La corsa è aperta. E forse la stiamo correggendo nella direzione sbagliata

C’è un momento, ultimamente, in cui mi fermo davanti allo schermo e mi rendo conto che sto seguendo l’ennesimo annuncio, l’ennesimo modello, l’ennesimo numero da capogiro, con la stessa attenzione con cui un tempo si seguiva una partita decisiva.

GPT-6 Astra è l’ultimo di questi momenti. E come ogni volta, la tentazione è quella di lasciarsi trascinare dall’entusiasmo o, al contrario, di liquidare tutto con un’alzata di spalle. Io provo a resistere a entrambe le tentazioni.

Perché la corsa all’AGI e all’intelligenza artificiale generale è ufficialmente aperta. La seguo da vicino ogni giorno e, più la osservo, più mi convinco di una cosa che considero più importante di qualsiasi benchmark: noi esseri umani dobbiamo iniziare ad adattare il nostro modo di lavorare, e forse anche di concepire la vita, attorno a ciò in cui facciamo davvero la differenza.

Non attorno a ciò che sappiamo ancora fare meglio delle macchine per qualche mese in più. Attorno a ciò che resterà, strutturalmente, un vantaggio umano.

La corsa all’AGI è ufficialmente aperta

Immaginate una macchina che entra in un ambiente che non ha mai visto. Nessuno le spiega le regole, nessuno le dice qual è l’obiettivo. Può solo provare. Agisce, osserva cosa succede, formula un’ipotesi, sbaglia, corregge, riprova.

È la logica di ARC-AGI-3, uno dei benchmark più seri oggi in circolazione per valutare l’intelligenza agentica. E su questo test, Astra ha ottenuto un risultato che ha fatto il giro del mondo: 99,95%.

Un benchmark non racconta tutta la storia

Ma è qui che, da giornalista prima ancora che da appassionato di AI, ho imparato a fermarmi un secondo in più. Perché quel numero, raccontato da solo, è più spettacolare che utile.

Con la configurazione standard, il risultato migliore di Astra si ferma al 62,71%. Il 99,95% arriva solo con il cosiddetto Provider Adapter, un sistema che permette al modello di conservare uno stato di ragionamento tra una richiesta e l’altra, senza ripartire ogni volta da zero. È come se, invece di entrare in una stanza chiedendosi «dove ero rimasto?», potesse semplicemente continuare.

La differenza tra questi due numeri non è un dettaglio tecnico. È una domanda che cambia tutto.

Il sistema conta quanto il modello

Siamo abituati a chiederci quanto sia intelligente un’intelligenza artificiale. Forse dovremmo iniziare a chiederci quanto sia intelligente il sistema complessivo dentro cui quell’intelligenza può operare.

Noi umani non ragioniamo isolati dentro il cranio. Scriviamo, prendiamo appunti, consultiamo libri, usiamo strumenti. Una parte enorme della nostra capacità cognitiva dipende da ciò che abbiamo costruito intorno a noi. Perché dovremmo valutare una macchina solo per ciò che riesce a fare senza memoria, senza strumenti e senza infrastrutture?

È una domanda scomoda, perché rende sempre più difficile capire dove finisce il modello e dove inizia il sistema. E in quello spazio, in questi mesi, sta succedendo qualcosa che considero più rilevante del singolo benchmark.

L’intelligenza artificiale che aiuta a costruire altra AI

Jensen Huang, CEO di NVIDIA, ha scritto tre parole pesanti: «AGI has arrived». Anche Greg Brockman, presidente di OpenAI, ha parlato dell’inizio di una possibile era dell’AGI. Ma non esiste, ad oggi, una definizione condivisa che permetta di dire con certezza: ieri non c’era, oggi c’è.

E forse è proprio qui che serve meno tifo e più capacità di leggere i fatti con calma.

Quello che trovo davvero interessante non è cosa Astra sa fare in un test. È cosa sta iniziando a fare dentro la ricerca stessa. OpenAI parla di un «automated research intern»: non un ricercatore artificiale autonomo che decide da solo quali problemi affrontare, ma un sistema che, sotto la guida di una persona, riesce a portare avanti attività che a un ricercatore competente richiederebbero giorni. Scrive codice, prepara esperimenti, analizza risultati, individua errori, itera.

