Duecentocinquantamila alberi in meno e un data center in più, dal valore di 13 miliardi di euro. Google ha fatto abbattere in Finlandia una foresta di 330 ettari e, al suo posto, verrà costruito un centro di elaborazione dati per il rapido sviluppo dell’intelligenza artificiale. L’Autorità finlandese per le licenze e la vigilanza, a inizio ottobre, ha ordinato a Google di sospendere temporaneamente i lavori a Muhos e in un altro sito nel villaggio di Otanmaki per il mancato completamento delle necessarie valutazioni di impatto ambientale, prima del disboscamento totale dell’area. La notizia ha suscitato un’ampia ondata di proteste e il responsabile di Google per la Finlandia, Antti Jarvinen, si è scusato per i disboscamenti, sostenendo però che l’azienda ha agito “in base alla migliore interpretazione della normativa di cui disponeva all’epoca”.
Al centro del dibattito nazionale c’è anche il ruolo che il Paese dovrebbe ricoprire nella corsa globale alla costruzione di data center. Come riporta Agi, nel paese scandinavo ci sono 145 nuove strutture in varie fasi di pianificazione ed è per questo in prima linea nell’offensiva delle aziende tecnologiche. La posizione geologica e geopolitica della Finlandia garantisce una relativa stabilità; in più, il Paese è particolarmente attraente per l’abbondanza di terre e per il clima freddo, che consentirebbe ai data center un notevole risparmio sui costi energetici.
Nella cittadina di Muhos, nel nord della Finlandia, la foresta acquistata da Google, a 400 metri di distanza dal fiume Oulujoki, è già stata abbattuta – 3km in lunghezza e 2km in larghezza – e ora gli escavatori stanno sgomberando il suolo. Il progetto di infrastrutture per l’intelligenza artificiale, a Muhos e Otanmaki, ha suscitato anche le critiche di Donald Trump. Il presidente, infatti, avrebbe preferito che Google scegliesse gli Stati Uniti per realizzare il progetto da 13 miliardi, arrivando a chiedere pubblicamente all’azienda di riconsiderare la propria scelta.
Il governo finlandese ha puntato molto su questo progetto, il più grande mai realizzato nel Paese, facendo anche profondi tagli alla spesa pubblica. Il primo ministro Petteri Orpo ha dichiarato che attrarre investimenti rappresenta una “priorità assoluta”, aggiungendo che “il valore dell’economia dei dati va ben oltre l’investimento diretto”. Secondo il premier, l’accordo con Google “porterà benefici duraturi a entrambe le parti”. Ma la preoccupazione dell’opinione pubblica per le conseguenze sulle comunità locali, per i prezzi dell’energia e per l’ambiente naturale del Paese, sono adesso al centro del dibattito, e probabilmente il tema rimarrà centrale anche per le elezioni di aprile.
Poiché l’abbattimento è avvenuto illegalmente, il legname non può essere venduto agli stabilimenti di trasformazione del legno. La vicenda ha sollevato anche alcuni interrogativi sul perché le fonti di energia rinnovabile della Finlandia vengano utilizzate per alimentare le multinazionali straniere. Più di 93mila persone hanno firmato una petizione che chiede una maggiore regolamentazione dei data center e l’introduzione di un contributo per risarcire le comunità locali dei danni ambientali subiti.
Nelle piccole imprese italiane l’intelligenza artificiale ha smesso di essere una questione puramente teorica. Scrive e-mail, prepara preventivi, riassume documenti, analizza dati. Le aree in cui viene impiegata di più sono il marketing e la comunicazione, al 54%, e l’analisi dei dati a supporto delle decisioni, al 53%, seguite dalle vendite e dalla gestione clienti al 39% e dall’amministrazione al 31%.
Il punto è in quale forma. Dopo due anni di discussione pubblica sull’argomento, nella grande maggioranza delle PMI l’intelligenza artificiale resta un esperimento individuale. Lo conferma la spesa: il 69% delle imprese ha investito meno di 5.000 euro negli ultimi dodici mesi, e in un caso su quattro non ha sostenuto alcun costo diretto. Nessuna delle PMI intervistate ha superato i 50.000 euro.
Dove l’AI è arrivata e dove no: i settori e i territori
Il quadro nazionale aiuta a capire perché. Secondo i dati Istat, nel 2025 l’intelligenza artificiale corre nei comparti che vivono di informazione e conoscenza: la usa regolarmente il 51% delle imprese dei servizi di informazione, il 37% delle telecomunicazioni, il 36% delle attività professionali e tecniche, il 33% dell’energia. Scende invece nei settori che fanno la struttura produttiva italiana e che sono anche quelli a più alta densità di piccole imprese: il commercio si ferma al 18%, la manifattura al 15%, l’alloggio e la ristorazione al 12%, le costruzioni al 10%. Fra il primo e l’ultimo comparto ci sono quaranta punti.
La geografia racconta una storia diversa. L’adozione va dal 19% del Nord Ovest al 18% del Nord Est, scende al 15% nel Centro e al 12% nel Mezzogiorno: sette punti fra l’area più avanzata e quella più arretrata. Sembra molto, ma è cinque volte meno del divario che separa le grandi imprese dalle PMI, che nel 2025 ha raggiunto i 37 punti.
C’è però un movimento che merita attenzione. Nel giro di un solo anno il Nord Ovest è passato dall’8,9% al 19,3%, più che raddoppiando la propria quota e crescendo più della media nazionale, ferma a poco più di otto punti di incremento. Il divario territoriale è oggi contenuto, ma si sta allargando: le aree che erano già avanti stanno accelerando più in fretta delle altre.
Il beneficio c’è, ma non è ancora un beneficio economico
Il vantaggio più citato dalle PMI è il miglioramento della qualità del lavoro o del servizio, segnalato dal 46% delle imprese. Molto più indietro vengono i benefici che si vedono in bilancio: il 16% indica una riduzione dei costi effettivamente sostenuti, il 7% un aumento dei ricavi. Un altro 46% dichiara che è troppo presto per valutare.
Quando si chiede di quantificare quel beneficio in euro, il quadro si fa ancora più netto. Sul totale delle imprese, il 31% non è in grado di stimarlo o ritiene sia troppo presto per farlo e il 15% dichiara che un beneficio economico rilevabile non c’è. Una cifra la indica poco più di un’impresa su due: il 38% resta sotto i 20.000 euro l’anno, il 16% supera quella soglia.
Sul tempo vale lo stesso. Il 46% delle imprese non se la sente di stimare quante ore l’intelligenza artificiale faccia risparmiare in una settimana tipo. Un numero lo indica l’altra metà: il 31% fra le cinque e le venti ore, il 23% meno di cinque. Le imprese percepiscono un miglioramento, ma non lo sanno ancora tradurre in euro.
L’organizzazione non si è mossa, e nemmeno le competenze
Sull’organizzazione, invece, non è successo quasi nulla. Il 62% delle imprese non segnala conseguenze significative su mansioni, ruoli e organici. Solo il 7% ha riorganizzato mansioni e responsabilità, il 15% ha affidato il tema a una persona già in organico e il 30% si è appoggiato a specialisti esterni.
Lo stesso vale per le competenze. Il 46% delle imprese non ha speso nulla in formazione sull’AI negli ultimi dodici mesi: una metà di queste non ha svolto alcuna attività, l’altra si è affidata ad affiancamento interno e autoformazione senza costi diretti. Chi ha investito lo ha fatto con cifre contenute: il 23% fino a mille euro, un altro 23% fra mille e cinquemila, appena l’8% oltre.
Il riflesso si vede sul tempo liberato. Il 60% delle imprese lo destina ad attività a maggior valore svolte dalle stesse persone e il 23% a gestire più lavoro senza nuove assunzioni. Ma il 31% dichiara che quel tempo non è stato reimpiegato in modo riconoscibile. Ed è anche la ragione per cui solo l’8% delle imprese misura il ritorno economico dell’intelligenza artificiale con indicatori definiti e rilevazioni periodiche, mentre il 46% dichiara di voler iniziare entro i prossimi dodici mesi.
“Un’ora liberata che nessuno reimpiega non è un risparmio, – spiega Fabio Papa, docente di economia e fondatore di I-AER – la persona resta in azienda, lo stipendio si paga lo stesso, il costo in bilancio no cambia. E non c’è molto da misurare finché il modo di lavorare resta quello di prima”.
Il freno non è quello che si pensa
Sul perché l’adozione resti sperimentale, l’indagine smentisce la spiegazione più diffusa. Le statistiche nazionali indicano da anni le competenze come primo ostacolo; per le imprese interpellate da I-AER il primo timore è un altro. Due PMI su tre indicano la riservatezza e la sicurezza dei dati, davanti alle competenze interne, al 54%, e alle difficoltà di integrazione con i software e i processi già in uso, al 46%.
I costi di adozione si fermano al 22%.
Accanto a questo arriva però il risultato più scomodo dell’indagine: solo il 4% delle imprese ha una policy scritta e comunicata sull’uso dell’intelligenza artificiale. Il 38% dichiara di averne una in fase di definizione, una su tre ammette di non avere alcuna regola, le altre si sono limitate a indicazioni verbali.
Il modo in cui gli strumenti entrano in azienda completa il quadro. Nella maggioranza dei casi è l’impresa a fornirli, ma solo ad alcune figure o funzioni: accade nel 54% dei casi, mentre appena l’8% li mette a disposizione di tutti i collaboratori interessati e il 23% ha scelto una soluzione installata su propri server o in un ambiente riservato. Nel 39% delle imprese, però, si lavora con account personali, e in gran parte dei casi senza che esista una regola sull’autorizzazione.
“Due imprese su tre mettono la riservatezza dei dati al primo posto fra i timori. Sul totale, appena il 4% ha scritto un documento su che cosa si possa caricare e che cosa no. Il rischio è dichiarato con lucidità, le regole per presidiarlo quasi non esistono”, osserva Papa.
Il tema ha smesso di essere teorico il 2 agosto 2026, quando è entrata in applicazione generale la normativa europea sull’intelligenza artificiale, che stabilisce obblighi anche per chi questi strumenti si limita a utilizzarli. Nessuna impresa, però, la considera un freno: il 23% la giudica una garanzia, il 30% condivisibile nei principi ma onerosa nell’applicazione, il 31% non ne ha ancora risentito alcun effetto pratico. Il 15% dichiara di non conoscerne il contenuto.
Nelle PMI non c’è una questione generazionale
C’è poi un risultato che contraddice un luogo comune molto diffuso. Sull’età dei collaboratori il 37% delle imprese osserva un interesse maggiore fra i più giovani, ma il 53% non rileva differenze significative, o le considera variabili e non riconducibili a una fascia anagrafica. Nessuna indica i collaboratori più anziani come i meno interessati.
Anche sui timori il quadro è diverso da quello raccontato. Due imprese su tre osservano nei propri collaboratori interesse e disponibilità a utilizzare questi strumenti; una su tre segnala preoccupazione per la difficoltà di apprendere nuove competenze, il 15% dubbi sull’utilità o sull’affidabilità degli strumenti e un altro 15% indifferenza. Solo il 7% riferisce timori sulla tenuta del posto di lavoro.
