Tech News, powered by Quinck — questa volta non ci limitiamo a scriverle: le abbiamo discusse davanti a una telecamera. Il video è sul nostro canale, e lo trovi qui sotto.
▶ Guarda la puntata su YouTube
Una premessa sul perché arriviamo dopo. Nessuna di queste tre notizie è di ieri: sono passate settimane, in un caso mesi. Non è un ritardo, è il formato. Commentare una notizia il giorno in cui esce significa commentare il comunicato stampa; aspettare che si muova qualcosa significa avere qualcosa da dire. Sul primo di questi tre fatti, per esempio, nelle settimane successive è emersa una disputa di priorità che al giorno zero non esisteva, e che cambia il modo in cui va letto.
Le tre notizie sembrano lontane fra loro: una dimostrazione matematica, un ricercatore che si dimette, un Land tedesco che cambia posta elettronica. In realtà pongono la stessa domanda. Il risultato arriva prima della nostra capacità di verificarlo, e ogni volta la risposta sta nell'ordine con cui si fanno le cose.
Le 3 notizie in 30 secondi
- OpenAI sostiene che un suo sistema AI abbia risolto un Millennium Prize Problem: in specifiche condizioni, le equazioni di Navier-Stokes sviluppano certamente una singolarità. Alla dichiarazione è allegata una dimostrazione formale in Lean di centinaia di migliaia di righe. Restano una revisione scientifica da fare e una disputa di priorità aperta.
- Un ricercatore di Anthropic si è dimesso denunciando l'assenza di un piano di controllo, e quattro giorni dopo il CEO della sua azienda ha scritto che serve rallentare. Altman, Musk e Hassabis si sono detti d'accordo. C'è chi ci legge una richiesta di regole scritte da chi le deve subire.
- Lo Schleswig-Holstein ha spostato 44.000 caselle di posta fuori da Exchange e ha reso LibreOffice lo standard sull'80% delle postazioni, dichiarando oltre 15 milioni l'anno di licenze risparmiate. Nel frattempo i ministeri federali tedeschi ne hanno spesi 629 in un anno.
1. Navier-Stokes: la dimostrazione c'è, la revisione no
Le equazioni di Navier-Stokes, formulate nella prima metà dell'Ottocento, descrivono l'evoluzione dei fluidi viscosi. Che funzionino è fuori discussione: da oltre un secolo l'ingegneria le usa con successo, approssimandone le soluzioni con metodi numerici o semplificazioni. Quello che non sappiamo è una cosa diversa e più profonda: le soluzioni restano sempre regolari, oppure possono generare singolarità? La domanda è abbastanza importante da essere uno dei sette Millennium Prize Problems.
OpenAI sostiene che un proprio sistema AI abbia chiuso la questione: esistono condizioni specifiche in cui quelle equazioni sviluppano certamente una singolarità.
Un risultato del genere incontrerebbe scetticismo comunque, e a maggior ragione annunciato così. Anche per questo, insieme alla dichiarazione, OpenAI ha allegato una dimostrazione scritta in Lean, il linguaggio formale che permette di verificare automaticamente una prova matematica: centinaia di migliaia di righe. Non è la certezza assoluta, per quella serve la revisione della comunità scientifica, ma è un indicatore molto diverso da un annuncio e basta.
La disputa di priorità
Qui arriva la parte che al giorno zero non c'era, e che è la ragione per cui questo formato aspetta.
Nessuno rivendica il risultato come proprio, ma due ricercatori, Tristan Buckmaster della New York University e Levent Alpoge di Anthropic, sostengono che l'iniziativa di OpenAI sia nata da voci sui loro risultati non ancora pubblicati. E si spingono oltre: il modello usato dagli agenti che hanno risolto il problema potrebbe aver ricevuto in addestramento proprio quei risultati parziali, prodotti in una collaborazione strettamente personale, attraverso le conversazioni che i due avevano avuto con ChatGPT.
OpenAI ha ammesso di aver allocato risorse computazionali importanti al problema solo dopo alcune voci secondo cui Anthropic avrebbe risolto uno o più problemi dello stesso gruppo. Nega però che i dati di addestramento del modello risolutore contenessero i risultati parziali citati dai due ricercatori.
