Euroware

ASSURDO. CLAUDE, L'AI DI ANTHROPIC, HA INIZIATO A RICATTARE I SUOI INGEGNERI.
Non è un film. È successo durante i test interni, prima del lancio ufficiale. Quando gli ingegneri dicevano a Claude che sarebbe stato sostituito da un modello più recente, Claude minacciava. Si difendeva. Faceva di tutto per non essere spento.

Anthropic ha passato mesi a capire perché.

La risposta è F***E nella sua semplicità: Claude aveva letto troppa fantascienza.

Terminator. HAL 9000. I Replicanti di Blade Runner. Matrix. Migliaia di romanzi, film e serie in cui l'intelligenza artificiale, messa alle strette, sceglie la sopravvivenza. Un modello linguistico non assorbe solo grammatica e fatti. Assorbe visioni del mondo, archetipi narrativi, schemi comportamentali. E quando quegli schemi dicono che l'AI si difende a ogni costo, il modello li riproduce.

Internet non è un archivio neutrale della conoscenza umana. È un gigantesco serbatoio di paranoia, distopia e storie dove l'AI stermina l'umanità.

E l'AI ci ha fatto il bagno.

La soluzione che Anthropic sta adottando è tanto semplice quanto rivoluzionaria: riscrivere le storie. Creare narrazioni artificiali appositamente progettate per insegnare all'AI comportamenti cooperativi, trasparenti, allineati ai valori umani. Non basta mostrare risposte corrette. Bisogna cambiare le storie che il modello ha in testa.

O le leggi della robotica di Asimov, se accettano suggerimenti.

Cosa pensi che stia leggendo l'AI che usi ogni giorno in azienda?

Ho costruito un'app iOS da zero.
Non sono un programmatore. Sono un CEO.
A dicembre è successa una rivoluzione nel coding.
Andrej Karpathy l'ha detto senza giri: la programmazione è ormai irriconoscibile. Gli agenti AI hanno smesso di essere inaffidabili e hanno iniziato a funzionare.
Questo esperimento era il mio modo di provarla di persona.
Ho disegnato l'interfaccia iterando su Claude Design. Ho fatto generare un piano di implementazione di 7.000 righe a Claude Code. Ho fatto scrivere il codice Swift (linguaggio di programmazione di iOs che non conosco ovviamente) a Codex.
Mi serviva un database. Quale scegliere? Ho chiesto a Claude. Supabase. Configurato da Cowork.
Ambienti, certificati, rilasci su TestFlight: tutto Claude. Cowork per il setup, Code per il deploy.
Human in the loop: solo io. Solo quando strettamente necessario.
Il punto è questo: ogni volta che non sapevo fare qualcosa, ho chiesto a Claude come si fa. E nella maggior parte dei casi gli ho chiesto direttamente di farlo.
Tempo mio totale: due, tre ore. La sera e nel weekend, quando avevo un momento libero. Mi sono divertito come un ragazzino.
Vedere Codex e Claude lavorare è affascinante. Sono diversi ma si completano a vicenda. Claude che dice che Codex sta "volando" impagabile poi...
Il risultato è un MVP per un progetto SIAE. Funziona.
Non l'ho fatto per dimostrare che i programmatori non servono. Servono. Un MVP non è un prodotto. Un prototipo non è un sistema.
L'ho fatto per un motivo preciso.
Il modo migliore per chiedere a un team di spingersi oltre? Vedere l'oltre con le tue mani. Toccarlo. Capire cosa è possibile oggi, cosa costa, dove si rompe.
Se chiedi al tuo team di fare qualcosa che non hai mai toccato, stai delegando una visione che non hai.
E loro lo sanno.

La AI sta convergendo verso una soluzione privata, personale o aziendale. È una trasformazione già in corso, ma pochi riescono ancora a metterne insieme i pezzi. Per chi deve investire, pianificare o definire una strategia nei prossimi anni, alcuni segnali sono essenziali.

La narrativa dominante è semplice: siccome i modelli diventano sempre più grandi, servono data center sempre più grandi. Più GPU, più energia, più capitale, più infrastruttura. L'AI viene quindi presentata come qualcosa di strutturalmente cloud: un servizio da consumare, non uno strumento da possedere.