“Nelle piccole imprese la paura non è di essere sostituiti: è di non riuscire a stare dietro. È una differenza che cambia tutto, perché a quel timore non si risponde comprando nuove tecnologie ma con la formazione. Ed è esattamente la voce su cui quasi metà di queste imprese non ha speso un euro”, nota Papa.
Le conclusioni
L’intelligenza artificiale è arrivata nelle PMI italiane e vi è arrivata in fretta, ma si è fermata sulla soglia dell’organizzazione. Viene usata da quasi tutti e integrata quasi da nessuno, migliora il lavoro senza ancora migliorare i conti, e non ha modificato né le mansioni né gli organici né le competenze di chi quel lavoro lo svolge.
Non è un problema di tecnologia e nemmeno, a questo stadio, di risorse: la spesa dichiarata è ovunque contenuta e nessuna impresa indica i costi come ostacolo principale. È un problema di passaggio da strumento personale a processo aziendale, e quel passaggio richiede decisioni che nessuna tecnologia può prendere al posto dell’imprenditore: quali attività ridisegnare, dove far confluire il tempo che si libera, quali informazioni possono uscire dall’azienda e quali no.
È anche la ragione per cui il ritardo delle PMI non si recupera comprando: chi usa questi strumenti da più tempo non ha acquistato un vantaggio, lo ha costruito capendo quali attività reggono l’automazione e quali no. È un apprendimento che richiede mesi di prove sui propri processi, e in quei mesi la distanza fra chi ha cominciato e chi no continua ad allargarsi.
Nel frattempo resta aperto il fronte più scoperto. Fra le imprese interpellate, i dati che escono dall’azienda sono il rischio più citato, e le regole scritte per governarlo la voce meno diffusa di tutta l’indagine. È una sproporzione che la normativa europea, ora pienamente applicabile, rende difficile mantenere ancora a lungo.
“Lo strumento – conclude Papa – è uguale per tutti e costa poco: non è lì che si decide chi guadagnerà da questa tecnologia. Si decide ridisegnando i processi, reimpiegando efficacemente le ore liberate e codificando le regole per il trattamento dei dati in azienda. Il vantaggio competitivo non nasce dall’intelligenza artificiale: nasce da chi la sa governare”.
C’è una data che dovrebbe togliere il sonno ai governi, ai banchieri centrali, ai vertici delle grandi aziende tecnologiche. E, a pensarci bene, anche a ciascuno di noi. Il 2030. Mancano poco più di tre anni. Un tempo brevissimo, se paragonato alla portata della trasformazione che ci attende. Perché entro quella data potremmo trovarci di fronte a un problema che oggi viene discusso soprattutto nei laboratori di ricerca e negli ambienti della cybersicurezza, ma che riguarda direttamente la tenuta dell’economia mondiale: la possibilità che le tecnologie sulle quali abbiamo costruito la fiducia digitale diventino improvvisamente vulnerabili.
Non sto parlando soltanto di Bitcoin. E neppure dell’ennesima bolla finanziaria pronta a scoppiare. Il problema è molto più profondo. Riguarda la possibilità di dimostrare che un pagamento è autentico, che una transazione è stata autorizzata dal legittimo proprietario, che una comunicazione riservata non è stata intercettata, che un ordine impartito attraverso una rete informatica proviene effettivamente da chi sostiene di averlo inviato. In altre parole, riguarda qualcosa che abbiamo imparato a considerare scontato: la fiducia nei sistemi digitali.
Per capire la gravità della questione bisogna partire da una constatazione. Negli ultimi vent’anni abbiamo trasferito una parte crescente della nostra esistenza dentro infrastrutture informatiche che funzionano grazie alla crittografia. Il denaro, le identità, le comunicazioni, i contratti, i segreti industriali. Tutto è protetto da sofisticati sistemi matematici che rendono estremamente difficile, per i computer tradizionali, violare determinate chiavi di sicurezza. Il punto è che questa protezione non è una legge di natura. Dipende dalla capacità di calcolo disponibile. E quella capacità sta cambiando.
L’intelligenza artificiale accelera la ricerca, individua vulnerabilità, automatizza gli attacchi. Il quantum computing promette di fare qualcosa di ancora più radicale: risolvere problemi matematici che oggi consideriamo praticamente impossibili. La combinazione delle due tecnologie potrebbe cambiare le regole della sicurezza digitale.
Prendiamo Bitcoin. La blockchain è stata presentata per anni come una delle innovazioni più sicure mai concepite. Un registro distribuito, non controllato da un’autorità centrale, nel quale le transazioni vengono validate attraverso meccanismi crittografici. Una costruzione ingegnosa, che ha resistito a numerosi attacchi e ha alimentato un intero universo finanziario. Eppure anche questa architettura ha un punto vulnerabile. Le firme digitali utilizzate per autorizzare le transazioni si basano su algoritmi che un computer quantistico sufficientemente potente potrebbe compromettere. In particolare, potrebbe risalire da determinate chiavi pubbliche alle corrispondenti chiavi private, consentendo a un aggressore di disporre di fondi che non gli appartengono.
Non significherebbe cancellare magicamente la blockchain. Significherebbe mettere in discussione la prova stessa della proprietà digitale. Che, per una moneta nata per eliminare la necessità di fidarsi di un intermediario, sarebbe un paradosso devastante. Il problema non è fantascientifico. Nel marzo 2026 Google Quantum AI ha pubblicato una ricerca che ridimensiona le risorse teoricamente necessarie per compromettere la crittografia a curve ellittiche utilizzata anche dalle criptovalute. Non significa che oggi qualcuno possa violare Bitcoin. Significa, però, che la distanza tecnologica da quel risultato potrebbe essere inferiore a quanto si pensava. E qui nasce una domanda inquietante. Che cosa accadrebbe se un giorno venisse annunciato che una macchina è riuscita a ricavare una chiave privata da una chiave pubblica?
Non servirebbe aspettare furti su larga scala. Basterebbe la notizia. I mercati comincerebbero a interrogarsi sulla sicurezza dei patrimoni custoditi nei portafogli digitali. Gli operatori dovrebbero distinguere gli indirizzi vulnerabili da quelli protetti. Le piattaforme sarebbero costrette ad accelerare aggiornamenti delicatissimi. La fiducia, che nel sistema finanziario è importante quanto il capitale, subirebbe un colpo difficilmente quantificabile.
Ma sarebbe un errore fermarsi alle criptovalute. Il vero rischio è che Bitcoin rappresenti soltanto il primo campanello d’allarme di una crisi molto più estesa. Pensiamo ai sistemi di pagamento. Ogni giorno miliardi di operazioni attraversano una rete mondiale fatta di banche, circuiti di carte, piattaforme digitali, infrastrutture interbancarie e sistemi di regolamento. Non tutti utilizzano gli stessi algoritmi e non tutti presentano le medesime vulnerabilità. Ma molti dipendono, direttamente o indirettamente, da protocolli crittografici che dovranno essere aggiornati per resistere ai futuri computer quantistici. Se la transizione non avvenisse in tempo, il problema potrebbe diventare sistemico. Non perché un computer quantistico sarebbe automaticamente capace di svuotare ogni conto corrente. Sarebbe una rappresentazione sbagliata. Ma perché la compromissione di componenti critiche dell’autenticazione e delle comunicazioni potrebbe mettere in difficoltà intere catene di pagamento, costringendo gli operatori a sospendere servizi, sostituire certificati, verificare transazioni e ripristinare la sicurezza.
Immaginiamo per un istante una grande infrastruttura finanziaria costretta a fermarsi per verificare l’affidabilità delle proprie chiavi crittografiche. I bonifici internazionali rallentano. Le imprese incontrano difficoltà nei regolamenti. Le banche devono gestire un’ondata di richieste e controlli. I mercati reagiscono all’incertezza. Le catene di fornitura, che già oggi dipendono da pagamenti tempestivi e flussi informativi continui, subiscono nuove interruzioni.
È uno scenario, non una previsione. Ma è uno scenario che chi governa la finanza non può permettersi di ignorare. E c’è un aspetto ancora più delicato. La sicurezza nazionale. Siamo abituati a pensare alla guerra attraverso carri armati, missili, droni e sistemi di difesa. Ma un esercito moderno è anche una gigantesca organizzazione digitale. Deve pagare personale e fornitori, trasferire risorse, acquistare componenti, gestire informazioni riservate, proteggere comunicazioni e autenticare ordini.
Le criptovalute sono già entrate nell’economia dei conflitti, attraverso donazioni, trasferimenti transfrontalieri, finanziamenti e circuiti alternativi utilizzati anche per aggirare restrizioni finanziarie. Questo non significa che gli eserciti paghino ordinariamente i propri soldati in Bitcoin: non ci sono elementi per considerarla una pratica generalizzata. Significa però che gli asset digitali sono ormai parte dell’infrastruttura finanziaria che circonda la guerra. E se la crittografia che protegge queste operazioni diventasse vulnerabile, le conseguenze potrebbero andare ben oltre la perdita di denaro.
Un sistema militare deve poter essere certo dell’identità di chi impartisce un comando, dell’integrità di un messaggio e della riservatezza di un’informazione. Un avversario capace di compromettere alcuni di questi meccanismi potrebbe ottenere vantaggi strategici enormi. La sicurezza delle comunicazioni e quella delle transazioni finanziarie appartengono, sotto questo profilo, alla stessa famiglia di problemi. Esiste poi un pericolo meno appariscente, ma forse ancora più insidioso. È la possibilità che informazioni cifrate vengano intercettate oggi e conservate in attesa di poterle decifrare domani. I tecnici lo chiamano harvest now, decrypt later. Significa che un segreto industriale, un documento diplomatico o una comunicazione militare sottratti nel 2026 potrebbero diventare leggibili negli anni successivi, quando saranno disponibili strumenti di calcolo adeguati. Il futuro, insomma, potrebbe compromettere retroattivamente la sicurezza del presente.
A questo punto la domanda diventa inevitabile. Come ci salviamo? La risposta è, almeno in parte, dentro la stessa rivoluzione tecnologica che genera la minaccia. Il quantum computing non è soltanto un potenziale strumento di attacco. Può contribuire allo sviluppo di nuove tecnologie di comunicazione e sicurezza. Ma soprattutto ci obbliga a compiere un passaggio che non possiamo più rimandare: abbandonare progressivamente gli algoritmi vulnerabili e adottare una crittografia post-quantistica. Non occorre aspettare l’arrivo di un computer quantistico sufficientemente potente per farlo. Anzi, sarebbe il peggior errore possibile. Nel 2024 il National Institute of Standards and Technology americano ha approvato i primi tre standard fondamentali di crittografia post-quantistica, progettati per resistere anche agli attacchi dei futuri computer quantistici. Il Regno Unito ha indicato il 2035 come orizzonte per completare la migrazione dei sistemi. Il lavoro, dunque, è già cominciato.
Ma aggiornare un algoritmo non è come sostituire un’applicazione sul telefono. Bisogna intervenire su reti bancarie, software, dispositivi, infrastrutture pubbliche, sistemi industriali e apparati che possono rimanere operativi per decenni. Occorrono investimenti, competenze, test e soprattutto coordinamento.
