A metà maggio del 2026, a un giorno di distanza, sono successi due episodi emblematici. Il 14 maggio Mario Draghi, ad Aquisgrana, è tornato a parlare del declino competitivo europeo e del ritardo tecnologico del continente, sottolineando il peso dell’intelligenza artificiale sulla crescita della produttività. Il giorno dopo veniva firmata da Papa Leone XIV un’enciclica, Magnifica Humanitas, dedicata alle implicazioni dell'intelligenza artificiale sulla vita delle persone, poi presentata pochi giorni più tardi. Due mondi che difficilmente potrebbero essere più distanti, un ex banchiere centrale che parla di produttività e di investimenti e un documento che parla dell'umano e della società, convergono su un punto.
La trasformazione digitale non è più una faccenda per addetti ai lavori, è diventata una questione di potere, di lavoro, di democrazia.
Quando se ne occupano a un giorno di distanza un discorso sulla competitività e un'enciclica papale, vuol dire che la posta in gioco è ormai sotto gli occhi di tutti.
Vorrei provare a spiegare perché, partendo da ciò che di solito, nei discorsi sull’IA, si dà per scontato o si lascia volutamente nel mistero: che cosa fa, concretamente, un sistema di intelligenza artificiale? Perché è esattamente lì, nel funzionamento materiale della tecnologia, che si coglie perché l'intelligenza artificiale non è neutra, e perché decidere come usarla è una scelta politica e non tecnica.
Che cosa fa davvero l'intelligenza artificiale
Tolto il linguaggio evocativo, un sistema di intelligenza artificiale fa una cosa abbastanza precisa. Trasforma pezzi di realtà -un testo, un'immagine, un suono, un comportamento- in numeri. Non singoli numeri, ma lunghe sequenze di numeri, vettori, che la macchina chiama rappresentazioni o, nel gergo tecnico, embeddings. In questo spazio fatto di numeri, parole simili, immagini simili, situazioni simili finiscono vicine, e cose lontane di significato finiscono lontane. Una volta che la realtà è diventata geometria, il sistema può cercare regolarità, somiglianze, schemi che a noi sfuggono perché sono troppo grandi o troppo intricati.
Il punto delicato è come il sistema impara a costruire questa geometria. Nella fase di apprendimento, “l'addestramento”, al modello vengono mostrate quantità enormi di dati, e a ogni passaggio il sistema confronta la risposta che dà con quella attesa, misura l'errore e corregge di pochissimo i propri parametri interni per sbagliare un po' meno la volta dopo. Ripetuto miliardi di volte su miliardi di esempi, questo procedimento per approssimazioni successive è ciò che permette alla macchina di affrontare problemi complessi e non lineari, problemi in cui non esiste una formula chiusa e bisogna avvicinarsi alla soluzione un passo alla volta. È in questa fase, l'addestramento, che il modello prende forma.
Quando poi il modello è addestrato e lo usiamo per ottenere una risposta, la cosiddetta fase di inferenza, non sta più correggendosi per tentativi. Applica in un solo passaggio quello che ha già imparato. La distinzione conta, perché spesso si immagina l'intelligenza artificiale come qualcosa che continua a ragionare e a migliorarsi mentre la interroghiamo, mentre l'apprendimento, con tutto il suo enorme costo, è avvenuto prima, altrove, su infrastrutture che non vediamo.
E qui sta il punto che a me interessa. Tutto questo - trasformare la realtà in numeri, apprendere per approssimazioni successive, rispondere- richiede tre cose molto materiali.
Richiede i dati, cioè la realtà già trasformata in numeri.
Richiede il calcolo, cioè la potenza fisica di elaborazione per fare miliardi di correzioni.
E richiede che qualcuno decida quale problema il sistema deve risolvere, cioè verso quale obiettivo deve essere ottimizzato.
Nessuna di queste tre cose è neutra.
