Personalmente non sono indispettito se c’è chi commenta “Magnifica Humanitas” senza averla ancora letta. Si tratta di un documento complesso, non di un instant book, come sempre ricco di riferimenti alla dottrina e alle Sacre Scritture. Evidenziarne anche solo alcuni aspetti è un modo per invitare alla lettura o proporne una prospettiva.

Condividere ciò che abbiamo iniziato a cogliere è ciò che ho provato a fare anch’io, lo scorso giovedì, ospite della Diocesi di Bergamo, insieme a Stefano Remuzzi, il Direttore della Pastorale Sociale e del Lavoro. La serata era già programmata, ma l’occasione della pubblicazione del testo di Papa Leone l’ha resa ancor più partecipata e interessante.

Delle domande e delle riflessioni emerse durante l’incontro ho registrato le seguenti, anche perchè non sempre fanno parte degli incontri formativi che si organizzano con i professionisti e le aziende:

– la crescente consapevolezza in merito ai costi ambientali che la tecnologia implica e l’urgenza di individuarne soluzioni per renderla sostenibile;

– il timore diffuso che il suo uso costituisca un freno allo sviluppo e all’allenamento delle capacità cognitive e la necessità che, a scuola e al lavoro, vi siano formazione e modalità adeguate per introdurla;

– la preoccupazione che le risposte che i chatbot offrono non sono neutre, ma oggetto di possibili manipolazioni, soprattutto in considerazione della concentrazione di potere da cui l’offerta di tecnologia è connotata;

– se oggi è la AI Generativa è un supporto, domani la AI Agentica richiederà l’apporto di meno persone per lo stesso compito.

Di fronte a questi interrogativi, gli spunti che una lettura iniziale dell’Enciclica mi hanno più colpito sono i seguenti:

• come già aveva ricordato Papa Francesco, la semplice “consapevolezza” in merito alle caratteristiche dell’Intelligenza Artificiale non è sufficiente: occorre svilupparne il discernimento. Non basta sapere usare gli strumenti e conoscerne il funzionamento: occorre comprendere ciò che essi producano nell’Uomo, nelle relazioni con l’Altro, nella percezione della realtà e nell’impatto sul Creato;

• con una lucida interpretazione dei modelli generativi, l’osservazione secondo la quale le moderne intelligenze artificiali sono molto più “coltivate” che “costruite”. Non sono algoritmi di cui si possa conoscere in modo trasparente ogni passaggio decisionale, sono sistemi che emergono dall’addestramento su quantità immense di dati, sviluppando correlazioni e comportamenti che spesso nemmeno chi li realizza riesce pienamente a interpretare;

• di fronte alla tendenza all’antropomorfizzazione dell’AI, Magnifica Humanitas non si limita a ricordare i rischi di attribuire significato a ciò che la macchina interpreta come numero, ma sottolinea la minaccia di una nuova forma di alienazione ovvero che l’essere umano stesso divenga parte del sistema come soggetto standardizzabile e ottimizzabile;

• i rischi rappresentati dalla tendenza al compiacimento dei modelli linguistici ai fini di generare un’economia dell’attaccamento da parte degli utenti;

• il contrario di un rifiuto, anzi una considerazione del digitale come “bene a destinazione universale” in cui nuove “terre rare” sono i dati in grado di prevedere e orientare i bisogni delle persone;

• il ricordo dei lavoratori invisibili dell’intelligenza artificiale: annotatori sottopagati, moderatori di contenuti esposti quotidianamente a violenza e pornografia, lavoratori del Sud globale.

“Non serve un’AI più morale, se questa morale è decisa da pochi” è la sintesi che più mi è rimasta in mente di questa prima lettura dell’Enciclica accanto al concetto di “disarmo dell’AI”: non un rifiuto della tecnologia, ma della sua subordinazione alla logica della competizione economica e militare.

Un’ultima osservazione – semplice e al contempo spiazzante perché invoca una risposta integralmente umana – ha colpito i presenti. Quella che ha sollevato Stefano: se l’Intelligenza Artificiale è uno strumento di produttività, che cosa faremo del tempo che resta?

L'articolo Che ne faremo del tempo che resta? proviene da Italia nel futuro.

La traiettoria dello sviluppo dell’intelligenza artificiale negli ultimi anni sembra dominata da una logica quasi ossessiva: più grande è meglio. I modelli linguistici di grandi dimensioni (LLMs), con centinaia di miliardi di parametri, sono diventati l’emblema di un’AI capace di avvicinarsi alla comprensione umana. Ma la crescita vertiginosa del settore degli AI agents – sistemi che non si limitano a generare testo ma coordinano strumenti, processi e decisioni – obbliga a riconsiderare questa equazione. Un recente lavoro di NVIDIA Research (Small Language Models are the Future of Agentic AI, giugno 2025) porta un messaggio controcorrente ma convincente: non saranno i modelli giganteschi a costituire la spina dorsale dell’AI agentica, bensì i modelli piccoli, specializzati e distribuiti, i cosiddetti Small Language Models (SLMs).

