stimato per i consumatori americani derivante dagli strumenti di Intelligenza artificiale generativa ha raggiunto 172 miliardi di dollari l’anno all’inizio del 2026. Gli investimenti privati negli Stati Uniti hanno toccato 285,9 miliardi di dollari nel 2025, più di ventitre volte quelli cinesi riportati nel report. In settori come il customer support e lo sviluppo software, diversi studi registrano aumenti di produttività tra il 14% e il 26%.
Tuttavia, è proprio dove i guadagni di efficienza sono più evidenti che iniziano a manifestarsi le prime crepe occupazionali. Tra gli sviluppatori americani di età compresa tra i 22 e i 25 anni, l’occupazione è diminuita di quasi il 20% dal 2024, mentre nelle fasce più esperte continua a crescere.
Nel settore sanitario, la situazione è altrettanto ambivalente. Gli strumenti di AI che generano automaticamente referti e note cliniche possono ridurre fino all’83% il tempo che i medici dedicano alla documentazione, alleviando un carico burocratico tra le principali cause di burnout. È un risultato significativo, eppure la base scientifica su cui si fonda rimane fragile. In una rassegna di oltre 500 studi sull’uso dell’intelligenza artificiale in ambito medico, solo il 5% si basa su dati clinici reali. Nella maggior parte dei casi si tratta di simulazioni o dataset semplificati, lontani dalla pratica quotidiana della medicina, caratterizzata da pazienti che descrivono i sintomi in modo impreciso, informazioni incomplete, tempi ristretti e variabili difficili da prevedere.
I costi nascosti: 72mila tonnellate di CO2 e centinaia di incidenti
In aggiunta, ci sono i costi ambientali, quelli che non si percepiscono quando si apre una chat e si digita un prompt. Addestrare Grok 4 ha generato un’emissione stimata di 72.816 tonnellate di CO2 equivalente. La potenza complessiva dei data center AI ha raggiunto 29,6 gigawatt, circa il picco di domanda elettrica dell’intero Stato di New York. Inoltre, il consumo idrico legato alla sola inferenza di GPT-4°, ovvero al semplice atto di rispondere alle domande degli utenti, ogni giorno, potrebbe superare il fabbisogno annuo di acqua potabile di 12 milioni di persone.
A questo si aggiunge un altro segnale preoccupante: gli incidenti legati all’AI documentati a livello globale sono aumentati da 233 a 362 in un solo anno. Errori, abusi, malfunzionamenti, conseguenze impreviste, casi concreti in cui questi sistemi hanno causato danni o generato rischi reali. E mentre gli incidenti aumentano, gli strumenti per prevenirli, le linee guida etiche, i meccanismi di controllo e le pratiche di sviluppo responsabile faticano a tenere il passo con la rapidità con cui le capacità dei modelli si espandono.
I commenti sono chiusi.