Quanto velocemente è cambiata l'IA? La storia completa dell'intelligenza artificiale, dagli albori al 2026

Nel 2012, i migliori sistemi di visione artificiale al mondo facevano ancora fatica a distinguere un cane da un gatto. Nel 2026, basterà digitare una frase per vedere un filmato fotorealistico di trenta secondi che si compone da solo — con movimenti di macchina, illuminazione cinematografica, dialoghi sincronizzati e tutto il resto — in meno tempo di quanto ci voglia per versarsi un caffè.

Non si tratta di un decennio di progressi costanti. È un altro mondo.

La storia di come l’intelligenza artificiale sia arrivata a questo punto è una delle curve di accelerazione più strane nella storia della tecnologia. Per cinquant’anni ha proceduto a passo di lumaca. Poi, nell’arco di circa dieci anni, ha superato a grandi passi traguardi che i ricercatori un tempo ritenevano fossero ancora a generazioni di distanza. Se avete avuto la sensazione di essere sbalzati indietro nel tentativo di stare al passo — nuovi nomi di modelli ogni poche settimane, funzionalità che sembravano impossibili la scorsa primavera e che quest’estate sono già disponibili gratuitamente — non ve lo state immaginando. Il ritmo è davvero così veloce, e sta ancora accelerando.

Questa è la storia completa, dal punto di vista umano, di quell’accelerazione: le origini dell’IA, le poche scoperte rivoluzionarie che hanno cambiato tutto, la corsa agli armamenti tra modelli chiusi e aperti, l’ascesa della generazione di immagini e video tramite IA e la direzione verso cui si sta muovendo il tutto.

Prenditi un caffè. Questo articolo è piuttosto lungo.

---

Il lungo e lento percorso: l’intelligenza artificiale prima del boom (1950–2011)

Si è tentati di pensare che l’intelligenza artificiale sia stata inventata intorno al 2022. Ma non è così. Questo sogno è antico quasi quanto il computer moderno stesso.

Nel 1950, Alan Turing pose una domanda apparentemente semplice — Le macchine sono in grado di pensare? — e propose il “gioco dell’imitazione” che oggi chiamiamo “Test di Turing”. Sei anni dopo, un seminario estivo al Dartmouth College diede al settore il suo nome e infuse in esso l’ottimismo iniziale. I primi pionieri ritenevano che una macchina pensante sarebbe stata realtà nel giro di una ventina d’anni. Si sbagliarono di circa mezzo secolo, e quell’errore di valutazione caratterizzò i primi decenni di sviluppo del settore.

L'approccio iniziale era IA simbolica: l'idea che l'intelligenza potesse essere sintetizzata in regole esplicite, logica e conoscenze codificate manualmente. Se solo si potesse mettere per iscritto una quantità sufficiente di se-questo-allora-quello Se si partisse da queste premesse, il ragionamento sarebbe logico. Ciò ha portato alla creazione di alcuni “sistemi esperti” davvero utili negli anni ’70 e ’80 — programmi in grado di diagnosticare determinate malattie o di configurare ordini informatici — ma poi si è arrivati a un punto morto. Il mondo reale è troppo complesso, troppo pieno di eccezioni, per poter essere descritto da regole inserite manualmente da un essere umano.

Quando le promesse hanno superato i risultati, i finanziamenti si sono esauriti. Il settore ha attraversato due lunghi periodi di crisi, oggi noti come i Gli inverni dell'intelligenza artificiale, quando “IA” era diventata quasi una parolaccia tra i ricercatori seri che non volevano che le loro domande di finanziamento finissero nel cestino.

In sordina, però, un’idea diversa continuava a sopravvivere ai margini: apprendimento automatico. Anziché programmare l’intelligenza manualmente, e se si lasciasse che fosse un sistema ad apprendere gli schemi dai dati? Le reti neurali — vagamente ispirate al cervello — esistevano già dagli anni “50, ma erano troppo esigenti dal punto di vista computazionale e venivano per lo più ignorate. Durante gli anni ”90 e 2000, l’apprendimento automatico statistico ha alimentato filtri antispam, motori di raccomandazione e classifiche di ricerca. Funzionava, generava profitti e quasi nessuno al di fuori del settore lo definiva “IA”. Era semplicemente… un software che migliorava con l’aumentare dei dati.

I pezzi erano già sulla scacchiera. Manca solo il momento giusto.

La scintilla: come il deep learning ha preso piede nel 2012

Se si vuole individuare una data precisa in cui ha inizio l'era moderna, una delle principali candidate è 2012.