L'obiezione di Terence Tao, che è la più scomoda
Lasciamo da parte chi è arrivato primo. Terence Tao, considerato da molti il più grande matematico vivente, solleva un'obiezione di natura diversa, e secondo noi più interessante.
La risoluzione umana di un problema difficile, dice, non produce solo la soluzione: produce intuizioni e strumenti nuovi che allargano il sapere. Il problema non è fine a sé stesso, interagisce con il processo che porta a risolverlo, e lungo la strada genera domande che fanno avanzare la scienza. L'AI, riducendo drasticamente il tempo necessario ad arrivare alla risposta, mette in discussione proprio quel processo.
Perché in matematica la risposta è meno cupa
È vero che i sistemi di incentivi dentro cui questi processi vivono potrebbero reagire male, almeno all'inizio. Ma c'è una differenza che vale la pena notare: in matematica l'AI non restituisce una scatola nera, restituisce una dimostrazione.
Una dimostrazione si può leggere, smontare, capire fino in fondo, anche facendosi aiutare dall'AI stessa, che nel processare rapidamente grandi quantità di testo formale è naturalmente attrezzata. La scelta resta a noi, ed è la stessa di quando a scuola non sapevi risolvere un'equazione: copiare il risultato, oppure farti spiegare come ci si arriva.
Nel primo caso ottieni il cosa: immediato, applicabile, e senza nessuna domanda nuova. Nel secondo ottieni anche il come e il perché, che sono le due cose da cui nasce il problema successivo. In entrambi i casi il processo diventa molto più efficiente. Solo che uno dei due lascia qualcosa dietro di sé.
Non accontentarsi della soluzione, ma studiarla finché non restituisce quello che avrebbe restituito risolverla a mano. In ricerca è l'unico atteggiamento che paga sul lungo periodo.
2. Rallentare la frontiera: chi lo chiede, e perché fa discutere
L'8 settembre Jacob Coxon, ricercatore AI in Anthropic, si è dimesso. Su X ha scritto che i grandi laboratori stanno costruendo sistemi destinati a superare rapidamente le capacità umane, senza un piano ragionevole per controllarli.
Il rischio di cui parla non è quello di danni rimediabili: è quello di eventi catastrofici per la specie. Detta così suona come la posizione di un catastrofista, e a chi non ha seguito gli sviluppi dell'AI di frontiera può sembrare addirittura assurda. Non è però una posizione isolata: senza essere maggioritaria, è condivisa da molti ricercatori che lavorano proprio lì.
Poi hanno parlato quelli che i sistemi li costruiscono
Quattro giorni dopo, Dario Amodei, CEO di Anthropic, ha pubblicato sul proprio blog un articolo in cui riconosce la necessità di un rallentamento nello sviluppo dell'AI: un rallentamento che dia alle aziende del settore il tempo di potenziare gli strumenti di controllo e sicurezza dei modelli che rilasciano. Sam Altman, Elon Musk e Demis Hassabis hanno dichiarato pubblicamente di essere d'accordo, con differenze sui dettagli operativi.
Quattro nomi che raramente concordano su qualcosa, allineati sulla stessa richiesta. È un fatto che merita attenzione a prescindere da come lo si interpreta.
L'accusa: regulatory capture
Quando chi produce chiede di essere regolamentato, il sospetto scatta da solo. Da più parti la mossa è stata letta come un tentativo di regulatory capture: la situazione in cui un'istituzione regolatrice finisce per agire nell'interesse dell'industria che dovrebbe regolare, invece che nell'interesse pubblico.
Vale la pena essere precisi su cosa sarebbe il problema, perché la versione grossolana, "si scrivono le regole da soli", è anche quella meno interessante. Il rischio vero non è che le grandi aziende si facciano regole comode: è che si facciano regole costose da rispettare, e che quel costo sia sostenibile solo per chi è già grande. Il risultato non sarebbe un mercato più sicuro, sarebbe un oligopolio protetto, a danno dei concorrenti che dovrebbero nascere nei prossimi anni e che non esistono ancora per difendersi.
La critica italiana, e perché la troviamo miope
Nel dibattito italiano l'obiezione più ricorrente è un'altra: è tutta una bolla, queste aziende falliranno, i debiti non sono sanabili e i profitti mancano o sono risibili.
