IA delle persone, Gen Z e potere digitale

Rifkin interviene nel punto in cui l’enciclica sull’IA di Leone XIV incontra il mercato: proprietà dei dati, accesso al calcolo, architettura delle reti e responsabilità umana. La domanda diventa pratica: quale intelligenza artificiale resta controllabile da persone, comunità e istituzioni quando l’infrastruttura tecnica tende alla concentrazione?

Il fatto che aggiorna il dossier sull’IA

Il contributo di Jeremy Rifkin arriva nel giorno in cui Magnifica Humanitas porta l’intelligenza artificiale dentro la dottrina sociale. La coincidenza crea un passaggio autonomo: il testo papale guarda alla custodia della persona, Rifkin guarda alla forma economica dell’infrastruttura che può proteggerla oppure renderla dipendente.

La sua tesi ruota attorno a una frattura concreta. Da un lato ci sono modelli, cloud e capacità computazionale governati da pochi soggetti globali. Dall’altro lato prende forma una rete di IA distribuita costruita da Pmi, cooperative, nodi territoriali e comunità connesse. La differenza riguarda chi decide le condizioni di accesso alla conoscenza automatizzata.

L’ontologia diventa una questione di filiera

Rifkin usa la parola ontologia per distinguere due visioni del mondo. L’ontologia della sostanza tratta la realtà come insieme di oggetti separati e risorse estraibili. L’ontologia del processo interpreta vita, ecosistemi e relazioni come flussi in trasformazione.

Applicata all’IA, questa distinzione smette di essere astratta. Nel primo schema il valore nasce dalla cattura di dati, energia e calcolo. Nel secondo schema il valore emerge dalla cooperazione tra nodi che restano collegati senza consegnare ogni decisione a un centro unico. La nostra lettura è netta: il lessico filosofico di Rifkin serve a indicare una disputa industriale sulla proprietà della filiera digitale.

People’s AI: che cosa significa in termini operativi

People’s AI indica un modello in cui l’intelligenza artificiale viene sviluppata vicino ai territori, collegata a reti aperte e governata come bene comune. L’espressione evita una riduzione frequente: trattare la distribuzione come semplice scelta tecnica. Qui la distribuzione diventa una forma di potere condiviso.

Il punto operativo riguarda i dati. Una rete locale che elabora informazioni ambientali, sanitarie, energetiche o produttive può ridurre dipendenza da fornitori chiusi quando mantiene audit, portabilità e controllo umano. Senza queste condizioni, anche un sistema locale può diventare opaco.

Fog computing e IoT rendono concreta l’IA delle persone

Il passaggio tecnico decisivo è il fog computing. Significa spostare calcolo e analisi verso nodi vicini ai dispositivi, invece di inviare ogni flusso a un data center centrale. Con l’Internet of Things, sensori, macchine e infrastrutture raccolgono dati in tempo reale; il fog computing permette di trattarne una parte nel punto in cui il dato nasce.

Questa architettura incide su latenza, continuità del servizio, tutela del dato sensibile e autonomia locale. In una rete energetica di quartiere può servire a gestire carichi e produzione distribuita. In sanità territoriale può separare dati clinici sensibili da funzioni generali di analisi. In agricoltura può trasformare sensori e modelli predittivi in decisioni locali senza dipendere da un unico cloud.

Perché open source e reti glocal sono centrali

Rifkin lega l’IA delle persone a reti open source e glocali. Il termine glocal indica una connessione tra nodo locale e rete globale: ogni territorio mantiene responsabilità sulla propria infrastruttura e può scambiare soluzioni con omologhi in altre aree del mondo.

Il software aperto conta perché rende ispezionabili parti della filiera e riduce il blocco tecnologico. Il valore cresce quando standard comuni permettono a cooperative, enti locali, università, imprese e comunità energetiche di parlare lo stesso linguaggio tecnico. Questa è la differenza tra uso occasionale dell’IA e costruzione di capacità collettiva.

Il collo di bottiglia: potenza di calcolo e accesso

La concentrazione dell’IA passa da un punto materiale: potenza di calcolo. Modelli più grandi richiedono infrastrutture costose, energia stabile, competenze specialistiche e accordi di fornitura difficili da replicare su scala locale. Chi controlla questi elementi può influenzare prezzo, priorità di sviluppo e condizioni di accesso.

