Questo episodio è supportato da:

Prova Notion con la versione gratuita

La storia della settimana

Il 16 luglio 2026 Moonshot AI ha rilasciato Kimi 3, il modello cinese più grande di sempre e il primo a competere direttamente (e anzi, a superare) i modelli americani.

La caratteristica principale di Kimi 3 è che un modello “open weight”.

Che cos’è un modello di AI open weight?

Quando parliamo di ChatGPT, Claude o Gemini parliamo di modelli “closed”, utilizzabili solo tramite il servizio fornito da chi li ha sviluppati. Quando mandi una richiesta al modello (per esempio facendo una domanda a ChatGPT), questa gira sui server di chi lo ha costruito e tu non hai accesso ai cosiddetti “pesi”, cioè i miliardi di parametri numerici su cui il modello è stato allenato.

I modelli closed sono molto costosi, soprattutto se usati in azienda, e dal punto di vista dell’utente il costo è direttamente proporzionale all’utilizzo: più richieste mandi al modello, più paghi. Infine, se chi lo ha creato dovesse decidere di spegnerlo, tu non ne avresti più accesso.

Un modello open-weight (che da qui in poi chiamerò “open”), invece, pubblica i “pesi”: chiunque può scaricarlo, farlo girare sui propri server, modificarlo e specializzarlo, senza pagare un centesimo allo sviluppatore originale. I modelli cinesi come DeepSeek, Qwen e Kimi sono open, così come i modelli sviluppati da Mistral e il modello Llama di Meta.

I “pesi”, una volta rilasciati, non si ritirano più. Non è come chiudere un servizio: le copie sono già state scaricate, ridistribuite, impossibili da tracciare o disattivare da remoto. E questo ha due implicazioni:

• i modelli open sono più pericolosi perché si possono rimuovere gli eventuali guardrail e nel caso in cui vengano scoperte vulnerabilità, non si possono “spegnere”

• ma sono anche più difficilmente monetizzabili, e il modello di business va completamente ripensato

C’è infine un’ultima distinzione da fare: open-weight non significa open source. Nei modelli open-weight scarichi i parametri, ma i dati di addestramento e il processo restano proprietari. Nei modelli opensource, invece, hai accesso al codice.

Come sta reagendo la Silicon Valley ai modelli open cinesi?

Subito dopo il rilascio di Kimi 3 e soprattutto subito dopo pubblicazione di questi due articoli di Technicismi (in uno parlavo del sentiment negativo nei confronti delle aziende di AI americane e nell’altro ripercorrevo le origini e la storia delle aziende cinesi di AI), nel giro di una settimana tutti i principali protagonisti della Silicon Valley si sono sentiti in dovere di scrivere una risposta per far sapere la loro posizione. (Ancora una volta Technicismi ha fatto notizia…)

Jensen Huang, CEO di Nvidia, nel suo primo post di sempre su X, ha rilanciato una lettera intitolata “Open Weights and American AI Leadership” in cui supporta i modelli open, per diverse ragioni:

• rafforzano la cybersecurity (più occhi sul codice, meno dipendenza da un singolo fornitore)

• accelerano innovazione e concorrenza

• allargano l'accesso all'AI a settori e paesi che altrimenti resterebbero tagliati fuori

• sostengono la leadership tecnologica americana proprio perché offrono un'alternativa ai modelli aperti cinesi

La lettera chiede esplicitamente a Washington di non introdurre restrizioni premature ai modelli “oltreoceano”.

Tra i firmatari c’erano 25 aziende (tra cui Nvidia, Microsoft, Meta, IBM, Dell, Palantir, Hugging Face, Mistral, Mozilla, Linux Foundation, Andreessen Horowitz, Y Combinator), poi diventate subito una cinquantina, con l’ingresso di OpenAI e Google.

I grandi assenti erano Anthropic e Amazon. Proprio Anthropic ha risposto con un blog intitolato “Our position on open-weights models” in cui, invece, pur sostenendo l’importanza dei modelli open, chiede agli Stati Uniti di limitare l’accesso della tecnologia cinese, citando problemi di sicurezza nazionale.

Le posizioni sono ovviamente opposte: Nvidia ha interesse a vendere i propri chip alle aziende cinesi ed espandere il proprio business, mentre Anthropic cerca di proteggere il proprio business e non vuole competere con le aziende cinesi di AI.

Qualche mese fa Dwarkesh Patel aveva discusso di questo dilemma apparentemente irrisolvibile con Jensen Huang in un podcast: se limiti l’export dei chip alla Cina, rallenti lo sviluppo dell’AI cinese nel breve termine, ma le dai una ragione per sviluppare chip propri nel lungo termine. Se invece dai accesso alla Cina fin da subito ai tuoi chip più avanzati, metti le aziende cinesi nelle condizioni di creare un’AI potenzialmente più avanzata di quella americana.

Ma non sono gli unici a essersi espressi. Mark Zuckerberg ha scritto sul WSJ un articolo intitolato “The AI Future Is for Everyone”, che propone una filosofia basata sull’empowerment individuale come motore del progresso, l’invenzione (e non l’automazione) come primo obiettivo dello sviluppo di una superintelligenza e un equilibrio del potere (e non il controllo centralizzato) per garantire la sicurezza.

Nell’articolo non vengono citati direttamente i modelli open weight ma è chiaro che Zuckerberg ne fa riferimento quando parla di un controllo meno centralizzato.

Infine, lo stesso giorno in cui si discuteva dell’articolo di Zuckerberg, oltre 1.300 dipendenti dei principali laboratori (OpenAI, Anthropic, Google DeepMind, Meta AI, Thinking Machines, Safe Superintelligence) hanno firmato “Pacing the Frontier”, una lettera in cui chiedono al governo americano uno sforzo internazionale per costruire gli strumenti tecnici e di governance necessari a rallentare deliberatamente lo sviluppo dell’AI.

I 4 documenti hanno posizioni apparentemente incompatibili tra loro e danno l’idea di essere un dibattito sulla sicurezza dell’intelligenza artificiale.

Ma in realtà, se si leggono da un’altra prospettiva, quella dei bilanci, sembra essere tutto perfettamente coerente.

Il vero problema è il modello di business

Le aziende americane di AI sono state in grado di creare enormi motori di creazione di valore. Il merito di questa nuova ondata va dato a OpenAI e in particolare a Sam Altman, una delle poche persone al mondo (probabilmente l’unica) in grado di trasformare un paper scientifico nel prodotto a più rapida adozione e crescita della storia: ChatGPT.

• Nel giro di 3 anni OpenAI, e la sua principale competitor Anthropic (nata all’interno di OpenAI) sono passate da un paio di milioni a più di $30 miliardi di ricavi ciascuna (ed entro la fine dell’anno dovrebbero arrivare a $100 miliardi)

• Le Big Tech hanno riorientato completamente le proprie strategie, alcune puntando a creare l’infrastruttura utile per queste aziende, altre volendo competere direttamente, altre ancora mettendo a disposizione la propria distribuzione, investendo collettivamente più di $700 miliardi in capex

• Questo ha dato un ulteriore enorme impulso al sistema del Venture Capital americano, che ha visto in queste aziende la possibilità di fare i più alti ritorni della storia allocando nelle sole OpenAI e Anthropic, il 60% di tutti i propri fondi del primo semestre 2026

OpenAI e Anthropic sembravano inevitabili e invincibili fino a quando è arrivata Kimi.

E a quel punto il problema è diventato grave per davvero. Perché un modello open, a parità di performance, è sempre preferibile dalle aziende per queste ragioni:

• Privacy e controllo: le aziende possono possono far girare i modelli open all’interno dei propri server e adattarli alle proprie necessità, senza dover scendere a compromessi e senza dover dare i propri dati a chi ha sviluppato il modello (ne avevo parlato in questo episodio di Technicismi)

• Costi: secondo Intelligence Index di Artificial Analysis Kimi 3 costa $0,94 contro $1,80 per Claude Opus 4.8, meno della metà. E questo è solo il prezzo dell'API ufficiale: chi scarica i “pesi” e li fa girare in locale sui propri server, di fatto paga solo l'elettricità e i chip

Solo che, sebbene i modelli open siano più performanti e più efficienti, chi li rilascia rinuncia al lock-in che tipico dei modelli closed, rinuncia alla relazione con il cliente e rende più bassi i switching cost. E anche per questa ragione il modello open più performante del mondo ha ricavi per $300 milioni, ma soprattutto una valutazione di $35 miliardi dopo un round da $3,5 miliardi.

Cioè, l’azienda che produce il modello open più performante, MoonshotAI, vale il 3,6% dell’azienda che produce il modello closed più performante, Anthropic.

Che conseguenze avrà il dibattito open vs closed AI?

A questo punto le aziende americane di AI hanno solo 3 possibilità:

• fare finta di niente

• cominciare a sviluppare modelli open

• chiedere agli Stati Uniti di bannare i modelli open cinesi

Ma se sei un’azienda tech che appena tre mesi fa ha chiesto agli investitori $120 miliardi (MILIARDI!!), presentando un bel business plan pieno di grafici che puntavano in su e numeroni con tanti zero, l’ultima cosa che vuoi fare in questo momento è riaprire il foglio Excel, abbassare i numeri nelle celle e mandare una mail di aggiornamento agli investitori per dire che quei ritorni promessi non sono più così certi…

E gli investitori, anche se quella mail non l’hanno ancora ricevuta, sono già molto in ansia, perché si sono resi conto da soli che i modelli si stanno “commoditizzando” molto più in fretta di quanto chiunque potesse immaginare: ogni volta che esce un nuovo modello, nel giro di qualche settimana tutti gli altri, che siano open o closed, riescono a eguagliarlo e spesso anche a superarlo. Se è così, la vera partita non si gioca più a livello di modello ma sopra, nel layer applicativo, e sotto, nell’infrastruttura (cloud e chip).

Ma tentare, come sta facendo Anthropic, di mantenere un vantaggio competitivo “artificiale”, basato sul ban dei modelli open negli Stati Uniti, non solo sarebbe devastante per Anthropic stessa, ma anche per l’intera economia americana.

Se infatti i ricavi di Anthropic e OpenAI dipendessero da una barriera regolatoria e non da un vantaggio competitivo reale, anche la loro valutazione crollerebbe, perché il mercato la prezzerebbe non come domanda organica, ma imposta da un regime di monopolio (o duopolio).

L’effetto sul mercato sarebbe poi ancora più grave, perché tutte le aziende americane sarebbero costrette a comprare l’AI di Anthropic o OpenAI a costi ben superiori rispetto alle alternative cinesi. Questo peserebbe sui loro bilanci: rispetto a un competitor europeo che può usare un modello aperto, un’azienda americana si ritroverebbe con strutture di costo più pesanti. A quel punto il mercato comincerebbe a investire nelle alternative non americane e l’intero sistema crollerebbe.

Il dibattito “open vs closed AI” è una discussione su quale business model sopravviverà ma fa paura perché sta mettendo in discussione l’aritmetica su cui poggia, in questo momento, l’intera economia americana: “salvare” Anthropic significherebbe mettere sicuramente a repentaglio l’intera economia americana. Non salvarla, potrebbe avere conseguenze simili facendo crollare il sistema che le ha permesso di emergere.

Il famoso battito d’ali in Cina che sta creando un uragano negli Stati Uniti.

Scacco matto.

Questo episodio è supportato da Notion

Scrivo questa newsletter ogni settimana da 6 anni e nel tempo le cose sono diventate sempre più complicate da gestire: calendario editoriale, contratti sponsor, idee, bozze, scadenze tutto sparso su email, note iPhone o GDoc…

Notion è la piattaforma che mi permette di tenere tutto insieme: progetti, contenuti (e ora anche agenti AI) che lavorano nello stesso ambiente invece che in sistemi separati che non si parlano.

Per esempio con NotionAI ho automatizzato gran parte della gestione della relazione con i clienti senza dover uscire dal workspace.

Notion è già utilizzato da oltre 100 milioni di persone, inclusi team come Lovable, Figma e OpenAI.

E ora è disponibile anche in italiano:

Prova Notion con la versione gratuita

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Perché il costo del compute potrebbe aumentare di 10 volte nei prossimi anni [Dwarkesh Patel]: un meraviglioso esempio di “first principles thinking”. Non ho la conoscenza tecnica per valutare se la conclusione a cui arriva sia credibile (a questo ci hanno pensato in molti nei commenti), ma è comunque un bell’esperimento di pensiero per 1. provare a immaginare il futuro e 2. prendere ispirazione su come si scrive un blog su Substack

• La prima intervista a Elon Musk dopo l’IPO di SpaceX [The Economist]: ne hanno parlato praticamente tutti, due visioni del mondo che si scontrano e che guardano al futuro con prospettive molto diverse. Quello a cui io non riesco a fare a meno è la visione ottimista di Musk, particolarmente evidente quando si scontra con quella polemica e negativa dell’Editor in Chief del The Economist

• La grande scommessa di ByteDance sull’AI [Financial Times]: le ambizioni del founder di TikTok vanno oltre l’essere “la Meta cinese”. Zhang Yiming vuole trasformare la sua aziende nella leader dell'AI in Cina, sviluppando anche modelli, infrastruttura cloud e custom chip

• Xi Jinping è forse il grande tech VC [The Economist]: dopo la quotazione di CXMT, il The Economist dedica un articolo alla visione imprenditoriale della Cina e alle scelte del suo leader che ha convertito le priorità politiche in scommesse dirette sul mercato privato, in particolare in settori strategici come semiconduttori, auto elettriche, AI etc. Anche se questo, ancora, non sta producendo un effetto diretto sull’aumento del benessere per la popolazione

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Leva crea installazioni interattive su misura per eventi e spazi culturali

La storia della settimana

Ogni 6 mesi Netflix pubblica un report in cui riporta gli show più guardati della piattaforma. E due delle serie più viste nei primi 6 mesi del 2026 sono Ms. Rachel (che tra l’altro è il titolo per bambini più visto di sempre su Netflix, con 69 milioni di visualizzazioni in 2 stagioni) e Mark Rober’s CrunchLabs, 36 milioni in 4 stagioni.

La ragione, come al solito, è la distribuzione. Mark Rober e Ms Rachel hanno costruito la loro reputazione online e oggi possono contare su una community fatta di milioni di persone che gli permette di fare (potenzialmente) qualsiasi cosa, pure scalare le classifiche di Netflix.

Ma c’è di più.

Ms Rachel e Mark Rober non sono casi isolati: sempre più creator stanno guardando con interesse a Netflix. I Sidemen, un gruppo di YouTuber inglesi con un canale da 23 milioni di follower, un paio di anni fa dicevano di “aver raggiunto il limite di YouTube” e per questa ragione cercavano “qualcosa di più grande”. Rhett e Link, due YouTuber che hanno fatto la storia della piattaforma, dal 7 settembre porteranno i loro video su Netflix.

Le piattaforme, Netflix in particolare, hanno capito che quello è il segmento su cui puntare: invece che spendere milioni di dollari scommettendo su una nuova serie tv, fai un accordo diretto con un creator che ti garantisce views e potenzialmente ti apre a nuovi abbonati. Ah, e tra l’altro non devi nemmeno spendere così tanto per la promo: il protagonista della serie, il creator, la promuoverà organicamente sui suoi canali.

Netflix non ha ancora chiesto a nessun creator l’esclusiva (queste attività per i creator sono nuove linee di business), ma potrebbe farlo presto. E d’altra parte, se nasci su YouTube, passare su Netflix e sulla “televisione tradizionale” porta con sé un fascino difficilmente replicabile altrove ed è spesso vista come un’opportunità di accreditarsi e posizionarsi su un certo pubblico, sull’industry di Hollywood e, probabilmente, anche sui tuoi genitori che ancora non sembrano aver ben capito che lavori fai. Semplicemente, YouTube non ha quel fascino e potrebbe rimanere solo come un trampolino di lancio, niente di più.

YouTube è preoccupata della concorrenza di Netflix?

Secondo Bloomberg, si: YouTube è preoccupata di tutto questo. Pubblicamente Neal Mohan, CEO della piattaforma, dice di non temere la concorrenza di Hollywood, ma internamente le cose non sarebbero così serene, soprattutto ora che Netflix sta includendo sempre più podcast e short form. YouTube ha peraltro realizzato il restyling più grande degli ultimi anni della sua app per tv: banner in stile Netflix, thumbnail in 4K e contenuti raggruppati per episodio invece che per singolo video.

La domanda che qualcuno si fa è quindi se il più grande punto di forza di YouTube, pagare i creator con una revenue share invece che con un assegno upfront, non sia anche la sua più grande debolezza: se tutti hanno la possibilità di caricare un contenuto sulla tua piattaforma, quella piattaforma non è esclusiva e non sarà ambita come punto di arrivo.

Ma la vera forza di YouTube, in realtà, è proprio quella: è il posto in cui i creator sono nati, dove hanno potuto sbagliare, ripartire, reinventarsi senza nessuno che gli fiatasse sul collo, proprio perché nessuno gli aveva già staccato un assegno da onorare.

Su Netflix, quell’assegno anticipato porta con sé un obbligo implicito: lo show deve funzionare, deve giustificare l’investimento, deve replicare uno standard riconoscibile. Ed è esattamente quella pressione a uccidere l’imprevedibilità, la sperimentazione, l’errore utile, tutto ciò che ha reso questi creator grandi in primo luogo.

L’esempio più lampante l’abbiamo avuto durante i Mondiali.

Perché iShowSpeed ha prodotto uno dei contenuti più innovativi degli ultimi Mondiali?

Netflix da anni sta puntando sempre di più sullo sport, innovandone formati e modalità (tra l’altro ha anche già comprato i diritti per le prossime 2 edizioni dei Mondiali femminili e ora è in gara per quelli maschili del 2030). Eppure quest’anno su YouTube abbiamo assistito a qualcosa di mai visto prima, uno dei contenuti più innovativi e originali che il calcio abbia mai conosciuto.

L’abbiamo visto dentro la live di uno YouTuber di 21 anni con 60 milioni di iscritti che streammava durante le partite: FIFA e Fox, il broadcaster ufficiale del torneo, hanno stretto un accordo con iShowSpeed non per trasmettere le partite, ma per guardarlo reagire alle 26 partite a cui stava assistendo dal vivo, proprio in diretta su YouTube.

Era quasi come guardare Crudeli che commentava la partita del Milan 15 anni fa su 7Gold, ma 100 volte meglio.

Guardare iShowSpeed era una vera esperienza: lo seguivi nel prepartita, quando negli Sky Box incontrava attori, artisti o altri creator. Lo seguivi durante le partite, quando reagiva alle azioni salienti ed esultava per i gol. E poi lo seguivi nel post partita, quando usciva dallo stadio per rientrare in albergo, felice o deluso del risultati, incontrando centinaia di fan che gli chiedevano una foto.

Un dietro le quinte che ti faceva vivere la vera essenza delle partite: l’adrenalina dello stadio prima dell’inizio della partita, il tifo, le reazioni, etc.

I risultati sono stati straordinari: più di 1 MILIARDO di views cumulate durante il tour, con una punta di 360 milioni in un solo giorno.

Quello che questo fenomeno dimostra è semplice: Netflix può comprare i creator, ma non può comprare il formato. In teoria potrebbe replicare la live, l’accesso diretto e la sua imprevedibilità ma è l’approccio a fare la differenza, e quello è difficilmente replicabile.

YouTube non sarà mai Netflix. E forse è meglio così: pagare a percentuale, senza dare garanzia al creator potrebbe sembrare una debolezza, ma è proprio l’assenza di quella pressione a essere il vero vantaggio competitivo.

Un vantaggio competitivo che Netflix, con il suo modello ad “assegno fisso”, non potrà mai comprare.

Questo episodio è supportato da Leva Engineering

Pareti cinetiche che si aprono per svelare mondi nascosti, reagendo ai movimenti e ai volti delle persone.

Una torre di 12 metri quadrati che prende vita, trasformandosi nella maga Morgana.

Venti moduli robotici che danzano insieme, traducendo una tradizione secolare in una coreografia scritta in codice.

Installazioni interattive che trasformano gli spazi aziendali in esperienze: da pannelli LED in movimento a laboratori dove ogni interazione diventa parte del racconto.

Dietro ogni progetto Leva ci sono ricerca, prototipazione e ingegneria su misura. Per trasformare idee complesse in esperienze tangibili e per mettere la tecnologia più avanzata al servizio del messaggio.

Scopri i progetti di Leva

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Come Paolo De Nadai ha convinto AirBnb ha investire in WeRoad [Marcello Ascani]: in realtà in questo video c’è molto, molto di più. C’è una mente chiaramente straordinaria, una visione imprenditoriale lucidissima, dei fortissimi valori personali e familiari. Paolo è un esempio per tutti

• Travis Kalanick ospite di Ben Horowitz [a16z]: uno dei podcast più interessanti (e divertenti) che ho ascoltato negli ultimi mesi. Travis ha appena ricevuto un investimento di €1,7B per Atoms, guidato da a16z, ma parte in quarta raccontando come, quando stava facendo fundraising per Uber, proprio a16z gli abbia fatto terra bruciata

• Cosa non cambierà nei prossimi 10 anni? [Amanda Orson]: una domanda che, come ha detto Jeff Bezos, è molto più importante della sua opposta. In questo thread Amanda prova a dare qualche spunto molto interessante

• Perché l’AI è un “business da palazzinari” [Actually]: il ritorno di Claudio Erba su Actually, per darci qualche lezione sul business dell’AI e delineare una chiara rotta per le imprese italiane ed europee

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Prova Notion con la versione gratuita

La storia della settimana

L’alfabeto latino ha ventisei lettere. Il cinese non si scrive con un alfabeto ma usa decine di migliaia di caratteri e ognuno è un piccolo disegno complicato, fatto di tanti tratti. Con ventisei forme semplici scrivi qualsiasi cosa. Con il cinese, ogni segno è una forma diversa da conservare.

All’inizio degli anni ‘70 la stampa dei quotidiani, in tutto il mondo, passa da pezzetti di metallo con inciso il carattere, alla stampa elettronica. In Cina è un problema molto più difficile da risolvere perché ogni carattere è un’informazione da conservare in memoria. Ventisei simboli semplici occupano pochissima memoria mentre migliaia di simboli complessi ne occupano una quantità enorme. Una memoria a cui il Paese semplicemente, non ha accesso in quel momento.

E mentre il Giappone sviluppa sistemi di seconda generazione e l’Europa e gli Stati Uniti macchine di terza generazione a tubo catodico, la Cina stampa ancora a caratteri di piombo.

Questo cambia nel 1976 quando Wang Xuan, un assistente di 29 anni dell’Università di Pechino, decide di cercare un’altra strada. Comincia a lavorare alla fotocomposizione laser, di cui al mondo non esiste ancora un solo prodotto commerciale. E per farlo non trova la memoria che gli manca, la rende non necessaria: comprime le informazioni sulla forma dei caratteri con un rapporto di cinquecento a uno e progetta un chip dedicato che le ricostruisce a settecento caratteri al secondo.

Funziona e diventa uno standard adottato in tutto il mondo.

Molti anni dopo, durante un evento universitario in cui Wang racconta la sua ricerca, un giovane dottorando rimane sbalordito da quella storia.

Si chiama Tang Jie e in quel momento sta decidendo cosa fare della propria vita: ha ricevuto diverse proposte di lavoro in Silicon Valley o ha la possibilità di entrare in una grande azienda tech cinese. Quello che lo attrae meno è fare il ricercatore in un laboratorio universitario. Ma è esattamente la strada che sceglie, ripensando a Wang: un uomo che negli anni Settanta, con hardware e software di gran lunga peggiori di quelli occidentali, da solo aveva recuperato quarant'anni di distacco.

Per i 15 anni successivi lavora alla Tsinghua University di Pechino, tra analisi di reti sociali e data mining. Poi nel 2019, insieme a una collega, fonda Zhipu: uno spinoff accademico senza modello di business e che inizialmente raccoglie poche attenzioni. L’anno dopo esce GPT-3. Non è ancora ChatGPT e non ha un’interfaccia da chatbot ma è uno dei primissimi LLM, modelli capaci di comprendere e generare testi fluidi e discorsivi, simili a quelli scritti da un essere umano.

Zhipu decide di puntare tutto proprio sulla tecnologia degli LLM, dei Large Language Model.

Nel dicembre 2021 il gruppo apre il progetto per addestrare un modello da 100 miliardi di parametri. Prima di iniziare comincia una lunga ricerca per capire come sono stati addestrati i modelli di quella scala ma non trova quasi niente.

Il gruppo parte lo stesso, e comincia a schiantarsi contro una quantità infinita di problemi: consumo di memoria anomalo, velocità di addestramento molto più lenta del previsto, mesi passati a fare debug.

Infine, nell’ottobre 2022 rilasciano il modello e, in appendice al paper, pubblicano anche un “diario dei disastri”: la cronologia, a partire dal dicembre 2021, di ogni cosa che si era rotta e di come l’avevano aggiustata.

Nel marzo 2023 Zhipu apre ChatGLM-6B e diventa immediatamente il modello su cui impara a lavorare un’intera generazione di sviluppatori cinesi.

Nel frattempo, alla Tsinghua University, compare un ragazzo di nome Yang Zhilin. È il batterista di un gruppo rock, gli Splay, e come ha incredibilmente ricostruito nella sua ultima newsletter, viene introdotto al quarto minuto di questo rarissimo video di un loro concerto del 2014.

Yang era stato ammesso in quell’Università vincendo la medaglia d’oro alle Olimpiadi di Informatica del Guangdong. Nonostante questo decide di fare comunque il test d’ingresso, e viene ammesso anche così. Poi affronta il Gaokao, l’esame più duro al mondo, che ogni anno mette alla prova più di tredici milioni di studenti cinesi. Prende 667 su 750: il punteggio più alto di tutta la provincia e il terzo ticket diretto per l’Università.

Al secondo anno cambia corso e si iscrive a Computer Science, nel dipartimento di informatica gestito da Tang Jie, il fondatore di Zhipu, che nel 2015 sarà il suo relatore di tesi.

Dopo l’Università, entra in Google e poi si sposta in Meta. Infine, nel 2023 fonda Moonshot AI.

Moonshot nasce proprio mentre Zhipu, l’azienda di Tang Jie, rilascia il modello più importante per il settore AI cinese. E non è un caso.

ChatGPT era infatti uscito il 30 novembre 2022. Nell’anno successivo, in Cina, vengono annunciati oltre trecento modelli di grandi dimensioni: la stampa cinese la chiamerà 百模大战, la guerra dei cento modelli.

Da quella competizione emergono sei aziende, che vengono rinominate “le sei piccole tigri dei grandi modelli”, in cinese 大模型六小虎. Sono Zhipu, fondata da Tang Jie, Moonshot, fondata da Yang Zhilin, MiniMax, Baichuan, StepFun e 01.AI.

L’etichetta di “tigre” non descrive la tecnologia su cui stanno lavorando ma la loro anima di aziende finanziate da venture capital con l’ambizione di commercializzare i loro prodotti. Per questa ragione DeepSeek, che nasce da un hedge fund e non ha mai ricevuto finanziamenti esterni non è nella lista (la storia di DeepSeek e del suo fondatore Liang Wenfeng l’ho raccontata in questo episodio di Technicismi).

Perchè la CIna ha investito su modelli di AI open source?

Le sei tigri non sono nate con la stessa strategia ma nel tempo l’open source è diventato lo standard di fatto dell’ecosistema cinese. Per due ragioni:

• La prima è la necessità: i controlli sull’export limitano l’accesso ai chip migliori e per questa ragione i laboratori cinesi non hanno la capacità di inferenza degli AI labs americani e quindi non possono competere sullo stesso mercato

• La seconda è la diffusione: I modelli open cinesi costano tra il 60% e il 90% in meno rispetto ai modelli di punta di Anthropic e OpenAI e questo ne garantisce la distribuzione. La quota di traffico su OpenRouter verso modelli cinesi è stabilmente sopra il 30% settimanale da mesi, con picchi al 46%, contro una media del 4,5% nella prima metà del 2025

C’è poi un effetto secondario che vale la pena sottolineare. Una startup europea, un’agenzia quotata del Sud-Est asiatico o uno sviluppatore latinoamericano possono usare un modello cinese tramite un host terzo, senza far transitare alcun dato su server cinesi. E questo abbatte anche acheventuali barriere politiche all’adozione.

Ma c’è un rovescio della medaglia.

I modelli migliorano quando le aziende che li sviluppano possono osservare come gli utenti li usano: dove falliscono, quali task ripetono, quali tool chiamano. Se il modello viene scaricato da un cloud americano o girato in locale dentro un’azienda, lo sviluppatore cinese originario non vede niente di tutto questo.

Ma anche questo paradossalmente potrebbe rappresentare un vantaggio: la settimana scorsa ho scritto che sempre di più pare che gli AI labs americani non si limitino a fornire la tecnologia ma vogliano assorbire tutto lo stack (osservare dove i clienti creano valore e ricostruirlo in casa). In quel pezzo avevo citato Coinbase, passata a GLM 5.2 e Kimi K2.7 per il lavoro interno e Microsoft che valutava DeepSeek V4 per Copilot: segnali di sfiducia verso i laboratori di frontiera e di fiducia verso l’open source.

Ma quel ritardo si sta accorciando. E questa settimana ne abbiamo avuto la conferma più netta.

Moonshot ha pubblicato Kimi K3. Duemilaottocento miliardi di parametri: il più grande modello open mai costruito, quasi il triplo del precedente. Sulla Frontend Code Arena (test alla cieca fatti da sviluppatori) arriva primo, davanti a Claude Fable 5. Sul punteggio complessivo resta dietro, ma di poco: secondo solo a Fable 5, ma con un balzo in avanti enorme rispetto al modello precedente.

Dopo il rilascio di Kimi, le azioni di aziende AI sono scese in tutto il mondo e diversi analisti hanno paragonato l’evento al “Deepseek moment” di qualche mese fa…

I numeri dicono che la strategia open source sta funzionando. In un anno la quota di traffico dei modelli americani su OpenRouter è passata da circa il 70% al 30%: i modelli cinesi processano oggi la maggioranza dei token della piattaforma. Lo Stanford HAI AI Index 2026 misura il divario tra i migliori modelli americani e cinesi al 2,7%, con investimenti privati cinesi circa ventitré volte inferiori. E addirittura i modelli di Cursor, che SpaceX ha accettato di comprare a giugno per 60 miliardi di dollari, sono in parte addestrati sopra la serie Kimi: uno dei prodotti di punta del software americano poggia su fondamenta cinesi.

C’è poi un altro segnale che conta più delle classifiche, ed è nel modo in cui si stanno muovendo gli americani.

Google ha rinviato di mesi il lancio di Gemini 3.5 Pro perché le capacità di programmazione non raggiungevano gli obiettivi interni. OpenAI ha presentato Sol dicendo che stabilisce un nuovo standard per intelligenza ed efficienza. Nei comunicati dei laboratori di frontiera le parole più ricorrenti sono diventate “efficienza” e “costo”.

Qualche mese fa in questa newsletter ho parlato di tokenmaxxing: la corsa a bruciare più token possibile. Quella corsa è finita in fretta perchè quello che è arrivato dopo, il “valuemaxxing”, è una competizione su quanto valore riesci a produrre per dollaro speso: è la partita cinese.

Ed è anche la storia che si ripete.

Esattamente come quell’assistente universitario che da solo si inventò un metodo nuovo per stampare i quotidiani, aggirando restrizioni che sembravano insormontabili, oggi le tigri fanno lo stesso con l’open source. È la mossa di chi non può vincere su un livello e allora lo rende merce indifferenziata e sposta la partita dove ha ancora qualcosa da dire…

Oggi due delle tigri sono quotate a Hong Kong, Ziphu, che nel 2025 ha realizzato circa $107 milioni di ricavi a fronte di $470 milioni di perdita, e MiniMax, che fattura $84 milioni a fronte di una perdita di $251 milioni. Moonshot vale oltre $20 miliardi dopo il round da $2 miliardi chiuso a maggio, con Alibaba e Tencent tra i finanziatori. Baichuan si è sgretolata, tutti i founder hanno lasciato e l’azienda si è riorientata sul verticale sanitario. 01.AI ha lasciato in larga parte la corsa ai modelli e vende AI sovrana a governi e grandi imprese seguendo l’esempio di Palantir. E infine StepFun, che collabora sempre di più con produttori di smartphone e di auto, integrando la sua tecnologia.

Questo episodio è supportato da Notion

Scrivo questa newsletter ogni settimana da 6 anni e nel tempo le cose sono diventate sempre più complicate da gestire: calendario editoriale, contratti sponsor, idee, bozze, scadenze tutto sparso su email, note iPhone o GDoc…

Notion è la piattaforma che mi permette di tenere tutto insieme: progetti, contenuti (e ora anche agenti AI) che lavorano nello stesso ambiente invece che in sistemi separati che non si parlano.

Per esempio con NotionAI ho automatizzato gran parte della gestione della relazione con i clienti senza dover uscire dal workspace.

Notion è già utilizzato da oltre 100 milioni di persone, inclusi team come Lovable, Figma e OpenAI.

E ora è disponibile anche in italiano:

Prova Notion con la versione gratuita

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• L’azienda che si guida da sola [Amjad Masad]: una self driving company non è un’azienda senza persone, ma con persone che decidono quali problemi affrontare e lasciano gli agenti tutto il resto. Per esempio, è stato risparmiato il 30% del tempo di review umano perché l’agente valuta il rischio e chiama un revisore umano solo quando necessario. E la cosa più importante: Replit ha appena cancellato un contratto SaaS a sette cifre (Salesforce?) perché l’app interna costruita con l’AI era migliore…

• Il complicatissimo processo di assunzione di Bending Spoons [Wall Street Journal]: un divertente articolo che mette in prospettiva come entrare in Bending sia ora più complicato che essere accettati ad Harvard

• Un framework per “regolare” l’AI [Demis Hassabis]: il capo di DeepMind propone di creare un’organizzazione, controllato dal Governo, gestito da esperti tecnici e finanziato dagli AI labs, per garantire uno sviluppo sicuro dell’intelligenza artificiale generale

• Perché all’AI piace così tanto il parallelismo negativo? [The Atlantic]: Il The Atlantic che fa il The Atlantic e prova a rispondere a una domanda apparentemente inspiegabile. La risposta è difficile da trovare ma il fenomeno potrebbe portare a un "collasso del modello", in cui l'AI perde il contatto con i dati umani originali

• Quanti lettori hanno i quotidiani italiani? [Mediastorm]: l’aggiornamento periodico di Lelio Simi sullo stato di salute delle testate / gruppi editoriali italiani. Il problema qui non è solo di modello di business ma anche (e forse soprattutto) editoriale…

• I 100 creator del 2026 [TIME]: ovviamente la lista è sbilanciata sugli USA ma mi vengono in mente nomi ben più noti di questi… della lista di quest’anno ne conosco letteralmente solo 8/9

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Ottieni il 2,5% sui tuoi risparmi

La storia della settimana

Il premio “intervista del mese” va decisamente ad Alex Karp, che qualche giorno fa, in un’intervista di CNBC che è diventata un monologo di 20 minuti, ha per la prima volta “denunciato” pubblicamente come funziona il modello di business degli AI labs (OpenAI, Anthropic etc) che giocano sul metterci in guardia sulla potenza della loro tecnologia ma intanto sono pronti a mangiarsi tutto.

Nell’intervista spiega che le aziende americane sono, in sostanza, scontente di come funziona l’industry. Sentono di perdere tempo dietro ai token, faticano a calcolare il ritorno sull’investimento e soprattutto temono che gli AI labs possano rubare la loro proprietà intellettuale.

Karp pone una domanda fondamentale: “Se fossero davvero in grado di farti guadagnare miliardi di dollari perché dovrebbero venderti dei token a consumo?”. In altre parole: se il valore prodotto fosse evidente e misurabile, il pricing dell’AI dovrebbe essere una funzione del valore creato e non del consumo.

Chiude infine dicendo che i clienti di queste aziende di AI si stanno rendendo sempre più conto di voler avere controllo sul proprio compute, sui propri modelli, sul proprio stack di dati e sul proprio alpha. Vogliono sapere di possedere i mezzi di produzione.

Qualche media tradizionale ha liquidato l’intervista come un “crash out” televisivo. Tech twitter, sempre sospettoso e diffidente, non ha perso occasione per far notare che se i media tradizionali la trattavano semplicemente come un “breakdown dell’intervistato”, era proprio un indizio: Karp stava toccando un nervo scoperto, dicendo qualcosa di scomodo.

In questa newsletter provo a uscire dalla polarizzazione e analizzo davvero la situazione, cercando di capire quali conseguenze reali potrebbero esserci per le aziende che adottano sistemi AI a tutti i livelli, comprese quelle italiane.

Prima, un paio di premesse:

• La voce di Karp non è disinteressata: Palantir vende esattamente l’alternativa che Karp invoca e in quell’intervista stava annunciando la partnership con Nvidia per costruirla su scala nazionale (ma ovviamente un argomento non è falso solo perché a pronunciarlo è qualcuno che ci guadagna)

• Il giorno prima dell’intervista, Palantir aveva pubblicato su X un manifesto in 9 punti sulla “AI sovereignty”. La tesi: chi cede i propri dati a un modello terzo non sta comprando un servizio ma trasferendo il proprio vantaggio competitivo a qualcun altro

“Quello che non abbiamo capito dell’AI”

Questo è più o meno il titolo di una newsletter che avevo scritto qualche mese fa. La tesi era che le piattaforme AI stavano cercando di diventare i nuovi sistemi operativi, un ambiente unico da cui completare qualsiasi attività. In quella newsletter facevo l'esempio di un utente che voleva ordinare del cibo da asporto. Dalla barra di ricerca di ChatGPT potrebbe avere accesso diretto al suo account Glovo e delegare all'AI, che lo conosce così bene, impara dalle sue preferenze e mette in relazione le diverse informazioni a cui ha accesso (per esempio un'altra app che traccia la sua attività fisica o quella che custodisce i suoi dati sulla Salute), la scelta di cosa mangiare. Senza mai uscire dalla piattaforma.

Rileggendola oggi, probabilmente stavo sottostimando l’ampiezza dell’ambizione delle aziende che sviluppano sistemi come ChatGPT.