Perché la neutralità è un'illusione
Qualcuno ancora sostiene che la tecnologia è neutra, che dipende tutto dall'uso che se ne fa. È un'idea consolante e falsa. Nessuna tecnologia è completamente neutra, perché nessuna nasce per caso: viene progettata per uno scopo, e fin dall'inizio prende la forma che a quello scopo serve. Anche un martello è pensato per battere, la sua forma porta iscritta la funzione per cui è stato costruito. La differenza è che con l'intelligenza artificiale questa verità, che vale per ogni tecnologia, diventa enormemente più potente e più difficile da vedere, per ragioni che non sono morali ma materiali, che discendono da come la macchina è congegnata. Un sistema di intelligenza artificiale non si limita a essere progettato per un fine, incorpora scelte sui dati, sugli obiettivi e sui vincoli, e queste scelte rendono alcuni esiti molto più probabili di altri. Non impone un esito unico, ma orienta, perché è plasmato fin dall'addestramento verso ciò per cui qualcuno ha deciso di costruirlo.
I dati con cui un sistema viene addestrato non sono la realtà, sono una porzione di realtà scelta da qualcuno, che contiene certe cose e ne esclude altre, che porta con sé le disuguaglianze e le assenze del mondo da cui è stata estratta. La capacità di calcolo, necessario per addestrare i modelli più potenti, è concentrato in pochissime imprese e in pochissimi luoghi fisici del pianeta, ed è una concentrazione che decide chi può costruire questi sistemi e chi può solo usarli, alle condizioni da altri dettate e definite. E la definizione dell'obiettivo -quale problema il sistema deve risolvere e che cosa conta come risposta “buona”[1] - non è una scelta tecnica, è una scelta politica travestita da specifica di ingegneria.
Mettiamo insieme le tre cose. Lo stesso identico sistema, la stessa matematica, gli stessi vettori, può produrre esiti opposti a seconda di chi possiede i dati, di chi controlla il calcolo, di chi decide l'obiettivo. La neutralità dell'intelligenza artificiale si dissolve nel momento esatto in cui si capisce come è fatta. Non esiste l'intelligenza artificiale in astratto, esiste sempre un sistema costruito da qualcuno, alimentato dai dati di qualcuno, orientato verso il fine di qualcuno. È chi governa questa base materiale a decidere, in ultima istanza, che cosa la tecnologia fa alle persone.
Lo dico anche perché su questo, da posizioni del tutto diverse, sembrano oggi convergere voci molto lontane tra loro. La stessa enciclica papale dello scorso maggio, formula due affermazioni che sul piano dei fatti sono difficili da contestare: la prima è che la tecnologia non è neutrale perché assume la forma di chi la pensa, la finanzia, la regola e la usa, e la seconda è che i beni digitali, dagli algoritmi alle piattaforme alle infrastrutture, hanno una destinazione che riguarda tutti e non possono restare concentrati in poche mani. Il fatto che considerazioni di questa portata arrivino da un documento del genere è il segno che il problema è uscito dalla cerchia degli specialisti.
L'esempio del lavoro
L'esempio più chiaro di tutto questo è il lavoro, perché è lì che la natura intrinsecamente non neutrale dell'intelligenza artificiale tocca la vita materiale delle persone.
Prendiamo un sistema che organizza il lavoro in un magazzino, o in un servizio di consegne, o in un call center. Dal punto di vista della matematica è un unico tipo di oggetto, un modello che ottimizza una funzione. Quella funzione, però, può essere scritta in due modi opposti. Può essere scritta per “spremere” il massimo rendimento da ogni minuto, cronometrare ogni gesto, segnalare ogni pausa, intensificare i ritmi di lavoro fino al limite della sopportazione umana, e in quel caso l'intelligenza artificiale diventa il sorvegliante più instancabile e più capillare che sia mai esistito. Oppure può essere scritta per ridurre la fatica, distribuire meglio i carichi di lavoro, programmare i turni rispettando il riposo e la salute dei lavoratori, prevedere i picchi per non scaricarli sulle persone, e in quel caso la stessa tecnologia alleggerisce il lavoro invece di renderlo opprimente.
