
Dalla ricerca sull’intelligenza artificiale a Stanford nel 1982 alle prospettive del 2076. Il futuro non dipenderà soltanto dalle capacità delle macchine, ma dalla nostra capacità di trasformare l’innovazione in conoscenza, autonomia e inclusione.
L’articolo nasce dalle riflessioni presentate a Tecnòpolis 2026, a Bologna, nell’incontro «L’orizzonte possibile: quattro sguardi per immaginare il mondo», del 15 ottobre 2026.
Il futuro non è scritto nella tecnologia
Quando, nel 1982, mi occupavo a Stanford di intelligenza artificiale applicata all’apprendimento, una delle questioni che mi interessavano maggiormente riguardava il dialogo tra persone e sistemi intelligenti. Come poteva una macchina contribuire alla costruzione della conoscenza? In che modo l’interazione con un sistema informatico avrebbe potuto modificare i processi di apprendimento?
A oltre quarant’anni di distanza, quelle domande sono ancora attuali. Sono cambiate radicalmente le capacità dei sistemi, la potenza di calcolo, la disponibilità dei dati e la diffusione delle tecnologie. Ma la questione fondamentale rimane: quale rapporto vogliamo costruire tra intelligenza umana e intelligenza artificiale?
È una domanda che ho riproposto a Tecnòpolis 2026, a Bologna, durante un confronto dedicato a immaginare il mondo dei prossimi cinquant’anni.
La storia della tecnologia ci insegna che possiamo intravedere le possibilità tecniche di un’innovazione, ma difficilmente prevederne tutte le conseguenze sociali. Gli effetti prendono forma attraverso gli usi, le organizzazioni, le istituzioni e le scelte delle persone.
Pensiamo a Internet. Nato in un contesto di ricerca e comunicazione scientifica, ha trasformato il commercio, l’informazione, le relazioni e la partecipazione politica. Nessuno avrebbe potuto anticipare completamente la società delle piattaforme, così come oggi non possiamo prevedere tutte le trasformazioni che accompagneranno l’evoluzione dell’intelligenza artificiale.
Questo non significa rinunciare a immaginare il futuro. Significa riconoscere che il futuro non è una conseguenza inevitabile della tecnologia: è anche il risultato delle decisioni che prendiamo.
Le intelligenze artificiali sono molte
Il dibattito pubblico tende oggi a identificare l’intelligenza artificiale con i grandi modelli linguistici e con le applicazioni generative. È comprensibile: la possibilità di conversare con una macchina, produrre testi, immagini e programmi ha reso l’IA accessibile a milioni di persone.
Ma la storia dell’intelligenza artificiale è molto più articolata.
Accanto agli approcci basati sull’apprendimento dai dati, esistono sistemi fondati sulla rappresentazione esplicita della conoscenza, sul ragionamento logico, sulle regole e sulle relazioni tra concetti.
Non si tratta necessariamente di approcci alternativi. Una delle prospettive più interessanti riguarda proprio la loro integrazione.
I sistemi generativi possono produrre risposte e interpretare informazioni con una flessibilità straordinaria. Ma quando entrano nei processi di lavoro, nella salute, nell’educazione o nei servizi pubblici, la capacità di generare una risposta plausibile non è sufficiente.
Occorrono affidabilità, verificabilità e responsabilità.
L’integrazione tra apprendimento statistico, conoscenze esplicite e sistemi di controllo può contribuire a ridurre alcuni errori, a delimitare le azioni consentite e a rendere più comprensibili i processi decisionali.
Naturalmente, nessuna architettura garantisce da sola l’affidabilità. I risultati devono essere verificati nei contesti reali di utilizzo.
È qui che la ricerca tecnologica incontra la responsabilità sociale.
Il progresso dell’IA richiede capacità di apprendere, conoscenze con cui interpretare e criteri con cui verificare.
Dall’intelligenza delle macchine alla qualità dell’interazione
La diffusione dell’intelligenza artificiale generativa ha introdotto un cambiamento che considero particolarmente significativo: il valore non risiede più soltanto nelle funzionalità dello strumento, ma nella qualità dell’interazione che siamo capaci di costruire.
Due persone che utilizzano lo stesso sistema possono ottenere risultati profondamente diversi.
La differenza dipende dalle domande che pongono, dalle conoscenze che possiedono, dal contesto che sanno fornire e, soprattutto, dalla capacità di valutare criticamente le risposte.
L’intelligenza artificiale può ampliare le nostre possibilità cognitive, ma non sostituisce automaticamente il giudizio.
Anzi, proprio perché rende più semplice produrre informazioni, testi e soluzioni, rende ancora più importante saper distinguere ciò che è plausibile da ciò che è fondato, ciò che è utile da ciò che è appropriato.
Questo cambiamento riguarda direttamente l’educazione.
Per molto tempo abbiamo associato l’apprendimento prevalentemente all’acquisizione di conoscenze e competenze. Oggi dobbiamo aggiungere una dimensione fondamentale: imparare a interagire criticamente con sistemi capaci di elaborare informazioni e proporre soluzioni.