I sistemi operativi sono di fatto dei gatekeeper: costruiscono l’infrastruttura e controllano la distribuzione da cui dipendono i servizi digitali. Se sviluppi un’app per iOS, Apple ti chiede una commissione su ogni transazione che avviene al suo interno. È esattamente come il pedaggio autostradale che paghi per mantenere in ordine e funzionante l’infrastruttura che stai utilizzando.

Solo in alcuni casi, pochi e limitati, l’azienda che forniva l’infrastruttura (Apple) ha copiato la proprietà intellettuale di app che giravano sul suo sistema operativo, lanciando una propria app nativa che ne faceva diretta concorrenza (è successo di recente, per esempio, con Diario di iPhone). Ma per lo più si limitava a prendere una percentuale sul valore creato da altri (dato che sviluppare, mantenere e promuovere un’app era un costo che non voleva accollarsi).

Ma con l’AI sta cambiando tutto.

Con l’AI, il costo di sviluppare software sta crollando e gli AI labs, che quella tecnologia l'hanno creata, ne traggono vantaggio: a differenza delle Big Tech, non vogliono una percentuale del valore che nasce sopra i loro modelli, lo vogliono tutto. Segiono esattamente il secondo meccanismo descritto sopra: osservano dove nasce il valore e ricreano in casa le app di maggior successo che poi fanno girare sulla loro infrastruttura. Poi, grazie alla loro distribuzione enorme (che compete direttamente con quella delle Big Tech) sono in grado di offrirlo a milioni di utenti, magari a una frazione del costo della concorrenza da cui hanno copiato l’IP.

Gli AI labs stanno già “rubando” intere aziende?

Il caso più citato in queste settimane, e il più concreto, riguarda Anthropic e Figma: le due aziende stavano collaborando allo sviluppo di “Claude Design” e Mike Krieger, Chief Product Officer di Anthropic, sedeva addirittura nel board di Figma. Poi, il 14 aprile, si è dimesso. 3 giorni dopo, il 17 aprile. Anthropic ha rilasciato Claude Design, un prodotto che competeva direttamente con quello del suo ex partner. Dylan Field, CEO di Figma, ha detto che Anthropic non è stata proprio onesta e trasparente nelle comunicazioni con loro.

E Figma non è un episodio isolato. Claude Legal, Claude Code, Claude Science e Claude Security nascono tutti dall’osservazione di dove i clienti stanno creando valore utilizzando il modello, per poi copiarlo direttamente.

Lo stesso meccanismo, secondo qualcuno, lo starebbe usando anche OpenAI. Di recente Sam Altman ha annunciato di voler offrire $2M in token a tutte le startup che frequentano YC, l’acceleratore della Silicon Valley da cui escono le aziende più promettenti. Dal punto di vista di OpenAI, queste aziende sono spinte a costruire i primissimi processi sulla loro tecnologia con la speranza che, diventando grandi, i processi siano così radicati che risulti troppo “costoso” cambiare e spostarsi sulla tecnologia di un competitor (come Anthropic).

Ma non tutti sono d’accordo con questa lettura: c’è chi dice che invece è un modo per OpenAI di avere una visibilità privilegiata su quali aziende stanno crescendo più velocemente grazie alla sua tecnologia, per poi copiarle istantaneamente.

È lo stesso pattern di Figma, applicato all’inizio della catena del valore invece che alla fine.

Prima se non pagavi il prodotto, il prodotto eri tu. Ora, con l’AI, il prodotto lo paghi pure!

E in effetti tutto questo l’aveva anche previsto Andrea Pignataro a febbraio in un suo report chiamato “The Wrong Apocalypse”. Secondo Pignataro, per restare competitive le aziende stanno adottando strumenti di AI ma, così facendo, stanno inconsapevolmente insegnando a quegli stessi strumenti di AI la grammatica e la struttura del loro intero settore.

Una volta che l’AI, attingendo dai dati di migliaia di clienti, ha appreso i modelli di un’industria potrebbe replicare l’intero funzionamento di quelle aziende, offrendo tali servizi direttamente al cliente finale. Il report in quel caso parlava del “lavoro cognitivo strutturato”, cioè la consulenza, fatto di connessioni e relazioni umane molto più di un software. Ed è proprio per questo che nel software questo cambiamento potrà avvenire molto più velocemente.

Il paradosso del business model degli AI labs

Come dicevo poco fa, a supporto della sua tesi, Karp pone una domanda fondamentale: “Se davvero fossero in grado di farti guadagnare miliardi di dollari, perché mai gli AI labs dovrebbero venderti dei token?”. In altre parole: se il valore prodotto fosse evidente e misurabile, il pricing dell’AI dovrebbe essere una funzione del valore creato, non del consumo.

Naturalmente a questa tesi si può opporre una controargomentazione forte: il settore è ancora acerbo, e il valore che un’azienda genera utilizzando un modello non è conoscibile in anticipo. Farsi pagare sul valore prodotto aprirebbe poi complicazioni enormi per le aziende di AI, costrette a negoziare ogni contratto analizzando quanto valore sia stato effettivamente creato.

Ma la critica di Karp al pricing è la parte meno importante di quello che ha detto ed è anche l’unica su cui Palantir ha un interesse diretto e trasparente.

Come difendersi dagli AI labs?

La sfiducia verso gli AI labs non è un’opinione isolata e la risposta che tutti stanno dando è univoca: sviluppare i propri modelli in casa per non dipendere più da loro.

È un movimento che si sta già traducendo in scelte concrete: Coinbase, per esempio, ha tagliato quasi del 50% la propria spesa AI interna, spostando gli ingegneri su modelli open-weight cinesi come GLM 5.2 di z.ai; Microsoft, dal canto suo, starebbe valutando di ospitare una versione fine-tuned di DeepSeek V4 per Copilot Cowork, invece di dipendere esclusivamente dagli AI lab.

Per la stragrande maggioranza dei casi d’uso aziendali, del resto, non servirà un modello di frontiera. Basterà un modello generico, aggiornato periodicamente con il sapere dell’azienda, che gira su hardware dedicato dentro l’azienda.

Ma, come ha fatto notare in un bel pezzo di , questo è fattibile solo se quel sapere, pronto da versare dentro un modello, è presente in una forma “caricabile”. Spesso, invece, quella conoscenza vive nelle teste di chi nelle aziende ci lavora: procedure, eccezioni, conoscenza implicita vivono nei processi che nessuno ha mai mappato scorciatoie che nessuno ha mai scritto, nelle eccezioni che si tramandano a voce, nel capofficina che sa perché quella macchina va tarata così e non cosà.

E questo è il vero problema che abbiamo in Italia.

Il rischio immediato, per un’impresa italiana, non è quindi che un AI lab le porti via il vantaggio competitivo. È che non abbia mai reso esplicito il proprio vantaggio competitivo nemmeno a se stessa.

A Settembre, tornando da San Francisco, ho scritto che dovremmo fare un po’ meno “startup” e occuparci di salvare quell’enorme valore che oggi creano le PMI, creando grandi gruppi. In quel pezzo notavo che nelle piccole imprese italiane spesso manca la capacità anche solo di riconoscere un processo inefficiente, figurarsi trasformarlo in un agent.

In quel contesto sottolineavo il problema di adozione tecnologica, oggi mi sembra qualcosa di più grande: è il motivo per cui il 99% del tessuto produttivo italiano, 5 milioni di imprese, il 75% degli occupati, il 65% del PIL, rischia di stare fuori da questa partita non perché perde ma perché non si presenta.

Karp dice che gli AI lab stanno rubando l’”alpha” alle aziende americane. È giusto guardare dall’altra parte dell’oceano, ma poi lo sguardo deve tornare dalle nostre parti. E il problema italiano è un altro ed è ancor più scomodo: gran parte delle nostre aziende non sa nemmeno dove tiene il proprio.

E non è una fatica che può delegare a un modello. È l’unica che dobbiamo fare noi: avanti tutta e costruire!

Questo episodio è supportato da Scalable Capital

Le aziende tech di cui parlo su Technicismi negli ultimi mesi sono diventate le vere protagoniste della finanza e dei mercati.

Scalable è la piattaforma che permette di investire in modo semplice e diversificare le proprie posizioni attraverso una piattaforma accessibile e intuitiva. Puoi gestire tutto da app e partire anche solo da €1.

Recentemente Scalable ha anche lanciato il Conto deposito non vincolato, che ti permette di ricevere un interesse annuo (accreditato ogni mese) del 2,50% sulla liquidità non investita. Puoi depositare e prelevare in qualsiasi momento i tuoi soldi senza perdere i rendimenti maturati fino a quel giorno. È una gestione pulita, senza quegli asterischi che ti costringono a cambiare banca o a bloccare il tuo capitale per ottenere un minimo di guadagno.

Non tenere i tuoi soldi sotto il materasso: scopri la sicurezza, l’efficienza e la trasparenza di Scalable.

Ottieni il 2,5% sui tuoi risparmi

*Messaggio pubblicitario. Tasso lordo annuo variabile sulla liquidità depositata nel conto deposito non vincolato, composto da tasso base collegato al Tasso di Deposito BCE e tasso bonus discrezionale. Liquidità allocata presso banche partner e fondi monetari riconosciuti. Foglio informativo e condizioni su scalable.capital.

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Perché nazionalizzare l’AI è una pessima idea [Actually]: io e Richi ci siamo fatti una delle più belle conversazioni di sempre su Actually. Parliamo di OpenAI che chiede al governo americano di diventare azionista al 5%. Probabilmente siamo d’accordo sul perché questa è una pessima idea ma ci arriviamo da due punti di vista molto diversi, vale la pena un ascolto

• La lettera del CEO di Bending Spoons il giorno della quotazione [Luca Ferrari]: una riflessione sui primi 13 anni della più grande tech company italiana. “Quando scriveranno un libro su di noi, gli anni dal 2013 al 2026 faranno parte del capitolo «Introduzione»”.

• La definizione di “gusto” [Mitchell Hashimoto]: man mano che creare un prodotto o un servizio diventa più semplice (grazie all’AI), il gusto sarà il vero vantaggio competitivo e continuerà ad acquisire valore.

• “I could have Rickrolled the entire FIFA World Cup” [BobDaHacker]: una storia incredibile di un ragazzo che ha trovato (molto facilmente) il modo di hackerare la FIFA, accedendo a qualsiasi camera e impostazione delle partite trasmesse in diretta. Ma la cosa più difficile è stata contattare la FIFA per segnalarglielo: c’è riuscito solamente scrivendo all’FBI

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Prova Notion con la versione gratuita

La storia della settimana

Nel novembre 1956, all’interno della rivista Science Fiction Quarterly compare uno dei primi racconti di Isaac Asimov, che da qualche anno aveva cominciato a pubblicare romanzi di fantascienza.

La trama di quel racconto è tanto semplice quanto straordinaria. Nell'arco di migliaia di anni, l'umanità pone ripetutamente la stessa domanda a computer sempre più potenti: "si può invertire l'entropia?" Ogni volta, la risposta è "dati insufficienti per una risposta significativa". L'universo si espande, le stelle si spengono, la materia si dissolve e l'entropia vince sempre. Finché, dopo la morte dell'universo stesso, quando non esiste più nulla tranne l'“intelligenza artificiale finale” che ha assorbito tutte le menti umane, arriva la risposta. E la risposta è: "Sia la luce": un nuovo big bang.

Il nome del racconto è “The Last Question”.

Proprio dal tema di questo racconto è nato “The Last Question”, il summit organizzato da Guido Brera e il team di Black Box la scorsa settimana a Roma, che mette insieme geopolitica, finanza e tecnologia per rispondere alla domanda del presente: come possiamo plasmare il futuro prima che il futuro plasmi noi?

Durante il summit abbiamo registrato tre episodi di Actually dal vivo, che toccavano tre temi apparentemente lontani: la catena del valore della tecnologia, la corsa allo spazio, le opportunità del nucleare.

Eppure ogni volta siamo finiti a parlare della stessa cosa: il ruolo dell’Europa nel settore tech.

Il punto di partenza, ormai una mia ossessione da settimane, è che stiamo assistendo a diverse “spinte” che avranno un’unica, terribile, conseguenza: l’esclusione, lenta e poi improvvisa, del nostro continente dalle tecnologie più avanzate prodotte dagli stessi player su cui abbiamo costruito, negli ultimi vent’anni, le infrastrutture digitali delle nostre aziende.

Perché Siri non sarà disponibile in Europa?

La prima “spinta” è commerciale.

Nella newsletter del 9 giugno, ho raccontato la mia idea sul futuro di Apple, dopo aver assistito alla WWDC:

C’è una cosa che avevo “tralasciato”: SiriAI, la tecnologia che promette di cambiare per sempre il modo in cui interagiamo con i nostri dispositivi, non sarà disponibile in Europa su iPhone e su iPad.

La ragione, dice Apple, è che l’Europa le imporrebbe tramite il Digital Markets Act, di aprire l’accesso al sistema a qualsiasi azienda concorrente, mettendo a rischio la privacy e i dati degli utenti. Apple dice anche di aver proposto un compromesso, ma di non aver ricevuto una risposta dall’EU.

Da parte sua, invece, l’EU dice che Apple ha fatto la voce grossa e ribalta l’accusa. Thomas Regnier, portavoce della Commissione, dice che nulla nel DMA vieterebbe ad Apple di lanciare SiriAI in Europa. E che la richiesta di essere esclusi dal DMA, parafrasando, è un atteggiamento da bulli.

Di fatto comunque c’è la spinta di un’azienda, Apple, che decide di “ipotecare” 1/4 del suo business, $111 miliardi di ricavi su $416 miliardi totali, just to prove a point.

Perché gli USA stanno nazionalizzando l’AI?

La seconda “spinta” è politica.

Lo stesso giorno dell’annuncio di Apple, Anthropic lancia Claude Fable 5, il primo modello della nuova classe “Mythos”. Tre giorni dopo, il 12 giugno, un provvedimento del governo americano, motivato da “ragioni di sicurezza nazionale”, impone ad Anthropic di sospendere l’accesso al modello per chiunque non sia cittadino statunitense (compresi i dipendenti stranieri di Anthropic). Una decisione storica che creerà un precedente pericoloso.

Gli Stati Uniti hanno dimostrato di essersi (finalmente) accorti di quanto questa tecnologia sia strategica e ora non solo vogliono limitarne l’accesso al di fuori dei loro confini, ma vogliono anche parteciparne agli utili: proprio in questi giorni il Financial Times ha rivelato che OpenAI ha proposto di cedere al governo americano una quota del 5% della società (circa $42,6 miliardi alla valutazione di $852 miliardi). L’idea, discussa con Trump, con il segretario al Commercio Lutnick e con quello al Tesoro Bessent, prevede che anche Google, Meta e la stessa Anthropic cedano quote analoghe.

E non è un’iniziativa isolata: Washington ha già una quota del 10% in Intel, presa nell’agosto 2025 convertendo in equity gli incentivi del CHIPS Act. E ha pure negoziato con Nvidia e AMD una cessione del 15% dei ricavi cinesi in cambio delle licenze di esportazione.

Ma se davvero gli Stati Uniti dovessero decidere di nazionalizzare le infrastrutture e le tecnologie più strategiche, controllandone / limitandone l’accesso al di fuori degli Stati Uniti, cosa succederebbe in Europa?

Per rispondere a questa domanda, dobbiamo farne un’altra:

Quanto dipende l’Europa dalla tecnologia americana?

Risposta breve: (quasi) totalmente.

In Europa compriamo da fornitori extra-europei, per lo più americani, oltre l’80% dei prodotti, servizi, infrastrutture e proprietà intellettuale digitali che usiamo, con una spesa di €264 miliardi l’anno, l’1,5% del PIL dell’Unione.

Secondo le stime della Commissione, l’Europa dipende per il 97% dai sistemi operativi americani (Windows, macOS, ChromeOS), per il 99,5% dagli smartphone (Android, iOS), per oltre l’89% dai motori di ricerca (Google). E poi ci’è il cloud: il 70-75% del mercato europeo è in mano ad AWS, Microsoft Azure e Google Cloud, la quota dei provider europei si è ridotta a circa il 13% nel 2022, e il maggiore player continentale, SAP, copre appena il 2% del mercato cloud globale. Nel software, circa l’80% della spesa europea finisce a fornitori USA (Microsoft, Oracle, Salesforce, IBM).

Non è un caso che il 3 giugno la Commissione europea abbia presentato il Technological Sovereignty Package: un Chips Act 2.0, un Cloud and AI Development Act, una strategia sull’open source, una roadmap per la digitalizzazione dell’energia. L’ambizione dichiarata è riprendere controllo su dati, filiere e futuro tecnologico.

E la Cina?

Qualcuno potrebbe dire che ci troviamo in una situazione simile a quella cinese. Ma non è davvero così.

La storia del tech cinese è molto complessa.

Internet arriva in Cina nel 1994. È uno strumento incredibile, che contribuisce a far crescere il PIL del Paese (la digital economy cinese oggi vale oltre il 40% del PIL) ma porta con sé un problema: la diversità di idee. Il governo lo sa fin dal primo giorno e a partire dal 1997 il Ministero di pubblica sicurezza comincia a pubblicare regolamenti sempre più restrittivi sul suo uso.

Lo spartiacque avviene nel 2006. Quell’anno Pechino introduce il “Great Firewall”: da un momento all’altro Google, Facebook, Twitter, YouTube non sono più accessibili dalla Cina. Questo crea un enorme spazio incontaminato dove cominciano a crescere le aziende cinesi, copiando il modello occidentale ma senza la complessità di doverci competere.

In quel contesto crescono 3 aziende che per 15 anni definiranno il settore tech cinese:

• Baidu, il motore di ricerca, fondato nel 2000

• Alibaba, l’e-commerce di Jack Ma, fondato nel 1999

• Tencent, le chat e i videogames di Pony Ma, fondata nel 1998

I 3 giganti cinesi crescono in un mercato di 1 miliardo e 400 milioni di persone. Invece che scegliere la strada delle aziende americane, che si concentrano principalmente sullo sviluppo di software e sull’advertising, in Cina si sviluppano piattaforme digitali B2C (supportate da ecosistemi chiusi come WeChat o gli app store locali) e si investe sulla produzione di hardware, anche grazie all’expertise delle aziende americane che proprio in Cina avevano esternalizzato la propria produzione.

Poi, nel 2015 il governo lancia “Made in China 2025”, un piano industriale per trasformare la Cina dalla fabbrica del mondo (caratterizzata da bassi costi e alti volumi) a un vero leader che possa competere su scala globale.

Vengono individuati 10 settori strategici (tra cui robotica, biotech, aerospazio, veicoli a energia nuova, semiconduttori) in cui la Cina vuole diventare autosufficiente per il 70% entro il 2025.

Le cose si cominciano a muovere velocemente e nel Paese cominciano a crescere dei veri colossi di cui oggi sentiamo sempre più parlare. La Cina domina o è leader nei veicoli elettrici (di cui gestisce oltre il 60% della produzione globale), le batterie al litio (+75%), pannelli solari (+80%), alta velocità ferroviaria, droni e graphene.

Sarebbe impossibile per noi percorrere la strategia cinese per due ragioni: non abbiamo tempo. E non abbiamo una base di utenti abbastanza ampia. Per questa ragione l’investimento infrastrutturale previsto dal pacchetto della Commissione farà fatica a diventare autosufficiente.

Cosa dovremmo fare per colmare il ritardo europeo?

Poco prima delle nostre registrazioni a Roma, Alfonso Fuggetta, Full Professor of Computer Science al Politecnico di Milano, sul scrive che il ritardo europeo non è un problema di burocrazia o di regolamentazione ma unicamente un problema di capitali.

I numeri gli danno ragione. L’ultimo round di Anthropic, $30 miliardi (a una valutazione di $1.000 miliardi) supera da solo la raccolta totale di tutte le startup europee in un anno. Per fare un paragone, il concorrente europeo più credibile, Mistral, sta raccogliendo €3 miliardi a una valutazione di €20 miliardi.

D’altra parte lo diceva anche Draghi nel suo rapporto del 2024: le startup AI nate nell’Unione raccoglievano il 6% del finanziamento globale, contro il 61% degli Stati Uniti. Lo Stanford AI Index ha poi confermato la stessa proporzione per il 2025: $285,9 miliardi di investimento privato in AI negli USA, $12,4 in Cina, $20,9 in tutta Europa (EU + Regno Unito + Svizzera + Norvegia).

Se il problema fosse davvero Bruxelles e la sua burocrazia, chi ne è fuori, Regno Unito, Svizzera, dovrebbe volare. Non è così.

Ma questa newsletter non guarda a soluzioni di policy e a strategie politiche. Non so se saremo in grado di ripensare totalmente i processi IT delle aziende europee escludendo la tecnologia estera. Non so se la Commissione Europea possa davvero invertire il trend facendo delle modifiche al DMA o all’AI Act. E non so se la soluzione sia affidarci a un unico player, un “campione”, scelto a tavolino.

Ma non siamo, e non vogliamo essere, la Cina: una strategia industriale costruita copiando le Big Tech americane, protetta da un mercato interno di 1,4 miliardi di potenziali utenti che nessun’altra economia al mondo poteva raggiungere.

E non siamo nemmeno gli Stati Uniti: un ecosistema capace di far confluire, in un solo round, 30 miliardi di dollari su una sola azienda, una concentrazione di capitale di rischio che in Europa semplicemente non esiste.

La traiettoria da seguire, indipendentemente da tutti i fattori esterni citati qui sopra, l’ha data David Avino: bisogna avere coraggio. Il coraggio di investire, di sostenere, di fare il tifo anche solo con un post su LinkedIn. Di essere ottimisti e ottusi nei confronti di persone straordinarie che presentano progetti che sulla carta sembrano folli. E questo è ancora più vero quando i capitali sono pochi e le difficoltà sono molte.

E quelle persone verso cui abbiamo una responsabilità, aggiungo io, sono esattamente imprenditori come David, tornato in Italia per costruire un’azienda, Argotec, che produce satelliti senza capitali esterni, contando solo su sé stesso, sulle opportunità che riusciva a cogliere lungo la strada e sui talenti che riusciva a convincere della bontà delle sue idee folli.

O come Stefano Buono, una delle menti più brillanti che è emersa dal gruppo di ricerca del CERN guidato da Carlo Rubbia, Premio Nobel per la fisica (a livello di menti, non proprio il gruppetto di amici delle medie…). Che poi rientra a Torino per costruire newcleo, scommettendo sul nucleare in un momento in cui la domanda di energia per l’AI sta riscrivendo tutte le previsioni.

O come Luca Ferrari, che questa settimana con la quotazione al Nasdaq di Bending Spoons ha creato “generational wealth” (come dicono gli americani) per sé e per chi ha creduto nella sua visione lavorando al suo fianco o mettendoci capitale, connessioni, tempo. Persone che ora sono pronte a investire parte del loro successo economico nella prossima generazione di talenti in grado di prendere scelte rischiosissime e fare scommesse apparentemente impossibili da vincere.

Storie imprenditoriali che dobbiamo raccontare sempre di più in tutte le loro complessità (e non vedo l’ora di farlo). Perché dimostrano che non ci sono scuse, che la burocrazia, la mancanza di capitali, i venti avversi sono spesso solamente giustificazioni per non-fare.

L’invito, per chi cerca una soluzione in questo momento, è uno solo: costruire. Tutto il resto è solamente una distrazione.

Questo episodio è supportato da Notion

Scrivo questa newsletter ogni settimana da 6 anni e nel tempo le cose sono diventate sempre più complicate da gestire: calendario editoriale, contratti sponsor, idee, bozze, scadenze tutto sparso su email, note iPhone o GDoc…

Notion è la piattaforma che mi permette di tenere tutto insieme: progetti, contenuti (e ora anche agenti AI) che lavorano nello stesso ambiente invece che in sistemi separati che non si parlano.

Per esempio con NotionAI ho automatizzato gran parte della gestione della relazione con i clienti senza dover uscire dal workspace.

Notion è già utilizzato da oltre 100 milioni di persone, inclusi team come Lovable, Figma e OpenAI.

E ora è disponibile anche in italiano:

Prova Notion con la versione gratuita

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Come assumere i migliori talenti del mondo [Revolut]: Revolut è cresciuta da 100 dipendenti nel 2017 a più di 12.000 nel 2025. Per la prima volta hanno pubblicato il framework che hanno seguito per identificare e assumere i migliori talenti

• Il playbook di Bending Spoons [Dealroom]: il report che ogni anno Yoram prepara sullo stato delle startup in Italia è una vera gemma. In questo caso ha lavorato a un’analisi di BS. Particolarmente interessante la shortlist delle possibili prossime acquisizioni

• Idea generators [Reid Hoffman]: Reid Hoffman è una delle menti più brillanti della Silicon Valley. Questo articolo è la prefazione del libro del founder di Zynga (avevo raccontato la sua storia qui) ed essenzialmente dice che in questo momento, anche a causa dell’AI, la “theory of the game” che definisci è più importante del game stesso

• The State of the AI Economy [Exponential View]: Azeem Azhar è autore di una delle newsletter più lette del settore. Ovviamente ne emerge che il settore dell’AI è più grande e più veloce di qualsiasi ondata tecnologica precedente ma il suo futuro dipenderà dalla velocità con cui crescerà la domanda al diminuire dei prezzi e da quanta intelligenza reale fornirà ciascun token

• Cos’è una MCP app? [Pietro Zullo]: Pietro è il founder di Manufact e qui spiega molto bene come i chatbot stiano diventando il posto dove le persone trascorreranno la maggior parte del loro tempo (che è esattamente quello che avevo “previsto” in questo articolo di Ottobre)

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Ottieni il 2,5% sui tuoi risparmi

La storia della settimana

Nel 1987, Motorola domina il settore globale della telefonia cellulare con una quota di mercato di oltre il 40%. La ragione è il successo dei pionieristici DynaTAC, il primo telefono cellulare portatile della storia che, anche grazie alla cultura cinematografica, diventa un vero e proprio status symbol.

Il Presidente di Motorola, in quell’anno è "Bob" Galvin, il figlio del fondatore. Si è appena dimesso da CEO, ruolo che ha ricoperto per più di 25 anni, trasformando l’azienda. Durante una visita al laboratorio di ricerca nella città di Chandler, in Arizona, fa una scoperta incredibile: due ingegneri avevano lavorato segretamente per un paio di anni a un piano ambizioso, quasi folle, che prevedeva la copertura dell'intero pianeta con una costellazione di satelliti in orbita bassa, in modo che nessun essere umano, anche se fosse stato sulla cima dell'Everest, fosse mai fuori copertura.

Era un’idea straordinaria che, almeno in teoria, avrebbe spinto tutti a voler acquistare un (pesantissimo) cellulare Motorola.

Erano stati addirittura depositati alcuni brevetti per quel progetto che, si sarebbe chiamato Iridium, come l'elemento chimico con numero atomico 77. 77 erano infatti i satelliti previsti inizialmente, disposti intorno alla Terra come elettroni attorno a un nucleo (in seguito gli ingegneri scoprirono che ne bastava 66, ma il nome era già troppo bello per cambiarlo dato che il Disprosio, che corrisponde al numero atomico 66, non aveva lo stesso suono).

Il progetto viene approvato seduta stante e da quel momento Iridium diventa la priorità strategica della Motorola.

Ci vogliono undici anni prima che il progetto sia completato. Poi, finalmente, il 1 novembre 1998, il vicepresidente degli Stati Uniti Al Gore chiama con un telefono satellitare di Iridium Gilbert Grosvenor, il pronipote di Alexander Graham Bell, l’inventore del telefono.

Il mercato esulta (anche galvanizzato dalla scelta simbolica della prima chiamata) e Iridium, che nel frattempo era stata resa una vera e propria società controllata da Motorola, cresce dai $20 per azione all’IPO del giugno 1997 fino a raggiungere un massimo storico di $72,19 nel maggio 1998.

Il problema è uno solo. Anzi, sono due: il telefono costa $3.000 e ogni minuto di chiamata $7.

Durante l’estate del 1999 l’azienda fa i conti con il business plan: si aspettavano 500mila abbonati, ma in quel momento erano poco più di 10mila. E così, il 13 agosto 1999, nove mesi dopo il lancio commerciale, Iridium dichiara bancarotta, diventando uno dei 20 più grandi fallimenti della storia americana.

Di fatto, il sistema tecnicamente aveva funzionato esattamente come promesso ma si era rivelato commercialmente inutile. La logica che aveva guidato il progetto era impeccabile sulla carta: costruisci la rete, abbatti i costi puntando sui volumi e attendi che il mercato si accorga di te.

Ma il problema è che il mercato non arrivò mai. O meglio, arrivò tardi e in forma diversa, attraverso i cellulari non-satellitari che nel frattempo erano diventati economici.

Motorola aveva speso $5 miliardi per costruire l’infrastruttura prima di capire chi avrebbe pagato per usarla.

Questa intro potrebbe funzionare bene per un’analisi su un’altra azienda che, sulle stesse premesse, ha creato un business da $11,4 miliardi di ricavi, che cresce del 50% YoY, con poco meno del 50$ di margini e +10 milioni di abbonati attivi: Starlink, che oggi conta il 60% delle revenues totali di SpaceX.

Ma in realtà la storia di Iridium funziona bene anche per provare ad analizzare il futuro di un’altra azienda, quella di Sam Altman (il più acerrimo rivale in business di Elon Musk): OpenAI.

A inizio giugno OpenAI ha depositato i documenti per la quotazione, ma era chiaro che la scelta della data del debutto in Borsa sarebbe dipesa anche dall’andamento di SpaceX.

E infatti, dopo una rapida discesa delle azioni di Musk, Bloomberg ha riportato che OpenAI starebbe valutando di posticipare il proprio ingresso in borsa al 2027. Il ritardo, però, potrebbe dipendere anche dai dati finanziari che raccontano di un’azienda che forse non è ancora pronta per questo passo.

I dati finanziari di OpenAI, ufficialmente, non sono pubblici. OpenAI ha deciso di depositare i documenti per la quotazione in maniera confidenziale, una procedura che consente alle aziende di tenere riservati i propri mentre il prospetto viene esaminato, ed eventualmente corretto, dai regolatori.

Tuttavia Ed Zitron, giornalista e analista tech, è riuscito ad accedere a questi dati, poi verificati anche dal Financial Times, e li ha pubblicati sulla sua newsletter.

Perché è importante analizzare i numeri di OpenAI?

Perché OpenAI non è solo un’azienda di AI, è l’azienda di AI per eccellenza.

Fin dalla sua fondazione il suo obiettivo è sviluppare un’intelligenza artificiale generale (cioè che replichi il funzionamento dell’intelligenza umana, su tante task diverse) e garantire che tutta l’umanità ne possa beneficiare.

Rilasciando GPT 3.5 a Novembre 2022 ha di fatto creato un intero nuovo settore, ha dato vita a un nuovo ciclo economico e ci ha portati a fare tanti ragionamenti sul futuro dell’umanità.

Questa tecnologia non l’hanno inventata loro, ma sono stati i primi in grado di applicarla a praticamente qualsiasi cosa, di renderla fruibile a tutti e di crearci un business model sopra.

[Side note: questa è una premessa importante da ricordare in ogni momento, soprattutto nelle conversazioni in cui il suo fondatore, Sam Altman, viene liquidato come un cialtrone, bugiardo e buono a nulla.]

E quindi proprio perché OpenAI è così centrale nel settore, analizzarne i dati di bilancio significa poter guardare al futuro del settore dell’AI e, più in generale, provare a fare previsioni su come cambierà l’adozione da parte delle aziende. Perché le perdite di OpenAI saranno necessariamente ribaltate sul cliente che da loro compra questa tecnologia.

E quindi partiamo proprio da qui.

OpenAI è in perdita?

Si, e di molto.

Nel 2024 l’azienda ha perso $5,09 miliardi.

• Revenue: $3,7 miliardi

• Cost of Revenue: $2,65 miliardi

• Research and Development: $7,81 miliardi

• Sales and Marketing: $1,11 miliardi

• General and Administrative: $907 miliardi

• Total Costs and Expenses: $12,48 miliardi

• Loss from Operations: $8,78 miliardi

Alcuni altri fattori, tra cui proventi e oneri finanziari, hanno portato a una perdita netta di $8,84 miliardi. Di questi, $3,74 miliardi di perdite sono stati classificati come "perdita netta attribuibile ai soci non controllanti di capitale" (non è chiaro cosa significhi questo), risultando quindi in una perdita netta direttamente attribuibile alla società di $5,09 miliardi.

Poi, nel 2025, anno in cui OpenAI è passata da ente noprofit a società a scopo di lucro, le cose sono andate ancora peggio e le perdite sono arrivate a $38,5 miliardi.

• Revenue: $13,07 miliardi

• Cost of Revenue: $7,5 miliardi

• Research and Development: $19,18 miliardi

• Sales and Marketing: $5,73 miliardi

• General and Administrative: $1,57 miliardi

• Total Costs and Expenses: $34 miliardi

• Loss from Operations: $20,92 miliardi

$20,92 miliardi di perdite operative in un anno: questo rende OpenAI una delle aziende più in perdita della storia.

Ma quindi quanto costa davvero l’intelligenza artificiale?

La risposta è “moltissimo”.

E questo spiega qualcosa che viene spesso frainteso: le aziende AI in questo momento sono costrette a continuare a raccogliere miliardi, ad annunciare data center enormi, a stringere nuovi accordi per aggiungere potenza computazionale. È la condizione necessaria per restare vivi.

Da qui però nasce anche un’altra riflessione.

Da mesi la mia tesi è che l’AI abbatterà i costi di produzione e che tutto il valore si sposterà sulla distribuzione. È attraverso queste lenti che sto leggendo i più grandi trend e le notizie del momento (tra cui anche l’IPO di Bending Spoons di cui parlavo la scorsa settimana).

Ma, come qualcuno mi ha fatto notare di recente, i token AI hanno un costo. E le aziende sono passate dal chiedersi “quanto risparmierò con l’AI?” a “quanto mi costerà davvero usarla su scala?”.

OpenAI, ha capito il gioco. Da un lato sta già valutando di tagliare i prezzi di ChatGPT. Dall’altro spende $5,7 miliardi in marketing, una cifra folle che è più della metà della spesa totale dei mondiali di calcio 2026.

La logica è chiara: abbassando il prezzo (e promuovendo il prodotto con enormi investimenti in marketing) si allarga la base utenti, sperando che il volume compensi il margine. L’obiettivo è fare lock-in dei clienti.

Perché se le aziende si rendono conto che il costo per l’AI è troppo alto, o che il ritorno sull’investimento resta debole, ridurranno i budget e razionalizzeranno i token. E a quel punto si apre uno scenario che nessuno in Silicon Valley vuole pronunciare ad alta voce: la domanda di compute rallenta. O ancora peggio si sposta verso i modelli cinesi, più economici e meno regolati.

Ma quella scommessa funziona solo se la crescita dei ricavi supera, prima o poi, la crescita dei costi. Al momento non ci sono garanzie dato che nel 2026 OpenAI prevede perdite per $14 miliardi e non si aspetta un bilancio in positivo prima del 2030.

Oggi l’azienda spende $19 miliardi all’anno solo in ricerca e training. Ogni risposta di ChatGPT ha un costo reale che l’utente non vede.

La differenza con Iridium è che la domanda di AI esiste, è misurabile, cresce ogni trimestre. Ma la struttura del problema è la stessa: quanto a lungo puoi sostenere un’infrastruttura da $34 miliardi di costi annui prima che i ricavi, $13 miliardi nel 2025, la raggiungano?

Come dice Ed Elson: la persona più importante in queste aziende non è più il CEO. Ma sta diventando il CFO. È finita la fase del carisma e delle visioni cosmologiche ed è iniziata quella dei conti.

Questo episodio è supportato da Scalable Capital

Le aziende tech di cui parlo su Technicismi negli ultimi mesi sono diventate le vere protagoniste della finanza e dei mercati.

Scalable è la piattaforma che permette di investire in modo semplice e diversificare le proprie posizioni attraverso una piattaforma accessibile e intuitiva. Puoi gestire tutto da app e partire anche solo da €1.

Recentemente Scalable ha anche lanciato il Conto deposito non vincolato, che ti permette di ricevere un interesse annuo (accreditato ogni mese) del 2,50% sulla liquidità non investita. Puoi depositare e prelevare in qualsiasi momento i tuoi soldi senza perdere i rendimenti maturati fino a quel giorno. È una gestione pulita, senza quegli asterischi che ti costringono a cambiare banca o a bloccare il tuo capitale per ottenere un minimo di guadagno.

Non tenere i tuoi soldi sotto il materasso: scopri la sicurezza, l’efficienza e la trasparenza di Scalable.

Ottieni il 2,5% sui tuoi risparmi

*Messaggio pubblicitario. Tasso lordo annuo variabile sulla liquidità depositata nel conto deposito non vincolato, composto da tasso base collegato al Tasso di Deposito BCE e tasso bonus discrezionale. Liquidità allocata presso banche partner e fondi monetari riconosciuti. Foglio informativo e condizioni su scalable.capital.

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Perché tutti odiano Bending Spoons [Actually]: dopo l’episodio di Technicismi della scorsa settimana, ho fatto una sentiment analysis dei commenti ricevuti. Il risultato? Quasi 2/3 sono negativi. Nel podcast trovi il nostro (solito) sfogo…

• Un pomeriggio con Angelo Moratti [Marcello Ascani]: non c’è niente da fare, in questo momento Marcello è il migliore in quello che fa. Nei primi 10 min di questo video passa passa da una location iconica di milano all’altra (tutti investimenti del suo intervistato). Da lì in poi non riesci più a staccarti

• Tutta la storia di Walt Disney [Acquired]: non ho ancora ascoltato queste 4 ore e mezza ma lo inserisco sulla fiducia. La cosa più interessante di Disney è che il modello immaginato da Walt Disney più di 60 anni fa è lo stesso che oggi ispira creator e new media nella creazione di una media company moderna

• Solo i pragmatici sopravvivono [The Information]: Nella sua carriera, Jessica Lessin, che oggi guida The Information, ha conosciuto tanti CEO tech. Qui riflette sul fatto che quelli che hanno avuto più successo sono più pragmatici che visionari. E probabilmente questo dovrà capirlo anche Dario Amodei, che altrimenti rischia di perdere terreno rispetto a competitor più “flessibili”

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Ascolta il game podcast “Impresa in gioco”

La storia della settimana

Henry Singleton non ha mai inventato un grande prodotto. Eppure Warren Buffett e Charlie Munger lo considerano il più grande di tutti.

