La tesi di fondo del libro AI Rigenerativa di Gionata Tedeschi è che l’intelligenza artificiale non debba essere subita come un destino ineluttabile o un mero strumento di efficienza, ma interpretata come una forza capace di rigenerare il capitale umano, culturale e imprenditoriale esistente.

L’autore sostiene che l’AI non serve a fare “di più”, ma a fare “meglio”: il suo scopo ultimo è valorizzare ciò che già c’è, ampliare le possibilità e restituire centralità all’essere umano, il quale deve evolvere da semplice utilizzatore a “uomo centrato”, capace di dare senso e direzione alla tecnologia.

Ecco gli elementi chiave e le argomentazioni a sostegno di questa tesi, emersi dalle conversazioni con i dodici esperti intervistati:

1. La centralità dell’Umano Centrato e del “Senso”

Il pilastro fondamentale è antropologico. Tedeschi distingue tra mettere l’uomo “al centro” (uno slogan di design) ed avere “persone centrate”.

• Dalla velocità al senso: L’AI libera tempo (produttività), ma sta all’uomo trasformare quel tempo da chrónos (scorrere dei minuti) a kairós (tempo di qualità e significato).
• Il Purpose: Riccarda Zezza sottolinea che investire in tecnologia senza investire parallelamente nello sviluppo umano crea uno squilibrio pericoloso; la tecnologia amplifica i processi, ma non può fornire lo scopo (purpose).
• L’eccedenza dell’umano: Padre Natale Brescianini argomenta che l’essere umano possiede un'”eccedenza” (desiderio, memoria, corpo, relazione) che i dati non possono catturare completamente; l’AI è un supporto, ma la responsabilità del senso resta umana.

2. L’AI come amplificatore, non sostituto

La rigenerazione avviene attraverso la collaborazione, non la competizione o la sostituzione.

• Collaborazione > Competizione: Rita Cucchiara evidenzia che il futuro risiede in agenti cooperanti e nella robotica collaborativa, dove l’AI gestisce i dati e l’uomo gestisce la mediazione e le competenze trasversali (modello Human-in-the-loop).
• Creatività e Intuizione: Nel campo creativo e della moda, Antonella Di Pietro descrive l’AI come una “complice” che struttura il pensiero e offre analisi tecniche, lasciando all’uomo l’intuizione e la “scintilla creativa”.
• Età azzerata: Giovanni Forleo mostra come l’AI possa rigenerare la vita professionale dei senior (“second side of the life”), permettendo loro di sfruttare la propria esperienza per supervisionare i processi, nobilitando il lavoro e riducendo il gap fisico o tecnico.

3. La necessità di un “Manuale d’Uso” Collettivo e del Contesto

Perché l’AI sia rigenerativa e non distruttiva, deve essere governata con consapevolezza e regole etiche.

• Educazione Digitale: Emilia Garito insiste sulla mancanza attuale di un “manuale d’uso” culturale per l’AI. Senza educazione e verifica, si rischia di confondere la velocità di generazione con la verità.
• Il primato del Contesto: Shai Misan introduce il concetto di “mente artificiale” e la necessità di protocolli etici. L’AI eccelle nell’analisi ma spesso fallisce nel contesto (es. suggerire farmaci dannosi per organi che un paziente non ha più). La rigenerazione richiede agenti capaci di operare in un contesto etico e sicuro.

4. Pluralismo, Diversità e Democratizzazione

L’AI rigenerativa si oppone all’omologazione e favorisce l’inclusione.

• Frattali di Conoscenza: Luca Baraldi avverte contro il “colonialismo digitale” e propone un’AI che funzioni come un frattale, preservando la pluralità linguistica e culturale (es. il Maori in Nuova Zelanda o i valori locali in Sudafrica) invece di appiattire tutto su modelli euro-atlantici.
• Ubuntu e Accessibilità: Sana Stewart porta l’esempio dell’Africa (“AI for Africa by Africa”), dove l’AI può democratizzare l’accesso all’istruzione e al credito, incarnando il principio Ubuntu (“Io sono perché noi siamo”): il benessere tecnologico deve essere comunitario, non solo individuale.
• Felicità Sostenibile: Tina Martino applica l’AI alle Smart Cities, non per mera sorveglianza, ma per ascoltare i bisogni reali dei cittadini e progettare servizi che migliorino la qualità della vita (es. riduzione del tempo per parcheggiare ridistribuito come valore sociale).

5. Il valore della Serendipità

Un elemento distintivo della tesi è il recupero dell’imprevisto. Federico Rampolla nota che gli algoritmi tendono a eliminare la casualità proponendo ciò che è già noto (bolle informative). L’AI rigenerativa, al contrario, deve essere progettata per preservare la serendipità, ossia lo “sguardo inatteso” che permette la scoperta e l’innovazione non programmata.