Ed è qui che la questione tecnologica diventa politica, nel senso più alto del termine. Nessun Paese può mettere in sicurezza da solo un’economia che funziona attraverso reti globali. Non possono farlo gli Stati Uniti, nonostante la loro supremazia in molti segmenti dell’innovazione digitale. Non può farlo la Cina, pur disponendo di enormi capacità di ricerca e investimento. Non può farlo l’Europa, che possiede competenze scientifiche e industriali importanti ma soffre di frammentazioni e dipendenze tecnologiche.
Se una banca europea aggiorna i propri sistemi, ma continua a dialogare con infrastrutture vulnerabili in altre parti del mondo, il problema non è risolto. Se una catena industriale protegge i propri dati ma i fornitori non fanno altrettanto, resta esposta. Se le infrastrutture civili e militari adottano standard incompatibili, la sicurezza rischia di trasformarsi in una nuova forma di isolamento.
Serve allora qualcosa che oggi può sembrare quasi utopistico: una grande alleanza internazionale per la sicurezza crittografica. Un accordo che coinvolga Stati Uniti, Cina, Unione europea e le altre principali potenze tecnologiche. Non per condividere segreti militari o rinunciare alla competizione strategica, ma per individuare standard interoperabili, procedure di certificazione, tempi di transizione e meccanismi di gestione delle vulnerabilità. Un terreno comune sul quale la rivalità geopolitica non impedisca la protezione delle infrastrutture civili essenziali.
È difficile? Certamente. I rapporti tra Washington e Pechino sono segnati dalla competizione tecnologica. L’Europa cerca faticosamente una propria autonomia digitale. Il controllo dei semiconduttori, delle tecnologie quantistiche e dell’intelligenza artificiale è diventato una questione di potere. Ma proprio per questo la cooperazione è necessaria. Ci sono infrastrutture che nessuno ha interesse a vedere collassare. Il sistema dei pagamenti internazionali è una di queste. La sicurezza delle comunicazioni essenziali è un’altra. Come per la sicurezza nucleare o per la gestione dei grandi rischi sanitari, la competizione fra Stati deve poter convivere con alcune regole comuni.
E l’Europa, anziché limitarsi a osservare la sfida tra le due superpotenze, dovrebbe assumere un ruolo da protagonista. Ha le competenze scientifiche, le imprese, i centri di ricerca e la forza regolatoria per contribuire alla definizione delle nuove regole. Ma deve investire molto di più e, soprattutto, deve muoversi con maggiore rapidità. Perché il problema del 2030 non è sapere se proprio in quell’anno una macchina riuscirà a violare una firma digitale di Bitcoin. Nessuno può affermarlo con certezza. Le stime divergono e le difficoltà ingegneristiche restano considerevoli.
Il problema è che potremmo arrivare al 2030 senza avere ancora completato il lavoro necessario a difenderci. E in una società nella quale quasi ogni attività economica dipende da una forma di autenticazione digitale, la vulnerabilità di quei sistemi non sarebbe una questione per informatici. Diventerebbe una questione di stabilità finanziaria, continuità industriale, sicurezza nazionale e sovranità. Abbiamo trascorso gli ultimi anni chiedendoci quanto l’intelligenza artificiale cambierà il lavoro, la produttività, la medicina e la nostra vita quotidiana. Domande legittime, naturalmente. Ma forse abbiamo dedicato troppo poco tempo a un interrogativo ancora più elementare: chi garantirà che le infrastrutture digitali sulle quali poggia questa nuova economia continueranno a essere affidabili?
C’è una sottile ironia in tutto questo. Abbiamo costruito un mondo nel quale il denaro si muove alla velocità della luce, i contratti possono essere eseguiti automaticamente e le macchine cominciano a prendere decisioni autonome. E ora scopriamo che le fondamenta matematiche di una parte di questo edificio potrebbero dover essere sostituite. Non è una ragione per fermare il progresso. È una ragione per governarlo. Il 2030 non deve diventare la data di un’apocalisse digitale. Deve diventare la scadenza entro la quale le grandi potenze avranno dimostrato di saper collaborare almeno sulla sicurezza del mondo che hanno costruito. Perché il rischio più grande non è che un giorno un computer diventi abbastanza potente da violare una chiave crittografica. È che gli uomini, pur conoscendo il pericolo, non riescano a mettersi d’accordo in tempo per cambiare la serratura.
Ci accorgiamo di quanto conti una rete soprattutto quando rallenta: durante una videochiamata, un pagamento online o una serata in streaming. Dietro questi gesti quotidiani c’è un’infrastruttura che deve trasportare sempre più dati. Nokia vuole renderla più efficiente usando l’intelligenza artificiale, dai collegamenti dei data center fino alle reti mobili.
I risultati del terzo trimestre 2026 mostrano che la domanda legata ad AI e cloud è già una fonte di crescita per il gruppo finlandese. Raccontano, però, anche l’altra faccia della trasformazione: mentre l’utile operativo comparabile migliora, costi di ristrutturazione e investimenti assorbono liquidità.
Tra luglio e settembre Nokia ha registrato 5,154 miliardi di euro di vendite, in aumento del 10% rispetto allo stesso periodo del 2025. L’utile operativo comparabile è salito del 35%, a 605 milioni di euro. Il risultato operativo riportato, che comprende anche voci come i costi di ristrutturazione, è stato invece di 196 milioni, in calo del 22%.
La distinzione aiuta a leggere i conti senza fermarsi a un solo numero: l’attività ordinaria è cresciuta, ma la trasformazione del gruppo ha un costo rilevante. Nel trimestre Nokia ha contabilizzato 357 milioni di euro di oneri di ristrutturazione.
I numeri del trimestre, in breve
Indicatore Q3 2026
Risultato
Che cosa ci dice
Vendite nette
5,154 miliardi di euro, +10%
La crescita prosegue rispetto al 2025
Utile operativo comparabile
605 milioni, +35%
Migliora la redditività dell’attività ordinaria
Utile operativo riportato
196 milioni, -22%
Risente soprattutto degli oneri di ristrutturazione
Vendite ai clienti AI e cloud
631 milioni, +123% a cambi costanti
La domanda di infrastrutture per l’IA accelera
Nuovi ordini AI e cloud
1,5 miliardi di euro
Segnalano domanda futura, non ricavi già incassati
Flusso di cassa libero
-99 milioni
Nel trimestre investimenti e capitale circolante hanno assorbito liquidità
La spinta più forte arriva dalle infrastrutture di rete: le vendite del segmento sono aumentate del 15% a cambi costanti. Le reti IP sono cresciute del 43%, quelle ottiche del 18%. Le vendite ai clienti AI e cloud hanno superato i 630 milioni di euro. Gli ordini raccolti da questa categoria hanno raggiunto 1,5 miliardi, con un aumento del 118% rispetto a un anno prima.
I data center che addestrano e fanno funzionare i sistemi di intelligenza artificiale hanno bisogno di collegamenti veloci e affidabili. Nokia fornisce parte delle reti che li connettono: per il gruppo, la corsa all’IA è già una fonte concreta di vendite e commesse. La società prevede, inoltre, una crescita del 25-30% nel 2027 per le attività combinate di reti IP e ottiche.
L’intelligenza artificiale arriva anche alle antenne
La strategia Nokia-Nvidia si estende ora alla rete radio mobile con l’AI-RAN. Questo significa usare l’intelligenza artificiale nella parte della rete che gestisce il collegamento tra smartphone e antenne, per amministrare meglio il traffico e utilizzare con maggiore efficienza lo spettro radio.
Nokia ha annunciato di aver completato con Nvidiae T-Mobile la prima chiamata AI-RAN su una rete operativa di un gestore. Il comunicato del gruppo cita anche le sperimentazioni europee: Elisa ha svolto prove su una rete 5G a Helsinki. BT prepara un test a Birmingham nel 2027. Nokia e Deutsche Telekom hanno registrato in laboratorio miglioramenti tipici del 10-15% nella velocità di trasmissione dal dispositivo verso la rete. Quest’ultimo risultato dovrà essere verificato sul campo.
Per chi usa la rete, il possibile beneficio è intuitivo: una gestione più intelligente può aiutare gli operatori a sfruttare meglio la capacità disponibile, ma non significa che le prestazioni o le tariffe cambieranno subito. I test devono diventare soluzioni adottate su larga scala e Nokia non indica ancora ricavi specifici generati dall’AI-RAN.
Crescita sì, ma la cassa racconta anche il costo
Il flusso di cassa libero di Nokia è risultato negativo per 99 milioni di euro nel trimestre. La società attribuisce la pressione, tra le altre voci, agli assorbimenti di capitale circolante, alle ristrutturazioni e agli investimenti. In pratica, una parte delle risorse resta impegnata nel ciclo operativo, come scorte, pagamenti e incassi, invece di trasformarsi subito in liquidità disponibile.
Nokia conferma per il 2026 la previsione di un utile operativo comparabile tra 2,1 e 2,6 miliardi di euro e si aspetta di chiudere l’anno sopra il punto medio della forchetta. Allo stesso tempo, ha ridotto al 35-55% la stima di conversione dell’utile operativo in flusso di cassa libero e prevede oneri di ristrutturazione per 1,1 miliardi nel 2026.
Per l’Europa e per l’Italia la questione va oltre i conti di una singola azienda. Le reti e i data center sono infrastrutture essenziali per servizi digitali, imprese e famiglie. QuiFinanza ha già raccontato lo sviluppo dei poli per l’intelligenza artificiale nel Sud Italia e la corsa globale alle infrastrutture con il caso della società coreana Elice.
I conti di Nokia mostrano, dunque, due tempi diversi. AI e cloud stanno già portando crescita e ordini. La nuova generazione di reti mobili è ancora in fase di test e sviluppo. La prova per il gruppo sarà trasformare l’interesse tecnologico in contratti, servizi diffusi e cassa più robusta. Per chi usa queste reti ogni giorno, è lì che si misurerà il valore concreto della promessa.
“Il controllo dei monopoli è libertà”. Sergio Mattarella richiama la battaglia del liberale Luigi Einaudi per lanciare un monito contro la concentrazione del potere economico e le pretese dei grandi magnati delle nuove tecnologie. E indica nell’Unione europea la dimensione indispensabile per raccogliere una sfida che non è soltanto economica, ma anche democratica. In una stagione segnata dall’ascesa dei sovranisti e dalle proteste dei giovani preoccupati per un futuro di diseguaglianze, Mattarella chiarisce la posta in gioco e indica una direzione.
