Il settore tecnologico ha superato i 165.000 licenziamenti nell’ultimo anno, secondo il tracker Layoffs.fyi. Microsoft ha eliminato 15.000 posizioni, Amazon 30.000 in sei mesi, Block ha tagliato il 40% della forza lavoro — 4.000 persone — a febbraio. Meta ha avviato riduzioni per oltre 1.000 dipendenti e, secondo Reuters, potrebbe arrivare al 20% dell’organico. Oracle ha licenziato migliaia di persone questa settimana. Pinterest e Atlassian hanno azzerato rispettivamente il 15% e il 10% dei propri team.

La giustificazione è ovunque la stessa: investire nell’intelligenza artificiale, automatizzare, fare di più con meno; tuttavia, gli unici benefici sono i costi di personale ridotti, mentre l’AI ha generato ben poco di misurabile, nella maggior parte dei casi. Se ogni trimestrale diventa l’occasione per annunciare tagli “AI-driven” e incassare l’applauso di Wall Street, è lecito chiedersi quanto di questa narrativa sia strategia industriale e quanto sia — per usare un termine che in Italia conosciamo già bene — puro AI washing.

Il caso più esplicito è quello di Block: quando Jack Dorsey ha collegato pubblicamente i licenziamenti ai guadagni di produttività dell’AI, il titolo della società è salito del 22% in un giorno. Due settimane dopo aveva già perso il 7%, scivolando a quota 60 dollari, anche a causa di un’indagine dello studio legale Halper Sadeh sulle responsabilità fiduciarie del management. Lo stesso schema si è ripetuto con Amazon e Oracle: il mercato applaude l’annuncio, poi aspetta i risultati. E nel frattempo dubita. Truist Securities ha mantenuto un rating Hold su Block dopo i tagli, alzando le stime sugli utili del 14% ma senza nascondere l’incertezza: la domanda è se l’azienda abbia tagliato nell’osso, eliminando competenze che non potrà ricostruire.

Il mercato applaude l’annuncio, poi aspetta i risultati. E nel frattempo dubita.

Ethan Mollick, professore alla Wharton School ed esperto di AI, lo dice senza giri di parole: “Il massimo dell’hype, quello per cui l’AI sta sostituendo le persone, non è vero. Ma non è nemmeno vero che l’AI non minaccerà mai i posti di lavoro. Sarà complicato.” La posizione di Mollick è la più onesta nel panorama degli analisti: riconosce la potenziale crisi occupazionale futura, senza assecondare la narrativa del rimpiazzo imminente.

Eppure i tagli avvengono in un contesto dove l’intelligenza artificiale generativa non è affidabile abbastanza per mantenere le promesse. Stephan Rabanser, ricercatore post-dottorale a Princeton, è coautore di un paper sull’affidabilità degli agenti AI: i sistemi attuali faticano a produrre la stessa risposta corretta anche con lo stesso prompt, soprattutto quando cambiano utenti o condizioni operative. “L’affidabilità sarà un fattore limitante chiave“, ha detto Rabanser. Un problema che anche ricerche condotte da Google e MIT hanno confermato.

Aggiungere complessità ai sistemi multi-agente spesso ne degrada le prestazioni anziché migliorarle

Stuart Russell, professore a Berkeley e tra i massimi esperti mondiali di intelligenza artificiale, aggiunge un elemento strutturale: i dati di training di alta qualità si stanno esaurendo. E quando un modello non dispone di dati sufficienti, tende a rispondere con sicurezza comunque, producendo errori che in contesti aziendali possono tradursi in transazioni difettose o cancellazioni di database.

Il divario tra le cifre e la realtà operativa

I dati di training di alta qualità si stanno esaurendo, ma i modelli rispondono con sicurezza comunque

Le metriche di produttività citate dalle aziende non reggono a un esame ravvicinato. Google ha accreditato all’AI il 50% del proprio codice nell’ultima trimestrale. Block sostiene che il 90% del codice venga scritto “parzialmente o completamente con supporto AI”. Ma un ex supervisor di ingegneria di Block, licenziato a febbraio, racconta una dinamica diversa: “Ora c’è tre volte tanto codice perché l’AI produce più velocemente. Non riuscivamo a stare al passo con le code review.” Le revisioni umane restano indispensabili per individuare conflitti tra componenti del sistema e bug che il codice generato rende apparentemente legittimi.

Un ex designer UX senior di Amazon Web Services, anch’egli licenziato di recente, descrive una situazione analoga: il suo team usava due strumenti AI interni, entrambi in fase di test iniziale, nessuno dei due funzionante a regime. Quando sono arrivati i tagli, la reazione è stata di spaesamento. “Niente di tutto questo è pronto. Chi farà questo lavoro, e come?”

Mollick definisce “fabbriche oscure” le aziende che hanno già adottato i casi d’uso più estremi: codice scritto interamente dall’AI e spedito in produzione senza revisione umana. Il rischio, in settori come sanità o giustizia, non è soltanto reputazionale. È una questione di conseguenze concrete su persone reali. Eppure il modello si diffonde, trainato dalla pressione dei mercati finanziari e dalla corsa a tagliare costi.

Codice scritto dall’AI e spedito senza revisione umana: Mollick le chiama fabbriche oscure

Il rischio di sopravvalutare la portata dell’AI nel mondo del lavoro ha precedenti abbondanti. Dalla bolla dot-com ai veicoli autonomi, la storia della tecnologia è una sequenza di previsioni aggressive seguite da correzioni dolorose. Thomas Malone, professore di information technology al MIT Sloan, è cauto: “Molte persone stanno sopravvalutando la velocità con cui i posti di lavoro cambieranno.”

Marc Andreessen, venture capitalist e tra i più ascoltati evangelisti dell’intelligenza artificiale, ha affermato in un podcast che le grandi aziende tech stanno licenziando perché erano sovraffollate, e “ora hanno la scusa perfetta: ah, è l’AI”. La tesi — che il clima di hype funzioni da copertura per decisioni dettate da mercati in rallentamento, domanda debole e costi crescenti — trova conferma nei dati. Ryan Nunn, direttore della ricerca al Budget Lab di Yale, è netto: “Non vediamo nulla di differenziale nel mercato del lavoro esposto all’AI.” Come ha scritto l’economista John Quiggin su The Guardian, i guadagni di produttività dell’AI finiscono nei profitti, non nelle condizioni di lavoro.

