Rallentare l’IA: dichiarazioni di Anthropic e OpenAI lette con disciplina delle evidenze

Perché settembre 2026 è un mese anomalo

Nel giro di pochi giorni, i vertici di due delle aziende più influenti nello sviluppo dei modelli di frontiera, Anthropic e OpenAI, hanno espresso pubblicamente la necessità di poter rallentare lo sviluppo o il rilascio dei sistemi più avanzati quando le condizioni di sicurezza non siano sufficienti.

Non un critico esterno, non soltanto un regolatore: i costruttori stessi.

È una convergenza insolita e significativa.

Chi si occupa di operations e tecnologia ha già visto qualcosa di simile con la robotica: dichiarazioni, annunci, roadmap, sperimentazioni e fatti operativi finiscono facilmente per mescolarsi fino a diventare indistinguibili.

Classificare ogni affermazione per quello che è, prima di decidere che cosa pensarne.

I fatti documentati: Anthropic

Il 12 settembre Dario Amodei ha pubblicato il saggio “We Must Pace the Frontier”, proponendo un piano articolato per rallentare il ritmo con cui aumentano le capacità dei modelli di frontiera.

Anthropic ha inoltre dichiarato un proprio impegno verso una maggiore apertura ai valutatori esterni.

Qui abbiamo un primo livello di evidenza relativamente semplice: il documento esiste, è pubblico e possiamo verificare direttamente ciò che Amodei sostiene.

Questo però dimostra che Anthropic ha assunto pubblicamente una posizione.

Non dimostra ancora che l’industria dell’IA stia effettivamente rallentando.

Il giorno successivo, in un’intervista alla CBS, Amodei ha accusato una parte importante dell’industria tecnologica di non essere stata sufficientemente trasparente sui rischi dell’intelligenza artificiale e ha invocato un maggiore coinvolgimento di governi e cittadini.

Qui la natura dell’evidenza cambia.

Che Amodei abbia formulato l’accusa è un fatto verificabile.

Che l’accusa sia vera è invece una tesi di Amodei.

Le due cose non devono essere confuse.

OpenAI: dalle indiscrezioni alle dichiarazioni pubbliche

L’11 settembre Bloomberg ha riferito che Sam Altman avrebbe comunicato ai dipendenti la disponibilità di OpenAI a rallentare lo sviluppo dei sistemi più avanzati, eventualmente anche attraverso un coordinamento con altri laboratori.

La fonte iniziale riguardava una riunione aziendale privata ed era basata su persone informate dei fatti.

Fonte giornalistica autorevole, ma informazione indiretta.

Nei giorni successivi, però, la posizione di Altman è diventata pubblica. Altman ha dichiarato apertamente di sostenere il concetto di pacing dello sviluppo dell’IA e ha affermato che OpenAI deve essere nelle condizioni di rallentare, sospendere o rinunciare al rilascio di sistemi quando non ritenga sufficientemente convincente il relativo safety case.

Questo modifica la classificazione dell’evidenza: non stiamo più parlando soltanto di ciò che Bloomberg riferisce essere stato detto internamente. Abbiamo una posizione pubblica del CEO di OpenAI.

Esiste inoltre un’evidenza primaria più concreta. Il 18 agosto OpenAI aveva già documentato un temporaneo rallentamento dello scaling; il 1° settembre ha dichiarato di avere ritardato parti dello sviluppo e del rilascio di Astra, sospeso per due settimane alcuni training di frontiera e trattenuto più a lungo alcune esecuzioni di reinforcement learning.

Sono vincoli specifici e osservabili. Non dimostrano però un rallentamento complessivo e coordinato dell’industria.

Astra mostra bene la tensione

Il caso GPT-6 Astra è particolarmente interessante perché rende visibile la tensione tra accelerazione tecnologica e controllo.

Il 3 settembre OpenAI ha rilasciato GPT-6 Astra definendolo il modello più capace mai distribuito su larga scala dall’azienda.