Quell'anno, una rete neurale chiamata AlexNet ha partecipato al concorso ImageNet — una competizione annuale che prevede l’assegnazione corretta di etichette a milioni di immagini — e non si è limitata a vincere. Ha vinto a mani basse, riducendo il tasso di errore in modo così drastico che il risultato sembrava quasi un errore di battitura. Ha utilizzato una rete neurale “profonda” (composta da molti strati sovrapposti) addestrata su schede grafiche, o GPU, che si sono rivelate eccellenti proprio nel tipo di calcolo parallelo richiesto dalle reti neurali.

Quella combinazione — big data, reti profonde e calcolo parallelo a basso costo — è stata la scintilla. Improvvisamente, l’approccio basato sulle reti neurali, che per decenni era stato accantonato, non solo si è rivelato fattibile, ma è diventato dominante. Nel giro di pochi anni, il deep learning ha superato di gran lunga le tecniche precedenti nel riconoscimento delle immagini, nel riconoscimento vocale e nella traduzione. I giganti della tecnologia se ne sono accorti. Hanno iniziato ad assumere tutti i ricercatori specializzati in deep learning che riuscivano a trovare e a destinare ingenti risorse di calcolo a questo problema.

Per la prima volta, la strategia di “aggiungere più dati e più potenza di calcolo a una rete più grande” si rivelò efficace. Quella intuizione avrebbe presto rivoluzionato l’intero settore, ma in quel campo mancava ancora un ingrediente fondamentale per gestire correttamente il linguaggio.

L'architettura che ha cambiato tutto: Transformers (2017)

Ecco la scoperta rivoluzionaria di cui quasi nessuno al di fuori del mondo dell’intelligenza artificiale ha mai sentito parlare, anche se è alla base di quasi tutto ciò che utilizzate oggi.

Nel 2017, un gruppo di ricercatori di Google ha pubblicato un articolo dal titolo provocatorio: L'attenzione è tutto ciò di cui hai bisogno. Ha introdotto il Trasformatore, una nuova architettura di rete neurale basata su un meccanismo denominato attenzione — un modo che permette a un modello di valutare, contemporaneamente e in parallelo, il grado di correlazione tra ogni parola di una frase e tutte le altre.

Sembra un concetto astratto, quindi ecco perché era importante. I modelli linguistici precedenti elaboravano il testo una parola alla volta, in sequenza, il che li rendeva lenti da addestrare e poco capaci di ricordare brani lunghi. I Transformer elaboravano tutto in parallelo ed erano in grado di tenere “a mente” relazioni a lungo raggio. Erano più veloci da addestrare, scalavano perfettamente con l’aumentare dei dati e della potenza di calcolo e — cosa fondamentale — ottenevano meglio in modo fluido e prevedibile man mano che li ingrandivi.

Quest’ultima caratteristica è il motore silenzioso dell’intero boom. I ricercatori hanno scoperto ciò che è diventato noto come leggi di scala: basta aggiungere più parametri, più dati e più potenza di calcolo, e le prestazioni migliorano seguendo una curva prevedibile. Per un settore che aveva trascorso decenni alla ricerca di espedienti ingegnosi, era quasi troppo bello per essere vero. Non serviva una nuova idea ogni anno. Serviva una versione più grande della stessa idea. Il Transformer ha trasformato l’intelligenza in qualcosa che, in misura significativa, si poteva, acquista.

Ogni grande modello linguistico di cui avete sentito parlare — GPT, Claude, Gemini, Llama, DeepSeek, Qwen e tutti gli altri — è un Transformer, o un suo diretto discendente. Quell’articolo del 2017 è il perno attorno al quale ruota il mondo moderno.

L'era del GPT e la nascita dei modelli di linguaggio moderni (LLM) (2018–2022)

Una giovane startup chiamata OpenAI ha preso la sfida delle leggi di scalabilità più sul serio di quasi chiunque altro. La loro tesi era semplice e, all’epoca, controversa: prendere un Transformer, addestrarlo su una quantità impressionante di testi provenienti da Internet per prevedere la parola successiva, renderlo enorme e vedere cosa succede.

I risultati sono arrivati a ondate sempre più intense:

• GPT-1 (2018) ha dimostrato la fattibilità del progetto su scala modesta.
• GPT-2 (2019) era talmente efficace nel generare paragrafi coerenti che OpenAI inizialmente ha esitato a rilasciare il modello completo, adducendo timori di un uso improprio — una decisione che ha fatto scalpore e suscitato non poche perplessità, ma che ha anche segnalato che qualcosa era cambiato.
• GPT-3 (2020) è stata la vera sorpresa. Con 175 miliardi di parametri, era in grado di scrivere saggi, rispondere a domande, produrre codice funzionante e imitare stili diversi — il tutto senza essere stato specificatamente addestrato per nessuna di queste attività. Le aveva apprese come effetto collaterale dell’apprendimento della previsione del testo. Gli sviluppatori che ne hanno avuto accesso in anteprima ne hanno parlato come si parla di un trucco di magia che non si riesce a spiegare.