La realtà di un'azienda, va detto, non è quasi mai così netta. Nella maggior parte dei casi i due obiettivi convivono, si ottimizzano i tempi entro certi vincoli di sicurezza, si cerca efficienza senza superare certe soglie. Tuttavia, proprio perché l'esito del processo gestionale ricade in una zona grigia e non in una scelta univoca, conta chi traccia quei confini e chi può verificarli. La differenza tra i due esiti opposti, sopra ipotizzati, non sta nell'algoritmo, che è identico. Sta nella funzione obiettivo, in chi la decide, e in quali vincoli democratici ne controllano l'applicazione. Se l'obiettivo lo decide soltanto chi possiede il sistema, e chi lavora non ha voce né nella sua progettazione né nel suo governo, l'esito tenderà a spostarsi verso la sorveglianza e l'intensificazione, perché è quello che conviene a chi possiede il sistema stesso. Se invece esiste un potere pubblico e democratico capace di porre vincoli e di dare voce a chi quel sistema lo subisce, l'esito emancipatorio diventa possibile. Non automatico, ma certamente possibile. È esattamente per questo che sono state introdotte norme come quelle contenute nell'AI Act o nel Digital Services Act europei, e dirette ad imporre trasparenza sui sistemi automatizzati: permettere a regolatori, sindacati e lavoratori di ispezionare quella funzione obiettivo, di vedere cosa il sistema ottimizza davvero e a quali condizioni. Senza quella possibilità di “guardare dentro”, la zona grigia la disegna unilateralmente chi possiede il sistema.
Questo è il nocciolo della questione, ed è il motivo per cui parlare di etica dell'intelligenza artificiale senza parlare di proprietà e di governo delle infrastrutture, serve a poco. I codici etici, le dichiarazioni di principio, le linee guida volontarie si infrangono tutti contro lo stesso muro materiale: chi possiede l'infrastruttura e ne fissa gli obiettivi decide l'esito, e nessun principio astratto è sufficiente contro quel potere, se resta privato e fuori da ogni contrappeso democratico.
L'accesso alla conoscenza
C'è un secondo esempio, meno drammatico del lavoro ma altrettanto importante nel lungo periodo, ed è l'accesso alla conoscenza.
L'intelligenza artificiale sta diventando rapidamente uno degli strumenti principali con cui le persone oggi cercano informazioni, imparano, si formano, capiscono il mondo. Anche qui vale la stessa logica. Lo stesso tipo di sistema può ampliare enormemente l'accesso al sapere, mettere a disposizione di chiunque uno strumento che spiega, traduce, accompagna nell'apprendimento, abbatte barriere che prima erano economiche o linguistiche o geografiche. Oppure può restringere quell'accesso, trasformarlo in un servizio a pagamento modulato sulla capacità di spesa, orientarlo verso ciò che è redditizio mostrare invece che verso ciò che è utile sapere, plasmare quel che le persone arrivano a conoscere in funzione di interessi che non sono i loro.
Di nuovo, quale dei due esiti si realizzi non dipende dalla tecnologia, dipende da chi -detenendola- la plasma e con quale fine.
Ed è grazie a questo secondo esempio, forse, che può comprendersi meglio l’importanza di sviluppare un’infrastruttura pubblica digitale anche per lo sviluppo di questa tecnologia.
Un’infrastruttura pubblica digitale è una base comune, governata democraticamente, su cui sia il pubblico sia il mercato costruiscono i loro servizi: non sostituisce il mercato, gli dà un binario comune su cui correre. Non è teoria, l’India lo fa con i pagamenti di UPI, il Brasile con PIX, l’Europa con l’EUDI Wallet per l’identità digitale.
