OpenAI ha pubblicato il 1° ottobre 2026, attraverso la piattaforma Intelligence Age, il saggio The Eternal Complement, elaborato da Hemanth Asirvatham ed Elliott Mokski e dedicato al rapporto tra capacità intellettuali, organizzazione produttiva e realizzazione concreta delle innovazioni. Il contributo costituisce il primo approfondimento di una serie dedicata all’economia futura e alla progressiva diffusione di sistemi di intelligenza artificiale avanzata. Intelligence Age era stata inaugurata il 20 agosto 2026 da Dean Ball come piattaforma della nuova divisione Strategic Futures, incaricata di studiare le trasformazioni istituzionali necessarie per preservare autonomia e diritti individuali in una società caratterizzata da sistemi di intelligenza artificiale potenzialmente trasformativi. I contenuti ospitati rappresentano le posizioni dei rispettivi autori, senza costituire necessariamente orientamenti ufficiali di OpenAI.
L’analisi prende in considerazione la crescente distanza tra la capacità di elaborare conoscenze scientifiche e quella di tradurle in risultati materiali. Le equazioni fisiche permettono di descrivere fenomeni risalenti alle prime fasi dell’universo, mentre l’esplorazione umana dello spazio non si è ancora estesa oltre la Luna. Un esempio concreto viene individuato nell’evoluzione degli strumenti astronomici: il telescopio di Galileo richiedeva essenzialmente due lenti e un tubo, mentre il James Webb Space Telescope ha comportato una spesa di circa dieci miliardi di dollari, la realizzazione di diciotto segmenti riflettenti con precisioni dell’ordine di cinquanta nanometri e il coordinamento di trecento organizzazioni distribuite in quattordici Paesi. La produzione di conoscenza dipende pertanto da infrastrutture tecnologiche, capacità finanziarie, catene di fornitura e competenze organizzative progressivamente più articolate.
Le trasformazioni vengono quantificate attraverso studi sulla produttività della ricerca. Il mantenimento della legge di Moore richiede oggi oltre diciotto volte il numero di ricercatori necessario nei primi anni Settanta, mentre lo sforzo effettivo di ricerca nell’economia statunitense sarebbe aumentato di ventitré volte dagli anni Trenta, a fronte di una produttività misurata diminuita di un fattore pari a quarantuno. Ulteriori indicatori riguardano la crescita degli addetti tecnici, che procede a una velocità doppia rispetto a quella degli scienziati, il raddoppio dell’utilizzo di apparecchiature specializzate nell’arco di quattro decenni e l’aumento di cinque volte dei costi degli stabilimenti per la produzione di semiconduttori rispetto a trent’anni fa. Questi dati vengono utilizzati per descrivere l’intelligenza scientifica e la capacità di realizzazione come fattori economici complementari, il cui valore dipende dalla disponibilità reciproca.
Gli autori introducono il concetto di intelligenza istituzionale per indicare l’insieme delle competenze necessarie a trasformare un’idea in un risultato concreto. Legislazione, procedure amministrative, finanziamenti, organizzazione del lavoro e infrastrutture produttive diventano componenti indispensabili del progresso. L’intelligenza artificiale interviene progressivamente in questo processo mediante generazione di codice, consultazione della letteratura scientifica e trasformazione di progetti preliminari in prototipi funzionanti. La maggiore disponibilità di capacità esecutiva potrebbe inizialmente spostare il valore verso il giudizio umano, la scelta dei problemi e la definizione degli obiettivi. Successivamente, qualora i sistemi artificiali sviluppassero autonomamente un numero crescente di intuizioni scientifiche, la disponibilità di strutture capaci di realizzarle potrebbe diventare nuovamente il principale fattore limitante.
Vengono quindi delineati due possibili modelli di sviluppo. Una civiltà orientata alla profondità potrebbe utilizzare la superintelligenza per ottenere risultati fondamentali attraverso nuove deduzioni, riducendo la necessità di infrastrutture materiali. Una civiltà orientata all’ampiezza, invece, dovrebbe realizzare esperimenti fisici sempre più estesi per acquisire conoscenze non deducibili dai dati disponibili. Le reazioni chimiche, la crescita biologica e i limiti di propagazione dei segnali rappresentano processi che non possono essere accelerati semplicemente aumentando la capacità di calcolo. La progettazione di una sfera di Dyson costituisce un esempio estremo di questa seconda possibilità, nella quale la complessità principale risiederebbe nella costruzione e nella logistica.
La prospettiva mantiene infine un ruolo specifico per la curiosità umana, individuato nella ricerca della conoscenza, nella diversità delle intuizioni e nella possibile complementarità tra giudizio individuale e capacità organizzativa artificiale. Il ritmo del progresso dipenderebbe quindi non soltanto dall’intelligenza disponibile, ma anche dalla quantità di realtà fisica che tale intelligenza deve necessariamente coinvolgere per produrre nuove conoscenze.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)