L’IA delle persone affronta questo limite con una strategia diversa. Non promette di sostituire ogni grande modello centrale. Cerca invece di spostare sul territorio le funzioni che possono essere eseguite vicino al dato e di lasciare al cloud soltanto ciò che richiede scala superiore. È una distinzione decisiva per sanità, energia, mobilità e servizi pubblici digitali.

Cloud, edge e fog: i confini pratici

Cloud significa capacità remota concentrata in data center. Edge indica elaborazione vicino al dispositivo o al punto d’uso. Fog si colloca tra questi livelli e organizza nodi distribuiti capaci di calcolare, conservare dati e coordinare servizi con una logica federata.

La differenza pesa nei contratti. Un Comune che usa sensori ambientali può scegliere di inviare ogni dato al cloud oppure trattare localmente ciò che serve per decisioni immediate. Un ospedale può tenere alcune funzioni vicino ai reparti e usare il cloud per analisi meno sensibili. Questa scelta architetturale determina privacy, tempi di risposta, resilienza e possibilità di controllo.

Le bioregioni: territorio come unità di governo digitale

Nel lessico di Rifkin, la bioregione è l’unità in cui economia, infrastrutture, ecosistemi e comunità vengono letti insieme. Applicare questo concetto all’IA significa progettare reti digitali a partire da bisogni concreti: energia, acqua, mobilità, salute, formazione e produzione locale.

Il vantaggio è la verificabilità del risultato. Un algoritmo che ottimizza consumi energetici in una comunità può essere controllato da soggetti riconoscibili. Un modello usato da un ente territoriale può essere sottoposto a regole di trasparenza più vicine al cittadino. L’IA delle persone diventa credibile quando la distanza tra decisione automatizzata e responsabilità pubblica si accorcia.

Perché cooperative e Pmi sono il banco di prova

Rifkin attribuisce un ruolo a cooperative e piccole e medie imprese perché sono soggetti abituati a lavorare dentro filiere territoriali. La loro forza potenziale sta nella prossimità: conoscono clienti, processi produttivi, vincoli locali e competenze disponibili.

Il banco di prova riguarda la scala. Una Pmi isolata difficilmente può competere con un gigante globale dell’IA. Una rete di Pmi, università, amministrazioni e cooperative può invece condividere strumenti, dataset autorizzati, standard, formazione e audit. La People’s AI richiede quindi consorzi tecnici stabili e capacità di manutenzione.

Energia, acqua e servizi locali: dove la tesi diventa misurabile

Le applicazioni più adatte a una IA distribuita sono quelle in cui il dato nasce sul territorio e produce effetti immediati sul territorio. Comunità energetiche, gestione idrica, manutenzione urbana, trasporto locale e agricoltura di precisione hanno questa caratteristica. Il modello può imparare da sensori e storici operativi senza trasformare ogni decisione in dipendenza da una piattaforma lontana.

La misurabilità è essenziale. Un sistema utile deve mostrare minori interruzioni, migliore manutenzione, riduzione degli sprechi, tempi di risposta più rapidi o qualità più alta del servizio. L’IA delle persone perde forza quando resta discorso valoriale; la acquista quando produce indicatori pubblici leggibili dai cittadini.

La Generazione Z come categoria culturale

Nel testo di Rifkin la Generazione Z agisce come categoria culturale: giovani adulti entrati nel lavoro durante crisi climatica, piattaforme onnipresenti e instabilità economica. La sua funzione nel ragionamento riguarda il modo in cui giudica la tecnologia.

Se l’esistenza viene percepita come relazione, l’IA viene valutata dal potere che distribuisce e dalle dipendenze che produce. Questa lettura spiega perché Rifkin collega giovani lavoratori, governance, società civile e mondo accademico. La questione diventa formazione: chi impara a usare modelli generativi deve conoscere anche filiera dei dati, condizioni di licenza e responsabilità sulle decisioni.

Scuola e università diventano infrastrutture democratiche

La Generazione Z può incidere solo se formazione tecnica e alfabetizzazione critica procedono insieme. Saper usare un assistente generativo vale poco senza capire provenienza dei dati, rischio di errore, diritti d’autore, licenze, bias e limiti della probabilità statistica.

Università, scuole tecniche e centri di formazione territoriale diventano allora infrastrutture democratiche. Possono creare competenze locali su valutazione dei modelli, sicurezza dei dati, progettazione di workflow, manutenzione degli strumenti e scrittura di capitolati. Questa capacità riduce il divario tra chi compra tecnologia e chi la vende.