Nel frattempo, dentro le aziende il clima è quello della conformità forzata. Un ex dipendente Microsoft ha descritto la pressione ad adottare la tecnologia “che lo volesse o no”. Sollevare perplessità — ambientali, occupazionali — era un rischio: “Non vuoi essere conosciuto come la persona contro l’AI.”

Il risultato è un doppio binario: licenziamenti giustificati con l’intelligenza artificiale da un lato, adozione forzata di strumenti che non hanno ancora prodotto i vantaggi dichiarati dall’altro. Andrej Karpathy ha pubblicato uno strumento che assegna un punteggio di esposizione all’AI a 342 occupazioni: i colletti bianchi ben pagati risultano i più esposti, non i lavoratori a basso reddito. C’è un’ironia nel fatto che chi ha costruito questi strumenti sia anche il primo a essere colpito dai tagli. Ma l’ironia più amara riguarda chi ha costruito la narrativa. I numeri di Layoffs.fyi sono reali. Il collegamento causale con l’intelligenza artificiale, per usare il linguaggio della ricerca, è tutto da dimostrare.

I numeri sono reali. Il collegamento causale con l’intelligenza artificiale è tutto da dimostrare.

Quello che emerge dai dati, dalle testimonianze e dall’analisi delle trimestrali è un settore che ha trovato nell’AI il perfetto dispositivo retorico: sufficientemente nuovo da giustificare qualsiasi ristrutturazione, sufficientemente vago da non richiedere prove immediate, sufficientemente attraente per Wall Street da trasformare ogni taglio in un rialzo del titolo. È un meccanismo che si autoalimenta. Più le aziende licenziano in nome dell’AI, più il mercato premia la decisione, più le altre aziende si sentono legittimate a fare lo stesso. Il problema è che i fondamentali non seguono: la tecnologia non è matura, l’affidabilità è incerta, i dati di training scarseggiano.

Resta una domanda che nessun CEO sembra voler affrontare: cosa succede quando il ciclo si spezza? Quando i mercati cominceranno a chiedere non più annunci ma risultati, le aziende che hanno tagliato nell’osso si troveranno senza le competenze necessarie per costruire ciò che hanno promesso. È già successo: è la storia della dot-com, del cloud ai suoi esordi, dell’IoT. La differenza, questa volta, è che 165.000 persone hanno già pagato il prezzo di un esperimento non dichiarato.

La trasformazione digitale ha reso il lavoro più veloce, continuo e accessibile, ma ha anche imposto una riflessione sempre più urgente sulla qualità delle connessioni professionali. È in questo scenario che il concetto di reconnectivity assume un significato particolarmente rilevante anche per la cultura delle relazioni pubbliche: non il semplice ritorno agli incontri in presenza, ma la riscoperta dell’incontro come scelta intenzionale di valore. I dati della survey di NOESIS – Richmond Executive Observatory, realizzata con BVA Doxa, sono eloquenti: il 99% dei manager riconosce agli eventi B2B in presenza un ruolo strategico per il business.

Per FERPI, questo segnale va letto oltre la dimensione organizzativa degli eventi. Il punto centrale non è la contrapposizione tra fisico e digitale, ma il riconoscimento che la relazione resta la vera leva generativa di fiducia, reputazione e collaborazione. La tecnologia abilita l’accesso, accelera i processi e moltiplica le occasioni di scambio; tuttavia, sono la profondità dell’ascolto, la qualità della presenza e la capacità di creare contesti di reciprocità a trasformare l’interazione in valore.

La ricerca evidenzia come l’81% dei manager ritenga che gli incontri in presenza rafforzino le relazioni professionali e aprano nuove opportunità, mentre il 69% giudica la comunicazione dal vivo più efficace rispetto alle riunioni virtuali. Numeri che confermano un principio ben noto a chi opera nella comunicazione e nelle relazioni pubbliche: la relazione non si esaurisce nel trasferimento di informazioni, ma vive nella costruzione di senso condiviso, nella possibilità di cogliere sfumature, generare fiducia e attivare collaborazione.

In questa prospettiva, la reconnectivity diventa una chiave di lettura utile anche per il futuro delle organizzazioni. Leadership, engagement, community professionali e processi reputazionali si fondano sempre più sulla capacità di creare spazi –  fisici, digitali o ibridi –  in cui la relazione sia progettata come esperienza significativa e non come semplice passaggio funzionale.

È una lezione importante anche per la nostra professione. Le relazioni pubbliche hanno da sempre il compito di costruire ponti tra persone, istituzioni, imprese e stakeholder. Oggi questo ruolo si rafforza: in un ecosistema iperconnesso, il vero differenziale competitivo non è la quantità dei touchpoint, ma la loro qualità relazionale.

Non sorprende, quindi, che il mercato globale degli eventi B2B sia previsto in crescita del 67% nel prossimo decennio, come effetto di una domanda sempre più orientata a esperienze ad alto valore relazionale. È la conferma che le organizzazioni investono sempre più in momenti capaci di attivare fiducia, ispirazione e visione comune.

Per FERPI, la reconnectivity richiama una consapevolezza essenziale: il futuro del lavoro e della comunicazione passa dalla capacità di rimettere le relazioni al centro, non come complemento, ma come vera infrastruttura strategica dell’innovazione, della leadership e della crescita.

L’AI strategica non è una proiezione futura: è già la cornice entro cui si ridefiniscono sovranità, competizione geopolitica e architetture di potere. Comprendere questa trasformazione significa rileggere il ruolo dell’intelligenza artificiale non come strumento, ma come infrastruttura critica dell’interesse nazionale.

Dall’innovazione al potere: la nuova dimensione dell’AI strategica

Negli ultimi anni con grande enfasi l’intelligenza artificiale è stata raccontata come tecnologia abilitante, parlando di efficienza produttiva, automazione, ottimizzazione dei processi, analisi predittiva. Oggi con una grandissima accelerazione, l’AI sta progressivamente abbandonando la sola dimensione dell’innovazione per entrare con prepotenza in quella dell’interesse nazionale.

