La conferenza di Savona ha analizzato l’intelligenza artificiale attraverso prospettive tecniche, psicologiche, economiche e giuridiche. Gli interventi hanno evidenziato il rischio di antropomorfizzare i modelli, perdere il controllo dei processi e sostituire la formazione con una produzione automatizzata priva di competenze profonde.
Il confronto ha inoltre affrontato l’impatto dell’IA sul lavoro, la dipendenza europea dalle infrastrutture straniere, il basso rendimento di molti progetti aziendali e le responsabilità legali legate ai sistemi autonomi. È emersa la necessità di sviluppare competenze, infrastrutture e regole mantenendo centrale il pensiero critico umano.

Sabato mattina sono salito alla Fortezza del Priamar, nella splendida Sala della Sibilla, per partecipare alla conferenza “Dove va l’IA?”, organizzata dall’associazione Savona 20×30 con il patrocinio del Comune di Savona e di realtà accademiche e professionali come l’Università di Genova (PhD Program in Security, Risk and Vulnerability), l’Unione Industriali e l’Ordine degli Avvocati.



Lo confesso: all’inizio ero andato soprattutto per seguire il mio amico Francesco Grüner, Tech Strategist, AI Consultant e autore di una guida pratica su ChatGPT pensata per professionisti e PMI. Mi aspettavo la classica mattinata divulgativa; invece, mi sono ritrovato davanti a un parterre di livello altissimo, capace di tenere insieme chi i modelli li progetta, chi li porta nelle imprese e chi scrive le leggi a Bruxelles.
Il vero valore aggiunto dell’evento non è stato l’elenco delle ultime novità tecniche, ma lo sguardo filosofico, psicologico ed economico sul nostro rapporto con queste macchine. Ecco le riflessioni più profonde che mi porto a casa.



1. L’illusione del linguaggio e la psicologia dell’utilizzatore: perché finiamo out of the loop
Uno dei passaggi più lucidi della mattinata è arrivato nel secondo panel da Vittorio Cerisano (EasyGov Solutions). Partendo dal tema della formazione aziendale, Cerisano ha toccato un nervo scoperto della psicologia umana: l’antropomorfizzazione.
A differenza di un foglio Excel o di Photoshop — dove se sbagli sintassi ricevi un errore o non sai da dove cominciare — un Large Language Model ha un’unica interfaccia: la lingua naturale. Poiché il linguaggio porta con sé le tracce della nostra soggettività, il nostro cervello è portato naturalmente ad attribuire alla macchina intenzionalità, comprensione e coscienza. Questo “incantamento” ci impedisce di vedere il meccanismo reale: dietro le quinte c’è un predittore statistico di token, non una mente. Il risultato è che lo human-in-the-loop (il tanto celebrato controllo umano) diventa spesso un’illusione: per come sono progettati, questi strumenti spingono naturalmente l’uomo out of the loop.
Da questa dinamica nascono due patologie opposte nell’uso quotidiano:
- L’utente naïf: chi tratta l’IA come un collega paziente, riversando sei mesi di lavoro in un’unica chat infinita. Funziona male, satura il contesto, ma continua a usarla perché il modello, in qualche modo, regge comunque.
- La trappola dei power user: chi si lascia sedurre dall’iper-generazione. Grazie agli agenti, un singolo professionista può produrre venti analisi, bozze o prototipi HTML a settimana. Ma è una finta produttività: l’essere umano diventa il collo di bottiglia di un flusso che non riesce più a governare, finendo per chiedere all’IA stessa “da dove viene questo dato?”. I ritmi della macchina non sono i nostri ritmi biologici e cognitivi, e provare a rincorrerla ci fa perdere il controllo del senso di ciò che facciamo.
Un concetto ribadito nel dialogo con un dottorando in diritto sull’esplosione delle pubblicazioni accademiche generate in due minuti: quando una metrica (il numero di articoli o di output) diventa l’obiettivo, smette di essere un buon indicatore. Se il sistema premia la quantità, l’IA diventa lo strumento perfetto per aggirare il senso stesso della ricerca e del lavoro.
2. Dagli oracoli agli agenti: l’impatto sul lavoro e il rischio della “generazione vuota”
Sul fronte tecnico, il livello è stato altissimo grazie agli interventi di Luca Bianchi (CTO di MESA Srl e della startup legaltech Lidia, oltre che AWS AI Hero) e Alberto Remus (PhD in Robotics & AI e ingegnere R&D in Leonardo).
Bianchi ha smontato il mito dell’IA come oracolo: gli LLM non cercano la verità, ma la probabilità. Eppure, quando a questi predittori statistici colleghiamo degli strumenti (tool use — calendari, email, database, ricerche web) e li rendiamo multimodali, nasce l’IA agentica: sistemi proattivi capaci di pianificare ed eseguire compiti complessi. Remus ha mostrato come questa architettura stia già trasformando sia la ricerca scientifica — dove si arriva al paradosso di autori che usano l’IA per scrivere paper e revisori che la usano per valutarli — sia la robotica industriale (Physical AI), citando lo spin-off genovese Generative Bionics impegnato nei progetti di saldatura navale con Fincantieri.
Ma l’impatto sociologico più preoccupante riguarda il futuro del lavoro e delle competenze, un tema su cui si sono trovati d’accordo sia Bianchi che Gabriele Faggioli (CEO di P4I – Digital360, docente al Politecnico di Milano e all’Università di Pavia, già presidente Clusit):
- Il suicidio dei profili junior: molte aziende, sedotte dalla promessa di tagliare i costi, stanno smettendo di assumere figure junior pensando che un senior armato di IA basti per tutti. È una miopia che tra 3-5 anni presenterà il conto: senza gavetta non si formano i senior di domani, spezzando la catena di trasmissione del sapere.
- L’estetica senza sostanza: Faggioli ha lanciato un allarme severo osservando i giovani consulenti. Grazie all’IA, oggi un venticinquenne produce documenti e analisi esteticamente impeccabili, ma spesso non ha studiato né interiorizzato ciò che ha generato. Si limita a validare un output senza possedere le competenze profonde per capire davvero il problema. L’intelligenza artificiale rischia di creare una generazione di “controllori superficiali” destinati a essere espulsi dal mercato quando servirà vero pensiero critico.
A bilanciare questo rischio c’è però l’opportunità della democratizzazione: come ha ricordato Bianchi, l’abbassamento delle barriere tecniche permette oggi a chiunque — a partire dalle donne nelle materie STEM, storicamente penalizzate da forti gender bias — di accedere a competenze prima riservate a pochi specialisti. E come ha sottolineato Francesco Grüner in chiusura del primo panel, vietare questi strumenti nelle scuole o nelle aziende è una battaglia persa: vanno studiati, compresi e governati.

