AI Digest: Quando l'innovazione incontra la realtà (e non è sempre bello)

OpenAI ha lanciato strumenti di finanza personale per ChatGPT Pro che permettono di collegare conti bancari tramite Plaid. Oltre 12.000 istituzioni finanziarie supportate, da Chase a Robinhood. Il tutto mentre Greg Brockman prende ufficialmente il controllo della strategia prodotto in una riorganizzazione che unifica ChatGPT e Codex.

Ecco la verità: più di 200 milioni di persone già fanno domande finanziarie a ChatGPT ogni mese. OpenAI ha semplicemente deciso di monetizzare questa fiducia permettendo l'accesso diretto ai vostri dati bancari. Possono vedere bilanci, transazioni, portafogli azionari e debiti. Non possono modificare i conti, ma cosa farà OpenAI con tutte queste informazioni finanziarie oltre all'addestramento AI?

La riorganizzazione interna arriva mentre Fidji Simo è in congedo medico e l'azienda si prepara per l'IPO. Brockman ora guida prodotti e infrastruttura, con l'obiettivo di "vincere sia nel consumer che nell'enterprise". Il messaggio è chiaro: consolidamento verso il futuro agentivo. Ma dietro le quinte, diversi executive hanno lasciato l'azienda il mese scorso.

La ricerca scientifica è sotto assedio. Paper mills alimentati da AI stanno inondando riviste e conferenze con studi generati in massa. Un'azienda di Guangzhou offre tutorial per "produrre ricerca pubblicabile in meno di due ore" usando AI.

Il problema non sono più solo le allucinazioni evidenti - l'AI è diventata troppo brava. Può analizzare dataset pubblici, proporre metodi statistici e scrivere paper completi con citazioni corrette in 25 minuti. Il risultato? Submission aumentate del 100% in alcune riviste, con editor che faticano a distinguere ricerca vera da slop scientifico.

ArXiv ha reagito con il pugno di ferro: ban di un anno per autori che pubblicano contenuti AI non verificati. Riferimenti allucinati o meta-commenti dell'AI significano espulsione immediata. Ma il vero problema è sistemico: il sistema accademico premia la quantità di pubblicazioni, non la qualità.

Dimentichiamo l'hype sui breakthrough AI. Stiamo assistendo al collasso del peer review sotto il peso di paper inutili ma tecnicamente corretti. La scienza rischia di diventare spam globale di correlazioni casuali.

Cerebras è tornata in borsa con una valutazione da 100 miliardi di dollari, raccogliendo 5,55 miliardi nel più grande IPO tech del 2026. Il timing perfetto: l'inference AI sta per superare il training come spesa principale per la prima volta.

I chip wafer-scale di Cerebras brillano nell'inference in tempo reale, eliminando i ritardi di comunicazione tra chip che paralizzano i cluster GPU tradizionali. Partnership da 20 miliardi con OpenAI e integrazione con AWS danno credibilità alla sfida contro Nvidia.

Ma il vero problema è economico. L'architettura WSE richiede supporto tecnico caso per caso e ha un prezzo elevato. I costi operativi sono alti, suggerendo un "prodotto specialty costoso" piuttosto che commodity di massa. Cerebras deve dominare il mercato high-complexity per giustificare lo svantaggio di prezzo.

Per le aziende, significa scelta hardware sempre più legata alla scelta del modello. Sapere quale hardware fa girare quale modello meglio, a che costo e latenza, sta diventando competenza infrastrutturale core.

L'AI operativa sta creando nuove superfici di attacco. Non parliamo più solo di proteggere modelli o dati, ma di sistemi AI che agiscono autonomamente negli ambienti enterprise. OpenAI ha lanciato Daybreak, iniziativa di cybersecurity con Cisco, CrowdStrike e Cloudflare.

Il problema è che gli approcci di sicurezza tradizionali non bastano per sistemi AI che possono agire, interagire e operare autonomamente. La sfida si è spostata dalla costruzione di sistemi AI alla loro operatività sicura su scala enterprise.

Intanto, YouTube espande il rilevamento deepfake a tutti gli utenti adulti e Google aggiorna le policy spam per penalizzare tentativi di "manipolare" le risposte AI nei risultati di ricerca. L'industria del "GEO" (Generative Engine Optimization) è ora ufficialmente spam.

Ma il vero problema è che le aziende adottano AI più velocemente di quanto riescano ad addestrarvi i dipendenti. Sistemi di osservabilità, governance e infrastruttura faticano a tenere il passo con ambienti sempre più ricchi di agenti interconnessi.

Due crash di Tesla Robotaxi mentre erano sotto controllo di teleoperatori remoti ad Austin, Texas. In un caso, l'operatore ha guidato "sul marciapiede facendo contatto con una recinzione metallica". Nel secondo, impatto con barriera di cantiere a 9 mph.

I dettagli emergono da documenti NHTSA precedentemente censurati che Tesla ha deciso di rendere pubblici questa settimana. Perché il cambio di strategia sulla trasparenza? Non è chiaro, ma i 17 crash totali registrati dal network Robotaxi mostrano un quadro preoccupante.

Tesla permette teleoperatori remoti per veicoli sotto le 10 mph per "spostare prontamente un veicolo in posizione compromessa". Ma se anche gli operatori umani remoti crashano a bassa velocità, cosa dice questo sull'autonomia completa?

Mentre Waymo e Zoox riportano più crash di Tesla, Musk opera a una frazione della scala. I dettagli rivelati spiegano perché Tesla sta scalando così lentamente il network autonomo. Lo stesso Musk ammette: "assicurarsi che le cose siano completamente sicure" è il fattore limitante principale.