C'è una dissonanza che va oltre il semplice doppio gioco. Mentre Sam Altman ribadisce in pubblico il suo sostegno all'AI open source, fonti vicine ai regolatori di Washington raccontano che OpenAI e Anthropic stanno conducendo un'attività di lobbying discreta per ottenere restrizioni proprio sui modelli aperti. La notizia non è tanto la contraddizione — per quanto imbarazzante per i leader che si presentano come alfieri dell'innovazione aperta — quanto il disegno strategico che prende forma: usare la leva normativa per erigere barriere competitive.

L'open source applicato agli LLM ha fin qui permesso a organizzazioni di ogni dimensione di scaricare, modificare ed eseguire modelli su infrastruttura propria, spesso con GPU consumer o workstation di fascia media. Chi adotta un approccio self-hosted mantiene il controllo completo sui dati, requisito essenziale in settori regolamentati o dove la privacy è un vincolo non negoziabile. La mossa di OpenAI e Anthropic, se trovasse ascolto a Washington, mira a rovesciare questa dinamica: introdurre licenze obbligatorie, audit di sicurezza o requisiti di registrazione che renderebbero proibitivo o illegale l'uso di modelli aperti non certificati, confinando l'adozione dell'AI generativa entro i perimetri controllati dei grandi fornitori cloud.

C'è una regolarità in questi giochi che il mercato dell'AI sta replicando con precisione. La regolamentazione invocata a tutela della sicurezza può diventare la più potente delle barriere all'ingresso. Chiamarla "AI safety" non cambia la sostanza: piccoli team, ricercatori indipendenti e aziende che operano in settori a forte sovranità dei dati — sanità, finanza, pubblica amministrazione — sarebbero i più colpiti. Le loro GPU, che oggi rodano modelli quantizzati in locale, potrebbero trovarsi intrappolate in un limbo di conformità incerta, mentre i servizi API dei soliti cloud provider diventerebbero la via obbligata, con costi ricorrenti, latenza sulla rete e nessuna garanzia reale di residenza dei dati.

L'impatto strutturale è ancora più profondo. Il lobbismo anti-open source di due tra i principali sviluppatori di modelli proprietari non è un incidente isolato ma un segnale di maturazione di una strategia di "regulatory moat" — un fossato normativo che sostituisce il vantaggio puramente tecnicico. Bloccare il fork e l'auto-hosting significa trasformare l'accesso all'AI in un abbonamento perpetuo, centralizzando l'infrastruttura e relegando gli attori periferici a consumatori passivi. Per chi valuta oggi un deployment on-premise di LLM, la variabile normativa non è più un rumore di fondo ma un rischio strutturale che può ridisegnare il TCO di un progetto nel giro di una finestra legislativa. La posta in gioco non è una battaglia ideologica tra aperti e chiusi: è chi controllerà l'hardware e i dati nei prossimi dieci anni.