Qui stava accadendo qualcosa di profondo. Nessuno programmato GPT-3 per scrivere poesie o correggere errori in Python. Queste capacità è emerso al di là della scala. Il modello cercava semplicemente di indovinare la parola successiva e, diventando molto abile in questo, ha acquisito un’approssimazione funzionale della grammatica, dei fatti, del ragionamento e dello stile. Questa proprietà — ovvero la comparsa spontanea di nuove capacità man mano che i modelli si evolvono — è chiamata emergere, ed è per questo che persino i ricercatori che sviluppano questi sistemi rimangono regolarmente sorpresi da ciò che sono in grado di fare.

Nel 2022 esistevano già potenti modelli linguistici. Tuttavia, erano accessibili solo tramite API per sviluppatori, si esprimevano in modo grezzo e talvolta sconclusionato, ed erano appannaggio di poche migliaia di appassionati. Il grande pubblico non ne sapeva nulla. Ma le cose stavano per cambiare da un giorno all’altro.

ChatGPT: La settimana in cui l'intelligenza artificiale è entrata nel mainstream

Il 30 novembre 2022, OpenAI ha rilasciato una versione di anteprima gratuita, a scopo di ricerca, di un chatbot basato sul proprio modello GPT-3.5. L'hanno chiamato ChatGPT. A livello interno, le aspettative erano modeste.

È diventata l'applicazione di consumo con la crescita più rapida della storia, raggiungendo i cento milioni di utenti in circa due mesi.

La tecnologia alla base non era radicalmente nuova. La novità era invece la imballaggio: una semplice finestra di chat, un modello addestrato a seguire le istruzioni e a sostenere una conversazione e — cosa fondamentale — nessuna barriera all’accesso. Chiunque poteva visitare un sito web e interagire con esso. I tuoi genitori potevano usarlo. I tuoi figli potevano usarlo. E per milioni di persone, quella prima conversazione è stata il momento in cui l’astratta “IA” è diventata una realtà concreta in grado di scrivere le loro e-mail, spiegare i compiti, pianificare i viaggi e redigere il codice.

L’esplosione culturale è stata immediata. Le scuole sono state prese dal panico per i compiti di scrittura. Le aziende si sono affrettate a definire “strategie di IA”. Gli investitori hanno tirato fuori i libretti degli assegni. Ogni dirigente del settore tecnologico del pianeta si è ritrovato improvvisamente con un unico punto in cima alla propria agenda. ChatGPT non si è limitato a lanciare un prodotto; ha dato il via alla competizione aziendale più intensa che il settore tecnologico abbia mai visto dai tempi dello smartphone — forse addirittura da quando esiste Internet stesso.

Da questo punto in poi, la linea temporale smette di scorrere lentamente e comincia a sfocarsi.

La corsa agli armamenti nel modello chiuso (2023–2026)

Non appena ChatGPT ha dimostrato il proprio valore sul mercato, i laboratori più grandi e meglio finanziati del mondo si sono lanciati in una vera e propria guerra. Questi sono i modelli chiusi — sistemi proprietari i cui pesi sono tenuti segreti e a cui si accede tramite app e API a pagamento. Si collocano all’avanguardia in termini di prestazioni pure e la concorrenza tra loro è stata spietata.

2023 ha dato l'esempio. OpenAI ha rilasciato GPT-4, un balzo in avanti straordinario in grado di ragionare, superare esami professionali e gestire sia immagini che testi. Anthropic — fondata da ex ricercatori di OpenAI — ha lanciato Claude, ponendo l'accento sulla sicurezza, sui documenti di lunga durata e su uno stile di conversazione più ponderato. Google, colta alla sprovvista da ChatGPT nonostante avesse inventato il Transformer, si è riorganizzata e ha lanciato Gemelli. La corsa a tre era iniziata.

Poi la situazione ha semplicemente… continuato a intensificarsi. Ogni laboratorio superava gli altri ogni pochi mesi. Le finestre di contesto — ovvero la quantità di testo che un modello può elaborare contemporaneamente — sono passate da poche migliaia di parole a interi libri e codici sorgente. I modelli hanno acquisito la capacità di vedere immagini, ascoltare audio, navigare sul web e utilizzare strumenti. xAI di Elon Musk è entrata in scena con Grok, collegato direttamente alla piattaforma social X.

