Tengo un registro di chi prevede quando arriverà l’AGI — un’intelligenza artificiale capace di fare, sul piano intellettuale, tutto quello che sa fare una persona — separando due famiglie di voci: i previsori indipendenti e i modelli da una parte, i CEO dei laboratori dall’altra. Ad agosto avevo chiuso osservando che ad accelerare era chi non ha niente da vendere. Questo mese quella frase va spezzata in due, perché gli indipendenti hanno smesso di muoversi tutti nella stessa direzione.

Cosa è cambiato questo mese

Due cose, ed è una coincidenza notevole che siano accadute lo stesso giorno, il 26 agosto 2026.

La prima. TIME pubblica un reportage di Alex Heath costruito su più di due settimane di interviste a oltre venti persone fra dirigenti, dipendenti, investitori e concorrenti di OpenAI. Dentro c’è la dichiarazione che fa scattare questo aggiornamento: Sam Altman si dice convinto che entro la fine dell’anno OpenAI avrà internamente un sistema che lui definirebbe AGI, pur ammettendo che «non ci siamo ancora del tutto». Non è più una figura retorica come il «siamo nella singolarità» di luglio: è un mese, dicembre 2026. Il Chief Research Officer Mark Chen quantifica: siamo «all’80% della strada». Il cofondatore Greg Brockman dice che si guarderà a questo periodo come al momento in cui l’AGI è emersa. Il Chief Scientist Jakub Pachocki sostiene che il nuovo modello della famiglia Astra funziona già come un ricercatore-tirocinante automatizzato: gli dai un’idea sperimentale e scrive il codice, esegue l’esperimento e riporta i risultati; gli dai un paper e svolge un lavoro che a una persona costerebbe una settimana.

La seconda. Lo stesso giorno, sulla call sui risultati trimestrali di NVIDIA, un analista di Melius Research chiede a Jensen Huang cosa accadrà alla domanda quando arriveranno l’auto-miglioramento ricorsivo e l’AGI. Huang risponde con una frase che è già diventata un titolo: «in un certo senso, e per molti compiti, si potrebbe dire che abbiamo già raggiunto l’AGI». Poi, nella stessa battuta, la demolisce: «penso che tutti quei traguardi siano piuttosto insensati, a questo punto».

Su questa seconda vale la pena fermarsi, perché è l’esempio migliore di come si fabbrica una notizia che non c’è. Ho letto il transcript ufficiale della call — sedici pagine, versione corretta FactSet CallStreet, 26 agosto — e la frase ha tre condizionali impilati davanti: in un certo senso, per molti compiti, si potrebbe dire. Huang non afferma che l’AGI esista come stato generale; afferma che per un sottoinsieme di compiti la si potrebbe descrivere così, e sostiene che l’etichetta non porta più informazione. Non conferma la premessa dell’analista, cioè che OpenAI avrebbe detto di poter raggiungere l’AGI entro l’anno: quella parte semplicemente non la commenta. Sull’auto-miglioramento ricorsivo, poi, ridimensiona parecchio: parla di «auto-miglioramento a grana grossa», e il meccanismo che descrive è un agente che alla fine di ogni esecuzione aggiorna il proprio file di istruzioni in markdown. Non è ricorsione a livello di pesi, è documentazione che si riscrive. La parola «superintelligenza» nella call non compare mai, e Huang non dà nessuna data prospettica su nessuna soglia.

La previsione indipendente sta accelerando o rallentando?

Entrambe le cose, per la prima volta da quando tengo questo registro. Ed è il dato più interessante del mese.

Accelerano i modellisti. Il 16 agosto l’AI Futures Project — il gruppo di Daniel Kokotajlo e Eli Lifland, quello dello scenario AI 2027 — ha pubblicato il Q2.5 2026 Timelines Update. Le mediane per la soglia che loro chiamano TED-AI, e che corrisponde in pratica all’AGI, si accorciano di nuovo: Kokotajlo passa da circa metà 2029 a novembre 2028, Lifland da circa metà 2033 a luglio 2032. Sono rispettivamente otto mesi e un anno guadagnati in quattro mesi. Al gruppo si aggiunge un terzo previsore, Brendan Halstead, che con la sua prima serie di parametri si colloca in mezzo, ad aprile 2031. La progressione dello storico, per chi vuole vedere la forma della curva: aprile 2025 il 2027 come anno modale, novembre 2025 circa il 2030, gennaio 2026 dicembre 2030 per Kokotajlo, aprile 2026 metà 2029, agosto 2026 novembre 2028.