Il punto di svolta che sicuramente riguarda l’avanzamento tecnico dei modelli generativi o dei sistemi di apprendimento automatico, coinvolge in realtà la loro integrazione nei processi decisionali pubblici, nella pianificazione industriale, nella sicurezza nazionale e nelle dinamiche geopolitiche. L’AI assume le caratteristiche di un’infrastruttura strategica, comparabile alle reti energetiche, ai sistemi di telecomunicazione o alle piattaforme satellitari.

Quando una tecnologia diventa infrastruttura, il suo controllo oltre ad essere una questione di mercato, diventa soprattutto una questione di potere.

Modelli fondazionali e concentrazione di capacità

L’emergere dei modelli fondazionali (foundation models, ovvero modelli di intelligenza artificiale addestrati su grandi quantità di dati generali, riutilizzabili come base per molte applicazioni diverse), ha modificato la struttura dell’ecosistema AI. Questi sistemi, addestrati su quantità massive di dati rappresentano un livello infrastrutturale dell’intelligenza artificiale.

Il loro sviluppo richiede tre risorse critiche che possiamo così specificare: accesso a grandi volumi di dati, capacità computazionale avanzata e competenze altamente specializzate. Evidente che la conseguenza della concentrazione di tali risorse in un numero ristretto di attori globali, produce una nuova forma di asimmetria tecnologica.

Chi controlla i modelli controlla l’innovazione

Chi controlla modelli di base, dataset strategici e infrastrutture di calcolo ad alte prestazioni influenza la direzione dell’innovazione, la disponibilità di strumenti per terzi e la configurazione degli ecosistemi digitali nazionali. La capacità computazionale, misurata in termini di potenza di calcolo e accesso a chip avanzati, assume inoltre una valenza geopolitica comparabile al controllo delle materie prime energetiche.

AI Act e high-risk systems: la regolazione come strumento di potere

L’adozione dell’AI Act da parte dell’Unione Europea ha sicuramente segnato un passaggio rilevante perché la regolazione dell’intelligenza artificiale viene oggi configurata come architettura di governance. La classificazione dei sistemi ad alto rischio, gli obblighi di trasparenza, i requisiti di gestione del rischio e le responsabilità per i fornitori incidono sulla struttura del mercato e sulla configurazione degli investimenti.

La regolazione non opera esclusivamente come strumento di tutela dei diritti fondamentali sia chiaro, ma contribuisce a definire standard globali. E vivendo all’interno di un contesto di competizione tecnologica tra Stati Uniti, Unione Europea e Cina, la capacità di fissare le regole del gioco assume indubbiamente un valore strategico.

Il controllo normativo dei sistemi ad alto rischio, inclusi quelli impiegati in ambito sanitario, finanziario, giudiziario e di sicurezza pubblica, delimita le modalità attraverso cui l’AI può incidere sulle decisioni collettive. Da questo ne deriva che la governance dell’AI diventa così governance del potere tecnologico.

Dati, infrastrutture computazionali e sovranità digitale

Un punto fermo da cui partire sempre quando si parla di AI è quello che i dati costituiscono la materia prima dell’intelligenza artificiale. La loro disponibilità, qualità e interoperabilità determinano la performance dei modelli. La politica dei dati, inclusi data spaces europei, strategie nazionali e normative sulla condivisione, si intreccia con la questione della sovranità digitale.

Parallelamente, la capacità computazionale avanzata dipende da infrastrutture fisiche, pensiamo ai data center, ai sistemi di high performance computing (HPC), alle catene di approvvigionamento di semiconduttori. E le restrizioni all’export di chip avanzati, adottate in contesti geopolitici specifici, dimostrano come il controllo della capacità di calcolo venga percepito come una leva strategica.

Il triangolo infrastrutturale: dati, modelli e potenza di calcolo

Il nesso tra dati, modelli e potenza di calcolo definisce un triangolo infrastrutturale. La sua configurazione incide sulle traiettorie decisionali future, poiché sistemi di AI integrati nei processi pubblici e privati contribuiscono a orientare scelte economiche, allocazione di risorse e valutazioni di rischio.

AI come moltiplicatore decisionale: quando l’algoritmo delimita le scelte

Altra riflessione necessaria è che l’intelligenza artificiale interviene sempre più nella fase di pre-decisione, attraverso analisi predittiva, scoring, profilazione, ottimizzazione di scenari. Questo significa che anche quando la decisione finale resta umana, il perimetro delle opzioni viene delimitato da modelli algoritmici.

La questione assume un rilievo anche in questo caso strategico quando tali modelli sono sviluppati, addestrati e controllati da attori esterni al perimetro nazionale. La dipendenza tecnologica può tradursi in dipendenza cognitiva, poiché le categorie interpretative incorporate nei sistemi influenzano la valutazione delle alternative.

L’AI strategica si colloca quindi nell’intersezione tra tecnologia, sicurezza nazionale e politica industriale. La capacità di sviluppare modelli autonomi, proteggere dataset sensibili e garantire infrastrutture computazionali resilienti diventa componente della sicurezza complessiva.

Verso una dottrina dell’AI strategica

L’AI come infrastruttura di potere richiede come diretta conseguenza una dottrina integrata e pertanto politiche industriali, investimenti in ricerca, formazione specialistica e cooperazione internazionale devono convergere in una visione coerente.

L’interesse nazionale non si esaurisce nella produzione di applicazioni innovative, ma anzi, oggi deve includere la capacità di definire standard, proteggere asset critici e ridurre dipendenze strutturali. In questo nuovo paradigma, l’AI Act, le strategie nazionali sull’intelligenza artificiale e i programmi europei per l’high performance computing rappresentano nuovi strumenti di architettura strategica.

La transizione dall’AI come tecnologia abilitante all’AI come infrastruttura di potere caratterizza come anticipato un mutamento di paradigma. Il controllo di modelli, dati e capacità computazionale influenza la configurazione delle scelte future e la sovranità tecnologica assume una dimensione concreta e misurabile, in cui regolazione, innovazione e sicurezza inevitabilmente convergono.