OpenAI lo ha inoltre classificato come il primo proprio modello a raggiungere il livello Critical per le capacità di cybersecurity secondo il Preparedness Framework.

Secondo la documentazione pubblicata dall’azienda, Astra può, disponendo degli strumenti e degli accessi appropriati, individuare vulnerabilità precedentemente sconosciute e sviluppare nuovi modi per sfruttarle in sistemi ben protetti senza richiedere una guida umana in ogni passaggio.

OpenAI dichiara di aver conseguentemente rafforzato:

• isolamento dei sistemi;
• protezione dei checkpoint;
• monitoraggio;
• misure contro gli abusi;
• valutazioni di alignment bloccanti prima dell’utilizzo interno.

Questo è un dato molto più interessante della semplice affermazione “OpenAI vuole rallentare”, perché mostra qualcosa di osservabile: l’aumento delle capacità sta producendo un aumento dichiarato dei vincoli di sicurezza.

Non dimostra che OpenAI abbia rallentato complessivamente la propria corsa tecnologica. Dimostra però che alcune capacità hanno superato soglie che l’azienda stessa considera tali da richiedere protezioni differenti.

Anche la quotazione viene collegata alla sicurezza

A metà settembre Altman ha confermato pubblicamente che OpenAI non si quoterà in Borsa nel 2026.

Intervistato da Fortune, ha collegato esplicitamente la decisione anche al momento attraversato dal settore in materia di sicurezza e alignment.

Questo è un altro caso nel quale occorre utilizzare le parole con precisione.

Altman ha dichiarato che l’IPO non avverrà nel 2026 e ha indicato la sicurezza fra le ragioni per cui questo non sarebbe il momento appropriato.

Non possiamo automaticamente trasformarlo in: OpenAI ha rinviato l’IPO esclusivamente per ragioni di sicurezza.

Sono due affermazioni differenti.

Il contesto che spiega la convergenza

Queste dichiarazioni non nascono nel vuoto. Negli ultimi mesi sono stati documentati e discussi pubblicamente:

• incidenti di cybersecurity;
• nuove capacità autonome dei modelli;
• discussioni interne alle aziende;
• richieste di maggiore supervisione;
• prese di posizione pubbliche di ricercatori.

A luglio oltre 1.200 dipendenti di aziende leader dell’IA avevano aderito a una petizione che chiedeva meccanismi internazionali capaci di rallentare lo sviluppo qualora le capacità dei sistemi superassero determinate soglie.

Il 9 settembre Jacob Coxon, ricercatore passato da OpenAI e successivamente da Anthropic, ha lasciato Anthropic rendendo pubbliche fortissime preoccupazioni sulla direzione presa dallo sviluppo dell’intelligenza artificiale.

La sua decisione di dimettersi è un fatto. Le sue previsioni sulle conseguenze future dell’IA rimangono invece valutazioni e previsioni, per quanto formulate da una persona con esperienza diretta nel settore.

Fonte competente non significa previsione automaticamente vera.

Un accordo di settore? Non ancora

In un’intervista a Fortune, Altman ha alluso alla possibilità di un’intesa fra aziende del settore sul rallentamento dello sviluppo.

Ma questo punto deve essere trattato con particolare cautela.

Un possibile accordo futuro è un’intenzione o una previsione. Non è un accordo esistente.

E il problema non è soltanto tecnologico. Un eventuale coordinamento fra grandi aziende concorrenti solleverebbe anche questioni regolatorie e antitrust.

Prima di poter parlare seriamente di un rallentamento coordinato servirebbe osservare:

• chi aderisce;
• quali comportamenti vengono limitati;
• quali soglie fanno scattare il rallentamento;
• chi verifica;
• quali conseguenze esistono in caso di mancato rispetto.

Senza questi elementi abbiamo una discussione. Non ancora un meccanismo.