Ma il cambiamento più importante di quel documento non è la data: è il modo di misurare. Fino ad aprile la previsione era ancorata a un solo indicatore, l’orizzonte temporale dei compiti misurato da METR — quanto è lungo il lavoro che un modello porta a termine da solo. Gli autori dicono adesso, esplicitamente, che quell’ancora ha «enormi debolezze»: non è chiaro quale valore di orizzonte temporale corrisponda all’automazione del lavoro di programmazione, e sull’andamento della curva le persone ragionevoli si dividono in modo che porta a risultati vastamente diversi. Così ne hanno aggiunte due: l’uplift al coding, cioè di quanto l’AI velocizza gli ingegneri dei laboratori di frontiera, e il fatturato del laboratorio leader. I tre metodi, applicati in modo indipendente, restituiscono date molto simili — e gli autori leggono la convergenza come un segnale di robustezza, non come una conferma della tesi. Dichiarano anche un dato di calibrazione onesto: la realtà, misurata sui loro stessi indicatori, sta procedendo al 70-90% della velocità che AI 2027 prevedeva.

C’è però una postilla che cambia il senso di tutti quei numeri, e non l’ho vista riportata da nessuno. Da questo aggiornamento, scrivono, le loro previsioni sono dichiaratamente condizionate all’ipotesi che le cose vadano il più veloce tecnicamente possibile: nessun rallentamento da regolazione, nessun intervento pubblico, nessun freno politico. Prima non era chiaro nemmeno a loro — «alcuni di noi assumevano esplicitamente il contrario», ammettono. Vuol dire che novembre 2028 non è una previsione su cosa accadrà nel mondo, ma su cosa la tecnologia consentirebbe se nulla la ostacolasse. Non è più confrontabile alla lettera con le mediane delle altre fonti, che invece provano a tenere conto di tutto.

E poi c’è il lato che frena. Il community forecast di Metaculus, l’indicatore continuo che uso per leggere il trend perché si muove ogni giorno, oggi dà come stima corrente aprile 2033, con un intervallo interquartile fra il 29 giugno 2029 e il dicembre 2040 e circa 1.900 previsori attivi. Ad agosto l’avevo registrato a novembre 2032. Sono cinque mesi di allontanamento: sotto la soglia di un anno che mi sono dato, quindi non basterebbe da solo a scrivere niente, ma il segno è opposto a quello dell’AI Futures Project. Per la prima volta da mesi le due fonti indipendenti che si aggiornano più spesso divergono. Il modello GATE di Epoch resta fermo al 2034 senza nuove pubblicazioni, e vale ricordare che i ricercatori di Epoch presi come persone stanno molto più lontano del loro modello: Ege Erdil parla di trent’anni e di date oltre il 2045.

Il blocco degli esperti interrogati direttamente, intanto, non si muove di un mese. Ho verificato le due rilevazioni successive del panel LEAP del Forecasting Research Institute: la nona, condotta fra il 19 maggio e il 10 giugno su 194 esperti, 53 superforecaster e 612 persone comuni, e la decima, di giugno-luglio. Nessuna delle due chiede una data per l’AGI: la nona è dedicata ai rischi, la decima ai benefici. La mediana resta quella dell’ottava rilevazione, 2050 per gli esperti e 2047 per i superforecaster, mai rivista. Anche l’edizione 2024 dell’Expert Survey on Progress in AI di AI Impacts resta inedita per il terzo mese consecutivo: la fonte metodologicamente più solida di tutto il registro è anche la più vecchia, ottobre 2023, e continua a dire 2047. Il divario fra chi modella le tendenze tecniche e chi interroga le persone che l’AI la costruiscono resta di quindici-venti anni, e a questo punto va chiamato strutturale.

Chi è allineato e chi no

Il ventaglio dei CEO questo mese si compatta in alto e si allunga in basso.

In alto ci sono tre voci che indicano il 2026, con tre significati diversi. Altman dice dicembre 2026 per un sistema interno, con la definizione dello statuto OpenAI: sistemi altamente autonomi che superano gli umani nella maggior parte del lavoro economicamente rilevante. Huang dice «già adesso, per molti compiti», con una definizione sua e con l’aggiunta che la domanda non gli interessa. Elon Musk, il 3 agosto, pubblica su X un grafico dei progressi da luglio 2023 a luglio 2026, definisce l’AI «uno tsunami supersonico» e prevede che superi l’intelligenza del singolo essere umano entro fine anno, tenendo la superintelligenza intorno al 2030-2031. Sono tre affermazioni che sembrano la stessa e non lo sono.

