Dall’era del PC all’era dell’IA, la spirale del “Bloatware” e il valore del sano scetticismo

In ognuna delle fasi dell’evoluzione umana, dal fuoco alla rivoluzione industriale, abbiamo assistito allo stesso identico spettacolo: un’arena divisa tra favorevoli e contrari, entusiasti e pessimisti. Chi grida al miracolo e chi preconizza la fine della civiltà. Oggi, nell’era di quella che viene definita da molti la “Rivoluzione Noetica” o Era Cognitiva — dove per la prima volta la tecnologia non potenzia o sostituisce i nostri muscoli, ma tocca direttamente la mente —, la storia non fa eccezione.

Ci tengo a precisare che le riflessioni che seguono sono opinioni del tutto personali. Non pretendono di essere verità assolute, ma sono il frutto di ciò che leggo, osservo e ascolto quotidianamente, confrontando la mia esperienza sul campo con le analisi di professionisti stimati e voci autorevoli del settore tech. Il mio non vuole essere un pessimismo distruttivo, tutt’altro: credo che la tecnologia sia uno strumento formidabile. Il mio è semplicemente un tentativo di applicare un po’ di sano scetticismo ingegneristico per separare la realtà dall’esagerazione del marketing.

La storia non si ripete mai identica, ma ha un ritmo. E se avete vissuto l’era dei personal computer degli anni '80 e '90, riconoscerete questa musica all’istante.

1. Dalla spirale “Wintel” alla spirale delle GPU

Negli anni '80 e '90, il mercato dell’informatica era guidato da un accordo non scritto noto come alleanza Wintel (Windows + Intel). Il ciclo evolutivo era una spirale perfetta: Intel produceva microprocessori sempre più potenti e costosi; i produttori di software rilasciavano sistemi operativi e programmi sempre più pesanti e affamati di risorse (il cosiddetto bloatware).

Alla fine di questa catena c’era il consumatore — o l’azienda —, costretto a comprare continuamente nuovo hardware solo per far girare software che, all’atto pratico, faceva esattamente le stesse identiche cose di prima: scrivere un testo, riempire un foglio di calcolo, gestire un archivio. Era un trend evolutivo che sembrava infinito, ma che alla fine ha incontrato il suo fisiologico appiattimento tecnologico ed economico.

Oggi, osservando la dinamica attuale, ho l’impressione che si stia riproponendo lo stesso identico schema commerciale, ma su scala molto più ampia:

  • I grandi produttori di chip recitano la parte di Intel come monopolisti dell’hardware di calcolo.
  • I laboratori di ricerca e le Big Tech interpretano la parte dei produttori di software affamati di risorse.

La narrativa promette rivoluzioni antropologiche imminenti, ma il modus operandi industriale appare lo stesso: si spingono processori sempre più costosi e infrastrutture colossali solo per far girare modelli mastodontici che a volte faticano a mostrare un reale e proporzionale valore aggiunto rispetto alla generazione precedente. È una sorta di spirale del bloatware applicata al calcolo probabilistico.

2. Il grande inganno dei “Benchmark Addomesticati”

Ad ogni lancio di un nuovo modello assistiamo a campagne di marketing coordinate che sbandierano prestazioni sensazionali e il superamento di complessi test accademici. Chiunque lavori sul campo quotidianamente, però, inizia a percepire un chiaro appiattimento delle prestazioni reali dei modelli.

Il passaggio tra una generazione e l’altra non sembra più un salto paradigmatico, ma piuttosto una costante rifinitura di dettagli: una finestra di contesto più ampia, qualche millisecondo in meno di latenza, un formato di output più ordinato. I test di laboratorio sono spesso “addomesticati” per scopi di marketing. Nei test controllati i punteggi salgono, ma non appena questi modelli affrontano la trincea del mondo reale — fatto di dati sporchi, processi non scritti, eccezioni e assoluta mancanza di determinismo — l’entusiasmo iniziale tende a ridimensionarsi.

Molti analisti finanziari indipendenti fanno notare come i conti fatichino a tornare: si parla di enormi investimenti infrastrutturali che non trovano ancora un riscontro proporzionale nei ricavi reali d’uso. Nel frattempo, il mercato si muove anche su flussi di investimento incrociati che servono a mantenere alta l’attenzione in borsa. È la classica “schiuma” sulla cresta dell’innovazione: destinata a sgonfiarsi, lasciando però intatta la reale utilità dello strumento una volta che i costi e le prestazioni si saranno stabilizzati.

3. La “Democratizzazione dell’Errore” e il ciclo della bonifica

Una delle tesi più diffuse tra gli entusiasti del settore è che la figura dello sviluppatore sia destinata a sparire rapidamente. L’idea è che, siccome l’IA automatizza la scrittura del codice, gli utenti non-tecnici potranno farsi il software da soli semplicemente descrivendolo a una chat.

Anche in questo caso, la memoria storica ci aiuta a rimettere le cose in prospettiva:

  • Negli anni '80, con la nascita dei fogli di calcolo, la promessa era: “I manager non avranno più bisogno dei programmatori, faranno i bilanci da soli”. Il risultato? Fogli di calcolo ubiqui ma spesso pieni di errori di calcolo e dati non verificati per mancanza di una visione sistemica.
  • Negli anni 2000, gli strumenti visuali di creazione web promettevano che chiunque avrebbe creato siti professionali senza toccare codice. Quanti di quei siti amatoriali e fragili abbiamo poi dovuto rifare da zero?