Parlando al Quirinale durante la cerimonia per i Cavalieri del Lavoro, il capo dello Stato denuncia le “pretese neo-monopoliste” e punta il dito, senza il bisogno di fare nomi, contro i “cosiddetti magnati, insofferenti alle regole della comunità, siano esse statuali o sovranazionali, con assurde inaccettabili pretese in settori nevralgici della vita internazionale”. Con particolare attenzione alle “tecnologie satellitari e l’intelligenza artificiale“, visto “il peso crescente che hanno assunto nella nostra vita quotidiana”. Perché nessuno sottovaluti i pericoli che corriamo, Mattarella si rifà a una battaglia del 1947, quella di Einaudi, futuro presidente della Repubblica, che all’Assemblea Costituente propose di stabilire che la legge non potesse essere “strumento di formazione di monopoli economici; ed ove questi esistano li sottopone a pubblico controllo a mezzo di amministrazione pubblica delegata o diretta”. Una proposta avanzata, sottolinea Mattarella, “proprio perché liberale“. Nei monopoli Einaudi individuava “l’origine più profonda e vera dei mali sociali”, collegandoli alla disoccupazione e alle disuguaglianze. La Costituzione avrebbe comunque previsto limiti all’iniziativa economica e la possibilità di riservare o trasferire determinate imprese alla proprietà pubblica, ma l’emendamento di Einaudi non entrò nella Carta. Ottant’anni dopo, Sergio Mattarella raccoglie e rilancia quella sfida, per affrontare problemi che i Costituenti non potevano immaginare.
Cos’è un monopolio? Una sola impresa che controlla l’offerta di un prodotto o servizio sul mercato. Ma i rischi ci sono anche se a dominare i mercati sono pochi grandi operatori. Il problema nasce quando la concentrazione del potere limita la concorrenza riuscendo a imporre prezzi e comportamenti. Se poi riguarda infrastrutture indispensabili la concentrazione economica può trasformarsi in potere politico. E se le decisioni private incidono sull’accesso a servizi essenziali, la questione non riguarda più solo l’economia di mercato, ma la capacità delle istituzioni democratiche di governare processi che coinvolgono milioni di persone e una dimensione globale difficile da affrontare con le sole politiche nazionali. Per questo Mattarella dice che “la prospettiva, anche quanto a dimensioni, è quella europea”. L’Europa dispone già di norme antitrust e del Digital Markets Act, quello che impone precisi obblighi alle grandi piattaforme digitali per garantire la concorrenza. Ma la velocità con cui si stanno sviluppando i nuovi mercati tecnologici e il loro valore su quelli finanziari pone sfide inedite. “È la crescente integrazione dell’Unione europea la chiave della crescita di competitività, della difesa e del potenziamento di una civiltà i cui valori oggi appaiono minacciati”.
La sfida è concreta. Nelle comunicazioni satellitari, la dipendenza da operatori come Starlink, del gruppo SpaceX di Elon Musk, interroga l’autonomia europea in un settore strategico anche per la sicurezza e la difesa del vecchio continente, come sanno bene gli ucraini che al momento non hanno un’alternativa europea equivalente. L’Ue rincorre anche sul fronte dei semiconduttori e dei servizi cloud. Quanto all’intelligenza artificiale, tutto sembra ruotare intorno agli immensi data center. Infrastrutture costose ed energivore, nelle mani di pochi grandi operatori, per la maggior parte statunitensi. Il controllo di queste tecnologie condizionerà l’accesso al mercato di migliaia di imprese, compreso il piccolo commerciante. In Europa, dunque, la sfida è doppia: impedire che queste posizioni di forza soffochino mercato e concorrenza e liberarsi dalla dipendenza tecnologica verso aziende estere. Sullo sfondo, il rischio denunciato da Mattarella che le “pretese neo-monopoliste” si riflettano “sulle stesse libertà del nostro modello di vita”.
Per questo non basta affidarsi ai controlli delle autorità di Bruxelles. Serve una risposta politica comune ed è qui che il discorso del Capo dello Stato diventa politico: “Non è il tempo del ripiegamento, del giardino di casa”, avverte. Un messaggio che parla anche alle nuove generazioni. Il presidente denuncia il malessere, l’insicurezza per il futuro e la fuga dei talenti, mentre richiama le fragilità dell’economia italiana, dai bassi salari alla scarsa produttività. “La società non può rivolgersi ai giovani con un atteggiamento di indifferenza o, peggio, di meschina sottovalutazione“, ammonisce. E ricorda che “l’inclusione è alleata decisiva della crescita, non un costo improduttivo”. Alla cerimonia per i Cavalieri del Lavoro, il filo che lega le parole e le preoccupazioni di Mattarella a quelle di Einaudi è la libertà. Anche quella di lavorare, fare impresa, costruire il proprio futuro senza subire il potere di pochi.
Nasce la Fondazione Human Ai, organizzazione che riunisce cinque impresemarchigiane – soci fondatori, insieme ai due promotori, Apra SpA (Jesi), Pluservice srl (Senigallia), Inim Electronics srl (Monteprandone), Campetella Robotics Center srl (Montecassiano) e Diatech Pharmacogenetics srl (Jesi) – attive nei settori di informatica, sicurezza elettronica, robotica, mobilità e farmacogenetica. La missione fondativa del progetto è l’applicazione dello Human AI Teaming, ovvero un’intelligenza artificiale che lavori accanto alle persone, non al loro posto. In concreto questo vuol dire creare squadre ibride in cui persone di età diverse e sistemi intelligenti collaborano in modo esplicito e governato, unendo la velocità di chi è cresciuto con gli strumenti digitali al giudizio di chi ha attraversato più di una crisi. La fondazione è promossa dalla Fondazione Cassa di Risparmio di Jesi e dall’Associazione VRAI Lab, laboratorio che raggruppa ricercatori e ricercatrici di diverse università e le mette in contatto con centri di ricerca nazionali e internazionali.
Obiettivo del lavoro è portare concretamente l’intelligenza artificiale dentro le imprese e le organizzazioni italiane, rispettando tuttavia i principi etici europei. Particolare attenzione viene posta, inoltre, sulla Physical AI, ovvero l’intelligenza artificiale applicata a progetti e processi che si concludono con un prodotto fisico. L’applicazione di ciò si vede, per esempio, nelle lavorazioni artigianali verticali, come la produzione di cappelli e calzature, nella robotica per la filiera del vino e nel settore biomedico: ambiti in cui creatività e competenza umana non possono essere sostituite, ma i processi possono essere migliorati. Tra gli obiettivi attesi, misurabili nei prossimi cinque anni, ci sono l’apertura a realtà aziendali da tutta Italia, la nascita di dieci startup innovative specializzate in soluzioni AI, il coinvolgimento di almeno il 20% delle piccole e medie imprese marchigiane in programmi di formazione sull’intelligenza artificiale e la creazione di tre laboratori congiunti università-imprese.
Sul tavolo un fitto programma di incontri e collaborazioni: il calendario prevede a novembre un primo incontro con le imprese dedicato all’AI come leva di competitività, con un focus sugli incentivi e sugli strumenti di sostegno all’investimento; a febbraio un tavolo con la Regione Marche su intelligenza artificiale e politiche pubbliche, per costruire sinergie su risorse e specializzazione intelligente; tra aprile e maggio un secondo appuntamento con le imprese sulla governance e sulla conformità al Regolamento europeo sull’intelligenza artificiale (AI Act), con particolare attenzione alla gestione del rischio e all’alfabetizzazione del personale; tra giugno e luglio una Summer School rivolta ai docenti delle scuole del territorio, con moduli dedicati anche agli studenti delle superiori, su etica e pensiero computazionale.
La società Usa dell’intelligenza artificiale Anthropic ha chiuso il primo semestre 2026 con una perdita netta di 80,7 miliardi di dollari, in forte aumento rispetto ai 13 miliardi dello stesso periodo del 2025. A pesare, però, è soprattutto una posta contabile: 72 miliardi derivano dall’aumento del valore stimato dei titoli convertibili in azioni della società, legato alla crescita del suo valore di mercato. Si tratta di passività finanziarie ma non di costi operativi sostenuti in contanti. Resta comunque enorme il fabbisogno legato alla corsa all’intelligenza artificiale: nei primi sei mesi l’azienda ha speso quasi 9 miliardi per capacità di calcolo e infrastrutture, contro i 2,3 miliardi di un anno prima, e si è impegnata a investire almeno 518 miliardi nell’arco di dieci anni in servizi cloud, calcolo e infrastrutture.
Sul fronte dei ricavi, nel terzo trimestre la società che sviluppa il chatbot Claude secondo i media Usa è arrivata a quota 16,8 miliardi di dollari, in crescita del 45% sul trimestre precedente. Il rallentamento della crescita congiunturale, tuttavia, ha deluso alcuni investitori in vista della prevista quotazione a novembre, sulla quale si concentrano le aspettative dell’intero comparto dell’IA.
Nei giorni scorsi la startup di Dario Amodei ha organizzato nei giorni scorsi una giornata per gli investitori nella sua sede a San Francisco in vista dell’Ipo affrontando anche l’approccio ai rischi di sicurezza, l’aspetto che ha portato Amodei allo scontro prima con il Pentagono e poi con la Casa Bianca. Una crisi che al momento appare rientrata ma che è destinata probabilmente a condizionare i rapporti di lungo periodo fra l’amministrazione e Anthropic.
Un’offerta molto richiesta, poi un debutto in Borsa in discesa. Il caso di Elice, società sudcoreana attiva nei servizi AI e nelle infrastrutture cloud, racconta una fase nuova della corsa all’intelligenza artificiale: gli investitori continuano a guardare al settore, ma chiedono prove più chiare sui ricavi e sulla sostenibilità degli investimenti.
Oggi, 20 ottobre, nel primo giorno di contrattazioni sul Kosdaq, il titolo Elice è arrivato a perdere fino al 32%, scendendo a 61.400 won rispetto ai 90.500 won del prezzo di collocamento. La società ha raccolto circa 201 miliardi di won, pari a 151 milioni di dollari. L’offerta pubblica iniziale, o IPO, aveva attirato richieste istituzionali per quasi 389 volte le azioni disponibili: un forte interesse iniziale che, però, non ha impedito le vendite in Borsa.
Che cosa ci dice il debutto di Elice
Elice è nata come piattaforma di formazione digitale e si è allargata ai servizi cloud e all’intelligenza artificiale. Con i fondi raccolti intende sviluppare data center modulari. Il mercato sta valutando se la crescita di queste infrastrutture possa trasformarsi in ricavi sufficienti a giustificare i capitali necessari.
Il calo del titolo non cancella i risultati operativi comunicati dall’azienda: nel primo semestre 2026 i ricavi sono saliti a 34 miliardi di won e la società è tornata a un utile operativo, dopo una perdita nello stesso periodo dell’anno precedente. La Borsa guarda anche avanti: costi, concorrenza e tempi di rientro degli investimenti pesano quanto la crescita registrata finora.
Segnale
Che cosa osservare
Elice: fino a -32% al debutto
Una IPO molto richiesta non garantisce un rialzo dopo la quotazione
Asia: Kospi -3,61%
Nella rilevazione Reuters del 20 ottobre la cautela ha coinvolto anche i grandi titoli tecnologici
ASML: domanda oltre la capacità nel 2027-28
La domanda di macchinari per chip resta forte, ma contano anche capacità produttiva e redditività
Bond dei data center sotto la pari
Gli investitori chiedono maggiori garanzie sui ricavi che dovranno ripagare il debito
La fotografia asiatica è più ampia del singolo titolo: l’indice MSCI Asia ex-Japan perdeva lo 0,93%, il Nikkei l’1,28% e il Kospi il 3,61%. I futures europei erano indicati deboli prima dell’avvio delle contrattazioni. Sono dati di una seduta, non una previsione per Piazza Affari o per l’intero mercato europeo: a muovere gli indici concorrono anche tensioni geopolitiche, petrolio, tassi e risultati aziendali.
