AI: l’economia della delega cognitiva

La delega cognitiva all’AI non è soltanto un comportamento individuale ma il perno di un nuovo paradigma industriale.

Nel contributo precedente abbiamo analizzato l’effetto persuasivo dell’intelligenza artificiale come fenomeno cognitivo e culturale spinto dalla capacità dei sistemi algoritmici di orientare percezioni, preferenze e comportamenti in modo sempre più personalizzato e invisibile. Oggi cercheremo di capire qualcosa di più sulla architettura economica sottesa all’intelligenza artificiale. Perché nessuna trasformazione di questa portata si consolida senza un modello di incentivi che la renda conveniente, scalabile e strutturale. La delega cognitiva all’AI non è soltanto un comportamento individuale ma il perno di un nuovo paradigma industriale. I numeri aiutano a capire la portata del fenomeno.

Nel febbraio 2026, Anthropic ha comunicato di aver raggiunto quattordici miliardi di dollari di ricavi annualizzati partendo da ottantasette milioni appena due anni prima. OpenAI supera i venti miliardi. Secondo Menlo Ventures, la spesa enterprise in intelligenza artificiale ha raggiunto trentasette miliardi di dollari nel 2025, con una crescita di oltre tre volte rispetto all’anno precedente.

E circa il cinquanta per cento di tutto il capitale di rischio globale è confluito in questo comparto. Non sono solo numeri di un’industria in crescita. Sono la fotografia di una concentrazione che si sta consolidando con una velocità che le categorie regolative disponibili faticano a seguire. Facciamo un breve passo indietro. L’intelligenza artificiale contemporanea non si limita a fornire strumenti operativi. Organizza flussi informativi, struttura opzioni decisionali, sintetizza alternative, suggerisce priorità. In questo processo riduce il costo cognitivo connesso alla elaborazione dell’idea e alla sua messa in esecuzione tramite l’azione. Ed è precisamente questa riduzione dello sforzo mentale a costituire la sua principale leva di valore economico e insieme, la sua principale fonte di potere strutturale.

Ogni atto di delega nasce da una convenienza. Utilizzare sistemi di AI per scrivere, analizzare dati, pianificare strategie o valutare scenari significa comprimere tempi, standardizzare output, ridurre incertezza. Per imprese e professionisti questo si traduce in produttività; per le organizzazioni, in ottimizzazione dei processi; per i singoli, in semplificazione di compiti quotidiani. Il punto critico di questo scenario non è la corsa all’efficienza in sé. È piuttosto il fatto che, su larga scala, essa incentiva la sostituzione progressiva di funzioni cognitive autonome con soluzioni preconfigurate. Più il sistema è performante, più diventa razionale delegare. La delega cioè non appare come rinuncia, ma come scelta ottimale. In questo senso, l’AI non impone dipendenza però la rende economicamente logica.

La ricerca accademica ha iniziato a documentare con precisione le dinamiche di questo processo. Uno studio pubblicato su Information Systems Research ha analizzato come gli esseri umani deleghino decisioni ai sistemi di AI in contesti strutturati. Il risultato è controintuitivo: la performance congiunta migliora solo quando è l’AI a delegare compiti agli esseri umani, non il contrario. Il problema non è la diffidenza individuale verso gli algoritmi – i soggetti mostravano apprezzamento per il supporto algoritmico – ma la mancanza di metaconoscenza che si traduce nell’incapacità di valutare correttamente le proprie capacità rispetto a quelle del sistema.

Delegare bene presuppone un processo valutativo complesso che include anche sapere quando non delegare. E questa competenza è esattamente quella che la pressione all’efficienza veicolata dall’algoritmo tende a erodere. Un secondo studio, pubblicato su Mis Quarterly nel 2025 e condotto su 875 manager in un arco temporale longitudinale, ha documentato una polarizzazione crescente: chi riconosce le capacità dell’AI tende ad aumentare progressivamente la delega, sviluppando una collaborazione sempre più stretta con il sistema; chi rimane scettico tende invece a ridurne il coinvolgimento.

La polarizzazione non è problematica in sé. Lo diventa quando il contesto organizzativo e di mercato incentiva sistematicamente la prima posizione senza creare le condizioni perché la delega sia esercitata con discernimento.

Ogni atto di delega cognitiva produce dati. Non solo dati espliciti, ma tracce comportamentali: preferenze, formulazioni linguistiche, criteri decisionali, stili argomentativi. Queste informazioni alimentano i modelli, ne migliorano la capacità predittiva e rafforzano la personalizzazione.

Si crea così un circuito cumulativo in base al quale più si delega, più il sistema apprende; più apprende, più diventa efficace; più è efficace, più incentiva la delega. Non si tratta soltanto di un ciclo tecnologico. È un processo di accumulazione di capitale informativo concentrato nelle mani di pochi operatori infrastrutturali. La crescita di Anthropic da ottantasette milioni a quattordici miliardi in ventiquattro mesi non è il frutto di una superiorità tecnica che si afferma in un mercato competitivo tradizionale. È il risultato di questo circuito: la delega genera dati, i dati migliorano il modello, il modello attrae nuova delega.