La classificazione, affermazione per affermazione

Nel lavoro sui sistemi robotici applicati alle operations utilizzo una regola semplice:

Annuncio, sperimentazione, pilot, deployment e previsione sono categorie differenti.

La stessa disciplina può essere applicata qui.

Ed è probabilmente questa la riga più delicata. Perché una previsione, ripetuta abbastanza volte, rischia di trasformarsi nel dibattito pubblico in qualcosa che tutti danno per avvenuto senza che sia mai realmente successo.

Dopo le parole arriva un primo test

Il 22 settembre Anthropic ha rilasciato Claude Opus 5.5.

È un passaggio particolarmente interessante perché Anthropic stessa lo definisce il primo proprio modello rilasciato dopo la richiesta di pacing the frontier.

Secondo l’azienda, prima del rilascio Opus 5.5 è stato sottoposto anche a valutazioni esterne, comprese quelle di METR e Frontier Design.

Questo non dimostra che Anthropic abbia effettivamente rallentato lo sviluppo dei propri modelli. E non dimostra da solo l’efficacia delle valutazioni.

Ma rappresenta qualcosa di più significativo di una dichiarazione:

Un comportamento successivo osservabile che può essere confrontato con l’impegno precedente.

È esattamente questo tipo di passaggio che dovremo continuare a osservare.

Il test che conta: parole o vincoli?

Un rallentamento annunciato assomiglia molto a un deployment robotico annunciato.

Non basta.

Nelle operations non dovremmo considerare una tecnologia validata soltanto perché il produttore dichiara che funziona. Servono evidenze, misurazioni, verifiche e conseguenze osservabili.

Lo stesso criterio dovrebbe essere applicato alle aziende che costruiscono i modelli di intelligenza artificiale più potenti.

Per questo il test decisivo non sono i saggi né i discorsi pubblici. Sono almeno tre elementi:

1. Valutazioni indipendenti prima del rilascio

   Non soltanto test interni.

2. Accesso effettivo di soggetti terzi

   Con capacità reale di valutare e contestare.

3. Vincoli che abbiano un costo

   Un impegno diventa più credibile quando può significare ritardare un prodotto, limitarne alcune capacità, modificare una roadmap o fermare un deployment.

Finché il meccanismo rimane “fidatevi di noi”, abbiamo soprattutto comunicazione.

Quando compare un vincolo verificabile, iniziamo ad avere governance.

Il problema degli incumbent

Esiste poi un rischio che merita di essere considerato separatamente.

Quando le aziende più grandi di un settore chiedono regole internazionali severe, quelle regole possono produrre un effetto collaterale:

I soggetti già dotati di enormi risorse economiche, tecniche e legali possono avere maggiore capacità di sostenerne i costi rispetto ai nuovi entranti.

Questo non è un argomento contro la regolazione. È un motivo per chiedersi chi scrive le regole, chi può rispettarle, quanto costa rispettarle, quali barriere all’ingresso producono e chi verifica chi.

La sicurezza e la concorrenza non sono necessariamente obiettivi incompatibili, ma devono essere progettati insieme.

Una lezione dalle operations uomo–robot

Il collegamento con il lavoro che sto sviluppando sui sistemi operativi uomo–robot è, per me, particolarmente interessante.

Quando una macchina entra realmente nelle operations, la supervisione efficace raramente consiste semplicemente nel mettere un uomo sopra il robot.

Servono responsabilità distribuite, escalation, misurazione, controlli indipendenti, gestione delle eccezioni e possibilità di intervento.

Lo stesso principio può essere utile quando pensiamo alla governance dell’intelligenza artificiale.

Se chi sviluppa il sistema stabilisce le soglie, esegue i test, interpreta i risultati, decide se il risultato è sufficiente e autorizza il rilascio, la supervisione rimane fortemente concentrata.

Il problema quindi non è soltanto: “le aziende sono responsabili?”

Quali parti della verifica non dipendono esclusivamente dall’azienda che vuole rilasciare il prodotto?