E qui il cerchio si chiude in un modo quasi vertiginoso: questi sistemi vengono usati dagli stessi ricercatori che costruiscono i sistemi futuri. L’intelligenza artificiale ha iniziato ad aiutare gli umani a costruire nuova intelligenza artificiale.

A metà agosto 2026, l’organizzazione di ricerca di OpenAI utilizzava complessivamente 3,1 giornate di lavoro degli agenti per ogni giornata di lavoro umano. Un numero che sembra dire: ogni ricercatore ha tre assistenti digitali che lavorano senza sosta.

Ma non è così semplice, e questo è il punto. Quel numero misura il tempo di elaborazione accumulato, non una produttività triplicata. Ci sono tentativi falliti, lavoro ripetuto e supervisione costante. E soprattutto: fare più cose non significa capire più cose.

La competenza umana che aumenta di valore

Tra le attività portate a termine con successo dagli agenti negli ultimi sei mesi, più della metà ha comunque richiesto almeno un intervento umano. Qualcuno ha dovuto correggere la direzione, chiarire il problema, dire semplicemente: non è questa la strada.

Ed è esattamente qui che arriva il pensiero che porto avanti da mesi, ogni volta che mi confronto con questi temi in aula, in redazione o davanti a un cliente che mi chiede se l’AI gli farà perdere il lavoro o glielo salverà.

Più questi sistemi diventano potenti, più una competenza profondamente umana acquista valore. E non è la velocità, non è la produzione. È la consapevolezza: sapere quando fidarsi, quando verificare, quando fermare la macchina e, soprattutto, riconoscere quando una risposta perfetta sta risolvendo il problema sbagliato.

L’intelligenza emotiva, la capacità di leggere un contesto, di sentire quando qualcosa non torna anche se sulla carta funziona: questo non è un tema astratto da corso di formazione. È la bussola con cui guideremo, o subiremo, tutto quello che sta arrivando.

Il vero rischio non è l’intelligenza, ma la velocità

Il vero rischio non è che le macchine diventino più intelligenti di noi. È che diventino più veloci di quanto noi siamo capaci di verificare.

Se producono codice, esperimenti, contenuti e decisioni più in fretta di quanto riusciamo a controllarli, la velocità smette di essere produttività. Diventa potere. A quel punto il vero collo di bottiglia non sarà più produrre una soluzione possibile, ma capire quale soluzione accettare.

Questo vale per chi fa ricerca scientifica. Ma vale allo stesso identico modo per chi fa comunicazione, per chi scrive, per chi produce immagini e video, per chi insegna, per chi costruisce marchi.

Abbiamo passato anni a chiederci quali lavori l’intelligenza artificiale ci avrebbe tolto. Forse la domanda sta cambiando forma sotto i nostri occhi. Il problema non sarà più solo produrre. Sarà scegliere, filtrare, dare priorità, comprendere e prendersi la responsabilità di una decisione, anche quando la macchina suggerisce di andare avanti senza fermarsi.

L’AGI è già arrivata?

Non credo si possa rispondere seriamente con un sì o un no secco. Astra esplora ambienti sconosciuti, deduce regole, mantiene continuità operativa e contribuisce concretamente alla ricerca. Liquidarlo come marketing sarebbe superficiale.

Ma dichiarare chiusa la partita per un 99,95% ottenuto in una configurazione specifica di un singolo test sarebbe altrettanto superficiale. Il mondo reale è molto più disordinato di un benchmark, e noi stessi non siamo ancora d’accordo su cosa significhi davvero «intelligenza generale».

La direzione resta una scelta umana

Forse Astra non è la fine della corsa. Forse è il momento in cui la corsa cambia natura.

Fino a oggi abbiamo costruito strumenti che ci aiutano a lavorare meglio. Ora iniziamo a costruire strumenti che aiutano a costruire i prossimi strumenti. E quando questo accade, la domanda smette lentamente di essere «possiamo chiamarla AGI?». Diventa un’altra, molto più personale e urgente: quanto potere siamo pronti ad affidarle, e quanto siamo davvero preparati a conservarne il controllo?

La tecnologia corre, ma la direzione la diamo ancora noi: se restiamo svegli, presenti e disposti a sentire davvero cosa sta succedendo, non soltanto a leggerlo nei titoli.