- L'AGI, intelligenza artificiale generale, è un sistema capace di imparare e svolgere la maggior parte dei compiti cognitivi umani con flessibilità paragonabile a quella di una persona.
- Non esiste una definizione condivisa: c'è chi la misura sul lavoro economico, chi sul ragionamento e chi, come Google DeepMind, su una scala a livelli di prestazione, generalità e autonomia.
- Nel sondaggio AI Impacts su 2.778 ricercatori (gennaio 2024) il 50% di probabilità di macchine migliori delle persone in ogni compito è collocato nel 2047, 13 anni prima rispetto al 2022.
- I laboratori che costruiscono i modelli indicano date più vicine, i critici citano ragionamento fragile e agenti immaturi: l'incertezza resta molto ampia.
- Per persone e imprese conta meno la data dell'AGI e più quali compiti concreti l'AI sa già svolgere bene oggi.
L’AGI, intelligenza artificiale generale, è l’idea di una macchina capace di svolgere la maggior parte dei compiti cognitivi che sa svolgere una persona, con la stessa flessibilità. A ottobre 2026 non esiste una definizione condivisa, non esiste un test che dica “ci siamo” e le previsioni su quando arriverà vanno da “fra due o tre anni” a “non con questa tecnologia”. In questo articolo mettiamo in fila cosa dicono i sondaggi tra ricercatori, le piattaforme di previsione, chi costruisce i modelli e chi li critica, per capire quanto di questo dibattito riguarda davvero la vita di tutti i giorni.
Cos’è l’AGI, in parole semplici?
L’AGI è un sistema di intelligenza artificiale che non eccelle in un solo compito, come giocare a scacchi o tradurre, ma che impara e si adatta a compiti molto diversi a un livello paragonabile a quello umano. La differenza con l’AI di oggi sta nella generalità: non solo saper fare molte cose, ma saperle imparare da sola e trasferire quello che sa a situazioni nuove.
Il problema è che ogni laboratorio usa una definizione diversa. Per alcuni l’AGI è un sistema che fa la maggior parte del lavoro economicamente utile; per altri è una macchina che ragiona e pianifica come una persona; per altri ancora è una soglia di autonomia, cioè la capacità di portare a termine progetti lunghi senza supervisione. Per questo due persone possono dire “l’AGI arriverà nel 2027” e “l’AGI è lontanissima” senza contraddirsi davvero: stanno parlando di cose diverse.
Esiste un modo per misurare quanto siamo vicini? I “livelli di AGI”
Il tentativo più citato di mettere ordine è il paper di Google DeepMind “Levels of AGI”, presentato a ICML 2024: invece di una soglia unica propone una scala a livelli, che incrocia quanto bene un sistema svolge un compito (prestazione) con quanti compiti diversi sa svolgere (generalità). È un modo per smettere di chiedersi “è AGI sì o no?” e chiedersi “a che livello è, e in quali ambiti?”.
Il paper di Morris, Legg e colleghi distingue i sistemi “ristretti”, bravissimi in un compito, da quelli “generali”, e per ciascuno definisce livelli che vanno da “emergente” (pari o un po’ meglio di una persona non esperta) fino a “sovrumano”. Aggiunge poi una seconda dimensione, l’autonomia, perché un sistema capace ma usato come semplice strumento pone rischi diversi da uno che agisce da solo. Nella versione aggiornata del settembre 2025 il livello 4 è stato rinominato da “Virtuoso” a “Exceptional”.
| Approccio | Come definisce l’AGI | Pregio | Limite |
|---|---|---|---|
| Economico | Un sistema che svolge la maggior parte del lavoro di valore economico | Si collega a effetti concreti su lavoro e PIL | Dipende da prezzi, adozione e regole, non solo dalla tecnologia |
| Cognitivo | Ragionare, pianificare e imparare come una persona | È l’idea più intuitiva | Difficile da misurare con test oggettivi |
| A livelli (DeepMind) | Prestazione per generalità, più il grado di autonomia | Permette di dire “a che punto siamo” invece di sì/no | Richiede benchmark che coprano davvero molti compiti |
| Sondaggi (HLMI) | Macchine che svolgono ogni compito meglio e a minor costo delle persone | Confrontabile negli anni | Misura opinioni, non capacità |
Quando arriva l’AGI secondo i ricercatori?
Nel sondaggio più ampio disponibile, condotto da AI Impacts su 2.778 autori di articoli scientifici sull’AI e pubblicato a gennaio 2024, la probabilità del 50% di avere macchine capaci di svolgere ogni compito meglio delle persone (la cosiddetta HLMI) è collocata nel 2047. Rispetto all’edizione del 2022 la stima si è anticipata di 13 anni.
Anno in cui i ricercatori intervistati collocano il 50% di probabilità di macchine capaci di svolgere ogni compito meglio e a minor costo delle persone. La piena automazione di tutti i lavori, invece, è stimata solo per il 2116. AI Impacts, “Thousands of AI Authors on the Future of AI”, gennaio 2024
Il dato più interessante del sondaggio è proprio lo scarto tra le due domande. Quando si chiede “quando le macchine sapranno fare ogni compito”, la risposta è il 2047. Quando si chiede “quando tutti i lavori saranno automatizzati”, la risposta scivola di quasi settant’anni. Saper fare una cosa non vuol dire che la società deciderà di farla fare a una macchina: costi, fiducia, norme e preferenze contano quanto la tecnologia.
Le piattaforme di previsione collettiva sono più ottimiste. Su Metaculus, dove migliaia di utenti scommettono reputazione sulle proprie stime, la data mediana per una AGI “forte” è scesa di decenni dal 2020 a oggi. Una rassegna di 80,000 Hours di marzo 2025 ha messo insieme sondaggi, piattaforme e dichiarazioni dei laboratori: tutte le fonti si sono spostate verso date più vicine, ma con margini di incertezza enormi.
Cosa dicono le aziende che costruiscono l’AI?
I vertici dei principali laboratori, OpenAI, Anthropic e Google DeepMind, indicano in genere la fine di questo decennio o l’inizio del prossimo come orizzonte plausibile per sistemi di livello umano in gran parte dei compiti cognitivi. Sono le stime più ravvicinate in circolazione, e vanno lette sapendo che vengono da chi ha interesse a raccogliere capitali e talenti su quella promessa.
Questo non le rende false: chi costruisce i modelli vede per primo i risultati interni e la velocità dei progressi. Ma è un buon motivo per non trattarle come previsioni neutrali. Le dichiarazioni dei singoli manager di questi laboratori sono raccolte in un altro articolo del nostro magazine; qui ci interessa il quadro d’insieme, in cui le voci più vicine al prodotto sono anche le più ottimiste.
Cosa dicono i critici e perché sono scettici?
I critici sostengono che i modelli linguistici attuali sono molto abili a riprodurre schemi appresi, ma faticano ancora a ragionare in modo affidabile su problemi nuovi, a pianificare su orizzonti lunghi e a imparare in modo continuo come fa una persona. Secondo questa lettura, aumentare dati e potenza di calcolo non basta: servono idee nuove.
Tre esempi aiutano a capire il tipo di obiezione:
- Ragionamento fragile. A giugno 2025 un gruppo di ricercatori di Apple ha pubblicato “The Illusion of Thinking”: testando modelli “che ragionano” su rompicapi a complessità crescente, ha osservato che oltre una certa soglia l’accuratezza crolla. