Aidoptation ha appena ricevuto un via libera che suona come un’anomalia in un’industria ostinatamente convinta che l’intelligenza artificiale sia la sola strada percorribile. L’azienda belga può ora collaudare la propria auto a guida completamente autonoma su 100 chilometri delle autostrade E313 ed E314 in Limburgo, a 120 km/h, senza alcun intervento umano. È il primo permesso di Livello 4 rilasciato a un veicolo che, per scelta progettuale, non impiega reti neurali, deep learning o modelli addestrati.

Il sistema di Aidoptation si affida a una pila deterministica: algoritmi classici di visione artificiale, flusso ottico, stima della profondità, logica booleana e pianificazione rule-based. Nessun dato viene usato per addestrare un modello, nessuna connessione al cloud è necessaria durante la marcia. Il veicolo decide in tempo reale sul bordo, senza mai consultare un server remoto.

L’approccio rovescia il paradigma dominante. Mentre i big del settore accumulano petabyte di riprese per nutrire architetture sempre più profonde, Aidoptation scommette su ciò che si può dimostrare formalmente. La scelta è tutt’altro che ideologica: i sistemi deterministici offrono percorsi di certificazione più lineari, riducono il rischio di comportamenti inspiegabili e rendono ogni decisione ripercorribile. In uno scenario normativo sempre più esigente – l’AI Act europeo pretende trasparenza per i sistemi ad alto rischio – un’auto che si lascia verificare riga per riga ha un vantaggio regolatorio non trascurabile.

Sul fronte hardware, l’assenza di reti neurali si traduce in un carico computazionale modesto. Non servono GPU con decine di gigabyte di VRAM, né acceleratori specializzati. L’intero stack può girare su processori embedded di classe automobilistica, con consumi contenuti e dissipazione termica gestibile. Questo riduce il costo totale di possesso (TCO) e, aspetto cruciale per flotte commerciali, abbatte l’energia richiesta per l’inference.

C’è poi il tema della sovranità dei dati. Un’auto che non impara non ha bisogno di inviare immagini, posizioni o comportamenti a un server centrale. I dati restano a bordo, cancellabili o accessibili solo in locale. Per amministrazioni pubbliche o operatori logistici che temono fughe di informazioni o accessi non autorizzati, questa autosufficienza rappresenta un elemento di fiducia difficile da ottenere con architetture cloud-dipendenti.

Naturalmente, l’approccio ha limiti. I sistemi rule-based eccellono in ambienti strutturati come le autostrade, ma faticano di fronte all’imprevedibilità urbana. Aidoptation ha scelto con pragmatismo il proprio dominio operativo: corsie ben segnalate, traffico prevedibile, assenza di pedoni e ciclisti. Una scommessa realistica, che potrebbe innescare una ridefinizione dei modelli di business: non più un’unica intelligenza universale, ma soluzioni verticali ottimizzate per contesti specifici, dove la certezza formale conta più della flessibilità.

Per chi si occupa di implementazioni on-premise e edge computing in ambiti critici, il caso belga contiene una lezione. Non sempre la strada maestra è aggiungere strati di AI. A volte, rinunciare all’apprendimento automatico restituisce governabilità, riduce i costi e mette al riparo da sorprese. Il permesso di Limburgo potrebbe restare una rarità, o diventare il primo tassello di un’autonomia diversa, più sobria e controllabile.