AI e disuguaglianze: agenti autonomici e nuovo divario sociale

Oggi accedere alla conoscenza tramite intelligenza artificiale costa pochissimo. Far lavorare l’AI in autonomia, invece, comporta costi d’accesso rilevanti e, in Europa, forti limitazioni di disponibilità per i privati. L’intelligenza artificiale non divide più chi sa da chi non sa: divide chi dispone di macchine che lavorano per lui anche di notte dal resto del mondo.

La parola “robot” ha passaporto ceco. Josef Čapek la suggerì al fratello Karel per l’opera teatrale “R.U.R.” del 1920, traendola da “robota”, termine che indicava le corvée, il lavoro servile nei campi altrui dall’alba al tramonto. A distanza di oltre un secolo, questa etimologia riemerge: il lavoro continuo viene affidato alla macchina, e per disporne basta una carta di credito con un limite adeguato.

A fine settembre 2026, dopo il DevDay di OpenAI, l’articolazione dei piani di ChatGPT ha evidenziato con chiarezza questa scala. Negli Stati Uniti si va dal piano Free a 0 $, a Go a circa 20 $, fino ai livelli superiori: Pro 100 a 100 $ (circa 89,44 EUR), Pro 200 a 200 $ (circa 178,87 EUR) e il nuovo Pro 500 a 500 $ al mese (circa 447,19 EUR; conversioni basate sul tasso BCE del 12/10/2026 pari a 1 EUR = 1,1181 USD, stime indicative al netto di IVA, fonte: ecb.europa.eu). Alla base troviamo una chat testuale che risponde a ogni domanda; in cima, modalità ad alta priorità, moltiplicatori di utilizzo e agenti operativi in background.

Per tre anni ci siamo ripetuti che l’AI fosse la tecnologia più democratica della storia: lo stesso modello a disposizione di un dirigente d’azienda e di uno studente universitario. Quella narrazione è cambiata non perché sia venuto a mancare l’accesso alla chat, ma perché chi ha capitale può acquistare un’infrastruttura operativa autonoma che la semplice chat non offre.

I listini come mappa economica

Prendiamo come riferimento comparativo il salario minimo federale negli Stati Uniti, pari a 7,25 $ l’ora (U.S. Department of Labor). Con 40 ore settimanali per 52 settimane all’anno (circa 1.256,67 $ lordi mensili), un abbonamento da 500 $ corrisponde a circa 69 ore di lavoro lordo, ossia circa il 39,8% di quella retribuzione mensile. Se invece si guarda alla retribuzione oraria media del settore privato statunitense (37,75 $ ad agosto 2026 secondo il BLS), un piano da 500 $ pesa per circa l’8% dello stipendio mensile.

Le differenze di potere d’acquisto tra Paesi e fasce di reddito mostrano come un canone mensile elevato per strumenti avanzati possa essere gestito come una spesa ordinaria da un’azienda o da un professionista ad alto reddito, mentre per altri rappresenta una barriera proibitiva. Ciò che conta analizzare è ciò che si ottiene in cambio di queste somme.

Al piano terra: conoscenza quasi a costo zero

Occorre riconoscere ciò che l’AI ha reso straordinariamente accessibile: la pura consultazione e la generazione di testo. Epoch AI ha calcolato a settembre 2026 che il costo per ottenere un determinato livello di capacità di un modello è sceso dal 2023 di circa il 47% a trimestre, pari a una riduzione di circa 13 volte in un anno. OpenAI dall’agosto 2026 ha reso illimitate le conversazioni testuali per gli utenti del piano gratuito (TechCrunch, 6 agosto 2026).

Questo andamento emerge chiaramente anche dai test comparativi. In un test di scrittura condotto in lingua polacca, il modello leggero GPT-6 Luna ha completato nove compiti redazionali con un costo API di appena 0,002 $ registrando un punteggio di 82,8 su 100. Il modello di vertice Claude Opus 5.5 ha totalizzato 90,1 punti con una spesa di 0,2479 $. Una differenza di 7,3 punti a fronte di una spesa circa 124 volte superiore (0,2479 $ contro 0,002 $). Per uno studente o per chi redige comunicazioni ordinarie, questa differenza prestazionale è marginale rispetto al risparmio economico.

Secondo il rapporto Microsoft AI Diffusion del secondo trimestre 2026, usa strumenti di intelligenza artificiale il 33,0% della popolazione in età lavorativa negli Stati Uniti (e il 32,3% in Polonia). Nell’accesso alla semplice chat la penetrazione d’uso di base è ampia e diffusa.