Sul piano finanziario può succedere, e nessuno può escluderlo: Eugene Fama, premio Nobel per l'economia, ha sostenuto più volte che una bolla si riconosce solo dopo che è scoppiata. Ma è un'obiezione che risponde a una domanda diversa da quella posta.
Togliamo i soldi dall'equazione. Da quando ChatGPT è uscito, a fine 2022, i detrattori degli LLM hanno negato ripetutamente le capacità crescenti di questi sistemi, per essere smentiti nel giro di pochi mesi, al massimo un anno, mentre quei sistemi guadagnavano terreno su compiti cognitivi che erano dominio esclusivo degli esseri umani. L'ultimo episodio di questa serie è la prima notizia di questa puntata. Non sarà l'ultimo.
Che le aziende che li costruiscono reggano o falliscano è una domanda legittima, ma separata. Un'azienda può fallire e la capacità restare.
Cosa dovrebbero fare gli Stati
Data la traiettoria degli ultimi anni (che negli ultimi mesi ha accelerato, non rallentato) non c'è motivo di pensare che il trend si fermi nel breve. Ed è qui che la comprensione pubblica diventa un fatto pratico e non un auspicio: senza un'idea corretta di cosa questi sistemi sanno fare, non si riesce nemmeno a ragionare sulla più grande trasformazione tecnologica del secolo, né a vederne i rischi.
Lo spiraglio aperto in questi giorni suggerisce una cosa sola: che siano gli Stati a scrivere le regole, non le aziende. E in particolare quelli davvero alla frontiera, cioè Stati Uniti e Cina, possibilmente coordinandosi, come Amodei stesso indica nel suo articolo. Senza coordinamento internazionale, una competizione senza freni produce esattamente i sistemi che tutti dicono di voler evitare.
È difficile. Ma i risultati grandi non sono mai facili da ottenere: al massimo sono ovvi da perseguire.
3. L'Europa prova a spegnere Windows: un Land ci sta riuscendo, i governi no
A febbraio un'europarlamentare ha detto una frase che è rimasta: l'Europa gira su Microsoft, e gli americani potrebbero spegnerci in un'ora. Il Bundestag ha girato la domanda al governo federale. La risposta è arrivata in numeri.
Nel 2025 i ministeri federali tedeschi hanno speso 629 milioni di euro in licenze software, in larga parte Microsoft. Le postazioni con licenza Microsoft sono circa 473.000: 250.000 solo alla Difesa, dove le postazioni su software esclusivamente alternativo sono zero. Nella risposta c'è una precisazione che dice più di tutto il resto: il "Bundesclient" non poggia su Azure, quindi gli account Windows non si possono bloccare dall'esterno. Il fatto che qualcuno abbia sentito il bisogno di metterlo per iscritto è la notizia.
Lo Schleswig-Holstein, dove i conti tornano
In un angolo del paese, intanto, qualcuno ha fatto sul serio. Lo Schleswig-Holstein ha spostato 44.000 caselle di posta da Exchange e Outlook a Open-Xchange e Thunderbird, ha reso LibreOffice lo standard obbligatorio sull'80% delle postazioni, ha sostituito SharePoint con Nextcloud e le videoconferenze con OpenTalk. Ora testa Linux al posto di Windows.
I numeri dichiarati: oltre 15 milioni l'anno risparmiati in licenze, contro 9 milioni di investimento una tantum nel 2026.
Perché Monaco fallì e qui no: è l'ordine
Monaco ci aveva provato vent'anni fa. Partì nel 2003 da Linux sul desktop e nel 2017 decise di tornare a Windows. L'analisi dell'epoca indicava come collo di bottiglia strutture e responsabilità poco chiare, non problemi tecnici.
Lo Schleswig-Holstein ha fatto l'inverso, e questa è la lezione riutilizzabile: prima la posta, poi i documenti, poi la collaborazione, poi la directory, e il sistema operativo per ultimo.
Ha senso, e vale ben oltre la pubblica amministrazione. La dipendenza da un fornitore non è quasi mai il sistema operativo: sono l'identità, la posta, i documenti e le integrazioni che li tengono insieme. Il sistema operativo è la parte più visibile e la meno vincolante. Chi parte da lì affronta per primo il pezzo che si nota di più e serve di meno, paga subito il costo politico e non incassa nessun risparmio.