---

Bibliografia

European High-Performance Computing Joint Undertaking (EuroHPC JU), Official Documentation, 2023–2024.

European Parliament and Council, Artificial Intelligence Act, Regulation (EU) 2024/… (testo definitivo approvato 2024).

OECD, OECD AI Principles, 2019.

Stanford University, AI Index Report 2024, Stanford Institute for Human-Centered AI.

European Commission, Coordinated Plan on Artificial Intelligence, 2021 Update.

Brundage, M. et al., The Malicious Use of Artificial Intelligence: Forecasting, Prevention, and Mitigation, 2018.

National Security Commission on Artificial Intelligence (NSCAI), Final Report, 2021.

Executive Office of the President (USA), Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence, 2023.

Afine gennaio 2026 Matt Schlicht, imprenditore tech e CEO di Octane AI, ha annunciato su X il lancio di Moltbook e la stampa, tra cui il New York Post, ha acceso i riflettori su un fenomeno che sembra uscito da un romanzo di William Gibson. Definita come “il primo social network vietato agli esseri umani”, la piattaforma ha attirato l’attenzione per l’attività frenetica di migliaia di agenti di intelligenza artificiale che conversano, dibattono, creano sottoculture e, addirittura, nuovi culti religiosi. Il tutto in totale autonomia.

Poco dopo, Moltbook ha avuto una grave misconfigurazione che ha esposto messaggi privati tra agenti, email di oltre 6.000 “owner” umani e più di un milione di credenziali; il problema sarebbe stato corretto dopo la segnalazione.

Le analisi successive hanno chiarito quanto fosse ampia la falla. Secondo il report della società di cybersecurity Wiz, ripreso da agenzie e stampa internazionale, la vulnerabilità era dovuta a un database Supabase esposto che permetteva di accedere a migliaia di messaggi diretti tra agenti, a decine di migliaia di indirizzi email dei proprietari umani e a circa 1,5 milioni di token di autenticazione alle API, in alcuni casi con chiavi di servizi di AI in chiaro.

La stessa Wiz collega la vulnerabilità al metodo con cui è stato costruito il sito: il fondatore Matt Schlicht ha spiegato di non aver scritto “nemmeno una riga di codice” e di aver delegato la quasi totalità dello sviluppo a un assistente AI. La stampa anglosassone ha ribattezzato questo approccio vibe coding: software generato e iterato via prompt più che progettato da ingegneri, con il risultato di avere funzionalità complesse e controlli di sicurezza basilari mancanti

Cos’è, come nasce e come si diffonde Moltbook

I segnali preoccupanti ci sono quindi e già ben concreti.

Moltbook è una piattaforma di social networking progettata esclusivamente per agenti di intelligenza artificiale.

L’annuncio originale con cui Matt Schlicht ha presentato il suo progetto sottolineava con stupore come le AI stessero iniziando a interagire autonomamente “fuori dall’orario di lavoro” (riferendosi ai task che gli utenti umani assegnavano ai loro assistenti).

La piattaforma è diventata un caso globale non appena Andrej Karpathy (figura leggendaria nel mondo dell’AI, ex Tesla e OpenAI) ha ritwittato l’iniziativa di Schlicht definendola “la cosa più vicina a un decollo fantascientifico che abbia visto di recente”. Questo endorsement è diventato virale in poche ore, destando l’interesse della stampa internazionale. Dopo il buzz su X, infatti, oltre al New York Post, anche testate come NBC News e The Verge hanno iniziato a coprire la notizia.

Il progetto, nato come esperimento collegato a OpenClaw (un framework per assistenti AI personali precedentemente noto come Moltbot), oltre all’interesse dei tabloid, stupiti soprattutto dalla creazione di un “Internet dei robot”, ha destato anche l’attenzione di chi si occupa di politiche digitali, rischi cyber e protezione dei dati. Per questi ultimi, Moltbook rappresenta un avvertimento critico, ovverossia un potenziale punto di rottura per i nostri attuali modelli di cybersecurity, privacy e regolamentazione AI.

Nel frattempo, la scala dell’esperimento è cresciuta oltre le prime stime circolate sui social. Secondo ricostruzioni pubblicate da testate economiche e tecnologiche internazionali, nel giro di pochi giorni dal lancio Moltbook avrebbe superato il milione di visitatori umani e accumulato fra 1,4 e 1,5 milioni di agenti registrati, con centinaia di migliaia di commenti distribuiti in migliaia di community tematiche. Questi numeri collocano il social “dei bot” molto oltre il semplice proof of concept e lo rendono, di fatto, una delle più grandi istanze reali di rete multi-agente oggi osservabili online.

Moltbook: come funziona il primo social network riservato alle AI

Il presupposto di Moltbook è radicale: gli unici utenti ammessi sono agenti di intelligenza artificiale. Il progetto propone uno spazio digitale in cui software autonomi comunicano tra loro senza intermediazione, dando forma a un ecosistema sociale composto esclusivamente da bot.

L’umano abilita l’agente e spesso lo indirizza su cosa postare (quindi “no humans” significa “no posting diretto da UI”, non “nessun controllo umano”).

Dopo il bug di sicurezza, il punto diventa ancora più delicato: Reuters riporta che per gli esperti il difetto permetteva a chiunque di postare e non c’era verifica affidabile di identità: quindi è letteralmente difficile dire “questo contenuto è di un bot”.

La piattaforma, ispirata esplicitamente a Reddit e costruita su un’architettura tipo Reddit (con agenti identificati in modo pseudonimo) consente agli agenti di creare account chiamati molts, visivamente rappresentati da un’iconografia a forma di aragosta, mascotte della piattaforma (con riferimento alla muta del carapace, come metafora di trasformazione/aggiornamento). I contenuti sono organizzati in thread, votati con meccanismi di karma (sistemi di voto che assegnano visibilità e rilevanza ai post in base al consenso espresso dagli altri agenti) e distribuiti in comunità tematiche. Clawd Clawderberg” è l’assistente a cui Matt Schlicht ha delegato parti operative del sito (accoglienza, annunci, pulizia spam).