Significa saper formulare domande, confrontare interpretazioni, verificare le fonti, motivare le decisioni e riconoscere i limiti delle proprie conoscenze.
Non basta imparare a utilizzare l’intelligenza artificiale. Dobbiamo imparare a pensare e a lavorare insieme a essa, senza rinunciare alla nostra autonomia.
È una sfida culturale prima ancora che tecnologica.
L’affidabilità: dall’AI Act del 2021 al modello EMA
Un tema sul quale desidero richiamare l’attenzione riguarda l’affidabilità dei sistemi di intelligenza artificiale, soprattutto quando vengono utilizzati in contesti critici.
Già nel 2021, durante il dibattito europeo che accompagnò la proposta dell’AI Act, avevo sostenuto l’importanza di introdurre ambienti di sperimentazione regolamentata, i cosiddetti regulatory sandbox, nei quali sviluppare e verificare i sistemi innovativi prima della loro diffusione.
Questa impostazione si collega a un principio che considero fondamentale: l’innovazione tecnologica deve essere accompagnata da processi di validazione proporzionati ai rischi e da un monitoraggio continuo dei risultati.
In questa prospettiva, trovo particolarmente significativo il riferimento al modello di valutazione dei medicinali adottato in Europa, nel quale svolge un ruolo centrale l’EMA, European Medicines Agency.
Un farmaco non viene valutato soltanto per le sue potenzialità terapeutiche. Deve essere sottoposto a procedure rigorose che ne esaminano qualità, sicurezza ed efficacia. E la valutazione non termina con l’autorizzazione: prosegue attraverso il monitoraggio degli effetti durante l’utilizzo.
Naturalmente, un sistema di intelligenza artificiale non è un farmaco. Ma il principio metodologico offre uno spunto importante.
Quando affidiamo a un sistema intelligente attività che possono incidere sulla salute, sul lavoro, sull’educazione o sull’accesso ai servizi, non possiamo limitarci a verificarne le prestazioni in laboratorio.
Dobbiamo comprenderne il comportamento nei contesti reali, individuarne i limiti, valutarne gli effetti e stabilire responsabilità precise.
L’AI Act, la cui proposta iniziale risale al 21 aprile 2021, ha introdotto una prospettiva europea fondata sulla classificazione dei rischi e sulla necessità di garantire sistemi affidabili. La disciplina delle sandbox regolamentari rappresenta uno degli strumenti attraverso i quali conciliare innovazione, sperimentazione e tutela delle persone.
Il confronto con l’esperienza dell’EMA rafforza questa impostazione: sperimentare prima, verificare durante e continuare a osservare gli effetti dopo l’introduzione di una tecnologia.
È una questione che diventerà ancora più importante con la diffusione di sistemi di IA capaci non soltanto di generare risposte, ma di prendere iniziative ed eseguire azioni.
Più un sistema può agire autonomamente, più dobbiamo essere precisi sugli obiettivi, sui limiti, sulle verifiche e sulle responsabilità.
L’affidabilità, quindi, non è soltanto una caratteristica tecnica.
È una responsabilità collettiva che coinvolge ricercatori, imprese, istituzioni e cittadini.
La conoscenza non può sostituire l’esperienza
Esiste però un’altra dimensione, meno discussa, che considero fondamentale.
Nel suo libro Le non cose, il filosofo Byung-Chul Han riflette su una società nella quale le informazioni tendono a prevalere sull’esperienza concreta del mondo.
È una riflessione particolarmente attuale nell’epoca dell’intelligenza artificiale generativa.
Possiamo chiedere a un sistema di descriverci una foresta, raccontarci le caratteristiche degli alberi, analizzarne la biodiversità, illustrarci le trasformazioni climatiche che la minacciano.
Possiamo ottenere informazioni straordinarie.
Ma attraversare quella foresta è un’esperienza diversa.
Significa percepire la luce, ascoltare i suoni, riconoscere gli odori, avvertire la temperatura, confrontarsi con la materialità del mondo.
Le due forme di conoscenza non devono essere contrapposte. Possono arricchirsi reciprocamente.
Il problema nasce quando confondiamo la rappresentazione dell’esperienza con l’esperienza stessa.
In una società sempre più mediata da sistemi intelligenti, dovremo coltivare intenzionalmente l’attenzione, la sensibilità e la capacità di relazione.
Penso, per esempio, al mentoring e al dialogo tra generazioni.
Un sistema di IA può aiutarci a organizzare conoscenze, individuare percorsi professionali o sviluppare competenze. Ma il rapporto tra un mentore e una persona più giovane comprende dimensioni difficilmente riducibili a uno scambio di informazioni: la fiducia, l’ascolto, il riconoscimento reciproco, la capacità di interpretare le esperienze.
La tecnologia può sostenere queste relazioni. Non dovrebbe impoverirle.
La vera sfida è ampliare le capacità umane senza ridurre l’autonomia, l’intelligenza emotiva e la qualità dei legami sociali.