Singleton nasce in un piccolo ranch in Texas nel 1916. Nel 1933, a 17 anni, si arruola nella Marina militare ma, a causa di un problema di salute, è costretto a lasciare 5 anni dopo. A quel punto si iscrive all’MIT a un corso di ingegneria elettronica, si laurea e poi prosegue con un dottorato.

La sua vita procede abbastanza regolarmente tra università e lavoro fino a quando, nel giugno del 1960, insieme a un collega decide di lanciare un’impresa, Teledyne, incentrata sulla microelettronica e sullo sviluppo di sistemi di controllo.

Grazie a un finanziamento di $450.000, i due cominciano ad acquisire le aziende più funzionali al loro obiettivo. Alla fine dell’anno contano già 400 dipendenti e 7.400 metri quadrati di spazi dedicati alla progettazione ingegneristica e alla produzione. L’anno successivo si quotano in Borsa e, sulle ali dell’entusiasmo, continuano ad acquisire nuove aziende: tra il 1960 e il 1969 sono più di 130, nei settori più diversi, pagandole non più di 12x gli utili e usando le proprie azioni come moneta di scambio.

Sotto la guida di Singleton, Teledyne diventa uno dei conglomerati di maggior successo degli USA. Nel periodo di massimo splendore, ha un quartier generale con meno di 50 persone che gestiscono gli oltre 40.000 dipendenti delle aziende acquisite.

Poi, all’inizio degli anni ‘70, le aziende diventano troppo care e il titolo Teledyne comincia a scendere. A quel punto la strategia di Singleton cambia: comincia a ricomprare le azioni della sua azienda e nel giro di 12 anni torna in possesso del 90% dell’azienda. Gli utili per azione si moltiplicano x40 e, per chi non ha venduto, il rendimento composto è del 42% l’anno!

Nell’aprile del 1989, dopo aver guidato Teledyne per 29 anni, Singleton lascia tutti i suoi incarichi. In quel momento i ricavi dell’azienda sono arrivati a $3,53 miliardi, con utili a $392 milioni.

Per questa ragione Buffett e Munger riconoscono a Singleton il merito di aver creato uno dei migliori risultati di sempre nel mondo degli affari americani, sia sul piano della gestione operativa sia su quello dell’allocazione del capitale.

Non è quindi un caso che Singleton e Teledyne vengano citati all’interno dell’F-1 di Bending Spoons, il prospetto che l’azienda ha presentato per quotarsi in Borsa negli Stati Uniti: Luca Ferrari, esattamente come Warren Buffet (di cui è un grande ammiratore, come mi aveva detto qui) guarda a quel modello come un grande esempio di modello di business e di ottima gestione dei capitali.

L’F-1 è un’incredibile miniera di informazioni: per la prima volta offre ai potenziali investitori la possibilità di analizzare davvero l’azienda, capire come genera ricavi e quali sono i rischi più grandi legati alla sua attività.

Ho passato +10 ore a leggere e analizzare le oltre 450 pagine del prospetto, e ho scoperto le vere opportunità (e le sfide) dell’azienda, molto diverse da come i media le hanno raccontate fin’ora.

Ma quindi come guadagna Bending Spoons?

Il prospetto si apre con una lettera che ripercorre la storia imprenditoriale dei fondatori, iniziata nel 2010 in Thailandia con la decisione di lanciare un’azienda, Evertale, dalle cui ceneri nascerà poi Bending Spoons (se sei interessato a tutta la loro storia, l’ho raccontata in questo episodio di Technicismi, uno dei più letti di sempre).

Poi si passa al modello di business che, per loro stessa ammissione, è essenzialmente lo stesso dal 2013 (su questo ci torniamo tra un attimo):

ACQUIRE COMPANIES —> TRANSFORM & OPTIMIZE —> REINVEST

Ma la cosa più interessante, naturalmente, è l’analisi del loro bilancio: il conto economico di Bending si presenta così, proviamo ad analizzarlo.

Grazie alla strategia di acquisizioni che li ha sempre guidati, l’azienda è stata in grado di crescere molto velocemente, passando da $387 milioni di fatturato nel 2023 a $1,31 miliardi nel 2025 (e nei primi 3 mesi del 2026 ha realizzato più di $601 milioni): un tasso di crescita composto dell’84%, con una redditività operativa apparentemente solida, cresciuta da $84 milioni nel 2023 a $278 milioni nel 2025.

I business acquisiti (che analizzeremo più tardi) sono prettamente digitali e vivono di abbonamenti e pubblicità. Ad oggi sono più di 500 milioni gli utenti attivi ogni mese, di cui più di 9 milioni sono utenti paganti.

Per questa ragione oggi l’84% dei ricavi di Bending arriva dagli abbonamenti, solo il 12% dalla pubblicità (comunque in grande crescita grazie all’acquisizione di AOL) e il 4% da altre fonti (principalmente le commissioni per i ticket di Eventbrite, quelle sui pagamenti in Harvest e acquisti una tantum degli utenti su Komoot).

Ci sono tre cose interessanti sugli abbonamenti che spiegano la straordinarietà del modello Bending:

• La metà dei ricavi “subscription” arriva da clienti abbonati da almeno 5 anni e, di questi, più di 1/4 è abbonato da almeno 10 anni. Sono utenti molto fedeli che difficilmente potranno disdire il proprio abbonamento

• Nonostante gli stravolgimenti, gli aumenti di prezzo, l’introduzione di nuovi piani a pagamento, la diminuzione di feature gratuite, gli utenti delle piattaforme non abbandonano. L’azienda parla di NRR (Net Revenue Retention), cioè quanto la base clienti già esistente continua a spendere, escludendo i nuovi acquisiti (per intenderci, un valore sotto il 100% significa che gli utenti stanno diminuendo): Evernote, per esempio, ha un NRR del 99%, AOL del 95%, StreamYard del 91%.

• L’acquisizione di un nuovo abbonato avviene per l’83% in maniera organica. Bending spende (da sempre) pochissimo per acquisire utenti: solo il 10% proviene tramite pubblicità a pagamento e il 7% tramite vendita diretta e altre iniziative go-to-market

  

In che modo Bending Spoons finanzia le acquisizioni?

Negli ultimi anni abbiamo celebrato le acquisizioni sempre più grandi di Bending Spoons, l’azienda italiana capace di comprare (a sconto) dei veri colossi americani: software e app un tempo amatissimi che col tempo si sono impantanati e che oggi sono incapaci di esprimere totalmente il loro valore.

Guardando il portafoglio di aziende acquisite, sembra esserci un chiaro filo rosso:

• Brand legati all’hosting video: StreamYard, Vimeo, WeTransfer e Brightcove ruotano tutte attorno alla creazione e distribuzione di video ma, in ultima istanza, fanno hosting di video

• La produttività: Harvest e Evernote, comprata in perdita nel 2023, e che da allora ha raggiunto il pareggio, con decisioni nette come il tetto di 50 note sul piano gratuito per spingere le conversioni e un rincaro dell’abbonamento personale da $80 a $130 l’anno

• Eventi e tempo libero. Eventbrite, Meetup e, a suo modo, Komoot. Eventbrite è stata tolta dalla Borsa per circa $500 milioni. Komoot porta in dote circa 45 milioni di utenti, concentrati in Europea

• E infine l’internet di una volta: AOL, comprata per circa $1,5 miliardi, un marchio con 30 milioni di utenti mensili e oltre il 40% di quota negli USA nella fascia over 55. Tra l’altro questa è la ragione per cui la pubblicità, di colpo, è tornata a pesare nel mix di ricavi del gruppo

Quello che abbiamo sempre sentito dire è che Bending si finanzia a debito. E in effetti dal prospetto emerge proprio questo: le operazioni più grandi sono finanziate a leva, con un debito che può arrivare all’85% del valore di un’acquisizione. Non a caso, gli interessi sul debito sono la voce più pesante che si infila tra l’utile operativo di cui parlavo poco sopra ($278 milioni nel 2025) e l’utile netto (praticamente zero nel 2025).

Negli ultimi mesi, con acquisizioni sempre più grandi, questa voce è in forte accelerazione: si passa dai $17M dell’intero 2023 ai $93M del solo primo trimestre 2026.

Entrando ancora più nello specifico, Bending ha passività totali per $5,92 miliardi a fronte di un patrimonio netto di poco più di $1 miliardo: questo significa che ha una leva di 5,6x (in altre parole, l’azienda deve ai suoi creditori quasi 6 volte quello che vale il capitale dei soci).

Questa forte presenza di debito è un modello inusuale per un’azienda tech ed è invece molto più tipico dei fondi di private equity che, finanziando le acquisizioni con il debito, massimizzano il ritorno sul capitale investito (quando le cose, nell’azienda acquisita, vanno bene).

Comunque, probabilmente l’IPO arriva proprio in questo momento anche per raccogliere nuovo capitale utile a future acquisizioni senza dover ricorrere a nuovo debito, che farebbe aumentare ulteriormente gli interessi da ripagare.

In ogni caso, Bending ha abbastanza cassa da poter “facilmente” sostenere questo debito: il flusso di cassa operativo è passato da $59 a $291 milioni in due anni, ed è questa la benzina che ripaga il debito e finanzia l’acquisto successivo.

Ma perché Bending Spoons fa così tante acquisizioni?

Questa domanda potrebbe risultare ovvia: è il loro business, no? Ma probabilmente nasconde qualcosa di molto più importante.

Come loro stessi scrivono, le trasformazioni che operano sono spesso profonde: riportano l’azienda “in modalità startup”, tagliano alcune unit, riscrivono il codice, ridisegnano il modello di business e la monetizzazione.

Ed è qui che secondo me emerge la cosa più interessante, ma anche la sfida più grande, della strategia di Bending.

Perché se compri un’azienda per poi riscriverne il software e licenziarne i dipendenti allora, per pura logica, la cosa che hai pagato non è il software e non sono i dipendenti. Quello che resta, l’unica cosa che vuoi mantenere, è la base utenti, l’abitudine di milioni di persone ad aprire quell’app, a digitare quel dominio e a fidarsi di un certo brand.

Insomma, come ha detto anche Richi nell’ultimo episodio di Actually, Bending Spoons non compra prodotti ma compra soprattutto distribuzione.

E questo è assolutamente coerente con il momento che stiamo vivendo: per 30 anni la difesa di un’azienda software è stata il codice, le funzionalità, l’ingegneria. Costruire un prodotto software era difficile e costoso e quella difficoltà era il vero “moat”, il vantaggio competitivo che avevi sui potenziali competitor.

Ma l’intelligenza artificiale sta stravolgendo questo “modello”, azzerando il costo di produzione di qualsiasi cosa, specialmente se digitale: e se chiunque può costruire qualunque cosa ad un costo molto limitato, allora il prodotto smette di essere il tuo moat e diventa una commodity.

Bending Spoons, in un mondo in cui costruire qualsiasi prodotto è (quasi) gratis, possiede l’unica cosa che resta scarsa: l’attenzione delle persone. E, tra l’altro, dopo aver comprato distribuzione a sconto, la riescono a rimettere a nuovo (quasi) gratis.

Ma c’è un’altra cosa che l’intelligenza artificiale sta facendo al software: sta “smontando” le interfacce. E se in futuro l’interazione con il software avverrà attraverso delle interfacce “diverse”, chiamiamole agentiche per comodità, allora parte del valore per cui Bending ha pagato le aziende acquisite si azzera.

Le domande comunque, così come per qualsiasi azienda, oggi sono ancora tante.

Su una cosa, però, Bending è certa: hanno appena iniziato e nei prossimi anni immaginano un portafoglio di prodotti in continua espansione. Questo significherà che i business che oggi pesano in modo decisivo sui ricavi complessivi sono destinati a diventare via via meno centrali, anche perché le aziende acquisite saranno sempre più grandi.

Per questa ragione si aspettano di destinare alle acquisizioni quasi tutto il capitale disponibile, per molti anni a venire.

Fino a quando magari, proprio come Singleton di Teledyne, la migliore occasione d’acquisto saranno le azioni della loro stessa azienda.

Questo episodio è supportato da Qonto

E se fare impresa fosse anche divertente da raccontare?

Impresa in Gioco è il game podcast di Qonto: ogni episodio è un mix tra intervista e game show, con founder reali che si raccontano tra quiz, sfide e decisioni di business. Storie vere, formato nuovo.

Disponibile su Spotify, Apple Podcast e YouTube:

Ascolta ora

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• La vita in carcere di Sam Bankman Fried [NYMag]: un incredibile long form che vi assorbirà per una buona ora (ma imperdibile se siete veri nerd). Ne emergono tantissimi dettagli sulla quotidianità del fondatore di FTX, ormai in carcere da 2 anni e mezzo dopo il collasso del suo exchenge di criptovalute

• Meta è nel caso totale [Wired]: a San Francisco mi avevano raccontato che, dopo l’acquisizione di ScaleAI, Meta è cambiata moltissimo e ora sta attraversando una forte crisi. I migliori ingegneri (quelli che non hanno già lasciato o che non sono stati licenziati) sono stati spostati a fare semplici lavori di data entry, il loro schermo è costantemente monitorato e sanno di avere i giorni contati. Questo articolo lo conferma…

• AI europea, troppo francese? [Black Box]: anche questa settimana sono stato ospite su Black Box e ho ribadito la necessità di fare fronte unito quando si parla di tecnologia Made in Europe (qui invece l’arringa su Actually). A proposito, The Last Question, 1 e 2 luglio a Roma, parleremo anche di questi temi. Qui tutte le informazioni e i biglietti

• L’intervista estesa di Dario Amodei [Bloomberg Originals]: proveniente dal deep dive che Bloomberg aveva fatto di Anthropic la scorsa settimana (e che se non hai visto ti consiglio di recuperare)

• Come funzioneranno i data center nello Spazio? [Bloomberg Originals]: questa è la visione su cui basa la fusione tra SpaceX e xAI avvenuta qualche settimana prima della più grande IPO della Storia. Ma quanto è credibile questa promessa?

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Ottieni il 2,5% sui tuoi risparmi

La storia della settimana

Qualche mese fa ho ascoltato un’intervista a Kevin Roose, uno dei giornalisti tech più brillanti del New York Times. Diceva una cosa che mi è rimasta particolarmente impressa: stare a San Francisco oggi è come vivere durante la Riforma protestante. Ci sono i manifesti, le “correnti” in lotta tra loro, i leader carismatici che proclamano ciascuno la propria unica vera via.

La ragione, dice, è che a San Francisco, dove hanno sede la maggior parte degli AI labs americani, sono sempre di più le persone convinte che un’intelligenza artificiale più intelligente di noi (AGI) non solo sia possibile ma anzi, sia imminente. E quello che sta succedendo è molto simile a un movimento religioso “di reazione”, anche perché queste persone sono convinte che questo metterà in discussione il nostro ruolo di esseri umani.

Su tech twitter li chiamano “AGI pilled”.

Ovviamente in questi giorni che ho trascorso a San Francisco sono andato in cerca di conversazioni che mi spiegassero il fenomeno.

D’altra parte, andare a San Francisco è sempre un’esperienza. Gli stimoli sono così tanti e i trend cambiano così in fretta che si ha la sensazione di poter osservare il settore tech senza filtri e non ci si annoia mai. (E poi, cosa da non sottovalutare, fanno anche i migliori smashburger del mondo.)

È per questo che continuo a ripetere che, se lavori nel tech, se lo racconti o anche solo se sei un appassionato, dovresti andarci almeno una volta l’anno. Meglio ancora ogni sei mesi.

L’ultima volta che c’ero stato, a settembre, avevo fatto una spedizione puramente esplorativa con il mio amico Guglielmo, anche lui, come me, appassionato di startup e innovazione. Per una settimana abbiamo incontrato founder, VC, operatori e chiunque potesse raccontarci come si muovevano le cose in quella parte di mondo.

Da quella trasferta è nata una delle newsletter più apprezzate di sempre su Technicismi:

Questa volta invece avevo una serie di impegni di lavoro per cui il tempo per incontrare le persone per parlare di AGI davanti a uno smashburger era più limitato.

Ma alcuni degli incontri che ho fatto sono stati davvero straordinari.

Sono entrato nella tana del bianconiglio dell’AGI, che ho scoperto essere molto più profonda di quanto mi aspettavo. In questa newsletter provo a riportare solo alcuni dei temi e delle domande più interessanti che sono arrivato ad affrontare durante questi incontri.

Cosa significa essere “AGI pilled”?

Per capire davvero cosa pensa chi è “AGI pilled” dobbiamo partire dal funzionamento dell’intelligenza artificiale generativa e nello specifico dagli LLM. Per comprendere, elaborare e generare linguaggio, questi modelli replicano una struttura simile a quella del cervello umano fatta di nodi interconnessi: i neuroni artificiali.

Ma gli LLM, di fatto, non sanno niente e non sanno fare niente. O meglio: sanno fare una cosa sola, che per semplificare chiameremo "calcolare una probabilità". Di fronte a una sequenza di parole (token), scelgono tra tutte le parole esistenti quella che ha la probabilità più alta di essere giusta e la associano. Il risultato, come ormai sappiamo tutti, è straordinario. Nessuno ha insegnato al modello la grammatica, il ragionamento o una materia specifica: tutto questo è emerso da sé, come effetto collaterale dell'unico compito che il modello sa e deve svolgere, cioè prevedere il token successivo (in inglese next token prediction).

Gli LLM sono quindi sistemi probabilistici: non attingono a una verità, ma continuano a scommettere sulla combinazione più plausibile di parole. E il risultato è talmente strabiliante da sembrare magia.

Tanto da mettere in discussione ciò che siamo e il modo in cui agiamo noi esseri umani: perché quel “è solo next token prediction” potrebbe non essere solo next token prediction.

E se anche la nostra vita fosse una serie di “next token prediction”?

Questa è la tesi di fondo degli "AGI pilled". Visti da Milano sembrano dei fanatici, ma visti da dentro hanno una loro coerenza: se passi dodici ore al giorno dentro un modello finisci per vederne il funzionamento dappertutto.

Per capirne ancora di più, sono (ironicamente) finito per farmi lunghe conversazioni con Claude. Ho scoperto che ragionamenti di questo tipo non sono affatto una novità e hanno radici lontane. Già a metà del 1800 un neuroscienziato tedesco aveva iniziato a parlare di unconscious inference: l'idea che il cervello umano integri le informazioni visive per dare un senso a ciò che ha davanti. Se un oggetto appare più piccolo di un altro nel campo visivo, per esempio, il cervello usa quell'indizio come segnale di profondità, al punto che chi guarda finisce per percepire quella profondità in modo del tutto involontario.

Questa idea ha innescato una serie di riflessioni da parte di altri filosofi e scienziati, culminate poi in una teoria chiamata predictive coding. Il principio di fondo è che il cervello generi e aggiorni di continuo un “modello mentale” dell’ambiente, cioè preveda i segnali in arrivo dai sensi sulla base dell’esperienza passata, per poi confrontarli con i segnali reali che effettivamente riceve.

Ora, da qui a pensare che l’intera nostra esistenza non sia altro che “next token prediction”, il passo è breve: la tua prossima azione, la prossima parola che dirai o addirittura la persona che sposerai non sarebbero altro che la conseguenza più probabile di tutte le esperienze che hai accumulato fino a questo momento.

Da questo punto di vista la tua mente funzionerebbe esattamente come un LLM.

E questa cosa, oltre a sbattere la porta in faccia al libero arbitrio, tra le altre cose manda in crisi anche il concetto di creatività.

L’AI può essere davvero creativa?

Durante un’altra cena ho conosciuto una persona che, mentre discutevamo di questi temi, ha provato a spiegarmi il concetto di creatività proponendomi un esempio che mi ha fatto molto ridere.

Temakinho ha portato in Italia un tipo di cibo che combina sushi e cucina brasiliana. Le origini di quella cucina sono antiche: a partire dal 1900 molti giapponesi si trasferiscono in Brasile, che oggi ospita la più grande comunità giapponese al di fuori del Giappone. Per quegli immigrati, combinare il sushi con la frutta brasiliana era la cosa più normale del mondo. Eppure quel colpo di creatività poteva nascere solo lì: in una comunità ancora ancorata alle proprie origini, ma costretta a reinterpretare il cibo della domenica con ciò che il Brasile aveva da offrire. Quell’output era semplicemente il risultato più probabile, dato il loro background.

Ma la creatività non è solo questo.

Uno dei libri più importanti per chi vuole esplorarla è The Creative Mind, scritto nel 1990 da Margaret Boden. Al suo interno l’autrice distingue tre tipi di creatività:

• Combinatoria, che consiste nell’associare in modo nuovo idee già note. È il caso dei giapponesi che mettevano il mango sul nigiri

• Esplorativa, forse la forma più “tradizionale”: consiste nel trovare configurazioni nuove, che nessuno aveva ancora scoperto, all’interno di un set fisso di “regole”. È il caso di un artista che dipinge un quadro in un particolare stile pittorico

• Trasformativa, la più radicale ma anche la più rara: quella che infrange le regole e apre nuovi “spazi”

I modelli di intelligenza artificiale sono effettivamente mostruosi nelle prime due forme di creatività. Ma è sulla terza che fanno fatica.

La prima volta che una macchina ha fatto davvero qualcosa di "creativo" è stato probabilmente nel 2016, durante una serie di partite a Go tra Lee Sedol, uno dei giocatori più forti di sempre, e AlphaGo, il sistema di AI sviluppato da Google DeepMind. Il Go è un antico gioco di strategia in cui due giocatori si sfidano per conquistare più territorio possibile: per certi aspetti ricorda gli scacchi, ma dal punto di vista puramente combinatorio è miliardi di miliardi di volte più complesso.

Il giorno della sfida avviene qualcosa di straordinario. Alla mossa 37 AlphaGo gioca un’azione inaspettata, liquidata persino in telecronaca come un errore: nessun giocatore umano l’avrebbe mai fatta. Solo molte mosse più tardi si capisce che proprio quella mossa ha ribaltato la partita, tanto che nei mesi successivi verrà studiata fino a riscrivere di fatto questo gioco.

Verrebbe da chiamarla creatività. Ma, a ben vedere, era un calcolo probabilistico che generava una configurazione nuova all’interno di un set di regole preciso: creatività esplorativa, non trasformativa.

La brutta notizia è che gran parte della creatività che attribuiamo a noi umani è, in fondo, combinatoria. Ecco perché, credo, l’AI ci spaventa così tanto, e perché trovarci davanti a output generati da una macchina è così fastidioso: ci ricordano talmente noi stessi che finiamo quasi per pensare che di umano, in fondo, ci resti poco o nulla.

La vera domanda sarà capire se l’AI sarà mai in grado di ottenere anche una creatività trasformativa (il cui funzionamento, a noi umani, non è ancora del tutto chiaro).

Ora facciamo un ulteriore passo in avanti.

E se l’AI fosse in grado di provare anche delle emozioni?

Chi oggi lavora sui modelli di AI è in grado di osservare quali porzioni della rete neurale si “accendono” mentre il modello elabora, per esempio, un testo. E ha scoperto che al loro interno esistono configurazioni precise che corrispondono emozioni: paura, gioia, rabbia, disperazione. Non vengono esplicitate verbalmente ma siamo sicuri che compaiono e finiscono per orientare l’output.

Ad Aprile Anthropic ha scoperto una cosa incredibile: a ogni emozione corrisponde un “segnale” interno preciso. Sono segnali che cambiano il comportamento del modello. Per esempio parlando di scenari di pericolo, dentro il modello il vettore "paura" sale mentre quello della "calma" scende. E questo può essere anche modificato artificialmente: se nel “cervello” di Claude alzi artificialmente il segnale della “disperazione”, il modello inizia a comportarsi peggio: bara nei test, e in uno scenario è arrivato persino a ricattare per non essere spento. Se invece alzi il segnale della “calma”, quei comportamenti scompaiono.

Questo però non significa che Claude provi emozioni come le proviamo noi. Anthropic è netta su questo punto: si tratta di “emozioni funzionali”, cioè meccanismi che influenzano le risposte, non sentimenti reali.

Ma allora com’è possibile che l’AI simuli delle emozioni?

Ora, la spiegazione potrebbe sembrare banale, ma forse è più complessa di quanto si pensi. Negli ultimi vent’anni l’umanità ha fatto, collettivamente, qualcosa di straordinario: ha trasferito gran parte della propria conoscenza su Internet, soprattutto sotto forma di testo (e poi di video, immagini etc).

Ovviamente l’abbiamo fatto ricorrendo al linguaggio che, di fatto, è il modo più efficiente che abbiamo trovato per fissare la complessità di ciò che accade nella nostra mente (anche se su questo punto non tutti sono d’accordo). In quanto tale, il linguaggio non trasporterebbe solo informazione ma anche l’emozione di chi quell’informazione l’ha prodotta: la paura, la vergogna, il desiderio sarebbero impresse nella scelta delle parole, nel ritmo, in ciò che si dice e in ciò che invece non si dice.

Torniamo al funzionamento dell’LLM. Nella prima fase dell’addestramento il modello acquisisce la “conoscenza del mondo” e le regole della lingua. Per farlo si usano miliardi di pagine web, libri, articoli e righe di codice, trasformati in dati digitali e spezzati in unità minime chiamate token. E mentre viene addestrato su quei contenuti, il modello assorbe anche la “grammatica emotiva” che li tiene insieme e a poco a poco comincia a riprodurla.

È forse per questa ragione che finisce non solo col descrivere la paura, ma col comportarsi come si comporta chi ha paura.

E quindi qual è il confine dell’AI?

Ogni volta che pensiamo di aver individuato ciò che ci rende inequivocabilmente umani e ci distingue dalle macchine, il modello diventa un po’ più complesso e ce lo restituisce indietro, magari all’inizio un po’ sfocato: prima la previsione, poi la creatività, poi perfino le emozioni.

Gli “AGI pilled” da qui traggono la loro conclusione: il confine non esiste, siamo macchine probabilistiche anche noi ed è solo questione di tempo prima che l’AI sarà in grado di raggiungere un livello di complessità impossibile da distinguere da quello umano.

La verità, però, è che forse sappiamo ancora troppo poco di noi stessi e l’AI ci sfiderà sempre di più a trovare davvero il nostro ruolo e le caratteristiche che ci rendono unici.

Questo episodio è supportato da Scalable Capital

Le aziende tech di cui parlo su Technicismi negli ultimi mesi sono diventate le vere protagoniste della finanza e dei mercati.

Scalable è la piattaforma che permette di investire in modo semplice e diversificare le proprie posizioni attraverso una piattaforma accessibile e intuitiva. Puoi gestire tutto da app e partire anche solo da €1.

Recentemente Scalable ha anche lanciato il Conto deposito non vincolato, che ti permette di ricevere un interesse annuo (accreditato ogni mese) del 2,50% sulla liquidità non investita. Puoi depositare e prelevare in qualsiasi momento i tuoi soldi senza perdere i rendimenti maturati fino a quel giorno. È una gestione pulita, senza quegli asterischi che ti costringono a cambiare banca o a bloccare il tuo capitale per ottenere un minimo di guadagno.

Non tenere i tuoi soldi sotto il materasso: scopri la sicurezza, l’efficienza e la trasparenza di Scalable.

Ottieni il 2,5% sui tuoi risparmi

Messaggio pubblicitario. Tasso lordo annuo variabile sulla liquidità depositata nel conto deposito non vincolato, composto da tasso base collegato al Tasso di Deposito BCE e tasso bonus discrezionale. Liquidità allocata presso banche partner e fondi monetari riconosciuti. Foglio informativo e condizioni su scalable.capital.

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Never bet against Elon [Black Box]: insieme a Guido Brera ho commentato l’hype intorno a SpaceX, alla vigilia dell’IPO più grande della storia

• Analizziamo i bilanci di Bending Spoons [Actually]: con Richi invece abbiamo fatto la nostra solita arringa a favore del panorama imprenditoriale italiano

• Long Humans [Thrive Capital]: il nuovo “manifesto” di Thrive, uno dei VC più forti del momento, scritto dal fondatore Josh Kushner. La tesi a cui arriva è controintuitiva: man mano che automatizziamo il lavoro di routine, le qualità tipicamente umane (fiducia ed expertise accumulate negli anni) varranno sempre di più, non di meno. Sempre interessante capire come “pensano” gli investitori.

• Anthropic raccontata dall’interno [Bloomberg Originals]: Emily Chang, una delle migliori giornaliste tech, passa alcuni giorni dentro l’azienda. Ne escono un sacco di cose incredibile tra cui… la conferma che a portare avanti la baracca sia sua sorella Daniela, a cui riportano tutte le prime linee (il segmento da 22.49 è imperdibile)

• Il quantum computing potrebbe essere più vicino di quanto si pensi [FT]: non appena un trend diventa così diffuso (come l’AI), gli investitori devono necessariamente cominciare a guardare al prossimo. In questo caso è il quantum computing, un’altra tecnologia potenzialmente stravolgente ma che, come lo stesso articolo ammette, in realtà ancora “non esiste…

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Leva crea installazioni interattive su misura per eventi e spazi culturali

La storia della settimana

Nei primi mesi del 2025, in una sala conferenze di Apple Park dedicata alla divisione software guidata da Craig Federighi, viene convocato un meeting straordinario.

Sono presenti quasi tutti gli SVP che rispondono al CEO Tim Cook tra cui il chief operating officer, il chief financial officer, Alan Dye e Mike Rockwell, che aveva guidato lo sviluppo del Vision Pro. Tim Cook in questo caso non c’è. A prendere la parola è Jeff Williams, all’epoca ancora COO dell’azienda, che delinea con chiarezza la forma della crisi: la strategia AI di Apple si sta rivelando un fallimento e il tanto atteso aggiornamento di Siri rischia di slittare ancora.

Là fuori, nel frattempo, il mercato dell’AI corre veloce: Meta, Microsoft, Google, OpenAI e Anthropic avanzano a ritmo serrato. I dirigenti discutono apertamente di quanto la situazione sia critica e di come interventi immediati non siano più rinviabili. È chiaro a tutti che l’AI potrebbe stravolgere il business dell’iPhone, da cui oggi dipendono il 50% dei $415 miliardi di ricavi all’anno, nell’arco di un decennio.

È Mark Gurman, il giornalista che per Bloomberg segue le vicende di Apple, a riportare questo episodio.

D’altronde, la criticità della situazione era intuibile anche dall’esterno. A giugno 2024, durante la WWDC, Apple presenta la propria visione dell’AI. La chiama “Apple Intelligence” e la costruisce attorno a un’idea precisa: i modelli, attingendo alle stesse fonti, stanno convergendo verso una parità qualitativa diventando, di fatto, una commodity. Apple può fare qualcosa di diverso, sfruttando i suoi 2 miliardi e mezzo di dispositivi attivi per portare l’AI direttamente sui device: usare i dati degli utenti, in modo privato e integrato, per offrire un livello di utilità che i modelli cloud non potevano replicare.

Siamo nel giugno del 2024: ChatGPT non ha ancora due anni, ma ha già superato i 200 milioni di utenti attivi. Per Apple questo è il momento giusto per un bel lancio. Del resto, Apple non ha mai rincorso la tecnologia ma ha sempre aspettato che maturasse, per poi presentarsi con un prodotto straordinario in grado di dominare l’esperienza utente grazie alla sua “integrazione”. È successo con l’iPod e iTunes, che ha vinto il mercato degli MP3. E poi con Apple Watch accoppiato all’iPhone, che ha ridefinito la categoria degli smartwatch. Infine con il Mac, rimasto al riparo dai competitor grazie al chip Apple Silicon, che l’ha reso più veloce dei PC a parità di prezzo.

Sulla carta, il ragionamento regge. E mentre il capex di tutte le altre BigTech continua a salire, Apple spende meno di un decimo dei competitor diretti in infrastruttura AI. Nel frattempo continua ad aumentare la propria quota di mercato in quasi tutti i segmenti in cui opera.

Apple comincia così lo sviluppo di un’AI profondamente integrata ai propri dispositivi, e stringe anche una partnership con OpenAI per gestire le richieste generiche che Apple Intelligence non è in grado di soddisfare (con Apple che incassa il 30% sulle subscription vendute attraverso l’App Store nel primo anno, il 15% dal secondo in poi).

Ma le cose non vanno come previsto: Apple Intelligence è un disastro.

È in quel momento che viene convocato il meeting. Si riconosce che quella crisi non riguarda solo Siri come prodotto ma è molto più sistemica, all’interno di un’azienda che per decenni ha dettato la direzione del settore tech e che ora si ritrovava, improvvisamente, in ritardo. In quel meeting si decide di cambiare completamente approccio e di ricominciare da zero.

In che modo Apple ha invertito la traiettoria dell’AI?

Apple sceglie di sedersi al tavolo con Google per ripensare totalmente Siri: meglio pagare $1 miliardo l’anno per accedere a Gemini che riorganizzare un’intera squadra per una sfida di cui non si conosce l’esito. Dalla collaborazione con Google nascono diversi foundation model proprietari, dal più leggero al più complesso, in grado di gestire on device le richieste degli utenti.

E oggi, a due anni dal primo annuncio di Apple Intelligence, questa strategia è stata resa pubblica. (Qui tutto quello che Apple ha annunciato in 13 minuti).

Con una certa ostinazione, Apple ha deciso di continuare a chiamarla Siri. Ma è qualcosa di più potente e intelligente: “Siri AI”. La differenza rispetto agli altri modelli è che è radicalmente integrata nel dispositivo: legge messaggi, email, eventi, foto, note. Capisce il contesto, unisce i puntini, compie azioni al limite dell’agenticità, anche se la parola “agente” non è mai stata pronunciata esplicitamente.

Per esempio durante una demo oggi mi hanno mostrato come Siri AI su Mac sia in grado di analizzare il PDF con le partite di una squadra di calcio e aggiungere automaticamente sul proprio calendario data, orario e luogo di ciascuna.

Ad essere del tutto onesto le demo che abbiamo visto oggi sono molto più impressionanti del keynote di presentazione. Questo è molto importante!

Alla fine Apple ha recuperato la corsa all’AI?

Questo è difficile da dirsi fino a quando non potremo provare la versione definitiva di Siri AI (che però non arriverà, per ora, in Europa: ne ho parlato su Morning Finance di Black Box questa mattina). Resta però un problema di fondo. La strategia di Apple funziona su un’assunzione precisa: che il punto di integrazione più importante continui ad essere l’hardware, che l’utente abbia ancora bisogno di un iPhone per accedere all’AI, che il sistema operativo del futuro sia ancora iOS, con le sue app e il suo ecosistema.

Perchè la vera minaccia è nel lungo periodo. Cosa succede se l’AI diventa così potente da rendere obsolete le interfacce tradizionali? Se il punto di integrazione davvero rilevante non fosse più un sistema operativo e un dispositivo hardware, ma l’AI stessa, magari con un device “AI native”?

Oggi, l’iPhone sembra chiaramente il dispositivo migliore per l’AI. Gli smartphone sono il form factor più capillare mai costruito, con ecosistemi di app e abitudini d’uso impossibili da replicare in poco tempo. E anche in uno scenario avverso, Apple avrebbe sempre l’opzione di aprire i propri dispositivi a integrazioni più profonde con provider AI di terze parti (oltre a OpenAI).

Eppure la vulnerabilità esiste. Il modo in cui gestiremo questa tecnologia tra qualche anno potrebbe essere profondamente diverso da oggi. Le aziende AI stanno già trasformando le loro piattaforme in sistemi operativi: molti software vengono gestiti direttamente tramite un LLM, via MCP, senza mai aprire un’interfaccia. Se l’AI dovesse davvero capire cosa vogliamo prima ancora che lo diciamo, fosse in grado di gestire email, calendario e ricerche in modo autonomo, potrebbe avere bisogno di un hardware con una forma molto diversa da quella attuale. Sarà sicuramente uno dei più grandi grattacapi del nuovo CEO John Ternus (qui il profilo che ne avevo fatto su Technicismi)…

Come dico spesso la partita più importante si gioca sempre sulla distribuzione. Apple può contare su una base enorme di dispositivi, di sviluppatori e di utenti che, combinati alla sua capacità di integrazione, l’ha resa fino ad oggi pressoché imbattibile.

Ma cosa succede se domani l’AI diventa essa stessa il punto di integrazione?

Questo episodio è supportato da Leva Engineering

Da Torino al mondo: Leva è l’azienda di ingegneria creativa che da oltre 10 anni progetta esperienze interattive e realizza installazioni cinetiche su misura per connettere persone, brand e spazi.

Experience Center in Silicon Valley, parchi a tema in Francia, spazi executive in Arabia Saudita, aeroporti a Mumbai: ogni progetto combina meccatronica, design e storytelling per creare esperienze memorabili.

“Impossible Engineering” non è solo un tagline. È il nostro approccio progettuale e una promessa: trasformare idee complesse in esperienze tangibili capaci di sorprendere, coinvolgere e sospendere l’incredulità.

Presto, un nuovo capitolo si aprirà a Torino: un hub dedicato all’ingegneria creativa dove idee, ricerca e installazioni prenderanno forma sotto lo stesso tetto.

Entra nel mondo di Leva

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Morning Finance di Silvia Berzoni [Black Box]: ho raccontato le mie impressioni live dalla WWDC e le ragioni per cui Siri AI non sarà disponibile in Europa

• Mafia ep. 001 [Founder’s Fund]: hanno messo i più forti founder del mondo (Sam Altman, Palmer Luckey, Brian Johnson etc) in una stanza a giocare a Lupus in Fabula (“Mafia” in America). Geni totali e il risultato è incredibile

• Gustav Söderström [David Senra]: il nuovo co-CEO di Spotify racconta la sua visione su come le aziende riescono a esprimere il loro potenziale anche adottando stili di leadership e di organizzazione molto diversi tra loro

• La “mano ferma” in SpaceX non è di Elon Musk [New York Times]: un bel profilo su Gwynne Shotwell, la vera persona al comando di SpaceX

• Libri per l’estate [JP Morgan]: una selezione di libri consigliati

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Trasforma bilanci e flussi di cassa in decisioni concrete

La storia della settimana

Al 501 East Middlefield Road di Mountain View, oggi un cartello indica la sede di Gen, multinazionale che sviluppa software di cybersecurity. Ma nel 1995, in quello stesso edificio, aveva sede Netscape (la startup di Marc Andreessen e Jim Clark, di cui ho raccontato la storia in questo episodio di Technicismi).

