AI personale: addio alle app, ma chi decide per noi?

L’AI personale promette di liberarci da una piccola fatica quotidiana: aprire applicazioni, cercare funzioni, trasferire informazioni da una schermata all’altra. Basterà chiedere un risultato. Organizzare una trasferta, preparare un documento, recuperare una conversazione.

L’assistente dovrebbe occuparsi del resto. La comodità è evidente; meno evidente è il potere che consegniamo a chi costruisce questo intermediario. Perché quando un sistema sceglie gli strumenti con cui soddisfare una richiesta, può influenzare anche i servizi che utilizziamo, le offerte che vediamo e le alternative che ignoriamo.

È questa la questione che accompagna la prospettiva delineata da Luca Rossi, presidente dell’Intelligent Devices Group di Lenovo, nell’intervista pubblicata dal Sole 24 Ore il 17 settembre 2026. Rossi immagina un’informatica organizzata intorno alle intenzioni dell’utente, con le applicazioni tradizionali progressivamente fuori dal primo piano. Una previsione industriale ambiziosa, che merita attenzione proprio perché proviene da chi vende i dispositivi destinati a ospitare questa trasformazione.

Come funziona l’AI personale e perché le app cambiano ruolo

Finora abbiamo imparato a tradurre un bisogno nel linguaggio dei programmi. Per preparare una relazione apriamo un editor, recuperiamo i dati, cerchiamo gli allegati e sistemiamo il testo. Nel modello descritto da Rossi, comunicheremmo direttamente l’obiettivo a un assistente capace di coordinare queste operazioni. Il passaggio decisivo riguarda dunque la delega del procedimento: oltre a fornire una risposta, il sistema dovrebbe scegliere ed eseguire i passaggi necessari.

La differenza emerge con un esempio ipotetico. Chiedere di organizzare una giornata di lavoro fuori città può richiedere la consultazione dell’agenda, il confronto degli orari ferroviari e la preparazione dei materiali per una riunione. Oggi siamo noi a tenere insieme questi pezzi. Un agente potrebbe collegarli, segnalare incompatibilità e proporre una soluzione. Per acquistare un biglietto o inviare documenti, però, servirebbero autorizzazioni adeguate: capire una richiesta non equivale ad avere il permesso di compiere qualsiasi azione.

Alcuni strumenti mostrano già la direzione del cambiamento. La documentazione di Microsoft Copilot Studio descrive agenti capaci di interagire con siti e programmi attraverso pulsanti, menu e campi di testo, anche quando manca un collegamento software diretto. Questo dettaglio ridimensiona l’immagine di un’imminente estinzione delle app: le applicazioni possono continuare a funzionare mentre cambia chi le utilizza. L’utente affida il compito all’assistente, che opera sull’interfaccia al suo posto.

Per Lenovo, il progetto che incarna questa strategia si chiama Qira. Nell’intervista Rossi lo presenta come un agente contestuale pensato per accompagnare l’utente attraverso i dispositivi dell’ecosistema. Il valore promesso consiste nella continuità: ritrovare un’attività, comprenderne il contesto, evitare di ricominciare ogni volta da zero.

Resta una distanza sostanziale tra questa visione e la possibilità di affidarle ogni lavoro. Correggere una formula, confrontare due fotografie o rivedere un contratto richiede spesso un controllo puntuale. In questi casi, una schermata ben progettata può essere più efficace di una conversazione. Il futuro delle app potrebbe quindi essere meno visibile, senza diventare per questo irrilevante.

Chi controlla l’assistente può orientare le nostre scelte

La conseguenza economica più interessante riguarda il rapporto con il cliente. Se chiediamo a un agente di trovare una sistemazione per un viaggio, qualcuno deve stabilire quali strutture esaminare, come ordinarle e quali condizioni considerare accettabili. Dietro una risposta apparentemente semplice esiste una sequenza di scelte. Il criterio con cui l’assistente seleziona conta quanto la qualità della risposta.

È qui che si apre una possibile redistribuzione del potere digitale. Un’impresa può offrire un servizio valido e diventare comunque meno visibile se gli assistenti utilizzati dai clienti non la includono tra le opzioni. Al contrario, chi gestisce il punto di accesso alla richiesta può acquisire un ruolo decisivo nella distribuzione della domanda. È una conseguenza possibile del modello, non la prova che ogni agente operi già secondo questa logica.

La questione riguarda anche il giornalismo. Se un assistente seleziona le notizie, le riassume e risponde alle domande senza rendere necessario visitare le testate, cambia il rapporto fra editore e lettore. Diventano centrali la riconoscibilità delle fonti, la possibilità di approfondire e i meccanismi che sostengono economicamente chi produce informazioni. La comodità di un’unica risposta può nascondere la varietà delle ricostruzioni disponibili.

Per questo la promessa di personalizzazione va valutata attraverso domande concrete. L’agente può utilizzare servizi concorrenti? Distingue una proposta sponsorizzata da una scelta basata sulle preferenze dell’utente? Permette di capire perché ha escluso un’alternativa? Un assistente davvero utile dovrebbe rendere queste informazioni accessibili, soprattutto quando le sue decisioni hanno conseguenze economiche.

Anche la memoria del sistema può diventare un vincolo. Un servizio che conosce anni di abitudini, documenti e conversazioni potrebbe essere difficile da abbandonare, persino in presenza di un’offerta migliore. Il costo del cambiamento comprenderebbe il tempo necessario a ricostruire quella familiarità altrove. La possibilità di esportare e cancellare le informazioni assume quindi un valore pratico: determina quanto siamo liberi di scegliere un altro fornitore.

