Quando Verity Harding, già dirigente di DeepMind e oggi voce autorevole di governance tecnicica, dice che l'atteggiamento nazionalista del governo americano sull'intelligenza artificiale è «la prova che uno scenario peggiore sta prendendo forma», non si riferisce a un Terminator che sfugge al controllo. Parla di qualcosa di più prosaico eppure altrettanto dirompente: la frammentazione geopolitica di una tecnicia che richiederebbe, per sua stessa natura, cooperazione globale.

Il "worst-case" non è un AGI impazzita, ma un mondo in cui ogni potenza sviluppa i propri Large Language Models su stack chiusi, blindati da leggi sulla residenza dei dati, norme di cybersovranità e divieti di esportazione hardware. Il risultato è una corsa agli armamenti digitali dove i modelli non vengono addestrati per essere sicuri, ma per essere superiori — e non importa a quale prezzo sociale o etico. In questa dinamica, la vera catastrofe è l'abbandono di qualsiasi governance condivisa, sostituita da un sospetto sistemico che trasforma ogni fornitore estero in una minaccia.

Per chi segue le implicazioni concrete, non è fantapolitica. La nazionalizzazione dell'IA spinge inevitabilmente verso deployment on-premise obbligatori: dati addestrati e inferiti entro confini nazionali, hardware certificato localmente, reti air-gapped per le applicazioni sensibili. È un cambio di paradigma che non deriva da un'evoluzione tecnicica, ma da un imperativo politico. E questo cambia radicalmente gli incentivi per l'industria: non si compete più sul modello più efficiente, ma su quello più "sovrano", creando barriere che premiano la conformità burocratica rispetto all'innovazione.

La tesi di Harding si inserisce in un dibattito più ampio che tocca direttamente il mandato di AI-RADAR. Se la nazionalizzazione accelera, la domanda di infrastrutture self-hosted destinate all'inference di LLM crescerà non per ragioni di TCO o performance, ma per obbligo normativo. Questo scenario, già visibile in settori come difesa e sanità in diversi paesi, obbliga a ripensare le pipeline di deployment: non si tratta più di scegliere tra cloud e on-premise in libertà, ma di conformarsi a requisiti stringenti che dettano ogni strato dello stack, dalla GPU alla quantità di VRAM allocata per i controlli di audit.

Il disastro evocato da Harding, allora, non è un collasso tecnicico ma una definitiva balkanizzazione: un ecosistema in cui gli LLM non dialogano, i dataset non si incrociano, e le best practice di sicurezza diventano segreti nazionali. Un futuro in cui l'IA non unisce ma divide. È un avvertimento che, per chi costruisce infrastrutture on-premise, suona come un campanello d'allarme: il vero collo di bottiglia non sarà la potenza di calcolo, ma la capacità di navigare un labirinto di requisiti di sovranità in conflitto tra loro.