Il libro in uscita e la cornice lunga del ragionamento

Il contributo anticipa la cornice del volume Rescuing the Future: Reimagining Artificial Intelligence in a World on the Edge, annunciato per settembre 2026 con 222 pagine e ISBN 9781509564422. Il titolo chiarisce il baricentro: Rifkin legge l’IA come tecnologia di soglia in un mondo esposto a crisi ecologiche, concentrazione economica e fragilità istituzionale.

Il punto da trattenere è il passaggio da progresso a resilienza. Nella sua grammatica, progresso indica l’accumulo di potenza tecnica; resilienza indica la capacità di adattare infrastrutture e comunità senza rompere legami vitali. Questa distinzione aiuta a capire perché la People’s AI viene descritta come alternativa organizzativa, oltre che tecnica.

Il calendario europeo rende la questione immediata

Il ragionamento di Rifkin cade in una fase regolatoria già avanzata. L’AI Act europeo è entrato in vigore il 1 agosto 2024. Dal 2 febbraio 2025 si applicano divieti su pratiche considerate inaccettabili e obblighi di alfabetizzazione all’IA. Dal 2 agosto 2025 sono applicabili le regole sui modelli di uso generale e sulla governance.

La piena applicazione generale è fissata al 2 agosto 2026, con eccezioni e periodi transitori per alcune categorie. Per aziende e amministrazioni questo significa che l’analisi di Rifkin arriva quando la scelta dell’architettura diventa anche scelta di conformità: documentazione, trasparenza, gestione del rischio, presidio umano e tracciabilità degli esiti entrano nei contratti.

Spiegabilità e ricorso: il punto giuridico

Una decisione automatizzata diventa socialmente accettabile quando la persona può capire il criterio essenziale e ottenere una revisione umana. Questo principio vale in credito, lavoro, istruzione, sanità e servizi pubblici. La tecnica da sola non basta se chi subisce l’effetto resta senza interlocutore.

Qui l’IA distribuita incontra il diritto. Più la filiera è vicina e documentata, più diventa possibile attribuire responsabilità. Più il sistema è chiuso e remoto, più il ricorso rischia di trasformarsi in una procedura formale priva di reale capacità correttiva.

Il raccordo con Magnifica Humanitas

Magnifica Humanitas chiede di giudicare l’IA a partire dalla persona, dalla responsabilità pubblica e dalla pace. Rifkin aggiunge la dimensione economica: per disarmare davvero l’IA serve guardare alla concentrazione dei dati, alla proprietà del calcolo, alle licenze, agli standard e alle condizioni di accesso.

Il raccordo funziona perché entrambi i piani toccano lo stesso nodo. Una tecnologia può dichiarare finalità umane e restare dipendente da un’infrastruttura che sottrae controllo. La custodia della persona richiede allora un controllo verificabile sulla catena tecnica che produce decisioni, raccomandazioni, classificazioni e contenuti sintetici.

Per le imprese la domanda centrale riguarda la dipendenza dal fornitore. Un progetto IA va valutato per posizione dei dati, auditabilità, continuità operativa, costi di uscita e responsabilità sugli output. Il prezzo del modello conta meno quando l’architettura crea vincoli difficili da sciogliere.

Per le pubbliche amministrazioni la People’s AI diventa criterio di procurement. Un bando dovrebbe chiedere spiegabilità adeguata all’uso, portabilità dei dati, supervisione umana nei passaggi sensibili e procedure di ricorso accessibili. La tecnologia distribuita ha valore solo se rende la decisione contestabile dal cittadino.

Per i media il punto riguarda l’origine dell’informazione. Usare IA generativa senza presidio editoriale espone a errori, contenuti sintetici opachi e perdita di fiducia. Una redazione che integra strumenti artificiali deve conservare attribuzione umana, verifica documentale e responsabilità finale sul testo pubblicato.

Il limite da fissare: distribuito richiede responsabilità

La decentralizzazione può diventare una parola comoda quando viene separata da regole verificabili. Una rete locale senza audit può riprodurre esclusioni, opacità e asimmetrie informative. Un progetto open source senza manutenzione stabile può fallire proprio nel momento in cui deve garantire affidabilità.

La nostra deduzione è prudente: l’alternativa a Big Tech regge quando unisce apertura tecnica e responsabilità pubblica. La scala locale offre un vantaggio solo se rende più chiaro chi decide, chi risponde, chi corregge e chi può opporsi a un esito automatizzato.