Al centro, invariati, i due che finora hanno mostrato la maggiore continuità. Dario Amodei tiene l’«uno-tre anni» — quindi 2027-2029 — con il 90% di confidenza entro il 2035 e la sua «nazione di geni in un data center» data probabile entro il 2027. Demis Hassabis resta sul 2030 più o meno un anno, con il 2029 come possibilità, e continua a essere di gran lunga il CEO più vicino al benchmark dei previsori quantitativi: se un giorno si dovesse fare un consuntivo di chi aveva ragione, lui è l’unico dei sei che sta scommettendo sullo stesso numero degli indipendenti.

In basso, Yann LeCun non ha cambiato di una virgola la tesi — gli LLM non sono una strada verso l’intelligenza di livello umano, i world model sì — ma il contorno si è mosso. Il 5 agosto è entrato come partner nella società di investimento 224 Ventures, restando executive chairman di AMI Labs; a luglio ha detto alla BBC che il modello verrà rifinito fino a fine anno, con applicazioni industriali sperate nel 2027. AMI, a oggi, ha pubblicato paper teorici e nessun peso.

E qui entra nel registro una voce nuova, che è il motivo per cui questo paragrafo mi interessa più degli altri: Alexandre LeBrun, CEO operativo di AMI. A metà luglio ha detto a TechCrunch che i world model sono complementari agli LLM e non un sostituto, e che si rifiuta di chiamare il proprio sistema AGI o superintelligenza. È una posizione che non assomiglia a nessuna delle altre. Non dice che l’AGI è lontana, come LeCun; dice che la categoria non gli serve per lavorare. È l’unico CEO di un laboratorio di frontiera in questo registro che non offre alcuna data, e in un mese in cui tre persone hanno indicato il 2026 con tre definizioni diverse, il rifiuto di usare la parola è un dato in sé.

Il conflitto di interessi va nominato ogni volta, e questo mese più delle altre. I vertici dei laboratori raccolgono capitali, vendono prodotti e giustificano valutazioni proprio con la vicinanza di quelle date; l’annuncio di Altman arriva mentre OpenAI deve dimostrare di poter pagare le proprie infrastrutture, e nello stesso reportage TIME racconta di pubblicità dentro ChatGPT e di «agenti sponsorizzati». Non è un’accusa di malafede: è una regola di lettura. Il modo più pulito di applicarla è guardare cosa dicono i mercati previsionali, che sull’AGI-entro-il-2026 stanno al 9-15%. Un ordine di grandezza sotto la confidenza dichiarata dall’azienda che ci lavora.

AGI e superintelligenza non sono la stessa cosa

La nota che ripeto ogni mese, perché questo mese serve più che mai. L’AGI è un’intelligenza generale almeno pari a quella umana sui compiti intellettuali; la superintelligenza la supera enormemente in quasi tutti i domini, e viene logicamente dopo; la singolarità è una terza cosa ancora, il punto oltre il quale il progresso diventa troppo rapido per essere previsto.

Il problema, ad agosto 2026, non è più solo confondere i tre termini: è che la parola «AGI» viene usata da persone diverse per misurare oggetti diversi. Quando Altman dice dicembre 2026 sta usando una definizione economica, autonomia più lavoro remunerato. Quando LEAP dice 2050 sta chiedendo un sistema commerciale che batta il novantesimo percentile dei professionisti umani su almeno il 90% dei compiti non fisici, a un costo non superiore a cinque volte quello del lavoro umano. Quando Huang dice «per molti compiti» ha già ammesso nella frase che non parla del caso generale. Quando LeBrun rifiuta la parola sta dicendo che nessuna delle tre gli è utile. Quattro anni di distanza fra la prima e la seconda cifra sono ventiquattro; una parte enorme di quella distanza non è disaccordo sul mondo, è disaccordo sul metro.

Cosa mi porto a casa. Il fronte indipendente si è spaccato: chi modella accorcia, chi vota su Metaculus allunga, chi viene interrogato direttamente non si muove. Tre metodi, tre direzioni, nello stesso mese. È il segnale che siamo entrati nella zona in cui la scelta del metodo pesa più dei dati.

Cosa posso fare oggi. Davanti a una data sull’AGI, aggiungere una quarta domanda alle tre di sempre — chi la dice, con quale definizione, quando l’ha aggiornata: e assumendo cosa? Novembre 2028 e aprile 2033 diventano molto più vicini quando si scopre che il primo numero presuppone un mondo senza freni.

Domande da esplorare. Se l’uplift al coding raddoppia ogni quattro-cinque mesi, come sostiene l’AI Futures Project sulla base dei sondaggi interni di un laboratorio, quel dato è verificabile da fuori? È l’anello più debole di tutta la catena, ed è quello che adesso porta più peso. E la domanda di sempre: quando uscirà il sondaggio AI Impacts 2024, il 2047 reggerà?

Fonti