Per anni si è pensato che solo aumentando i parametri si potessero ottenere capacità cognitive di livello superiore. Eppure la realtà empirica racconta una storia diversa. I progressi negli SLMs dimostrano che un modello con meno di 10 miliardi di parametri, se ben addestrato e ottimizzato, può raggiungere prestazioni paragonabili a modelli dieci volte più grandi. Esempi concreti abbondano: il Phi-3 Small di Microsoft (7 miliardi di parametri) ottiene risultati in comprensione e generazione di codice simili a modelli da 70 miliardi; la serie Nemotron-H di NVIDIA raggiunge accuratezza nelle istruzioni e nel code generation comparabile a modelli ben più pesanti; la famiglia SmolLM2 di HuggingFace ha dimostrato performance in ragionamento e tool calling in linea con modelli da 14 miliardi. Addirittura, soluzioni come DeepSeek-R1-Distill hanno superato modelli proprietari di fascia alta (Claude 3.5 e GPT-4o) in compiti di ragionamento comune. La conclusione è chiara: negli agenti intelligenti, che scompongono problemi complessi in sotto-attività ripetitive e ben definite, non serve l’onniscienza di un LLM. Basta un modello compatto, efficiente e focalizzato.

Il secondo argomento a favore degli SLMs è di natura economica e infrastrutturale. Addestrare, mantenere e far girare un LLM richiede enormi risorse computazionali ed energetiche. I data center globali hanno assorbito nel solo 2024 oltre 57 miliardi di dollari di investimenti legati a LLM e il loro impatto ambientale è in crescita costante. Al contrario, eseguire un SLM è da 10 a 30 volte meno costoso in termini di latenza, consumo energetico e capacità di calcolo. Questo non significa solo riduzione di costi per le aziende: significa anche maggiore sostenibilità ambientale, minore concentrazione di potere nei colossi del cloud e possibilità di portare capacità avanzate su dispositivi personali. Esempi come ChatRTX, capace di eseguire SLMs in tempo reale su GPU consumer, mostrano come l’inferenza locale possa diventare una pratica diffusa.

L’adozione degli SLMs non è solo una scelta tecnica: è una trasformazione culturale. Significa ribaltare l’immaginario che associa intelligenza solo alla “grandezza”. In un mondo in cui la maggior parte delle operazioni degli agenti intelligenti è ristretta e ripetitiva – dall’analisi di dati strutturati alla generazione di messaggi formattati – è illogico delegare tutto a modelli generali e pesantissimi. Inoltre, la natura modulare degli agenti permette una composizione eterogenea: SLMs per le attività quotidiane, LLMs per compiti eccezionali che richiedono ragionamento ampio o conversazione aperta. Una sorta di ecosistema digitale ibrido, in cui il piccolo diventa la norma e il grande l’eccezione.

C’è anche una questione di governance e di etica pubblica. Gli SLMs abbassano le barriere d’ingresso, permettendo a PMI, enti pubblici, università e comunità scientifiche di sviluppare agenti autonomi senza dipendere da infrastrutture monopolistiche. Questa democratizzazione apre la strada a una maggiore pluralità di prospettive, riducendo il rischio di bias sistemici e rendendo l’AI più aderente alle esigenze locali. In Europa, dove il tema della sovranità digitale è cruciale, gli SLMs rappresentano una chance concreta per evitare la completa dipendenza da pochi attori globali. Non si tratta solo di economia o efficienza, ma di indipendenza tecnologica e di tutela dei diritti collettivi.

Perché allora gli SLMs non hanno ancora conquistato la scena? Le ragioni sono tre. Primo, l’enorme capitale già investito negli LLMs, che rende difficile un cambio di rotta industriale. Secondo, i benchmark di valutazione, spesso generalisti, che penalizzano i modelli piccoli. Terzo, la scarsa comunicazione: gli SLMs non godono della stessa visibilità mediatica e del marketing massiccio che accompagna i giganti come GPT o Claude. Si tratta però di ostacoli contingenti, non di limiti intrinseci. Una volta che i vantaggi economici e ambientali diverranno più evidenti, è probabile che l’inerzia attuale lasci spazio a un nuovo equilibrio.

Il paper di NVIDIA mette in discussione una convinzione diffusa: che il futuro dell’intelligenza artificiale risieda solo nei modelli mastodontici. Al contrario, gli SLMs offrono un’alternativa concreta, più sostenibile e più vicina alle reali esigenze operative degli agenti intelligenti. In un’epoca in cui la retorica della “crescita infinita” mostra i suoi limiti, la lezione è evidente: la vera innovazione non è inseguire il gigantismo, ma saper fare di più con meno. L’intelligenza artificiale del futuro sarà giudicata non dal numero di parametri, ma dalla capacità di servire in modo efficiente, equo e sostenibile le società umane.

L'articolo Il paradosso del piccolo: perché i modelli ridotti possono guidare il futuro dell’AI agentica proviene da Italia nel futuro.