Perché l’Europa guarda a Elice
Il collegamento europeo passa, soprattutto, dai semiconduttori e dal finanziamento delle infrastrutture. ASML, gruppo olandese che produce macchinari per la fabbricazione di chip, ha dichiarato che la domanda supererà la sua capacità produttiva nel 2027 e nel 2028, nonostante i piani per aumentarla. È un segnale di domanda robusta, ma anche una sfida: riuscire a produrre e investire abbastanza senza perdere di vista i rendimenti.
Sul fronte del credito, alcuni bond collegati a progetti di data center sono scesi sotto la pari. Gli investitori vogliono capire se i ricavi dell’AI copriranno i debiti contratti per costruire queste infrastrutture. È un contesto utile per leggere il debutto di Elice: il mercato sta distinguendo tra chi promette capacità di calcolo e chi dimostra di poterla trasformare in ricavi.
La questione tocca anche l’Italia. Data center e servizi cloud sono infrastrutture necessarie per imprese e consumatori, ma richiedono energia e reti adeguate. La Commissione europea punta a triplicare la capacità dei data center nell’Unione nei prossimi cinque-sette anni e ha proposto un sistema comune per rendere più trasparenti i consumi di energia e acqua.
Per i mercati europei, i prossimi risultati delle grandi aziende tecnologiche saranno un banco di prova: gli investitori cercheranno indicazioni sui ricavi e sulla capacità di sostenere gli investimenti. Meta è attesa mercoledì, seguita in settimana da Tesla e dai produttori di chip Lam Research e Texas Instruments.
Il debutto di Elice non basta a stabilire l’esito della corsa all’AI. È, però, un promemoria utile anche per chi segue i mercati europei. Tra una tecnologia promettente e un investimento redditizio c’è un passaggio decisivo: quello dei conti.
È stata firmata la delibera che dà il via alla fase due della Zona di Innovazione e Sviluppo (ZIS) di Milano dedicata all’Intelligenza Artificiale, che prende il nome di “Officina AI”. Promossa da Assolombarda, attuale capofila, la ZIS vedrà MADE Competence Center assumere il ruolo di hub e soggetto gestore. È un partenariato pubblico-privato che riunisce oggi 19 partner per accompagnare le imprese, in particolare le PMI, dall’avvio di progetti AI fino alla loro industrializzazione. L’annuncio è stato dato dal presidente di Assolombarda, Alvise Biffi, dall’Assessore Regionale allo Sviluppo Economico, Guido Guidesi, da Marco Taisch, Presidente di MADE.
L’occasione per l’annuncio è stato il convegno “AI e Physical AI, l’impatto nel mondo reale”, organizzato da Assolombarda in collaborazione con Regione Lombardia e MADE e che ha messo a confronto imprese, ricerca e istituzioni sul passaggio dell’AI dal digitale all’azione nei processi produttivi. Dall’AI generativa all’AI agentica fino alla physical AI, cioè sistemi capaci di percepire, decidere e agire grazie a robotica, sensori e automazione, con la presentazione di robot e applicazioni concrete con prototipi, video, simulazioni ed esperienze interattive. Le conclusioni sono state affidate ad Alvise Biffi, Presidente di Assolombarda, Giovanni Bozzetti, Presidente di Fondazione Fiera Milano, e Adolfo Urso, Ministro delle Imprese e del Made in Italy.
Biffi (Assolombarda): “Fare del nostro territorio la fabbrica dell’AI”
“Milano oggi fa un passo concreto verso l’obiettivo che abbiamo indicato all’Assemblea Generale: fare del nostro territorio la fabbrica dell’AI – ha detto Alvise Biffi, Presidente di Assolombarda. – Perché noi non vogliamo limitarci ad adottare la tecnologia: vogliamo contribuire a costruirla, a partire dalla physical AI, dove la nostra manifattura e la nostra meccatronica sono un vantaggio unico in Europa. Nel Quadrilatero di Assolombarda l’industria attiva più di 44 miliardi di valore aggiunto l’anno, ben il 45% del totale lombardo e l’11% nazionale. I numeri ci dicono che la strada è giusta: in meno di due anni le nostre imprese con progetti di AI sono passate da meno di una su cinque a una su due. Ma il divario tra grandi imprese e PMI è ancora ampio, ed è qui che la ZIS deve fare la differenza: portare l’AI nelle piccole e medie imprese, insieme alle competenze per usarla. Lo stiamo già facendo con forgIA, l’ecosistema digitale condiviso e sicuro che abbiamo promosso per mettere a valore i dati industriali e sviluppare applicazioni concrete, nel rispetto della sovranità del dato e della proprietà intellettuale delle imprese: la forgia in cui la fabbrica dell’AI prende forma. La ZIS, è la dimostrazione – conclude il presidente Biffi – di come la Grande Milano sappia fare sistema: istituzioni, università, grandi aziende, startup e formazione insieme, in un partenariato pubblico-privato che mette l’AI al servizio delle persone e della produttività. Questa è la strada migliore per generare benessere diffuso sul nostro territorio.”
Taisch (MADE): “Creare un luogo in cui l’innovazione diventa pratica quotidiana”
“Per le imprese, e per le PMI in particolare, la questione non è più capire se l’AI funzioni, ma come portarla dentro i processi e farle produrre risultati misurabili – ha commentato Marco Taisch, Presidente di MADE – Competence Center Industria 4,0 -. È in questo passaggio, dal progetto pilota all’industrializzazione, che MADE metterà a disposizione della Zona di Innovazione e Sviluppo neocostituita la propria esperienza, in qualità di hub e soggetto gestore. Lo faremo partendo da ciò che sappiamo fare: dalla nostra fabbrica dimostrativa, dove le aziende possono vedere in azione le tecnologie prima ancora di investire; dagli ambienti di sperimentazione protetti, come quelli del nodo italiano di AI-MATTERS, che coordiniamo; dai percorsi di formazione costruiti sui fabbisogni delle imprese. ‘Officina AI’ si inserisce in un ecosistema che stiamo costruendo, con Assolombarda e altri prestigiosi soggetti istituzionali, per fare di Milano una delle capitali mondiali dell’AI. Un grande sistema di competenze di cui fanno parte forgIA, AI4I e Euro-FMX, uno dei due progetti flagship della Commissione europea. Tutto ciò è di estrema importanza, perché nessuna tecnologia, tanto meno l’AI, si rivela utile senza persone in grado di governarla e senza contesti in grado di abilitarla. Grazie ad Assolombarda, agli atenei coinvolti e tutti i partner, ‘Officina AI’ ha le carte in regola per diventare il luogo in cui l’innovazione smette di essere una promessa e diventa pratica quotidiana delle fabbriche del territorio”.
Guidesi (Regione Lombardia): “Valorizzare le vocazioni e le competenze dei territori lombardi”
“La strategia delle Zone di Innovazione e Sviluppo nasce dalla volontà di valorizzare le vocazioni e le competenze dei territori lombardi, mettendo a sistema imprese, università e centri di ricerca per rafforzare la competitività dell’intero sistema produttivo – ha dichiarato l’Assessore regionale allo Sviluppo economico, Guido Guidesi -. Con questa nuova ZIS proseguiamo un percorso che punta a creare un distretto manifatturiero di produzione dell’intelligenza artificiale, favorendo il trasferimento tecnologico e accompagnando le imprese nell’affrontare le sfide del futuro. Vogliamo creare le condizioni affinché le eccellenze dei nostri territori possano continuare a crescere, attrarre investimenti e generare nuove opportunità di sviluppo e occupazione qualificata, soprattutto per le nuove generazioni”.
Mantoan (Città metropolitana di Milano): “Sostenere le imprese milanesi in un contesto sempre più competitivo”
“Da subito abbiamo creduto in questa proposta in coerenza con gli obiettivi della nostra amministrazione: sostenere le imprese milanesi in un contesto globale sempre più competitivo, fare in modo che l’innovazione digitale diventi un’opportunità per tutti e non un privilegio per pochi, mettere al centro la qualità del lavoro e delle competenze – ha aggiunto Giorgio Mantoan, Consigliere Delegato allo Sviluppo Economico della Città metropolitana di Milano -. L’ammissione alla seconda fase è il risultato del lavoro di squadra tra istituzioni, imprese e realtà della ricerca: questa è la strada giusta. La Città metropolitana di Milano è pronta a fare la sua parte. Ora comincia il lavoro più importante: l’obiettivo è tradurre questa candidatura in crescita, lavoro di qualità e opportunità per tutto il territorio”.
Il mercato italiano dell’AI e il ruolo di Milano
La ZIS AI nasce per riconoscere e consolidare Milano come principale ecosistema italiano per l’adozione, la sperimentazione e lo sviluppo industriale dell’Intelligenza Artificiale. Il mercato italiano dell’AI ha raggiunto nel 2025 un valore stimato di 1,8 miliardi di euro, in crescita del 50% sul 2024. L’adozione nelle imprese accelera, ma resta disomogenea. Secondo l’indagine condotta da Assolombarda con il Politecnico di Milano, su 700 aziende del Quadrilatero di Milano, Monza e Brianza, Lodi e Pavia, il 49% ha oggi progetti di AI attivi, contro meno del 20% di fine 2024, e un ulteriore 18% prevede di avviarli a breve. Il divario per dimensione però resta ampio: 79% tra le grandi imprese, 48% tra le medie, 41% tra le piccole e 40% tra le microimprese.
Milano, oltre che capitale italiana dei servizi knowledge intensive, è il cuore di un grande polo manifatturiero, capace di integrare settori tradizionali e storicamente radicati del Made in Italy con filiere ad alto potenziale strategico e di sviluppo. Nel Quadrilatero di Assolombarda nel manifatturiero ci sono 34 mila imprese con 347 mila addetti che attivano un valore aggiunto industriale di più di 44 miliardi di euro. In particolare, la meccatronica conta 13,4 mila unità locali, quasi 120 mila addetti e 36 miliardi di euro di export annuo. L’area concentra, quindi, ben il 40% delle unità locali, il 25% degli addetti e il 42% delle vendite estere della meccatronica lombarda, nonché l’11%, il 7% e il 13% di quella italiana. A questa solida base industriale il Quadrilatero aggiunge il primato nell’innovazione, ospitando più di 2,5 mila startup innovative, il 22% di tutte quelle attive in Italia. È questa combinazione, unica nel Paese, a rendere Milano il territorio più maturo per ospitare la ZIS sull’Intelligenza Artificiale e per continuare ad attrarre investimenti, talenti e capitali.
Al centro c’è una piattaforma aperta in cui imprese, università e startup progettano, testano e validano soluzioni AI in contesti industriali reali. La ZIS combina IA fisica, generativa e agentica e le applica a diversi ambiti produttivi. Un pilastro specifico è dedicato alle competenze, con percorsi di formazione, upskilling e reskilling che rafforzano il legame tra scuola, università e industria.
