Un modello di AI può vincere una medaglia in una gara di matematica e, nello stesso pomeriggio, fallire un compito che qualsiasi bambino risolve in un secondo. È questo il paradosso dell’intelligenza artificiale oggi: potentissima in verticale, sorprendentemente fragile quando le si chiede di uscire dal proprio “recinto”. Proprio in questo spazio si inserisce una delle sigle più abusate, e spesso meno comprese, del momento: AGI, l’Artificial General Intelligence.
Se ne parla come della prossima grande rivoluzione, spesso confondendola con l’AI che le aziende hanno già in produzione. Ma AGI non significa “un’AI più potente” quanto piuttosto significa un’AI diversa. Capire questa differenza serve a decidere, oggi, su cosa investire e dove, invece, aspettare. Facciamo chiarezza, nell’articolo completo di Neurally INK.
Cos’è l’AGI
Con AGI si intende una fase (ancora ipotetica) dello sviluppo dell’intelligenza artificiale in cui un sistema è in grado di eguagliare o superare le capacità cognitive umane in qualsiasi attività. È l’obiettivo di fondo che la ricerca sull’AI insegue da decenni, ovvero replicare artificialmente un’intelligenza generale, paragonabile a quella di una persona.
Descritta come un campo di ricerca teorico che punta a creare software capace di apprendere in autonomia e di risolvere problemi che non erano previsti in fase di addestramento, è importante ricordare che si tratta di una forma ipotetica di AI, capace di pensiero critico e di funzioni cognitive equivalenti a quelle umane, ma che a oggi non esiste ancora. Infatti, non esiste oggi una definizione universalmente condivisa di AGI, né un consenso sul fatto che i sistemi attuali abbiano raggiunto questo livello.
La distinzione che cambia le decisioni aziendali: AI ristretta vs AGI
L’AI che usiamo ogni giorno è quella che gli addetti ai lavori chiamano narrow AI, o AI ristretta (anche “AI debole“) ed è intelligenza applicata a domini specializzati: classificare documenti, rispondere a un cliente, etc. Funziona benissimo ma solo entro i confini per cui è stata progettata e addestrata.
L’AGI, al contrario, avrebbe capacità generalizzate che superano i confini del singolo compito. Possiamo riassumere le differenze così:
Ma cosa dovrebbe saper fare, davvero, un’AGI?
Perché si possa parlare di AGI, un sistema dovrebbe padroneggiare un insieme di capacità che diamo per scontate negli esseri umani, ma che restano molto lontane dalle macchine attuali. Il quadro attuale è: apprendimento autonomo da nuove esperienze in tempo reale, problem-solving flessibile su domini diversi, adattabilità a compiti mai affrontati, comprensione del contesto e delle motivazioni, ragionamento affidabile e memoria persistente.
A queste si aggiungono le dimensioni più “umane” come la percezione sensoriale complessa, l’intelligenza emotiva, la creatività autentica e, soprattutto, la capacità di trasferire conoscenza da un dominio all’altro. È proprio quest’ultima connessione cross-dominio uno degli ostacoli più duri perché i modelli attuali, per quanto avanzati, faticano a portare ciò che “sanno” in un ambito dentro un ambito completamente diverso.
A che punto siamo con l’AGI? Tra esperti e critici
Su questo punto il dibattito si accende. Da un lato, alcuni ricercatori sostengono che i grandi modelli linguistici abbiano già raggiunto una forma di AGI, perché la loro caratteristica distintiva, ossia la generalità, è ormai evidente: operano su un’enorme varietà di compiti. Dall’altro, i critici ribattono che la generalità non basta senza affidabilità: Yann LeCun, informatico francese tra le voci più autorevoli, osserva che i modelli linguistici mancano di senso comune e non sanno agire nel mondo reale, e che un sistema addestrato solo sul linguaggio non arriverà mai davvero all’intelligenza umana.
Sul “quando”, le previsioni sono cambiate rapidamente, e continuano a farlo. Se fino a pochi anni fa il consenso spostava l’AGI oltre l’orizzonte del secolo, un sondaggio del 2023 condotto su 2.778 ricercatori ha stimato una probabilità del 50% che le macchine superino gli esseri umani in ogni compito entro il 2047. Una data che è tanto vicina quanto incertissima, perché, come ci ricordano gli stessi esperti, le previsioni nel proprio campo si rivelano storicamente poco affidabili. La sintesi più onesta resta quella di ServiceNow: la realtà di un’AGI fruibile è ancora lontana.
AGI, ASI, IA forte, agentic AI: un piccolo dizionario per non fare confusione
Attorno all’AGI ruota un vocabolario che genera diversi malintesi e distinguerlo aiuta a orientarsi nell’informazione:
- L’IA forte enfatizza la consapevolezza e la coscienza della macchina
- L’AGI si concentra invece sulle prestazioni generali, a prescindere dal fatto che vi sia o meno una coscienza
- La superintelligenza artificiale (ASI) è lo stadio successivo: non eguaglia le capacità umane, le supera e l’AGI ne sarebbe il prerequisito, non il contrario.
Attenzione infine a non confondere l’AGI con l’agentic AI. Gli agenti autonomi eseguono compiti complessi e multi-fase, ma all’interno di domini specifici, sono già oggi una leva concreta di automazione. L’AGI, per definizione, trascende qualsiasi dominio particolare. Questa è una differenza sostanziale poiché gli agenti sono realtà operativa, l’AGI resta un orizzonte di ricerca.
Concentriamoci sull’AI di oggi
Se l’AGI è ancora così lontana, le aziende devono chiedersi: “cosa posso fare adesso con l’AI che esiste?“. E la risposta è: moltissimo. Le applicazioni già mature includono l’automazione di workflow complessi, agenti virtuali disponibili 24 ore su 24 per il servizio clienti, la classificazione e l’instradamento automatico delle richieste, l’estrazione di insight dai dati aziendali e una riduzione misurabile dei costi operativi. Ma non solo!
Il vero vantaggio competitivo deve nascere dal mettere a terra bene l’intelligenza specialistica di oggi partendo da processi ben definiti, dati organizzati, obiettivi chiari e misurabili, e da una governance che tenga insieme potenza e responsabilità. È qui che la distanza tra chi “prova l’AI” e chi la trasforma in risultati diventa evidente.
Trattandosi di un traguardo affascinante ma che oggi non ha ancora una definizione condivisa, guardarla come una bussola, per capire dove sta andando la tecnologia, ha senso. Aspettarla come una scadenza per iniziare a usare l’AI, no.
Quindi, per le imprese la vera opportunità è un AI applicata bene, con metodo e governance. Ed è quello che facciamo in Neurally ogni giorno, aiutando aziende ed enti a trasformare l’intelligenza artificiale in progetti concreti, per automatizzare i processi, con qualità, etica e conformità normativa al centro.
Se ti va di capire quali casi d’uso dell’AI possono fare davvero la differenza nella tua azienda, senza attendere l’AGI, puoi scoprire la nostra soluzione Neurally Platform.
Continua a seguire Neurally INK per approfondimenti, analisi e le storie dietro le quinte dell’intelligenza artificiale.