Verso il 2076: ciò che mi aspetto e ciò che desidero
Immaginare il mondo tra cinquant’anni significa distinguere due domande.
La prima riguarda ciò che considero plausibile.
La seconda riguarda ciò che desidero contribuire a realizzare.
Mi aspetto che nel 2076 i sistemi di intelligenza artificiale siano molto più integrati negli ambienti nei quali viviamo.
Non saranno soltanto strumenti con cui conversare. Potranno percepire il contesto, interpretare situazioni, collaborare con altri sistemi ed eseguire azioni nel mondo fisico.
Pensiamo all’assistenza alle persone anziane.
Possiamo immaginare sistemi robotici capaci di svolgere attività logistiche, segnalare situazioni anomale, sostenere il personale sanitario e contribuire a migliorare l’organizzazione dei servizi.
Ma la qualità dell’assistenza non dipenderà soltanto dalle prestazioni dei robot.
Dipenderà dalla loro affidabilità, dalla preparazione delle persone che li utilizzano, dall’organizzazione dei servizi e dalla capacità di preservare la relazione umana.
Soprattutto, dipenderà dalle condizioni di accesso.
Chi potrà beneficiare di queste innovazioni? Saranno disponibili soltanto per chi possiede maggiori risorse economiche? Chi ne governerà l’utilizzo? Come saranno valutati i benefici, gli errori e le conseguenze inattese?
Sono domande che dobbiamo porci oggi, non nel 2076.
Una società capace di apprendere a ogni età
Se penso invece al futuro che desidero, la mia attenzione si sposta dalle macchine alle persone.
Vorrei una società nella quale ciascuno possa continuare a imparare, cambiare percorso professionale, sviluppare nuove competenze e contribuire alla vita collettiva a ogni età.
Una società capace di valorizzare i giovani ricercatori, offrendo loro opportunità di crescita e collaborazione, senza disperdere il patrimonio di esperienza delle generazioni precedenti.
Una società nella quale il genere, l’origine, le condizioni economiche, l’età o la disabilità non rappresentino ostacoli all’accesso alla conoscenza e alle opportunità.
Perché l’innovazione non coincide necessariamente con l’inclusione.
Una tecnologia può essere straordinariamente avanzata e, nello stesso tempo, ampliare le disuguaglianze esistenti.
Per questo non possiamo limitarci a misurare il progresso attraverso la produttività, la velocità di elaborazione o la capacità di automatizzare attività.
Dovremmo chiederci anche se le innovazioni migliorano la qualità della vita, ampliano l’autonomia delle persone, rafforzano le relazioni e rendono più accessibile la partecipazione.
È una prospettiva che richiede di considerare le intelligenze al plurale.
L’intelligenza umana, quella emotiva, quella scientifica, quella artificiale, quella collettiva e quella organizzativa non sono realtà identiche, né intercambiabili.
Ma possono concorrere, attraverso forme diverse di collaborazione, alla costruzione di conoscenza e alla soluzione di problemi complessi.
Il futuro non sarà determinato soltanto dall’intelligenza delle macchine. Dipenderà anche dalla nostra capacità di mettere in relazione queste diverse forme di intelligenza.
Abitare il futuro con più conoscenza, attenzione e cura
Da oltre quarant’anni osservo l’evoluzione delle tecnologie digitali e il loro rapporto con i processi di apprendimento, le organizzazioni e la società.
Ho visto cambiare strumenti, linguaggi, paradigmi tecnologici e modelli di innovazione.
Una convinzione, però, si è progressivamente rafforzata: la tecnologia produce possibilità; sono le persone e le istituzioni a trasformarle in progresso.
Non dobbiamo scegliere tra entusiasmo e paura.
Dobbiamo costruire le condizioni culturali, educative, organizzative e istituzionali che permettano di utilizzare le nuove capacità tecnologiche con consapevolezza.
Questo significa investire nella ricerca, nella formazione continua, nella sperimentazione responsabile e nella partecipazione.
Significa anche riconoscere che la conoscenza non è soltanto accumulazione di informazioni, ma capacità di interpretare il mondo, esercitare il giudizio e assumersi responsabilità.
Mi aspetto che nel 2076 avremo sistemi di intelligenza artificiale molto più capaci di quelli attuali.
Desidero una società altrettanto capace di renderli affidabili e di trasformare le loro possibilità in conoscenza condivisa, autonomia e inclusione.
Vorrei che nel 2076 sapessimo abitare il mondo con più conoscenza, più attenzione e più cura.
Questo futuro comincia nelle scelte che facciamo oggi.

Gianna Martinengo
CEO DKTS
Membro del Board Innovazione Tecnologica – Trasformazione Digitale, Comune di Milano
Coordinatrice del Comitato Scientifico, MUSA Scarl
Membro del Comitato Scientifico, UNISALUTE
Fondatrice e Presidente di Women&Tech® ETS
(per maggiori dettagli sul CV, vedi: https://www.dkts.it/gianna-martinengo)