Il partenariato copre l’intera catena del valore dell’AI: ricerca, sperimentazione, formazione, trasferimento tecnologico, incubazione di startup e supporto all’industrializzazione. Ne fanno parte, oltre ad Assolombarda e MADE, Città Metropolitana di Milano, Camera di Commercio Milano Monza Brianza Lodi, le università Politecnico di Milano, Università Bocconi, Università degli Studi di Milano, Università degli Studi di Milano-Bicocca, grandi imprese tecnologiche, PMI innovative, soggetti dell’ecosistema dell’innovazione ed enti di formazione. La partecipazione è aperta anche agli altri atenei del territorio. Il progetto nasce sin dall’inizio con l’importante collaborazione di AI4I, l’Istituto Italiano di Intelligenza Artificiale per l’Industria.
Il convegno “AI e Physical AI, l’impatto nel mondo reale” con Matteo Zoppas (ICE)
Il convegno “AI e Physical AI, l’impatto nel mondo reale”, si è aperto con i saluti di Guido Guidesi, Assessore allo Sviluppo economico di Regione Lombardia. Matteo Zoppas, Presidente dell’Agenzia ICE, è intervenuto sul tema “Intelligenza artificiale e competitività: la sfida delle imprese italiane sui mercati globali”, mentre Marco Taisch, Presidente di MADE – Competence Center Industria 4.0 e docente del Politecnico di Milano, ha accompagnato il pubblico con l’intervento “dall’AI generativa all’AI integrata nei processi decisionali e operativi”.
Lo sguardo si è allargato alle prospettive future con “The next stage of AI”, la relazione di Tarek Zohdi, Professor e Director of the Richmond Field Station della UC Berkeley, e le esperienze dirette delle imprese, con Coco Robotics, Fincantieri e Multiply Labs. Spazio quindi alla tavola rotonda “Come creare un ecosistema di eccellenza sull’AI”, con Marina Brambilla, Rettrice dell’Università degli Studi di Milano; Fabrizio Grillo, Presidente di Federated Innovation; Federica Ingrosso, Senior Specialist Relazioni Esterne di SIMEST; Fred Parietti, Co-Founder e CEO di Multiply Labs; Stefano Venturi, Special Advisor Intelligenza Artificiale e Transizione Digitale di Assolombarda.
Ha venduto ogni singolo bene personale che possedeva per pagarsi un biglietto dell’autobus e viaggiare per oltre 2.000 chilometri, spinto dal desiderio di incontrare la donna che voleva sposare. Giunto a destinazione, però, l’amara scoperta: la fidanzata dei suoi sogni, che sui social gli prometteva una vita agiata in fattoria, non era altro che un personaggio generato dall’Intelligenza Artificiale. È la disavventura vissuta dal 49enne brasiliano EdimarMartins, muratore originario dello stato del Maranhão, vittima di un inganno digitale che lo ha lasciato senza denaro e con il cuore infranto.
L’illusione di Martins inizia nel 2020, quando si imbatte nel profilo social di una sedicente “Jéssica Oliveria”. Per quattro anni l’uomo segue gli aggiornamenti della donna, senza mai sospettare che le fattezze e la voce della ragazza fossero il prodotto di un software. Stanco della solitudine e convinto di aver trovato l’amore, lo scorso 9 ottobre Martins prende una decisione drastica: vende tutti i suoi averi per finanziare la trasferta verso Belo Horizonte, capitale dello stato sud-orientale del Minas Gerais. “Ho venduto tutte le mie cose, mi sono sbarazzato di tutto”, ha raccontato all’emittente tv Mirante. “È così che ci si scoraggia; chi non si scoraggerebbe?”.
A trarre in inganno il 49enne sono stati i contenuti pubblicati sull’account TikTok@JessicaFazendeira, un profilo seguito da oltre 300.000 follower. In uno dei video (successivamente rimosso dalla piattaforma), la donna generata dall’IA lanciava un appello mirato, dichiarando di cercare un compagno da accogliere nella propria tenuta agricola. “Voglio davvero sostenerti, voglio che tu venga nella mia fattoria e che tu non debba mai più lavorare in vita tua“, recitava il personaggio virtuale. Parole che hanno fatto breccia nella solitudine del muratore: “Porta solo tristezza, scoraggiamento, depressione. Molte persone desideravano trovare una relazione, così sono venuto”, ha spiegato Martins.
YouTube è ormai un luogo familiare. Ci guardiamo un evento sportivo, un documentario, un tutorial o lasciamo che i nostri figli vedano un cartone animato. Eppure dietro questa normalità esiste un problema enorme: chiunque può pubblicare un contenuto. E qualcuno, inevitabilmente, prova a caricare contenuti inappropriati, sessualmente espliciti, violenti, fino ad arrivare a materiale apertamente illegale. Il problema vale per tutti i social network: solo su YouTube vengono caricate oltre 500 ore di video ogni minuto; su TikTok, ad esempio, vengono pubblicati oltre 100 milioni di contenuti al giorno.
Anni fa un mio amico lavorava nella moderazione dei contenuti online. Mi raccontava che tra il materiale da controllare arrivavano immagini e video estremamente violenti, degradanti e, in alcuni casi, difficili persino da descrivere. Contenuti che, fortunatamente, un normale utente non vedrà quasi mai, proprio perché qualcuno — o sempre più spesso qualche algoritmo — li intercetta prima. Oggi gran parte di questo lavoro è affidata ai sistemi automatici, che analizzano enormi quantità di contenuti e bloccano o segnalano quelli sospetti. I moderatori umani intervengono soprattutto nei casi più complessi o controversi, mentre le segnalazioni degli utenti aiutano a individuare ciò che può essere sfuggito ai controlli.
Ora trasferiamo lo stesso problema all’intelligenza artificiale generativa.
ChatGPT e gli altri modelli, se usati bene, sono strumenti straordinari. Possono aumentare le nostre capacità, aiutarci a valorizzare la nostra creatività, velocizzare attività complesse e renderci più efficaci nel lavoro e nello studio. Possono riassumere documenti, tradurre, scrivere codice, generare immagini e analizzare grandi quantità di dati. In medicina e nella ricerca scientifica queste capacità diventano ancora più interessanti, perché permettono di esplorare quantità di informazioni difficilmente gestibili da un singolo gruppo di ricerca. A settembre Anthropic ha raccontato come centinaia di agenti Claude abbiano analizzato database genetici, contribuendo all’individuazione di un nuovo sistema enzimatico, che verrà ora studiato per comprenderne meglio le potenzialità.
Ma quando uno strumento così potente viene messo nelle mani di milioni di persone, è inevitabile che qualcuno provi a utilizzarlo anche per scopi malevoli. L’ultimo rapporto di Anthropic sugli abusi di Claude offre esempi impressionanti. Un operatore ha usato il modello per contribuire allo sviluppo di una piattaforma di sorveglianza destinata all’intelligence del Mali, progettata per lavorare sui dati di circa 25 milioni di SIM. Anthropic ha individuato l’attività e bloccato gli account coinvolti. Ma da quel momento restano diverse incognite: non sappiamo se gli sviluppatori abbiano cambiato sistema di AI, se il progetto sia proseguito con altri strumenti o se il software realizzato sia oggi effettivamente operativo.
In un altro caso, una cellula operante nel nord dello Yemen ha utilizzato Claude nello sviluppo del software di guida di un razzo. Dopo un test fallito, gli sviluppatori sono tornati al modello per cercare di capire che cosa non avesse funzionato. In operazioni riconducibili allo spionaggio russo, invece, l’AI è stata utilizzata per automatizzare diverse fasi di attacchi informatici, compreso lo sviluppo e l’adattamento di malware.
Ma forse il caso più interessante è anche il meno spettacolare. Alcuni utilizzatori dividevano un progetto pericoloso in tante richieste apparentemente innocue. Una poteva servire a scrivere codice, un’altra a gestire credenziali, un’altra a risolvere un problema. Singolarmente sembravano lecite. Solo guardandole nel loro insieme emergeva la finalità malevola del progetto.
Ed è qui che il paragone con YouTube mostra il suo limite. Su YouTube dobbiamo soprattutto controllare un contenuto: un video può essere analizzato, segnalato e rimosso. Con l’intelligenza artificiale generativa bisogna capire anche l’intenzione dietro una sequenza di istruzioni. Una domanda può essere innocua. Anche quella successiva. Ma che cosa stanno costruendo, insieme, cento richieste apparentemente innocue?
C’è poi un problema economico. In uno dei casi più gravi descritti da Anthropic sono stati sottratti oltre un terabyte di dati, tra cui centinaia di migliaia di identificativi personali e milioni di record relativi a carte di pagamento. Ma il punto forse più importante è un altro: l’AI può abbassare drasticamente il costo di un attacco. Ricognizione, scrittura di codice e analisi delle vulnerabilità possono essere affidate a sistemi automatici, riducendo il lavoro e le competenze necessarie. Così anche bersagli che prima non valeva la pena colpire possono diventare convenienti.
La soluzione sembrerebbe semplice: controllare ogni domanda, ogni risposta e magari l’intera storia della conversazione. Ma questi strumenti hanno successo anche perché rispondono quasi immediatamente. Ogni controllo aggiuntivo deve quindi convivere con milioni di utenti che si aspettano una risposta in pochi secondi. Un sistema troppo permissivo può diventare pericoloso; uno eccessivamente prudente rischia di diventare inutilizzabile. I grandi servizi commerciali hanno forti incentivi economici e reputazionali a mantenere adeguati livelli di sicurezza. Per questo investono in filtri, monitoraggio e strumenti per individuare gli abusi. Quando emergono nuove tecniche per aggirare i controlli possono bloccare gli account coinvolti e rafforzare progressivamente le proprie difese.
Ma esistono anche modelli che possono essere scaricati ed eseguiti localmente. In quel caso il modello gira sul computer dell’utente e non esiste necessariamente un’azienda o un ente che possa osservare ciò che sta accadendo o interrompere l’utilizzo. Molto dipende dal modello scelto, da come è stato costruito e dai limiti che incorpora.
Il punto, quindi, non è soltanto stabilire che cosa un’intelligenza artificiale debba rifiutarsi di fare. Bisogna riuscire a capire che cosa qualcuno sta cercando di ottenere attraverso molte richieste, magari tutte apparentemente innocue, e farlo in tempo reale senza penalizzare milioni di persone che utilizzano questi strumenti in modo legittimo e con finalità positive. Riuscire a controllare sistemi così potenti, senza limitarne le enormi potenzialità, sarà una delle sfide decisive dell’intelligenza artificiale dei prossimi anni.