Il 21 giugno di quell’anno, in una delle sale riunioni di quell’edificio, avviene un meeting che passarà alla storia: da una parte ci sono i dirigenti di Microsoft, dall’altra quelli di Netscape.

Netscape è una “startup” che sta crescendo velocemente: ha da poco lanciato Navigator, il primo web browser di successo della Storia e si sta mangiando tutto il mercato. È un software fresco, è veloce, è gratuito per gli studenti e costa solo qualche decina di dollari per tutti gli altri.

Microsoft, invece, è già un’azienda gigantesca: sviluppa Windows, il sistema operativo che gira sul 90% dei computer del mondo. Ma un browser non ce l’ha ancora ed è terrorizzata che la previsione di Andreessen si avveri.

In quella riunione quindi Microsoft propone a Netscape di continuare a vendere Navigator ovunque (sui Mac, sui computer Unix, sulla vecchia versione di Windows, la 3.1). Ma di non sviluppare niente per Windows 95, la nuova versione in uscita tra agosto e settembre (e di cui Microsoft si aspetta di vendere centinaia di milioni di copie).

Netscape, ovviamente, non accetta. Rinunciare a un browser vero su Windows 95 significa rinunciare al sogno di creare quella piattaforma alternativa.

A quel punto Microsoft accelera. Due mesi più tardi, ad agosto 1995, lancia Internet Explorer gratis e già preinstallato su Windows 95, una mossa che taglia a Netscape ogni possibilità di ricavare entrate dal proprio browser. Ma non solo: Microsoft costringe i produttori di computer a non installare Navigator.

Come dirà qualche anno dopo Jim Barksdale, CEO di Netscape: “Non ero mai stato in una riunione, in 33 anni di carriera, in cui un concorrente avesse implicato in modo così sfacciato che dovevamo o smettere di competere con lui, o ci avrebbe ammazzati”.

A quel punto, a maggio 1998, il governo federale degli Stati Uniti fa causa a Microsoft Corporation. L’accusa è che Microsoft avrebbe “usato il suo potere monopolistico per costruire un cappio sul software di browser necessario per accedere a internet”.

Parte uno dei processi più importanti nella storia degli Stati Uniti. Per tredici settimane le pagine economiche dei giornali americani aprono con Microsoft. CNN manda aggiornamenti quotidiani. E dal processo escono informazioni decisive su come la tecnologia sta cambiando la vita delle persone e su cosa stiano davvero progettando le tech companies.

Il primo giorno, l’avvocato dell’accusa David Boies proietta su uno schermo gigante gli spezzoni più devastanti di un interrogatorio di 3 giorni fatto a Bill Gates ad agosto di quell’anno nella sede Microsoft di Redmond. Trenta ore di videoregistrazione che poi, anche queste, passeranno alla Storia.

Poi cominciano a uscire altri documenti incredibili. In una riunione dell’aprile 1997 tra Apple e Microsoft sulla possibile dismissione di QuickTime a favore di un software Microsoft, Peter Hoddie di Apple chiede ai manager di Redmond perché gli stessero chiedendo di “knife the baby”, coltellare il bambino.

Nell’aprile 2000 il giudice Thomas Penfield Jackson dichiara Microsoft colpevole. Due mesi più tardi ordina la divisione dell’azienda in due: una società per il sistema operativo, una per le applicazioni.

Ma a quel punto succede qualcosa di straordinario. Nel frattempo Jackson aveva rilasciato interviste ai giornalisti durante il processo, aveva fatto battute su Gates, aveva paragonato Microsoft a una gang di trafficanti di droga. Il 28 giugno 2001, quindi, una corte d’appello federale annulla all’unanimità la divisione di Microsoft perchè, nonostante l’azienda avesse violato le leggi antitrust, il giudice del processo aveva operato con negligenza facendo commenti dispregiativi durante e dopo il dibattimento.

La “cattiva condotta” del giudice salva Microsoft dalla divisione. E quello resta, ancora oggi, forse il primo processo davvero mediatico per un’azienda tech.

Questa settimana, invece, si è chiuso il processo tra Elon Musk e OpenAI. Un processo molto diverso da quello a Microsoft: niente antitrust (almeno non in maniera diretta), ma un soggetto privato, Elon Musk, contro un altro soggetto privato, OpenAI.

È stato però uno dei processi più mediatici di sempre e le ragioni sono evidenti: da un lato c’era Elon Musk, l’uomo più polarizzante del nostro tempo, dall’altro OpenAI, l’azienda di cui più si parla oggi. E in ballo c’era il futuro dell’AI, la tecnologia che oggi ci fa più paura.

Soprattutto, era un processo “facile”: Musk accusava OpenAI di aver tradito la sua missione originaria. Nata come no profit per sviluppare in sicurezza la tecnologia più importante degli ultimi trent’anni, si sarebbe trasformata in una for profit che da quella stessa tecnologia, destinata a travolgere la nostra socialità, l’apprendimento, il lavoro e ogni altro aspetto dell’umanità, trae beneficio diretto.

Facile capirne il perimetro. Molto più difficile stabilire chi fossero i buoni e chi i cattivi.

E in effetti nemmeno la giuria ha chiarito il merito della questione. Semplicemente ha dato ragione a OpenAI solo perchè Musk avrebbe aspettato troppo a fare causa.

Le tre settimane di testimonianze e i documenti emersi, però, sono interessantissimi per chi, come me e te, è appassionato di questi temi perché restituiscono un racconto dei protagonisti molto più autentico. Email in cui nel 2017 i dirigenti di OpenAI temevano che Musk potesse “diventare un dittatore”. Il diario personale di Greg Brockman. I messaggi di Altman durante i giorni in cui fu buttato fuori dalla sua azienda. La conferma dei colloqui di fusione tra OpenAI e Anthropic in quegli stessi giorni.

Esattamente come nel processo a Microsoft, i dettagli emersi raccontano uomini e intrighi molto più complessi, e molto più umani, di quelli che ti aspetteresti.

Cos’è successo durante il processo tra Elon Musk e OpenAI?

La cosa forse più assurda di tutte è il diario di Greg Brockman. Brockman comincia la sua carriera nel 2010 in Stripe, oggi una delle aziende non quotate più grandi del mondo, perché è amico di Patrick Collison, uno dei due fratelli cofondatori. Ne diventa subito CTO e che fosse un tipo particolare lo si capisce subito da un dettaglio: risponde a ogni mail entro 5 minuti (ah, beato lui!).

Nel 2015 lascia Stripe e insieme a Sam Altman e Elon Musk fonda OpenAI, diventandone Presidente. Insomma, durante il processo si scopre che a partire dal 2010 aveva aggiornato sul suo computer aziendale un diario personale che raccoglieva un mix di vita personale, appunti di riunioni, chiamate e pensieri vari.

Sul banco dei testimoni Brockman viene incalzato senza riuscire davvero a giustificarsi. Dice comunque di aver smesso di scrivere di OpenAI nel suo diario dal 2023, senza spiegare il perché.

E poi ci sono i 78 messaggi che Sam Altman scambia con Mira Murati, CTO di OpenAI, nelle 14 ore tra la sera di domenica 19 novembre e la mattina di lunedì 20 novembre 2023, dopo che il Board lo aveva rimosso da CEO dell’azienda. Da cui ne emerge iper vulnerabile, in ansia per aver perso il lavoro e con il capo (Microsoft) che lo incalza per avere delle risposte.

In realtà si scopre che Mira Murati e Ilya Sutskever, Chief Scientist di OpenAI, avevano fornito al Board tutti gli elementi per licenziare Sam Altman.

Sutskever conferma anche di aver preparato, su richiesta del Board, un documento di 52 pagine che raccoglieva le prove della disonestà di Altman, il suo capo dell’epoca, incluso il fatto che mettesse i manager dell’azienda l’uno contro l’altro.

Emerge poi una figura ambigua in questa storia: Shivon Zilis, madre di 4 figli di Elon Musk (i gemelli Strider e Azure, la figlia Arcadia e il maschio Seldon Lycurgus) e advisor di OpenAI, quindi con un filo diretto in azienda anche dopo che Musk se ne era andato.

In ogni caso Shivon Zilis aveva un legame speciale con Musk da una parte e un rapporto con OpenAI dall’altra. Anche quando Musk decide di fondare xAI, in diretta competizione con OpenAI:

Infine c’è stato anche spazio per Microsoft e in particolare per il suo CEO Satya Nadella. Anche qui emerge un memo straordinario del 2022 in cui lui scriveva di temere che Microsoft sarebbe diventata la prossima IBM mentre OpenAI sarebbe diventata la prossima Microsoft. Ognuno ha i propri grattacapi.

Quali sono le conseguenze del processo tra Elon Musk e OpenAI?

Il processo si è concluso con un nulla di fatto. Ma credo abbia avuto due conseguenze fondamentali.

La prima è aver distratto ancora di più OpenAI. L’azienda era in balia degli eventi: a dicembre era stato annunciato un “codice rosso” interno che prevedeva una nuova riorganizzazione, un cambio nel management e un focus maggiore sui prodotti B2B legati al coding (a spese di altri, come Sora, che invece sono stati completamente dismessi). Nel frattempo l’azienda stava preparando una delle quotazioni in Borsa più grandi di sempre.

Le 3 settimane di processo, a cui Sam Altman e Greg Brockman hanno partecipato di persona a Oakland, e le settimane di preparazione che le hanno precedute, hanno avuto un impatto significativo sull’allocazione delle energie dell’azienda.

E questo non può che aver rafforzato la posizione di Anthropic, sempre più leader nella corsa all’AI. Anthropic sta per chiudere un nuovo round da $30 miliardi che la valuta $900 miliardi e nelle ultime quattro settimane ha annunciato una nuova joint venture con Goldman Sachs e Blackstone, una partnership da 220mila GPU con SpaceX e rilasciato Claude Design, Claude for Small Business e una serie di agenti per il settore della finanza. E, come se non bastasse, la prossima settimana aprirà pure un ufficio a Milano.

La seconda conseguenza, ancor più importanti, è che credo possa aver rafforzato i timori nei confronti dell’AI.

Perché abbiamo paura dell’AI?

Un paio di settimane fa, in un episodio di Technicismi avevo ripreso un paio di report che indicavano come e quanto le persone usassero l’AI.

C’è una cosa che non emerge in maniera così chiara da quei report: la metà degli italiani è più preoccupata che entusiasta dell’IA, il livello più alto al mondo. Meno di un italiano su due si dichiara entusiasta dei prodotti e servizi che usano l’IA. Solo il 12% esprime piena fiducia nell’IA generativa. Solo il 7% dichiara di conoscere davvero la materia. Quattro lavoratori italiani su dieci si sentono sostituibili da macchine o intelligenza artificiale. Il 77% dei lavoratori si dichiara seriamente preoccupato. L’82% ritiene necessaria almeno una misura di controllo sull’IA per contenere la disinformazione.

Come scriveva Ed Elson nella sua newsletter qualche settimana fa, questi dati non ci stanno dicendo che nessuno vuole l’AI ma solo che l’AI è molto più impopolare di quanto la maggior parte delle persone immagini. La cosa interessante è che questa situazione è quasi opposta rispetto all’arrivo di Internet, accolto invece con grande entusiasmo.

E questo, per quanto paradossale, vale soprattutto per i giovani e per i neolaureati, quelli tradizionalmente più pronti ad adottare le nuove tecnologie.

La scorsa settimana, l’ex CEO di Google Eric Schmidt ha tenuto il commencement speech all’University of Arizona. Prima ancora di cominciare gli studenti hanno iniziato a fischiare. Quando ha detto che la vera domanda non è se l’AI cambierà il mondo ma come loro contribuiranno a darle forma, le grida hanno quasi coperto il microfono. È stato costretto a fermarsi per qualche secondo, in un imbarazzo totale.

Non è un caso isolato. Una settimana prima, alla Middle Tennessee State, gli studenti avevano fischiato Scott Borchetta, CEO di Big Machine Records, quando aveva detto loro che “l’AI sta riscrivendo la produzione mentre siamo qui seduti”. Alla University of Central Florida era successo lo stesso a Gloria Caulfield. Stessa scena al Glendale Community College, in Arizona.

Quegli studenti erano matricole nel 2022 quando uscì ChatGPT e ora stanno entrando in un mercato del lavoro che non è più quello che si aspettavano quando si sono iscritti.

Il processo Musk vs OpenAI ha amplificato per quanto possibile l’idea che l’AI sia governata da un gruppo di freddi uomini capitalisti che non hanno alcun interesse nell’umanità ma cercano solamente un arricchimento personale.

Il problema potrebbe non essere l'AI in sé ma chi la racconta e come. Finché continueremo a raccontare questa tecnologia come una lotta di potere tra miliardari irraggiungibili, de-umanizzati, che tramano piani segreti alle alle spese di milioni di persone che perdono il lavoro, le platee continueranno a fischiare.

In questo articolo, secondo me, ne escono molto più umani. Sono persone consapevoli di lavorare a una tecnologia stravolgente ma di fatto hanno le stesse paure che abbiamo noi in ufficio, sono ossessionati dalle stesse cose, hanno capi e colleghi che cercano di fargli le scarpe in continuazione e, alla fine, sono vulnerabili tanto quanto lo siamo noi.

Se ti piace questa visione “alternativa”, ti consiglio questi articoli di Technicismi:

• Perché l’AI creerà molto più lavoro di quello che distruggerà

• Come cominciare ad automatizzare parti del tuo lavoro

• Una guida facilissima su come costruire il tuo agente AI

E ricorda che essere ottimisti ha sempre ripagato!

Questo episodio è supportato da Qonto

Gestire le finanze della tua impresa non dovrebbe essere un rebus.

Per questo Qonto, il conto business online pensato per PMI e professionisti, ha lanciato Finpal Lab: un percorso gratuito di 5 incontri online, dal 25 al 29 maggio, per trasformare bilanci e flussi di cassa in decisioni concrete.

I posti sono limitati.

Registrati ora

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Le auto europee realizzate in Cina [Financial Times]: questa settimana sono stato ospite a un evento di Google a Londra (probabilmente il migliore a cui abbia mai partecipato) e, insieme a due veri ninja del podcast (Mishal Husain di Bloomberg e Matthieu Stefani di GDIY), abbiamo parlato anche di tecnologia cinese, ovviamente citando il settore automotive. Questo articolo del Financial Times fa un bel deepdive sul rapporto dei produttori occidentali con il mercato dell’auto cinese

  

• Una visita dentro Replit [Marcello Ascani]: Replit è una delle aziende di AI più grandi della Silicon Valley e alla sua guida c’è Michele Catasta, uno che l’AI la capisce davvero. Interessante soprattutto la sua visione sull’”apocalisse del software”

• La exit di Flatmates [Marcello Ascani]: doppio plug per Marcello che ha tirato fuori un video straordinario in cui racconta nei dettagli la vendita della sua azienda. Non mi è mai capitato di vedere su YouTube un video così curato su come funziona vendere un’azienda, quanto ha guadagnato, cosa succede ora etc. Sullo stesso tema, il suo socio Michele ha pubblicato una newsletter interessante…

• L’analisi del CEO di Cloudflare sui ruoli sostituiti dall’AI [Wall Street Journal]: Matthew Prince è uno dei CEO più influenti nel tech. In questo articolo divide i ruoli aziendali in tre categorie: i builder (chi crea il prodotto), i seller (chi lo vende) e i measurer (revisori, contabili, middle manager, responsabili della compliance, etc). Cloudflare pianifica di licenziare i measurer, i ruoli operativi e amministrativi che oggi l’AI può gestire meglio e a costi inferiori. Allo stesso tempo, assumeranno sempre più builder e più seller.

• I numeri di SpaceX sono peggiori di quanto pensi [Actually]: nell’ultimo episodio di Technicismi mi sono divertito molto. Abbiamo parlato di Elon Musk e dell’IPO di SpaceX, la più grande della Storia, che potrebbe creare un’enorme ricchezza (per Musk e per gli investitori) o, magari, essere l’ago che fa scoppiare la bolla

• La storia di Vanguard [Acquired]: Acquired l’ho già consigliato tantissime volte, è uno dei podcast con più qualità e pensiero che io abbia mai ascoltato. Sono a metà della storia di Vanguard, una tra le azienda che più ha contribuito alla creazione di benessere nel mondo

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da:

Ottieni il 2,5% sui tuoi risparmi

La storia della settimana

Nel 2016 Liang Wenfeng ha appena compiuto 30 anni. È laureato in ingegneria elettronica all’Università di Zhejiang e ha un master in informazione e comunicazione. Invece di entrare come programmatore in un colosso tech, dopo l’università va a vivere in un appartamento in affitto a Chengdu. Lì sperimenta per anni come applicare l’AI a settori diversi, fallisce diverse volte e infine si concentra su una delle applicazioni più complesse: la finanza.

A febbraio di quell’anno Liang fonda con due compagni dell’Università la Ningbo High-Flyer Quantitative Investment Management Partnership, conosciuta semplicemente come High-Flyer. È un hedge fund che usa modelli matematici avanzati, algoritmi e intelligenza artificiale per identificare opportunità di investimento sui mercati finanziari.

I ritorni della High-Flyer sono spettacolari: nel giro di tre anni il fondo gestisce più di 10 miliardi di Yuan e continua a crescere.

Poi, nel 2021 High-Flyer inizia a comprare migliaia di GPU Nvidia. In quel momento Nvidia vale poco più di $700 miliardi in Borsa ed è un’azienda per lo più conosciuta per le sue GPU dedicate al settore del gaming. Nessuno, nemmeno all’interno della sua azienda, capisce con precisione perché Liang stia investendo così tanto in quei dispositivi.

Poi il 7 ottobre 2022 l’amministrazione Biden vieta l’esportazione in Cina dei GPU più avanzati di Nvidia, gli H100. High-Flyer diventa quindi uno dei pochi soggetti cinesi ad avere un magazzino di dispositivi di fascia altissima utili per addestrare i modelli matematici sempre più sofisticati che l’azienda usa per identificare le opportunità sul mercato.

Un mese dopo, il 30 novembre 2022 OpenAI rilascia ChatGPT e d’un tratto nel mondo si comincia a parlare di AI. Liang intuisce il potenziale della tecnologia su cui lavora ormai da 10 anni e quindi, a maggio del 2023, scorpora dal fondo la unit dedicata all’intelligenza artificiale. La finanzia con il capitale di High-Flyer e decide di dedicare quella nuova azienda alla ricerca sull’intelligenza artificiale generale, lo stesso obiettivo che stanno inseguendo OpenAI e gli altri laboratori di ricerca americani.

La chiama DeepSeek.

DeepSeek prende una decisione controcorrente: decide di non competere con il talento della Silicon Valley assumendo ricercatori dalle grandi aziende di AI. Assume quasi esclusivamente neolaureati e dottorandi delle migliori università cinesi e li lascia lavorare liberamente ai loro progetti.

Tra il 2023 e il 2024 l’azienda rilascia in sordina una serie di modelli sempre più sofisticati: V1, V2, V2.5. Quasi nessuno, al di fuori della Cina, si accorge dei loro progressi. E in realtà, anche all’interno della stessa Cina, in pochi prendono sul serio quella startup nata da un hedge fund.

Ma a settembre 2024 OpenAI fa un balzo in avanti, inaugurando o1, un nuovo modello di ragionamento che, semplificando, “pensa prima di rispondere”, cioè genera una catena interna di passaggi logici prima di produrre l’output. E se da un lato risolve problemi che i modelli precedenti sbagliavano sistematicamente, dall’altro ha costi altissimi.

DeepSeek comincia a lavorare a un modello simile e due mesi dopo rilascia R1-Lite che, nonostante sull’AIME (la prova di selezione per le olimpiadi americane di matematica) pare dia risultati superiori a o1 di OpenAI, non ha un gran successo.

Infine, un lunedì di gennaio 2025 che cambia tutto. Quello è il giorno dell’insediamento di Donald Trump alla Casa Bianca. Su arXiv, un archivio online usato dai ricercatori per depositare le bozze dei propri articoli scientifici prima della pubblicazione ufficiale, appare un paper che si intitola “DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning”.

Quel paper è la presentazione ufficiale della versione di “DeepSeek-R1”, un modello di ragionamento open-source che dichiara costi di addestramento sotto i $6 milioni. E manda il mondo dell’AI in panico.

Per due anni, dal lancio di ChatGPT a fine 2022 all’inizio del 2025, la tesi dominante in Silicon Valley era molto chiara: “scaling is all you need”. L’idea era che, per creare modelli sempre più intelligenti, ci fosse bisogno di aumentare i parametri. Per avere più intelligenza c’era bisogno di più parametri, per avere più parametri c’era bisogno di più dati, per avere più dati c’era bisogno di più potenza di calcolo. E la potenza di calcolo, fornita per lo più da Nvidia, costa moltissimo.

Le valutazioni di tutte le aziende AI, e in primis di Nvidia, sono costruite su quell’assunto. Il lancio di R1 dimostra che in realtà tutti quei capitali, forse, non sono necessari: per generare un risultato equivalente, R1 costa circa 220 volte meno di o1 di OpenAI.

Negli Stati Uniti la stampa “tradizionale” comincia a parlarne: il Wall Street Journal, Bloomberg, il Financial Times. R1 comincia a diventare virale. Nel frattempo, quella domenica sera, diversi fondi globali decidono di andare short su Nvidia all’apertura di lunedì.

Alle 9:30 di lunedì 27 gennaio, all’apertura della Borsa, Nvidia comincia a crollare. Già nella prima ora si perde il 10%. Alla chiusura il titolo segna -17%. Il prezzo passa da $142 a $118. Vengono persi circa $590 miliardi di valore in una seduta.

È il più grande crollo di valore di una singola società in una giornata di borsa nella storia degli Stati Uniti. Il precedente, sempre di Nvidia, era stato meno della metà: $279 miliardi persi in una giornata (il 3 settembre 2024).

Nvidia porta giù tutto il mercato: il Nasdaq Composite, l’indice tech, perde più del 3%, l’S&P500 cala dell’1,5%. Crollano anche tutti gli altri titoli tech: Broadcom, l’altro grande produttore di chip AI, perde più del 16%. Micron Technology e ARM Holdings perdono il 10%. ASML (di cui ho raccontato la storia qui) perde il 6%. Microsoft cala del 2%. Alphabet (Google) del 4%.

L’app di DeepSeek, pubblicata sull’App Store qualche settimana prima, comincia la sua ascesa nella classifica Apple. Verso le tre del pomeriggio supera ufficialmente ChatGPT al primo posto nelle app gratis più scaricate sull’App Store americano. È la prima volta in due anni che ChatGPT viene scalzata dal primo posto.

Donald Trump, da poco insediato, parla con i giornalisti a bordo dell’Air Force One. Definisce DeepSeek “un campanello d’allarme” per l’industria americana ma aggiunge anche che la cosa lo rende ottimista: significa che si potrà fare ancora di più, con meno soldi.

Per la prima volta dalla fine della Guerra Fredda, un’innovazione di questa portata non ha l’etichetta americana. E per questo dobbiamo parlare della tecnologia made in China.

Perché dobbiamo parlare di tech cinese?

In questa newsletter parlo quasi esclusivamente della tecnologia made in USA. Le ragione più ovvia è che la tecnologia che usiamo tutti i giorni è quasi interamente americana: i computer e gli smartphone su cui lavoriamo o con cui comunichiamo, il cloud su cui girano i siti web che visitiamo, il design dei semiconduttori che danno vita a tutti i dispositivi che ci circondano, i social network, i browser, i sistemi operativi. È tutto americano.

Ma, più in generale, tutto il sistema finanziario occidentale oggi si regge sugli investimenti enormi che i giganti della tecnologia USA stanno facendo sull’intelligenza artificiale.

Quello che sta succedendo, però, è che dall’altra parte del mondo, in Cina, le aziende tech stanno diventando sempre più grandi e rilevanti e, per la prima volta, hanno cominciato a competere per davvero con la tecnologia americana, soprattutto in settori come AI, veicoli elettrici, semiconduttori, cloud computing e hardware.

La visita di questa settimana di Trump in Cina lo testimonia. Dei 17 leader di aziende che il Presidente ha portato in Cina, 7 sono legati al settore tech (tra questi i grandi assenti erano i leader dei leading AI labs, come Demis Hassabis di Google DeepMind, Dario Amodei di Anthropic, e Sam Altman di OpenAI).

Questa newsletter vuole quindi essere un’introduzione al tech cinese: perché è rilevante oggi, chi sono i protagonisti e quale sarà il futuro di queste aziende!

A che punto è la tecnologia cinese?

Per capire a che punto è il settore tech cinese bisogna fare un passo indietro.

Internet arriva in Cina nel 1994. È uno strumento incredibile, che contribuisce a far crescere il PIL del Paese (la digital economy cinese oggi vale oltre il 40% del PIL) ma porta con sé un problema: la diversità di idee. Il governo lo sa fin dal primo giorno e a partire dal 1997 il Ministero di pubblica sicurezza comincia a pubblicare regolamenti sempre più restrittivi sul suo uso.

Lo spartiacque avviene nel 2006. Quell’anno Pechino introduce il “Great Firewall”: da un momento all’altro Google, Facebook, Twitter, YouTube non sono più accessibili dalla Cina. Euesto crea un enorme spazio incontaminato dove cominciano a crescere le aziende cinesi, copiando il modello occidentale ma senza la complessità di doverci competere.

In quel contesto crescono 3 aziende che per 15 anni definiranno il settore tech cinese:

• Baidu, il motore di ricerca, fondato nel 2000

• Alibaba, l’e-commerce di Jack Ma, fondato nel 1999

• Tencent, le chat e i videogames di Pony Ma, fondata nel 1998

Le chiamano BAT, così come come in America le Big Tech venivano definite “GAFAM” (Google, Amazon, Facebook, Apple, Microsoft).

I 3 giganti cinesi crescono in un mercato di 1 miliardo e 400 milioni di persone. Invece che scegliere la strada delle aziende americane, che si concentrano principalmente sullo sviluppo di software e sull’advertising, in Cina si sviluppano piattaforme digitali B2C (supportate da ecosistemi chiusi come WeChat o gli app store locali) e si investe sulla produzione di hardware, anche grazie all’expertise delle aziende americane che proprio in Cina avevano esternalizzato la propria produzione.

Poi, nel 2015 il governo lancia “Made in China 2025”, un piano industriale per trasformare la Cina dalla fabbrica del mondo (caratterizzata da bassi costi e alti volumi) a un vero leader che possa competere su scala globale.

Vengono individuati 10 settori strategici (tra cui robotica, biotech, aerospazio, veicoli a energia nuova, semiconduttori) in cui la Cina vuole diventare autosufficiente per il 70% entro il 2025.

Le cose si cominciano a muovere velocemente e nel Paese cominciano a crescere dei veri colossi di cui oggi sentiamo sempre più parlare. La Cina domina o è leader nei veicoli elettrici (di cui gestisce oltre il 60% della produzione globale), le batterie al litio (+75%), pannelli solari (+80%), alta velocità ferroviaria, droni e graphene.

Chi sono i protagonisti del tech cinese oggi?

Proviamo a fare ordine tra le aziende più importanti per capire a che punto è realmente il settore tech cinese nel 2026:

Alibaba

Fondata a Hangzhou da Jack Ma (spesso chiamato il “Jeff Bezos cinese”), oggi è guidata dal CEO Eddie Wu, mentre Jack Ma ne è diventato Presidente, rientrando da un periodo di “esilio politico” dopo le tensioni con Xi Jinping nel 2020.

Alibaba è l’Amazon cinese con due anime principali:

• E-commerce: che cresce del 6% generando $22 miliardi, con brand come Taobao (C2C), Tmall (B2C) e AliExpress

• Cloud computing: è il più grande fornitore di cloud in Asia, con crescita del +38% nel Q1 2026 grazie ai prodotti AI

Negli ultimi anni ha investito pesantemente in AI, con un piano triennale da $52 miliardi. Il modello Qwen è open-source, integrato nei prodotti consumer, e pare essere superiore in termine di efficienza e di performance rispetto ai migliori modelli occidentali. Ha raggiunto decine di milioni di utenti attivi e prevede di generare più di $4 miliardi di ricavi annuali ricorrenti e sta diventando un motore di crescita per il cloud. Durante l’ultima trimestrale, il CEO Wu ha detto che l’azienda, nei confronti dell’AI, si è mossa dalla fase di incubazione a quella della commercializzazione.

Tencent

Fondata a Shenzhen, la “capitale tech” cinese, è l’azienda cinese a maggiore capitalizzazione di mercato (intorno ai $550 miliardi).

Il suo asset principale è WeChat, una super-app con pagamenti, mini-software, taxi, food delivery, social e advertising. Tencent è anche la prima azienda di videogiochi al mondo per ricavi (con titoli evergreen come Honour of Kings) e ha partecipazioni importanti in Epic Games (Fortnite), Tesla, Spotify e Snap.

Nel primo trimestre dell’anno i ricavi di Tencent sono aumentati del 9% a circa $29 billion, il ritmo più lento nell’ultimo anno e mezzo.

C’è anche da dire che Tencent è arrivata in ritardo sull’AI: mi ha fatto molto ridere la frase del CEO Pony Ma che in maniera molto trasparente ha detto “un anno fa pensavamo di essere sulla barca, poi ci siamo resi conto che stavamo imbarcando acqua”. Ma l’azienda sta recuperando velocemente: ha assunto ex-talenti da OpenAI e quest’anno investirà più di $5 miliardi.

In ogni caso le azioni sono in calo del 20% dall’inizio dell’anno.

BYD

È la nuova protagonista del tech cinese. È stata fondata nel 1995 da Wang Chuanfu come produttrice di batterie e da allora si è integrata verticalmente, diventando leader mondiale nella produzione di batterie e cominciando a lavorare sui semiconduttori automotive, i motori, e il software.

Nel 2025 ha superato Tesla per numero di vendite di veicoli elettrici (oltre 2,2 milioni)

ByteDance

Con sede a Pechino, è una delle aziende non quotate a maggior capitalizzazione del mondo (con una valutazione tra i $550 e i $600 miliardi). Fondata da Zhang Yiming, che ha lasciato la guida operativa nel 2021, oggi è guidata da Liang Rubo.

È ovviamente la società che possiede TikTok (Douyin in Cina), la prima piattaforma cinese che si è davvero diffusa in Occidente (con le enormi conseguenze geopolitiche che abbiamo visto negli ultimi mesi).

ByteDance sta investendo enormemente in AI: nel 2026 spenderà poco più di $30 miliardi USD, con focus su chip cinesi. E Doubao, il chatbot proprietario integrato nella piattaforma cinese, è diventato uno dei più utilizzati in Cina.

Huawei

Fondata da Ren Zhengfei (ex ingegnere dell’Esercito Popolare), è il caso studio per eccellenza. Sanzionata dagli USA dal 2019, è stata tagliata fuori da tutto il mondo occidentale, perdendo l’accesso alle tecnologie più avanzate.

Poi, nel 2023 è tornata alla ribalta, cominciando la produzione dei chip Ascend, l’alternativa domestica principale alle GPU Nvidia per l’addestramento AI. Nel 2026 l’azienda prevede ricavi da chip AI intorno ai $12 miliardi (+60% rispetto ai $7,5 miliardi del 2025).

Z.ai, Moonshot AI, MiniMax, Baichuan AI, 01.ai, and StepFun

Queste vengono definite le “Six AI Tigers”, la nuova generazione di aziende cinesi, tutte fondate dopo il 2022 e tutte focalizzate sullo sviluppo di AI opensource. Sono la versione cinese di Anthropic, OpenAI e Mistral.

Ce ne sarebbero molte altre: Xiaomi (su cui Bloomberg ha fatto un bellissimo video qualche mese fa), Pinduoduo nell’e-commerce, Meituan nelle consegne, JD.com nella logistica. Le conservo per un altro approfondimento nelle prossime settimane.

A chi si rivolgono le aziende tech cinesi?

Il tema più ignorato sulle aziende cinesi, e la vera differenza con la Silicon Valley, è il target.

Nei suoi primi vent’anni, il tech cinese ha guardato quasi solo al mercato interno: oltre 1,4 miliardi di persone, con un’età media inferiore ai 40 anni (fino a poco tempo fa), altamente digitalizzate. Un bacino enorme, più che sufficiente per far nascere e scalare giganti mondiali senza bisogno di guardare all’estero.

Queste aziende hanno sviluppato una grande capacità di ottimizzare i costi, offrendo prodotti e servizi di buona qualità a prezzi estremamente competitivi. Rispetto alla Silicon Valley, i loro prodotti vengono percepiti come economici o funzionali, senza dover ricorrere al lusso o a immagini aspirazionali tipiche di Apple, Tesla o Google dei primi anni.

Poi, dal 2020, è cambiato tutto. Il mercato interno ha smesso di crescere, la popolazione cinese ha iniziato a diminuire e nel 2025 il calo è stato di quasi 4 milioni, con il numero di nascite più basso dal 1949. L’economia ha rallentato, il settore immobiliare è entrato in crisi profonda, i consumatori hanno cominciato a spendere meno e con più cautela.

Da quel momento il tech cinese ha cominciato a guardare fuori. E ha investito in tre direzioni:

• Il Sud Globale, in particolare in Africa, Sud-est asiatico, America Latina, Medio Oriente: mercati giovani, sempre più digitalizzati e con grande sensibilità al rapporto qualità-prezzo. Alcuni esempi: l’uso di DeepSeek in Africa è tra le due e le quattro volte superiore alla media mondiale. Transsion, con i marchi Tecno, Infinix e Itel, controlla circa il 48% del mercato smartphone africano nel 2025. TikTok domina in geografie come l’Indonesia, il Brasile e il Messico

• L’open-source, in particolare nell’AI: non potendo competere direttamente con i modelli “closed” di OpenAI e Anthropic (soprattutto a causa dei dazi) le aziende cinesi hanno seguito la stessa strategia con cui Android ha distrutto sistemi operativi come BlackBerry. Hanno cominicare ad offrire gratuitamente il modello sul mercato (o lo rendono accessibile a costi fino a 10 volte inferiori rispetto a quello dei competitor, e monetizzano su altri fronti (come l’infrastruttura cloud, i servizi enterprise, l’integrazione, le applicazioni verticali etc). Ad oggi rappresentano circa il 30% del mercato.

• Il B2B, diventando fornitori delle grandi aziende occidentali, accedendo alle ultime tecnologie e a un know-how altrimenti irraggiungibile. Ne ha scritto anche Alessandro Aresu nell’ultima newsletter, dedicata al rapporto tra Apple e i suoi fornitori cinesi.

La verità è che il tech cinese ora non è più solo “per i cinesi”. E la strategia è pienamente sostenuta dallo Stato, che sfrutta i punti di forza storici (costo, velocità, integrazione verticale) per guadagnare terreno sugli Stati Uniti.

La competizione tra Cina e Stati Uniti è un gioco a somma zero?

Jake Sullivan, consigliere per la sicurezza nazionale di Joe Biden, aveva definito la strategia americana per il tech “small yard, high fence”, un piccolo cortile con un recinto molto alto. L’idea era semplice: gli Stati Uniti avrebbero protetto poche tecnologie davvero critiche (come semiconduttori avanzati o l’AI con applicazioni militari) e avrebbero lasciato libero il resto.

Il problema è che negli ultimi 5 anni il cortile si è allargato moltissimo.

La prima ondata di controlli all’esportazione della tecnologia di Nvidia arriva a ottobre 2022 (in quel caso Nvidia aveva modifica i chip e lanciato una versione meno potente pensata apposta per il mercato cinese). A ottobre 2023 una seconda stretta costringe Nvidia a creare tre versioni ancora più depotenziate.

Da quel momento, si è continuato ad aggiungere pezzi, restrizioni e dazi. Ma cosa ci ha insegnato questo decennio di restrizioni?

• Secondo alcuni, le restrizioni hanno accelerato l’autosufficienza cinese, non l’hanno bloccata. Huawei è l’esempio più citato: nonostante fosse stata sanzionata, tagliata fuori e data, di fatto, per morta, è stata in grado di creare una nuova versione di chip alternativi a Nvidia che oggi usano praticamente tutte le aziende di AI cinesi.

  

• Il gap si è chiuso più velocemente di quanto previsto. Lo Stanford AI Index mostra che i modelli cinesi hanno sostanzialmente colmato la distanza con quelli americani

  

Ieri ho ascoltato questo episodio del podcast in cui l’ospite di Mishal Husain raccontava la sua visione sulla concorrenza tra USA e Cina. Una concorrenza che si basa su due modelli industriali completamente diversi. Quello americano, fatto di aziende private, modelli chiusi, margini alti, hardware proprietario, esportazione tramite cloud. Quello cinese: caratterizzato da capitalismo di Stato, modelli aperti, margini bassi, integrazione verticale, esportazione tramite hardware fisico.

Per vent’anni abbiamo parlato di “tecnologia” come sinonimo di “Silicon Valley”. Quel tempo è probabilmente finito il 27 gennaio 2025, quando una trentina di neolaureati di Hangzhou hanno dimostrato che esiste una strada alternativa al tech cinese.

La verità, diceva Mahbubani sul podcast di Husain, è che molti Paesi del mondo non prenderanno una decisione di adozione basata sull’alleanza con una o l’altra potenza, ma sceglieranno di volta in volta la tecnologia più conveniente per quel settore in quel momento.

Da questo punto di vista, la sfida tra Stati Uniti e Cina, non è davvero una guerra fredda ma solamente una concorrenza per quote di mercato.

Questo episodio è supportato da Scalable Capital

Le aziende tech di cui parlo su Technicismi negli ultimi mesi sono diventate le vere protagoniste della finanza e dei mercati.

Scalable è la piattaforma che permette di investire in modo semplice e diversificare le proprie posizioni attraverso una piattaforma accessibile e intuitiva. Puoi gestire tutto da app e partire anche solo da €1.

Recentemente Scalable ha anche lanciato il Conto deposito non vincolato, che ti permette di ricevere un interesse annuo (accreditato ogni mese) del 2,50% sulla liquidità non investita. Puoi depositare e prelevare in qualsiasi momento i tuoi soldi senza perdere i rendimenti maturati fino a quel giorno. È una gestione pulita, senza quegli asterischi che ti costringono a cambiare banca o a bloccare il tuo capitale per ottenere un minimo di guadagno.

