Utenti potenziati, cittadini impotenti: la democrazia nell’era del calcolo

L’intelligenza artificiale, come d’altronde qualsiasi tecnologia rivoluzionaria, non rappresenta solo un avanzamento tecnico dell’uomo. Essa sfida la sovranità e non si riduce a mera efficienza. In questo scenario di tecnologie intangibili, la capacità di decidere, governare e contestare i sistemi automatizzati diventa il nuovo terreno di scontro geopolitico.

L’inganno del nostro tempo è l’uso universale degli strumenti di intelligenza artificiale da parte di chiunque abbia un computer o un cellulare. Si crea la percezione che questa nuova tecnologia sia di tutti, neutrale e democratica, quando invece si assiste a una concentrazione senza precedenti del potere infrastrutturale. Infatti, nonostante l’apparente accessibilità universale, la maggioranza della popolazione mondiale rimane esclusa dai processi che determinano le regole del gioco.

Questa narrazione ricorrente sulla “democratizzazione dell’intelligenza artificiale” confonde, forse volutamente, l’accessibilità dell’uso, cioè la capacità di milioni di utenti di interrogare un chatbot, con la distribuzione dell’autorità decisionale.

È dunque necessario decodificare questa complessità e ridefinire radicalmente il concetto di “democrazia” applicato alla tecnologia, spostando il focus dal consumo al controllo.

Le sei dimensioni della Democraticità

La diffusione di massa di un’interfaccia non equivale, di per sé, a un processo di democratizzazione del potere. Distinguere tra la facoltà di usare una tecnologia e il potere di governarla significa superare l’idea secondo cui l’accessibilità coincida automaticamente con la democraticità.

Un’interfaccia può infatti apparire accessibile grazie a modelli economici gratuiti o a basso costo, a un utilizzo intuitivo e a una diffusione capillare, senza che ciò comporti una reale redistribuzione del controllo sui dati, sulle regole di funzionamento o sulle decisioni che orientano la tecnologia stessa.

Si può parlare del paradosso della “concentrazione accessibile”, ovvero di un sistema universalmente distribuito nell’uso, ma centralizzato e gerarchico alla fonte, nella produzione. Questo paradosso evidenzia la coesistenza di due dinamiche opposte:

• Sul lato dell’uso, il costo marginale per accedere all’IA crolla e le capacità operative dell’individuo aumentano rapidamente (scrittura, programmazione, analisi).
• Sul lato della produzione, i livelli infrastrutturali strategici, ovvero la fabbricazione di chip avanzati, gli acceleratori hardware, i data center, il cloud e i modelli di frontiera, richiedono capitali massicci e rimangono iper-concentrati nelle mani di pochissime corporation e di pochi territori.

L’intelligenza artificiale si presenta quindi come completamente decentralizzata nell’esperienza dell’utente, ma estremamente centralizzata e gerarchica nell’architettura produttiva. Infatti, l’integrazione di strumenti come ChatGPT nella quotidianità e nel mondo del lavoro genera spesso una forte sensazione di potere individuale (empowerment) e di autostima, vista la velocità con cui un problema viene risolto grazie all’IA. Tuttavia, se la proprietà delle infrastrutture resta concentrata e opaca, l’individuo guadagna produttività personale ma non acquisisce alcun potere decisionale sulle regole della tecnologia. L’utente non può decidere sui dataset di addestramento, sui filtri etici, sulle politiche di sicurezza o sui valori incorporati nei modelli. In altre parole, non puoi scegliere i libri che vuoi leggere, ma solo le pagine di un libro già imposto dall’alto. Di conseguenza, egli agisce come un utente potenziato sul piano funzionale, ma rimane un cittadino politicamente impotente sul piano del controllo democratico.

Per valutare dunque il reale grado di democraticità dell’intelligenza artificiale, bisogna adottare un approccio multidimensionale che scomponga la questione in variabili critiche indipendenti:

1. Accesso

La prima domanda è: chi può effettivamente utilizzare la tecnologia e a quali condizioni?

