Andrej Karpathy, tra i fondatori di OpenAI ed ex responsabile dell’intelligenza artificiale di Tesla, ha ripreso l’11 ottobre un suo post di aprile per dire che il divario nella comprensione delle capacità dei modelli linguistici si sta allargando. «Ora è meno “due gruppi di persone che parlano senza capirsi” e più un imbuto netto», ha scritto. È la spiegazione di un’esperienza comune: c’è chi giudica l’IA una rivoluzione e chi, dopo averla provata una volta, non è più tornato. Karpathy avverte che si tratta di calcoli a spanne, senza alcun sondaggio alle spalle e senza fonti citate.
L’imbuto ha quattro livelli. Circa 6 miliardi di persone, il 75% della popolazione mondiale, hanno avuto pochissimo contatto con i modelli linguistici. Da uno a due miliardi li usano ogni tanto nella versione gratuita, come una ricerca migliore o un aiuto alla scrittura. Circa 20 milioni, lo 0,2%, usano modelli di frontiera in programmazione e matematica e vedono «progetti grandi e complessi che prima richiedevano settimane o mesi» completati da agenti con un prompt. In fondo ci sono circa 5.000 persone, lo 0,00006%, con accesso ai sistemi di frontiera interni ai laboratori. Un utente di X ne ha ricavato lo schema che segue.
@karpathy https://t.co/j8175m28qM
— pingfan (@pingfan_ai) October 11, 2026
Per Karpathy il divario nasce da tre meccanismi. Il primo è l’ambizione: una domanda con la risposta lunga un paragrafo non sfrutta le potenzialità del sistema, mentre i vantaggi si vedono su problemi complessi e importanti per chi li pone. Il secondo è la capacità a macchia di leopardo: i modelli eccellono nei lavori digitali e verificabili, come programmazione e matematica, perché l’addestramento con ricompense verificabili e gli investimenti dei laboratori seguono il potenziale di ricavo. Il terzo è l’accesso: la versione gratuita non è lo stesso sistema usato da chi paga, e nessuna delle due coincide con quello interno. Persino molti professionisti non tecnici restano nel secondo livello, perché vedono l’IA solo di riflesso.
Chi sta in fondo all’imbuto vede già altro. Secondo Karpathy «il mondo esterno ha visto l’anteprima», mentre i pochi con accesso interno lavorano con sciami di migliaia di agenti che collaborano per settimane a grandi progetti software, alla ricerca scientifica e alla matematica, e la capacità umana di revisione comincia a restare indietro. Va ricordato che la stima è informale: nessun laboratorio ha confermato il numero di 5.000 e alcuni osservatori notano che ogni livello ha ragione dal proprio punto di vista ma sbaglia se generalizza, perché il compito tipico dell’utente occasionale è proprio quello su cui i modelli sono migliorati meno.
Lo schema non è nuovo e noi di Blockworld.it lo sappiamo: chi segue Bitcoin ed Ethereum ha già visto una maggioranza guardare da fuori mentre una minoranza viveva dall’interno ciò che stava cambiando. Scettici ed entusiasti dicono il vero su ciò che hanno visto, il problema è che non guardano la stessa cosa: chi liquida l’IA dopo una domanda a un chatbot gratuito ne ha visto l’ingresso, non la sala macchine. L’imbuto non misura l’intelligenza delle macchine, ma la distanza tra chi ci parla e chi ci lavora.