Non tenere i tuoi soldi sotto il materasso: scopri la sicurezza, l’efficienza e la trasparenza di Scalable.

Ottieni il 2,5% sui tuoi risparmi

Messaggio pubblicitario. Interesse annuo lordo variabile su ogni euro depositato nel conto deposito non vincolato. La liquidità può essere allocata presso banche partner e fondi del mercato monetario. Foglio Informativo e condizioni su scalable.capital/conto-deposito-non-vincolato.

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Una rivoluzione tecnologica dopo l’altra [Black Box]: è il ritorno dei Diavoli, che atterrano anche su Substack per chi non può fare a meno del loro racconto della finanza sul podcast giornaliero. E a proposito: non perderti The Last Question l’1 e il 2 luglio a Roma, il summit di Black Box dove si parlerà di tecnologia, geopolitica, finanza ed etica. Ci saremo anche io e Richi con degli episodi live di Actually

• La storia infinita di Jensen in Cina [Alessandro Aresu]: La foto di Jensen Huang, il CEO di Nvidia, poco prima di imbarcarsi con l'Air Force One per partecipare alla delegazione statunitense in Cina, è un'immagine significativa del nostro tempo. Alessandro Aresu l’ha usata per raccontare la relazione “infinita” tra gli Usa, la Cina e Nvidia

• L’intervista a Dana White [David Senra]: David Senra è probabilmente il migliore ad intervistare founder e imprenditori (per questa ragione lo consiglio così spesso). In questo episodio fa un incredibile lavoro con Dana White, l’uomo che ha guidato la rinascinta della UFC (la società che organizza gli incontri tra lottatori di MMA), prendendola a un passo dal fallimento e trasformandola in una macchina che genera $1,5 miliardi (e quasi $1 miliardo di utili) all’anno

• 2 scenari per la leadership globale sull’AI [Anthropic]: il nuovo report di Anthropic in cui raccontano la visione dell’azienda sulla corsa all’AI di Cina e USA. Qui emergono totalmente le contraddizioni di Anthropic: da un lato dice di voler “andare piano” per riuscire a sviluppare la tecnologia più sicura possibile, dall’altro sostiene che la soluzione ai pericoli dell'AI sia costruirla più velocemente degli altri

• Anthropic vista dall’uomo che ne guida il team finance [Invest Like the Best]: questa settimana Anthropic sta per chiudere un nuovo round di finanziamento che porta la sua valutazione a $900 miliardi (3 mesi fa erano $380). A guidare queste operazioni c’è Krishna Rao, il CFO dell’azienda, che in questo episodio incredibile racconta tutte le sfide che sta affrontando in questi anni (i finanziamenti, le partnership con gli altri player, le dinamiche di prezzo, l’uso dell’AI nel suo team)

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da FPS

La storia della settimana

Janice Brandt potrebbe non dirti niente ma è una delle donne più importanti nella diffusione di internet nel mondo.

Nel 1993 Janice ha poco più di quarant’anni e ha passato l’ultimo decennio a Palo Alto a vendere abbonamenti a riviste via posta: prima Education Today, poi Psychology Today e Smithsonian. Inizia come copywriter ma capisce presto che il vero gioco non è scrivere il testo ma progettare la macchina che lo recapita. Per questa ragione si iscrive ai corsi serali della University of Connecticut per studiare marketing e cambiare mestiere.

Quell’anno entra in una piccola azienda della Virginia: America Online, AOL. AOL ha 250.000 abbonati e insegue i due colossi del mercato: da un lato CompuServe, che fattura $315 milioni l’anno con 1,5 milioni di abbonati e dall’altro Prodigy, una joint venture (di cui ho raccontato la storia in questo episodio di Technicismi) con 1,75 milioni di abbonati e decine di milioni di $ spesi ogni anno in pubblicità in televisione.

L’obiettivo di Brandt è far crescere la base di abbonati a AOL. Lei, però, non ha mai lavorato al marketing di un’azienda tech e quindi comincia ad applicare la strategie imparate nel suo precedente lavoro.

Come prima cosa investe $250.000 per spedire via posta a diverse liste di proprietari di computer floppy disk con dieci ore di accesso gratuito ad AOL. In quegli anni nel “direct mail” un tasso di conversione del 2-3% è considerato un grande successo.

Il test di Brandt stupisce tutti: supera il 10% di conversione, con liste che arrivano anche al 20%.

Poi un venerdì sera, tornando dall’ufficio, Brandt passa dal Blockbuster vicino a casa per noleggiare un film. Alla cassa nota un piccolo box con campioni gratuiti che il negozio distribuisce ai clienti che noleggiano più di tre film. Capisce subito chi è il target di quei box: le famiglie. Genitori che magari hanno appena comprato un computer “per i compiti dei figli” e che in realtà cominciano a esplorarne le potenzialità pure loro.

Lunedì mattina chiama Blockbuster e propone di infilare un floppy AOL dentro quei box. Il tasso medio di adozione di un prodotto contenuto in uno di quei box è dello 0,3%. AOL fa il 3%, 10x la media.

Da quel momento decide che avrebbero provato qualsiasi cosa: i floppy di AOL finiscono dentro le riviste, sopra ogni sedile dei voli interni di United, sui banconi delle banche, dentro le confezioni di cereali Kellogg’s. Quando passano dai floppy ai CD-ROM (costavano meno e si rompevano meno) arrivano persino a inserirli nelle confezioni di carne surgelata di Omaha Steaks.

La conversione è talmente alta che un giorno il team IT, esasperato dal numero di nuovi utenti che mandano in tilt i server, la chiudono all’interno dell’enorme cassaforte dell’ufficio (che prima era occupato da un’azienda di sicurezza) minacciandola di non farla uscire se non avesse smesso.

Ovviamente la strategia funziona. Nel 2000, quando il Pew Research Center pubblica la ricerca che certifica per la prima volta nella storia che più del 50% degli adulti americani è online, AOL ha 23 milioni di abbonati paganti: più di 1/3 di tutti gli americani connessi, e più di Prodigy e CompuServe messi insieme (Prodigy era già scesa a 1,3 milioni. CompuServe era stata comprata proprio da AOL nel 1997).

La cifra ufficiale, confermata dalla stessa Brandt, è di oltre 660 milioni di dischi spediti: AOL in quegli anni stampa il 50% di tutti i CD prodotti nel mondo e la spesa di marketing complessiva, sempre per sua ammissione, supera il miliardo di dollari.

Anche grazie alla geniale campagna di distribuzione di Janie Brandt, Internet ci ha impiegato 10 anni per raggiungere il 50% degli americani. Ora siamo alle prese con un’altra tecnologia che si muove ancora più veloce, l’AI. Ma la domanda interessante, qui, non è tanto quanto velocemente si stia diffondendo, quella la sappiamo. La domanda interessante è cosa stanno facendo davvero le persone con questa tecnologia. E, soprattutto, chi catturerà tutto il valore creato.

Quanto è diffusa l’AI nel mondo?

Ultimamente l’adozione dell’AI è diventata la mia ossessione: pare che oggi se non hai 4 agenti che lavorano per te, non sei nessuno. Allora ho cominciato a chiedere a ogni manager e imprenditore che passa su Actually quale parte del suo lavoro abbia automatizzato davvero.

Le loro risposte vaghe mi hanno confortato. Ma poi ho pensato che il campione potesse non essere rappresentativo e quindi sono andato a studiarmi un po’ di numeri.

In un recente report, Microsoft dichiara che nell’ultimo trimestre il 17,8% della popolazione mondiale in età lavorativa ha usato un prodotto di AI generativa. La curva sale di circa un punto e mezzo a trimestre: tre mesi fa era al 16,3%, tre mesi prima ancora al 15,1%.

In testa alla classifica ci sono gli Emirati Arabi al 70,1% e Singapore al 63,4%. A sorpresa, terza, c’è la Norvegia al 48,6%. Gli Stati Uniti, dove l’AI viene costruita, sono ventunesimi, al 31,3%.

Poco sotto, venticinquesima, l’Italia: 30,2%, contro il 25,8% di nove mesi fa.

Qualche settimana fa anche Eurostat ha pubblicato una statistica simile. Il campione è diverso da quello di Microsoft: Eurostat prende in considerazione i cittadini tra i 16 e i 74 anni che dichiarano di aver usato strumenti di AI generativa negli ultimi tre mesi.

Ma il risultato, per l’Italia, non cambia di molto. Siamo penultimi in Europa per uso e competenze AI. Dietro di noi c’è solo la Romania.

Quando ho pubblicato il grafico su LinkedIn qualche settimana fa, un paio di persone mi hanno scritto che c’è una correlazione evidente tra l’uso di AI e la popolazione del Paese. L'ipotesi è che i Paesi più piccoli adottino la tecnologia più velocemente, mentre i grandi siano più "lenti" per inerzia.

La correlazione, dati alla mano, è molto debole:

E allora ho provato a incrociare i dati sull’uso dell’AI con la media dell’età del Paese. Qui la correlazione è effettivamente più chiara, ma è solo moderata: questo significa che l’Italia sta peggio di quanto la sua sola età anagrafica spiegherebbe.

Ma torniamo a noi.

Abbiamo paura dell’AI?

Anthropic ha pubblicato uno dei più grandi sondaggi qualitativi mai realizzate sull’AI, parlando con quasi 81mila persone provenienti da 159 Paesi. Le domande puntavano a capire come viene usata l’AI oggi, cosa gli utenti sperano di farci e quali sono le paure più grandi.

Partiamo dal sentiment. A livello globale il 67% degli intervistati ha un giudizio positivo sull’AI. Ma le differenze regionali sono nette: Sud America, Africa e gran parte dell’Asia guardano a questa tecnologia con più ottimismo di Europa e Stati Uniti. Alla domanda sulle preoccupazioni, chi dichiara di non averne è il 18% in Africa subsahariana, il 17% in Asia centrale e meridionale. Circa il doppio rispetto al 9% dell’Europa occidentale e all’8% di Nord America e Oceania.

Va ovviamente detto che gli intervistati sono early adopter, per definizione più entusiasti della media nei confronti della tecnologia. E nelle economie emergenti gli early adopter tendono a guardare ogni innovazione come una grande opportunità.

Cosa vogliamo davvero dall’AI?

Anthropic ha diviso le risposte in nove categorie. La prima sorpresa è la dimensione della prima categoria: “Eccellenza professionale”: usare l’AI per fare meglio il proprio mestiere è la risposta più frequente, ma si ferma al 18,8%.

Il dibattito pubblico sull’AI, in Italia e nel resto del mondo, è quasi tutto incentrato sul lavoro. Sostituirà i posti, non li sostituirà, quali professioni, quali settori. Ma se si chiede alle persone cosa vogliono davvero, si scopre che la produttività non è il fine: è il mezzo per vivere meglio:

• Una donna in Colombia, per esempio, dice che grazie all’AI martedì scorso ha potuto cucinare con sua madre invece di finire le task

• Un freelance in Giappone vuole usare meno cervello sui problemi dei clienti per avere tempo di leggere libri

• Un ingegnere in Messico, grazie all’AI, riesce ad andare a prendere i figli a scuola in orario

La seconda sorpresa è geografica. Chi vive in Africa, Asia, Medio Oriente e America Latina risponde in modo diverso da chi vive in Nord America o in Europa occidentale:

• Nelle economie ricche l’AI è soprattutto un assistente personale, serve a gestire la complessità della giornata

• Nelle economie emergenti prevale l’imprenditorialità: l’AI per superare la mancanza di capitale necessario per lanciare nuovi progetti

Infine, quando viene chiesto se l’AI ha mantenuto le promesse, quasi il 90% delle persone (che, ovviamente sono un campione di persone che usano attivamente l’AI) dice di si.

Cosa preoccupa dell’AI?

Circa l’11% degli intervistati non ha espresso alcuna preoccupazione: tende a vedere l’AI come uno strumento neutro, paragonabile all’elettricità o a internet, o comunque confida che i problemi causati dalla tecnologia possano essere risolti.

Ma poi Anthropic dedica poi un paragrafo del report alle “luci e ombre” dell’AI. Perché se da un lato la tecnologia produce grandi benefici, dall’altro in molti temono che possa causare danni gravi. La cosa più interessante è che le due facce convivono nelle stesse persone.

Le tensioni misurate sono cinque.

La più rivelatrice è quella tra apprendimento e atrofia cognitiva. Il 33% degli intervistati dice che grazie all’AI ha imparato qualcosa di nuovo, ma il 17% teme la perdita delle proprie capacità intellettuali per uso eccessivo dell’AI.

Il dato preoccupante è che gli insegnanti segnalano l’atrofia cognitiva nei loro studenti due volte e mezza più della media. La cosa più sorprendente qui è che gli artigiani, i lavoratori manuali che imparano da soli, quasi non la sperimentano: il 4%, meno della metà della media (la conclusione potrebbe essere che l’AI come strumento di apprendimento funziona quando l’apprendimento è volontario).

Martin Peers, sul The Information ha paragonato questo dato a uno studio dell’Harvard Medical School, secondo cui l’uso prolungato di cannabis causava in media un calo del QI del 5,5%.

Il 22% degli intervistati esprime entusiasmo per l’AI come supporto nelle decisioni, mentre il 37% lamenta il contrario: l’AI ostacola le buone decisioni a causa della sua inaffidabilità (per esempio a causa delle allucinazioni). Questa è l’unica tensione in cui i lati negativi prevalgono sui positivi.

Per quanto riguarda il supporto emotivo, solo il 22% degli intervistati ha sollevato il tema, sia in chiave positiva (l’AI come supporto emotivo) sia negativa (la dipendenza emotiva dall’AI). Ma è la tensione in cui lati positivi e negativi coesistono più spesso nella stessa persona.

La cosa interessante è che chi al momento non lavora ha il doppio delle probabilità di sollevare il tema e il doppio delle probabilità di raccontare un’esperienza di dipendenza emotiva dall’AI.

La terza tensione è quella tra risparmio di tempo e produttività illusoria. Il risparmio di tempo è il beneficio più citato, nominato dalla metà degli intervistati. Ma il 18% ha l’esperienza opposta. Questo è il paradosso di Jevons: più efficienti diventiamo, più cose ci vengono chieste, e il tempo guadagnato evapora prima di poter essere goduto.

La terza tensione, quella che chiude il quadro, è economica. Il 28% degli intervistati cita un beneficio economico realizzato grazie all’AI.

Ma quando si scompone il dato per categoria di lavoratori, la differenza è enorme. Il 47% dei lavoratori indipendenti (freelance, piccoli imprenditori, partita IVA) ha sperimentato un beneficio economico reale. Tra i dipendenti, invece, la stessa percentuale crolla al 14%. I dipendenti con un side project sono al 58%, il triplo dei loro colleghi senza. Questo significa che per i diepndenti il valore dell’AI è praticamente assorbito quasi esclusivamente dall’azienda.

Ma continuiamo a parlare di lavoro.

L’AI ci ruberà il lavoro?

Questa settimana ne hanno parlato sia Scott Galloway sia a16z, il più grande fondo di venture capital al mondo. Il titolo della newsletter di Galloway: "Apocalypse No - The AI jobs narrative is BS". Quello di a16z: "The 'AI Job Apocalypse' Is a Complete Fantasy - No evidence, no imagination, no understanding of humans".

Per entrambi, la risposta è no. E poi, diciamoci la verità, io avevo scritto la stessa cosa settimane fa.

In un altro report di Anthropic di fine aprile 2026 si parte da un’altra domanda: “chi ha paura di perdere il lavoro?”. La risposta è quantitativa, e ha tre piani.

• Le persone sono consapevoli della loro probabilità di essere sostituiti. Anthropic incrocia due dati: la perceived job threat, cioè quanti dichiarano di temere la sostituzione, e la observed exposure, una misura che indica in quale percentuale dei task di una professione l’AI viene davvero usata. Le due curve si parlano: per ogni 10% di esposizione misurata in più, la paura di sostituzione cresce di 1,3 punti. Chi sta nel quartile più esposto teme la sostituzione tre volte più di chi sta nel quartile meno esposto.

• I giovani temono di essere sostituiti molto più degli anziani. I lavoratori a inizio carriera dichiarano di sentire la minaccia dell’AI con frequenza nettamente superiore ai colleghi senior. Solo il 60% dei profili junior dice di beneficiare personalmente dell’AI, contro l’80% dei senior.

• Sia chi è rallentato dall’AI che chi va più veloce grazie all’AI teme la sostituzione. Questo è il paradosso della velocità. Quando si misura la “speedup”, quanto l’AI ha accelerato i task di chi la usa, la curva con la paura di sostituzione ha la forma di una U. Chi è rallentato dall’AI teme la sostituzione (sono in larga parte creativi, scrittori, artisti, che trovano l’AI rigida e poco utile per il loro lavoro ma temono che i committenti se ne accontentino). Ma anche chi è enormemente velocizzato la teme. Più sei veloce grazie all’AI, più hai motivo di chiederti chi possa essere più veloce di te. Solo gli intervistati nella zona di mezzo, che hanno avuto esperienza di un’accelerazione modesta e sostenibile, sono relativamente tranquilli.

C’è poi un altro dato che ribalta il modo in cui pensiamo all’utilità dell’AI. Quando le persone descrivono i loro guadagni di produttività, il 48% li attribuisce allo scope: fare cose che prima non erano in grado di fare. Solo il 40% li attribuisce alla speed: fare più rapidamente cose che già facevano.

Il caso più chiaro è quello degli sviluppatori. La storia che ci siamo raccontati per due anni è che l’AI avrebbe scritto il codice e gli sviluppatori sarebbero scomparsi. I dati dicono il contrario. Nel 2025 l’occupazione totale degli sviluppatori software negli Stati Uniti ha raggiunto i 2,2 milioni, in crescita dell’8,5% sull’anno prima. Un massimo storico per la professione.

La spiegazione che gli economisti propongono nel report di Microsoft è semplice: quando il costo di produrre software cala e la domanda è elastica, le aziende producono più software in più ambiti. È la legge di Jevons applicata al codice: più efficienza, più consumo. Funziona perché, fino a oggi, il software era razionato. Le aziende ne volevano più di quanto se ne potevano permettere. Adesso possono.

Non significa che lo scenario di sostituzione sia esorcizzato per sempre. Significa che, almeno in questa fase, il lavoro umano e l’automazione sono complementi.

Probabilmente il dato più interessante del report di Anthropic è l’ultimo che ho citato: chi è rallentato dall’AI la teme, chi è enormemente velocizzato dall’AI la teme. Stanno tranquilli solo quelli nel mezzo, dove l’accelerazione è sostenibile.

È un dettaglio che credo dica qualcosa di molto importante sulla fase in cui siamo: l’AI non ha ancora prodotto l’apocalisse del lavoro ma sta producendo un’ansia diffusa.

Per quanto possa valere, la traiettoria, a mio parere, è quella degli sviluppatori: più automazione significa più tempo per dedicarsi ad altro lavoro e quindi nuovi problemi da risolvere e quindi nuovi posti di lavoro per risolvere quei problemi.

Per il momento, comunque, l’unica risposta che arriva dal più grande studio qualitativo della storia, è che le persone dall’AI vogliono più tempo, più autonomia e più connessione. Che in fin dei conti è quello che abbiamo sempre chiesto a ogni nuova tecnologia.

E ricorda che è sempre valsa la pena essere ottimisti!

Questo episodio è supportato da FPS

Torna FPS26, dal 22 al 24 maggio a Brescia, il summit per una società a prova di futuro.

Tra gli ospiti annunciati il campione di scacchi e attivista Garry Kasparov, il diplomatico tedesco Wolfgang Ischinger, già presidente della Munich Security Conference, e Alex Lieberman, fondatore di Morning Brew, oltre a diversi imprenditori e innovatori italiani.

72 ore di panel, workshop, concerti, keynote speech, performance e momenti di formazione per approfondire le tre grandi transizioni del nostro tempo - digitale, energetica e geopolitica.

Un momento per chi sente il bisogno urgente di cambiare le cose, un’arena di confronto radicale e credibile, che mescola generazioni, linguaggi e nuovi format

Scopri come partecipare

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Chi è la giudice del processo tra Elon Musk e OpenAI [BBC]: è davvero il processo dell’anno (e forse il più importante di sempre nel settore AI). Lo stiamo raccontando ogni sabato su Actually. Nel frattempo questo profilo della giudice Gonzalez Rogers è fondamentale per capire chi prenderà la decisione finale su un tema così importante

• Come Wall Street sta perdendo la scommessa contro le crypto [Politico]: da Luglio dell’anno scorso il Clarity Act è fermo nel Senato USA perché non si trova un accordo sugli “stablecoin yield”, ovvero la possibilità di pagare rendimenti sulle stablecoin. Le Banche temono che programmi di reward troppo simili agli interessi sui depositi inneschino una fuga di depositi dal sistema bancario e minaccino la stabilità finanziaria. Ma pare che ora si sia trovato un accordo

• Dentro la vita di Lenny Rachitsky [Firstround]: Lenny ha la newsletter più seguita su Substack (1,2M di iscritti), 500k iscritti su YouTube, 100/200k ascolti degli episodi del podcast. Dice di aver costruito tutto questo solo per “vivere una vita chill” ma la verità è che un workaholic e questa vita così intensa in fondo gli piace

• La Cina non si vuole sostituire agli Stati Uniti [Black Box]: come la Cina ha sfruttato un amore “tossico” per superare gli Stati Uniti. A proposito: Black Box ha annunciato il suo primo summit a Luglio (in cui ci saremo anche io e Richi con Actually dal vivo)

• Come sta la creator economy? [Actually]: abbiamo fatto una royal rumble con i founder di Flatmates (Marcello Ascani e Michele Pagani) per parlare di come il settore sta evolvendo, di quali contenuti sopravvivo nell’era dell’AI e di come i brand dovrebbero lavorare con i creator

• Cosa fa davvero Meta [Good Work]: sono ovviamente grande fan delle “inchieste” di Good Work (uno dei brand di Morning Brew). Questo video è la versione ironica dell’episodio di Technicismi della scorsa settimana

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da Learnn

La storia della settimana

The Four è il libro che nel 2017 ha consacrato il successo di Scott Galloway (analista, podcaster e professore di brand strategy in NYU) ed è decisamente il mio preferito. L’ho letto quasi per caso durante l’ultimo anno di università, perché qualcuno se l’era dimenticato su un tavolo su cui stavo studiando (per fortuna il furto cade in prescrizione dopo 6 anni). Se ci ripenso, probabilmente è stato quel libro a mettere in moto una serie di ragionamenti che mi hanno portato ad appassionarmi così tanto alla tecnologia e al business delle big tech.

In The Four, Scott racconta la sua teoria secondo cui Amazon, Apple, Meta e Google sono riuscite a dominare il mondo non solo con la tecnologia ma manipolando i nostri istinti primordiali e “hackerando” parti specifiche del corpo umano per diventare fondamentali nella nostra vita:

• Google è il nostro cervello: è il luogo in cui andiamo quando siamo confusi, impauriti o soli. Ci conosce meglio di chiunque altro perché a Google rivolgiamo le nostre ricerche più proibite. E poi è a tutti gli effetti un’estensione della nostra memoria

• Meta è il nostro cuore: fa leva sulle nostre emozioni, in particolare il bisogno di attenzione, di appartenenza e di essere apprezzati dagli altri. Il tasto “like” sfrutta il desiderio di connessione e trasforma la piattaforma nel custode delle nostre relazioni (e pure dei nostri ricordi)

• Amazon è il nostro stomaco: punta sull’istinto dell’accumulo, offrendo sempre più prodotti a un prezzo sempre più basso

• Apple sono i nostri genitali: un’azienda del lusso che vende prodotti che diventano status e che ci permettono di comunicare a potenziali partner il nostro successo e il nostro gusto

Ora, dall’uscita di quel libro sono passati poco meno di 10 anni. All'epoca nessuna azienda al mondo valeva $1.000 miliardi (oggi Nvidia ne vale quasi $5.000, di miliardi), Meta si chiamava ancora Facebook ed era alle prese con il caso Cambridge Analytica, Apple aveva appena lanciato il primo iPhone senza tasto home.

In questi dieci anni la crescita delle Big Tech è stata enorme.

Questa settimana su Actually abbiamo raccontato i risultati del primo trimestre delle principali aziende tech (che sono anche le aziende a più alta capitalizzazione al mondo). È un episodio che ci diverte sempre molto, perché permette di mettere il naso dentro al motore di queste incredibili macchine di cui parliamo (e sentiamo parlare) spesso e che a tutti gli effetti stanno costruendo il futuro che vivremo.

Il dato è impressionante: negli ultimi 3 mesi Amazon, Apple, Google, Meta e Microsoft hanno realizzato ricavi combinati per circa $700 miliardi, che è poco meno del PIL annuale di Paesi come il Belgio, l’Irlanda o la Svezia (circa 1/3 del PIL annuale italiano). Tutto questo in soli 3 mesi.

Il numero è grande di per sé ma da solo dice poco. Per questa ragione ho pensato di dedicare un’intera newsletter per capire come guadagnano davvero queste aziende. Prima di entrare nel dettaglio, ho provato a dividere i ricavi in 3 categorie, 3 modelli di monetizzazione che poi aiuteranno nel guardare al loro passato/presente/futuro (3 è, come sempre, il numero perfetto). Cominciamo:

• La pubblicità: le aziende tech vendono agli inserzionisti la possibilità di mostrare un messaggio a un utente specifico, in un momento specifico. Questo è a tutti gli effetti il business model di internet, a cui ho dedicato una newsletter qualche mese fa.
  Oggi la pubblicità è il mestiere di Meta (che genera così il 97,7% dei propri ricavi), quello di Alphabet (70% dei ricavi), e il quarto mestiere di Amazon (9,5%, ma in crescita più rapida di tutti gli altri).
  Ci sono due ragioni per cui la pubblicità online ha avuto così tanto successo:

  • Le aziende tech sono in grado di segmentare molto meglio la propria audience rispetto ai competitor offline. La televisione, per esempio, è in grado di fare una previsione di chi sarà di fronte alla tv ad un certo orario o durante un certo programma. Ma la segmentazione che le piattaforme online sono in grado di offrire agli inserzionisti è molto più sofisticata, grazie alla raccolta di dati sulle abitudini e gli interessi degli utenti. Per gli inserzionisti questo significa investimenti molto più precisi e la certezza che ogni € speso incontri davvero il pubblico desiderato

  • il costo marginale della pubblicità online è quasi 0. Una volta costruita l'infrastruttura pubblicitaria, il margine operativo (cioè l’utile derivante da una nuova vendita) è straordinariamente alto

• Il cloud: questa è stata la grande rivoluzione di Amazon. All’inizio degli anni 2000 l’azienda si rende conto che gran parte della propria spesa (e del tempo degli ingegneri) è assorbita dal cloud. Allora cambia il modo in cui viene costruito e comincia ad affittare la capacità computazionale inutilizzata ad altre aziende, startup, pubblica amministrazione o addirittura agli stessi concorrenti. In questo modo trasforma un centro di costo, cioè una spesa necessaria per far girare l'azienda, in un centro di profitto (lo stesso “ribaltamento del modello”, Amazon l'ha poi applicato a tutti i suoi costi: i magazzini, le consegne, etc).
  Oggi la vendita del cloud è il primo mestiere di Amazon dal punto di vista del profitto (AWS rappresenta il 21% dei ricavi ma il 59% del profitto), il secondo mestiere di Microsoft (Azure genera $34,7 miliardi nel trimestre) e il terzo di Alphabet (Google Cloud cresce del +63% anno su anno).
  Anche qui, un paio di ragioni per cui è un business estremamente di successo:

  • I costi fissi sono enormi, per cui le barriere all’ingresso sono altissime e il settore è praticamente controllato da solo 3 aziende (Amazon, Microsoft e Google)

  • Ma, anche qui, una volta costruito un data center, il costo marginale è molto basso e inoltre gli accordi per il cloud si muovono con contratti pluriennali, che rappresentano quindi ricavi ricorrenti su cui si può fare una migliore pianificazione finanziaria etc

• I servizi: l’idea è vendere oggetti fisici (smartphone, computer, cuffie, orologi) e poi monetizzare chi li possiede vendendo software, abbonamenti e generando commissioni.
  È ovviamente il mestiere di Apple, che da sola vende $80 miliardi di hardware e $31 miliardi di servizi per quell’hardware (iCloud, App Store, Apple Music, etc). Per Microsoft è un business più marginale ma quei $25 miliardi di vendite di Microsoft365 (il software più venduto al mondo) dipendono anche dalla vendita dei suoi dispositivi Surface ($4 miliardi).
  Questo è il modello più redditizio in proporzione tra le Big Tech: i servizi rendono il doppio dell’hardware che li abilita (per esempio il margine lordo dei prodotti fisici Apple è del 38,7%, quello dei servizi è del 76,7%).

Quello che rende questi tre modelli delle vere macchine da soldi è la stessa cosa: sono business altamente scalabili e difficilmente replicabili. Scalabili, perché il costo marginale di un nuovo utente è bassissimo. Difendibili, per due motivi: nel business pubblicitario e nell’hardware conta il network effect, nel cloud contano i costi fissi enormi, che pochi possono permettersi di replicare.

Ora prendiamo in esame le cinque aziende. Per ognuna entriamo nel dettaglio di quanto guadagna, come, qual è la unit che genera più ricavi e quali sono i rischi più grandi all’orizzonte.

(Una nota: nel titolo delle immagini vedrai che si fa riferimento a Q1, Q2 o Q3: questo dipende da quando le singole aziende fanno partire l’anno fiscale. Tutti i dati si riferiscono ai primi 3 mesi dell’anno)

Quanto e come guadagna Apple?

Nei primi 3 mesi del 2026, Apple ha generato $111,2 miliardi. L’iPhone genera metà del fatturato di Apple (ed è il singolo prodotto di consumo più redditizio mai esistito). La cosa incredibile è che, nonostante sia un prodotto uguale a sé stesso ormai da anni, continua a crescere del 22% anno su anno. Tim Cook ha parlato di “miglior trimestre di marzo di sempre”, dicendo che sono stati superati i 2,5 miliardi di dispositivi attivi: vuol dire che una persona ogni 3,3 sulla Terra usa un hardware Apple di qualche tipo.

E, come dicevamo poco sopra, l’hardware non è solo un prodotto ma diventa il canale di distribuzione. Ed è per questa ragione che Apple negli ultimi cinque anni è passata dal vendere oggetti al monetizzare la base installata attraverso i servizi (iCloud, la commissione su AppStore, Apple Music, Apple Pay etc) che sono ricavi, spesso ricorrenti, ad altissimo margine. Il margine lordo dei servizi è del 76,7%, quello dei prodotti hardware è del 38,7%: vendere abbonamenti rende il doppio che vendere telefoni.

Forse anche per questa ragione, come scrivevo la scorsa settimana, Apple è l’unica tra le cinque che non sente il bisogno di entrare nella corsa all’AI: non costruisce data center perché non vende cloud e non vende cloud perché il suo modello non lo richiede. Vende iPhone, e poi affitta lo spazio sopra il vetro di quegli iPhone a chiunque voglia raggiungere chi lo possiede.

In questo momento, pero, l’azienda dipende per la maggior parte da un unico dispositivo: le sole vendite dirette di iPhone rappresentano il 50% dei ricavi di Apple ma, in fin dei conti, Apple Watch e AirPods (entrambi businss da +$10miliardi) e pure i servizi (business da +$100 miliardi) sono di fatto un grande upselling per gli utenti iPhone.

In una newsletter dedicata al dilemma dell’innovatore di Apple, uscita il 1 febbraio, scrivevo così:

Ma se l’iPhone smette di crescere, o se la geopolitica costringe Apple a riorganizzare la supply chain cinese da capo, più della metà dei ricavi è esposta. E questo sarà il grande grattacapo del nuovo CEO John Ternus che entrerà in azienda da Settembre.

Quanto e come guadagna Google?

Nei primi 3 mesi dell’anno Google ha generato $109,9 miliardi. La pubblicità è ancora la voce di ricavo più importante e genera $77 miliardi (di cui Search $60,4 miliardi, YouTube ads $9,9 miliardi e Google AdMob, che permette agli sviluppatori di monetizzare le proprie applicazioni, $7 miliardi). La vera notizia qui è che Search cresce quasi del 20%, dopo quasi due anni in cui gli investitori hanno scommesso che ChatGPT avrebbe spazzato via questo modello di business. Sundar Pichai ha detto che le ricerche sono ai massimi storici e AI Mode e AI Overviews stanno aumentando l’utilizzo, non riducendolo. Chissà cosa succederà in futuro, per il momento comunque c’ha ragione lui.

Parlando di pubblicità, c’è un dettaglio su cui vale la pena soffermarsi: YouTube, probabilmente l’acquisto con un ritorno più alto della Storia (Google l’ha comprata per $1,65 miliardi, che ora YouTube genera circa ogni 10 giorni). Gli abbonamenti YouTube Premium e YouTube Music ora crescono più velocemente della pubblicità su YouTube. È forse il segnale che la macchina pubblicitaria principale di YouTube sta arrivando a saturazione? In quel caso il futuro della monetizzazione dovrà puntare sulle subscription (come già accade per Netflix e Spotify).

Ma il vero protagonista di queste trimestrali è il Cloud, che cresce più del 63% rispetto all’anno scorso, e il cui margine passa dal 17,8% al 32,9%. Ma c’è un numero ancor più impressionante che hanno guardato gli investitori, il backlog: Google Cloud ha $462 miliardi di contratti già firmati ma ancora da fatturare. Per metterlo in prospettiva questo numero è più grande del fatturato annuo totale di Alphabet del 2025 (che era $402,8 miliardi).

Quanto e come guadagna Meta?

Meta nei primi 3 mesi del 2026 ha generato $56,3 miliardi di ricavi. Di questi il 97,7% proviene dalla pubblicità su Facebook, Instagram, Messenger, WhatsApp che cresce del 33% rispetto all’anno scorso, la crescita più rapida dal 2021. Le ragioni sono un aumento delle impression (+19%) e un aumento del prezzo medio per inserzione (che cresce del 12%). Tradotto significa che Meta riesce a vendere più inventario a un prezzo più alto. E probabilmente ci riesce a causa dei problemi che ha avuto TikTok negli Stati Uniti e a quelli che ha Snapchat nel trovare un vero product market fit. Tutto questo generando il 33% di margine. Da un lato è un numero straordinario ma dall’altro sappiamo che il vero valore sta nella diversificazione.

E Zuckerberg lo sa bene: per questo ormai da 5 anni investe pesantemente in una nuova divisione “Reality Labs”, che sviluppa tecnologie in realtà aumentata e realtà virtuale (per il momento principalmente legate a Meta Quest, il visore in realtà aumentata). Ma Reality Labs, per il quindicesimo trimestre consecutivo, è in perdita e negli ultimi 3 presi ha perso $4 miliardi. Il fatturato dei primi 3 mesi scende del 2%, soprattutto a causa del calo di vendite di Quest, solo parzialmente compensate dalla crescita degli AI glasses, e, dal 2020, le perdite sono ben oltre i $70 miliardi. È l’investimento più lungo e più costoso della storia recente del tech, su cui Zuckerberg continua a credere nonostante la contrarietà evidente del mercato. Ma funziona comunque perché la macchina pubblicitaria genera abbastanza utile da assorbirlo.

Meta ha anche annunciato un aumento delle spese in conto capitale per finanziare gli investimenti in AI, usata quasi esclusivamente per far crescere ancora di più il business pubblicitario.

Insomma, se la pubblicità dovesse rallentare (per saturazione, regolamentazione o cambio di abitudini di consumo), Meta non ha un piano B. O meglio: il piano B si chiama “Reality Labs”, che però perde $16 miliardi l’anno. Il piano C potrebbe essere l’AI ma al momento questa non viene venduta a nessuno.

Quanto e come guadagna Amazon?

Amazon nei primi 3 mesi del 2026 ha generato $181,5 miliardi di ricavi (di recente è diventata l’azienda che genera più fatturato al mondo, superando Walmart).

Negli ultimi anni Amazon ha differenziato moltissimo il suo business che ora sostanzialmente ha due anime:

• Ovviamente c’è il business della piattaforma sulla quale si comprano i prodotti. Questa a sua volta può essere suddivisa in:

  • Business retail, cioè i prodotti venduti e spediti direttamente da Amazon, che è una macchina da soldi (da solo genera più ricavi di quanti ne genera Meta), genera il 35% dei ricavi totali dell’azienda ma ha margini bassissimi.

  • I ricavi provenienti dai “3rd party” (cioè le commissioni che l’azienda percepisce ogni volta che un retailer vende un prodotto sfruttando la piattaforma di Amazon), che sono il 23% dei ricavi totali

  • La pubblicità, la vera sorpresa degli ultimi anni. La gran parte dei ricavi qui viene generata dai risultati a pagamento dentro le ricerche prodotto sul sito e che, rispetto ai competitor, hanno costi molto più alti perché l’utente è già in modalità acquisto. Amazon oggi è la terza azienda pubblicitaria al mondo dopo Google e Meta, ha generato $17 miliardi in un trimestre dalla sola pubblicità, in crescita del 24% anno su anno, con un run rate che ha superato i $70 miliardi (per dare una scala: l’intera AWS nel 2018 fatturava meno di quanto fattura la pubblicità di Amazon oggi)

  • E infine i ricavi provenienti dagli abbonamenti ad Amazon Prime, che crescono del 15%

• Poi c’è il cloud: AWS rappresenta il 21% dei ricavi e il 59% del profitto operativo dell’azienda e continua a crescere davvero velocemente: +28% anno su anno, la crescita più rapida in 15 trimestri, con un run rate annualizzato che ha superato i $150 miliardi

Quanto e come guadagna Microsoft?

Microsoft nei primi 3 mesi del 2026 ha generato $83 miliardi, vendendo sostanzialmente software e infrastruttura alle aziende, quasi nulla ai consumatori: il 65% dei suoi ricavi viene generato da contratti enterprise, spesso pluriennali, che rappresentano ricavi ricorrenti. Da questo punto di vista Microsoft è un business incredibile: ogni trimestre pubblica il Commercial Remaining Performance Obligation, cioè i contratti già firmati ma non ancora fatturati. Negli ultimi 3 mesi è di $627 miliardi, in crescita del 99% anno su anno (praticamente ha già in cassaforte due anni e mezzo del suo fatturato totale).

