All’inizio della chiamata, il CEO di Springboards ha detto una frase che da sola basterebbe a raccontare il momento: «Diciamo spesso di essere un’azienda di AI che si odia. Non sappiamo se ci piace davvero quello che facciamo». La battuta, rilanciata con l’idea di un giornalista di AI altrettanto autocritico, non è solo un vezzo da startup. È il sintomo di una tensione che i dati ora misurano con precisione.

I numeri del paradosso sono netti. Secondo il Pew Research Center, negli Stati Uniti gli adulti che si aspettano un impatto negativo dell’AI su di loro e sulla società sono più numerosi di quelli che si aspettano un impatto positivo, con il pessimismo più marcato tra i giovani. Più della metà delle persone nel mondo dichiara che i prodotti e i servizi di AI li rendono nervosi, secondo un rapporto della Stanford University. In un sondaggio Gallup di maggio, il 71% degli adulti statunitensi si dice contrario alla costruzione di un nuovo data center per l’AI nella propria zona, molto più del 53% che si opporrebbe a una centrale nucleare. E in un sondaggio NBC di marzo l’AI risultava meno popolare dell’ICE.

Eppure l’uso cresce. ChatGPT ha toccato un miliardo di utenti mensili a maggio, secondo Sensor Tower, mentre Gemini di Google DeepMind segue da vicino con 950 milioni a luglio. Metà degli adulti statunitensi usa un chatbot, più del doppio rispetto al 2023, e una persona su quattro lo fa ogni giorno. Nei paesi OCSE, più di un terzo degli adulti ha usato strumenti di AI generativa negli ultimi tre mesi. Il framework è quello di due verità in conflitto: molte persone non sopportano l’AI e, allo stesso tempo, non riescono a farne a meno.

La spiegazione più plausibile non è che esistano due gruppi distinti. Se così fosse, il diagramma di Venn sarebbe già quasi un cerchio. Piuttosto, l’ostilità non è rivolta alla tecnicia in sé, ma alla spinta incessante delle aziende a imporla in ogni ambito possibile. Chi promette la più grande trasformazione sociale ed economica da generazioni non può sorprendersi se una parte del pubblico reagisce con diffidenza. Il parallelo con i social media è utile, ma non perfetto: lì abbandonare una piattaforma significava perdere contenuti e connessioni, lasciando solo la scelta tra adeguarsi o ricominciare. Con l’AI esiste ancora un margine di manovra, perché la regolamentazione e le alternative open-source stanno cambiando la struttura del mercato prima che il lock-in diventi definitivo.

Il dissenso contro i data center, in particolare, è un segnale infrastrutturale più che un rifiuto tecnicico. Non è una protesta contro l’elettricità necessaria a far girare i modelli; è una richiesta di non subire le esternalità senza voce. Questo sposta l’attenzione verso architetture più distribuite, dove l’inference può avvenire più vicino ai dati e con minore dipendenza da pochi fornitori cloud. Per chi valuta deployment on-premise o self-hosted, il segnale è duplice: la pressione regolatoria può rendere più costoso e lento costruire nuovi data center centralizzati, mentre la disponibilità di modelli open-source rende possibile testare alternative senza vincolarsi a un singolo vendor.

Non voglio essere ingenuo: le aziende da mille miliardi di dollari non si spostano facilmente. Ma ciò che viene dopo non è inevitabile come spesso lasciano intendere. Quando ho chiesto al CEO di Springboards perché sviluppare un nuovo modello se non gli piace l’AI, ha risposto che dagli LLM non si torna indietro, ma si può ancora farli fare qualcosa di diverso. È la chiusura più onesta: un’AI che dica chiaramente cosa sa e cosa non sa fare, senza atteggiarsi a tecnicia pronta a conquistare il mondo. Se questo diventerà il nuovo standard, il paradosso dei sondaggi potrebbe sciogliersi da solo.