Fino a pochi anni fa, nessuno avrebbe potuto immaginare di lavorare fianco a fianco con un collega senza corpo né ufficio—eppure capace di pianificare, eseguire e risolvere problemi. E invece, eccoci qui. Le aziende stanno iniziando a integrare “agenti intelligenti” nei loro team—colleghi digitali in grado di agire nel mondo virtuale come se fossero umani. Questo segna una svolta epocale nell’evoluzione dell’intelligenza artificiale: è iniziata l’era dell’IA agentica.

Immagina di lavorare ogni giorno con un collega virtuale che non solo risponde alle tue domande, ma prende decisioni, organizza attività, interagisce con altri sistemi e porta a termine interi progetti. Non è fantascienza. È la nuova realtà resa possibile dall’IA agentica, la frontiera più promettente dell’intelligenza artificiale.

Secondo McKinsey, tra il 2023 e il 2024 le offerte di lavoro legate all’IA agentica sono cresciute del +985%, e solo nel 2024 sono stati investiti oltre 1,1 miliardi di dollari in questa tecnologia emergente. Una cifra destinata a moltiplicarsi nei prossimi anni.

Ma che cos’è esattamente l’IA agentica, in parole semplici?

È una forma avanzata di intelligenza artificiale basata su modelli linguistici fondamentali, che non si limita a generare risposte, ma è anche in grado di agire in autonomia, affrontare compiti complessi, coordinare azioni e collaborare con altri agenti digitali. Questa nuova generazione di IA si comporta come un vero e proprio “collega virtuale”—che apprende, si adatta e opera nell’ambiente digitale in modo indipendente.

Come ha scritto il Time nel luglio 2025, l’IA agentica rappresenta un salto radicale nel modo in cui utilizziamo l’intelligenza artificiale: “Non è più l’IA che scrive per noi; è l’IA che lavora con noi.” È proprio questa capacità di agire—non solo di elaborare dati—a renderla rivoluzionaria.

E i benefici non sono affatto teorici.

Secondo Goldman Sachs, l’adozione diffusa dell’IA agentica potrebbe aumentare la produttività globale di oltre il 7% nel prossimo decennio. Per molte aziende, questo significa risparmiare anni di lavoro manuale, ridurre drasticamente i tempi di esecuzione, migliorare la qualità dei risultati e accelerare i processi decisionali.

Nel settore bancario, McKinsey ha dimostrato che l’uso di agenti IA per automatizzare la redazione di memorandum di credito ha aumentato l’efficienza del 60%. Nei settori dell’e-commerce e dell’assistenza clienti, gli agenti digitali stanno già gestendo ordini, reclami e richieste in modo autonomo, con un notevole incremento in velocità e precisione.

OpenAI ha lanciato Operator, un agente IA in grado di navigare autonomamente sul web, prenotare voli, compilare moduli e gestire interazioni complesse. Salesforce ha integrato agenti proattivi nelle sue piattaforme per automatizzare la gestione dei lead e il servizio clienti. Startup come Cursor e Anysphere stanno rivoluzionando lo sviluppo software consentendo la generazione di codice su richiesta tramite linguaggio naturale.

Secondo il World Economic Forum, la convergenza tra IA, robotica, bioingegneria e tecnologie immersive potrebbe generare fino a 15.000 miliardi di dollari di nuovo valore all’anno entro il 2035. Una parte significativa di questo impatto sarà generata dagli agenti intelligenti—non semplici strumenti, ma veri motori della produttività.

L’adozione dell’IA agentica non solo aumenta la produttività, ma migliora anche la qualità del lavoro umano. Automatizzando le attività ripetitive o cognitivamente pesanti, consente alle persone di concentrarsi su ciò che conta davvero: decisioni strategiche, creatività e innovazione. In questa forma, l’IA non sostituisce l’uomo, lo potenzia.

Questo è il vero cambio di paradigma. Così come l’elettricità trasformò il lavoro industriale, oggi l’IA agentica sta trasformando il lavoro intellettuale. Stiamo entrando in un nuovo capitolo della storia della produttività: non solo maggiore efficienza, ma intelligenza operativa diffusa.

In questo contesto, i Paesi che si muoveranno per primi—investendo in infrastrutture digitali, accessibilità all’IA on-device ed educazione della forza lavoro—otterranno un vantaggio competitivo duraturo. Le traiettorie sono già divergenti: dagli Stati Uniti alla Cina, dal Medio Oriente all’India, governi e imprese stanno puntando sull’IA agentica come motore della crescita economica futura.

Chi saprà integrare questa tecnologia in modo strategico—rapidamente e con visione—non sarà solo più competitivo: sarà leader della prossima era.

L’IA agentica non è il futuro. È già qui.

La vera domanda non è se adottarla—ma se guidarla o inseguirla.

L'articolo L’ascesa dell’Intelligenza Artificiale Agentica: quando l’IA lavora con noi proviene da Italia nel futuro.