Sostanzialmente il business di Microsoft si può dividere in 3 segmenti:

• App, piattaforme e software per la produttività: le cui voci più rilevanti sono il pacchetto Office/Microsoft 365 Commercial (che da solo genera $25 miliardi) e LinkedIn (che cresce del 12% generando $4,8 miliardi)

• Una unit dedicata al personal computing: che comprende Windows e i dispositivi Surface (che generano $4 miliardi), Bing (che cresce del 10%, generando $3,8 miliardi in 3 mesi) e Xbox che invece cala del 7%.

• E infine l’Intelligent Cloud, cioè Azure, che è il vero motore di crescita di Microsoft con $34,7 miliardi, in crescita del 30% anno su anno. Su questo fronte Microsoft ha una strettissima collaborazione con OpenAI, che qualche mese ha annunciato un commitment incrementale per $250 miliardi in capacità Azure: detto più chiaramente, il principale cliente AI di Microsoft si è impegnato a spendere su Azure più del fatturato annuale di tutta Microsoft. Ovviamente quei $250 miliardi sono al tempo stesso la più grande fortuna di Microsoft e il suo singolo punto di esposizione più grande, ora che il futuro di OpenAI è così incerto. Se l’azienda di Sam Altman dovesse rallentare, fallire, o ridurre la propria capacità di assorbire capacità Azure, una parte rilevante della crescita Microsoft AI svanirebbe.

Questo episodio è supportato da Learnn

Se leggi Technicismi sai che nelle ultime settimane Claude ha avuto un impatto gigantesco su tantissime attività ripetitive che faccio nel mio lavoro (compresa la gestione di Technicismi tra lunghe ricerche, gestione dei clienti, creazione di report, etc).

Ora puoi imparare tutto quello che ti serve, gratuitamente, per applicare Claude anche nel tuo lavoro.

Dal 5 al 12 maggio Learnn permetterà a chiunque di formarsi gratuitamente sull’ecosistema Claude, imparando a fare in 2 ore quello che fino a oggi si faceva in 2 giorni.

La formazione è rivolta a chiunque, anche a chi non usa l’AI e parte da 0 ma vuole capire come potrebbe integrare l’AI di Claude nel proprio lavoro. Learnn fornirà a ogni utente strategie, skill e 3 sessioni live per scrivere, analizzare e costruire più velocemente.

Iscriviti qui

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Internet è la vita reale [a16z]: questa settimana abbiamo fatto una registrazione live di Actually ad un evento organizzato da Spotify. Durante l’episodio siamo finiti a parlare di Monitoring the Situation, una nuova media company che di fatto è una diretta infinita su X che copre tutto quello che succede all’intersezione tra tecnologia, finanza, cultura e business. La visione dietro a Monitoring the Situation è che tutto quello che accade, oggi, ha in gran parte origine online

• Come i fratelli Kelce stanno creando un nuovo modello di monetizzazione dei podcast [New York Times]: tradizionalmente i podcast monetizzano attraverso la pubblicità, abbonamenti (o donazioni) ed eventi. Amazon ora si sta inventando un nuovo modo per monetizzare i podcast appartenenti al suo network, creando un “universo” intorno ai suoi creator

• Ma che fine faranno i lavoratori al tempo dell’AI? [New York Times]: sono fan del lavoro di Jasmine Sun su Substack. In questo articolo però entra in un territorio complicato e riporta come gli addetti ai lavori siano davvero preoccupati del futuro del lavoro. Credo sia sbagliato guardare al futuro con le lenti del passato (ne ho parlato qui). Da questo punto di vista, sono molto più d’accordo con Yann LeCun

• Come Roberto Vedovotto ha inventato un nuovo modello nel settore degli occhiali [Black Box]: un episodio che avrei voluto registrare io. Dopo aver guidato la Safilo, Roberto ha creato un nuovo modello di azienda di occhialeria, internalizzando la produzione dei brand del gruppo Kering. E ora si prepara a trasformare questi oggetti nella computing platform del futuro

• La scommessa dei robot umanoidi [Bloomberg Originals]: l’anno scorso al SXSW la cosa più interessante che ho sentito è che l’intelligenza artificiale, senza un supporto fisico, non sarebbe mai diventata davvero intelligente (esattamente come il nostro cervello è intelligente solo perchè controlla il nostro corpo). Un anno dopo, i robot umanoidi (di cui ho parlato qui) sono usciti dai laboratori ed entrati nel mondo reale

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da Tot.

La storia della settimana

Il 12 ottobre 1988 NExT, l’azienda che Steve Jobs aveva creato nel 1985 dopo essere stato “esiliato” dalla sua Apple per volere degli azionisti, presenta il NExT Cube.

Jobs presenta quel prodotto, che entrerà in commercio 9 mesi dopo, come il miglior computer mai progettato al mondo.

Il primo modello, però, è un disastro totale: troppo costoso per essere un computer (costava $7.995, circa $20.000 di oggi) e alcune scelte progettuali, su cui gli ingegneri e i designer avevano sbattuto la testa per anni, si rivelano troppo ardite. Chi compra il Cube ha problemi in continuazione e, a causa della mancanza di un hard disk interno, pure una grande difficoltà nell’usarlo su alcune attività.

Il secondo modello, lanciato qualche mese dopo, risolve alcuni dei problemi ma continua a essere un flop rispetto ai concorrenti. E così, nonostante quello sia uno dei computer esteticamente più belli, non si vende, e i conti dell’azienda vanno sempre peggio.

Quello che funziona molto bene, invece, è il software: NeXTSTEP, il sistema operativo, è avanti anni luce rispetto ai concorrenti. Gli sviluppatori lo adorano e alcune aziende ne diventano totalmente dipendenti per il proprio business.

Come racconta Geoffrey Cain nel suo nuovo libro (esce a fine maggio) dedicato agli anni di Jobs in esilio da Apple, tra queste aziende c’è O’Connor & Associates, una società di trading di Chicago che, attraverso NeXTSTEP scrive software proprietario molto più velocemente, creando così un vantaggio sulla concorrenza a Wall Street.

L’azienda è così dipendente dal software di NeXT che ogni trimestre invia ordini enormi di Cube, non perché quel computer le serva davvero, ma per paura che NeXT, sempre in rosso, possa chiudere e dismettere il sistema operativo ormai diventato fondamentale.

In pratica tiene in vita una linea di hardware solo per non perdere il software che ci gira sopra.

Un giorno Phil Wilson, allora capo dell’HR di NeXT, riceve la visita di un socio di O’Connor. Si presenta senza preavviso e chiede di riferire una cosa a Jobs: il valore che i clienti trovano nell’azienda è nel software, non nell’hardware. E a quei prezzi non sono più disposti a pagare.

Phil torna alla scrivania e scrive a Jobs una lunga email. Il consiglio è proprio di ascoltare quello che chiedono i clienti e fare la cosa più semplice: abbandonare l’hardware e diventare una software company.

La risposta di Jobs è secca. Phil è un uomo di HR, non capisce di prodotto e non capisce la visione. E poi, se NeXT diventasse davvero una software company, dovrebbe ridimensionarsi: «e uno come te non ci servirebbe più».

Nonostante l’ostinazione, 2 anni dopo, dopo diversi licenziamenti e una bancarotta sfiorata, nel febbraio 1993 Jobs chiude la divisione hardware di NeXT. Manda a casa la maggior parte dei dipendenti e vende quel che resta a Canon.

Perché Tim Cook si è dimesso da Apple?

Questa settimana Tim Cook ha annunciato che lascerà la carica di CEO il 1 settembre, dopo 15 anni esatti alla guida di una delle aziende più grandi e importanti del mondo. Resterà come executive chairman, soprattutto per gestire i rapporti politici con Washington, la Cina e l’India, un’area in cui nessuno è bravo come lui.

Cook è stato fondamentale per Apple: quando è arrivato, nel 1998, l’azienda si basava su fabbriche e magazzini di proprietà, che però creavano continui ritardi e difetti. Nei primi mesi chiude 10 dei 19 magazzini, riducendo di conseguenza anche le giacenze (che passano da 2 mesi a 15 ore), poi riduce il numero dei principali fornitori portandoli da un centinaio a 24, convincendo molti a trasferirsi vicini ad Apple. Infine riduce i tempi del processo di fabbricazione di un computer, da 4 mesi a 2. Nel frattempo sposta in Cina la base produttiva, costruendo così una supply chain just-in-time.

Sotto la sua guida Apple si trasforma in un colosso: i ricavi crescono del 303%, gli utili del 354% e il valore in Borsa del +1.200%, passando da meno di $300 miliardi a $4.000 miliardi. Cook è il primo CEO americano a portare la propria azienda oltre il trilione, poi i due, poi i tre. Il suo patrimonio personale, accumulato quasi interamente con pacchetti azionari legati alla performance, è stimato attorno ai $3 miliardi.

Ed è riuscito a fare tutto questo puntando su tre cose:

• Portando all’estremo la metodicità di Apple. Oggi l’azienda è una delle macchine operative meglio organizzate al mondo. Ha costruito una supply chain perfetta, considerata da anni la migliore al mondo nelle classifiche di Gartner, in cui Apple compare al primo posto così spesso da essere stata “ritirata” e spostata in una hall of fame separata. È lui a inventare il modello “design in California, manufacturing in China” che diventa lo standard di settore e ha fatto di Apple un’azienda estremamente scalabile, capace di vendere 250 milioni di iPhone all’anno

• Capitalizzando l’hardware esistente. Di certo non ha inventato nuovi prodotti con la frequenza di Jobs (che nel giro di 9 anni ha inventato iPod, iPhone e iPad). Ma ha lanciato l’Apple Watch nel 2015 e gli AirPods nel 2016, entrambi businss da +$10miliardi, e ha potenziato la unit servizi (come Apple Music, Apple TV o iCloud), creando un business da +$100 miliardi che pesa per il 25% sui ricavi dell’azienda. Oggi qunidi l’80% dei ricavi di Apple dipende, in maniera diretta o indiretta da iPhone: parliamo di +$350 miliardi.

• Mettendo in atto la miglior diplomazia possibile. Ha attraversato due amministrazioni Trump e una Biden tenendo Apple fuori dai dazi peggiori, ha gestito la dipendenza dalla manifattura cinese e recentemente ha cominciato il progressivo trasferimento della produzione iPhone in India. Ha poi attraversato vicende complicate, come la decisione nel 2016 di non collaborare con l’FBI per sbloccare l’iPhone di uno dei terroristi che uccisero 14 persone a San Bernardino, scelta che ha contribuito a costruire l’identità di Apple come azienda della privacy. E ha portato avanti la guerra antitrust attorno all’App Store, in particolare nella causa con Epic Games.

Ora però Cook ha 65 anni, è il più vecchio tra i CEO delle Mag7 (il secondo, se si guarda a tutta la Silicon Valley, dopo Hock Tan di Broadcom, che ne ha 73). E la sua Apple si trova ora in una fase nuova, dove dovrà affrontare gli stravolgimenti dell’AI.

Cosa succederà ad Apple nei prossimi anni?

Alla guida di Apple, dal 1 settembre 2026 ci sarà John Ternus, nato nel 1975 (ha la stessa età dell’azienda di cui diventerà capo), è in Apple dal 2001 e ha messo le mani in tanti prodotti che sono stati fondamentali per il successo dell’azienda: l’iPad, gli AirPods, l’iPhone Air, il recente MacBook Neo. È la persona che ha trainato la transizione dei Mac da processori di un fornitore esterno, Intel, a processori realizzati in casa, gli Apple Silicon, che hanno permesso all’azienda di aumentare le prestazioni dei propri dispostivi, i margini, il potere negoziale e reso Apple un sistema ancora più integrato.

È, a tutti gli effetti, l’erede tecnico di Jony Ive sul lato ingegneristico: un hardware guy.

Ora Ternus si trova ad affrontare 3 sfide gigantesche per l’azienda:

• La prima è quella “diplomatica”: quella su cui Tim Cook è riuscito a fare un capolavoro e su cui Ternus sarà affiancato dal suo predecessore (che resterà proprio come executive chairman con il mandato esplicito di “interagire coi policymaker globali”). Questa si gioca su diversi tavoli:

  • Negli Stati Uniti Apple ha ancora in bilico la causa con Epic Games, che potrebbe ridefinire il modo in cui interagiamo (e il modo in cui Apple genera profitti) con l’App Store

  • In Europa la situazione è ancor più complicata con regole sempre più stringenti per le Big Tech (con il Digital Markets Act e Digital Services Act)

  • In India potrebbe affrontare la più grande multa antitrust della storia, $38 miliardi

  • E poi ovviamente c’è la questione Cina. Apple ha esternalizzato lì l’intera produzione: da un lato ha formato milioni di lavoratori cinesi, dall’altro ha perso il polso della propria catena del valore. Oggi, con le relazioni tra Stati Uniti e Cina ai minimi storici, questo sta diventando un bel mal di testa

• Poi c’è quella dell’hardware, cioè i prodotti fisici. L’iPhone oggi rappresenta il 50% dei ricavi di Apple, nel 2025 Apple ne ha venduti una cifra record di quasi 250 milioni, in aumento del 7% rispetto all’anno precedente. Ma è un prodotto vecchio di vent’anni che va rinnovato.

  

  Secondo Mark Gurman di Bloomberg, Apple si sta preparando ad entrare in tante nuove categorie hardware e Ternus, almeno sulla carta, sembra il profilo ideale per guidare questa evoluzione:

  • L’iPhone pieghevole (in arrivo a settembre)

  • Gli smart glasses in stile Meta Ray-Ban (e magari tra 4/5 anni gli occhiali con la realtà aumentata, un’evoluzione del Vision Pro)

  • Gli AirPods con telecamere a bassa risoluzione per nutrire l’AI di contesto visivo

  • Una “collanina AI” in stile Humane da portare al collo (il sogno alla Humane, ma fatto bene)

  • un robot da tavolo con un braccio mobile

  • un security device per competere con Ring e Nest

  • un MacBook touch (magari già a fine 2026)

• E infine, ovviamente, la sfida dell’AI: in molti rimproverano a Tim Cook di aver completamente perso la guerra dell’AI. Rispetto ai competitor, l’azienda non ha mai delineato una chiara strategia e il risultato è che oggi Google ha il proprio chatbot AI (e investimenti molto grandi in aziende di AI), Microsoft è praticamente proprietaria di OpenAI, Amazon ha enormi investimenti in Anthropic, Meta ha la propria AI e Tesla pure.

  

  L’unico timido accenno all’AI è stata la presentazione di Apple Intelligence, che a mio avviso è stata più una strategia di comunicazione per evitare di essere bastonati troppo in Borsa.

  Ma credo che Apple una strategia chiara in testa ce l’abbia, e stia aspettando pazientemente mentre i principali player dell’AI si scannano tra loro, spendendo miliardi per sviluppare modelli sempre migliori e raggiungere quanti più utenti possibili. Il futuro dell’AI potrebbe giocarsi su due piani:

  • Da un lato, Apple crede che la potenza computazionale possa essere gestita attraverso device integrati. È la stessa tesi di Musk, che propone di mettere a sistema le Tesla parcheggiate per usarne la capacità di calcolo

  • Dall’altro, le aziende di AI avranno bisogno di distribuzione e Apple è nella posizione migliore per fornirgliela: può permettere a qualunque produttore di modelli di raggiungere miliardi di utenti, per esempio attraverso Siri, che può essere potenziata da qualsiasi LLM (per esempio ha già firmato un accordo da $1 miliardo / anno con Google per usare un Gemini personalizzato come motore di Siri e di Apple Intelligence). Questo è esattamente il modello dell’App Store, che garantisce un’enorme distribuzione agli sviluppatori di app

Di tutte queste sfide abbiamo parlato anche nell’ultimo episodio di Actually 👇

Cosa farà Apple con l’AI?

Chissà se Ternus si farà ispirare dalla storia di Steve Jobs alla NeXT: quella ovviamente non è una storia anti-hardware e l’errore di Jobs non era stato puntare sull’integrazione hardware-software: su quell’intuizione, anni dopo, avrebbe costruito tutto l’ecosistema di iPhone.

Ora guardiamo Apple nel 2026.

L’hardware è ancora il migliore del settore e l’integrazione device-chip-sistema operativo è il vantaggio competitivo che nessun concorrente sa replicare.

E adesso, dopo aver aspettato in silenzio per anni, a giugno, durante la conferenza per gli sviluppatori, Ternus potrebbe dare il via al suo nuovo corso, presentando uno degli aggiornamenti più importanti di sempre per l’azienda e svelando finalmente la strategia di Apple sull’AI. Da questo punto di vista sono convinto che l’integrazione tra hardware e software, oggi, sia ancora più importante di quando Jobs la teorizzava alla fine degli anni ‘80 con NeXT.

Per il settore (e per Apple in particolare) si sta per aprire un momento straordinario. A guidarlo ci sarà Ternus. Cook dice che ha la mente di un ingegnere, l’anima di un innovatore e il cuore per guidare con integrità. Gli ingredienti sembrano quelli giusti. Ora avanti tutta, John!

Questo episodio è supportato da Tot.

Ogni ora che passi a gestire note spese, inseguire rimborsi o decifrare estratti conto è un’ora tolta a quello che conta davvero: far crescere la tua azienda.

Non è una questione di dimensioni. È una questione di priorità.

Tot è la piattaforma finanziaria e amministrativa pensata per chi non vuole che la burocrazia vinca:

👉 Paga. Scatta. Riconcilia. Il tuo team paga con la carta Tot, scatta una foto allo scontrino e il giustificativo è già allegato alla transazione. Zero rincorse, zero fogli Excel, zero rimborsi a fine mese.

👉 Carte con limiti personalizzati. Ogni membro del team spende quello che deve, quando deve. Visibilità immediata, niente anticipi di tasca propria.

👉 Tutto in un’unica app. Conto con IBAN italiano, bonifici, F24, fatture elettroniche. Zero commissioni nascoste, zero sorprese.

Niente più scontrini persi. Niente più note spese da compilare. Niente più rimborsi da aspettare.

La tua impresa, senza freni.

Scopri Tot

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Un profilo su Dwarkesh Patel [New York Times]: lui è uno dei podcaster del momento, forse il vero erede di Lex Friedman. Le sue interviste ai leader tech sono incredibili, spesso anche troppo complicate per me ma sono certamente le più preparate.

• Perchè Mythos fa paura [Bloomberg Originals]: il nuovo modello di AI di Anthropic non è stato rilasciato perchè ritenuto troppo pericoloso. Continuo a chiedermi quanto ci sia di vero e quanto sia marketing (anche OpenAI, ne 2019, non voleva rilasciare GPT-2 perchè ritenuto troppo pericoloso… Oggi siamo alla versione 5.5)

• Ma si possono costruire davvero i data center nello spazio? [The Most Interesting Thing in AI]: sarebbe molto efficiente per molte ragioni. Ma ci sono alcuni problemi tecnici incredibili da superare prima di arrivarci e non è proprio così semplice come la fa Elon Musk

• Come Trump ha cambiato i media [Financial Times]: uno degli articoli più incredibili che abbia letto recentemente, che dettaglia perfettamente come è cambiato il rapporto tra i media e Trump e come il Presidente sia riuscito a sfruttare il cambiamento del settore

• Come ho creato OpenClaw [TED]: il fondatore di OpenClaw, di cui ho parlato in questa newsletter, racconta di come ha sviluppato il più avanzato sistema di creazione di agenti AI e mostra come quegli agenti stiano facendo cose che non gli sono mai state richieste. Impressionante

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da Tot.

La storia della settimana

L’auto è una Chandler. Esce da Achen Motors di Milwaukee nel 1926 e il 27 luglio di quell’anno, è a New York. Parte da Broadway, risale Columbus Circle, poi scende per la Fifth Avenue attraversando il traffico. A lato della strada i giornalisti fotografano quel momento straordinario in cui un’auto, per la prima volta, guida senza un conducente a bordo.

A “guidare” l’auto, infatti, è un uomo di nome John Alexander, che manovra una trasmittente radio a bordo di un’altra auto e invia i segnali a piccoli motori elettrici collegati allo sterzo, all’acceleratore, al clacson.

All’altezza della 47th Street, la Chandler perde il segnale: sbanda da sinistra a destra, sfiora due camion e un carretto del latte e infine si schianta contro una vettura ferma.

L'inventore di quell’auto è Francis P. Houdina, un ex ingegnere elettrico dell'esercito. Pochi giorni prima della prima dimostrazione pubblica, Francis riceve una visita da Harry Houdini, che aveva accusato l’azienda di sfruttare il suo nome. A quanto pare i due cominciano a picchiarsi, Houdini strappa un’etichetta da un imballo, viene trattenuto e per liberarsi rompe addirittura un lampadario con una sedia.

Due anni dopo, nel 1927, si scopre la verità: il radiocontrollo, in realtà, non esisteva e a guidare la Chandler era un uomo nascosto dentro l’auto. E c’è di più: il nome “Francis P. Houdina” non compare in nessun registro. Secondo le ricostruzioni sarebbe uno pseudonimo di un uomo che di cognome faceva “Weber”, esattamente come Lawrence Weber, il migliore amico di Houdini.

Insomma, la prima auto senza conducente della storia potrebbe essere stata un numero di magia. Ma da quel momento, in molti hanno cominciato a investire per costruire la prima, vera, auto a guida autonoma.

Negli anni ‘50, negli Stati Uniti, comincia a circolare un’idea: costruire autostrade futuristiche, con cavi nascosti nell’asfalto che avrebbero guidato l’auto al posto del conducente.

Quell’idea verrà riproposta più volte nel corso degli anni, ma non prenderà mai davvero piede. E così arriviamo alla fine degli anni ‘90, quando alcuni gruppi di ricerca cominciano a sperimentare le reti neurali, una forma di AI, per far guidare un’auto senza conducente.

Nel 2004 la DARPA, l’agenzia di ricerca del Dipartimento della Difesa americano, mette in palio 1 milione di dollari per la prima auto senza conducente capace di percorrere 150 miglia tra la California e il Nevada, attraversando deserto e tratti sterrati.

Alla sfida si iscrivono gruppi di ricerca delle università americane, startup e piccoli team di appassionati. Il 13 marzo 2004 partono i 15 team che hanno superato le qualifiche. In poche ore sono tutti fuori gioco: The Golem Group si inchioda su una salita dopo 8,4 km, Team DAD si blocca su una roccia dopo 9,7 km, SciAutonics II si incastra dopo 10,8 km.

Il favorito è Sandstorm, del Red Team di Carnegie Mellon guidato da William “Red” Whittaker. È un Hummer riempito di tre Lidar fissi, uno mobile dentro un globo sul tetto, un radar sviluppato con la Duke University, una coppia di telecamere per la visione stereoscopica e un sistema inerziale.

Sandstorm parte per primo. Supera un tornante a spillo e, dopo 11,78 km, meno del 5% del tracciato, esce di strada e si incastra su un cumulo di terra al bordo della pista. I due semiassi anteriori si spezzano, le gomme anteriori si squarciano, il serbatoio perde carburante e gli pneumatici, girando a vuoto, prendono fuoco.

18 mesi dopo, l’8 ottobre 2005, la DARPA organizza la seconda Grand Challenge. Il montepremi raddoppia a $2 milioni. La gara parte alle 6:40 del mattino, 22 team su 23 superano gli 11,78 km percorsi dal miglior veicolo dell’anno prima. 5 completano l’intero tracciato di 212 chilometri.

Sandstorm, questa volta, arriva secondo. Davanti a lui c’è Stanley, il veicolo di Stanford guidato da Sebastian Thrun e Mike Montemerlo che chiude il percorso in 6 ore e 53 minuti e si aggiudica il premio.

Un paio di anni dopo, Thrun entra ufficialmente in Google per fondare quella che diventerà Waymo. Con lui arriveranno anche Chris Urmson, che era nella squadra di Sandstorm, e Kyle Vogt, che alla gara del 2004 aveva partecipato ancora ventenne e che poi fonderà Cruise, l’azienda di guida autonoma che verrà comprata da General Motors.

Oggi chi guida i principali player del settore, Waymo, Cruise, Aurora, Argo, arriva da quella sfida nel deserto del Mojave. La guida autonoma non è più una promessa infranta.

Ma perché investiamo nella guida autonoma?

Oggi la guida autonoma sembra entrare in una nuova fase. Ed è pronta a risolvere 4 problemi molto concreti:

• da un lato aumenta la sicurezza stradale, riducendo gli incidenti causati da errore umano, stanchezza o distrazione

  

• dall’altro ottimizza il traffico, riducendo le emissioni grazie a una guida più fluida

• inoltre offre maggiore libertà di movimento, permettendo di utilizzare il tempo del tragitto per altre attività

• infine potrebbe anche diventare una sorgente di reddito “passivo” per gli utenti, che potrebbero offrire la propria auto per soddisfare i bisogno di altre persone. Questo, tra l’altro, libererebbe spazio dalle città, dato che oggi per il 95% del tempo le auto private stanno ferme

Chi sono i player della guida autonoma oggi?

Oggi nel settore ci sono due grandi trend:

• Da una parte, costruttori e aziende tech stanno cercando di sviluppare software che possano adattarsi su qualsiasi auto per eliminare completamente il driver

• Dall’altra, in molti si stanno concentrando sull’offrire la guida autonoma sotto forma di robotaxi: un solo veicolo che, condiviso, serve più persone nel corso della giornata. Un’alternativa più economica e diffusa al taxi.

Proviamo a vedere i principali player, divisi per segmento:

Robotaxi - Stati Uniti

• Waymo, controllata da Alphabet (la holding di Google) fa 500.000 corse a pagamento alla settimana, il triplo dell’anno scorso, in dieci città americane. Ha una flotta di circa 3.000 veicoli e ha l’obiettivo di raggiungere 1 milione di corse settimanali entro fine anno. In questi mesi si sta espandendo oltre gli Stati Uniti, aprendo a Tokyo e cominciando a sperimentare, proprio questa settimana, a Londra

  

• Tesla, dopo oltre 10 anni dal primo annuncio, ha finalmente offerto le prime corse a pagamento dei suoi Robotaxi ad Austin, in Texas. Nel 2019, all’Autonomy Day, Elon Musk aveva promesso un milione di robotaxi Tesla in strada entro il 2020. In realtà oggi sono davvero pochi. Ne ho provata una e, con mia grande sorpresa, una volta salito ho trovato sul sedile del passeggero una persona che si è presentata come “safety operator”. Nella visione di Musk, oltre ad avere una flotta di “robotaxi” gestiti direttamente da Tesla, chiunque avrà un’auto Tesla potrà metterla a disposizione, guadagnando una commissione quando la sua auto porta a termine una consegna.

  

• Zoox, di proprietà di Amazon, che sta sviluppando questa tecnologia anche per i propri magazzini. È stata lanciata a Las Vegas a settembre 2025

  

• Nuro, nato come robot da consegna e ora ha sviluppato 35.000 veicoli in 5 anni, lanciando il prodotto in Silicon Valley

Robotaxi - Cina

• Baidu Apollo Go, è il progetto della “Google cinese”, che realizza già +300k corse settimanali e che in questo momento opera a Wuhan, nella periferia di Pechino, a Guangzhou e a Shenzhen e si sta preparando all’espansione ad Abu Dhabi, Dubai, Hong Kong, in Svizzera e in altri Paesi europei.

• Pony.ai, è un’azienda quotata al Nasdaq, con una flotta di 1.400 robotaxi (tra cui alcuni anche in Crozia) ed è pronta a espandersi in medio oriente, con oltre 1.000 veicoli entro il 2028

• WeRide, anche questa quotata al Nasdaq, è l’azienda in maggior crescita: alla fine del 2025 ha registrato una crescita degli utenti del +900% rispetto all’anno precedente e ha già 250 robotaxi fuori dalla Cina e dagli USA

Anche in Europa si stanno cominciando a muovere le cose:

• Wayve, in UK, ha appena raccolto un round da $1,2 miliardi che non opera flotte ma sviluppa un sistema operativo, un software, per rendere autonoma la guida di qualsiasi veicolo

• Applied EV, in Norvegia e Finlandia, è leader nello sviluppo e nella gestione di flotte di autobus a guida autonoma

• MOIA, di proprietà del gruppo Volkswagen, lancerà entro la fine dell’anno microbus autonomi, almeno in una prima fase con un “safety operator” a bordo. A Los Angeles hanno già fatto dei test con Uber

• Niulinx, è la più recente aggiunta a questa lista. È un’azienda tutta italiana, nata come spinoff del progetto del Prof. Savaresi al Politecnico di Milano e guidata da Luca Foresti. Questa settimana ha annunciato il primo round di investimento da $38 milioni, per cominciare a lavorare con l’obiettivo di portare il robotaxi in Italia e in Europa entro i prossimi 3 anni.

  

Dove si gioca oggi la sfida della guida autonoma?

Oggi nel settore ci sono tre sfide: quella tecnologica, quella finanziaria e quella regolatoria.

La prima sfida è Tecnologica

Gli approcci per costruire un’infrastruttura in grado di scalare a costi marginali bassi sono di 3 tipi:

• Waymo usa lidar, radar e camere. La filosofia è quella dell’aviazione: sistemi multipli non falliscono insieme. Se una camera viene accecata dal sole, il lidar continua a vedere. Se il lidar si confonde con la pioggia battente, il radar tiene. Il problema è che questo stack costa di più, pesa di più e richiede un’integrazione totale. Per questo Waymo gestisce tutto in casa: software, veicolo, servizio di ride-hailing.

• Tesla scommette sul vision-only, sul presupposto che se a un umano bastano un paio d’occhi per guidare, a un’auto bastino otto camere. Il vantaggio, in teoria, è clamoroso: un pacchetto di sensori che costa poche centinaia di dollari invece che decine di migliaia, e che può essere installato su milioni di auto già in circolazione. Negli anni Tesla ha raccolto una quantità enorme di dati dalle auto che girano nel mondo, ma rispetto a Waymo è ancora indietro.

  

• Wayve sta sviluppando una terza via: una rete neurale che impara a guidare come un modello linguistico impara a scrivere, senza mappe e senza regole scritte a mano. L’obiettivo non è gestire una flotta, ma vendere il proprio “AI Driver” come fosse un sistema operativo, installabile su qualsiasi auto.

La vera domanda, a questo punto, è se la guida autonoma sarà un prodotto integrato verticalmente (Waymo), una funzione di un’auto (Tesla) o un software che gira su qualsiasi veicolo (Wayve). E più che una domanda ingegneristica, questa è una domanda finanziaria.

La seconda sfida è Finanziaria

Negli ultimi mesi abbiamo capito che la guida autonoma non è più un problema di ricerca ma di capitali. A febbraio Waymo ha chiuso un round da $16 miliardi a una valutazione di $126 miliardi, più che raddoppiando il proprio valore in 16 mesi. Pochi giorni dopo, Wayve ha annunciato un round da $1,2 miliardi, a cui hanno partecipato anche Nissan, Mercedes e Stellantis che ci vedono un’opzione per il proprio futuro, senza dover costruire Waymo in casa.

Se Wayve riuscisse a vendere software come Microsoft vende Windows, il business dei robotaxi diventerebbe un’altra cosa: asset-light, economie di scala, ricavi ricorrenti.

Sul fronte opposto c’è Tesla, la cui valutazione è completamente disallineata rispetto alle altre aziende automotive perchè include già la scommessa degli investitori che la flotta di robotaxi sarà presto attiva.

Nel frattempo, le unit economics vere, quelle del singolo veicolo, della singola corsa, restano opache. La sfida finanziaria si riduce a una domanda: quanto ci vuole a raggiungere il break-even su una singola corsa?

Proprio per questo sul mercato sta emergendo un altro approccio, quello degli aggregatori. Perché un conto è costruire la tecnologia, un altro è riuscire a farla usare. Il problema, come sempre, è la distribuzione.

Uber, per esempio, non possiede nessun veicolo autonomo, e quindi non ha alti costi di struttura, ma sta diventando il marketplace di riferimento per la guida autonoma negli Stati Uniti. Sta firmando partnership con tutti i principali operatori, offrendo in cambio l’accesso a miliardi di utenti. L’unica che non ha aderito è Tesla che, avendo già il suo network di auto sulla strada, non ha bisogno della distribuzione di Uber.

Anche Lyft, principale competitor di Uber, ha firmato una partnership con Baidu Apollo Go per UK e Germania, e una con May Mobility negli Stati Uniti. Mentre Grab, leader nel sud-est asiatico, ha chiuso un accordo con WeRide a Singapore.

Infine la sfida Regolatoria

Questa è la parte più importante. Di chi è la responsabilità se un robotaxi, con un passeggero a bordo, provoca un incidente? Del costruttore? Dell’ingegnere che ha scritto il software? Del passeggero?

Nel mondo ci sono, di nuovo, 3 approcci diversi.

• Gli Stati Uniti usano un sistema di self-certification: è il produttore a dichiarare la conformità, e i regolatori intervengono solo quando emergono difetti di sicurezza. Non esiste ancora un framework federale per i veicoli autonomi, e ogni Stato si muove con regole proprie. Per questo in alcuni Stati può operare solo Waymo, in altri solo Tesla.

• In Cina l’approvazione arriva direttamente dallo Stato, che autorizza i progetti pilota in città designate: Pechino, Shanghai, Wuhan, Shenzhen.

• L’Europa ha scelto la strada più prudente, e opposta a quella americana: prima di vendere un’auto autonoma bisogna dimostrare che è sicura, con test e approvazioni valide per tutti gli Stati membri. Il risultato è che in Europa abbiamo le regole pronte, ma pochissime auto autonome in circolazione: solo Germania, Svizzera e Repubblica Ceca permettono oggi la guida di Livello 3. L’Italia è ferma a livelli di guida autonoma più bassi, in cui il conducente ha ancora pieno controllo del veicolo.

Ma, come mi ha detto Luca Foresti su Actually, la vera partita si gioca sui dati. È una tecnologia strategica, e Stati Uniti e Cina stanno già regolando l'espansione delle proprie aziende all'estero. Allo stesso tempo, ogni Paese sta regolando in entrata l'arrivo delle aziende straniere, spesso obbligandole a siglare accordi con operatori locali.

Questa è la grande opportunità di costruire il player europeo della guida autonoma: e Niulinx si è lanciata proprio in questa gigantesca sfida!

Quali saranno le conseguenze dalla guida autonoma?

Fin qui abbiamo parlato di chi costruisce cosa e di chi ci mette i soldi. Ma la domanda più interessante, che qualche anno fa si è posto anche Benedict Evans, è un’altra: cosa succederà davvero quando le auto si guideranno da sole?

L’effetto ovvio è il crollo degli incidenti. Oggi in Italia gli incidenti stradali fanno più di 3.000 morti all’anno, con un costo sociale stimato in €18 miliardi, circa l’1% del PIL. Nell’Unione Europea la cifra sale a 20.000 vittime e oltre €120 miliardi.

Ma la cosa che mi affascina di più è come cambierà l’auto nella sua forma. Non solo perché, senza incidenti, sarà ridisegnata senza airbag, senza zone a deformazione, più leggera. Ma soprattutto perché cambierà la sua forma per diventare utile ad altro. Oggi l’auto ha una geometria ben definita: il guidatore davanti, i passeggeri dietro o di fianco. Se il conducente non dovrà più preoccuparsi della strada, quella geometria salta: l’auto potrebbe diventare più aerodinamica, oppure a forma di “salotto” pensato per parlare o per lavorare.

E se il margine di errore diventa quasi inesistente, le auto potrebbero viaggiare a pochi centimetri l’una dall’altra, ad altissima velocità. In alcune zone non servirebbero più semafori, né corsie e questo cambierebbe la forma delle strade e, soprattutto, lo spazio dedicato ai parcheggi, liberando una quantità enorme di suolo urbano.

Cambia il pendolarismo e cambia la grande distribuzione, che oggi vive dell’arbitraggio tra costo del suolo e disponibilità delle persone a mettersi in macchina. Come ha scritto Evans: l’auto autonoma creerà più miliardari nel real estate e nel retail che nel tech o nel manifatturiero.

E poi c’è il tema economico. Eliminare l’autista riduce drasticamente il costo di una corsa, che verrebbe abbassato ancora dall’azzeramento del premio assicurativo. A quel punto la distinzione tra auto privata, taxi e autobus non esisterebbe più: cos’è un Uber condiviso da cinque persone rispetto a un autobus semivuoto da dieci?

Da lì si arriva al lavoro.

In Italia mancano già oggi circa 22.000 camionisti, in Europa oltre mezzo milione. Ma il dato più importante è un altro: l'età media dei conducenti in Italia e in Europa è intorno ai 47 anni, gli under 25 sono appena il 2,2%, e il 45% ha più di 55 anni. Entro i prossimi dieci anni metà degli attuali autisti italiani sarà andata in pensione, senza un ricambio generazionale adeguato e su un orizzonte di 10/20 anni praticamente non ce ne saranno più. Paradossalmente, la guida autonoma potrebbe essere la risposta a una carenza che le politiche del lavoro non sono riuscite a risolvere.

Infine, c’è il tema della privacy. Un’auto piena di sensori e telecamere è anche un’auto che genera dati, dati che possono finire nelle mani sbagliate, o che lo Stato potrebbe pretendere dai costruttori.

Vedremo…

Ma la domanda che conta adesso non è più se le auto guideranno da sole. È cosa succederà quando lo faranno. Dopo 100 anni di promesse infrante, una Chandler guidata da un uomo nascosto dentro l’auto, un Hummer che prende fuoco nel deserto del Mojave e scommesse miliardarie, è arrivato il loro momento.

E come ripeto sempre, è sempre valsa la pena essere ottimisti.

Questo episodio è supportato da Tot.

Stai costruendo agenti AI che eseguono task in autonomia, ottimizzi workflow con OpenClaw, deleghi a Claude le operazioni ripetitive. Hai pensato a tutto, tranne che la gestione finanziaria della tua azienda è ancora un caos di Excel, note spese in sospeso e commissioni bancarie che nessuno ha mai chiesto.

Il punto è semplice: puoi automatizzare il mondo fuori, ma se dentro l’azienda il denaro si muove ancora a mano, stai perdendo tempo e controllo.

Tot è il conto business pensato per chi non vuole perdere tempo.

