La prossima sfida sarà la governance?

Non hai voglia di leggere tutto il saggio? Ascoltalo. Ho realizzato anche la versione podcast in MP3 di “Tra bit e qubit, la prossima sfida sarà la governance?” Un modo diverso per affrontare la stessa domanda: più aumenta la capacità di calcolo, chi governerà il passaggio dal calcolo alla decisione?

🎧 Ascolta il podcast in MP3.

O  se preferisci approfondire, il saggio completo è disponibile qui sotto,  per la lettura parti dalla –>introduzione.

---

Introduzione

La storia dell’informatica può essere letta come una storia di progressiva crescita della capacità di elaborare informazioni.

Dal bit al qubit, dal calcolo classico al calcolo quantistico, passando per GPU, supercalcolo e intelligenza artificiale, ogni generazione tecnologica ha ampliato ciò che una macchina può elaborare. Ma esiste una domanda che rischia di rimanere sullo sfondo: quando aumenta la capacità di calcolo, chi governa ciò che viene fatto con quella capacità? È una domanda diversa da quella relativa alla velocità, alla potenza o all’efficienza. Un computer può calcolare. Un algoritmo può ottimizzare. Un’intelligenza artificiale può generare, classificare, prevedere e proporre. Un computer quantistico può, per determinate classi di problemi, introdurre modalità di elaborazione radicalmente differenti. Ma nessuna di queste capacità determina automaticamente quale problema debba essere affrontato, quali vincoli debbano essere rispettati e quando un risultato possa diventare una decisione. È in questo spazio che emerge il problema della governance.

1. Dal bit al qubit: cambia il calcolo

Il bit rappresenta il fondamento del calcolo digitale classico. Il qubit appartiene invece a un paradigma computazionale differente, basato sulla meccanica quantistica. Sarebbe tuttavia un errore interpretare il qubit semplicemente come un “bit più potente”. Il quantum computing non rende automaticamente più veloci tutti i calcoli. Il suo potenziale riguarda specifiche classi di problemi e dipende dall’algoritmo, dall’architettura hardware, dalla qualità dei qubit, dalla gestione degli errori e dalla possibilità di realizzare sistemi sufficientemente affidabili e scalabili. La ricerca sulla correzione degli errori quantistici mostra progressi importanti, ma anche la complessità necessaria per ottenere qubit logici affidabili a partire da qubit fisici. Il punto, quindi, non è stabilire se il qubit sostituirà il bit. Il punto è osservare che il paradigma computazionale continua a evolvere.

E con esso cresce la quantità di possibilità che la macchina può esplorare.

2. Dalla capacità di calcolo alla capacità di generare possibilità

Questa evoluzione diventa ancora più evidente quando il calcolo quantistico viene combinato con altre tecnologie. Possiamo immaginare sistemi nei quali: l’AI genera alternative;

• il supercalcolo esegue simulazioni;
• il calcolo classico gestisce dati e processi;
• il quantum computing affronta specifiche operazioni;
• sistemi ibridi coordinano più forme di elaborazione.

Il risultato non è necessariamente una singola risposta. Può essere uno spazio enorme di possibilità. Ed è qui che il problema cambia natura. Quando una macchina dispone di poche possibilità, la difficoltà principale può essere il calcolo. Quando dispone di un numero enorme di possibilità, la difficoltà diventa anche selezionare, valutare e governare. La potenza computazionale genera quindi una nuova domanda:

chi decide quali possibilità meritano di essere considerate decisioni?

3. Ottimizzare non significa decidere

Un algoritmo può cercare una soluzione ottimale. Ma ottimale rispetto a cosa? La funzione obiettivo deve essere definita. I vincoli devono essere definiti. Le variabili devono essere selezionate.

Le condizioni di accettabilità devono essere stabilite. E soprattutto deve essere stabilito se una soluzione matematicamente ottima sia anche accettabile nel mondo reale. Questa distinzione è fondamentale: l’ottimizzazione riguarda la ricerca della soluzione migliore secondo determinati criteri; la governance riguarda la definizione, il controllo e la legittimità di quei criteri e del loro utilizzo. Un sistema può quindi essere straordinariamente potente nel trovare la risposta a una domanda formulata male.

La potenza del calcolo non corregge automaticamente la qualità della domanda.

4. Il problema del passaggio dal calcolo alla decisione

Possiamo rappresentare il processo in forma estremamente semplice:

PROBLEMA → CALCOLO → RISULTATO

Ma una decisione reale richiede qualcosa in più:

PROBLEMA → CRITERI → VINCOLI → CALCOLO → RISULTATO → VERIFICA → DECISIONE

È precisamente nello spazio compreso tra risultato e decisione che emerge la governance. Il risultato computazionale non dovrebbe essere confuso con la decisione.

Un risultato può essere:

• corretto matematicamente;
• probabilisticamente significativo;
• statisticamente plausibile;
• tecnicamente ottimizzato;

e tuttavia non essere sufficiente per autorizzare una decisione.

Occorre sapere come è stato ottenuto, secondo quali criteri, con quali limiti e con quale livello di incertezza.