Chi si affida sistematicamente contribuisce, spesso inconsapevolmente, all’accumulazione del capitale cognitivo dell’operatore infrastrutturale che riceve la delega. Essa è quindi anche, anzi soprattutto, un meccanismo di estrazione di valore. Storicamente, il potere economico si è consolidato attorno al controllo delle infrastrutture: reti energetiche, trasporti, telecomunicazioni. Ogni volta che una nuova infrastruttura è emersa, il diritto ha faticato a trovare le categorie adeguate per governarla e nel ritardo si sono consolidate posizioni dominanti difficili da correggere ex post.

Oggi emerge una nuova forma, meno visibile ma altrettanto strategica che possiamo definire infrastruttura cognitiva. Chi controlla modelli generativi, sistemi di raccomandazione e interfacce conversazionali non si limita a offrire un servizio. Intermedia l’accesso alla conoscenza, filtra le opzioni disponibili, organizza la rilevanza delle informazioni. In altri termini, struttura il campo decisionale. Quando questa intermediazione diventa dominante, si produce una concentrazione di potere che non è soltanto economica, ma epistemica: non riguarda solo quote di mercato, ma la configurazione stessa di ciò che appare plausibile, pertinente o prioritario.

Il diritto della concorrenza tradizionale misura la posizione dominante in termini di quota di mercato, di barriere all’ingresso, di comportamenti escludenti. Ma il potere epistemico sfugge a queste categorie perché non si manifesta attraverso pratiche anticoncorrenziali nel senso classico, bensì attraverso il controllo delle premesse stesse del ragionamento, di ciò che appare ovvio, rilevante, degno di considerazione. È una forma di potere che il diritto antitrust, nella sua configurazione attuale, non è ancora attrezzato a misurare né a limitare. Il Digital Markets Act europeo ha classificato alcune piattaforme come gatekeeper, imponendo obblighi di interoperabilità e accesso ai dati. È un primo riconoscimento che il controllo dell’infrastruttura digitale richiede strumenti regolativi nuovi. Ma i modelli linguistici di grandi dimensioni non rientrano ancora in questa classificazione.

Ciò che servirebbe – e che il dibattito giuridico fatica ancora a formulare con precisione – è una categoria nuova: quella della posizione dominante epistemica. Una fattispecie capace di misurare non la quota di mercato in senso economico, ma la capacità strutturale di un operatore di orientare la formazione delle credenze e dei giudizi collettivi. Una fattispecie che imponga obblighi di pluralismo cognitivo, così come il diritto delle comunicazioni ha imposto obblighi di pluralismo editoriale. Il cantiere è aperto. E ogni anno che passa senza intervenire consolida una concentrazione sempre più difficile da correggere.

Affrontare questa trasformazione non significa contrapporre innovazione e controllo. L’AI rappresenta una leva straordinaria di crescita e di efficienza e i dati lo confermano: secondo le stime di JPMorgan, la spesa in infrastrutture legate all’AI ha contribuito per l’1,1% alla crescita del Pil americano nella prima metà del 2025. Il nodo centrale non è limitare l’uso dell’intelligenza artificiale, bensì interrogarsi sulle condizioni economiche che rendono strutturale la delega cognitiva: modelli di business fondati sulla massimizzazione dell’engagement, logiche di piattaforma che premiano la chiusura ecosistemica, incentivi che favoriscono l’integrazione verticale tra sviluppo del modello e controllo dell’interfaccia. Una governance matura dovrebbe perseguire almeno tre obiettivi.

Il primo è la trasparenza sui criteri di funzionamento dei sistemi: non la divulgazione tecnica dei parametri interni, ma la comprensibilità delle logiche di ottimizzazione che orientano gli output. Il secondo è il pluralismo infrastrutturale e l’interoperabilità: evitare che la concentrazione in pochi operatori produca lock-in cognitivi difficilmente reversibili. Il terzo è il rafforzamento delle competenze critiche di chi utilizza questi strumenti in contesti decisionali strategici: la delega consapevole -quella che sa quando non delegare – è una competenza che non si forma da sola. Se l’intelligenza artificiale diventa l’infrastruttura attraverso cui individui e organizzazioni interpretano informazioni, formulano strategie e prendono decisioni, allora la sua governance non è una questione settoriale.

È una questione strutturale per il funzionamento delle economie avanzate e delle democrazie contemporanee. L’efficienza è un vantaggio competitivo. Ma quando si applica alle funzioni cognitive fondamentali, al modo in cui pensiamo, decidiamo, immaginiamo il possibile, diventa anche un fattore di ridefinizione del potere. Non si tratta di frenare l’AI, ma di evitare che l’efficienza si traduca in concentrazione incontrollata di capitale cognitivo.

La governance dell’intelligenza artificiale non è un limite al mercato digitale, è la condizione della sua legittimità. Fin qui abbiamo ragionato su sistemi che restano, per quanto potenti e pervasivi, costruzioni artificiali: circuiti, parametri, dati. Ma la frontiera si sta spostando in una direzione che nessuna delle categorie finora usate riesce a contenere.

Nel prossimo contributo discuteremo di organoid intelligence, tra sistemi computazionali e biologia. Cellule cerebrali coltivate in laboratorio che sostituiscono il silicio dei transistor e che danno vita non solo a macchine più intelligenti, ma a qualcosa di qualitativamente e ontologicamente diverso. Un confine che il diritto, l’etica e il pensiero filosofico non hanno ancora imparato a riconoscere e che pure si sta avvicinando con una velocità inarrestabile.