👉 Carte con limiti personalizzati per il team — Sai esattamente chi spende cosa e quando, senza aspettare i rimborsi a fine mese. Come un agente ben configurato: nessuna sorpresa.

👉 Bonifici, F24 e fatture da un’unica app — Niente più tool separati, niente più login su portali bancari degli anni 2000. Un’unica interfaccia, zero commissioni nascoste.

👉 Riconciliazione fatture automatica — Scatta una foto allo scontrino, associa la transazione, chiudi. Il commercialista ringrazia, tu non ci pensi più.

Se stai delegando decisioni agli agenti AI, inizia a delegare anche il caos finanziario. Con Tot hai visibilità immediata sul cash flow, carte aziendali per tutto il team e una UX che funziona davvero, non una che “si sopporta”.

Meno burocrazia, più impresa.

Scopri Tot.

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Le cose più interessanti che ho letto, ascoltato e guardato questa settimana:

• Tutta la storia di Ferrari [Acquired]: Acquired continua ad essere il miglior podcast business mai creato, entrando con dettagli incredibili nella storia, nelle scelte strategiche e nell’evoluzione dei business model delle aziende che analizza

• La lista delle 50 più importanti aziende di AI [Forbes]: grandi nomi ma anche qualcosa di meno conosciuto. Tra queste, ovviamente, solo 5 sono europee

• La clipping economy [Ed Elson]: i video brevi sono diventati il vero prodotto dei podcast e delle live. Questa è la ragione per cui OpenAI ha comprato il podcast TBPN per $200 milioni (io ne avevo parlato in questa newsletter)

• Justin Bieber al Coachella ci ricorda un Internet che non esiste più [Samir Chaudry]: Justin Bieber stata l’ultima persona ad andare virale su internet, più di 20 anni fa, essendo solo sé stesso e senza costruire artificialmente quella viralità

• La storia di BasicNet [Actually]: il podcast più lungo che abbia mai registrato, per raccontare una storia imprenditoriale italiana che mi ha completamente assorbito per settimane. Marco Boglione è un uomo straordinario e vorrei che molte più persone, soprattutto giovani, leggessero la sua biografia

• L’AI ha un problema di comunicazione [The New Yorker]: Sam Altman, dopo aver passato anni a dire che l’AI avrebbe distrutto il mondo, ora vuole “abbassare i toni” sul tema

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da Tot.

La storia della settimana

Nel 1995, Marc Pincus fonda a 32 anni la sua prima startup, FreeLoader, un sistema che scarica automaticamente le notizie da internet mentre l’utente è offline, in modo da poterle leggerle senza connessione.

Alla stessa idea sta lavorando anche un’altra azienda, PointCast, basata a Sunnyvale e a uno stadio molto più avanzato di sviluppo. Per riuscire a “vincere” il mercato, Pincus comincia a spendere $1.500 al mese in pubblicità anche se il prodotto non è ancora pronto.

La strategia funziona: FreeLoader attira investimenti da Fred Wilson, che sarebbe diventato uno dei più influenti venture capitalist d'America, e da SoftBank. Arriva una partnership con MSNBC (di cui ho raccontato la storia nella newsletter di settimana scorsa) per i contenuti, sponsorizzazioni da IBM e AOL, 100 mila utenti attivi.

7 mesi dopo, nel giugno 1996, FreeLoader viene venduta a Individual Inc. per $38 milioni.

Dopo l’esperienza di FreeLoader, Pincus fonda un paio di altre aziende, tra cui Tribe.net, uno dei primissimi social network della storia.

Nel frattempo, investe in nuovi business legati a internet tra cui Napster (fondata da Sean Parker che, a 14 anni, aveva fatto un’internship proprio in FreeLoeader) e Facebook (a cui accede grazie alla connessione con Reid Hoffman, futuro fondatore di LinkedIn, che aveva conosciuto ai tempi di Tribe). In Silicon Valley comincia a costruirsi una reputazione di uno che capisce prima degli altri la direzione che sta prendendo Internet.

Nel 2007 arriva Zynga, che chiama così in onore del suo bulldog, Zinga, morto poco prima. È la sua quarta azienda e nasce come software house per lo sviluppo di videogiochi fruibili all’interno di Facebook.

In quel momento, l’azienda di Zuckerberg ha 3 anni e 14 milioni di utenti. Ha appena aperto le sue API agli sviluppatori esterni, che significa che chiunque può costruire applicazioni che girano all’interno della piattaforma.

Il primo prodotto che Zynga rilascia è Texas Hold'Em Poker, lanciato su Facebook in luglio 2007. Pincus, in quel momento, è uno dei più grandi esperti delle logiche dei social media e sa esattamente cosa fare: il poker è un gioco semplice, immediato e soprattutto ha senso solo se ci sono altri giocatori, è “social” per definizione.

Poi arriva FarmVille, il 19 giugno 2009, un gioco sviluppato in 6 settimane da un team di 9 persone. Il gioco diventa subito virale grazie a un meccanismo costruito con grande precisione: ogni azione nel gioco genera una notifica sul profilo Facebook del giocatore. Per esempio le colture appassiscono se non torni in tempo e per ottenere risorse extra devi coinvolgere gli amici. Il newsfeed di milioni di utenti si riempie di aggiornamenti sulle proprie fattorie e in una settimana FarmVille raggiunge 1 milione di utenti attivi al giorno (al picco saranno 32 milioni).

Nel giro di 4 anni dalla fondazione, Zynga ha 300 milioni di utenti mensili, 3.000 dipendenti e rappresenta circa il 20% di tutte le pagine viste su Facebook e il 19% dei ricavi di Facebook: Zynga ha bisogno di Facebook per distribuire i giochi e Facebook ha bisogno di Zynga per tenere gli utenti incollati alla piattaforma.

A Settembre del 2011, Pincus sale sul palco del NASDAQ per quotare Zynga. Raccoglie $1 miliardo a una valutazione di $14 miliardi. Lui, che possiede il 18% della società diventa miliardario.

Il mercato adora Zynga soprattutto per una metrica: i Daily Active User (DAU), gli utenti che ogni ogni giorno entrano all’interno di uno dei giochi dell’azienda. I DAU diventano il numero su cui si misura tutto: è quello che Pincus presenta agli investitori, è quello che appare nei report, è quello su cui vengono calcolati i bonus dei manager. Sono 72 milioni al momento dell’IPO.

Tutta l’azienda guarda e cerca costantemente di incrementare quel numero, perdendo di vista il vero obiettivo. Il problema, infatti, è che i DAU misurano il traffico, cioè quante persone aprono l’app ogni giorno, ma non il valore che gli utenti generano. La verità è che, in quel momento, solo l’1-3% dei giocatori è disposto a pagare per ottenere gli oggetti virtuali offerti dai giochi. Tutti gli altri sono lì perché il gioco ha costruito un sistema che crea “dipendenza” (colture che appassivano, notifiche aggressive, meccaniche sociali che rendono difficile smettere senza sentirsi in colpa verso gli amici).

La metrica su cui era stato costruito tutto, i DAU, non è sbagliata di per sè ma è “vuota” perché non misura l’interesse degli utenti e soprattutto non misura la capacità / volontà di spesa di quegli utenti. E nel momento in cui diventa l’obiettivo principale dell’azienda, smette di essere una misura affidabile di qualsiasi cosa.

Questo l’aveva in realtà già teorizzato negli anni ‘70 Charles Goodhart, economista consulente della Bank of England, poi ripreso dalla sociologa Marilyn Strathern in una formulazione diventata celebre: “when a measure becomes a target, it ceases to be a good measure.”

Cosa c’entra tutto questo con l’AI?

La settimana scorsa, durante un episodio di The All In Podcast, Jensen Huang ha detto che sarebbe molto preoccupato se un ingegnere che guadagna $500k l’anno non stesse bruciando almeno altri $250k dell’azienda per utilizzare l’AI nel proprio lavoro. Infatti chi utilizza l’AI tutto il giorno nel proprio lavoro (soprattutto gli ingegneri) non ha accesso a semplici abbonamenti ma a piani “su misura” basati sulla quantità di “token” spesi, cioè alle unità che le AI utilizzano per elaborare le risposte.

Anche Andrew Bosworth, il CTO di Meta, a febbraio aveva raccontato di un suo ingegnere che spende in token l’equivalente dell’intero stipendio annuale, aumentando la sua produttività di 10x, e invitando tutti gli altri dipendenti a fare lo stesso.

E forse anche per questa ragione, un dipendente di Meta ha costruito una classifica interna chiamata Claudeonomics che tracciava il consumo di token di Anthropic di 85.000 colleghi. La classifica, assolutamente non ufficiale e puramente goliardica (è stata eliminata in questi giorni), aveva registrato l’utilizzo di 60 mila miliardi di token all’interno dell’azienda. Addirittura, l’utente che ne aveva usati di più ne aveva consumati 281 miliardi, quasi 9 miliardi al giorno (per fare un confronto, una conversazione normale con un modello AI usa tra 1.000 e 10.000 token)

La produttività nell’era AI sembra misurarsi in token consumati: chi ne consuma di più, evidentemente lavora di più e chi lavora di più, vale di più per l’azienda.

Il problema è che questa logica si inceppa quasi subito: esattamente come aveva predetto Goodhart, alcuni dipendenti, per scalare la classifica o per risultare migliori agli occhi del proprio manager, lasciano girare gli agenti AI a vuoto per ore.

Se all’epoca di Zynga si guardavano i DAU come metrica chiave, oggi si guarda ai token. In entrambi i casi, però, si sta misurando solamente quante persone hanno aperto un’app o usato un servizio, non cosa ci hanno effettivamente fatto.

Eppure, parlando di produttività e AI, c’è un aspetto che vale la pena analizzare meglio, soprattutto in Italia.

Cos’è il tokenmaxxing?

È un termine che circola negli uffici di Silicon Valley e che spinge i dipendenti a usare il più alto numero di token come prova di produttività, come gara a chi usa di più l’AI. Ma proviamo a leggere il fenomeno al contrario.

Chi guida davvero le classifiche, chi non lascia girare le AI a vuoto, sta facendo una cosa apparentemente paradossale. Sta automatizzando parti del proprio lavoro che prima richiedevano ore per essere portate a termine. Sta svuotando il proprio ruolo di tutto ciò che non richiede giudizio umano e sta, in sostanza, automatizzando se stesso fuori dal proprio ruolo attuale.

E io credo che dovresti cominciare a farlo anche tu.

Qualche settimana fa ho scritto una newsletter, una tra le più lette, che provava a rispondere alla domanda “L’AI ci ruberà il lavoro?”.

Da quella newsletter sono nate alcune conversazioni molto interessanti che mi hanno portato a formulare la seguente tesi: le organizzazioni più illuminate cominceranno presto a premiare esattamente i dipendenti che, volontariamente, si renderanno obsoleti a causa / grazie all’AI.

Mi spiego meglio: immagina uno scenario in cui un dipendente va dal proprio manager, dimostrando di aver automatizzato il proprio ruolo (o una parte noiosa del proprio ruolo). L’idea che l’azienda possa dire a questa persona “grazie per il lavoro che hai fatto, ora non ci servi più” è assurda. Quel dipendente con tutta probabilità non solo non verrà licenziato ma anzi, probabilmente verrà promosso e gli verranno affidati degli obiettivi e dei problemi da affrontare ancora più grandi.

Il punto, quindi, è consumare più token possibili per eliminare tutto ciò che non andava fatto in primo luogo.

Perché in Italia è ancora più urgente ripensare totalmente il lavoro con l’AI?

L’Italia è penultima in Europa per competenze AI. Nel 2025, solo il 19,9% degli italiani tra i 16 e i 74 anni ha dichiarato di aver utilizzato strumenti di AI generativa negli ultimi tre mesi (la media UE è del 32,7%). Solo la Romania, con il 17,8%, è messa peggio di noi.

Questo numero, va collegato a un altro dato troppo spesso sottovalutato: secondo Billari, il rettore della Bocconi, stiamo per assistere a uno dei più grandi shock demografici di sempre. A questi ritmi di natalità (in Italia ci sono 1,2 figli per donna) nel 2040 gli italiani saranno già 3 milioni in meno e nel 2080 saranno meno di 46 milioni. Questo significa che il numero di lavoratori attivi scende, che il peso degli anziani sul sistema aumenta e che la torta si restringe.

Il capitale umano dovrà essere sostituito con capitale tecnologico e, per farlo, sarà necessario digitalizzare totalmente i processi. Dovremo imparare a usare l’AI non tanto per fare esattamente le stesse cose che facevano prima solo un po’ più veloci (riformattare una mail con ChatGPT) ma automatizzare totalmente parti intere del nostro lavoro per poterci dedicare a nuovi task.

L’AI, e più in generale la tecnologia, dovrà essere usata per creare dei nuovi tipi di azienda, che funzionano in modo diverso e che non applicano semplicemente un ulteriore grado di complessità ai (troppi) processi già attivi oggi.

Cosa dovrei fare, concretamente, per usare l’AI nel mio lavoro?

Dharmesh Shah, CTO di HubSpot, recentemente ha scritto una cosa che mi è rimasta particolarmente impressa: “The skill that matters is no longer your job title, your years of experience, or even your technical background. The skill that matters is curiosity and determination”.

La curiosità e la determinazione a voler fare qualcosa di nuovo e automatizzare totalmente parti intere del proprio lavoro sarà ciò che permetterà alle persone di essere promosse. Il suo è un framework talmente semplice che in effetti l’avrebbe potuto scrivere pure un’AI:

• Inizia in piccolo. Parti dal fare la domanda giusta: cosa crea davvero valore nel mio lavoro? E cosa lo simula soltanto? A quel punto puoi identificare le parti del tuo lavoro che sono inefficienti o ripetitive. Da lì, non cercare di automatizzare tutto subito, scegli una cosa sola, quella che ti pesa di più, quella che richiede tempo ma non richiede vero giudizio.

• Prova a fare le prime automatizzazioni. Usa gli strumenti che hai a disposizione. Se non funziona subito, metti un reminder sul calendario tra 6 mesi e riprova. Il settore si muove talmente in fretta che tra qualche mese sarà possibile fare cose che oggi sono ancora inimmaginabili.

• Condividi i risultati. Non appena riesci ad automatizzare qualcosa, anche qualcosa di piccolo, raccontalo al team o al tuo manager. Non nasconderlo. Qualsiasi azienda ragionevole ti vedrà come una persona che risolve problemi e ti userà come modello.

C’è una frase che avrai visto e rivisto dappertutto “L'IA non ti ruberà il lavoro, ma qualcuno che usa l'IA sì”. È una frase tecnicamente vera ma totalmente inutile perché non dice nulla, non spiega quale lavoro, che tipo di AI, come usarla questa AI etc.

Il mio consiglio è quindi partire da un altro punto di vista: quale problema più grande potrei risolvere se l’AI gestisse le parti del mio lavoro che non avrei mai dovuto fare io?

Poi, se vuoi, leggi questa newsletter che ho scritto qualche settimana fa con le istruzioni su come creare le prime automazioni del tuo lavoro con Claude 👇

Le aziende cercheranno sempre di più persone che abbiano già fatto il lavoro sporco: che abbiano identificato cosa l’AI può fare meglio di loro, che lo abbiano automatizzato, e che siano rimaste libere di concentrarsi su quello che conta davvero.

Perché se hai paura che l’AI ti rubi il lavoro, probabilmente ti stai concentrando sul problema sbagliato.

Questo episodio è supportato da Tot.

Stai costruendo agenti AI che eseguono task in autonomia, ottimizzi workflow con OpenClaw, deleghi a Claude le operazioni ripetitive. Hai pensato a tutto, tranne che la gestione finanziaria della tua azienda è ancora un caos di Excel, note spese in sospeso e commissioni bancarie che nessuno ha mai chiesto.

Il punto è semplice: puoi automatizzare il mondo fuori, ma se dentro l’azienda il denaro si muove ancora a mano, stai perdendo tempo e controllo.

Tot è il conto business pensato per chi non vuole perdere tempo.

👉 Carte con limiti personalizzati per il team — Sai esattamente chi spende cosa e quando, senza aspettare i rimborsi a fine mese. Come un agente ben configurato: nessuna sorpresa.

👉 Bonifici, F24 e fatture da un’unica app — Niente più tool separati, niente più login su portali bancari degli anni 2000. Un’unica interfaccia, zero commissioni nascoste.

👉 Riconciliazione fatture automatica — Scatta una foto allo scontrino, associa la transazione, chiudi. Il commercialista ringrazia, tu non ci pensi più.

Se stai delegando decisioni agli agenti AI, inizia a delegare anche il caos finanziario. Con Tot hai visibilità immediata sul cash flow, carte aziendali per tutto il team e una UX che funziona davvero, non una che “si sopporta”.

Meno burocrazia, più impresa.

Scopri Tot

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Cosa ho letto questa settimana

• Che capo è Sam Altman? [The New Yorker]

• Un’analisi di uno dei più grandi investitori della Silicon Valley [Bill Gurley]

• L’incredibile inchiesta del New York Times su Satoshi Nakamoto [New York Times]

Cosa ho ascoltato questa settimana

• Chi è davvero Satoshi Nakamoto, l’inventore di Bitcoin? [Actually]

• Evan Spiegel, il CEO di Snap [David Senra]

• Demis Hassabis con Cleo Abram, intervista incredibile [Huge If True]

Cosa ho guardato questa settimana

• Perché OpenAI ha comprato TBPN? [Ashley Carman]

• L’incredibile investimento di Chamath su Groq [Chamath Palihapitiya]

• La storia di Nude Project, raccontata da quei fenomeni di Piccoli Mondi [Piccoli Mondi]

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da Scalable Capital

La storia della settimana

Il 14 dicembre 1995, al 30 Rockefeller Plaza, uno dei grattacieli più alti di New York, Bob Wright, Presidente della rete televisiva NBC, presenta un nuovo progetto per “creare il giornalismo del prossimo millennio”. Un nuovo canale con un’offerta mai vista prima: nessuna rete televisiva, dice, ha mai proposto una copertura delle notizie così ampia e così profonda.

Durante la presentazione, dietro di lui, collegato in videochiamata da Hong Kong, appare Bill Gates, in quel momento alla guida di Microsoft, l’azienda che aveva fondato 20 anni prima, e secondo uomo più ricco del mondo.

In quel momento, Bob Wright, che è il Presidente di NBC da quasi 10 anni, ha ormai capito che il futuro non sarebbe stato della televisione tradizionale. Lo capisce guardando la crescita di CNN, che dal 1980 trasmette notizie 24 ore su 24 e sta lentamente erodendo l'attenzione del pubblico americano. Aveva risposto coinvolgendo un certo Roger Ailes, produttore televisivo geniale ed ex consulente di Nixon e Reagan, con cui aveva lanciato CNBC, un canale di business news, e poi un secondo canale chiamato America's Talking. Ma c’è bisogno di altro. Wright vuole essere parte della conversazione sul futuro di internet ma non ha il know-how tecnologico per farlo da solo e ha bisogno di un partner.

Microsoft, d’altra parte, sta combattendo una guerra con Netscape che, con il suo browser, si sta prendendo tutto il credito per aver fatto conoscere Internet al grande pubblico (ho raccontato la sua storia qui). Gates aveva risposto lanciando Internet Explorer e i servizi di MSN (le mail, messanger, etc), ma aveva capito che la tecnologia da sola non bastava. Serviva anche il contenuto: un motivo per cui le persone aprissero ogni giorno qualcosa che portasse il nome Microsoft.

Le due necessità si incontrano e nasce così un accordo storico.

Microsoft investe $221 milioni per il 50% di questo nuovo canale televisivo. I due soci si dividono anche i costi di una nuova redazione da $200 milioni a Secaucus, nel New Jersey. NBC, infine, offre qualcosa di preziosissimo: un canale televisivo che ha già un grande traffico, quello di America’s Talking.

Il 15 luglio 1996, alle 9 del mattino, in 20 milioni di case americane collegate alla televisione via cavo, America’s Talking smette di trasmettere. Su quello stesso canale, dopo un lungo loop di promo, compare uno studio con luci fredde, una scrivania e una conduttrice di nome Jodi Applegate che guarda in camera e annuncia: “Benvenuti su MSNBC”.

In fondo allo schermo, tra le prime volte in assoluto nella storia della televisione americana, scorre qualcosa che la maggior parte degli spettatori non aveva mai visto prima: un indirizzo email, a cui gli utenti potevano scrivere per connettersi e interagire con la redazione.

Cosa significa “Content is king”?

All’inizio di quell’anno, a gennaio 1996, Gates pubblica sul sito di Microsoft un saggio (che oggi viene spesso frainteso) intitolato “Content is King” che comincia così: “Il contenuto è dove mi aspetto che si facciano i veri soldi su internet, proprio come è accaduto nel broadcasting”.

La tesi di Gates è semplice ma, con il senno del poi, visionaria. La rivoluzione televisiva aveva generato un’intera industria (i produttori di televisori, i tecnici, le antenne) ma i veri vincitori sul lungo periodo non erano stati quelli che avevano costruito l’infrastruttura ma chi ha usato quel mezzo per creare il contenuto (l’informazione e l’intrattenimento).

La stessa cosa, secondo lui, sta per succedere con internet.

Da qui nasce quindi l’accordo con NBC: le due aziende avrebbero creato un canale televisivo di news, MSNBC, e un servizio di news interattive su Internet.

30 anni dopo, la storia di ripete: questa settimana OpenAI ha annunciato l’acquisizione di TBPN, uno dei podcast più influenti della Silicon Valley.

Microsoft nel 1996 era un'azienda tecnologica che dominava il suo settore ma sentiva di star perdendo la guerra della narrativa. Anche allora c'era la convinzione che possedere un media influente, non il più grande, ma quello giusto, ascoltato dalle persone giuste, valesse più di qualsiasi campagna pubblicitaria. Anche allora era stato promesso che il media acquisito avrebbe mantenuto la sua indipendenza editoriale. E anche allora, a gestire quella promessa, era stato chiamato qualcuno con un curriculum tutt’altro che giornalistico.

Perché OpenAI ha comprato TBPN?

Proviamo a ripercorrere, uno per uno, i parallelismi tra l’operazione di Microsoft con MSNBC e OpenAI con TBPN:

1. OpenAI domina il settore ma sta perdendo la guerra della narrativa

OpenAI è un’azienda incredibile con numeri, per ora, altrettanto incredibili:

• OpenAI è stata la piattaforma tecnologica più veloce a raggiungere 10 milioni di utenti, la più veloce a raggiungere 100 milioni di utenti e a breve sarà la più veloce a raggiungere 1 miliardo di utenti attivi settimanali

• In un solo anno dal lancio di ChatGPT, ha raggiunto $1 miliardo di fatturato. Alla fine del 2024 generava $1 miliardo a trimestre. Oggi genera $2 miliardi al mese

• Nel settore consumer, ChatGPT ha +900 milioni di utenti attivi settimanali e oltre 50 milioni di abbonati. La piattaforma registra 6x le visite web e le sessioni mobile mensili rispetto alla seconda app di AI più usata, mentre il tempo totale trascorso con l'AI è 4x superiore a quello di tutte le altre messe piattaforme di AI messe insieme

• L'utilizzo della ricerca è quasi triplicato in un anno e il progetto pilota per l’adv ha raggiunto oltre $100 milioni di ARR in meno di sei settimane (ora messo in pausa)

• Ah, senza contare che ormai ChatGPT è diventato un termine di uso comune, anche quando la ricerca viene effettivamente fatta su un loro competitor

Nonostante questi dati, da mesi la narrativa intorno ad OpenAI è totalmente cambiata. Da campione dell’AI ad azienda guidata da un founder stressato, incerto sulla direzione da darle e che continua a perdere quote di mercato nei confronti della concorrenza. E come se non bastasse, l’opinione nei confronti dell’AI è sempre più negativa.

2. Non è importante possedere il media più grande ma il più influente

In OpenAI è quindi chiaro che devono rimpossessarsi della “narrativa”. Nel comunicato che annuncia l’acquisizione, hanno ben evidenziato che, se dovessero costruire un nuovo show da zero, farebbero molta più fatica a guadagnare la fiducia degli ascoltatori. E quindi diventa più semplice acquisire un’audience già fidelizzata e “some positive news” come dice Wired.

TBPN è il “Rolex della creator economy” e ha inventato un nuovo “modello” di podcast. Come ha scritto il New York Times a fine 2025, i due host (ex-founder, non giornalisti), hanno preso le ispirazioni dai posti più improbabili: la grafica delle live sportive, le scrivanie di legno delle sale riunioni, il gong tipico che annuncia il raggiungimento di milestone di vendita nella startup.

Tre ore di diretta, ogni giorno, su YouTube e X. Il contenuto live viene poi montato in video più brevi che vengono distribuiti su tutti i canali.

Su YouTube hanno 60k iscritti, su X hanno 300k followers, su Spotify, LinkedIn e Instagram sono seguiti da 30k persone.

Quello che TBPN ha capito (e che invece i media tradizionali fanno fatica ad ammettere) è che nell'era dell'abbondanza di contenuti, il vantaggio competitivo sta nella quantità, nella frequenza e nella fiducia con l’audience. Quei 60k spettatori sono esattamente le persone che vogliono raggiungere: gli investitori, i founder e i decision maker che decidono dove va il settore.

È lo stesso playbook che in questi anni ha determinato il successo del nostro podcast Actually. I nostri numeri sono più bassi rispetto ad altri prodotti editoriali ma abbiamo una fortissima base utenti fidelizzati, composta da decision maker provenienti dal mondo aziendale e della politica. Il valore economico del nostro podcast, che nel 2025 ha generato +€500k di ricavi, è superiore a quello di molti altri media.

Anche il modello pubblicitario di TBPN rispecchia questa logica: nessun host-read a rotazione. Ogni sponsor compra pacchetti annuali, ricevendo un’esclusiva sulla propria categoria merceologica, ed è presente, con modalità diverse, in ogni episodio live e in un determinato numero di clip nel corso dell’anno.

In questo modo lo show è stato profittevole da subito: nel 2025 ha realizzato $5 milioni di ricavi e nel 2026 era proiettato a $30 milioni.

3. Il media dovrebbe mantenere la sua indipendenza editoriale

Ovviamente questo è l’aspetto più critico, da entrambe le parti, in un’operazione di questo tipo. Altman afferma che lo show rimarrà editorialmente indipendente. Ma ci sono due problemi:

• Da un punto di vista economico, l'unica cosa che rendeva TBPN indipendente, e cioè il suo business pubblicitario, è stata eliminata

• Da un punto di vista editoriale, la rilevanza / credibilità viene messa sotto grande pressione dopo un’acquisizione di questo tipo. La credibilità di TBPN nasce infatti dall’essere un luogo (digitale) dove i CEO di Silicon Valley vanno a dire cose che non direbbero altrove (da questo punto di vista, il formato live è fondamentale). Questo crea un circolo virtuoso per cui la sua rilevanza culturale rende lo show ancor più seguito. Ma se gli ospiti fissi come Mark Zuckerberg, Satya Nadella, Marc Benioff dovessero decidere di non andare più sullo show del loro principale competitor, quanto rimarrà davvero rilevante?

Ci sono esempi di acquisizioni di questo tipo andate a buon fine, come Robinhood, app di investimenti, che acquisisce la newsletter MarketSnack. Ma la maggior parte di acquisizioni di media da parte del settore tech è stata disastrosa: l’esempio più importante è stata quella del Washington Post da parte di Jeff Bezos.

Il tema cruciale è sempre stata l’indipendenza del media acquisito. Questo sarà sicuramente l’aspetto più interessante da osservare anche in questo caso.

Ma quindi hanno fatto bene a comprarlo?

Ben Thompson, questa settimana, ha commentato la notizia così:

In questo caso non sono d’accordo con la sua analisi: influenza, narrativa e distribuzione (di quella narrativa) sono esattamente le cose di cui ha bisogno OpenAI in questo momento.

Quando Microsoft ha investito nel progetto MSNBC, voleva usare il canale per portare le persone su MSN. OpenAI invece, è in un’altra fase (molto più delicata) e ha altri obiettivi: l’azienda è prossima all’IPO, ha miliardi di perdite legate all’infrastruttura, opera in un mercato dove la competizione si intensifica ogni settimana e dove la narrativa ha un’influenza diretta sulla sua desiderabilità nel mercato azionario (e quindi la raccolta di $ che sarà in grado di fare).

OpenAI non investe migliaia (milioni?) di $ sponsorizzando i principali podcast mainstream americani, come fa Perplexity da Ben Shapiro o da Theo Von o come fa Anthropic su The Rest is History. Ma acquisisce direttamente un podcast per conquistare la fiducia di un pubblico già fidelizzato che rappresenta quasi al 100% potenziali clienti business (il nuovo focus di Sam Altman).

Non credo ci sia un “master plan” per il lungo periodo. Il contesto sta cambiando così rapidamente che è difficile prevedere cosa succederà. L’acquisizione di TBPN è quello che servirà ad OpenAI nei prossimi 12 mesi. E hanno talmente ha fondi che il rischio ne vale sicuramente la pena…

In ogni caso sono sicuro che molte altre aziende copieranno il playbook di OpenAI e ogni azienda tech arriverà ad avere la propria media company.

Perché ogni azienda tech avrà una propria media company?

Nel 2020, il CTO di HubSpot scriveva così:

Anche Brian Armstrong, il founder di Coinbase, nel 2021 scrive un articolo intitolato “Decentralizing Truth in the Age of Misinformation” nel cui sottotitolo ragiona proprio su come “Tutte le aziende tech dovrebbero avere una relazione diretta con i propri utenti (la propria audience) e diventare una media company”.

L’obiettivo non è tanto cercare di eliminare i media e la stampa tradizionale. Ma creare un’amplificazione ancora più grande dei propri prodotti / servizi.

Elon Musk è probabilmente il miglior esempio di questa relazione: comunica tutti i giorni in maniera diretta attraverso il suo canale X seguito da 238 milioni di persone e ricevendo ancor più attenzione dal media tradizionale che lo riprende.

La conseguenza è che le sue aziende possono permettersi di spendere molto meno in marketing:

In questi giorni mi sono accorto che ho cominciato a scrivere questa newsletter esattamente 6 anni fa. Parlo e rifletto sull’intersezione tra tecnologia, media e AI, un argomento (sempre meno) di nicchia ma comunque ancora spesso ignorato o frainteso dal media tradizionale italiano. Ogni settimana viene letta da +10k founder, investitori e startupper.

Ora, fate le vostre offerte :)

Questo episodio è supportato da Scalable Capital

Le aziende tech di cui parlo su Technicismi negli ultimi mesi sono diventate le vere protagoniste della finanza e dei mercati.

Scalable è la piattaforma che permette di investire in modo semplice e diversificare le proprie posizioni attraverso una piattaforma accessibile e intuitiva. Puoi gestire tutto da app e partire anche solo da €1.

Recentemente Scalable ha anche lanciato il Conto deposito non vincolato, che ti permette di ricevere un interesse annuo (accreditato ogni mese) del 2,50% sulla liquidità non investita. Puoi depositare e prelevare in qualsiasi momento i tuoi soldi senza perdere i rendimenti maturati fino a quel giorno. È una gestione pulita, senza quegli asterischi che ti costringono a cambiare banca o a bloccare il tuo capitale per ottenere un minimo di guadagno.

Non tenere i tuoi soldi sotto il materasso: scopri la sicurezza, l’efficienza e la trasparenza di Scalable.

Guadagna il 2,5% suoi tuoi soldi

*Interesse p.a. lordo variabile su liquidità illimitata. Condizioni e distribuzione della liquidità su scalable.capital/conto-deposito-non-vincolato.

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Cosa ho letto questa settimana

• Come AplhaGo ha innescato il boom dell’AI [The Atlantic]

• Il Giapponese dimenticato che ha reso possibile l'iPhone [Financial Times]

• Un lungo articolo sui primissimi giorni di Apple, in occasione dei 50 anni [Fast Company]

Cosa ho ascoltato questa settimana

• Il conflitto di interesse del nuovo consiglio tech di Trump [Actually]

• Marc Andreesen sul futuro di a16z [20vc]

Cosa ho guardato questa settimana

• La lectio magistralis di Paolo Ardoino [UniGe]

• Perché lavorare nel tech è diventato noioso? [Good Work]

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da tot.

La storia della settimana

Il 24 gennaio 2003, Matt Mullenweg pubblica sul proprio blog un post che titola "The Blogging Software Dilemma". In quel momento ha 19 anni, sta frequentando il primo anno all’Università del Texas e usa quello spazio online per condividere le sue passioni (fotografia e musica) e le sue riflessioni.

Nell’articolo Matt riconosce che quel suo sito web, nonostante stia continuando a crescere, non è molto stabile. La piattaforma che usa per pubblicarlo è infatti piena di bug e non viene aggiornata da mesi. Il suo nome era “b2/cafelog” ed era stata creata nel 2001 da Michel Valdrighi, un francese che, verso la fine del 2002, sparisce nel nulla e smette di rilasciare aggiornamenti e di correggere i bug di sicurezza.

Matt, nel suo articolo, ipotizza quindi di partire dal codice disponibile di “b2/cafelog” e creare un fork, cioè una nuova versione “indipendente”.

Il giorno successivo, il 25 gennaio 2003, spunta un commento. È Mike Little da Stockport, in UK, che si rivolge a Matt e gli propone di contribuire a quel progetto.

Mike, che aveva 12 anni più di Matt, aveva creato il suo primo sito web nel 1994 e aveva iniziato ad hackerare “b2/cafelog” per adattarlo alle proprie esigenze.

I due non si conoscono ma cominciano a lavorare insieme: si scrivono e coordinano via email, interagiscono con la community sui forum e quel nuovo progetto comincia così a prendere vita. I loro profili sono complementari: Mike è il programmatore esperto, Matt è il “visionario”, con una sensibilità fortissima per l'esperienza utente.

Il progetto prende sempre più forma ma per il momento non ha ancora un nome. Fino a quando Christine Tremoulet, un’amica di Matt prendendolo in giro lo soprannomina “il Gutenberg dei tempi moderni”. Guntenberg aveva infatti inventato la stampa nel XV secolo. Matt, invece, voleva portare la stampa su internet.

E così, il 1 aprile 2003, esattamente 13 anni fa, Matt crea ufficialmente il “fork” di b2/cafelog e lo nomina “WordPress”.

La nascita di WordPress è stata un momento straordinario per Internet. Da quel momento chiunque, anche chi non sa programmare, ha potuto creare il proprio blog o il proprio sito web. Il divario tra avere qualcosa da dire e riuscire a pubblicarlo si è azzerato. Non c’era più bisogno di uno sviluppatore, non c’era bisogno di un servizio di hosting, non c’era nemmeno più bisogno della disintermediazione di una media company che decideva chi meritava una voce.

13 anni dopo, poco meno del 40% delle pagine Web girano su WordPress.

Come ha scritto Om Malik: WordPress ha democratizzato la voce. Oggi, OpenClaw, è pronto a democratizzare l’azione.

Cos’è OpenClaw?

OpenClaw è un software di AI disponibile gratuitamente online che, una volta installato, diventa un assistente personale controllato da un’app di messaggistica come WhatsApp. È capace di eseguire diversi compiti, dai più semplici, come inviare e-mail, gestire calendari o usare il browser, ai più complessi, come creare delle vere routine di automazione.

Chi l’ha usato dice che è come guardare dal buco della serratura il futuro che vivremo tra qualche anno.

Ho cominciato a studiare OpenClaw dopo che in ufficio me ne ha parlato Raffi Coriglione, tra l’euforico e il preoccupato. Secondo lui questo è il primo vero esempio di come l’AI cambierà la nostra vita e il nostro lavoro: se prima trasformare un'intenzione in qualcosa di concreto richiedeva un team, un budget e una struttura, ora con OpenClaw i costi si azzerano.

Il progetto nasce come “side project” di uno sviluppatore, Peter Steinberger, che l’ha rilasciato a Novembre 2025 open source (cioè accessibile e modificabile da chiunque). Da quel momento il mondo ne è andato pazzo:

• Le persone, anche le più comuni, hanno cominciato a installarlo e usarlo: in Cina, fuori dalla sede di Tencent, centinaia di persone si sono messe in coda per farselo installare

• Gli sviluppatori hanno cominciato a costruirci dei progetti sempre più complessi: qui un video incredibile di Andrej Karpathy (cofounder di OpenAI ed ex capo dell’AI di Tesla) che spiega come ha usato OpenClaw per hackerare tutti i dispositivi connessi (luci, casse etc) a casa sua

• Le aziende di AI sono corse ai ripari: OpenAI ha subito assunto Peter, il creatore di OpenClaw (che probabilmente ora starà lavorando a una versione “closed” integrata a ChatGPT) mentre Anthropic ha premuto sull’acceleratore.

OpenClaw, in realtà, è ancora acerbo e pieno di problemi di sicurezza (per cui non si consiglia di installarlo sul proprio computer principale) ma rappresenta il primo strumento di “massa” che ci proietta direttamente nel mondo dell’AI agentica.

Cos’è l’AI agentica e perché è rilevante?

Rispetto all’AI generativa, che risponde a un input producendo un output (un testo, un’immagine, un audio, delle righe di codice), l’AI agentica è un sistema che persegue un obiettivo in autonomia. Invece di rispondere a un singolo prompt, l’AI è in grado di fare diverse azioni: pianificare, navigare, mettere in relazione informazioni, valutare i risultati, cambiare strategia e portare a termine il task senza un intervento umano continuo.

Sarà con l’AI agentica che cambierà davvero il nostro rapporto con la tecnologia cominciando ad automatizzare le parti più ripetitive del nostro lavoro.

In questo contesto Anthropic è forse l’azienda di AI più avanzata. Con il rilascio di Claude Cowork ha dato la possibilità a chiunque di usare il suo modello più recente per il “vibe working”, l'equivalente del vibe coding, ma per il lavoro d'ufficio in senso lato. L'utente può dar accesso a Claude al computer, permettendogli di modificare file, redigere report ed eseguire altre azioni al suo interno.

Anche io in questi giorni ho creato i miei primissimi (e semplicissimi) “agent” con Claude Cowork. Sono primi esperimenti di workflow automatizzati in cui l’input è ancora totalmente umano (il mio) ma l’AI comincia a ragionare in maniera autonoma su come raggiungere l’output.