Un'intelligenza artificiale concepita come strumento pubblico di accesso alla conoscenza e alla formazione, governata democraticamente e con obiettivi trasparenti, è una cosa. Un'intelligenza artificiale lasciata interamente al mercato e ai suoi proprietari è un'altra. La differenza la fa il controllo, non la macchina.
La posta in gioco
Se si tiene insieme tutto questo, si capisce perché il discorso di un ex banchiere e un'enciclica papale, la competitività e l'umano, finiscono per parlare della stessa cosa.
La dipendenza tecnologica europea non è soltanto un problema di competitività industriale. È un problema di sovranità democratica. Le infrastrutture su cui passano oggi l'informazione, la conoscenza, i pagamenti, l'identità, e ora l'intelligenza artificiale, sono in larghissima parte in mani private e per lo più non europee. Questo significa che le decisioni che contano, quali dati raccogliere, come addestrare i modelli, verso quali obiettivi ottimizzarli, a quali condizioni renderli accessibili, vengono prese altrove, da attori privati che rispondono ai propri interessi e non a un mandato democratico, e su cui le istituzioni europee hanno una presa minima.
Chi controlla queste infrastrutture controlla, di fatto, la qualità democratica delle nostre istituzioni, perché controlla le condizioni materiali in cui le persone lavorano, conoscono, esercitano i propri diritti. È per questo che la trasformazione digitale è una questione politica e non tecnica, ed è per questo che governarla democraticamente non è un'opzione tra le altre, è la condizione perché la democrazia continui a decidere sulle cose che contano
L'obiezione da prendere sul serio
C'è un'obiezione a tutto questo che merita una risposta, perché è la più forte e la sentirete spesso. È la tesi di chi teorizza quella che viene chiamata la repubblica tecnologica, e suona così: proprio la concentrazione di capitale e di competenze in poche grandi imprese private, strettamente legate all'apparato di sicurezza nazionale, ha permesso all'Occidente di costruire l'intelligenza artificiale più avanzata e di mantenere un vantaggio sulla Cina. Spezzare quella concentrazione, sottoporla a vincoli democratici, rallenterebbe l'innovazione e ci farebbe perdere la corsa. Meglio lasciare fare a chi corre veloce, e fidarsi che lo faccia per il nostro bene.
È un'obiezione che va presa sul serio, perché su un punto è vera: la concentrazione ha accelerato lo sviluppo. Sotteso all'argomento dell'efficienza, però, ce ne è un altro, non detto, e conviene portarlo alla luce. Quando si dice che la concentrazione privata è il prezzo del vantaggio tecnologico, si sta dicendo che il controllo delle infrastrutture su cui tutti dovremo lavorare, conoscere e decidere deve restare nelle mani di chi le possiede oggi, e che questo controllo non è negoziabile democraticamente perché metterlo in discussione ci farebbe perdere. È un argomento che si presenta come tecnico, una questione di velocità e di scala, ma è un argomento di potere: serve a sottrarre alla discussione pubblica proprio le scelte che contano di più, e a presentarle come necessità tecniche su cui non si vota. La velocità dell'innovazione diventa la ragione per cui non dovremmo nemmeno chiederci chi possiede cosa.
E qui il salto non regge. Dà per scontato che la velocità sia l'unico criterio con cui una società misura il successo nella tecnologia. Un vantaggio tecnologico che si paga con la dipendenza da pochi attori privati fuori da ogni controllo democratico, però, non è un vantaggio per chi quella dipendenza la subisce, è un trasferimento di sovranità mascherato da progresso. Se per restare nella corsa dobbiamo accettare che le decisioni che contano per la nostra vita vengano prese da chi possiede le macchine e risponde solo ai propri azionisti, allora la corsa l'abbiamo già persa.
Qui sta il punto da cui partire se vogliamo sviluppare un ragionamento sulle scelte politiche intorno a queste tecnologie. Sviluppare capacità tecnologiche e governarle democraticamente sono due cose diverse, e non vanno necessariamente di pari passo.
