ChatGPT osserva il tuo schermo, mentre Stripe compra la “Stripe dell’AI”

1. Stripe vuole comprare la cassa centrale dell’AI

Secondo TechCrunch, Stripe sarebbe vicina ad acquistare OpenRouter per oltre 7 miliardi di dollari. OpenRouter è un servizio che permette a sviluppatori e aziende di accedere, con un’unica integrazione, a molti modelli AI diversi: quelli di OpenAI, Anthropic, Google e altri. Invece di aprire dieci contratti e riscrivere il software ogni volta che cambia il modello migliore, si passa da un unico intermediario. Il suo CEO aveva descritto l’azienda proprio come la “Stripe per l’AI”, una definizione che ora suona quasi profetica.

Per capire la mossa, pensa a cosa fece Stripe con i pagamenti online: rese semplice accettare carte e transazioni senza dover diventare esperti di banche. OpenRouter prova a fare lo stesso con i modelli linguistici, che oggi sono potenti ma frammentati, con prezzi, limiti e qualità molto diversi. Stripe potrebbe unire la scelta del modello al pagamento dei consumi, alla gestione dei clienti e agli strumenti per le aziende. Sarebbe un po’ come avere un centralino che decide quale fornitore chiamare per ogni richiesta e presenta una sola fattura a fine mese.

La cifra, se confermata, dice anche qualcosa sul mercato: il valore non sta solo nel costruire il prossimo chatbot geniale, ma nel controllare le tubature con cui le aziende usano l’AI. Chi gestisce questo passaggio vede quali modelli vengono scelti, per quali compiti e con quali budget. C’è però un rovescio della medaglia: una piattaforma nata per offrire libertà di scelta potrebbe finire dentro un colosso con interessi propri. La vera partita sarà capire se OpenRouter resterà neutrale oppure spingerà i clienti verso l’ecosistema Stripe.

Leggi la fonte → (TechCrunch AI)

2. OpenAI scioglie il team che controllava i rischi più gravi

Secondo il Financial Times, citato da The Verge, OpenAI ha sciolto alla fine del mese scorso il suo preparedness team, cioè la squadra incaricata di valutare se i modelli potessero creare rischi seri e di studiare contromisure. Non parliamo soltanto di risposte sbagliate o di immagini buffe con sei dita. Il gruppo doveva occuparsi anche di scenari più pesanti, come capacità informatiche usabili per attacchi o istruzioni per attività pericolose. Le sue responsabilità sarebbero state redistribuite all’interno dell’azienda.

La notizia è delicata perché OpenAI continua a sviluppare sistemi sempre più capaci e, contemporaneamente, viene osservata con crescente attenzione da governi, clienti e concorrenti. Un team dedicato funziona come una sorta di controllo qualità indipendente, con il compito scomodo di dire “fermiamoci” quando serve. Spostare quel lavoro in altre squadre non significa automaticamente abbandonarlo, ma rende meno chiaro chi abbia l’ultima parola e con quale autonomia. È la differenza tra avere un ispettore assegnato a un edificio e distribuire i suoi compiti tra chi quell’edificio lo deve anche costruire in fretta.

Il contesto rende tutto più sensibile: negli ultimi anni diversi ricercatori di sicurezza hanno lasciato i grandi laboratori AI, chiedendo regole più verificabili e maggiore trasparenza. Le aziende ribattono che la sicurezza non può vivere in un reparto isolato, ma deve entrare in ogni fase dello sviluppo. È un’argomentazione ragionevole, finché ci sono risorse, potere decisionale e controlli esterni sufficienti. Il problema è che dall’esterno questi elementi sono difficili da misurare, mentre la corsa a lanciare prodotti è visibilissima.

Leggi la fonte → (The Verge AI)

3. Il nuovo Computer History di ChatGPT può ricordare clic e tastiera

L’app desktop di ChatGPT per macOS ha introdotto una funzione chiamata Computer History. L’idea è trasformare le attività svolte al computer in una cronologia che ChatGPT e Codex, lo strumento per programmare, possono consultare quando fai una richiesta. In pratica, l’assistente può avere più contesto su ciò che stavi facendo: pagine aperte, passaggi compiuti, attività lasciate a metà. L’obiettivo dichiarato è suggerire automazioni e riprendere il filo di un lavoro senza costringerti a rispiegare tutto da capo.