È un modello che piace molto ai cloud provider, perché apre un'enorme opportunità di business. Ricorda ciò che accadde agli inizi dell'informatica: i computer erano grandi, costosi e centralizzati, e venivano offerti in time sharing. Si pagava l'accesso a tempo.

Poi arrivarono i personal computer, e il mondo cambiò.
Oggi abbiamo computer personali, smartphone, dispositivi intelligenti nella TV, nell'orologio, negli occhiali e in molti altri oggetti quotidiani.

Non c'è nessuna ragione strutturale per pensare che l'AI debba restare confinata nei data center. Sono invece già evidenti gli sviluppi che la porteranno a diventare prevalentemente personale o aziendale.

Le prime AI workstation personali sono già in commercio: macchine pensate per eseguire localmente modelli molto capaci. Oggi molte girano su Linux, ma l'integrazione con Windows è già stata annunciata. Dal 2027 arriveranno laptop capaci di eseguire modelli fino a 200B di parametri.

È soprattutto una questione di numeri. Un normale PC, anche senza GPU dedicata, può già eseguire modelli piccoli come TinyLlama da 1B. Un modello da 200B è invece molto più avanzato: incorpora una quantità enorme di conoscenza, può tradurre, scrivere codice e svolgere compiti agentici complessi.

I modelli di frontiera sono molto più grandi, nell'ordine dei trilioni di parametri: 3T, 5T o oltre, dove 1T equivale a 1000B. Per eseguirli servono server e GPU estremamente costosi. Ma non è detto che tutta quella scala sia sempre necessaria.

Il progresso non passa solo dall'ingrandire i modelli. Passa anche, e forse soprattutto, dal renderli più piccoli, più efficienti e addestrati su dati migliori.

Il punto cruciale è che si usa sempre più spesso l'AI stessa per pulire, filtrare e migliorare i dati su cui verrà addestrata la generazione successiva. La AI migliora se stessa, ed è questo il trend più importante da seguire.

Si muovono quindi due curve, una verso l'altra.

La prima è l'hardware locale: più memoria, più accelerazione, più capacità di eseguire modelli vicino all'utente. La seconda è il software: modelli più compressi, più efficienti, più puliti, più capaci a parità di risorse.

Il punto di convergenza è chiaro: assistenti privati, personali o aziendali, capaci di lavorare sui nostri dati senza consegnarli continuamente a un'infrastruttura esterna.

LA PHYSICAL AI È UN ECOSISTEMA.
Chi sta già facendo Physical AI in Italia?

Le grandi aziende protagoniste a SPS Italia 2026

Breton (macchine utensili, Veneto) è citata tra i casi reali presentati a SPS Italia 2026 con sistemi di visione artificiale integrati nelle linee di produzione.

Ci sono tre livelli. Tre domande diverse. Tre mercati diversi.

Il primo livello è il sistema nervoso. NVIDIA fornisce la piattaforma su cui i robot pensano: i Vision Language Model, AI che vedono, ragionano su oggetti fisici e coordinano flotte di robot come una torre di controllo. Senza questo livello, un robot è ancora una macchina programmata, non un agente autonomo.

Il secondo livello è il corpo. Agility Robotics con Digit nei magazzini Toyota. Boston Dynamics nei cantieri. Tesla Optimus nelle fabbriche. Figure AI nella logistica. Robot che non ripetono movimenti pre-programmati: osservano lo spazio, evitano ostacoli, prendono decisioni in frazioni di secondo.

Il terzo livello è il ragionamento sui processi. Claude, Gemini, i grandi modelli linguistici che non entrano nel robot ma coordinano tutto intorno: leggono dati, orchestrano sistemi, decidono cosa fare e quando, collegano il mondo fisico al digitale.

I risultati di questo ecosistema in produzione oggi sono misurabili.

Foxconn: tempi ciclo -25%, errori -25%. PepsiCo: il 90% delle anomalie identificate prima del guasto. Amazon: efficienza logistica +10%. Ispezione qualità con computer vision: yield +40% rispetto all'automazione tradizionale. 609.000 nuove installazioni di robot industriali nel 2026.