A questo proposito, si parla spesso dei modelli a pesi aperti, i cui parametri vengono resi pubblici e possono essere usati, studiati, adattati senza dipendere interamente da chi li ha costruiti, a differenza delle scatole nere di pochi colossi. È una dinamica interessante, ma va guardata con prudenza, senza scambiarla per la soluzione. Aprire i pesi significa rendere pubblico il modello già addestrato, non l'infrastruttura e il processo che lo hanno prodotto. E qui sta il punto: dei modelli a pesi aperti quasi sempre non sappiamo come siano stati addestrati, su quali dati, con quali filtri, verso quali obiettivi. La trasparenza dei pesi è la trasparenza del risultato, non delle scelte che lo hanno determinato, che restano invisibili. Avere i parametri di un modello non ci dice nulla di cosa gli è stato insegnato e di cosa gli è stato nascosto. Aprire i pesi democratizza l'uso, non la produzione, e nemmeno garantisce la trasparenza che sembra promettere.
Per questo la direzione non è soltanto avere modelli più aperti. È fare dell'esercizio stesso dell'addestramento, le scelte sui dati, la definizione degli obiettivi, il controllo sull'infrastruttura di calcolo, un processo condiviso e supervisionato democraticamente. Lì sta la trasparenza che conta, e lì sta il potere. In concreto vuol dire poter sapere e poter condizionare su quali dati un modello è addestrato, verso quali obiettivi è ottimizzato, con quali audit indipendenti, soprattutto quando quel modello finisce nei servizi pubblici. Lo strumento più diretto per ottenerlo, come dirò più avanti, è la committenza pubblica. Resta aperto come combinare questi strumenti, ma è in quella direzione che va cercata l'alternativa alla concentrazione, non nella semplice pubblicazione dei pesi di modelli addestrati chissà come.
La sovranità come capacità diffusa
C'è però un rischio nel ragionamento fatto finora, e va detto. Concentrarsi solo su chi controlla e su quali vincoli imporre può scivolare in una posizione difensiva, tutta diffidenza e freni, che dimentica una cosa altrettanto importante: l'intelligenza artificiale va anche usata, e usata da tutti. Il controllo democratico non è il fine, è la condizione perché la diffusione avvenga in modo utile e non predatorio. Ma la diffusione va voluta, non solo permessa.
L'intelligenza artificiale è un cambiamento radicale, e lo è su due piani. Da un lato sta diventando un'infrastruttura pubblica digitale, una base critica su cui poggiano servizi pubblici e privati, come già identità, pagamenti e dati. Dall'altro è una leva industriale di produttività e competitività che tocca le imprese di ogni settore, non solo quelle tecnologiche. Una tecnologia che agisce su entrambi i piani, se resta inutilizzata o in poche mani, fa perdere su entrambi, servizi pubblici più deboli e un'economia meno competitiva. Per questo la diffusione, e la competenza che la rende possibile, è decisiva.
E qui c'è un equivoco da chiarire. Si tende a pensare che contare nell'intelligenza artificiale significhi avere il modello più potente, inseguire la frontiera. Per una società nel suo insieme la posta è un'altra, più concreta: mettere cittadini, lavoratori, imprese, scuole, amministrazioni nelle condizioni di capire cosa è questa tecnologia e di usarla bene. Non serve possedere il modello più grande del mondo per migliorare la diagnostica in un ospedale, per aiutare un insegnante a seguire meglio uno studente. Servono strumenti accessibili, spesso non di frontiera, competenze diffuse per usarli, e dati pubblici di qualità su cui farli lavorare. Una società che impara a usare la tecnologia può diventare al tempo stesso più ricca e più giusta. La capacità diffusa di usare l'intelligenza artificiale è essa stessa una forma di sovranità, forse la più solida, perché non dipende da chi possiede il modello più grande di IA, ma da quanto in profondità una società ha imparato a servirsi dell’IA.