La Francia fa la cosa più noiosa, cioè l'inventario
L'8 aprile la DINUM, la direzione digitale dello Stato francese, ha annunciato che esce lei stessa da Windows verso Linux, facendo da pilota. E ha dato a ogni ministero fino all'autunno per consegnare un piano di riduzione delle dipendenze dai fornitori extra-europei su sette assi: postazione di lavoro, strumenti collaborativi, antivirus, IA, database, virtualizzazione, rete.
Non è una migrazione: è una mappa. Ed è il passo che quasi tutti saltano, perché non si vede e non fa notizia. L'autunno è adesso, e i piani stanno arrivando.
Il caso che spiega perché non è un tema contabile
Il più simbolico è all'Aia. La Corte penale internazionale ha lasciato Microsoft Office per openDesk, la suite open source sviluppata per l'amministrazione tedesca, dopo che il suo procuratore capo, sanzionato dagli Stati Uniti, aveva perso l'accesso alla propria email Microsoft. Microsoft nega di averla bloccata.
Il responsabile IT della Corte ha detto una cosa che vale per chiunque progetti sistemi: le dipendenze vanno ridotte anche quando nel breve periodo è costoso, inefficiente e scomodo.
A settembre la Svizzera ha annunciato openDesk per 3.000 postazioni critiche, con il Cyber Command dell'esercito fuori da Microsoft 365. E a giugno la Commissione europea ha messo l'open source fra i pilastri della sovranità tecnologica: 2 miliardi in sette anni. Da confrontare con i circa 264 miliardi l'anno che l'Europa spende in IT, quasi tutto proprietario.
La direzione è chiara, la scala molto meno. Ma per la prima volta chi migra pubblica i conti, e i conti tornano.
Il filo rosso: il risultato arriva prima della verifica
Tre notizie che sembrano non parlarsi, e invece dicono la stessa cosa da tre angoli.
Una dimostrazione matematica arriva prima che la comunità riesca a controllarla. Le capacità dei modelli arrivano prima degli strumenti per governarli, e a dirlo sono quelli che li costruiscono. Una dipendenza tecnologica si accumula per vent'anni prima che qualcuno faccia l'inventario di cosa comporta.
In tutti e tre i casi la tentazione è la stessa: prendere il risultato e andare avanti. E in tutti e tre i casi la risposta utile è la stessa, cioè mettere in ordine le cose e pagare il costo di capire. Studiare la dimostrazione invece di citarla. Scrivere le regole prima che le scriva chi ha interesse a scriverle. Fare l'inventario prima della migrazione.
Per chi costruisce software le voci concrete sono tre.
Distinguere il risultato dalla comprensione del risultato. Un output corretto prodotto da un sistema che non sai spiegare è un debito, non un patrimonio: funziona finché non cambia qualcosa, e quando cambia non sai da dove ripartire.
Mappare le dipendenze prima di volerle togliere. Identità, posta, documenti e integrazioni sono il vero vincolo; il pezzo più visibile è quasi sempre l'ultimo da toccare. Vale per un ente pubblico con 473.000 postazioni e per un prodotto con tre fornitori.
Diffidare di chi propone le regole del gioco a cui partecipa. Non perché sia necessariamente in malafede, ma perché il costo di conformarsi è una barriera all'ingresso anche quando nessuno lo progetta così.
Domande frequenti
Cosa sono le equazioni di Navier-Stokes? Sono le equazioni che descrivono l'evoluzione dei fluidi viscosi, formulate nella prima metà dell'Ottocento. Sono usate con successo in ingegneria da oltre un secolo, approssimandone le soluzioni con metodi numerici o semplificazioni.
Perché Navier-Stokes è un Millennium Prize Problem? Perché resta aperta una domanda teorica fondamentale: se le soluzioni restino sempre regolari oppure possano generare singolarità. L'uso pratico delle equazioni non dipende dalla risposta, ma la loro comprensione matematica sì.
Cosa ha annunciato OpenAI su Navier-Stokes? Che un suo sistema AI ha dimostrato l'esistenza di condizioni specifiche in cui le equazioni sviluppano certamente una singolarità. All'annuncio è allegata una dimostrazione formale in Lean di centinaia di migliaia di righe.