Se l’AI rimanesse soltanto una biblioteca digitale, la questione si chiuderebbe qui. Le biblioteche pareggiano le opportunità: un libro non viene letto più velocemente da un lettore benestante. Andrew Carnegie finanziò oltre duemilacinquecento biblioteche pubbliche credendo nell’accesso gratuito ai libri come strumento di emancipazione, pur mantenendo un rigido controllo sulle proprie acciaierie di Homestead. L’industria dell’AI si è mossa a lungo su questa stessa linea: distribuire l’accesso alla consultazione, mantenendo privatizzata l’infrastruttura industriale.

Ai piani alti: agenti autonomi e potenza di calcolo continua

L’AI sta affiancando alla funzione di biblioteca quella di impianto produttivo. Con la presentazione dei Dots da parte di OpenAI, sono stati introdotti agenti capaci di operare costantemente, dotati di ambienti cloud dedicati per interagire con migliaia di applicazioni, monitorare caselle email, calendari e progetti anche quando l’utente non è connesso. Nella documentazione ufficiale, OpenAI specifica che il Dot assume una responsabilità continuativa sui task, procedendo autonomamente tra un’interazione e l’altra.

La differenza economica è sostanziale: una consultazione è una richiesta puntuale con un costo chiuso; il lavoro continuo richiede ore di calcolo ininterrotte. Se un agente impiega una quantità di token esponenzialmente superiore a quella di un messaggio in chat, il costo complessivo per completare un’operazione cresce, nonostante il calo del costo per singolo token. Il preprint “The Price of Intelligence” pubblicato su arXiv a settembre 2026 evidenzia proprio come, mentre il prezzo per token scende, il costo per task completato tenda a stabilizzarsi o salire a causa dell’intensità computazionale dei modelli di ragionamento avanzati.

Nei piani OpenAI, i livelli superiori garantiscono moltiplicatori di utilizzo più elevati (fino a 25 volte nel piano Pro 500 rispetto a Plus, secondo i dati diffusi da The New Stack e OpenAI), offrendo maggiore capacità di calcolo proporzionale alla spesa sostenuta. Va tuttavia ricordato che i moltiplicatori di allocazione non equivalgono a ore-macchina produttive garantite: il consumo effettivo varia sensibilmente a seconda del modello, della profondità di ragionamento, della lunghezza del contesto e degli strumenti impiegati.

La disparità nell’accesso agli agenti può consolidarsi in sistemi di dominio economico.

Nick Srnicek, King’s College London, a Rest of World, 26 maggio 2026

Le grandi organizzazioni stanno ricalibrando le allocazioni di spesa. Jensen Huang di Nvidia ha evidenziato pubblicamente l’importanza di investire budget massicci in token per massimizzare la produttività degli ingegneri (R&D World, marzo 2026). Casi come quello di Uber, riportato da Forbes a maggio 2026, hanno visto rapidi assorbimenti dei budget preventivati per l’AI attraverso strumenti come Claude Code, portando successivamente a tetti di spesa mensili di 1.500 $ per dipendente per singolo tool (TechCrunch, giugno 2026).

Il divario emerge anche dai dati del Ramp AI Index di giugno 2026: l’1% delle aziende top spender investe circa 7.450 $ al mese per dipendente in AI, a fronte di una mediana complessiva di 11,38 $. Si tratta di una spesa circa 655 volte superiore (7.450 $ contro 11,38 $). La fascia mediana finanzia la chat; i vertici finanziano un parco di agenti e automazioni.

Le restrizioni geografiche per gli agenti personali

A questo scenario si aggiungono disparità nell’accesso geografico. Secondo la documentazione ufficiale di OpenAI (“Getting started with your dot”, verificata al 12 ottobre 2026), il primo Dot è incluso per gli utenti abbonati idonei a Pro e Business Premium; tuttavia, il rollout per i piani Pro esclude esplicitamente lo Spazio Economico Europeo (SEE), la Svizzera e il Regno Unito. Per le aziende, tramite il piano Business Premium, i Dots risultano invece disponibili in tutte le regioni coperte dal servizio.

OpenAI non ha indicato formalmente le motivazioni di tale esclusione per gli utenti privati nell’area europea, sebbene commentatori di settore abbiano ipotizzato ragioni connesse ai quadri normativi su privacy e governance digitale. Ne consegue che, attualmente, nell’Unione Europea l’impiego continuativo di questi agenti integrati resta prevalentemente circoscritto all’ambito aziendale.

Secondo i dati Eurostat per il 2025, in media il 20% delle imprese europee con almeno dieci addetti utilizza tecnologie di intelligenza artificiale (con la Danimarca al 42%). L’adozione tra imprese procede a velocità disomogenee nei vari Paesi membri, accentuando il rischio di una frattura tra mercati ad alta integrazione di processi autonomi e mercati ritardatari.