Anche su questo qualcosa comincia a muoversi. Con la strategia Apply AI la Commissione punta a far adottare l’intelligenza artificiale in tutti i settori e nelle piccole e medie imprese, ed è la direzione giusta. Ma c’è una precisazione che quella strategia, concentrata sull’industria, lascia ai margini: la diffusione non può fermarsi alle aziende. L’intelligenza artificiale è uno strumento che va portato dentro la società a ogni livello, tra i cittadini prima ancora che tra le imprese, e non solo come adozione ma come consapevolezza, come capacità di capire che cosa fa, dove sbaglia, chi ne decide gli obiettivi. Una popolazione che usa l’IA senza comprenderla resta esposta, una che la comprende può concorrere a governarla. È questo doppio movimento, adozione e consapevolezza insieme, a far sì che la capacità diffusa tenga davvero entrambi i piani, l’industria e le infrastrutture pubbliche, e diventi una forma di sovranità democratica e non solo un vantaggio competitivo.
Sul punto, l’Europa ha un problema di atteggiamento prima ancora che di mezzi: il rischio non è solo quello di non riuscire a controllare la tecnologia, ma è anche quello di un eccesso di cautele rispetto alle innovazioni tecnologiche che finisce per paralizzarne l’introduzione, mentre altri imparano ad usarle. Le preoccupazioni circa i pericoli connessi con l’impiego delle nuove tecnologie sono legittime, e questo articolo non intende sottovalutarle. Tuttavia, la consapevolezza dei pericoli non è una ragione per fermarsi, è la condizione per individuare gli strumenti più adeguati per proteggersi.
La cooperazione digitale come risposta
A questo punto la domanda diventa concreta. Come fa l'Europa a mettere le mani su quella base materiale, dati, calcolo, capacità di costruire e governare i modelli, da cui dipende il controllo democratico dell'intelligenza artificiale?
La prima parte della risposta è interna all'Europa, e riguarda la capacità di costruire, non solo di usare, modelli propri, partendo dal luogo dove si decide tutto, l'addestramento. Capacità propria non significa autosufficienza integrale, ma capacità di incidere sulle scelte che contano. Servono due cose. La prima riguarda le regole, e non è deregolazione: si tratta di semplificare gli adempimenti procedurali dove non aumentano la tutela, rafforzando al tempo stesso gli obblighi sostanziali, trasparenza, responsabilità, accesso ai dati rilevanti, auditabilità degli effetti e finalità pubbliche. Non meno regole, ma regole più intelligenti, che proteggano di più ciò che conta e pesino di meno dove non proteggono nessuno. La seconda è la scala. Nessuno Stato membro, da solo, ha le risorse per costruire un modello di frontiera, e il mercato europeo, oggi altrettanto indietro, non vi arriverà da sé. Serve un'iniziativa pubblica congiunta, orientata a una missione.
È il modello di quello che l'Europa ha già saputo fare quando si è concentrata, da Airbus a Galileo: mettere insieme risorse, competenze e capacità di calcolo di più paesi attorno a un obiettivo comune.
E qualcosa si sta muovendo. All’inizio di giugno 2026 la Commissione ha presentato un pacchetto per la sovranità tecnologica che, insieme al piano per l’AI Continent e alla strategia Apply AI dell’anno prima, traccia una linea più coerente: trattare semiconduttori, calcolo, cloud e intelligenza artificiale come infrastrutture critiche, costruire capacità europea invece di limitarsi a regolare, e spingere l’adozione in tutti i settori e nelle PMI, non solo nelle grandi imprese. È il segno che la diagnosi da cui sono partito non è più una posizione di minoranza.