Perché una tecnologia possa dirsi favorevole alla democrazia, non è sufficiente un’accessibilità di facciata. Servono costi sostenibili, accessibilità linguistica e tecnica, strumenti inclusivi e un progressivo superamento del divario digitale.

→ Una tecnologia è davvero accessibile solo se può essere utilizzata da gruppi diversi, senza barriere economiche, linguistiche, geografiche o di competenze.

2. Partecipazione e pluralismo

Questa dimensione riguarda chi contribuisce allo sviluppo dei sistemi e quante alternative reali siano disponibili sul mercato.

Uno scenario democratico richiede un ecosistema aperto e contestabile, nel quale non pochi attori dominanti definiscano da soli le regole dell’innovazione. Sono quindi essenziali una pluralità di sviluppatori, modelli indipendenti, ricerca pubblica e possibilità concrete di scelta per utenti, imprese e istituzioni.

→ Più alternative esistono, minore è il rischio che il potere tecnologico si concentri nelle mani di pochi soggetti privati.

3. Proprietà e infrastruttura

Qui la questione centrale è: chi controlla le risorse materiali necessarie a far funzionare l’intelligenza artificiale?

Chip, data center, servizi cloud, reti energetiche e modelli di frontiera rappresentano l’infrastruttura concreta su cui si fonda il potere tecnologico. Se tali risorse restano concentrate in pochi attori, anche l’autonomia di governi, università, imprese e società civile risulta limitata.

→ La tutela delle istituzioni democratiche richiede capacità computazionale distribuita e un accesso equo, aperto e non discriminatorio alle infrastrutture di calcolo.

4. Trasparenza

La trasparenza riguarda la possibilità di comprendere e verificare il funzionamento dei sistemi.

Ci si deve chiedere se sia possibile conoscere la provenienza dei dati, ispezionare, almeno entro limiti compatibili con sicurezza e riservatezza, i dataset di addestramento, ricostruire i processi decisionali e valutare gli effetti delle scelte algoritmiche.

→ Senza documentazione, audit indipendenti e verificabilità, l’algoritmo rischia di diventare una “scatola nera” sottratta al controllo pubblico.

5. Contestabilità

Questa dimensione verifica se esistano strumenti concreti per contestare una decisione algoritmica errata, discriminatoria o lesiva di diritti.

Quando un sistema incide sull’accesso a un servizio, a un credito, a un lavoro, a una prestazione sociale o a una misura di sicurezza, le persone coinvolte devono poter comprendere la decisione, chiederne la revisione e ricorrere a un’autorità competente.

→ Per garantire lo Stato di diritto servono un effettivo diritto di ricorso, una supervisione umana significativa e una chiara attribuzione delle responsabilità giuridiche e politiche.

6. Governance

L’ultima dimensione riguarda il potere di definire le regole: chi stabilisce i parametri etici, le politiche di sicurezza, i limiti di utilizzo e gli obiettivi che il sistema deve ottimizzare?

La governance non è una questione esclusivamente tecnica. È una scelta politica, perché determina quali valori vengono incorporati nella tecnologia e quali interessi vengono prioritariamente tutelati.

→ Una tecnologia compatibile con la democrazia richiede partecipazione pubblica, pluralismo istituzionale, regole chiare e meccanismi rigorosi di accountability.

La democrazia non può reggersi solo su “interfacce commerciali gratuite” messe a disposizione da attori privati. Quando una tecnologia diventa indispensabile per il funzionamento della società, la democrazia richiede pluralismo infrastrutturale, ovvero accesso a risorse pubbliche di calcolo, modelli aperti, concorrenza e contestabilità, per evitare che il potere informativo ed epistemico sia esercitato in modo incontrollato.