Su scala globale, l’Anthropic Economic Index di marzo 2026 ha rilevato che i 20 Paesi a maggiore utilizzo pro capite concentrano il 48% dell’uso complessivo (in crescita rispetto al precedente 45%). Parallelamente, Microsoft stima che il divario di penetrazione tra il Nord globale (28,8% di utenti) e il Sud globale (16,2%) sia salito in due trimestri da 10,6 a 12,6 punti percentuali. La disponibilità teorica si allarga, ma l’intensità di calcolo resta concentrata.

Kristalina Georgieva, direttrice del Fondo Monetario Internazionale, segnalava già all’inizio del 2024 come l’AI avrebbe verosimilmente accentuato le disuguaglianze generali; una prospettiva confermata dalle successive note economiche dell’FMI sulla tendenza dei mercati digitali a premiare i primi arrivati con dinamiche “winner-take-most”.

La via dei modelli aperti e dell’AI locale

Esistono tuttavia alternative concrete all’accentramento tecnologico, basate su modelli con pesi aperti ed esecuzione in locale.

Modelli a pesi aperti come Xiaomi MiMo-V2.6-Pro, rilasciato con licenza MIT, presentano costi di inferenza estremamente ridotti: secondo i parametri di Artificial Analysis gestiscono task standard a circa 0,13 $, risultando sensibilmente più economici delle configurazioni di punta proprietarie. In prove comparative condotte su prompt in lingua polacca, ha ottenuto 69,1 punti con una spesa di tre centesimi per tredici task. Sul fronte API, soluzioni come DeepSeek V4.1 Flash espongono tariffe ufficiali da 0,15 $ per milione di token in ingresso e 0,60 $ in uscita fuori dalle ore di picco.

Un’altra opzione è l’elaborazione locale su hardware dedicato. In test eseguiti a settembre 2026 su scheda grafica consumer, un modello come Gemma 4 12B (operativo entro 8 GB di memoria VRAM) ha fatto registrare 72,3 punti nel benchmark linguistico polacco, superando Claude Haiku 4.5 e richiedendo una frazione minima di costo elettrico per tredici compiti. Un computer personale adeguato permette di allestire un supporto digitale autonomo che garantisce la privacy locale, a condizione che non vengano integrati servizi o tool esterni che trasmettano dati all’esterno.

Questi percorsi presentano tuttavia vincoli operativi evidenti rispetto ai servizi gestiti:

Un modello aperto o locale richiede configurazione tecnica: per trasformarlo in un agente capace di interagire con posta, calendario e browser occorre integrare librerie, definire permessi e gestire eccezioni sistemistiche, richiedendo svariate ore di lavoro specializzato. Le piattaforme integrate commerciali offrono invece un’attivazione immediata. Il divario non risiede solo nella qualità dell’architettura del modello, ma nel tempo e nelle competenze necessari prima che l’agente possa operare stabilmente.

Inoltre, l’eventuale riduzione futura dei costi dei modelli non garantisce un livellamento della competizione: mentre le capacità attuali diverranno più economiche, i livelli di punta continueranno a spostarsi in avanti. Matthew Sharp dell’Oxford Martin AI Governance Initiative ha evidenziato come scarti inizialmente modesti nelle capacità degli agenti si traducano nel tempo in ampie disparità nei risultati economici, un fenomeno analogo all’effetto San Matteo descritto dal sociologo Robert Merton nel 1968.

L’impatto economico del lavoro autonomo

L’AI manifesta una duplice dinamica economica: da un lato abbassa la soglia minima di accesso alle risposte informative, fornendo a chiunque strumenti di consultazione prima inaccessibili; dall’altro innalza il limite superiore per chi possiede il capitale necessario ad acquistare lavoro computazionale continuativo su larga scala.

Nel World Development Report 2026, la Banca Mondiale osserva che l’adozione dell’AI offre opportunità di accelerazione per le economie emergenti, ma il direttore del rapporto Gaurav Nayyar sottolinea come la finestra utile sia limitata. La sfida riguarda la capacità del tessuto produttivo non solo di consumare strumenti interattivi di base, ma di integrare flussi di lavoro autonomi e automatizzati.

Per le imprese, rinunciare all’esplorazione dell’automazione avanzata comporta il rischio di accumulare ritardi strutturali nei confronti della concorrenza globale. Parallelamente, per chi dispone di un computer con GPU, la sperimentazione di ambienti agentici locali rappresenta un’opportunità formativa: acquisire dimestichezza con la configurazione e la gestione di agenti autonomi costituirà una competenza professionale determinante.