Due cose, in quel pacchetto, contano più delle altre. La prima è che l’Europa comincia a fare il committente, non solo il regolatore: usa la domanda pubblica, l’approccio buy European e il principio del codice pubblico per orientare il mercato verso fornitori e standard europei. Qui però serve una distinzione netta, perché è il punto in cui la committenza pubblica può fallire. Comprare europeo non può ridursi a una preferenza nazionale o continentale, che finirebbe per proteggere operatori deboli solo perché nostri. Deve essere una committenza condizionata a risultati: apertura, interoperabilità, auditabilità, sicurezza, riuso del codice, riduzione delle dipendenze. Il criterio non è soltanto che un fornitore sia europeo, ma che sia europeo, aperto, controllabile e competitivo. Intesa così non è protezionismo ma politica industriale, ed è la leva che fa emergere operatori nuovi e capaci invece di tenere in vita quelli che già ci sono. Questa leva conta anche in un altro modo, ed è il più importante per il ragionamento che faccio qui: la committenza pubblica non deve limitarsi a comprare strumenti già pronti, può condizionare i modelli stessi che finanzia o acquista, i dataset su cui sono addestrati, gli obiettivi verso cui sono ottimizzati, i requisiti di trasparenza, gli audit indipendenti, le finalità d’uso. È così che l’addestramento, il luogo dove si decide tutto, diventa davvero un processo supervisionato democraticamente, invece di una scatola nera che ci limitiamo ad acquistare. La seconda è che quel quadro è dichiaratamente aperto ai partner affini, lo spazio naturale di questa cooperazione. Resta però un limite di prospettiva, ed è qui che il mio ragionamento si distingue: il pacchetto parla soprattutto di competitività e autonomia, mentre la posta vera è chi governa il processo. La committenza e il codice aperto non sono solo strumenti industriali, sono il modo concreto di mettere la produzione dell’intelligenza artificiale sotto controllo democratico.
Darsi una capacità propria, da sola, tuttavia non basta, ed è qui che entra la seconda parte della risposta, quella internazionale. Solo un'Europa che si è data una propria capacità può cooperare con partner affini da pari, e non da dipendente. La risposta che ho già provato a sostenere in passato (ne ho scritto qui in modo più dettagliato), e che resta per me la più realistica, è che l'Europa non può farcela da sola e non deve provare a replicare “in casa” i giganti tecnologici globali. Tentare un'autosufficienza isolata, una specie di autarchia digitale, è irrealistico per scala, per investimenti, per tempi. E inseguire una "sovranità digitale" intesa come isolamento sarebbe una risposta sbagliata a un problema giusto. La via che ritengo praticabile è quella che ho chiamato “cooperazione digitale”, cioè la costruzione di alleanze operative e non subordinate con partner, fra gli Stati extra-UE,che condividono le stesse ambizioni democratiche, attraverso investimenti coordinati, infrastrutture interoperabili, standard aperti, ricerca condivisa. Una via che non implica una rinuncia all'autonomia, ma che al contrario potrebbe rappresentare il modo concreto di costruirla, attraverso un'interdipendenza governata, invece che subìta.
Quello che il ragionamento sull'intelligenza artificiale aggiunge a questa idea è che la cooperazione digitale non serve solo alla competitività industriale, serve alla democrazia. Mettere insieme tra partner affini la capacità di costruire e governare l'infrastruttura materiale dell'intelligenza artificiale è la condizione perché quell'intelligenza artificiale possa essere orientata a fini democratici invece che subìta come un dato di fatto deciso altrove.