Il Ciclo delle Tecnologie dell'Informazione e l'Anomalia dell'IA

Il giurista Tim Wu, nel suo saggio The Master Switch, teorizza che le grandi tecnologie dell’informazione (dalla stampa alla radio, dal cinema alla televisione, dal telefono a Internet) seguano un ciclo ricorrente. Tale ciclo parte dall’invenzione della tecnologia, attraversa una fase di apertura e di consolidamento e conduce infine alla formazione di oligopoli o di strutture monopolistiche.

Di norma, dunque, le nuove tecnologie nascono in ambienti aperti, frammentati e caratterizzati da una forte sperimentazione, popolati da innovatori e appassionati. Con il tempo, l’emergere di economie di scala, la necessità di investimenti infrastrutturali e l’affermazione di standard tecnici portano il mercato a consolidarsi intorno a pochi grandi attori.

L’intelligenza artificiale mostra però una deviazione preoccupante. A causa della sua natura capital intensive, legata all’enorme fabbisogno di capacità computazionale, supercomputer, chip avanzati, data center e infrastrutture cloud, essa sembra nascere già fortemente concentrata nelle mani di pochissime grandi corporation e di soggetti dotati di ingenti capitali. In altre parole, l’IA altera il ciclo appena descritto, poiché sembra saltare la fase iniziale di apertura caotica e di decentralizzazione.

Ogni rivoluzione dell’informazione ha riconfigurato i costi di produzione e di gestione dei contenuti, ridefinendo i rapporti di potere.
La stampa, per esempio, ridusse drasticamente i costi di riproduzione della parola scritta, mentre le istituzioni politiche e religiose reagirono sviluppando strumenti di controllo, quali licenze e censure, allo scopo di centralizzare l’autorità informativa.

La radio, invece, simbolo di accesso universale, si rivelò una “tecnica autoritaria”, secondo la definizione di Lewis Mumford, per via della sua struttura centralizzata, caratterizzata da pochi trasmettitori e milioni di ricevitori. Gli studi sulla Germania di Weimar mostrano che la radio non era intrinsecamente nazista, ma amplificava il potere di chi ne controllava le infrastrutture trasmissive.

Infine, Internet, che alle sue origini democratizzò la capacità di pubblicare, ha successivamente attraversato un processo di piattaformizzazione che ha ricentralizzato l’attenzione degli utenti attraverso il gatekeeping algoritmico, basato su sistemi di classificazione, raccomandazione e personalizzazione.

Ma l’innovazione del nostro tempo, l’intelligenza artificiale, differisce radicalmente dai media del passato. Essa non si limita a distribuire l’informazione, ma ne filtra anche l’interpretazione cognitiva. Attraverso la sintesi e la generazione automatizzata delle risposte, l’IA seleziona, contestualizza e interpreta le fonti per conto dell’utente.

Se il controllo della radio permetteva di stabilire chi potesse parlare e i social media determinano chi viene ascoltato, il controllo dei modelli di IA consente di influenzare ciò che viene rappresentato come vero e autorevole. La questione più inquietante è dunque che chi controlla l’IA può influenzare ciò che viene percepito come vero attraverso la sintesi automatizzata.

La Geopolitica del Compute: Il Nuovo Capitale Politico

Al di là degli algoritmi e delle interfacce software, il vero potere dell’intelligenza artificiale risiede nelle infrastrutture fisiche che la rendono possibile, come i semiconduttori avanzati, gli acceleratori hardware, i supercomputer, i data center, le piattaforme cloud e l’energia necessaria per alimentarli.

In questo contesto, il termine compute indica la potenza di calcolo necessaria sia per addestrare i sistemi di IA, sia per permettere loro di elaborare nuove richieste e generare risposte. Quest’ultima fase, chiamata inferenza, si verifica quando un modello già addestrato analizza nuovi dati o istruzioni e produce un risultato. Il compute, dunque, non è un concetto astratto né una semplice componente software, ma una struttura materiale composta da diversi livelli interdipendenti. Essa comprende i chip ad alte prestazioni, come le GPU Nvidia H100 e le TPU, i grandi data center che ospitano migliaia di acceleratori collegati tra loro e le infrastrutture cloud gestite dagli hyperscaler, tra cui Amazon Web Services, Microsoft Azure e Google Cloud.