Due cambiamenti definiscono la frontiera così com’è oggi in 2026, e sono più importanti di qualsiasi singolo nome di modello:

In primo luogo, l’ascesa del ragionamento. Una nuova classe di modelli “pensanti” ha imparato ad affrontare i problemi passo dopo passo prima di fornire una risposta, soffermandosi a ragionare internamente anziché dare la prima risposta che gli viene in mente. Ciò ha colmato gran parte del divario esistente in materia di matematica, logica e programmazione complessa, trasformando i test di riferimento che avevano messo in difficoltà i modelli del 2023 in risultati di routine.

In secondo luogo, il passaggio dai chatbot ai lavoratori. Il tema centrale del 2026 è IA agenziale. I modelli all’avanguardia non si limitano più a rispondere alle domande: agiscono concretamente. Gestiscono i computer, scrivono e implementano codice su numerosi file, eseguono attività articolate in più fasi che si protraggono per minuti o ore e si integrano con i sistemi aziendali per portare effettivamente a termine il lavoro. La metafora dell’interfaccia è passata silenziosamente da “assistente con cui si chiacchiera” a “collega a cui si delegano compiti”.”

A metà del 2026, la frontiera chiusa è costituita da un gruppo compatto ai vertici: Claude Opus 4.8 di Anthropic, GPT-5.5 di OpenAI, Gemini 3.1 Pro di Google e Grok 4.3 di xAI, con i quattro laboratori che si alternano al primo posto ogni poche settimane. <span>L'aspetto più sorprendente dell'attuale gruppo di testa è quanto sia diventato equilibrato: il divario tra il “migliore” e il “secondo migliore” è ormai spesso irrisorio e la leadership cambia continuamente.</span>

La corsa ha assunto anche una dimensione geopolitica. A metà del 2026, un modello di “frontiera antropica” è diventato — per quanto si sappia — il primo in assoluto ad essere disattivato e poi riattivato dalle autorità di regolamentazione, sospeso brevemente in seguito a un’ordinanza statunitense sul controllo delle esportazioni prima che l’accesso venisse ripristinato. L’IA di frontiera non è più solo una categoria di prodotti. È uno strumento di politica nazionale.

La rivoluzione del modello aperto: pesi per il popolo

Mentre i colossi si davano battaglia dietro le quinte delle loro API, si stava svolgendo una vicenda parallela e altrettanto importante: l’ascesa di modelli aperti.

La svolta è avvenuta all'inizio del 2023, quando Meta ha lanciato LLaMA, un modello linguistico potente i cui pesi sono trapelati e sono stati poi condivisi ufficialmente con i ricercatori. Per la prima volta, un modello davvero potente era qualcosa che si poteva scaricare, eseguire sul proprio hardware, esaminare e modificare. Intorno ad esso è esplosa una comunità globale di sviluppatori e appassionati, che ha prodotto un'ondata sorprendente di varianti ottimizzate, miglioramenti e strumenti — spesso più rapidamente di quanto i grandi laboratori riuscissero a rilasciare nuove funzionalità.

Quell’energia collettiva non si è mai affievolita e, nel 2026, l’ecosistema aperto è maturato fino a diventare un serio rivale della frontiera chiusa. Alcuni aspetti che vale la pena comprendere:

"Open weights" non è la stessa cosa di "open source". Questa distinzione mette in difficoltà molte persone. Open source significa che il codice di addestramento, i dati e i pesi sono tutti distribuiti sotto una licenza permissiva. Pesi liberi significa che è possibile scaricare ed eseguire i file dei modelli, ma la licenza potrebbe limitare le modalità di utilizzo, mentre i dati di addestramento e la ricetta completa rimangono spesso riservati. La maggior parte dei modelli che vengono comunemente definiti “open source” sono in realtà “open-weight”. La differenza è estremamente importante per le aziende attente alla conformità normativa — ed è per questo che la licenza è diventata un vero e proprio fattore competitivo. Le licenze permissive Apache 2.0 e MIT (utilizzate da famiglie di modelli come Qwen, DeepSeek e altre) sono apprezzate proprio perché consentono alle aziende di sviluppare liberamente.