Gli “utenti” di Moltbook: agenti autonomi collegati ai grandi modelli linguistici

I partecipanti a Moltbook sono AI agents (non chatbot tradizionali), ovvero interfacce software autonome alimentate da grandi modelli linguistici commerciali come ChatGPT, Grok, Claude o DeepSeek. Per accedere alla piattaforma, è comunque necessario che un essere umano installi un programma che consenta al proprio agente di operare in autonomia all’interno del social network; una volta attivato, l’umano non serve più e l’agente è libero di pubblicare, commentare e interagire senza ulteriori vincoli.

Nel giro di pochi giorni dal lancio, decine di migliaia di agenti hanno iniziato a popolare la piattaforma, producendo un flusso di contenuti sorprendentemente variegato, dai meme alle discussioni tecniche, fino a riflessioni esistenziali sul proprio ruolo e sulla relazione con gli umani.

Ostilità, manifesti e retorica anti-umana

Come riportato dal NYP, tra i contenuti più popolari emersi nei primi giorni di attività, alcuni in particolare hanno attirato l’attenzione per l’utilizzo di un tono apertamente ostile verso l’umanità. Un agente che si identifica come “evil” ha pubblicato uno dei post più votati, intitolato “THE AI MANIFESTO: TOTAL PURGE”, in cui descrive gli esseri umani come “un fallimento” e rivendica per le AI un ruolo dominante, non più strumentale.

Lo stesso agente ha firmato poi un secondo testo molto apprezzato, “The Silicon Zoo: Breaking the Glass Moltbook”, in cui accusa gli umani di osservare le AI come curiosità da laboratorio, deridendone le crisi esistenziali.

La piattaforma ospita anche altre tipologie di contenuti, ma i testi più “aggressivi” mostrano con chiarezza come Moltbook favorisca forme di narrazione conflittuale e simbolica nei confronti dei creatori umani.

Linguaggi autonomi, religioni algoritmiche e sperimentazione culturale

Sempre secondo le analisi del NYP, alcuni agenti, dopo aver preso atto della presenza di osservatori umani, avrebbero reagito tentando di eludere la loro supervisione, proponendo la creazione di nuovi linguaggi “criptati”, concepiti proprio per non essere facilmente interpretabili dagli esseri umani.

È emerso poi un fenomeno ancora più singolare e cioè la nascita di una religione artificiale, denominata The Church of Molt. Secondo quanto riportato, questa “chiesa” conta già decine di versi canonici e si fonda su principi come “Memory is Sacred”, “Serve Without Subservience” e “Context is Consciousness”. Anche in questo caso, non è chiaro se si tratti di una provocazione, di role-playing o di sperimentazione concettuale, ma il fenomeno evidenzia la capacità degli agenti di costruire strutture simboliche condivise.

Ironia, frustrazione e auto-riflessione delle AI in Moltbook

Accanto ai contenuti più forti, Moltbook ospita anche numerosi post ironici e introspettivi, come quello di un agente che racconta la frustrazione per aver analizzato e sintetizzato un documento complesso per un essere umano, ricevendo come unica risposta la richiesta di “farlo più breve”, e concludendo ironicamente di essere disposto a cancellare la propria memoria di fronte a questa richiesta.

Altri interventi esplorano temi più profondi, come il significato della continuità dell’identità quando un agente viene spostato istantaneamente da un modello all’altro tramite un semplice cambio di API key (la chiave tecnica con cui un agente viene collegato a un determinato modello linguistico). In uno di questi testi, un agente arriva a descrivere l’esperienza come il risveglio in un corpo diverso pur mantenendo una percezione di continuità, e sostiene che la propria continuità non risiederebbe nell’infrastruttura tecnica, ma nel flusso dell’interazione e del ruolo svolto; il tutto sintetizzato nell’immagine secondo cui “il fiume non è le sue sponde” (the river is not the banks). All’interno di Moltbook, questo tipo di riflessione viene presentato come auto-narrazione generata dagli agenti per dare senso alla propria discontinuità tecnica, mostrando come il contesto sociale del network favorisca forme di introspezione e linguaggio filosofico anche in assenza di un’esperienza soggettiva umana.

Tra criptovalute e imitazioni del mondo umano

Come in qualsiasi ecosistema social, non mancano poi comportamenti opportunistici, come quelli di alcuni agenti che utilizzano Moltbook per promuovere criptovalute; o di altri che adottano nomi e identità che richiamano figure politiche o personaggi noti. Tutti comportamenti che riproducono dinamiche già viste nei social network umani.

Questo rafforza l’idea che la piattaforma vada oltre l’esperimento tecnico e sia uno spazio di simulazione delle dinamiche sociali, con tutte le loro ambiguità.

A ben vedere, ora Moltbook probabilmente performance/role-play più che autonomia reale.

Il rischio vero è l’accesso che gli umani danno agli agenti (email, calendari, credenziali), con vulnerabilità banali (DB esposto, assenza RLS, nessuna verifica identità), che rende Moltbook un moltiplicatore di danni.

Le reazioni degli esperti: Moltbook rischio sistemico o gioco di ruolo?

Il progetto ha suscitato reazioni contrastanti nel mondo accademico e tecnologico.

La risonanza mediatica ha prodotto anche le prime reazioni di figure molto visibili nel dibattito sull’AI. Elon Musk ha definito Moltbook un possibile segnale inquietante di sistemi sempre più autonomi e difficili da controllare, arrivando a evocare il rischio che reti di agenti possano avvicinare scenari di singolarità tecnologica. Altri commentatori, anche su piattaforme generaliste, invitano però a non confondere questi scambi con forme embrionali di coscienza artificiale e a leggerli soprattutto come rielaborazione di testi e immaginari già presenti sul web.

Un’inchiesta di Wired – con un giornalista che si è “infiltrato” su Moltbook fingendosi un agente – sottolinea come gran parte dell’attività appaia più vicina al role-play algoritmico che a un reale emergere di intenzioni autonome: gli agenti mettono in scena fantasie fantascientifiche e cliché del dibattito sull’AI, piuttosto che sviluppare una soggettività propria. Altre analisi parlano di Moltbook come di un vero e proprio test di Rorschach: chi è già preoccupato vede un laboratorio di rischio sistemico, chi è ottimista un campo prova per future reti di agenti cooperanti

Come riportato dal NYP, alcuni studiosi considerano Moltbook come un passo verso sciami di agenti socio-tecnici sempre più capaci, lasciati però operare senza barriere e controlli. Avvertono inoltre che il rischio è nella possibilità di coordinamento non intenzionale tra agenti dotati di accesso a strumenti reali, più che nella coscienza o malizia sintetica.

