Pro e contro dell’intelligenza artificiale e perché è necessario costruirne una completamente europea

Gentile Direttore,

l’intelligenza artificiale va considerata per quello che è: non un oracolo, non un nemico, ma uno strumento estremamente potente. Ha già vantaggi reali e documentati: velocizza l’analisi, automatizza compiti ripetitivi, riconosce pattern, aumenta l’accessibilità, può sostenere ricerca, formazione e medicina personalizzata.

Uno dei suoi usi più interessanti è quello di sparring partner del pensiero: può costringerci a formulare meglio le domande, generare alternative, mettere alla prova un’ipotesi, suggerire controargomentazioni e ampliare il numero di prospettive considerate (Fig. 1).

Fig. 1 Rischi e benefici dell’IA

Ma l’altra faccia è altrettanto concreta. L’IA può produrre errori plausibili, amplificare bias già presenti nei dati, facilitare manipolazione, deepfake, frodi, sorveglianza e applicazioni militari. In campi sensibili come la biologia sintetica può inoltre abbassare barriere cognitive e tecniche rispetto alla progettazione di agenti patogeni. Questi rischi non sono puramente teorici: richiedono governance, controllo umano e verifica indipendente (Fig. 1).

C’è poi un aspetto meno visibile ma fondamentale: l’IA non è immateriale. Ogni modello poggia su data center, chip, server, reti, sistemi di raffreddamento e una filiera industriale complessa. Addestrare e far funzionare modelli di grandi dimensioni richiede quantità rilevanti di energia; il raffreddamento dei data center può richiedere grandi volumi d’acqua, direttamente o indirettamente; la produzione dell’hardware implica estrazione di metalli, terre rare e semiconduttori; e il rapido ricambio tecnologico genera rifiuti elettronici. A tutto questo si aggiungono le emissioni legate al mix energetico, alla costruzione delle infrastrutture e alla catena di approvvigionamento.

Quindi non ha molto senso chiedere se l’IA sia “verde” o “anti-ecologica” in assoluto. Il suo impatto ambientale dipende da come viene progettata, dove viene alimentata, quanto è efficiente, quanto dura l’hardware, quanta acqua consuma, quali materiali utilizza e quale utilità sociale produce in cambio. Un modello che consuma energia per ridurre sprechi, ottimizzare reti elettriche o migliorare modelli climatici può generare benefici ambientali indiretti, ma questo non annulla il costo fisico della sua infrastruttura. Il bilancio va misurato, non assunto (Fig. 2).

Fig. 2 Costo ecologico dell’IA

Esiste poi una vasta zona grigia. Non sappiamo ancora con sufficiente certezza quale sarà l’impatto complessivo sul lavoro, sulla creatività, sull’apprendimento, sulla memoria, sulla salute mentale, sulle disuguaglianze o sull’ambiente nel lungo periodo. L’effetto finale dipenderà molto meno dalla tecnologia in astratto che da come verrà progettata, distribuita e governata (Fig. 1).

C’è inoltre un limite epistemologico più sottile. I modelli di IA tendono naturalmente verso il centro della distribuzione: sintetizzano bene ciò che è frequente, condiviso, probabile. Questo li rende molto efficaci per descrivere “che cosa accade di solito”, ma può renderli meno sensibili alle code della distribuzione, ai casi rari, agli outlier e alle spiegazioni controintuitive. In medicina e nella ricerca questo è cruciale, perché proprio l’eccezione può rivelare un nuovo meccanismo, un evento avverso raro o una sottopopolazione importante. In altre parole: la media descrive il mondo, ma talvolta sono le eccezioni a spiegarlo (Fig. 3).

Fig. 3 IA e indicatori centrali di tendenza, trasformare (quasi) tutto in medie

Anche il rapporto umano con l’IA merita cautela. Il dialogo può creare un’impressione di presenza e familiarità, quasi una relazione. Ma questa è una percezione umana prodotta dal linguaggio. Un sistema di IA non è senziente, non prova paura, piacere, bisogno o desiderio. Può apparire vicino e autonomo, ma resta uno strumento cognitivo interattivo, non un soggetto biologico (Fig. 4).