Il baricentro si è spostato verso est. Alcuni dei modelli open-weight più performanti del 2026 provengono dai laboratori cinesi: DeepSeek (rinomata per il suo ragionamento di livello all’avanguardia a un costo incredibilmente basso), Qwen di Alibaba (una vasta famiglia di prodotti con licenze flessibili, che spazia dai modelli di laptop più piccoli ai sistemi più imponenti), Kimi di Moonshot, e GLM di Zhipu/Z.ai serie. Quella di Meta Lama 4 costituisce il pilastro della piattaforma aperta occidentale, la soluzione leggera di Google Gemma I modelli sono progettati per funzionare su una singola GPU o persino su un portatile, e in Europa… Mistral ha adottato licenze permissive per i propri modelli di punta. La classifica aperta ora cambia quasi ogni mese: le recenti analisi hanno collocato modelli come GLM-5.2 e l’ultimo modello di Kimi ai vertici o quasi delle classifiche indipendenti aperte, con diversi modelli aperti che si stanno facendo strada in un territorio che un tempo apparteneva esclusivamente al settore chiuso.

Il crollo dei prezzi. Forse l’aspetto più rilevante della storia del modello aperto è quello economico. La concorrenza — in gran parte guidata da questi fornitori aperti e a basso costo — ha fatto precipitare il prezzo dell’intelligenza artificiale. Funzionalità che due anni fa costavano una piccola fortuna in costi di API sono ora disponibili a pochi centesimi per milione di parole, o addirittura gratis se si utilizza un hosting autonomo. Gli analisti stimano ora che i migliori modelli aperti siano inferiori ai migliori modelli chiusi solo di mesi in base a molti parametri di riferimento, non in termini di anni. Per una vasta gamma di attività quotidiane, l’opzione open source è ormai sufficientemente valida, economica e sicura da imporsi.

Questa è la rivoluzione silenziosa che si nasconde dietro i titoli dei giornali. La frontiera attira l’attenzione, ma la diffusione su larga scala di un’IA “sufficientemente valida” — in esecuzione sui propri server, sotto il proprio controllo, a un costo marginale quasi nullo — potrebbe finire per trasformare più settori di qualsiasi singolo modello di punta.

Quando l’intelligenza artificiale ha imparato a vedere e a dipingere: la storia della generazione di immagini

La lingua rappresentava solo metà della rivoluzione. L’altra metà era visiva — ed è arrivata altrettanto rapidamente.

I primi strumenti per la creazione di immagini generative erano i GAN (Generative Adversarial Network), introdotta nel 2014. L’idea geniale: mettere due reti l’una contro l’altra, una che genera immagini false e l’altra che cerca di individuarle, finché il generatore non diventa così bravo che i falsi risultano convincenti. Le GAN producevano volti inquietantemente realistici — l’era del “queste persone non esistono” — ma erano complicate da addestrare e difficili da controllare con le parole.

La vera svolta nel settore dei beni di consumo è derivata da una tecnica diversa: modelli di diffusione, che imparano a creare immagini partendo dal rumore puro e perfezionandolo gradualmente fino a ottenere un'immagine coerente, guidati da un prompt testuale. I risultati, così come la tempistica, sono stati sbalorditivi:

• DALL·E e DALL·E 2 (2021–2022) OpenAI ha dimostrato al mondo che basta digitare una frase stravagante — “un astronauta a cavallo in stile fotorealistico” — per ottenere un’immagine di qualità sorprendente.
• Midjourney (2022) si è distinta per la sua estetica unica e splendida e ha creato una vastissima comunità, diventando sinonimo di arte generata dall'intelligenza artificiale di grande bellezza.
• Stable Diffusion (2022) ha fatto per le immagini ciò che LLaMA ha poi fatto per il testo: è stato reso disponibile al pubblico. Chiunque poteva utilizzarlo, ottimizzarlo e svilupparlo ulteriormente. Da un giorno all’altro è esploso un intero ecosistema aperto di strumenti, plugin e modelli personalizzati.

Da quel momento in poi, il settore ha fatto passi da gigante. I vecchi problemi — mani deformate, testi senza senso, volti inquietanti — sono stati risolti uno dopo l’altro. Nel 2026, il mercato della generazione di immagini si è suddiviso in due schieramenti ben distinti e la qualità è talmente elevata che i risultati superano regolarmente un’analisi superficiale da parte di un essere umano:

• Midjourney (ora con la linea V8) rimane la scelta preferita dal punto di vista estetico per le opere d'arte stilizzate che catturano l'attenzione.
• GPT Image di OpenAI Questi modelli (i successori di DALL·E, ora integrati direttamente in ChatGPT) si distinguono per la capacità di seguire istruzioni complesse e di riprodurre correttamente il testo all'interno delle immagini — un problema che ha afflitto tutti i modelli per anni.
• FLUX di Black Forest Labs è diventato il campione della categoria "open-weight", eguagliando i modelli "closed" di fascia alta in termini di fotorealismo a un costo molto inferiore e convincendo la maggior parte degli utenti open source più esigenti ad abbandonare le versioni precedenti di Stable Diffusion.
• Imagen di Google e “Nano Banana” modelli e Firefly di Adobe (addestrati su dati concessi in licenza, molto apprezzati dalle aziende per motivi di sicurezza legale) completano il panorama professionale.
• E, riprendendo la storia di LLM, Modelli cinesi come Seedream di ByteDance, che ha scalato la classifica.