Questa architettura rappresenta uno dei principali colli di bottiglia materiali e democratici dell’IA contemporanea. Se, infatti, il costo per utilizzare un modello già esistente diminuisce rapidamente per l’utente finale, il capitale economico, energetico e industriale necessario per sviluppare e mantenere i sistemi più avanzati rimane concentrato nelle mani di pochissime corporation e di un numero limitato di territori. Infatti, l’integrazione verticale tra chip, cloud e modelli di IA rafforza ulteriormente il potere degli attori dominanti e crea barriere all’ingresso sempre più difficili da superare per università, istituzioni pubbliche e nuovi concorrenti.

I dati dello Stanford AI Index 2026 confermano questa tendenza. Dal 2022, la capacità computazionale globale dedicata all’IA è cresciuta in media di 3,3 volte all’anno, raggiungendo nel 2025 l’equivalente di 17,1 milioni di GPU H100. Questa infrastruttura è caratterizzata da una forte concentrazione lungo l’intera filiera:

• Produzione: la fabbricazione dei chip più avanzati dipende in larga misura da TSMC.
• Hardware: Nvidia controlla oltre il 60% della capacità di calcolo censita.
• Sviluppo: nel 2025, circa il 91,58% dei modelli considerati notable è stato sviluppato dall’industria privata, mentre la ricerca accademica autonoma ha rappresentato appena l’1,05%.

Intermediazione Epistemica e Egemonia Linguistica

Stiamo passando dal ranking di Google alla sintesi dei chatbot. In passato, il motore di ricerca organizzava l’accesso all’informazione stabilendo quali contenuti mostrare per primi e indirizzando l’utente verso le relative fonti. L’assistente generativo, invece, modifica radicalmente questo modello, perché non si limita a indicare dove cercare, ma seleziona, integra, contestualizza e rielabora le informazioni, presentandole direttamente all’utente in un’unica risposta. Si passa così dalla distribuzione dell’attenzione all’intermediazione epistemica, cioè a un processo nel quale il sistema tecnologico non si limita a indirizzare verso un contenuto, ma contribuisce a costruire la rappresentazione della realtà offerta al cittadino. L’IA, quindi, non indica soltanto dove cercare la verità, ma partecipa alla definizione di ciò che viene presentato come vero.

Questa trasformazione ha già prodotto effetti concreti sul consumo delle notizie. Secondo il Digital News Report 2026 del Reuters Institute, tra novembre 2024 e novembre 2025 il traffico globale proveniente dalle ricerche organiche di Google verso oltre 2.500 siti di informazione è diminuito del 33%, segnalando che una quota crescente di utenti consulta le informazioni direttamente all’interno delle interfacce basate sull’IA, senza raggiungere le fonti originarie.

Ogni sintesi automatizzata comporta infatti scelte implicite, poiché il sistema stabilisce quali fonti considerare affidabili, quali elementi includere o omettere, quale grado di certezza attribuire alle diverse affermazioni e come collegare i vari aspetti di una controversia. Un modello linguistico, tuttavia, non osserva direttamente il mondo, ma apprende le regolarità statistiche presenti nelle rappresentazioni digitali della realtà. Queste rappresentazioni incorporano inevitabilmente i pregiudizi, le disuguaglianze, le omissioni e le forme di propaganda presenti nelle società che hanno prodotto i dati. Un recente studio pubblicato su Nature ha mostrato, per esempio, che l’addestramento di un modello open-weight su contenuti dei media statali cinesi ha prodotto risposte più favorevoli al governo in quasi l’80% dei casi esaminati. Il risultato suggerisce che chi riesce a influenzare l’ambiente informativo umano può incidere anche sull’ambiente cognitivo della macchina.