5. La governance come nuovo livello dello stack

L’informatica ha progressivamente costruito livelli di astrazione. Possiamo semplificare: hardware → sistema operativo → software → applicazione

Con l’intelligenza artificiale si è aggiunto un ulteriore livello di complessità. Con sistemi ibridi AI–HPC–Quantum potrebbe diventare necessario distinguere ancora meglio tra:

capacità di elaborazione e governo dell’elaborazione.

Un possibile schema futuro potrebbe quindi essere:

UTENTE

↓

GOVERNANCE

↓

ORCHESTRAZIONE

↓

AI / HPC / CLASSICAL / QUANTUM

↓

RISULTATI

↓

VERIFICA

↓

DECISIONE UMANA

La governance non sostituisce il motore.

Lo governa.

6. È qui che il problema di PENSAI diventa interessante

PENSAI nasce da una domanda differente rispetto a quella del semplice aumento della capacità dell’intelligenza artificiale: come deve essere governato il processo attraverso il quale una capacità computazionale contribuisce a una decisione? La distinzione fondamentale può essere espressa così:

IA = genera

motore computazionale = elabora

PENSAI = governa il processo

utente = mantiene la responsabilità della decisione

Questa separazione diventa interessante proprio perché il motore può cambiare. Oggi può essere un algoritmo classico. Domani un modello di IA. In determinati problemi può essere un supercomputer. In futuro può essere un sistema quantistico. Oppure una combinazione di tutti questi.

Se il livello di governance è realmente separato dal motore, la sostituzione del motore non dovrebbe necessariamente richiedere la sostituzione della governance.

7. Il possibile significato di “technology-agnostic”

Qui emerge una proprietà che potrebbe essere più importante del semplice collegamento di PENSAI al quantum computing.

Non sarebbe:

PENSAI per il quantum.

Sarebbe:

PENSAI indipendente dal paradigma computazionale.

In termini architetturali:

Governance Core ≠ Compute Engine

Il motore computazionale diventa una componente sostituibile. Il principio potrebbe essere: PENSAI non deve dipendere dal modo in cui viene prodotto il risultato per poter governare il processo attraverso il quale quel risultato viene utilizzato. Questa è però un’ipotesi architetturale. Non è ancora una proprietà scientificamente dimostrata.

Per diventare una caratteristica reale dovrebbe essere verificata attraverso implementazioni, test e casi d’uso differenti.

8. Dal governo dell’AI al governo dei sistemi computazionali

Questa prospettiva potrebbe modificare anche il posizionamento concettuale di PENSAI.

Una definizione limitata sarebbe : framework di governance dell’intelligenza artificiale. Una definizione più ampia potrebbe essere: framework di governance dei processi decisionali assistiti da sistemi computazionali avanzati. La seconda comprende la prima senza dipendere da essa. L’AI sarebbe un possibile motore.

Il quantum un altro. Il supercalcolo un altro ancora. PENSAI si collocherebbe a un livello differente. Non sopra la tecnologia nel senso gerarchico, ma tra la capacità computazionale e la decisione.

9. Il principio di non compensazione

Questa distinzione introduce anche un problema che l’aumento della potenza computazionale non risolve. Non tutto deve necessariamente essere compensabile. Una soluzione potrebbe offrire un vantaggio enorme rispetto a tutte le alternative e tuttavia essere inammissibile perché viola un vincolo fondamentale. Pertanto il processo decisionale può richiedere due fasi differenti:

1. determinare ciò che è ammissibile;

2. ottimizzare all’interno dell’insieme ammissibile.

La seconda fase può essere affidata a un potente motore computazionale.

La prima è una questione di governance.

Questa distinzione rimane valida indipendentemente dal fatto che l’ottimizzazione venga eseguita da un computer classico, da un sistema AI o da un computer quantistico.

10. Il ruolo della supervisione umana

Questa impostazione trova un punto di contatto con la direzione della regolazione europea dell’intelligenza artificiale. L’AI Act europeo stabilisce, per i sistemi ad alto rischio, requisiti di supervisione umana e prevede che le persone incaricate della supervisione possano comprendere capacità e limiti del sistema, interpretarne gli output e, quando necessario, ignorarli, modificarli o interrompere il sistema. Il principio sottostante è significativo: l’automazione della capacità non implica l’automazione incontrollata della responsabilità. Questo non significa che PENSAI sia automaticamente conforme all’AI Act.

Significa che l’idea di separare capacità computazionale e governo umano della decisione appartiene a un problema già riconosciuto anche dal quadro regolatorio europeo.

11. Il quantum come test, non come obiettivo

Da questa prospettiva il computer quantistico assume un significato particolare. Non è necessariamente il futuro di PENSAI. È piuttosto un test della sua generalità. Se PENSAI funziona soltanto quando il motore è un sistema di IA, allora è fortemente legato a una tecnologia. Se invece il suo nucleo può governare un processo nel quale il motore cambia:

classico → AI → HPC → quantum → ibrido

senza modificare i suoi principi fondamentali, allora emerge una proprietà molto più generale. La tecnologia cambia. Il livello di governance rimane. Questa sarebbe la vera prova.