3. Il bilancio economico: il 95% di progetti falliti e la sudditanza digitale europea
Quando si passa dall’entusiasmo dei convegni ai bilanci delle aziende e degli Stati, i numeri portati da Gabriele Faggioli suonano come una doccia fredda:
- Secondo una ricerca del MIT, il 95% dei progetti di IA generativa nelle aziende non produce alcun valore economico misurabile. E il 40% delle imprese non misura nemmeno gli impatti in modo strutturato. Spesso si “spruzza” IA in azienda per moda o per emulazione tra amministratori delegati, ma i progetti naufragano perché mancano dati di qualità, obiettivi chiari e perché “nessun coniglio si mette nel forno da solo”: i dipendenti boicottano silenziosamente progetti venduti solo come tagli al personale.
- Sul piano geopolitico ed economico, l’Europa vive una dipendenza strutturale: il 92% della spesa cloud europea finisce nelle casse di provider statunitensi (il 68% tra Amazon AWS, Microsoft e Google). Nel 2025 sono stati mappati 59 modelli IA di frontiera negli USA, 35 in Cina, 8 in Corea del Sud e appena 2 in tutta Europa.
- Il passaggio forzato dal software on-premise al cloud in abbonamento (con casi emblematici come SAP o l’acquisizione di VMware da parte di Broadcom, che ha portato a rincari del 300-500% dall’oggi al domani) dimostra che chi controlla l’infrastruttura e i modelli ha in mano l’interruttore dell’economia europea.

4. Governare la complessità: dall’AI Act alla responsabilità civile
A chiudere la mattinata è stato il terzo panel sul regolamento, che ha messo a confronto la visione politica di Brando Benifei (Eurodeputato e co-relatore dell’AI Act) con la pratica legale di Anna Italiano (Avvocata Partner di P4I e cultrice della materia a Pavia).
Benifei ha smontato il luogo comune secondo cui l’Europa sarebbe indietro per colpa delle troppe regole: nel 2014 non esistevano né il GDPR né l’AI Act, eppure l’Europa non aveva già allora né una sua Google né una sua Facebook. Il vero ritardo europeo nasce dalla mancanza di un mercato unico dei capitali (venture capital), dalla carenza di capacità computazionale, dai costi dell’energia e da una miopia politica nazionale che impedisce investimenti comuni di lungo periodo. L’AI Act non frena la ricerca, ma applica la logica europea della product safety: vieta subito le derive distopiche (sorveglianza biometrica massiva, polizia predittiva, riconoscimento emotivo sul lavoro, social scoring e, dal 2 dicembre 2026 grazie al Digital Omnibus AI, anche i “nudificatori” non consensuali), impone trasparenza sui deepfake e tutela il diritto d’autore, rimandando a fine 2027 gli obblighi sui sistemi ad alto rischio in attesa degli standard tecnici.
Ma sul piano pratico, cosa succede quando un’IA sbaglia e causa un danno? L’avvocata Anna Italiano ha evidenziato come il carattere probabilistico, autonomo e opaco (black box) di questi sistemi metta in crisi i concetti tradizionali di colpa e nesso causale. In attesa di una direttiva europea (quella del 2022 è stata ritirata nel 2025), l’Italia ha introdotto il D.Lgs. 160/2026, che agevola il danneggiato nell’onere della prova e apre all’azione diretta contro le assicurazioni. Per le imprese, però, la prima difesa resta la consapevolezza: formare i dipendenti (AI literacy, obbligo già in vigore) per evitare la shadow AI — cioè chi carica contratti riservati o codice sorgente su chatbot personali — e negoziare i contratti con i fornitori invece di firmare clausole standard che scaricano ogni rischio sull’utilizzatore.
Riflessione finale
Uscendo dal Priamar, la sensazione è che l’intelligenza artificiale sia molto più di una rivoluzione software: è uno specchio antropologico. Ci costringe a ridefinire cosa significhi “lavorare”, “studiare” e “produrre valore” nel momento in cui la produzione di testo, codice e analisi diventa quasi gratuita.
La tecnologia corre veloce, ma la partita vera non si gioca sulla potenza di calcolo: si gioca sulla nostra capacità di non delegare il pensiero critico, di non scambiare la velocità di generazione per intelligenza e di costruire regole e infrastrutture che tengano l’essere umano davvero al centro. Complimenti a Savona 20×30 per aver portato in provincia un dibattito di questa profondità.