Abbiamo iniziato a giudicare intelligente ciò che risponde subito. Una macchina che impiega qualche secondo in più appare vecchia, lenta, superata. Il digitale ci ha educati così: tutto deve arrivare prima. Prima della domanda finita. Prima del dubbio. Prima perfino della verifica.
Ma l’intelligenza artificiale non è un elettrodomestico più rapido. Quando entra nei servizi pubblici, nella cybersicurezza, nei sistemi che leggono dati e comandi sospetti, la velocità non basta. Una risposta veloce può essere utile. Una risposta veloce che non si sa più controllare diventa un problema.
È il punto sollevato da uno studio del CERT-AgID dedicato al Multi-Token Prediction, una tecnica pensata per accelerare i grandi modelli linguistici. Il nome sembra fatto apposta per scoraggiare il lettore, ma il meccanismo è semplice. Normalmente un modello genera una parola alla volta. Con questa tecnica, invece, un assistente più leggero prova ad anticipare più parole insieme. Il modello principale controlla e decide se accettarle. Se l’assistente indovina, si guadagna tempo. Se sbaglia, si torna indietro.
Fin qui tutto sembra ragionevole. Chi non vorrebbe un aiutante che finisce le frasi al posto nostro? Il problema comincia quando l’aiutante corre più veloce del controllo. Perché la macchina non lavora su un foglio pulito. Tiene memoria di ciò che ha scritto, di ciò che ha solo ipotizzato, di ciò che ha accettato e di ciò che deve ancora verificare. Se questi elementi non restano allineati, il sistema può confondere una parola soltanto proposta con una parola già approvata.
Ed è qui che la questione smette di essere tecnica e diventa sociale. Più veloce non significa per forza più moderno. Più automatico non significa per forza più efficiente. Nessun sistema pubblico può vivere affidandosi al «più o meno funziona». Se una macchina deve aiutare a decidere, deve essere stabile nei casi difficili, non soltanto brillante nella demo.
Il CERT-AgID dice una cosa apparentemente piccola e invece decisiva: non basta misurare il tempo medio di risposta. Il tempo medio è il racconto comodo. Bisogna guardare anche i casi peggiori, i rallentamenti improvvisi, gli input che costringono il sistema a rifare pezzi di lavoro. Perché il rischio non è sempre il crollo spettacolare. A volte il sistema resta acceso, ma va in affanno. Non cade. Ansima. Risponde tardi, consuma risorse, perde prevedibilità.
Questa è una forma più sottile di insicurezza. Non l’attacco che spegne tutto, ma quello che costringe la macchina a lavorare troppo. Un prompt difficile può spingere il sistema a cancellare, ricalcolare, ripartire. Come un navigatore che continua a proporre svolte sbagliate: si arriva forse a destinazione, ma dopo troppe deviazioni.
C’è poi una lezione quasi controintuitiva. L’assistente che anticipa non deve essere creativo. Deve essere prevedibile. Non deve inventare traiettorie eleganti, ma proporre continuazioni facili da verificare. Nella lettura di un comando sospetto l’originalità può diventare rumore. In un sistema che deve proteggere, la fantasia della macchina non è talento: è una superficie di rischio.
Per questo il tema non è fermare l’intelligenza artificiale. Sarebbe ingenuo e inutile. Il tema è governarla mentre diventa più potente e più presente. Una tecnologia pubblica non può limitarsi a impressionare. Deve mantenere l’arbitro finale al posto giusto. Deve distinguere il suggerimento dalla decisione. Deve restare verificabile anche quando tutto spinge verso l’immediatezza.
La domanda non è se l’AI possa correre. Può farlo, e lo farà. La domanda è chi controlla la corsa. Troppe tecnologie entrano nella vita pubblica con la promessa dell’efficienza e chiedono fiducia al posto delle prove.
Il futuro dell’intelligenza artificiale non sarà appannaggio solo dalla macchina che risponde prima. Ma da una macchina sempre più a misura d’uomo e da una società che ad essa non chiede solo velocità, ma affidabilità.