12. Ma l’ipotesi deve poter essere falsificata

Una posizione agnostica non può limitarsi a individuare ciò che conferma una teoria.

Deve anche indicare ciò che potrebbe smentirla.

La tesi perderebbe forza se:

• la governance fosse incorporata efficacemente nei motori stessi;
• il quantum rimanesse confinato a funzioni estremamente specialistiche prive di rilevanza decisionale;
• sistemi futuri rendessero superfluo un livello separato di governance;
• PENSAI non producesse vantaggi misurabili rispetto ad altri framework;
• la separazione tra governance e motore risultasse impraticabile.

Per questo non è corretto affermare:

“Il quantum renderà necessario PENSAI.”

La proposizione più rigorosa è:

“La crescente eterogeneità e potenza dei sistemi computazionali potrebbe rendere sempre più importante un livello esplicito di governance del passaggio dal calcolo alla decisione.”

PENSAI è una possibile risposta a questa esigenza.

Non è ancora la risposta dimostrata.

13. Una possibile legge evolutiva

Possiamo formulare una semplice ipotesi:

capacità computazionale ↑

↓

possibilità generate ↑

↓

complessità della selezione ↑

↓

necessità di criteri e vincoli ↑

↓

necessità di governance ↑

Non è una legge scientifica.

È una ipotesi di architettura dei sistemi decisionali. La sua validità dovrà essere verificata empiricamente.  Ma contiene una domanda che merita di essere posta: se la macchina diventa sempre più brava a trovare risposte, chi diventerà responsabile della domanda?

14. La vera sfida: dal calcolo alla decisione

Forse il passaggio storico più interessante non sarà quindi:

bit → qubit

ma:

calcolo → capacità → possibilità → decisione → governance.

Il bit ha permesso di costruire l’informatica digitale. Il qubit potrebbe aprire nuove forme di elaborazione. L’intelligenza artificiale sta trasformando la produzione e l’interpretazione delle informazioni. Ma tutte queste tecnologie incontrano un problema comune:

il risultato di una macchina non è automaticamente una decisione umana.

Tra i due esiste uno spazio. È lo spazio della valutazione. È lo spazio della responsabilità. È lo spazio della governance.

Conclusione

La domanda iniziale può quindi essere riformulata:

Tra bit e qubit, la prossima grande sfida sarà la governance?

Non sappiamo ancora se questa sarà davvero la prossima grande sfida. Ma sappiamo che la crescita della capacità computazionale non elimina il problema della decisione. Anzi, può renderlo più complesso. Un sistema capace di esplorare più possibilità non decide automaticamente quali possibilità siano desiderabili. Un algoritmo capace di trovare l’ottimo non stabilisce quale funzione obiettivo sia legittima. Un’intelligenza artificiale capace di produrre una raccomandazione non assume automaticamente la responsabilità di applicarla. Un computer quantistico capace di affrontare determinati problemi non stabilisce da solo perché quel problema debba essere risolto. È qui che la distinzione tra calcolo e governance diventa fondamentale.

In questa prospettiva PENSAI non dovrebbe essere pensato come una tecnologia concorrente dell’IA o del quantum computing. La sua eventuale funzione sarebbe differente:

governare il processo che trasforma capacità computazionale in informazione utilizzabile e informazione utilizzabile in decisione.

Se questa separazione sarà formalizzata, implementata e verificata, il passaggio dal bit al qubit potrebbe non rappresentare una discontinuità per PENSAI. Potrebbe rappresentare il suo banco di prova più importante. Perché la domanda finale non sarebbe più:

“Quanto può calcolare la macchina?”

ma:

“Chi governa ciò che la macchina rende possibile?”

Bibliografia essenziale

1. European Union, Regulation (EU) 2024/1689 — Artificial Intelligence Act, in particolare Art. 14, Human Oversight.
2. National Institute of Standards and Technology (NIST), Post-Quantum Cryptography, U.S. Department of Commerce.
3. Origin Quantum, Origin Pilot — Quantum Computer Operating System, documentazione ufficiale sulla gestione e orchestrazione dei sistemi quantistici.
4. Campbell, E. T., Terhal, B. M., & Vuillot, C. (2017), Roads towards fault-tolerant universal quantum computation, Nature, 549, 172–179.
5. Zhou, H. et al. (2025), Low-overhead transversal fault tolerance for universal quantum computation, Nature.
6. Zhou, H., Cain, M., Lukin, M. D. (2025), Opportunities in full-stack design of low-overhead fault-tolerant quantum computation, Nature Computational Science.
7. Preskill, J. (2018), Quantum Computing in the NISQ era and beyond, Quantum, 2, 79.
8. Russell, S. & Norvig, P., Artificial Intelligence: A Modern Approach, Pearson.

Nota metodologica

Il presente saggio distingue deliberatamente tra fatti documentati, analogie architetturali e ipotesi prospettiche. Il collegamento tra PENSAI e il quantum computing non viene presentato come risultato scientifico acquisito. La proposizione centrale — la possibile indipendenza del livello di governance dal motore computazionale — costituisce un’ipotesi architetturale che richiede formalizzazione, implementazione e verifica.