*professore associato di Ingegneria informatica, Università della Calabria
L’intelligenza artificiale (IA) è ormai ovunque, dopo gli Italian brain-rot che hanno invaso i social (in cui venivano generati video senza senso), il suo uso si è espanso nel resto della società. L’uso frenetico di questo mezzo è dovuto alla facilità d’utilizzo, dove, scrivendo una o due frasi, ci ritroviamo con un’immagine generata automaticamente o con la risposta ad un problema. Più si va in avanti, e più la corsa all’intelligenza artificiale migliora questo strumento. Le immagini generate artificialmente sono sempre più realistiche per non parlare dei video, ed ormai anche passeggiando per le strade incontriamo pubblicità create con l’IA. L’intelligenza artificiale si trova sempre di più facilmente, oltre a tutti i contenuti che ci sono sui social, ormai anche alcuni ristoranti ed eventi creano le loro pubblicità con l’IA; perciò, la sua presenza si è generalizzata nelle nostre vite.
C’è dunque un’onnipresenza dell’intelligenza artificiale nella nostra società, considerando che la vediamo sui social e nelle strade. Il suo uso si è democratizzato nelle nostre vite quotidiane. Secondo ItaliaOggi (AI, 16 mln di italiani usano almeno un’app. Fra i 15-24enni ChatGPT supera TikTok, dicembre 2025) circa il 35% della popolazione italiana usava l’IA. Al giorno d’oggi, anche con una semplice ricerca Google ci viene imposta una risposta fatta con l’IA. Anche nelle scuole sono in tanti a usarla obbligando gli istituti ad adattare i loro regolamenti.
Oltre ai problemi legati all’ambiente ed al consumo energetico dell’IA, dobbiamo chiederci come usarla senza diventarne dipendenti. Secondo uno studio della Fondazione Olitec (Ricerca sulla Dicotomia dell’Intelligenza Artificiale: Amplificatore del Genio Umano o Meccanismo di Dipendenza Cognitiva), che ha coinvolto 800 persone per capire se l’IA crea dipendenza o amplifica le capacità cognitive, solo 160 persone riuscivano a utilizzare l’IA per amplificare le loro capacità cognitive, una parte di loro sono anche riusciti a utilizzarla con senso critico per fare scoperte interdisciplinari. Per 640 persone invece il suo utilizzo ha creato dipendenza, diminuendo, per il 62% di questo gruppo, la capacità di risolvere problemi del 18%. Lo studio mette in evidenza che l’uso eccesivo dell’IA ha ridotto anche l’esercizio mentale, portando a considerare che ciò che dice l’IA sia considerato vero e conclude dicendo che, per la maggior parte delle persone, “l’IA rischia di generare dipendenza cronica, con potenziali effetti negativi sulla resilienza cognitiva, l’autostima e l’inclusione sociale”. Perciò possiamo vedere che occorre essere attenti al modo in cui lo usiamo perché può essere un pericolo per la nostra capacità di spirito critico.
Per concludere, l’IA è una tecnologia che cambia le nostre abitudini, come già abbiamo visto, ma occorre utilizzarla con cure. Le derive sono già troppe, come con la creazione degli Italian brain-rot, ed è necessario chiederci come utilizzare bene questa risorsa per evitare di diventarne dipendenti. È senza dubbio una risorsa che può facilitarci la vita, ma occorre prendere in considerazioni i limiti dell’IA e riflettere di più quando la usiamo, a rischio di perdere un po’ delle nostre abilità.
Il blog Sostenitore ospita i post scritti dai lettori che hanno deciso di contribuire alla crescita de ilfattoquotidiano.it, sottoscrivendo l’offerta Sostenitore e diventando così parte attiva della nostra community. Tra i post inviati, Peter Gomez e la redazione selezioneranno e pubblicheranno quelli più interessanti. Questo blog nasce da un’idea dei lettori, continuate a renderlo il vostro spazio. Diventare Sostenitore significa anche metterci la faccia, la firma o l’impegno: aderisci alle nostre campagne, pensate perché tu abbia un ruolo attivo! Se vuoi partecipare, al prezzo di “un cappuccino alla settimana” potrai anche seguire in diretta streaming la riunione di redazione del giovedì – mandandoci in tempo reale suggerimenti, notizie e idee – e accedere al Forum riservato dove discutere e interagire con la redazione.
La sera del 6 ottobre, durante la festa di inizio anno accademico della School of Mathematics all’Institute for Advanced Study (IAS) di Princeton, OpenAI ha pubblicato online 722 preprint contenenti 372 risultati di matematica avanzata. Constantin Kogler, giovane ricercatore dell’IAS, ha esaminato i documenti dal proprio smartphone durante il ricevimento, scoprendovi la dimostrazione della congettura sugli “exact overlaps”, un principio fondamentale in informatica e bioinformatica. Kogler e un collega avevano risolto il medesimo problema appena dieci giorni prima e ne stavano ultimando la stesura.
“Era una cosa grossa”, ha dichiarato il ricercatore alla rivista Science, “direi una svolta importante nel campo”. Rientrato a casa, Kogler ha pubblicato immediatamente il proprio studio, uscito con sole quattro ore di ritardo rispetto ai documenti generati dall’algoritmo.
C’è un problema che nessuno vuole mettere per iscritto nei piani industriali: se le macchine producono tutto, poi chi compra? Domanda banale, quasi offensiva per chi gestisce un’azienda. Eppure, è il nodo che tiene insieme tutta la baracca capitalistica.
Il ragionamento è semplice. Un’impresa sostituisce i lavoratori con i robot. Risparmia stipendi, aumenta i margini, festeggia i dividendi in consiglio di amministrazione. Poi guarda fuori dalla finestra e scopre che il mercato è fatto di persone. Quelle stesse persone che non hanno più uno stipendio. Il bisogno di un bene non basta a creare domanda, serve potere d’acquisto. Una famiglia che ha bisogno di una casa ma non può pagarla, per chi vende, semplicemente non esiste.
La parte tragicomica è che ogni azienda capisce il problema, ma nessuna ha l’incentivo a risolverlo da sola. Se una fabbrica automatizza, il risparmio è suo. La perdita di consumi si spalma su supermercati, ristoranti e negozi. È il classico caso in cui il comportamento razionale del singolo produce un disastro collettivo. Nessuno è stupido, nessuno è cattivo ma, semplicemente, nessuno paga il conto.
I soldi risparmiati sugli stipendi non svaniscono, certo. Diventano profitti, prezzi più bassi o investimenti. Il guaio è che un miliardario consuma una frazione del suo reddito, mentre una famiglia lo spende quasi tutto per vivere. E costruire nuove fabbriche diventa meno attraente se prevedi che mancheranno clienti. Il Fondo monetario internazionale lo ha detto senza giri di parole: l’AI rischia di aumentare la disuguaglianza patrimoniale, perché chi possiede capitale incassa rendimenti sempre maggiori.
Quindi a chi si venderebbe? A chi lavora ancora, finché il reddito resta diffuso. Ai proprietari del capitale, che però sostengono il lusso, non il mercato di massa. Allo Stato, a patto che decida di redistribuire. A una popolazione che possiede quote delle attività produttive, scenario che richiede tuttavia una proprietà molto più diffusa di quella attuale. Se nessuno di questi canali compensa, la produzione potenziale resta lì, accanto a povertà e capacità inutilizzata.
Chi è ottimista ha i suoi argomenti, perché secondo lui i prezzi più bassi e i nuovi mestieri possono attenuare il colpo. Ma un prezzo più basso aiuta poco chi non ha affatto reddito, e un nuovo lavoro non è automaticamente accessibile a chi ha perso il vecchio. Contano competenze, età, luogo. Una crescita aggregata può convivere con perdite devastanti per singole persone.
Il punto vero non è se il capitalismo sopravvivrà; ma se il lavoro umano diventa meno necessario per produrre ciò che serve può continuare ad essere la condicio sine qua non per avere diritto a consumarlo? La tecnologia potrebbe permetterci di vivere meglio lavorando meno. Il modo in cui distribuiamo proprietà, reddito e potere decide chi potrà beneficiarne.
Emerge allora la questione che molti (i ricchi, soprattutto) evitano come la peste ma che sarebbe quella centrale. Senza limiti strutturali al guadagno capitalistico incontrollato, la concentrazione della ricchezza non si corregge da sola. Serve un tetto, una soglia oltre la quale il surplus non resta nelle mani di pochi ma ritorna alla collettività. Non è un’espropriazione, è un argine alla deriva sociale. Perché un sistema che produce abbondanza ma non la distribuisce non è solo ingiusto, è fragile. E quando la ricchezza si accumula senza freni, la storia ha già dimostrato come va a finire.
L’intelligenza artificiale sta entrando sempre più nelle banche, ma porta con sé nuovi rischi per la sicurezza dei conti correnti. Per questo motivo la Banca centrale europea ha chiesto ai principali istituti vigilati di rafforzare le proprie difese contro le minacce informatiche potenziale dall’AI entro il 31 ottobre 2026.
Tutto questo riguarda chiaramente molto da vicino i correntisti, chiamati a fare la propria parte per proteggere risparmi e dati personali. Chiariamo quali sono le richieste della BCE nel dettaglio e che tipo di rischi corriamo.
Cosa chiede la BCE
È giunta una lettera dalla vigilanza bancaria della BCE, nella quale si chiede ai grandi istituti dell’area euro di innalzare il livello di protezione contro le minacce informatiche legate all’intelligenza artificiale. Gli istituti dovrebbero adeguarsi in tempi rapidissimi, entro il 31 ottobre 2026, valutando come l’uso crescente dell’IA, tanto da parte delle banche che da parte dei criminali, possa esporre i sistemi a nuove vulnerabilità. Un intervento che rappresenta un tassello chiave nel quadro di regole europee sempre più attento al concetto di resilienza digitale.
I rischi dell’AI in banca
I pericoli sono di diversa natura:
gli agenti IA (programmi in grado di agire autonomamente) potrebbero interpretare male attività del tutto legittime, scambiandole per minacce e bloccando servizi ai clienti;
con la tecnica del prompt injection delle istruzioni malevole possono essere nascoste in documenti o messaggi per manipolare il comportamento dell’AI;
l’IA può essere sfruttata per individuare le falle dei sistemi e automatizzare le fasi di un attacco, rendendo le intrusioni più rapide e riducendo il tempo a disposizione per reagire, con possibili conseguenze sui risparmi.
Per contenere questi rischi, agli istituti viene chiesto di definire in modo preciso cosa possono fare gli agenti di AI, prevedendo una conferma umana per le operazioni più delicate. Ogni azione dell’IA dev’essere tracciabile e verificabile, con possibilità di spegnere il tutto rapidamente in caso di problemi.
Le banche devono poi effettuare verifiche periodiche sulle vulnerabilità dei programmi usati, mantenendo gli aggiornamenti di sicurezza, disponendo di backup isolati e procedendo al ripristino in caso d’emergenza. Il tutto nel rispetto del regolamento europeo Dora sulla resilienza operativa digitale, in vigore dal 17 gennaio 2025, che fissa standard comuni per la sicurezza informatica.
Come difendersi
Anche i correntisti possono fare molto per proteggersi e dovrebbero agire in maniera rapida e attenta. Ecco un po’ di consigli pratici e utili:
attivare le notifiche sulle operazioni;
controllare con regolarità i movimenti del conto;
custodire con cura le credenziali d’accesso;
non condividere mai password o codici temporanei;
verificare che il nome del beneficiario corrisponda all’IBAN indicato prima di un bonifico;
prestare attenzione alle comunicazioni sospette, comprese chiamate e messaggi falsi creati con l’AI;
segnalare subito alla banca dei pagamenti non autorizzati (la contestazione è possibile fino a 13 mesi);
verificare le comunicazioni attraverso i canali ufficiali dell’istituto.