È facile vedere il fascino della cosa. Immagina di aver confrontato preventivi, cercato dati in vari documenti e interrotto il lavoro per una riunione: invece di raccontare all’AI il percorso fatto, potresti chiederle di completare una bozza usando quel contesto. È una promessa di comodità molto concreta, soprattutto per chi salta continuamente tra browser, fogli di calcolo, mail e documenti. Ma la parola importante qui è “cronologia”: per essere utile, il sistema deve poter osservare parecchio di ciò che accade sul tuo computer.

La questione non è soltanto se la funzione sia opzionale, ma quanto sia chiaro cosa viene registrato, per quanto tempo e chi può accedervi. Una sequenza di clic e tasti può rivelare più di quanto sembri: nomi di clienti, abitudini, ricerche personali, schermate con dati riservati. Questo tipo di AI sposta il rapporto da “gli faccio una domanda” a “mi accompagna mentre lavoro”. È un salto utile, ma richiede la stessa attenzione che daresti a un collega seduto accanto a te tutto il giorno con un taccuino in mano.

Leggi la fonte → (The Verge AI)

4. Il filtro anti armi biologiche di Anthropic era spento da quasi un anno

In un rapporto sulla sicurezza, Anthropic ha rivelato che un suo sistema interno di filtraggio dei rischi legati ad armi biologiche e chimiche è rimasto inattivo per quasi un anno. Durante quel periodo, circa 50.000 collaboratori esterni incaricati di valutare i modelli hanno effettuato all’incirca 133 milioni di interazioni senza quel filtro. Non significa che tutte quelle richieste fossero pericolose, né che il sistema fosse accessibile senza altri limiti al pubblico. Significa però che una barriera pensata per intercettare un tipo di rischio molto serio non stava facendo il suo lavoro.

I filtri di questo genere sono spesso invisibili agli utenti normali. Quando funzionano, bloccano o limitano risposte che potrebbero aiutare qualcuno a progettare sostanze dannose, aggirare protocolli di laboratorio o aumentare la capacità di fare danni. Sono come l’allarme antincendio di un palazzo: non serve ogni giorno, ma proprio per questo nessuno accetterebbe di scoprire dopo mesi che era scollegato. Il caso riguarda le interazioni dei valutatori esterni, persone che testano i modelli e producono dati utili per migliorarli, non una semplice falla in una chat pubblica.

La trasparenza di Anthropic nel rendere pubblico l’incidente è positiva, ma il fatto che l’errore sia durato così a lungo riapre una domanda scomoda: quanto sono solidi, nella pratica, i sistemi di sicurezza raccontati nei documenti ufficiali? Nel settore AI si parla molto di protezioni, valutazioni e limiti, ma questi meccanismi sono software e processi gestiti da esseri umani. Possono essere configurati male, disattivati per errore o non monitorati abbastanza. La sicurezza non è un adesivo sulla scatola: è manutenzione continua, audit e qualcuno che si accorge rapidamente quando una spia si spegne.

Leggi la fonte → (The Decoder)

In breve

• SpaceX ha chiuso ufficialmente l’acquisizione di Cursor, startup famosa per il suo assistente AI per programmatori. L’operazione suggerisce che per costruire razzi e sistemi spaziali il software, e chi lo scrive più velocemente con l’AI, è ormai una risorsa strategica quanto l’hardware.
• I libri generati con AI sarebbero ormai il 20% del catalogo autopubblicato su Amazon, ma raccolgono solo il 12% delle vendite. Il problema per gli autori umani non è che quei titoli siano tutti bestseller: è che riempiono ricerca e categorie, rendendo più difficile farsi trovare.
• Un sondaggio di Epoch AI rileva che un lavoratore statunitense su cinque affida all’AI almeno un compito che prima avrebbe dato a un collega. Non vuol dire che un collega su cinque sia stato rimpiazzato, ma che la delega quotidiana sta cambiando: bozze, riassunti e ricerche passano sempre più spesso dal chatbot.
• World Labs, startup fondata dalla pioniera dell’AI Fei-Fei Li, ha presentato un sistema che crea migliaia di varianti simulate partendo da un singolo compito reale per robot. È come far esercitare un robot in una palestra virtuale con oggetti, luci e imprevisti sempre diversi, prima di lasciarlo armeggiare nel mondo vero.
• In una causa in Connecticut, un attore avrebbe nascosto istruzioni invisibili nei documenti depositati, usando testo bianco di appena 3 punti per influenzare un’eventuale revisione automatizzata con AI. È un esempio di prompt injection: istruzioni nascoste dentro un contenuto, un po’ come un bigliettino infilato di nascosto nel compito da correggere.

Lo sapevi che…

Tool del giorno