Il Chief Futurist di OpenAI se ne va. Joshua Achiam ha chiuso una parentesi lunga quasi nove anni senza che l’azienda ne annunciasse le ragioni, ma il tempismo parla da solo. Achiam è stato il volto della ricerca sulla sicurezza AI nei momenti più esplosivi della storia recente di OpenAI, in particolare durante la deposizione nel processo intentato da Elon Musk contro Sam Altman e la stessa società. La sua uscita, letta tra le righe, non è un semplice avvicendamento di ruoli: è un indicatore strutturale di come l’accelerazione commerciale stia logorando l’architettura precauzionale costruita intorno ai Large Language Models.

Il termine “Chief Futurist” non è un vezzo. In OpenAI indicava un presidio di lungo periodo, un pensiero sistemico che dovrebbe impedire ai modelli di generare disastri imprevisti. Achiam vi aveva dedicato la carriera, contribuendo a definire benchmark di allineamento e documenti di policy che hanno influenzato l’intero settore. La sua presenza al processo Musk-Altman non è stata una comparsa: stando a quanto emerso, ha dovuto raccontare cosa accadeva dietro le quinte quando l’azienda oscillava tra la sua missione originaria — “AI che giovi a tutta l’umanità” — e la necessità di monetizzare GPT-4 e i prodotti seguenti. Chi era in aula descrive un Achiam misurato ma schietto, un professionista che non ha mai nascosto i rischi della proliferazione incontrollata.

Il punto non è che se ne vada una persona, ma ciò che la sua uscita racconta. Negli ultimi due anni OpenAI ha perso diversi profili senior legati alla sicurezza e all’etica, spesso sostituiti da ingegneri e product manager con mandati di crescita. L’addio di Achiam è l’ultimo tassello di una traiettoria che vede la fazione prudente soccombere a quella sviluppista. Non è un giudizio morale: è un dato di fatto che ridisegna gli incentivi per chi usa quei modelli. Un’impresa che oggi affida dati sensibili all’API di ChatGPT Enterprise non può più contare sullo stesso livello di tensione critica che un tempo esisteva dentro il fornitore. E se il “futurista” esce di scena, chi resta a chiedersi se la prossima iterazione del modello sia davvero allineata con gli interessi di lungo termine degli utenti?

Questa domanda è particolarmente pungente per i settori regolati — banche, sanità, pubblica amministrazione — dove la sovranità dei dati e la verificabilità dei comportamenti non sono opzionali. Lì, l’erosione della sicurezza governance interna di un vendor può diventare un argomento a favore del self-hosting. Portare i modelli on-premise non è solo una questione di latenza o di TCO; è anche un modo per imporre un proprio controllo sugli allineamenti, senza dipendere dall’umore di un management sempre più orientato al prodotto. Il punto debole è che costruire un layer di sicurezza robusto attorno a un LLM quantizzato in locale è tanto più oneroso quanto più il modello di frontiera diventa una scatola nera governata da logiche esterne.

L’effetto di secondo ordine riguarda il mercato del talento. Achiam non è un caso isolato. Diversi ricercatori di safety di OpenAI sono finiti in Anthropic, che fa della costituzione modiale e della sicurezza il proprio brand. Altri hanno fondato startup con una forte componente di governance trasparente. Questa migrazione delle competenze approfondisce il solco tra chi corre e chi frena, e frammenta la capacità dell’ecosistema di mantenere standard condivisi. In un prossimo futuro, le aziende che valuteranno un deployment ibrido — cloud per la sperimentazione, on-prem per la produzione su dati critici — si troveranno a dover scegliere tra modelli di provider con governance sempre più opaca e stack locali dove la sicurezza va costruita internamente. È un trade-off difficile, che però non può essere ignorato.

Il lascito di Achiam, per assurdo, è proprio nella contraddizione che la sua partenza mette a nudo. Nel processo Musk-Altman ha difeso una visione di AI governata da protocolli di sicurezza dimostrabili, ma il fatto stesso che si sia trovato a farlo come teste dice molto sulla natura incrinata di quella visione dentro OpenAI. Oggi la sua uscita elimina un altro contrappeso interno, e costringe chi sta a valle — sviluppatori, CISO, chi decide i deployment — a fare i conti con un dubbio scomodo: se nemmeno il laboratorio più avanzato del mondo riesce a tenere insieme corsa e cautela, quanto può essere affidabile a lungo termine un modello accessibile solo via API?