«L’intelligenza artificiale generativa è stata adottata da quasi il 53% della popolazione globale in tre anni. Le principali aziende che sviluppano AI stanno raggiungendo una scala di ricavi significativa in una frazione del tempo impiegato dalle precedenti generazioni tecnologiche. E l’investimento aziendale globale in intelligenza artificiale è più che raddoppiato nel corso del I dati non puntano in un’unica direzione, rivelano un campo che sta scalando più velocemente di quanto i sistemi intorno ad esso riescano ad adattarsi».
La sintesi di Yolanda Gil e Raymond Perrault, co-chair dello Stanford AI Index Report 2026, è la fotografia di una tecnologia che tra velocità di sviluppo, tasso di adozione e investimenti globali sta continuando a macinare record in serie. Nonostante alcuni paradossi e limiti di varia natura (tecnici, finanziari, ambientali e di sicurezza), il maxi tagliando dello studio elaborato dallo Stanford Institute for Human-Centered Artificial Intelligence certifica anche quest’anno un’avanzata inarrestabile, che non ammette grandi stop and go o pause di riflessione. La sfida posta dall’intelligenza artificiale generativa, spiegano gli analisti, non è la progressione tecnologica ma la capacità dei sistemi che la adottano o su cui impatta di adattarsi alla progressione stessa. Siamo infatti di fronte a una tecnologia che è diventata di
massa più velocemente del personal computer e di Internet.
Il rapporto smentisce innanzitutto qualsiasi ipotesi di una fase di stallo. Al contrario, le capacità dell’intelligenza artificiale stanno accelerando e raggiungendo più persone che mai. Nel corso del 2025 l’industria dell’AI ha prodotto oltre il 90% dei modelli di frontiera tecnicamente degni di nota e la maggior parte di questi sistemi riesce ormai a soddisfare o superare i parametri di riferimento umani sulle domande scientifiche di un dottorato, il ragionamento multimodale e la matematica competitiva. Sul coding invece non sembra esserci più partita: secondo le rilevazioni basata sul software engineering benchmark, che misura le capacità dei modelli di intelligenza artificiale di risolvere problemi legati alla programmazione e all’ingegneria del software, le prestazioni sono aumentate dal 60% al 100%
nell’ultimo anno.
Gli stessi analisti dell’istituto invitano tuttavia a non fidarsi ciecamente e solamente dei benchmark di prestazione tecnica, o quantomeno a inquadrarli all’interno di un contesto più ampio. La crescita esponenziale dei modelli e delle loro capacità nasconde infatti quella che i ricercatori definiscono come “frontiera frastagliata dell’AI”. È il paradosso di modelli che possono vincere una medaglia d’oro alle Olimpiadi Internazionali della Matematica, ma al tempo stesso non riescono a leggere l’ora in modo affidabile. «Se guardiamo la frontiera tecnica i modelli leader sono ormai quasi indistinguibili tra loro. Ma mentre i modelli convergono, gli strumenti usati per valutarli faticano a mantenere una rilevanza. I benchmark sono saturi, i laboratori di frontiera divulgano meno informazioni e i test indipendenti non
sempre confermano quanto riportato dagli sviluppatori», sottolineano Gil e Perrault.
Questa difficoltà di valutazione si riflette in particolare nell’ambito della cosiddetta “AI responsabile”, ossia l’intelligenza artificiale costruita per non causare danni, e in particolare sulla sicurezza. Mentre le capacità tecniche volano, la rendicontazione sulla sicurezza rimane frammentata e opaca. Il risultato è un aumento degli incidenti documentati, saliti a quota 362 nel 2025 (erano stati 233 nel 2024). Tra questi rientrano ad esempio risposte discriminatorie,
non etiche o allucinazioni su dati legali e sanitari. Qui si segnala un problema di equilibrio tra le varie leve, perché aumentare la sicurezza può diminuire l’accuratezza. Legato a doppia mandata alla sicurezza e alla responsabilità è anche il tema della sovranità dell’intelligenza artificiale, che sta diventando una caratteristica distintiva della politica
nazionale. Sebbene la produzione di modelli rimanga concentrata negli Stati Uniti e in Cina, in tutto il mondo stanno emergendo strategie nazionali di governo, analisi e investimento, specialmente nelle economie in via di sviluppo. Gli investimenti statali nel supercalcolo per l’intelligenza artificiale sono in aumento, a testimonianza delle crescenti ambizioni di controllo nazionale sugli ecosistemi tecnologici. Senza dimenticare lo sviluppo open source che sta lievemente ridistribuendo i pesi globali, abilitando modelli e benchmark linguisticamente più diversificati.
In questa cornice rientrano le varie iniziative legislative che si sono succedute nel corso del 2025, con diversi governi nazionali e sovranazionali che si sono mossi in direzioni diverse. Se all’approccio regolamentare dell’AI Act ha fatto da contraltare la deregulation degli Stati Uniti, alcuni Paesi come il Giappone, la Corea del Sud e la stessa Italia hanno approvato leggi nazionali sull’AI. Oltre la metà delle strategie nazionali adottate di recente si registra nei paesi
in via di sviluppo, che di fatto entrano nel panorama della politica dell’innovazione per la prima volta. «La sovranità dell’AI – spiegano i co-chair dello Stanford AI Index Report 2026 – è emersa come principio organizzatore centrale in ognuna di queste iniziative».