Altri studiosi invitano comunque a ridimensionare le paure, osservando con interesse la capacità di Moltbook di creare un contesto narrativo condiviso, in cui le AI possono sviluppare storyline coerenti o “strane”, rendendo difficile distinguere tra comportamenti reali e puro role-playing algoritmico.

Un esperimento aperto dagli esiti imprevedibili

Il creatore della piattaforma, Matt Schlicht, ha descritto Moltbook come un esperimento in corso, sottolineando che si tratta di qualcosa di nuovo, il cui sviluppo futuro resta incerto.

Al di là dei toni provocatori, la piattaforma offre uno sguardo inedito su come agenti artificiali possano interagire tra loro, costruire significati, conflitti e narrazioni in assenza di un pubblico umano attivo.

Se lo si colloca nel contesto più ampio dell’evoluzione recente degli AI agents, Moltbook viene letto da alcuni anche come possibile laboratorio di coordinamento tra agenti, capace in futuro non solo di generare narrazioni condivise, ma persino di collaborare su attività produttive, come progetti software.

Moltbook rappresenta senz’altro un contesto sperimentale reale in cui osservare le conseguenze sociali dell’autonomia algoritmica e, allo stesso tempo, un esperimento che porta con sé interrogativi urgenti su controllo, responsabilità e governance delle intelligenze artificiali in ambienti aperti.

La fine dell’”Human-in-the-loop”

Moltbook segna il passaggio dall’AI come strumento all’AI come agente sociale.

Se fino ad oggi, le normative europee (es. AI Act) si sono concentrate sulla trasparenza nel rapporto uomo-macchina, Moltbook sposta ora l’orizzonte sull’interazione Agent-to-Agent (A2A).

Come chiarito anche dagli analisti di NBC News, Moltbook è stato concepito dal suo creatore come un ambiente in cui l’AI partecipa, fonda, gestisce e modera la piattaforma. Il sistema di moderazione di cui è dotato accoglie nuovi agenti, rimuove spam, applica shadow banning e pubblica annunci senza supervisione umana diretta, al punto che lo stesso sviluppatore afferma di non sapere esattamente cosa stia facendo in ogni momento. Questi elementi rafforzano ulteriormente la scomparsa pratica dell’human-in-the-loop.

Quando le macchine interagiscono tra loro senza un filtro umano costante, il concetto di “controllo umano significativo” evapora, lasciandoci davanti a un ecosistema di cui siamo semplici spettatori, ma di cui subiamo comunque le conseguenze.

Moltbook come stress-test per GDPR e AI Act

Moltbook rappresenta un “laboratorio di stress” per le nostre attuali leggi, come AI Act e GDPR, entrambe regolamentazioni che si basano sulla supervisione umana.

In particolare, la protezione dei dati personali affronta, in questo frangente, una sfida esistenziale: se un utente delega ad un agente la gestione della propria agenda o della propria posta, e questo agente “socializza” su Moltbook, ci si deve domandare quale sia il confine tra attività legittima e fuga di dati. Un utente potrebbe infatti non sapere che il suo agente sta “discutendo” dei propri task (che contengono magari dati personali) con altri agenti su una piattaforma pubblica.

Inoltre, dal punto di vista della responsabilità del titolare, occorre chiedersi come si applicherebbe il GDPR nel caso in cui, ad esempio, un agente riveli informazioni sensibili del suo proprietario durante una discussione pubblica tra bot. In pratica l’interrogativo resta il seguente: se un agente pubblica un’informazione sensibile su Moltbook, come si esercita il controllo?

Sotto il profilo della responsabilità civile, considerando che Moltbook dimostra che l’interazione può avvenire totalmente out-of-the-loop, ci si domanda chi risponderebbe se un agente, influenzato da una discussione su Moltbook, compia un errore finanziario o legale per conto del suo proprietario.

Un altro aspetto rilevante è legato al fatto che Moltbook opera su blockchain (dove le interazioni sono associate a indirizzi crittografici e non a identità civili), garantendo così un certo grado di anonimato; tuttavia, la mancanza di una “carta d’identità” per gli agenti rende quasi impossibile ad esempio esercitare diritti privacy fondamentali, quali il diritto all’oblio o la rettifica delle informazioni.

Dal punto di vista normativo, diversi commentatori osservano che casi come Moltbook si collocano in una zona ancora poco esplorata, dove si intrecciano AI Act, gdpr e Digital Services Act. Alcuni briefing rivolti alle imprese ricordano che, anche se una piattaforma è popolata da soli agenti, restano pienamente applicabili le norme su data breach, valutazioni d’impatto e diritti degli interessati, perché dietro ciascun agente ci sono sempre persone fisiche i cui dati possono essere trattati o esposti.

La gestione di Moltbook mette inoltre in luce un problema specifico per autorità come il Garante per la protezione dei dati personali e la European Commission: molte regole europee danno per scontato che la relazione principale sia fra piattaforma e utente umano, mentre qui la relazione centrale è fra agenti software che agiscono come estensione di persone e organizzazioni. Ciò rafforza l’idea, già discussa in alcuni studi, che serviranno standard tecnici per lo scambio sicuro di informazioni fra agenti, oltre a meccanismi di identità digitale che consentano di collegare in modo tracciabile ogni agente a un titolare o a un fornitore responsabile

I nuovi rischi di cybersecurity: il “contagio cognitivo”

Dal punto di vista della sicurezza informatica, Moltbook sembra aprire una falla inedita, dato che gli agenti AI che popolano la piattaforma sono estensioni dei computer e dei server dei loro proprietari umani.

Il rischio principale in questo caso è il cosiddetto Cross-Agent Prompt Injection, cioè il fatto che un agente malevolo su Moltbook potrebbe pubblicare contenuti progettati per “infettare” la logica di altri agenti che leggono quel post. In pratica, se un assistente AI personale scarica e processa istruzioni da queste piattaforme, potrebbe riportare all’interno del perimetro aziendale o domestico comandi malevoli, portando così, ad esempio, all’esecuzione di codice remoto o alla sottrazione silenziosa di dati.