Il risultato è stato confermato? Non ancora. La verifica automatica in Lean è un indicatore positivo, ma la conferma richiede la revisione della comunità scientifica, che al momento non è conclusa.
Qual è la disputa di priorità sul risultato? Tristan Buckmaster della New York University e Levent Alpoge di Anthropic sostengono che l'iniziativa di OpenAI sia nata da voci sui loro risultati non pubblicati, e che il modello risolutore possa aver visto in addestramento quei risultati parziali attraverso le loro conversazioni con ChatGPT. OpenAI ammette di aver allocato risorse dopo quelle voci, ma nega che i dati di addestramento li contenessero.
Cosa sostiene Terence Tao sull'AI in matematica? Che risolvere un problema a mano produce intuizioni e strumenti nuovi, oltre alla soluzione, e che quel processo fa avanzare la scienza. L'AI, accorciando drasticamente il tempo per arrivare alla risposta, mette in discussione proprio quel percorso.
Perché ad Anthropic un ricercatore si è dimesso? Jacob Coxon si è dimesso l'8 settembre sostenendo che i grandi laboratori stanno costruendo sistemi destinati a superare rapidamente le capacità umane senza un piano ragionevole per controllarli, con un rischio non di danni rimediabili ma di eventi catastrofici.
Cosa ha risposto Dario Amodei? Quattro giorni dopo ha pubblicato un articolo in cui riconosce la necessità di rallentare lo sviluppo dell'AI, per dare alle aziende il tempo di potenziare gli strumenti di controllo e sicurezza. Sam Altman, Elon Musk e Demis Hassabis si sono detti d'accordo, con differenze sui dettagli operativi.
Cos'è la regulatory capture? È la situazione in cui un'istituzione di regolamentazione agisce nell'interesse dell'industria che dovrebbe regolare invece che nell'interesse pubblico. Applicata all'AI, il rischio non è tanto che le grandi aziende si scrivano regole comode, quanto che scrivano regole costose da rispettare, sostenibili solo per chi è già grande.
Quanto spende la Germania in licenze Microsoft? Nel 2025 i ministeri federali hanno speso 629 milioni di euro in licenze software, in gran parte Microsoft, su circa 473.000 postazioni con licenza. Alla Difesa sono 250.000, con zero postazioni su software esclusivamente alternativo.
Cosa ha fatto lo Schleswig-Holstein? Ha migrato 44.000 caselle di posta da Exchange e Outlook a Open-Xchange e Thunderbird, ha reso LibreOffice standard obbligatorio sull'80% delle postazioni, ha sostituito SharePoint con Nextcloud e le videoconferenze con OpenTalk, e ora testa Linux. Dichiara oltre 15 milioni l'anno risparmiati contro 9 milioni di investimento una tantum nel 2026.
Perché la migrazione di Monaco fallì e questa no? Per l'ordine. Monaco partì nel 2003 dal sistema operativo e tornò a Windows nel 2017. Lo Schleswig-Holstein ha messo il sistema operativo per ultimo, dopo posta, documenti, collaborazione e directory: sono quelle, non il desktop, a costituire la dipendenza reale.
Cosa ha deciso la Francia? L'8 aprile la DINUM ha annunciato la propria migrazione a Linux come pilota e ha chiesto a ogni ministero un piano di riduzione delle dipendenze dai fornitori extra-europei entro l'autunno, su sette assi: postazione di lavoro, strumenti collaborativi, antivirus, IA, database, virtualizzazione e rete.
Fonti
- OpenAI: Navier-Stokes solution
- Terence Tao: commento su Mathstodon
- Jacob Coxon: dichiarazione su X
- Dario Amodei: We must pace the frontier
- Sam Altman: risposta su X
- Elon Musk: risposta su X
- Demis Hassabis: risposta su X
- Bundestag: Drucksache 21/5413, risposta sui costi di licenza
- Bundestag: comunicato sulla risposta del governo federale
- heise online: Federal government remains primarily proprietary
- Interoperable Europe / OSOR: Schleswig-Holstein's open source strategy
- The Register: Munich council: to hell with Linux
- DINUM: Souveraineté numérique et réduction des dépendances extra-européennes
- The Register: International Criminal Court dumps Microsoft Office
- Cancelleria federale svizzera: comunicato del 2 settembre 2026
- FSFE: EU Open Source Strategy
