L’AI è già in sala operatoria e in tribunale

L’adozione dell’IA nei settori critici corre più veloce della capacità di regolamentarla

Immagina di entrare dal medico per un controllo e di notare che, invece di scribacchiare sulla tastiera, il dottore ti guarda negli occhi e parla. Una registrazione silenziosa, in background, trasforma ogni scambio in una cartella clinica già compilata, con i punti salienti estratti e i referti incrociati. Non è un prototipo in qualche garage della Silicon Valley. È quello che sta facendo il primo modello fondamentale per conversazioni cliniche sviluppato personalizzando i modelli aperti Nemotron.

Il punto non è che l’intelligenza artificiale sia arrivata.

È che si è già infilata nelle stanze più blindate delle nostre vite — la sala operatoria, lo studio legale, la plancia di comando di una nave — mentre il dibattito su come regolarla sembra ancora fermo alla domanda “ma ChatGpt mi ruberà il lavoro?”.

Prendete il tribunale. il benchmark legale di Harvey ha mostrato che un modello post-addestrato su dati giuridici proprietari raggiunge un’accuratezza di livello frontier a un costo per esecuzione almeno dieci volte inferiore. Significa che ricerche che prima richiedevano ore di paralegale e migliaia di dollari ora costano pochi centesimi e durano secondi. E non stiamo parlando di un chatbot che risponde a caso: parliamo di sistemi che capiscono la giurisprudenza, che distinguono un precedente vincolante da un obiter dictum.

Cinquanta stati, cinquanta regole (e un orologio che corre più veloce della politica)

Mentre l’AI si specializzava nei settori più critici, la risposta legislativa americana ha preso una strada tutta particolare: il reverse federalism. Un’espressione che OpenAI, in un documento programmatico sulla sicurezza dell’AI, usa per descrivere qualcosa di molto concreto. Invece di aspettare Washington, gli stati hanno iniziato a legiferare per conto proprio, sperando che le loro norme diventino poi il modello per un framework nazionale.

Il California AI Transparency Act, firmato dal governatore Newsom e in vigore dal primo gennaio 2025, ha stabilito il framework di base per la trasparenza. New York ha replicato dimostrando che l’approccio poteva funzionare in più giurisdizioni. L’Illinois ha alzato la posta imponendo la verifica indipendente delle informazioni chiave. Tre stati, tre livelli di profondità diversi, e siamo solo all’inizio.

Ma il risultato è un mosaico. Un’azienda che sviluppa un modello a San Francisco deve rispettare obblighi di trasparenza che cambiano radicalmente se lo stesso modello viene usato a Chicago o a Buffalo. E nel frattempo, la macchina corre. Le versioni per il settore medico, per esempio, non sono semplici chatbot con un bel prompt ingegnerizzato: sono modelli fondazionali riaddestrati su dati clinici proprietari, capaci di gestire il lessico specialistico, le ambiguità diagnostiche, il rischio di vita o di morte.

I robot sono già qui (e si sono messi a dieta)

C’è un dettaglio tecnico che racconta più di mille white paper. i nuovi moduli Jetson Thor T3000 e T2000 permettono a robot come quelli di UBTech e Agile Robots di funzionare con molta meno memoria. Alcune aziende sono passate da 64 gigabyte a 32, altre addirittura da 16 a 8. NoTraffic ha ridotto l’uso di memoria del 30% sui suoi sistemi per la gestione del traffico.

Sembra roba da ingegneri, ma l’impatto pratico è immediato: robot più economici, che consumano meno, che possono essere messi ovunque senza bisogno di un data center a bordo. La robotica avanzata sta diventando un prodotto di largo consumo, e lo sta facendo ora. Non nel 2030.

E mentre tutto questo accade, il governo federale annuncia che un framework per i test di sicurezza informatica dovrebbe essere pronto per l’inizio di agosto 2026. Agosto 2026. Nel frattempo, l’AI avrà già gestito milioni di conversazioni cliniche, redatto memorie legali, controllato semafori e forse assistito navi in mare aperto — come fa l’agente marittimo Shippy, che già aiuta le agenzie governative di oltre 70 paesi a monitorare i traffici navali senza però prendere decisioni legali autonome né speculare oltre ciò che i dati supportano.

Il paradosso è tutto qui: l’AI impara a dire “non lo so” più velocemente di quanto la politica impari a dire “ecco come si fa”.

Il bluff del reverse federalism

Chiamarlo “reverse federalism” suona elegante, quasi strategico. Ma è un eufemismo per descrivere un vuoto. L’amministrazione Trump sta lavorando a un framework federale, e OpenAI ha pubblicato il suo frontier safety blueprint con tutti gli elementi che un framework nazionale dovrebbe avere: audit indipendenti, segnalazione obbligatoria degli incidenti, standard di sicurezza informatica. Peccato che sia, per ora, solo un blueprint.

Il rischio concreto è che le regole arrivino quando i danni saranno già stati fatti. Non per catastrofismo, ma per semplice aritmetica: la velocità di adozione dell’AI nei settori regolati è esponenziale, quella del processo legislativo è lineare — quando va bene. E nel frattempo la piattaforma Skylight serve centinaia di agenzie governative e ONG, SandStar ha portato i suoi sistemi di visione artificiale su moduli da 8 gigabyte, e Holotron 3 Nano ha superato il 76% di accuratezza su benchmark che misurano la capacità di un modello di usare un computer come farebbe un umano.

La domanda non è se l’AI sarà regolamentata. È se lo sarà prima che un errore clinico, una decisione legale sbagliata o un incidente marittimo ci costringano a farlo di corsa, sull’onda emotiva del caso di cronaca. E sappiamo tutti che le leggi scritte sull’onda emotiva raramente sono buone leggi.