La dimensione democratica dell’IA richiede inoltre che le diverse comunità possano beneficiare di una rappresentazione culturale e linguistica adeguata. Questo obiettivo è ostacolato dal fatto che i principali modelli di frontiera offrono prestazioni generalmente migliori in inglese e nelle lingue più presenti nei dataset digitali. Ne deriva un circuito di retroalimentazione asimmetrico, nel quale una maggiore disponibilità di contenuti digitali produce dataset più ricchi, modelli più performanti e un utilizzo ancora più intenso delle lingue dominanti. Le lingue meno rappresentate rischiano così di essere progressivamente marginalizzate negli spazi cognitivi e informativi governati dall’IA, ampliando il divario tra le economie capaci di definire le architetture dei modelli e il resto del mondo.

A differenza di un articolo di giornale, del quale conosciamo generalmente l’autore e l’orientamento editoriale, la risposta di un chatbot può apparire neutrale e impersonale. L’utente legge “la risposta è”, invece di “il giornale sostiene”, e rischia quindi di non accorgersi delle scelte, dei dati e dei criteri che hanno contribuito a costruire quella risposta. Se le persone accedono alle informazioni attraverso pochi sistemi tecnologici, molto concentrati e poco trasparenti, può sembrare che esistano molte fonti diverse, mentre il modo di selezionare e organizzare la conoscenza dipende in realtà da un numero limitato di soggetti.

La riduzione della varietà linguistica e culturale, insieme alla difficoltà di verificare come vengono elaborate le risposte, può così indebolire la capacità dei cittadini di sviluppare opinioni critiche e autonome, indispensabili per il buon funzionamento della democrazia.

La Democrazia Sotto Assedio: La Persuasione a Costo Marginale Zero

All’inizio, l’attenzione dei media si è concentrata soprattutto sui rischi dei deepfake e dei contenuti falsi creati dall’IA. Tuttavia, la trasformazione più importante introdotta dall’intelligenza artificiale generativa riguarda la sua capacità di comunicare direttamente con le persone attraverso il linguaggio naturale. A differenza della pubblicità tradizionale, che trasmette lo stesso messaggio a molti destinatari senza possibilità di dialogo, i grandi modelli linguistici possono sostenere conversazioni individuali, rispondere alle obiezioni e modificare le proprie argomentazioni durante lo scambio. Possono inoltre adattare il modo in cui presentano un’idea alle caratteristiche e alle reazioni del singolo interlocutore. Questa capacità cambia profondamente il modo in cui funziona la persuasione politica, che oggi può combinare quattro elementi:

1. la possibilità di raggiungere un numero enorme di persone,
2. costi molto bassi,
3. interazione continua e
4. adattamento delle risposte.

La persuasione algoritmica, inoltre, non deve necessariamente basarsi su notizie false o informazioni inventate. Può essere altrettanto efficace attraverso la selezione di fatti reali e argomentazioni corrette, ma presentati in modo orientato. Scegliendo quali elementi mettere in evidenza, quali tralasciare e quale interpretazione proporre, l’IA può influenzare il modo in cui il cittadino comprende un problema e forma il proprio giudizio. Alcune ricerche recenti mostrano infatti che le risposte più persuasive sono spesso quelle che contengono molte informazioni e numerose affermazioni presentate come fatti, anche se una maggiore persuasività può accompagnarsi a una minore accuratezza.

Una ricerca pubblicata su Nature Communications nel 2025, condotta su 4.829 partecipanti, ha mostrato che i messaggi politici generati dai grandi modelli linguistici possono modificare in modo significativo l’atteggiamento delle persone verso diverse politiche pubbliche. L’effetto è stato generalmente contenuto, ma paragonabile a quello dei messaggi scritti da persone comuni.