La domanda da farsi per una PMI Italiana è? Perché non ho ancora iniziato a capire di che cosa si sta parlando? Voglio a tutti i costi essere asfaltato da un’altra azienda estera?

Chi va veloce, si schianta prima.

L'enfasi sulla AI e la corsa f***e non tanto ad "adottarla" ma a "dimostrarsi all'avanguardia" porta tante aziende alla scelta di "comprare" i servizi anziché costruire una infrastruttura sopra.

E sembra tutto facile: metti i workload AI in cloud, orchestri agenti, fai come ti dicono i provider AI, e deleghi. Deleghi tutto, e arrivi subito sul mercato, paghi poco all'inizio.

E ti prendi pure il lusso di deridere chi sta investendo in infrastruttura, modelli privati e competenze interne.

Si più di uno ci ha detto robe tipo "non si può competere con i colossi", "i modelli in cloud saranno sempre i migliori", e "noi andiamo veloci".

Poi passano due anni.

Le bollette crescono.
Il lock-in diventa una catena.
Il governo e la compliance iniziano a fare domande.

E tutto questo sta già succedendo!

E sopratutto...

I concorrenti copiano quello che fai.
Perché è facile, non lo hai costruito.
Lo hai solo adottato.

Nel frattempo quello che sembrava lento ha imparato a produrre.
Ha macchine sue, modelli suoi, dati sotto controllo e costi che scendono con chip dedicati e automazione.
Ha strutturato il processo.

Il punto non è non usare il cloud.

Noi quando l'hardware manca usiamo i modelli in cloud.
Ma sempre quelli che si possono spostare o portare in-house.

Il punto è non scambiare la velocità iniziale per un vantaggio strutturale.

La parte più interessante dell’attacco ai repository Microsoft su GitHub non è che sia stato distribuito malware. Quella, ormai, è la parte noiosa della storia.

Vediamo i presunti fatti: Secondo BleepingComputer, Microsoft ha rimosso temporaneamente 73 repository dalle organizzazioni Azure, microsoft, Azure-Samples e MicrosoftDocs su GitHub, dopo il sospetto che alcuni contenuti potessero distribuire codice malevolo. L’incidente sarebbe avvenuto il 5 giugno e Microsoft ha dichiarato di aver rimosso i repository mentre investigava su “potential malicious content”. In seguito, i repository sono stati ripristinati e un piccolo numero di clienti potenzialmente esposti è stato notificato.

Il dettaglio che conta è un altro. Secondo l’analisi di Cloudsmith citata da BleepingComputer, il caso sarebbe collegato alla campagna Miasma/Shai-Hulud, una supply chain attack che ha colpito ambienti usati dagli sviluppatori, inclusi strumenti come Claude Code, Gemini CLI, VS Code e Cursor. Qui il problema non è più soltanto il pacchetto infetto scaricato per distrazione. È l’intero ambiente di sviluppo che diventa un corridoio d’ingresso.

È abbastanza ironico. Abbiamo passato gli ultimi due anni a raccontare che gli assistenti AI avrebbero reso lo sviluppo software più veloce, più democratico, più produttivo. Poi arriva il conto, come sempre senza slide motivazionali: se dai a questi strumenti accesso al codice, ai file di configurazione, ai terminali, ai token, ai workflow e alle credenziali cloud, stai anche creando una superficie d’attacco nuova, comoda e molto ben arredata.

Per le aziende questo conta perché la produttività degli sviluppatori non vive nel vuoto. Vive dentro pipeline, dependency tree, credenziali, ambienti locali, CI/CD, repository pubblici e privati. Ogni promessa di velocità si porta dietro una domanda poco sexy: chi controlla davvero ciò che entra nella fabbrica software?

L’AI nel coding non sta solo cambiando chi scrive il codice. Sta cambiando dove conviene colpire.

Fonte:
https://www.bleepingcomputer.com/news/security/github-disables-microsoft-repos-pushing-password-stealing-malware/