La frontiera non consiste più solo nel creare un'immagine piacevole. Si tratta piuttosto di modifica — scegliere una regione in modo informale e chiedere di apportare modifiche — e riguardo a coerenza, mantenendo lo stesso personaggio o prodotto identico in decine di immagini. La generazione di immagini tramite IA è passata dall’essere una novità a diventare uno strumento di produzione professionale nel giro di circa quattro anni.

Quando l’IA ha imparato a muoversi: l’ascesa dei video generati dall’IA

Se le immagini rappresentavano il miracolo di quattro anni fa, il video è quello di quest’epoca. E nulla ha saputo cogliere la straordinaria rapidità dei progressi dell’intelligenza artificiale quanto il fatto di vedere la tecnologia “text-to-video” passare dall’essere una semplice battuta a una vera e propria minaccia per l’industria cinematografica in meno di tre anni.

Fino al 2023, per “video generato dall’IA” si intendevano pochi secondi di immagini sfocate e tremolanti, con volti che si scioglievano e oggetti che si trasformavano in forme senza senso da un fotogramma all’altro. Era una curiosità, non uno strumento.

Poi, all’inizio del 2024, OpenAI ha presentato in anteprima Sora, e la conversazione cambiò all’istante. Le sue sequenze erano fotorealistiche, coerenti dal punto di vista temporale e cinematografiche, al punto da dare l’impressione che avessero saltato diversi anni di progressi previsti. Tutti i concorrenti si misero immediatamente a cercare di raggiungere quel livello.

La corsa ha dato vita a un gruppo di partecipanti di tutto rispetto. Entro il 2026, tra i principali contendenti figurano Veo di Google, Runway Gen-4 linea (integrata in un ambiente di editing creativo completo anziché venduta come modello grezzo) e un'ondata di potenti modelli cinesi — Kling (Kuaishou), Seedance (ByteDance) e altri — che ora dominano i primi posti delle classifiche indipendenti sulla qualità video. Gli standard tecnici si sono evoluti rapidamente: nativo audio sincronizzato — compresi i dialoghi generati con una sincronizzazione labiale corretta in diverse lingue — sono passati dall’essere fantascienza a diventare una funzionalità standard nel giro di circa un anno.

Il colpo di scena che nessuno si sarebbe mai aspettato: Sora, il modello che ha dato il via alla gara, si è spento. OpenAI ha interrotto il servizio Sora sia sul web che sull'app nell'aprile 2026, mentre l'API è stata dismessa più avanti nel corso dell'anno. Lo strumento che aveva dettato il ritmo è stato superato e messo da parte, mentre il settore che aveva ispirato ha continuato a progredire a passi da gigante: un simbolo quasi perfetto di quanto questo settore si muova a una velocità vertiginosa. Basta fissare uno standard e, diciotto mesi dopo, potresti già essere considerato un punto di riferimento del passato.

Oggi, un imprenditore indipendente, con una semplice traccia di testo e un budget modesto, può realizzare riprese che un tempo avrebbero richiesto una location, una troupe e un budget a cinque cifre. La tecnologia presenta ancora dei limiti concreti — anomalie fisiche, problemi di coerenza nelle scene più lunghe e serie questioni legali ed etiche relative all’immagine e alla trasparenza — ma la tendenza è innegabile.

Oltre il testo e i pixel: voce, multimodalità e l’era degli agenti

Le categorie ben definite utilizzate in questo articolo — testo, immagine, video — stanno, onestamente, già perdendo i loro confini. La tendenza dominante dell’era attuale è che queste funzionalità si stanno fondendo in sistemi unici e unificati.

Multimodalità è il nome tecnico. I modelli all’avanguardia del 2026 non sono modelli testuali a cui è stata aggiunta una funzionalità per le immagini; essi vedono, leggono, ascoltano e generano contenuti in modo nativo attraverso diversi formati in un unico flusso continuo. Potrai mostrare a uno di questi modelli una foto del tuo frigorifero e chiedere una ricetta, condividere uno screenshot di un bug e ottenere una soluzione, oppure parlargli e sentirlo rispondere con una voce naturale, che può essere interrotta, praticamente senza alcun ritardo. Il vecchio e goffo ciclo “digita, aspetta, leggi” sta lasciando il posto a qualcosa che sembra molto più simile a una conversazione con una persona competente.