Un altro studio, pubblicato su Nature nel dicembre 2025, ha analizzato il ruolo dei chatbot durante le elezioni presidenziali statunitensi del 2024 e le elezioni nazionali canadesi e polacche del 2025. I partecipanti hanno conversato con modelli programmati per sostenere uno dei principali candidati. In tutti i contesti esaminati, le conversazioni hanno prodotto cambiamenti significativi nelle preferenze politiche, talvolta superiori a quelli normalmente osservati dopo la visione di uno spot elettorale tradizionale. Gli esperimenti hanno inoltre mostrato che i chatbot persuadono soprattutto attraverso fatti e argomentazioni pertinenti, anche se non tutte le informazioni fornite erano accurate.

È comunque necessario interpretare questi risultati con cautela. Gli esperimenti dimostrano che l’IA può modificare le opinioni individuali in condizioni controllate, ma non provano automaticamente che i chatbot siano in grado di determinare gli esiti delle elezioni. L’impatto reale dipende da molte altre variabili, tra cui la struttura sociale, il livello di fiducia nelle istituzioni, l’esposizione ad altre fonti di informazione e la stabilità delle convinzioni politiche. Anche l’International AI Safety Report 2026 sottolinea che le prove disponibili sull’uso diffuso dell’IA per manipolare il comportamento politico restano ancora limitate.

Strategie di Resistenza: Verso una Public AI e la Contestabilità Algoritmo-Guidata

La risposta istituzionale e politica alla crescente concentrazione del potere tecnologico non consiste nel rifiutare l’innovazione né nel ripetere un atteggiamento di tipo luddista. Consiste, piuttosto, nel recuperare la sovranità digitale e nel riportare il progresso tecnologico sotto la guida della collettività. Come ha spiegato il giurista e avvocato Lawrence Lessig attraverso la formula “Code is Law”, l’architettura del software non è mai completamente neutrale. Il modo in cui un sistema è progettato stabilisce infatti ciò che gli utenti possono fare, ciò che è vietato, ciò che viene incentivato e ciò che diventa più difficile o costoso. Il software svolge quindi una funzione simile a quella di una norma.

Nel caso delle tecnologie più avanzate, una scelta tecnica o una regola aziendale incorporata in un modello generativo può trasformarsi in una norma applicata a milioni di persone. Tuttavia, questa norma non è stata approvata da un Parlamento né discussa pubblicamente. Per evitare che le istituzioni democratiche diventino subordinate alle decisioni dei proprietari delle infrastrutture di calcolo, il funzionamento tecnico e sociale dell’IA deve tornare al centro del controllo pubblico e del confronto democratico.

Per orientare l’innovazione verso una partecipazione più ampia, invece di una forma permanente di plebiscito digitale, è possibile e forse necessario intervenire su tre direttrici principali:

