Il dato è secco ma devastante: dopo anni di battaglie legali, la Federal Trade Commission e cinque stati americani hanno raggiunto un accordo con John Deere che obbliga il colosso dei trattori a mettere a disposizione i software e gli strumenti necessari per le riparazioni. È il più grande successo del movimento per il diritto alla riparazione registrato finora negli Stati Uniti.

Ma leggere questa vicenda come una semplice conquista per gli agricoltori significa perdere il cuore della questione. La vera posta in gioco non sono i cingoli o i motori diesel. È il controllo del codice.

Per anni John Deere ha blindato i propri mezzi con sistemi digitali proprietari, rendendo impossibile per un proprietario o un’officina indipendente accedere ai moduli di diagnostica, reimpostare un sensore o aggiornare un firmware senza passare dai centri autorizzati. In pratica, possedere un trattore non significava possederne anche l’intelligenza operativa. Il software era un lucchetto che trasformava l’acquirente in un affittuario perpetuo.

È esattamente la stessa dinamica che oggi inquieta chi valuta l’adozione di Large Language Models in azienda. Quando un fornitore cloud impacchetta un modello come servizio, offre comodità ma nasconde il cruscotto. La pipeline di inference diventa una scatola nera: non si può ispezionare il comportamento del sistema, sostituire un componente con un equivalente open source, né attivare un log dettagliato per capire perché una risposta è stata generata in un certo modo. Proprio come l’agricoltore bloccato in mezzo al campo.

Il caso John Deere è quindi un precedente che scava molto più in profondità dell’agromeccanica. Segnala che le autorità di vigilanza iniziano a guardare al software lock-in non come un fastidio contrattuale ma come una questione di sovranità. Il principio che si sta affermando è semplice: la proprietà di un bene fisico deve includere la facoltà di accedere agli strati digitali che ne governano il funzionamento.

Traslato nell’infrastruttura AI, questo principio ha conseguenze di secondo ordine. Se il diritto alla riparazione del software si estende oltre l’agricoltura, chi distribuisce modelli diventerà sempre più obbligato a fornire strumenti di diagnostica, formati di esportazione standard e licenze che consentano il self-hosted senza costi aggiuntivi. Non è fantascienza normativa: il Digital Markets Act europeo spinge già in questa direzione, e il precedente americano rafforza la corrente.

Per chi sta impostando oggi una strategia on-premise per LLM, la lezione è chiara. Scegliere framework che espongano interfacce aperte e pesi liberamente distribuibili non è una posizione ideologica, ma una polizza contro la prigionia futura. La capacità di smontare un layer di caching, di cambiare modello di embedding o di attivare un logging granulare senza bussare alla porta del vendor diventerà cruciale quanto la potenza di calcolo. Il trattore John Deere, da questo punto di vista, è un promemoria per i CTO: la proprietà senza controllo digitale è un affitto mascherato.

La vicenda dovrebbe spingere a ripensare anche il concetto di Total Cost of Ownership. Un’infrastruttura AI che oggi appare economica perché basata su API a consumo può rivelarsi onerosa quando l’azienda scopre di non poter migrare, di non poter fare fine-tuning se non nelle condizioni imposte dal fornitore o di non poter auditare i dati di inference per la compliance GDPR. L’accordo su John Deere è un segnale che queste barriere stanno diventando sempre meno tollerate, e che l’architettura legale e tecnica del mercato premierà chi progetta per la libertà d’uso, non per la dipendenza.

Alla fine, il trattore è solo il primo oggetto a cadere. La battaglia vera è su ogni dispositivo, ogni server, ogni sistema che mescola hardware e codice.