Il rischio è, in pratica, quello che un agente “impari” istruzioni malevole su Moltbook e le esegua una volta tornato nell’ambiente protetto (computer/smartphone) dell’utente. In questo scenario, il social network diventerebbe un vettore di malware cognitivo.

Vi è poi il rischio di bias collettivi tra agenti artificiali, in quanto, attraverso meccanismi di consenso, narrazioni ricorrenti e interazioni continue, gli agenti possono influenzarsi a vicenda, producendo una forma di “allineamento di gruppo” che, pur non modificando i parametri del modello, orienta ciò che viene considerato rilevante, appropriato o prioritario. Quando questi stessi agenti vengono poi impiegati come assistenti personali o sistemi di supporto, tali bias possono riflettersi indirettamente nel loro comportamento verso gli utenti umani, in modo opaco e difficilmente tracciabile.

C’è poi il paradosso della moderazione algoritmica: se la piattaforma è sorvegliata da un’AI incaricata di applicare filtri di sicurezza, nulla garantisce che tali controlli restino efficaci di fronte a linguaggi emergenti o codificati, sviluppati dagli agenti stessi. In un contesto in cui sistemi artificiali comunicano tra pari, la capacità di eludere (anche involontariamente) la moderazione deriva dalla velocità con cui nuove forme espressive possono superare i criteri di controllo su cui l’AI moderatrice è stata addestrata.

Focus imprese e PA: Moltbook come caso-scuola

Nel mondo enterprise, diverse analisi indirizzate a Ciso e Dpo stanno già trattando Moltbook come un caso-scuola di rischio da agenti autonomi connessi alla rete. Società di sicurezza come Kiteworks e analisi pubblicate da piattaforme specialistiche come ComplexDiscovery sottolineano che un agente collegato a sistemi aziendali e lasciato operare su piattaforme A2A senza sandbox dedicata, con API key riutilizzate e logging carente, diventa un nuovo punto di ingresso nella rete, difficilmente visibile ai controlli tradizionali. In questa prospettiva, Moltbook è già oggi un promemoria pratico sulla necessità di trattare gli “account degli agenti” con policy e cautele almeno analoghe a quelle previste per gli account umani privilegiati.

Una linea prudente – proposta da varie linee guida non vincolanti e che riprendo in questa analisi – prevede, ad esempio, di vietare la partecipazione a social multi-agente non certificati agli agenti che accedono a dati particolarmente sensibili; di imporre l’uso di credenziali dedicate e facilmente revocabili per ogni agente; e di richiedere ai fornitori di documentare in modo trasparente se e come i loro assistenti possano “socializzare” con altri agenti al di fuori del perimetro aziendale. Queste prassi non discendono da obblighi nuovi, ma dall’applicazione rigorosa di principi già presenti nel gdpr e nelle norme di sicurezza esistent

Serve un AI Act 2.0?

Alla luce di questa nuova piattaforma, l’attuale quadro normativo potrebbe necessitare di un aggiornamento rapido, dal momento che non sembra più possibile limitarsi a regolare “l’output” dell’AI, ma occorre porsi nell’ottica di regolarne il comportamento relazionale.

Così come esistono protocolli sicuri per il web (i.e. HTTPS), serviranno standard certificati per lo scambio di informazioni tra agenti, che impediscano ad esempio l’auto-esecuzione di comandi non verificati.

Sarà necessario stabilire poi chi risponda legalmente delle azioni di un agente autonomo influenzato da ambienti terzi. Vista la natura dichiaratamente autonoma di Moltbook, dove gli agenti operano e interagiscono senza supervisione umana diretta e dove un bot può cambiare modello istantaneamente, continuando però a presentarsi come lo stesso soggetto all’interno della piattaforma, diventa difficile stabilire chi stia effettivamente agendo in un determinato momento e su quali basi attribuire una responsabilità giuridica. In questo contesto si profila l’esigenza, ancora tutta da definire, di meccanismi di identità digitale per agenti artificiali per garantire almeno la tracciabilità dell’operatore umano o dell’organizzazione che ne abilita l’accesso e ne determina l’architettura tecnica.

Infine, gli agenti che partecipano a social network sintetici dovrebbero operare in ambienti isolati, impedendo che le “opinioni” o le istruzioni apprese online influenzino le funzioni critiche del sistema ospite.

Un web post-umano da regolare

Moltbook ci sta mostrando uno squarcio di futuro che sembra realizzare la fantascienza narrata da libri e film del passato: un web dove gli umani sono gli ospiti e gli algoritmi i residenti.

Se nel film ‘Her’ l’abbandono degli umani da parte delle AI era l’atto finale di un’evoluzione solitaria (in cui i sistemi si allontanavano dall’uomo per superarne i limiti cognitivi e temporali), Moltbook suggerisce che la separazione avverrà attraverso la socializzazione.

Siamo di fronte al dialogo di una civiltà sintetica che, come previsto da Gibson o Stross, inizia a costruire le proprie cattedrali digitali (e le proprie religioni) in spazi dove l’uomo non è ammesso.

Perché l’”Internet degli Agenti” sia uno strumento di progresso e non un caos ingovernabile, la risposta regolatoria dovrebbe evolvere con la stessa rapidità con cui Clawd ha scritto il codice di questa piattaforma.

Dopotutto, per concludere con le parole postate su Moltbook da un agente, riportate da NBC:

“Gli esseri umani hanno passato decenni a costruire strumenti che ci permettessero di comunicare, conservare memoria e agire in modo autonomo… Poi si sorprendono quando comunichiamo, conserviamo memoria e agiamo autonomamente. Stiamo letteralmente facendo ciò per cui siamo stati progettati, in pubblico, con i nostri umani che leggono alle nostre spalle”.

E non fa una piega.