Sintesi

In definitiva, la tesi sostiene che l’AI agisce come uno specchio: riflette le nostre intenzioni. Se siamo “persone centrate”, l’AI diventa uno strumento per:

1. Valorizzare ciò che c’è (competenze, tradizioni).
2. Ampliare le possibilità (nuovi modelli di business, creatività).
3. Restituire centralità all’umano (etica, relazioni, tempo di qualità).

---

Un’analogia per comprendere la tesi: Possiamo immaginare l’AI Rigenerativa descritta da Tedeschi come un fertilizzante estremamente potente per un giardino. Se versato indiscriminatamente su un terreno incolto (assenza di “uomo centrato” e scopo), farà crescere tutto più velocemente, incluse le erbacce, soffocando i fiori (rischi di bias, omologazione, sovraccarico). Ma se utilizzato da un giardiniere esperto e consapevole (l’umano dotato di etica, contesto e creatività), che sa cosa potare e cosa nutrire, quel fertilizzante non sostituisce la natura delle piante, ma rigenera il terreno, permettendo fioriture che prima erano biologicamente impossibili. Il giardiniere non compete con il fertilizzante; lo usa per elevare la qualità del giardino.

Le fonti evidenziano differenze sostanziali tra Europa, Stati Uniti e Cina riguardo ai modelli foundational (i grandi modelli di base dell’AI), delineando un divario che è sia quantitativo che strategico.

Ecco i punti principali che emergono dal testo:

1. Il divario quantitativo: USA e Cina dominano La differenza più immediata è numerica e rappresenta un allarme per il vecchio continente. Mario Draghi sottolinea statistiche impietose: mentre negli Stati Uniti esistono già 50 modelli foundational e in Cina ne sono stati sviluppati 15, l’Europa è in netto ritardo. Questa disparità numerica suggerisce che USA e Cina detengano attualmente l’infrastruttura tecnologica di base, mentre l’Europa rischia l’irrilevanza se non “si sveglia” per contare qualcosa in questo nuovo scenario.

2. La polarizzazione geopolitica e culturale Le fonti descrivono una forte polarizzazione tra USA e Cina, che tende a definire l’agenda dell’innovazione globale.

• USA (Egemonia culturale): Il predominio dei modelli statunitensi comporta rischi di “colonialismo digitale” e “monolinguismo cognitivo”. Essendo addestrati prevalentemente su fonti in inglese e dati occidentali, questi modelli rischiano di impoverire le categorie concettuali globali, sovrapponendo una visione del mondo specifica alle culture locali.
• Cina: Si pone come l’altro grande polo, creando una dinamica bipolare che l’Europa e altri paesi (come quelli sudamericani o africani) devono navigare per non essere schiacciati.

3. Le specializzazioni regionali (Qualità vs Quantità) Sebbene l’Europa sia indietro sui modelli foundational generali, le fonti evidenziano come le diverse regioni abbiano maturato eccellenze verticali distinte:

• USA: Eccellono nell’AI applicata alla medicina e alle biotecnologie.
• Europa: Piuttosto che su un unico modello continentale, le eccellenze sembrano distribuite per nazioni. La Germania è forte nella manifattura intelligente, mentre l’Italia si distingue nella computer vision e nel supercalcolo (con il computer Leonardo).
• Altri attori: Israele spicca per cybersecurity e agritech, la Corea del Sud per la robotica logistica.

4. La sfida europea: Collaborazione e “Terza Via” Per colmare il divario sui modelli foundational, la tesi del libro suggerisce che l’Europa debba puntare sulla cooperazione scientifica e su un approccio etico e pluralista, diverso da quello dei due giganti.

• Rischio geopolitico: Le tensioni attuali minacciano la cooperazione scientifica internazionale, rischiando di privare l’Europa di un ruolo centrale,.
• Modelli locali: In contrapposizione ai grandi modelli monolitici (spesso USA/Cina), si propone lo sviluppo di “small language models” o modelli locali (come auspicato in Sudafrica o Nuova Zelanda) che tutelino la sovranità dei dati e le specificità culturali, evitando che l’AI diventi uno strumento di omologazione.

In sintesi, mentre USA e Cina competono sulla potenza di fuoco e sul numero dei modelli foundational generalisti, l’Europa è chiamata a recuperare terreno non copiando ciecamente, ma puntando su specializzazioni verticali, sulla potenza di calcolo condivisa (come il tecnopolo di Bologna) e su un modello di AI che tuteli il pluralismo culturale contro l’omologazione,.

---

Un’analogia per comprendere la situazione: È come se si stesse costruendo la rete ferroviaria del futuro. Gli USA e la Cina stanno costruendo le grandi linee ad alta velocità e i locomotori principali (i modelli foundational) che decideranno dove vanno i treni e a che velocità. L’Europa, attualmente, rischia di essere un passeggero su treni altrui, oppure di limitarsi a costruire ottime carrozze specializzate (manifattura, supercalcolo) che però devono viaggiare su binari posati da altri. L’avvertimento di Draghi è un invito a iniziare a posare i propri binari per non dipendere totalmente dagli orari e dalle destinazioni decise a Washington o Pechino.