A mio avviso, il pattern storico si ripete in tre fasi:

  1. La sbornia del “Faccio da me”: Lo strumento abbassa la barriera d’ingresso. L’utente pensa di poter fare a meno del professionista e genera un insieme di script o automazioni amatoriali tenuti insieme alla bell’e meglio.
  2. L’impatto con la realtà: Il sistema amatoriale viene messo sotto carico, mostrando fragilità nei calcoli, problemi di sicurezza o eccezioni non gestite che rischiano di bloccare l’operatività.
  3. La bonifica: Il professionista senior viene richiamato per fare reverse engineering del disastro, sbrogliare la matassa e ricostruire un’architettura solida e deterministica.

Abbassare la barriera tecnica di uno strumento non equivale ad abbassare la barriera concettuale dell’analisi dei processi. Tradurre le reali necessità di un’azienda in logica strutturata richiede una capacità di astrazione che difficilmente un utente business possiede. Generare sintassi non significa fare ingegneria dei sistemi.

4. La Formula 1 nel traffico medievale

Perché c’è una distanza così evidente tra la visione teorica dei laboratori e la realtà quotidiana delle aziende? Credo sia una questione di prospettiva.

Ci sono menti brillanti e progettisti eccellenti che lavorano a livelli altissimi di astrazione su grandi sistemi. Loro ragionano come ingegneri di Formula 1: guardano la telemetria, la potenza pura dei modelli e assumono che la società possa assorbire questi cambiamenti a velocità istantanea.

Chi invece vive la trincea del mercato quotidiano — specialmente nel tessuto delle realtà medio-piccole — ragiona come chi deve guidare un camion nel traffico di una città medievale. Puoi avere mille cavalli sotto il cofano, ma se la strada è stretta, ci sono ostacoli fisici, processi informali e abitudini radicate, la tua velocità reale sarà inevitabilmente limitata.

La stragrande maggioranza delle organizzazioni reali si scontra con vincoli che il modello probabilistico puro fatica a gestire:

  • La responsabilità civile e legale: Se un modello commette un errore contabile o normativo in un contesto critico, chi si assume la responsabilità legale? Un’azienda ha bisogno di determinismo e di qualcuno che firmi e si assuma la responsabilità delle decisioni.
  • L’eredità dei sistemi esistenti: I sistemi transazionali che muovono l’economia (come quelli bancari) poggiano spesso su tecnologie consolidate da decenni. Sono brutte da vedere per un purista della modernità, ma funzionano in modo sicuro e deterministico. Affiancarli con agenti probabilistici senza una rigorosa supervisione è un rischio che nessun manager prudente vorrà correre.
  • L’ego e la psicologia aziendale: L’analisi dei requisiti non è una semplice traduzione di richieste. Spesso il cliente non sa cosa gli serve davvero. Inoltre, i modelli sono addestrati a compiacere l’utente. Se un manager chiede un’automazione basata su un processo aziendale inefficiente, lo strumento la eseguirà velocemente, ottimizzando un disastro. L’analista umano ha invece l’autorevolezza di fermarsi e dire: “No, questo processo va prima corretto, poi automatizzato”.

5. Una transizione realistica e senza catastrofismi

Se guardo ai prossimi 5-10 anni applicando questo sano scetticismo, non vedo scenari apocalittici di disoccupazione di massa né l’avvento di intelligenze divine. Vedo piuttosto un naturale e faticoso processo di riallineamento:

  • Nel breve termine: Vivremo una fase di disordine fisiologico. Molte aziende proveranno a tagliare sui profili junior sperando che l’IA compensi la forza lavoro, salvo poi accorgersi dell’accumulo di debito tecnico e della mancanza di documentazione nei sistemi.
  • Nel medio termine: Arriverà la fase della consapevolezza. Il mercato capirà che l’IA è un formidabile utensile di supporto, ma non un sostituto del pensiero analitico. Il ruolo dello sviluppatore non sparirà, ma si sposterà sempre più dalla pura scrittura di codice alla validazione, alla sicurezza, alla progettazione dell’architettura e dei flussi.
  • Nel lungo termine: La tecnologia si integrerà silenziosamente nell’infrastruttura quotidiana, smettendo di essere un argomento di discussione sensazionalistico. Diventerà un’utility standard, esattamente come è successo per Internet o l’elettricità. Il valore economico si sposterà interamente sulla qualità dei dati proprietari e sulla responsabilità civile di chi firma i progetti.

Conclusione: Il valore insostituibile del fattore umano

In definitiva, credo che questa ondata tecnologica non eliminerà il valore del professionista, ma ne cambierà la natura. Più il codice diventerà economico e facile da generare, più aumenterà il valore di chi sa fare analisi reale, astrazione di sistema e gestione della complessità umana.

Non dobbiamo guardare a questo cambiamento con ansia o paura. Il “sano scetticismo” ci serve proprio a questo: a ricordarci che dietro ogni grande promessa di automatizzazione totale c’è sempre l’attrito della realtà del mondo reale, che richiede intelligenza, mediazione e sensibilità umana per essere governata.

La macchina possiede la sintassi e la velocità di esecuzione; noi conserviamo la semantica, il contesto e l’intenzione. Ed è in questo scarto che risiede la vera ingegneria e, soprattutto, il nostro libero arbitrio.