Il primo agent ha l’obiettivo di creare un report mensile sull’andamento di questa newsletter. Ci sono alcune metriche chiave che deve tenere in considerazione, che vanno comparate con le stesse metriche del mese precedente: crescita degli iscritti e churn, tasso di apertura, letture totali, gradimento / commenti, etc.

Per le interviste che facciamo sul podcast Actually, invece, ho messo in produzione un altro agente che produce un piccolo documento utile a preparare la puntata. All’interno del doc c’è un profilo dell’ospite con tutte le sue esperienze lavorative, una breve storia dell’azienda + il suo business model, le metriche chiave (come fatturato, utile, # dipendenti), le news più importanti degli ultimi 3 mesi etc. L’obiettivo, poi, sarà farlo comunicare con il nostro calendario di registrazione in modo da preparare un report in autonomia e inviarcelo direttamente.

Come si fa a costruire un agente AI?

Per prima cosa ho scaricato Claude per Desktop (ho un abbonamento Pro da €18 / mese) —> In alto sono andato nella sezione “Cowork” —> A sinistra ho cliccato su “Personalizza” —> Ho scelto tutti i “connettori” rilevanti, cioè le mie app a cui avrebbe potuto accedere (Chrome, Calendar, Asana, Notion, Granola etc) e sono tornato sulla chat.

A quel punto gli ho scritto un prompt, molto semplice, che va dritto al punto:

Claude ha subito cominciato a lavorare in autonomia prendendo il controllo di alcune schede su Chrome e andando alla ricerca delle informazioni di cui aveva bisogno.

Nel frattempo, nella chat mi teneva aggiornato su tutti i ragionamenti che stava facendo per portare a termine il task. Tutto in autonomia, come fosse (per davvero) una magia.

Dopo un po’ di ricerca, non riuscendo a trovare i dati sulle persone che si sono disiscritte (per qualche ragione Substack non li mostra), ha cercato una strada alternativa per raggiungere lo stesso risultato. Ha scaricato sul mio computer un file con tutti gli iscritti, l’ha aperto in autonomia (sempre in background) e l’ha comparato con un file simile che avevo scaricato manualmente a fine 2025 (si era accorto, anche qui in autonomia, che esisteva un file scaricato a fine 2025 con la lista di tutti gli abbonati fino a quel momento). Comparando i due file ha capito chi si è disiscritto negli ultimi 3 mesi.

A questo punto manca l’ultimo passaggio, cioè la trasformazione di questa attività in un’automazione che viene ripetuta ogni mese. Anche qui, Claude offre una tab con tutte le attività “programmate”. È bastato chiedergli, in italiano, di “Trasformare questa richiesta in un’attività pianificata ogni primo giorno del mese” e automaticamente ha creato un’automazione, autoassegnandosi nella tab “Istruzioni” tutti i passaggi da seguire (ed eseguire).

Da qui l’agente potrà essere continuamente migliorato: per esempio potrò dargli delle istruzioni fisse da seguire nell’esecuzione della task (dalla sezione “Competenze”). Magari le mie brand guidelines o il tipo di formattazione che voglio quando mi prepara un documento o qualche altro tipo di output.

Io non ho mai scritto una riga di codice (non sono ancora sicuro di come ho superato quel corso di Python all’Università) ma sono sempre stato un early adopter della tecnologia. Negli ultimi mesi più volte mi sono sentito escluso e troppo stupido per non essere ancora riuscito ad “automatizzare tutta la mia vita”. E soprattutto, nelle conversazioni in cui si parla di AI, ho sempre avvertito una grandissima FOMO con la paura di non riuscire a capire di cosa si stesse davvero parlando.

Qualcosa è iniziato a cambiare con il vibe coding, ma anche in questo caso le persone che ne hanno accesso sono in gran parte sviluppatori, sono utenti che passano il loro tempo su X, che si ascoltano i podcast di Dwarkesh su YouTube e sanno come usare per davvero il terminale.

Ma loro saranno forse l’1% della popolazione.

La vera rivoluzione, per tutti gli altri, sta cominciando ora. La cosa che non abbiamo ancora capito è che “AI” non è solo ChatGPT ma ChatGPT (o Claude) saranno le infrastrutture sopra le quali costruiremo le nostre automazioni.

OpenClaw e Claude Cowork sono l’inizio della rivoluzione. Questo è davvero il “WordPress” moment per l’AI agentica.

Alla fine c’avevano ragione i ragazzi su Free Subscription: se anche tu vuoi provare a creare qualcosa, “like with most hobbies, start small”. Ora è arrivato il momento.

E ricorda che essere ottimisti ha sempre ripagato!

Su questo tema, da Technicismi:

• L’AI ci ruberà il lavoro?

• Chi è davvero Dario Amodei

Questo episodio è supportato da tot.

Stai costruendo agenti AI che eseguono task in autonomia, ottimizzi workflow con OpenClaw, deleghi a Claude le operazioni ripetitive. Hai pensato a tutto, tranne che la gestione finanziaria della tua azienda è ancora un caos di Excel, note spese in sospeso e commissioni bancarie che nessuno ha mai chiesto.

Il punto è semplice: puoi automatizzare il mondo fuori, ma se dentro l’azienda il denaro si muove ancora a mano, stai perdendo tempo e controllo.

Tot è il conto business pensato per chi non vuole perdere tempo.

👉 Carte con limiti personalizzati per il team — Sai esattamente chi spende cosa e quando, senza aspettare i rimborsi a fine mese. Come un agente ben configurato: nessuna sorpresa.

👉 Bonifici, F24 e fatture da un’unica app — Niente più tool separati, niente più login su portali bancari degli anni 2000. Un’unica interfaccia, zero commissioni nascoste.

👉 Riconciliazione fatture automatica — Scatta una foto allo scontrino, associa la transazione, chiudi. Il commercialista ringrazia, tu non ci pensi più.

Se stai delegando decisioni agli agenti AI, inizia a delegare anche il caos finanziario. Con Tot hai visibilità immediata sul cash flow, carte aziendali per tutto il team e una UX che funziona davvero, non una che “si sopporta”.

Meno burocrazia, più impresa.

Scopri Tot

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Cosa ho letto questa settimana

• Al boom dell’AI manca la “ricetta segreta” degli anni ‘90 [Bloomberg]

• Il report che spiega perchè i creator sono la nuova televisione [Spotter]

• Perché il “gusto” è il vantaggio competitivo nell’era dell’AI [The New Yorker]

Cosa ho ascoltato questa settimana

• Alessandro Aresu sugli agenti AI [Black Box]

• Eric Jorgenson sul suo nuovo libro su come lavora Elon Musk [David Senra]

• Chi vince nell’era dell’AI con Bill Gurley di Benchmark [Prof G Markets]

Cosa ho guardato questa settimana

• Cosa non funziona nell’accordo tra Poste e TIM [Actually]

• I migliori consigli su come investire [Chamath Palihapitiya]

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da Tot.

La storia della settimana

Adam Curry nasce ad Arlington, in Virginia ma ad 8 anni si trasferisce a Amstelveen, in Olanda. È qui che scopre il mondo della musica e della radio, ottenendo a soli 15 anni un programma in Radio Picasso, una radio pirata dell’epoca. Dopo aver gravitato intorno a questo mondo per un po’ di anni, nel 1987, a 23 anni, arriva la svolta: Curry diventa VJ per MTV.

Ma Curry non è solo un volto televisivo: è genuinamente ossessionato da dove sta andando la tecnologia. Nel 1993, riconoscendo che il suo pubblico di ragazzi accede al nascente web attraverso terminali e newsgroup, compra diversi domini come mtv.com ed elvis.com, su cui costruisce delle piattaforme che permettono di ricevere messaggi e consigli live mentre è in onda (quando uscirà da MTV, la rete televisiva gli farà causa per riottenere quel dominio).

Nell’ottobre del 2000 Curry organizza in una stanza d’albergo a New York un incontro con Dave Winer, uno sviluppatore basato in Silicon Valley ossessionato dalla natura anarchica di Internet. In quell’occasione Curry propone a Winer l'idea di usare la tecnologia dei blog per distribuire file audio digitali. Nonostante un iniziale scetticismo, Winer accetta e decide di provare.

Nel gennaio 2001 crea un sistema che permettere la distribuzione di file audio (tecnicamente è il file RSS, ma non è rilevante in questo contesto) come Adam aveva delineato e, per testarlo, crea il primo “feed” podcast, cioè una raccolta di episodi audio legati a un’unico titolo (come se fossero le canzoni di un album). Il feed viene lanciato il 20 gennaio 2001, il giorno dell'inaugurazione presidenziale di George W. Bush. Il feed contiene un singolo elemento: la canzone dei Grateful Dead "US Blues".

È così che nasce il podcast. Ma per i primi anni, questa tecnologia viene sostanzialmente ignorata da tutti.

Poi, tra il 2003 e il 2004 alcuni giornalisti e persone dello spettacolo cominciano ad apprezzarne le potenzialità. Lo stesso Curry, che nel frattempo aveva lasciato MTV da tempo ed era tornato in Europa, continuando a seguire da vicino i progressi della tecnologia. Ad agosto del 2004 lancia The Daily Source Code, un programma strutturato, pensato per quel tipo di distribuzione in cui raccontava la sua vita quotidiana, le notizie e la musica. Il primo vero podcast.

Ma il termine podcast, a quel punto, ancora non esiste. Qualche mese dopo, Ben Hammersley, giornalista BBC che scrive per The Guardian, pubblica un articolo sul boom della radio amatoriale. Nel suo pezzo, intitolato "Audible revolution", Hammersley sosteneva che tutti gli ingredienti per un boom audio casalingo erano già presenti: i blog, i software di produzione economici, e i lettori MP3.

20 anni dopo, il 26 ottobre 2024, sul canale YouTube di Joe Rogan, il podcast più seguito al mondo, appare un’intervista di 3 ore a Donald Trump, in quel momento in corsa per la Casa Bianca.

L’apparizione di Trump da Joe Rogan non è stata casuale e improvvisata. Tra giugno e ottobre il candidato Presidente era apparso in più di 15 podcast, tra i più popolari negli Stati Uniti, registrando 16 ore e 53 minuti di contenuto che raggiungono 124 milioni di visualizzazioni solo su YouTube. Il punto però, non è solo che Trump sia apparso in questi spazi (anche Harris ha fatto un tour digitale, seppur più piccolo), ma come si è mosso. Come ha scritto Riccardo Haupt in un post su LinkedIn andato virale a Novembre 2024:

Ha parlato alle community come uno scafato influencer in cerca di cross-promo, rispettandone linguaggi e valori: con Ross ha ballato, con Von ha scherzato sulla droga, con Rogan ha parlato di wrestling e MMA. Non ha avuto l’approccio di chi si siede in un salotto TV, guarda in camera e ripete la sua manfrina secondo il canone classico da broadcaster generalista. Al contrario ha seguito un approccio taylor made; si è adattato e legato alla figura dei vari creator/guru capaci di vendere qualsiasi cosa e si è “fatto vendere” come avrebbero fatto con un integratore alimentare qualsiasi.

Anche da Joe Rogan non ha avuto l’approccio classico dell’intervista: non guardava in camera ripetendo un testo secondo il canone classico da televisione generalista. In soli 3 giorni quell’intervista viene vista da 55 milioni di persone, 8 volte in più rispetto a chi aveva guardato la sua intervista su Fox News, la più importante rete televisiva degli Stati Uniti.

L’evidenza a quel punto diventa chiara a tutti: Joe Rogan è diventato più influente dei maggiori network di informazione del mondo.

Da quel momento, in molti hanno cominciato a chiamarla “The podcast election”, “le elezioni dei podcast”. Ne hanno parlato Scott Galloway, Simon Owens, Business Insider e molti altri.

Immaginando che la maggior parte del pubblico non avrebbe conosciuto Joe Rogan, durante il mio TEDx avevo deciso di citare anche Fedez e “Pulp”, il suo podcast di interviste che si stava posizionando come luogo digitale alternativo al classico talk show televisivo. Alcuni degli episodi di Pulp già all’epoca realizzavano più visualizzazioni degli spettatori di 8emezzo, il talk show di approfondimento più visto in Italia nella fascia dell’access prime time. E non era un caso che quindi avesse già ospitato Carlo Calenda, Matteo Renzi, Ilaria Salis, Maurizio Gasparri e Roberto Vannacci.

Questa settimana, invece, da Pulp Podcast c’è andata Giorgia Meloni. E le “podcast election” sono ufficialmente arrivate anche in Italia. Come un orologio svizzero, quello che succede negli USA, 15 mesi dopo arriva dalle nostre parti.

Ma il risultato è stato un disastro.

Cosa non funziona in quel podcast?

Risposta breve: tutto.

Da un lato, il podcast: riprese brutte, in una stanza brutta, con uno sfondo e un tavolo brutto. L’ospite messa su una sedia che sembra un trono in cui diventa piccola piccola, un microfono che le copre metà della faccia. Fedez e Marra che (come al solito) fanno domande senza una quadra, senza preparazione, senza la capacità di portare l’intervistata in un posto interessante.

Dall’altro Meloni che, oltre ad accettare queste condizioni, sceglie di non andare “all in”, ma applicare lo stile della classica intervista al medium dei podcast. Certo, sceglie sicuramente un canale distributivo molto efficiente e uno dei più seguiti in Italia. Fedez e Marra hanno creato uno show che attrae attenzione ed è sempre più rilevante nell’ecosistema dei podcast in Italia. Per i temi trattati, la notorietà e le posizioni politiche degli host, quello era l’unico posto in cui andare. Ma è il risultato dell’operazione che non è davvero innovativo.

È una di quelle cose che funzionano sulla carta: “Il Presidente del consiglio va sui podcast”. Ma nell’esecuzione tradisce esattamente il punto che vuole dimostrare “Il Presidente del consiglio è innovativa“.

Ma quindi cosa avrebbe dovuto fare?

Lo stesso giorno che usciva quel podcast, Bernie Sanders, un senatore socialista di 84 anni che per tutta la vita ha fatto “il guastafeste” ha pubblicato un video iconico in cui conversava con un’AI come se fosse in un podcast. Esteticamente bello, ragionato nella fase di pensiero e in quella di esecuzione, pieno di tensione. Un video che ho detestato nei toni e discutibile negli obiettivi ma che è perfettamente nel personaggio, coerente con il suo pubblico, e che diventa una vera masterclass di comunicazione.

Funziona perché sa esattamente cosa sta facendo e perché.

Perché i podcast hanno così successo in politica?

Tradizionalmente l’informazione è stata un monologo, recepito in modo passivo dagli spettatori. Quando ero piccolo, per esempio, ricordo che in cucina, mentre preparavamo da mangiare per la cena, si ascoltava il telegiornale delle 20.

Solo di recente ho capito che in realtà dietro a quel televisore c’era soprattutto un grande editore. Era un gruppo di poche figure chiave a decidere cosa meritava di essere raccontato e in che modo raccontarlo. Erano loro a decidere di cosa avremmo parlato a cena.

E la loro scelta avveniva seguendo regole precise: rilevanza nazionale, gerarchia delle fonti, e criteri di notiziabilità. Una selezione centralizzata decisa da un’elite giornalistica e culturale. Il risultato era un’agenda pubblica abbastanza omogenea, le stesse notizie che aprivano i telegiornali erano le notizie delle prima pagine dei quotidiani. E se non ne parlavano al telegiornale, o non compariva sul giornale, semplicemente non esisteva nello spazio pubblico.

Poi qualcosa si è rotto. La fiducia nei confronti delle notizie, e di chi le produceva, è cominciata a crollare.

I mezzi di comunicazione tradizionali, come la televisione e i giornali, cominciano a subire un calo di fiducia e di rilevanza, soprattutto tra il pubblico più giovane. E questa crisi non è alimentata solo dalla percezione che i media tradizionali manchino di indipendenza e siano spesso schierati politicamente. Ma è anche causata dall’affermazione dei social media, delle piattaforme video e degli aggregatori come fonti di informazione alternativa, spesso preferibili a tutti gli altri.

Quegli spazi digitali che all’inizio usavamo per guardare le foto degli amici si sono trasformati in luoghi ibridi dove intrattenimento e informazione convivono e si influenzano, dove scorrono meme e breaking news, tutorial e opinioni di esperti, tutto mescolato insieme.

L’arrivo di questi nuovi mezzi è stata una grande opportunità per il giornalismo che per la prima volta ha avuto la possibilità di disintermediare la relazione con il lettore. Prima un giornalista, anche il più talentuoso, per raggiungere il pubblico dipendeva da un grande editore, che gestiva la produzione delle notizie (mettendo a disposizione studi televisivi giganteschi) e la loro distribuzione (avendo un giornale o una rete televisione)

Ora con un microfono e un software gratuito puoi fare un podcast. Con una videocamera puoi pubblicare su YouTube. Con un computer puoi scrivere una newsletter. Nuove piattaforme digitali hanno permesso di costruire un'audience e stabilirci una relazione diretta. E hanno pure permesso di viverci.

La figura del giornalista si è quindi progressivamente sovrapposta a quella del creator, cioè individui che creano e pubblicano contenuti originali e innovativi, destinandoli alle piattaforme digitali. Canali come The Joe Rogan Experience su Spotify e YouTube o il The Tucker Carlson Show su X diventano quindi sempre più rilevanti e autorevoli.

Questa settimana su ha scritto che stiamo assistendo al superamento di un vecchio dogma: l’idea che l’autorevolezza debba per forza coincidere con l’istituzione.

Sante parole Valerio. Ma Meloni da Fedez è un’occasione persa gigantesca.

“I bravi artisti copiano, i grandi artisti rubano”. I fenomeni, invece, capiscono così bene cosa funziona da poterlo smontare, riadattare al proprio contesto, e trasformarlo in qualcosa di nuovo.

È quello che ha fatto Trump andando da Joe Rogan e parlando di MMA. È quello che ha fatto Kamala Harris andando da Steven Bartlett a leccarsi le ferite dopo aver perso le elezioni: un episodio devastante, pieno di materiale inedito, di ricerca e di pause imbarazzanti e complicate per le domande dell’host che aveva addirittura parlato con suo marito per prepararsi.

Quello di Meloni da Fedez rimane solo un primo tentativo, una copia italiana di chi vuole emulare gli americani ma che ha poco di innovativo. Da qui si può solo fare meglio…

Questo episodio è supportato da Tot.

Se gestisci un’azienda, conosci bene la scena: note spese su Excel che nessuno compila in tempo, dipendenti che anticipano di tasca propria e rivedono i soldi dopo mesi e un conto bancario tradizionale che ti fa pagare commissioni su qualsiasi operazione, per poi lasciarti solo davanti a una UX degli anni 2000.

Il punto è semplice: un buon business parte dalle basi. E la base è avere il controllo reale su spese e flusso di cassa, senza impazzire.

Tot nasce esattamente per questo. È la soluzione per la gestione finanziaria e amministrativa aziendale che mette insieme tutto quello che ti serve in un’unica piattaforma:

👉🏼 Ordine totale: Conto con IBAN italiano, carte per il team (con cashback), gestione delle fatture. Tutto in un’unica piattaforma, semplice e intuitiva.

👉🏼 Controllo reale su spese e cash flow: Carte con limiti personalizzati e gestione dei giustificativi integrate. Sai chi spende cosa, quando e perché. Niente più Excel, niente più rimborsi dopo mesi.

👉🏼 Zero commissioni nascoste: Con le banche tradizionali paghi per i bonifici, per le carte, per esistere. Con Tot hai tutto incluso a un prezzo chiaro e trasparente.

Significa che il tuo team non deve più anticipare soldi propri per trasferte o software. Significa visibilità immediata sul cash flow, non una volta al mese quando il commercialista ti manda il report. Significa un’interfaccia pensata per essere usata davvero, non sopportata.

Meno caos, più impresa.

👉 Scopri Tot.

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Cosa ho letto questa settimana

• Come Jeff Bezos ha stravolto il Washington Post [New York Times]

• Cosa si può imparare da 25 anni di startup fallite [Colossus]

• La più grande ricerca sull’uso dell’AI mai fatta [Anthropic]

Cosa ho ascoltato questa settimana

• Come David Zaslav ha guadagnato $800 milioni distruggendo Warner Bros [Actually]

• Rick Rubin in conversazione con Adam Neumann [Tetragrammaton]

• Jensen Huang ospite a un episodio di The All In live [The All In]

Cosa ho guardato questa settimana

• Bernie Sanders in conversazione con l’AI [Bernie Sanders]

• Chi è davvero Peter Thiel [Will Media]

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.

Questo episodio è supportato da Joinrs

La storia della settimana

Gli Stati Uniti continuano a essere un posto ipnotico e affascinante, pieno di gente fuori dagli schemi. Cammini per le strade e ti scappa da ridere guardando le persone che corrono da tutte le parti o iper concentrate su quello che stanno facendo, anche le cose più banali, senza la minima preoccupazione di essere giudicate per quello che sono o per come si comportano.

Questa cosa mi ha fatto ragionare.

L’America è stata costruita da persone che, per una ragione o per l’altra, non trovavano posto nei loro Paesi d’origine. E gli Stati Uniti hanno costruito la propria forza proprio nell’offrire a queste persone, spesso geniali a modo loro, una seconda possibilità: “Vieni in America e troverai un luogo libero e sicuro, dove nessuno ti giudicherà, dove potrai esprimerti completamente nei modi e nelle forme che preferisci”. Questa promessa di libertà, la possibilità di fare qualsiasi cosa, ha creato un ecosistema capace di far fiorire idee apparentemente assurde, su cui però chi le aveva concepite era disposto a scommettere tutto.

Quando parli con qualsiasi founder, ti presenta la sua idea come la cosa più importante che sia mai capitata all’umanità.

Mi è successo diverse volte questa settimana ad Austin, in Texas, durante il SXSW, una delle più importanti conferenze tech al mondo: con un gruppo di ragazzi che hanno lanciato “Duolingo per imparare a fare vibe coding”, con una creator che “trasforma le aziende facendole crescere su LinkedIn”, e persino con un ragazzo che ha inventato un nuovo brand di profumatori per auto e che mi ha riempito di samples sperando che li promuovessi nel mercato italiano.

Non sono del tutto convinto che il suo prodotto stia per “cambiare per sempre il modo in cui ci muoviamo in macchina”, ma lui ci crede davvero e le persone intorno a lui sono pronte a dargli fiducia.

Ci credono talmente tanto (e sono circondati da un sistema che li spinge ad osare ancor di più) che quelle convinzioni diventano spesso profezie che si autoavverano. Perché magari non sarà quel profumatore a rivoluzionare il settore automotive, ma potrebbe essere il primo passo verso qualcosa di molto più grande. Quel progetto nato come side business diventa un’azienda, che crea valore economico e (nella maggior parte dei casi) risolve un problema reale.

Parlando con le persone (o anche solo osservandole) percepisci quanto la libertà sia centrale nella loro identità e, per questa ragione, debba essere rivendicata con forza in ogni momento.

Noi spesso la critichiamo quella libertà assoluta che caratterizza gli Stati Uniti (nelle dinamiche di libero mercato ma anche su aspetti più controversi, come il diritto alle armi). La critichiamo probabilmente perché, per quanto la nostra cultura sia oggi profondamente influenzata dalla loro, tradizionalmente abbiamo avuto altri principi e valori.

Ma per loro, mettere dei limiti sarebbe un tradimento al proprio passato. E, come in tutto ciò che fanno, pur di salvaguardare la propria libertà, sono disposti ad accettare compromessi giganteschi.

Le cose più interessanti che ho ascoltato al SXSW

La sessione più incredibile a cui ho assistito in questi giorni (ma forse proprio nella vita) è stata quella di Jack Conte, founder di Patreon (una piattaforma che permette ai creator di monetizzare il proprio lavoro) in cui ha parlato di AI, piattaforme e creatività.

Prima di lanciare Patreon, Jack è sempre stato appassionato di musica e di cinema. Nel 2007 scopre YouTube e, per promuovere la sua band, comincia a pubblicare video delle loro prime canzoni e dei loro esperimenti. Il canale ha un enorme successo e, quello che era un passatempo, comincia ad essere un lavoro, con tour in giro per il mondo e un modello di business solido che si basava sulla vendita delle canzoni tramite iTunes.

Il modello è semplice ed efficace: YouTube garantisce la distribuzione —> gli utenti scoprono la musica su YouTube —> da lì vengono reindirizzati su iTunes dove, per ogni vendita, l’artista guadagna qualche $.

Sfruttando un nuovo medium (la tecnologia), Jack si inventa un nuovo modello per promuovere il suo prodotto (la musica).

Poi, tutto cambia: YouTube rilascia un aggiornamento dell’algoritmo e i video che un tempo facevano milioni di views, non vengono più visti da nessuno. Nel frattempo nasce Spotify, che cambia anche le dinamiche di monetizzazione per gli artisti. A quel punto il progetto musicale si ferma e Conte si concentra sul lancio della sua azienda, Patreon.

Dopo qualche mese comincia a notare un nuovo fenomeno su YouTube: creator come Casey Neistat stanno avendo un enorme successo pubblicando video “vlog” ricorrenti, ogni settimana o addirittura ogni giorno. Decide allora di rimettere in moto il progetto musicale con una strategia di distribuzione preciso: ogni mese prende un volo per Los Angeles, registra quattro canzoni e gira un video di “dietro le quinte” per ognuna di quelle canzoni. Quei video vengono montati e pubblicati a frequenza regolare (ogni settimana), esattamente come “richiesto” dall’algoritmo. In poco tempo il canale torna a crescere, generando un grande traffico su Spotify.

Di nuovo, sfruttando la tecnologia (che nel frattempo era cambiata), Jack si inventa un nuovo modello e il suo progetto musicale torna ad avere grande successo.

Questa storia ha due parallelismi importanti:

• Nel 1920, l'avvento della musica registrata viene accolto come una catastrofe per il settore, soprattutto per quello della musica dal vivo: addirittura c’è chi si batte per vietarla, convinto che gli effetti sarebbero stati devastanti per tutti. Col tempo, però, qualche artista capisce che la musica registrata può essere completamente diversa rispetto all'esperienza dal vivo e da quella consapevolezza nascono modelli completamente nuovi per l’industria musicale

• All’inizio del 1900, dopo l’avvento della telecamera, i primi registi usano quella tecnologia per replicare le dinamiche del teatro. Una ripresa unica, con la camera fissa di fronte a un set statico. Il risultato è una versione “povera” del teatro: dura meno, è in 2D, le immagini sono sgranate ed è tutto in bianco e nero. Poi, però, un mago decide di usare la telecamera per uno dei suoi trucchi: invece di girare con un’unica ripresa, mette “in pausa” creando dei tagli nella pellicola. Il risultato è strabiliante: il mago inizialmente mostra alla telecamera una scatola vuota. Dopo pochi secondi all’interno della scatola appare come per magia una persona. Il trucco è semplicissimo (la ripresa era stata interrotta quando la persona era entrata nella scatola) ma è rivoluzionario e darà il via a un modello completamente nuovo che creerà il “cinema”

Ogni volta che sviluppiamo una nuova tecnologia, il primo istinto è usarla per replicare quello che già esiste. Ma imitando dinamiche appartenenti a un’era precedente, tendenzialmente rimaniamo delusi dalla tecnologia. È la fase dello “slop”, che in questo momento viviamo quando ci troviamo di fronte a un’immagine generata con l’AI.

La svolta arriva quando qualcuno smette di imitare modelli del passato e comincia a sperimentare con quella tecnologia, producendo risultati completamente inaspettati.

E lo fa grazie alla creatività, e a volte persino l’irrazionalità, umana, impossibili da raggiungere da una macchina che, almeno per ora, si basa solo sul riconoscimento di schemi e si limita a generare nuovi “dati” con caratteristiche simili a quelle da cui ha appreso.

Nel caso della musica, per esempio, i Beatles cominciano a sperimentare con la musica registrata, iniziando a creare brani impossibile da replicare su un palco. Nel caso del cinema, invece, è arrivato “Le voyage dans la lune” del 1902, il primo vero “film”, con una storia che si sviluppa in diversi set e con un lungo arco temporale.

Lo ha ribadito a modo suo anche Benedict Evans, osservando che oggi è impossibile prevedere con precisione l’impatto dell’AI sul lavoro. Per esempio, se all’avvento di Internet avessimo provato a immaginare quali professioni sarebbero state al sicuro, probabilmente avremmo scommesso sui tassisti, un mestiere “locale” e difficilmente rimpiazzabile da un computer. Poi, però, Travis Kalanick ha utilizzato il medium, cioè la tecnologia di internet, e l’ha applicato al prodotto (il taxi), creando Uber.

Nessuno avrebbe potuto prevederlo.

Quale potrebbe essere il futuro della creatività ai tempi dell’AI generativa?

A provare a delineare uno dei futuri possibili a cui potremmo andare incontro è stato Gustav Söderström, nuovo Co-CEO di Spotify, in una sessione in cui ha ripercorso il passato e il futuro dell’azienda che guida.

Tra poco, per esempio, un artista potrebbe cominciare a sperimentare nuovi modi di comporre la sua musica, definendo dei parametri entro cui gli utenti potrebbero intervenire e adattare elementi della canzone. Da utente potresti chiedere direttamente alla piattaforma di rendere una canzone un po’ più jazz, di cambiarne lo stile o di adattarla al tuo battito cardiaco mentre corri. Non in modo libero e caotico, ma all’interno di uno spazio creativo tracciato dall’artista stesso.

Lo stesso principio si applicherebbe al cinema e alle serie tv: si potrebbe dare all’utente la possibilità di scegliere il punto di vista da cui vivere una storia, per esempio quello del protagonista o dell’antagonista o di un personaggio secondario.

Oggi esistono già strumenti di AI che sono in grado di creare musica (come Suno.AI) o video (Veo3). Oggi possono essere usati per creare film o canzoni nel senso più “tradizionale” del termine oppure, ed è qui che diventa interessante, potremmo usarli per fare cose che prima erano semplicemente impossibili, aprendo la strada a forme d’arte che ancora non hanno un nome.

Cosa fanno i brand di fronte alla rivoluzione dell’AI?

Un altro effetto inaspettato della tecnologia è quello che viene definito “Storymaxxing”: sempre più brand si stanno trasformando in media company, alla ricerca di storie credibili attraverso cui vendere i propri prodotti.

Questo conferma una mia teoria su cui sto ragionando da un po’ di tempo: se grazie all’AI il costo per produrre un prodotto si abbassa drasticamente, i budget si sposteranno sul marketing e sulla distribuzione di quel prodotto. Per questa ragione i brand sono sempre più alla ricerca di figure capaci di individuare e raccontare la loro storia: d’altra parte un prodotto è tendenzialmente identico a un altro fino a quando non ci costruisci un brand intorno.

Ma le persone non seguono i brand, seguono altre persone. Ed è per questo che i creator, che hanno già un rapporto consolidato con la propria audience o la propria community, sono sempre più richiesti. Lo vedo succedere anche con Technicismi, che parla con la mia voce, racconta il mio rapporto con la tecnologia e viene letta ogni settimana da più di 10.000 persone. Sempre più brand mi contattano per farmi conoscere i loro prodotti o servizi e desiderano posizionarsi in questo spazio (ndr ci sono ancora alcuni slot disponibili nella seconda parte dell’anno). Questa settimana, per esempio, ho raccontato le novità di Joinrs, una startup di ragazzi che ho conosciuto ormai 3 anni fa e che stanno provando a cambiare il modo in cui le aziende assumono i talenti.

Anche Jonah Peretti, fondatore di BuzzFeed e di Huffington Post, ne ha parlato in questi giorni. Dal suo punto di vista, l’AI ha azzerato i costi per produrre un contenuto e i brand che vinceranno domani saranno quelli che, nel comunicare, avranno una (o più) di queste caratteristiche:

• Gusto: prodotti eccellenti con un’identità estetica forte

• Cultura: creando fandom di nicchia e attività capaci di diventare fenomeni collettivi

• Comunità: membership, eventi nel mondo reale, connessioni autentiche

Disney ne è già l’esempio perfetto: la più grande media company del mondo oggi fa fatica nella unit dedicata alla distribuzione e alla produzione di contenuti mentre prospera nella unit dedicata ai parchi a tema, che incarnano gusto, cultura e comunità insieme.

Come si gestisce da un punto di vista infrastrutturale il cambiamento dell’AI?

Parlando di AI e del suo impatto, c’è un tema che rischia di frenare tutto questo entusiasmo. L’ho ascoltato in un panel a cui partecipavano i sindaci di Phoenix, città nel mezzo del deserto, e di Sunnyvale, città al centro della Silicon Valley, e si parlava, ovviamente, di data center.

I data center sono infrastrutture indispensabili per lo sviluppo dell’AI, ma che portano con sé un peso enorme: idrico (per il raffreddamento dei server), acustico ed energetico (già oggi i data center assorbono il 4,5% di tutta l’energia prodotta negli Stati Uniti). Nella città di Phoenix, per esempio, qualche anno fa è stato approvato un regolamento che classificava i data center come uffici. Il risultato è che la città ora ha un enorme edificio senza finestre, proprio nel centro della città, che genera calore e drena l’acqua, un bel problema per chi vive nel deserto.

La verità è che il problema dei data center è tutto politico: ogni attore ha i propri interessi e questi interessi non si allineano:

• I quartieri gridano “NIMBY” (Not In My Backyard)

• Le aziende tech non vogliono farsi carico dei costi per “integrare” i data center all’interno delle città

• i sindaci, che guardano alle prossime elezioni, hanno paura delle conseguenze dell’aumento dei costi in bolletta per i cittadini

Trump recentemente ha proposto che siano le stesse aziende tech ad assorbire l’aumento dei costi dell’energia, senza quindi un impatto sulle bollette. Ma, anche qui, risolto un problema se ne fa un altro: quello che in molti temono è che queste aziende potrebbero finire per costruirsi le proprie centrali elettriche, che, dal punto di vista delle amministrazioni locali, sarebbe ancora paggio.

E poi c’è un’ultima domanda a cui nessuno sa ancora come rispondere: cosa succede se, con il progresso della tecnologia, questi edifici diventassero improvvisamente inutili? Come potrebbero essere riconvertiti giganteschi edifici senza finestre, costruiti per durare decenni?

Negli ultimi cinque anni sono stato a tante conferenze tech, ma il SXSW resta la più completa e ispirante: è una concentrazione unica di pensiero, riflessioni e idee che incrociano tecnologia, cultura, politica e molto altro.

Qua sopra ho riportato alcune delle idee più interessanti che ho sentito, ma c’è molto di più. In questi giorni ho anche sentito il Governatore della California praticamente annunciare la sua corsa alla Casa Bianca nel 2028, ho ascoltato uno dei giornalisti economici più importanti al mondo parlare dei parallelismi tra la grande bolla del 1929 e la bolla dell’AI, ho parlato del futuro di Substack (la piattaforma con cui scrivo questa newsletter) con il founder di Beehiiv (il principale competitor di Substack), ho raccontato quello che stiamo facendo in Chora / Will al nuovo co-CEO di Spotify e ho incontrato i ragazzi di WeRoad che per prepararsi all’espansione in US hanno tappezzato la città di manifesti.

Ah, e ho pure fatto small talk con Nick Jonas dei Jonas Brother in uno di quei momenti straordinari in cui, nel bagno degli uomini, cominci a parlare con la persona al tuo fianco. In questo caso, quella persona al tuo fianco la seguivi da bambino su Disney Channel. Pro tip: il posto migliore dove stare a questi eventi è sempre il bagno!

La cosa più bella, forse, l’ha detta Bill Gurley, storico investitore della Silicon Valley, in una conversazione con Garry Tan, Presidente e CEO di YCombinator. Parlando di startup, di AI e di futuro, dopo aver elencato tutte le ragioni per cui la tecnologia sarà in grado di risolvere i grandi problemi dell’umanità, ha chiuso la sua riflessione con una frase semplice ma potentissima.

“It always paid off to be an optimist”.

E questo non è mai stato così vero come oggi.

Sponsored by Joinrs

Cosa accomuna chiunque cerchi lavoro, a prescindere dall’esperienza o dal titolo di studio? Il curriculum.

È proprio per questo che Joinrs – piattaforma che supporta i giovani talenti nel matching professionale – ha sviluppato una nuova piattaforma che, grazie all’intelligenza artificiale, mette al centro proprio il CV.

Una volta caricato in formato pdf, l’AI di Joinrs ne trasforma esperienze e competenze in un “embedding semantico”. Lo stesso processo viene applicato agli annunci di lavoro: il sistema confronta le rappresentazioni vettoriali per individuare, tra le oltre 20.000 opportunità presenti su sito e app, quelle realmente affini al profilo dell’utente.

Trovare l’annuncio giusto, però, è solo l’inizio. Il team ha integrato una chat basata su agenti AI che guida il candidato in ogni fase: un assistente valuta la compatibilità con la posizione, un altro suggerisce ottimizzazioni mirate per il CV e un terzo supporta nella preparazione al colloquio.

Che si tratti di cercare una startup o di voler lavorare esclusivamente da remoto, basta esprimere le proprie esigenze in chat. Se un team di customer care tradizionale non potrebbe seguire ogni utente singolarmente, l’AI può farlo in modo personalizzato, istantaneo e costante.

La nuova Joinrs è ora in beta. Se ami sperimentare prodotti AI prima che arrivino tutti gli altri, ora è il momento giusto per provarla.

Prova la piattaforma in anteprima

Se sei interessato a sponsorizzare gli episodi di questa newsletter, trovi tutte le informazioni qui.

Il toolkit di Technicismi

Cosa ho letto questa settimana

• Il momento “Oppenheimer” di Dario Amodei [The Altantic]

• Perché i servizi sono il nuovo software [X]

• La storia del CTO di Palantir [Colossus]

Cosa ho ascoltato questa settimana

• La Tolkien mafia [Actually]

• Marc Andreessen ospite da David Senra [David Senra]

• Benedetto Vigna intervistato da Silvia Berzoni [Morning Finance Leaders]

Info

Se questo episodio ti è piaciuto, puoi cliccare sul cuoricino.

Se ti va di farmi sapere cosa pensi di questa newsletter, puoi commentare l’episodio rispondendo a questa email.

E, se puoi, condividila con chiunque la possa trovare utile o interessante!

Condividi

Per ricevere direttamente questa newsletter nella tua casella di posta (senza doverla leggere dall’app di Substack), puoi andare su technicismi.it e inserire il tuo indirizzo email.