E poi ci sono agenti — il tema che fa da filo conduttore all’intera storia del 2026. Un agente è un sistema di intelligenza artificiale che non si limita a rispondere, ma atti: pianifica un’attività articolata in più fasi, utilizza strumenti e software, verifica il proprio lavoro e porta a termine il compito con un supporto minimo. Prenotare un viaggio, riconciliare un foglio di calcolo con tre fonti di dati, rifattorizzare un codice, gestire un progetto di ricerca su decine di pagine web: queste attività stanno passando dalla fase di “demo” a quella di “flusso di lavoro quotidiano”. L’interfaccia si sta trasformando da una finestra di chat a una coda di deleghe.

Questo è il filo conduttore dell’intera storia dell’intelligenza artificiale, che giunge alla sua conclusione logica. Siamo passati da programmazione computer dotati di regole esplicite, per formazione loro sui dati, per conversando con loro in un linguaggio semplice, per — ora — delegando un vero e proprio lavoro per loro. Ogni passo ha eliminato un ostacolo tra l’intenzione umana e il risultato finale. Gli agenti rappresentano l’attuale frontiera di tale processo di eliminazione.

Perché l'intelligenza artificiale ha improvvisamente fatto passi da gigante?

Se mettiamo da parte i nomi dei modelli e i numeri di versione, sorge spontanea una domanda: dopo cinquant’anni di progressi graduali, perché l’intelligenza artificiale ha improvvisamente sprint? Una serie di fattori si sono combinati, ed è stata proprio questa combinazione — non uno solo di essi — ad accendere la miccia.

La potenza di calcolo è diventata incredibilmente elevata e diffusa. Le stesse GPU utilizzate per il rendering dei videogiochi si sono rivelate perfette per l'addestramento delle reti neurali. Con il miglioramento dei chip e l'espansione dei data center, la potenza di calcolo disponibile per l'addestramento dell'IA è cresciuta in modo esponenziale. Idee che negli anni '90 erano valide dal punto di vista teorico erano semplicemente irrealizzabili fino a quando l'hardware non ha raggiunto il livello necessario.

I dati sono diventati un vero e proprio torrente. Internet ha impiegato trent’anni per accumulare un corpus pressoché illimitato di testi, immagini e video creati dall’uomo. Quell’immenso e disordinato archivio di conoscenza ed espressione umana è diventato il materiale di addestramento. Senza Internet, non esisterebbe l’intelligenza artificiale moderna.

La scala sbloccata di Transformer. Come abbiamo visto, l’architettura del 2017 ha permesso di trasformare in modo affidabile una maggiore potenza di calcolo e una maggiore quantità di dati in maggiori capacità. Tale prevedibilità ha reso la ricerca più simile all’ingegneria — e i problemi ingegneristici si risolvono rapidamente quando arrivano i fondi.

I soldi sono arrivati. ChatGPT ha dimostrato l’esistenza di un mercato colossale, e i capitali hanno iniziato ad affluire in massa. Decine di miliardi di dollari sono stati investiti in laboratori, chip e talenti. Questi finanziamenti hanno accelerato tempi che altrimenti si sarebbero protratti per decenni.

È stata la forte concorrenza a dettare il ritmo. Con OpenAI, Google, Anthropic, Meta, xAI e una dozzina di laboratori cinesi tutti in competizione, nessuno poteva permettersi di rallentare. Un vantaggio che aveva richiesto sei mesi per essere costruito poteva svanire in sei settimane. È proprio questa pressione il motivo per cui si vede un nuovo prodotto di punta quasi ogni volta che si leggono le notizie.

Gli ecosistemi aperti hanno moltiplicato lo sforzo. Ogni modello reso pubblico ha trasformato migliaia di sviluppatori indipendenti in risorse di ricerca e sviluppo non retribuite. L'intelligenza collettiva della comunità open source globale ha accelerato il progresso in modi che nessuna singola azienda avrebbe potuto eguagliare, facendo crollare il prezzo dell'intelligenza artificiale.

Mettendo insieme questi elementi si ottiene la curva di capacità più ripida che la tecnologia abbia mai prodotto. Non si tratta tanto di una singola invenzione, quanto piuttosto di una reazione a catena.

Il futuro dell'intelligenza artificiale

Prevedere il futuro dell’intelligenza artificiale è un ottimo modo per fare la figura dello sciocco tra sei mesi: questo articolo ha documentato quanto spesso gli esperti siano stati colti di sorpresa. Tuttavia, la traiettoria attuale lascia intravedere alcuni sviluppi con ragionevole certezza.