Questa cooperazione digitale dovrebbe lavorare su due piani complementari che non vanno confusi. C'è un piano industriale, che riguarda la capacità europea di competere e di ridurre la dipendenza nelle tecnologie strategiche, il calcolo, i semiconduttori, i modelli, e che si costruisce con la scala, gli investimenti, le alleanze, il trasferimento tecnologico tra partner. E c'è un piano delle infrastrutture pubbliche digitali, che riguarda la capacità delle istituzioni di costruire e governare democraticamente identità, pagamenti, dati, servizi, e l'intelligenza artificiale come strumento pubblico di accesso alla conoscenza, sotto controllo democratico. I due piani dovrebbero compenetrarsi. Curare solo l'industria rafforzerebbe la competitività ma lascerebbe cittadini e amministrazioni dipendenti da piattaforme altrui. Curare solo le infrastrutture pubbliche garantirebbe diritti sulla carta, perché senza un tessuto industriale autonomo quelle infrastrutture resterebbero tecnicamente dipendenti da tecnologie che non controlliamo.
Che non sia solo un’idea astratta lo dimostrano i paesi che hanno già cominciato a muoversi. Nel giugno 2026 il Canada ha presentato una strategia nazionale che tratta l’intelligenza artificiale come infrastruttura critica, al pari dell’energia e della difesa. Punta a ridurre la dipendenza dai colossi statunitensi costruendo data center, capacità di calcolo e competenze proprie, ma dichiara di non potercela fare da sola e indica un gruppo di democrazie con cui cooperare, tra cui l’Unione Europea. È esattamente la logica dei due piani e della cooperazione tra pari. Resta una differenza che vale la pena segnalare. Quando il primo ministro canadese riassume la posta in gioco chiedendosi se l’AI migliorerà la vita di tutti o solo di pochi, a me pare che parli soprattutto della distribuzione dei benefici, più che del controllo della produzione. È un passo avanti, ma la questione che pongo qui è più a monte: chi possiede e governa l’infrastruttura, non solo come se ne ripartiscono i frutti.
Controllare la produzione, qui, non significa possedere ogni chip e ogni data center: sarebbe una corsa che l’Europa da sola non può vincere. Significa governare democraticamente il processo con cui questi sistemi vengono prodotti: le scelte sui dati, gli obiettivi verso cui sono addestrati, le regole con cui vengono messi al lavoro, e mettere in comune tra partner affini la capacità necessaria. È questo che distingue l’interdipendenza governata dalla dipendenza subìta.
Sovranità digitale reale, su scala europea, significa tenere insieme i due piani sotto un governo democratico.
Dove porta tutto questo
Ho cominciato da due fatti di un giorno di maggio, un discorso di un ex banchiere e un'enciclica papale, perché segnalano insieme che qualcosa è cambiato. Per anni la trasformazione digitale è stata raccontata come un fatto tecnico, da delegare agli specialisti e ai mercati. Quel tempo è finito. L'intelligenza artificiale, proprio per come funziona materialmente, rende evidente che dietro ogni sistema ci sono dati di qualcuno, calcolo di qualcuno, obiettivi decisi da qualcuno, e che quei "qualcuno" decidono come la tecnologia incide sul lavoro e sul sapere di tutti.
Riconoscere tutto questo non è un punto di arrivo, è un punto di partenza, da cui discende una scelta politica precisa, che si regge su tre assi: costruire una capacità europea propria, industriale e di infrastrutture pubbliche, invece di limitarsi a regolare; diffonderla in tutta la società, come adozione e come consapevolezza, e non solo nelle imprese; costruire una cooperazione tra partner affini capace di sostenere quella base materiale, perché nessuno ce la fa da solo. Capacità europea, diffusione sociale, cooperazione tra pari: tenere insieme questi tre assi sotto un governo democratico è ciò che distingue la sovranità digitale dall'autarchia e dalla dipendenza subìta. Comprendere come funziona l’intelligenza artificiale significa comprendere che il futuro digitale non dipenderà soltanto dalla tecnologia che saremo capaci di costruire, ma da chi ne controllerà le infrastrutture, da chi saprà usarla e da quali regole ne guideranno gli obiettivi. La questione non è tecnologica. È politica.
Le informazioni e le opinioni espresse sono quelle dell’autore e non riflettono necessariamente la posizione ufficiale delle istituzioni europee.