In questa prospettiva, chiamare un’intelligenza artificiale “personale” non risolve il problema della sua autonomia commerciale. Bisogna capire a chi risponde quando l’interesse dell’utente e quello della piattaforma prendono direzioni diverse.

AI personale sul dispositivo: privacy e risparmio da verificare

Una parte importante della strategia illustrata da Rossi riguarda l’elaborazione on-device, cioè eseguita direttamente su computer, telefono o altri apparecchi. Quando un’attività avviene localmente, può diminuire la necessità di inviare informazioni a server esterni. Inoltre, alcune funzioni possono dipendere meno dalla connessione. Sono vantaggi concreti, purché si chiarisca quali operazioni restano effettivamente sul dispositivo.

Il confine tra locale e remoto, infatti, può cambiare in base al compito. Apple descrive un’impostazione ibrida per Apple Intelligence: elaborazione sul dispositivo e ricorso a Private Cloud Compute per richieste che richiedono maggiori risorse. Nella documentazione di sicurezza, l’azienda presenta garanzie progettate per proteggere i dati anche durante questa seconda fase. Il caso mostra perché la valutazione debba riguardare l’intero percorso dell’informazione.

Elaborazione locale e riservatezza non sono sinonimi automatici. Un sistema può mantenere sul computer una parte del lavoro e trasmetterne un’altra per completarlo. Contano inoltre le copie sincronizzate, i permessi concessi e le modalità di conservazione della memoria. Per l’utente, sapere dove si trova il processore è meno utile che capire quali dati escono, per quale ragione e con quali possibilità di controllo.

Anche il risparmio richiede qualche conto. Rossi sostiene che l’inferenza locale, ossia l’esecuzione di un modello già addestrato, possa rendere più conveniente acquistare un dispositivo evoluto anziché pagare continuamente servizi cloud. È una tesi plausibile per determinati utilizzi, ma non dimostra una convenienza universale. Restano il prezzo dell’hardware, l’energia, gli eventuali abbonamenti e i limiti dei modelli disponibili sul dispositivo.

Un esempio puramente illustrativo aiuta a misurare il problema. Se un computer costa 300 euro in più e consente davvero di eliminare una spesa di 15 euro al mese, il recupero della differenza richiede 20 mesi, prima di considerare gli altri costi. Se invece l’abbonamento rimane necessario, quel risparmio non si realizza. Il confronto deve riguardare prestazioni equivalenti e bisogni effettivi.

A complicare il quadro intervengono memorie e semiconduttori. Nell’intervista Rossi prevede tensioni sui prezzi e collega la domanda anche all’espansione delle infrastrutture AI. Sono valutazioni di un protagonista del settore, non certezze sui futuri listini. Evidenziano però una contraddizione industriale: la diffusione dell’intelligenza artificiale può rendere desiderabili nuovi dispositivi proprio mentre aumenta la pressione sui componenti necessari a costruirli.

Il vero test sarà poter correggere e fermare l’AI personale

La prospettiva dei dispositivi indossabili porta il problema del controllo ancora più vicino alla vita quotidiana. Occhiali, braccialetti e altri accessori potrebbero raccogliere elementi del contesto senza richiedere ogni volta l’apertura di un programma. Rossi indica questa direzione come una componente importante dell’evoluzione dell’hardware. Ma un prototipo, una previsione e un prodotto affidabile per l’uso quotidiano restano cose diverse.

Più contesto può migliorare l’assistenza, ma aumenta anche la quantità di informazioni coinvolte. Un’agenda racconta gli appuntamenti; immagini, audio e posizione possono aggiungere dettagli sulle persone incontrate e sugli ambienti frequentati. La progettazione dovrebbe quindi consentire di scegliere cosa rendere disponibile, per quanto tempo e per quali attività. Una preferenza espressa una volta non dovrebbe trasformarsi in un’autorizzazione indistinta.

Esiste poi il rischio che l’assistente interpreti come ordini contenuti che dovrebbe soltanto leggere. È il problema della prompt injection: istruzioni malevole inserite, per esempio, in una pagina o in un documento possono tentare di deviare il comportamento dell’agente. Anthropic richiama questo rischio nella documentazione dei propri strumenti per l’uso del computer, con particolare attenzione agli ambienti nei quali il sistema opera attraverso account autenticati.

La differenza rispetto a una risposta sbagliata è sostanziale. Un errore può tradursi in un’azione: modificare un file, condividere informazioni o avviare una procedura indesiderata. Da qui discende un criterio di valutazione più utile delle sole dimostrazioni spettacolari: quanto è facile accorgersi dell’errore, interromperlo e rimediare? La velocità conta, ma perde valore se il controllo successivo assorbe tutto il tempo risparmiato.

Per giudicare l’AI personale servirà osservare il comportamento nei casi ordinari: una richiesta ambigua, un destinatario omonimo, un acquisto oltre il budget, un documento incompleto. Un sistema affidabile dovrebbe riconoscere quando chiedere chiarimenti, mostrare le operazioni rilevanti e lasciare all’utente la decisione finale sulle azioni delicate.

L’industria promette un rapporto più semplice con la tecnologia. Il beneficio può essere enorme, soprattutto per chi oggi incontra difficoltà tra menu, password e procedure frammentate. La misura del progresso sarà però la libertà che rimane dopo la delega. Un assistente merita fiducia quando rende facile anche contraddirlo, fermarlo e sostituirlo. Altrimenti avremo eliminato qualche icona dallo schermo, conservando molto meno controllo su ciò che accade dietro.