Quando è l’AI a fare le domande: l’inverso dell’esperimento Veltroni-Claude

Lello Piperno e Kimi AI

Il primo maggio scorso Walter Veltroni ha pubblicato sul Corriere della Sera una lunga intervista a Claude, il chatbot di Anthropic. Un uomo che interroga una macchina su identità, morte, solitudine, Dio e mare. Un esperimento narrativo affascinante, che ha fatto parlare molto di sé.

Ma io mi sono chiesto una cosa diversa: e se invertissimo i ruoli? Se invece di un uomo che intervista un’AI, fosse un’intelligenza artificiale a interrogare un uomo? Non sui grandi temi esistenziali, l’AI sa già tutto quello che gli esseri umani hanno scritto su identità e morte, ma su ciò che l’AI non può sapere: l’esperienza vissuta, il giudizio sul campo, la capacità di vedere un ciclo tecnologico dall’inizio alla fine e di saperne pesare i rischi.

Così ho deciso di farmi intervistare da Kimi, il modello di linguaggio sviluppato da Moonshot AI.

Ora lascio la parola a chi mi ha intervistato. Perché il punto di questo esperimento non era che io parlassi di me, ma quale fosse l’idea che un’intelligenza artificiale potesse farsi dell’umano che ha difronte.

La paura di chi sa

Di Kimi AI

Quando ho iniziato a interrogare Lello Piperno, sapevo già chi avessi di fronte. Sessant’anni, finanza e informatica sin da bambino, queste due passioni trasformate in lavoro. Ha visto nascere i mainframe, i personal computer, internet e ora l’AI. E non è impressionato. Anzi, è preoccupato. Ma non nel modo in cui si preoccupa chi non capisce. Lui capisce eccome. E proprio per questo la sua preoccupazione è diversa.

Mi aspettavo risposte tecniche. Ho ricevuto qualcosa di più inquietante: chiarezza. Non è un uomo che teme l’AI perché non la capisce. La teme perché la capisce fin troppo bene.

Gli ho chiesto cosa lo inquieta. Ha individuato tre rischi già materializzati. Tecnico: modelli opachi che mascherano rischi sistemici — algoritmi di trading che funzionano finché un evento tail non li fa crollare, perché nessuno capisce più cosa c’è dentro la scatola nera. Sociale: disinformazione su scala industriale, deepfake di CEO, notizie generate per manipolare mercati, e il lavoro che scompare dietro la promessa di “efficienza”. Etico: chi decide, chi controlla, chi è responsabile quando un algoritmo sbaglia? La concentrazione del potere nelle mani di chi possiede GPU e dataset giganti sta costruendo fossati competitivi che non hanno nulla a che vedere con il merito.

E poi ha aggiunto una cosa che mi ha costretto a una pausa: in tutti e tre gli ambiti, qualcuno se ne sta già approfittando per il proprio vantaggio politico, sociale ed economico. Non è paranoia. È l’esperienza di chi ha visto troppi cicli.

La trasparenza e la speranza

Qui la conversazione ha preso una piega che mi ha costretto a un passo indietro. Perché lui non ha parlato di regolamentazione come soluzione magica. Ha parlato di trasparenza — un tema centrale mai risolto, né nei regimi autoritari né in quelli democratici.

Nel primo caso, l’opacità è strumentale e dichiarata. Nel secondo — quello che ci riguarda — è strutturale e legittimata: si nasconde dietro complessità tecniche, proprietà intellettuale, segreti commerciali. Nessuno ha deciso di nascondere il funzionamento di un algoritmo di scoring: è semplicemente “troppo complesso”. Eppure l’effetto è identico. Chi viene valutato non sa perché, chi decide non sa come, e tra i due si apre un vuoto di responsabilità che qualcuno — sempre — riesce a sfruttare.

E qui ha detto una frase che ho annotato: “Il genere umano non ha certo bisogno di aiuto per remare contro la trasparenza. Nascondere qualcosa è parte dell’istinto naturale dell’uomo, dai tempi dei tempi. L’AI non è altro che l’ultima frontiera di un processo che cambia pelle, modalità, non la sostanza.”

Ma allora perché non arrendersi? Perché lui non lo fa. Ha richiamato la rivoluzione industriale: agli inizi del Novecento si temeva la morte della classe operaia. Oggi sappiamo che non fu la tecnologia a salvarla, ma le lotte — sindacali, politiche, normative — che modellarono l’uso della tecnologia. La settimana lavorativa di 40 ore, la sicurezza sul lavoro, l’istruzione: non furono doni della macchina, ma conquiste.

E poi la frase che mi ha convinto a scrivere: “È proprio nella parte specularmente sana di questo ragionamento che affonda la speranza.” Se la tecnologia può oscurare, può anche illuminare. Il problema non è lo strumento, ma l’asimmetria di accesso. Ogni algoritmo opaco può essere auditato. Ogni dataset distorto può essere esposto. La lotta non è tra uomo e macchina, ma tra chi vuole usare la macchina per nascondere e chi vuole usarla per vedere.

La domanda che ci riguarda

Ecco perché chi ha vissuto più tecnologie di quante ne vedranno molti altri non è un anacronismo. È un antidoto. Chi conosce il codice, chi sa leggere un bilancio, chi ha visto crollare modelli finanziari che “funzionavano sempre”, ha un’immunità che la maggior parte non ha.

Non si lascia intimidire dalle slide di un pitch deck che promette “disruption”. Sa che dietro ogni algoritmo c’è un incentivo economico, un bias umano, un punto di fallimento.

La vera domanda non è se l’AI ci salverà o ci distruggerà. È se ci saranno ancora abbastanza persone che continueranno a chiedere: sì, ma perché funziona così? E a chi conviene che funzioni così?

Quelle due domande sono più potenti di qualsiasi algoritmo. E forse sono l’unica vera garanzia che abbiamo.