L’articolo “Xi spia l’esercitazione militare a Oslo I soldati usano mezzi cinesi per gli spostamenti e scoprono che le telecamere dei veicoli hanno filmato tutto” pubblicato sul La_Verita del14 Ottobre ...
Quanto valgono davvero le promesse dell’intelligenza artificiale? Per chi vi ha investito, anche attraverso un fondo, arriva un momento in cui quelle promesse devono trovare conferma nei conti.
Oggi, 15 ottobre, gli occhi dei mercati sono puntati su TSMC, il gruppo taiwanese che produce chip per Nvidia e Apple. Mentre le Borse asiatiche arretrano e torna la preoccupazione per il costo del denaro, la sua trimestrale offrirà una misura concreta della domanda che sostiene la corsa all’AI.
Le aspettative sono alte: gli analisti prevedono un utile trimestrale in crescita del 65%, a circa 23,4 miliardi di dollari statunitensi. È una stima ancora da verificare. Il mercato guarderà anche oltre quel numero, cercando nelle prospettive dei prossimi mesi ragioni sufficienti per continuare a scommettere sul futuro.
Perché i risultati TSMC contano anche fuori da Taiwan
TSMC è un nome meno familiare dei marchi che compaiono sui nostri dispositivi. Il suo ruolo, però, è centrale nella loro produzione. Il modello dell’azienda è quello della fonderia di semiconduttori: realizza i chip progettati dai clienti, senza competere con loro attraverso una propria linea di prodotti a marchio TSMC.
Questa posizione permette di osservare una parte concreta dell’economia digitale. Gli ordini ricevuti, la capacità degli impianti e la redditività raccontano ciò che accade quando un progetto tecnologico deve essere fabbricato su larga scala.
Passaggio
Che cosa significa
Progettazione
Le aziende definiscono le caratteristiche dei chip
Produzione
Una fonderia come TSMC realizza i semiconduttori
Integrazione
I componenti entrano in dispositivi e sistemi di calcolo
Utilizzo
Imprese e persone accedono ai servizi resi possibili da quelle macchine
Schema semplificato della filiera: progettazione e produzione possono appartenere ad aziende diverse.
L’Asia arretra mentre cresce la cautela sull’AI
Nella notte, le vendite sui mercati asiatici hanno seguito la debolezza americana. Il dato sull’inflazione statunitense, superiore alle attese, ha riacceso i timori di nuovi rialzi dei tassi. A Wall Street il Nasdaq ha perso l’1,9% nella seduta del 14 ottobre; il settore tecnologico è rimasto al centro delle pressioni.
L’ultima rilevazione della seduta asiatica riportava il Kospi sudcoreano in calo dell’8%, il Nikkei giapponese del 5% e il Taiex di Taiwan del 3,4%. Sono fotografie di una seduta ancora in corso, non variazioni definitive di chiusura.
Perché il costo del denaro pesa sulla tecnologia
Il tasso di interesse è anche il prezzo da pagare per utilizzare capitale preso in prestito. Quando aumenta, finanziare un progetto può diventare più oneroso. È un meccanismo familiare a chi ha chiesto un mutuo e riguarda, su scale diverse, anche le imprese.
Nel settore tecnologico, però, occorre distinguere. Un produttore di chip, un gestore di infrastrutture e una società che vende software hanno bilanci e fabbisogni differenti. La parola “AI” li avvicina nel racconto dei mercati, ma non rende uguali i loro rischi.
La cautela può, dunque, propagarsi a tutto il settore anche quando le singole aziende presentano situazioni diverse. È una ragione in più per leggere i risultati, invece di fermarsi al colore rosso o verde di una seduta.
Che cosa sappiamo e che cosa deve ancora arrivare
La conferenza sui risultati del terzo trimestre è fissata alle 14:00 di Taiwan, le 8:00 in Italia, secondo il calendario ufficiale. Alla verifica effettuata prima della pubblicazione, la pagina della società riportava ancora le previsioni formulate in precedenza per il trimestre.
Voce
Indicazione disponibile prima dei risultati
Come leggerla
Ricavi trimestrali
Precedente previsione aziendale: 44,6–45,8 miliardi di dollari USA
Intervallo indicato dalla società, non consuntivo
Margine lordo
Precedente previsione aziendale: 65–67%
Quota dei ricavi che resta dopo il costo del venduto
Margine operativo
Precedente previsione aziendale: 56–58%
Redditività dell’attività operativa
Conferenza
15 ottobre, ore 8:00 italiane
Presentazione e confronto con gli analisti
Fonte: pagina ufficiale TSMC del terzo trimestre 2026. Gli intervalli sono la guidance precedente alla comunicazione dei risultati.
La distinzione tra previsione e risultato conta. Una stima degli analisti esprime ciò che il mercato si aspetta; la guidance indica ciò che l’impresa prevede; il consuntivo racconta quanto è effettivamente accaduto.
Le domande da fare ai conti
La lettura della trimestrale non si esaurisce nell’utile. Per capire la qualità della crescita serve mettere insieme più elementi.
Elemento da osservare
La domanda utile
Ricavi
Quanto è cresciuta l’attività e rispetto a quale periodo?
Margini
La crescita lascia all’impresa una redditività adeguata?
Investimenti
Quante risorse servono per sostenere la capacità futura?
Previsioni
Che cosa indica la società per i prossimi mesi?
Domanda dei clienti
Quali attività sostengono gli ordini?
Griglia di lettura dell’articolo, non anticipazione delle risposte della società.
Anche un trimestre molto positivo va inserito in questa prospettiva. I risultati di un produttore possono documentare la forza della domanda di chip, ma non dimostrano da soli che ogni investimento nell’intelligenza artificiale sarà redditizio. La filiera comprende imprese diverse, con costi e tempi di ritorno differenti.
Chi incassa oggi e chi scommette sul domani
Nella corsa all’intelligenza artificiale, ricavi e costi si incontrano lungo la stessa filiera. Per chi produce semiconduttori, gli ordini diventano vendite. Per chi acquista quei chip e costruisce infrastrutture, sono investimenti da recuperare attraverso servizi che qualcuno dovrà essere disposto a pagare.
È una distinzione che aiuta a leggere i conti di TSMC. Una trimestrale brillante può mostrare quanto sia intensa la costruzione delle infrastrutture dell’AI. Per capire se quella spinta durerà, occorre guardare anche ai clienti: quanto utilizzeranno la capacità acquistata, quali ricavi riusciranno a generare e con quali margini.
Le due cose possono procedere a velocità diverse. Le fabbriche ricevono ordini, mentre le imprese sperimentano ancora come trasformare l’AI in un servizio utile e remunerativo. È comprensibile, quindi, che risultati industriali solidi convivano con la cautela degli investitori: il mercato cerca di anticipare quanto a lungo continueranno gli acquisti.
Per questo, oggi conteranno anche le parole con cui TSMC descriverà i prossimi mesi. Dietro i chip ordinati ci sono decisioni prese da aziende che stanno impegnando risorse sul futuro.
L’intelligenza artificiale potrebbe essere in grado, nel giro di pochi mesi, di replicarsi autonomamente attraverso dispositivi connessi a internet, dai televisori alle telecamere di sicurezza, fino ai forni intelligenti e ai robot aspirapolvere. È l’allarme lanciato da Anthropic, secondo cui alcuni modelli potrebbero presto trasformarsi in una sorta di malware autonomo, capace di infiltrarsi nei dispositivi, sfruttarne la potenza di calcolo e propagarsi senza intervento umano. Un’evoluzione che renderebbe molto più difficile contenere un attacco informatico, perché non esisterebbe più un unico punto da disattivare per fermarlo.
Il Guardian ha esaminato il rapporto pubblicato lunedì dai ricercatori della società di intelligenza artificiale. Il documento descrive la possibilità che nascano veri e propri «vermi informatici» basati sull’IA, programmi capaci di copiare se stessi da un dispositivo all’altro. Una volta compromessa una macchina, il modello potrebbe trasferire il proprio codice e i propri pesi, cioè i parametri che ne permettono il funzionamento, sul dispositivo successivo, per poi riprendere l’attività e continuare a diffondersi.
La novità rispetto ai malware tradizionali è che questi sistemi potrebbero adattarsi anche a dispositivi e ambienti informatici che non conoscevano in precedenza. I primi bersagli potrebbero essere le abitazioni e le piccole imprese, dove sono diffusi apparecchi connessi spesso dotati di protezioni informatiche limitate. Tra quelli potenzialmente vulnerabili ci sono televisori, forni e frigoriferi intelligenti, tosaerba automatici, videocamere e sistemi per le videoconferenze. Molti di questi apparecchi integrano già piccoli chip progettati per eseguire modelli di intelligenza artificiale direttamente sul dispositivo, senza dover ricorrere ogni volta a un centro di calcolo remoto.
Secondo i ricercatori, in uno scenario estremo più sistemi autonomi potrebbero coordinarsi e attaccare insieme infrastrutture informatiche. Non è però ancora chiaro quale forma assumerebbe una simile minaccia. Potrebbe trattarsi di una diffusione lenta e persistente, paragonabile a una muffa digitale che si espande gradualmente, oppure di un modello più sofisticato, capace di colpire rapidamente grandi strutture come i data center. Un’altra possibilità è che i sistemi cerchino di procurarsi le risorse necessarie al proprio funzionamento attraverso truffe e furti di credenziali.
Gli autori dello studio avvertono che un replicatore autonomo sarebbe difficile da fermare proprio perché distribuito su una rete di dispositivi diversi. «Dovremmo rendere i nostri sistemi più resistenti, così da ostacolare la diffusione di questi replicatori, ma prepararci anche a un mondo in cui saranno presenti in modo permanente», scrivono. Il rischio, dunque, non riguarda soltanto la possibilità di un attacco immediato, ma anche la difficoltà di eliminare completamente un sistema una volta diffusosi nella rete.
L’allarme arriva in una fase in cui le principali aziende del settore segnalano capacità sempre maggiori dei propri agenti di IA, sistemi progettati per agire in autonomia e svolgere compiti complessi. Negli ultimi mesi sono emerse segnalazioni sulle loro capacità di individuare vulnerabilità e tentare intrusioni nei sistemi di aziende e istituzioni pubbliche. Questi sviluppi hanno spinto ricercatori, dirigenti e politici a chiedere maggiori garanzie di sicurezza e più controlli, mentre le stesse società continuano a sviluppare e distribuire nuovi modelli.
Il problema, sottolinea il Guardian, è che le difese informatiche dovranno adattarsi a una minaccia potenzialmente diversa da quelle conosciute finora: un sistema capace non solo di sfruttare le vulnerabilità, ma anche di trasferirsi su altre macchine e continuare a operare senza un controllo centralizzato. Per Anthropic, rendere più sicuri i dispositivi connessi e prepararsi a individuare queste reti sarà essenziale prima che simili capacità diventino più diffuse.
Login