Agenti, siate realistici. La fase successiva non riguarda tanto i modelli che sapere sempre di più sui sistemi che garantiscono in modo affidabile fare inoltre — portare a termine lavori lunghi, complessi e articolati in più fasi con autentica autonomia. Ci si deve aspettare che il concetto di “lavoratore IA” assuma sempre più rilevanza, insieme a interrogativi difficili riguardo alla supervisione, all’affidabilità e a cosa ne sarà dei posti di lavoro basati su mansioni che ora possono essere svolte dagli agenti.

L'intelligenza diventa sempre più economica. Il crollo dei prezzi non è ancora finito. Man mano che i modelli aperti colmano il divario e l’efficienza migliora, l’intelligenza artificiale più avanzata tende a diventare quasi gratuita e a funzionare localmente — sul tuo telefono, sul tuo portatile, sui tuoi server. Questa “commoditizzazione” potrebbe ridisegnare interi settori in modo più silenzioso e più radicale rispetto a qualsiasi singolo modello di punta.

Le linee continuano a dissolversi. Testo, immagini, audio e video stanno convergendo in sistemi integrati, e “utilizzare l’intelligenza artificiale” sembrerà sempre meno come ricorrere a uno strumento e sempre più come una funzionalità intessuta in modo invisibile in tutto ciò che già fai.

La governance diventa protagonista. La breve sospensione normativa di un modello di frontiera nel 2026 ne è stata un’anteprima. Man mano che l’intelligenza artificiale diventa un’infrastruttura critica e una leva di potere geopolitico, le questioni relative alla sicurezza, al diritto d’autore, al controllo e alla strategia nazionale plasmeranno il settore tanto quanto qualsiasi svolta nella ricerca. La corsa tecnica e quella politica sono ormai un’unica corsa.

L'unica previsione certa è che il ritmo non rallenterà. Ogni capitolo di questa storia è stato scritto da persone che, con grande sicurezza, hanno sottovalutato la rapidità con cui sarebbe arrivato il capitolo successivo.

Domande frequenti

Quando ha avuto effettivamente inizio l'intelligenza artificiale moderna? Il concetto risale agli anni ’50, ma l’era moderna del deep learning viene solitamente fatta risalire al 2012, quando la rete neurale AlexNet dominò una competizione di riconoscimento delle immagini e dimostrò che le reti profonde, i big data e la potenza di calcolo delle GPU costituivano una combinazione vincente. Il vero e proprio boom presso il grande pubblico è iniziato più tardi, con il lancio di ChatGPT nel novembre 2022.

Qual è la differenza tra modelli di IA aperti e chiusi? I modelli chiusi (come GPT-5.5, Claude e Gemini) mantengono riservati i propri pesi e vengono utilizzati tramite app o API a pagamento. I modelli aperti (come Llama, DeepSeek, Qwen e GLM) condividono i propri pesi, così chiunque può scaricarli, eseguirli e modificarli. Una sfumatura fondamentale: per “pesi aperti” si intende che si ottengono i file del modello, mentre il vero “open source” include anche il codice di addestramento e i dati; la maggior parte dei cosiddetti modelli open source sono in realtà a pesi aperti.

Qual è stata la scoperta più importante nella storia dell'intelligenza artificiale? Molti ricercatori fanno riferimento all’architettura Transformer del 2017, presentata nell’articolo L'attenzione è tutto ciò di cui hai bisogno. Ha reso i modelli scalabili ed efficienti da addestrare ed è alla base praticamente di tutti i principali sistemi di intelligenza artificiale oggi in uso, dai chatbot ai generatori di immagini.

Come mai la generazione di immagini e video tramite IA è migliorata così tanto in così poco tempo? La generazione di immagini ha fatto un balzo in avanti con i modelli di diffusione intorno al 2021–2022 (DALL·E, Midjourney, Stable Diffusion), risolvendo poi rapidamente vecchi problemi come le mani distorte e il testo illeggibile. Il settore video ha seguito un andamento simile, passando da pochi secondi di movimento sfocato nel 2023 a clip fotorealistiche e sincronizzate con l’audio entro il 2026, grazie all’intensa concorrenza tra modelli come Veo, Runway, Kling e Seedance.

I progressi nel campo dell'intelligenza artificiale sono destinati a rallentare? Non se ne vede ancora traccia. La combinazione di risorse di calcolo abbondanti, investimenti ingenti, forte concorrenza tra i laboratori e una fiorente comunità open source continua a accelerare il ritmo. Se la storia sopra riportata ci insegna qualcosa, è che la prossima ondata è sempre arrivata più in fretta di quanto chiunque si aspettasse.