1. IA pubblica e pluralismo infrastrutturale. Rendere disponibili i codici sorgente e i pesi di un modello, cioè adottare un approccio open-weight, non è sufficiente a democratizzare l’IA. Se università, centri di ricerca indipendenti, startup e organizzazioni della società civile non dispongono di risorse hardware e cloud adeguate, non possono sviluppare o controllare autonomamente i sistemi. Gli Stati e le organizzazioni sovranazionali dovrebbero quindi investire in infrastrutture pubbliche di calcolo e in risorse cloud condivise. Garantire un accesso equo a supercomputer, capacità computazionale e dataset di qualità permetterebbe di ridurre la dipendenza dalle grandi imprese private e di proteggere l’autonomia della ricerca scientifica e della produzione culturale.
2. Contestabilità degli algoritmi e supervisione umana. L’uso di sistemi automatizzati nel welfare, nella sanità, nella giustizia e nel fisco può creare procedure poco trasparenti, nelle quali i cittadini, soprattutto quelli più vulnerabili, non riescono a capire o contestare le decisioni che li riguardano. Per questo servono autorità pubbliche indipendenti, dotate di competenze tecniche, incaricate di controllare i sistemi algoritmici. Questi organismi dovrebbero verificare il funzionamento dei modelli e garantire ai cittadini procedure effettive di ricorso. L’obiettivo non è eliminare l’IA, ma assicurare che ogni decisione resti attribuibile a un responsabile e possa essere riesaminata da un essere umano.
3. Audit indipendenti e trasparenza verificabile. Non si può chiedere ai cittadini di diventare esperti o investigatori digitali per capire come vengono prodotti i contenuti e prese le decisioni automatizzate. La responsabilità della verifica deve quindi ricadere sulle istituzioni e sulle imprese che sviluppano e utilizzano questi sistemi. In attuazione dei principi del regolamento europeo sull’intelligenza artificiale, è necessario rendere riconoscibili i contenuti sintetici e i deepfake, anche attraverso strumenti di identificazione digitale come il watermarking. La trasparenza deve inoltre consentire a ricercatori e revisori indipendenti di verificare, secondo procedure regolamentate, i dataset di addestramento, i test di sicurezza, i rischi individuati e i processi di sviluppo dei modelli più avanzati.

In ultima analisi, il rapporto tra intelligenza artificiale e democrazia riguarda il conflitto tra due logiche diverse. I sistemi informatici sono progettati per raggiungere rapidamente un obiettivo, aumentando la velocità, l’efficienza, la capacità predittiva o il rendimento. La democrazia, invece, non mira necessariamente a prendere la decisione più rapida. Il suo scopo è produrre decisioni legittime attraverso la consultazione, la separazione dei poteri, il confronto tra posizioni diverse, l’opposizione e il diritto di ricorso.

Da un punto di vista puramente tecnico, il dibattito e la consultazione possono apparire come ostacoli o rallentamenti. Dal punto di vista costituzionale, però, quella che potremmo chiamare “lentezza democratica” è una protezione necessaria. Serve a impedire che un singolo soggetto accumuli troppo potere o prenda decisioni senza controllo. L’algoritmo si chiede quale scelta permetta di raggiungere nel modo più efficiente un determinato obiettivo. La democrazia pone invece una domanda precedente e più importante: chi ha il diritto di stabilire quell’obiettivo, attraverso quali procedure e con quale possibilità di contestarlo?

Difendere la deliberazione umana significa quindi impedire che la legittimità delle istituzioni venga sacrificata in nome della velocità e dell’efficienza automatizzata. La sfida non consiste nel fermare il progresso tecnologico, ma nel garantire che il suo indirizzo resti sottoposto a regole pubbliche, responsabilità identificabili e controllo democratico.

Il Futuro della Scelta Umana

Siamo di fronte a un paradosso centrale. L’intelligenza artificiale rende le persone più capaci, ma concentra il potere nelle mani di pochi. Le capacità delle macchine crescono più rapidamente della capacità delle istituzioni di comprenderle e governarle.

La democraticità dell’IA non dipende quindi dalla tecnologia in sé, ma dalla possibilità di controllare e contestare il potere che essa produce. Se l’architettura dell’IA resterà una scatola nera privata, avremo una società composta da utenti più efficienti, ma da cittadini sempre più esclusi dalle decisioni che regolano la tecnologia.

Per i decisori politici il compito è urgente. Il futuro dell’IA non è ancora scritto. Possiamo scegliere tra un “plebiscito automatizzato”, in cui gli algoritmi orientano il consenso senza un controllo effettivo, e una “deliberazione aumentata”, nella quale la tecnologia rafforza la partecipazione e il confronto democratico. Tutto dipende dalla nostra capacità di imporre regole pubbliche e democratiche a chi controlla le infrastrutture del calcolo. La sovranità umana non può essere sostituita dall’efficienza degli algoritmi.