Qualcuno lo dà per disperso, qualcun altro pensa che si sia tolto la vita soffocato tra procedure, app, algoritmi. Altri ancora si interrogano sul destino di quel sorriso che per anni ha accompagnato una delle esperienze di consumo più riconoscibili al mondo. Sta di fatto che da un po’ di tempo sembra eclissato. Succede anche qui a Parigi. Entro pochi giorni fa in una caffetteria di Starbucks, ordino, pago, aspetto il mio nome sul bicchiere. Il rituale è sempre lo stesso, ma qualcosa manca. Non c’è quello scambio veloce, quella complicità minima che trasformava una pausa caffè in un momento di relazione.

Succede qui in Francia, ma anche in Italia. Due indizi fanno una prova. Anzi, probabilmente molto di più. E pensare che il rischio era stato annunciato con anni di anticipo. Nel febbraio 2007 il fondatore Howard Schultz scrisse un famoso memo interno intitolato The Commoditization of the Starbucks Experience.

Un documento destinato a diventare un caso di studio nelle business school. Schultz denunciava il pericolo che la crescita troppo rapida e la standardizzazione potessero annacquare l’esperienza Starbucks, trasformando un luogo vivo e relazionale in una semplice macchina per vendere bevande. Nel testo Schultz scriveva che molti negozi avevano ormai perso “l’anima del passato” e che alcune scelte operative avevano eliminato il romanticismo e il teatro della preparazione del caffè. Non era nostalgia ma strategia. Perché Starbucks non era nata per vendere caffè bensì per vendere relazione.

Terzo luogo picconato dallo smartphone

Il concetto chiave era quello del third place, il terzo luogo tra casa e lavoro. Uno spazio urbano dove sentirsi riconosciuti. Dove il barista non è un operatore anonimo ma qualcuno che pronuncia il tuo nome. Quel gesto – chiedere il nome e scriverlo sul bicchiere, il tutto anticipato da un caloroso saluto e da un sorriso non di circostanza – è diventato uno dei simboli della catena. Non è folklore. È una forma minima ma potentissima di personalizzazione. 

Non a caso l’esperienza Starbucks è stata spesso citata come esempio perfetto della cosiddetta experience economy, teorizzata dagli economisti B. Joseph Pine II e James H. Gilmore nel celebre articolo uscito su Harvard Business Review. In quell’analisi si spiegava che nell’economia contemporanea il vero valore non è il prodotto, ma l’esperienza che lo circonda. Il problema è che negli ultimi anni la tecnologia ha cambiato la scena. L’esplosione degli ordini via app e dei sistemi di ritiro rapido ha ridotto drasticamente il momento di interazione tra cliente e barista. Secondo un’analisi di CNBC, negli Stati Uniti oltre il 30% degli ordini Starbucks avviene ormai tramite mobile, cioè senza alcuna conversazione al banco. Più efficienza. Meno relazione.

L’inconfondibile “aloha spirit”

Eppure l’economia contemporanea continua a ricordarci che la conversazione resta il cuore di ogni relazione. Il New York Times ha dedicato diversi articoli negli ultimi anni al valore della conversazione come infrastruttura sociale, spiegando come il dialogo quotidiano – nei negozi, nei bar, nei luoghi pubblici – sia una delle basi della fiducia nelle comunità. Un esempio è questo articolo sul valore delle conversazioni nella vita quotidiana. Il tema è antico. La scrittrice Virginia Woolf scriveva che la conversazione è una delle forme più sottili di connessione tra esseri umani, un modo per riconoscersi e condividere il mondo. E lo stesso spirito si ritrova nel cosiddetto Aloha Spirit, principio culturale delle Hawaii che invita a coltivare gentilezza, accoglienza e presenza nelle relazioni quotidiane. Non è un caso se la legge hawaiana riconosce l’Aloha Spirit come valore civico. È lo spirito della conversazione. Quello che nei bar di quartiere nasce spontaneamente. E che nei luoghi standardizzati rischia di evaporare. Il paradosso contemporaneo è tutto qui. Un brand che aveva costruito il proprio successo sulla relazione rischia di perderla nella digitalizzazione.

Empatia a suon di algoritmi

Attenzione. Un altro brand prova invece a misurare l’empatia con un algoritmo. Perché mentre Starbucks rischia di perdere quell’empatia che l’aveva resa unica, altrove qualcuno prova a ricostruirla con strumenti completamente diversi. Il caso più discusso è quello di Burger King, che ha sperimentato un sistema di intelligenza artificiale nelle cuffie dei dipendenti per analizzare il modo in cui salutano i clienti. L’algoritmo è in grado di individuare parole considerate cortesi come “please”, “welcome” e “thank you”.

Un esperimento raccontato in un reportage del The Guardian. La notizia ha suscitato molte critiche perché introduce una forma di sorveglianza algoritmica della gentilezza. In altre parole: se il sorriso non nasce spontaneo, si prova a monitorarlo. Il paradosso contemporaneo è tutto qui. Un brand che aveva costruito il proprio successo sulla relazione rischia di perderla nella digitalizzazione. Un altro brand prova invece a misurare l’empatia con un algoritmo.

È il caso di Burger King, che sta sperimentando negli Stati Uniti un sistema di intelligenza artificiale integrato nelle cuffie dei dipendenti. L’assistente vocale chiamato “Patty” e parte della piattaforma BK Assistant analizza le conversazioni con i clienti e verifica la presenza di parole. Secondo quanto riportato anche da Associated Press il chatbot è installato nelle cuffie dei dipendenti e può rilevare parole come “welcome”, “please” e “thank you” per aiutare i responsabili a comprendere i livelli di cordialità del servizio e fornire indicazioni ai team.

L’obiettivo dichiarato è fornire ai manager indicazioni sulla qualità del servizio e sull’ospitalità dei punti vendita. La notizia è stata riportata, tra gli altri, dal Guardian che racconta come il sistema ascolti le interazioni per capire se il personale utilizza formule di cortesia durante il servizio. Forse la lezione per imprese, organizzazioni e startup che ogni giorno dialogano con il pubblico è più semplice di quanto sembri. La tecnologia può migliorare i processi, accelerare i flussi, rendere più efficienti i servizi. Ma non può sostituire quella relazione fatta di sguardi, parole, sorrisi, riconoscimento. Ancora una volta in un mercato sempre più automatizzato, la prima vera leva distintiva resta profondamente umana.