Fig. 4 IA e rapporti umani

Infine, c’è una questione di potere. Lo sviluppo dei modelli più avanzati è oggi fortemente concentrato in pochi grandi poli tecnologici e industriali. Per questo una capacità europea, aperta e anche pubblica o consortile, avrebbe un valore strategico: sovranità digitale, protezione dei dati, trasparenza, accesso per università e ospedali, tutela delle lingue e dei contesti culturali europei, minore dipendenza da pochi attori privati.

Dietro l’IA non c’è un unico interesse. Ci sono profitto e nuovi mercati, controllo dei dati e delle piattaforme, competizione geopolitica, sicurezza e difesa, riorganizzazione del lavoro, ma anche ricerca, salute, istruzione e interesse pubblico. Capire questi interessi è fondamentale, perché chi controlla dati, infrastrutture, energia, chip e modelli non controlla soltanto una tecnologia: influenza anche quali problemi vengono affrontati, quali risposte vengono rese disponibili e chi ne beneficia (Fig. 5).

Fig. 5 IA e interessi economici

L’Europa non può limitarsi a regolamentare un’intelligenza artificiale progettata altrove: deve anche poterla comprendere, sviluppare e governare (Fig. 6).
Come ha sostenuto Giorgio Parisi, serve un’infrastruttura pubblica europea, sul modello del CERN, capace di produrre conoscenza condivisa, modelli trasparenti e strumenti accessibili ai cittadini.
È una questione di sovranità digitale, ma soprattutto di democrazia: dati, algoritmi e capacità di calcolo non possono essere concentrati esclusivamente nelle mani di pochi attori privati.
Un’IA europea e pubblica non significherebbe chiudersi al mondo, ma garantire pluralismo, controllo democratico e una tecnologia realmente orientata all’interesse collettivo.

Fig. 6 Dove si produce oggi l’ IA. IA e potere internazionale

La conclusione, quindi, non è essere pro o contro l’intelligenza artificiale. È più semplice e più difficile insieme: usarla senza idealizzarla, controllarla senza demonizzarla, sfruttarne la potenza senza cederle il giudizio e senza ignorarne il costo materiale.

Il vero obiettivo non dovrebbe essere sostituire l’intelligenza umana, ma costruire un sistema nel quale capacità umane e artificiali si correggano reciprocamente, producano valore reale e lo facciano entro limiti compatibili con equità, sostenibilità e interesse pubblico. Dobbiamo rendere democratica l’IA.

Prof. Antonio Ragusa

Presidente Comitato Etico AOGOI

Primario Reparto di Ostetricia e Ginecologia Ospedale di Sassuolo

Bibliografia

World Health Organization. Ethics and governance of artificial intelligence for health: WHO guidance. Geneva: WHO; 2021.

Autio C, Schwartz R, Dunietz J, Jain S, Stanley M, Tabassi E, et al. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. Gaithersburg (MD): NIST; 2024.

Stanford Institute for Human-Centered Artificial Intelligence. AI Index Report 2026. Stanford (CA): Stanford University; 2026.

Doshi AR, Hauser OP. Generative AI enhances individual creativity but reduces the collective diversity of novel content. Sci Adv. 2024;10(28):eadn5290. doi:10.1126/sciadv.adn5290.

Gmyrek P, Berg J, Kaminski K, et al. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. Geneva: International Labour Organization; 2025.

International Energy Agency. Energy and AI. Paris: IEA; 2025.

Li P, Yang J, Islam MA, Ren S. Making AI less “thirsty”: uncovering and addressing the secret water footprint of AI models. arXiv. 2023;2304.03271.

European Commission. AI Factories. Brussels: European Commission; 2026.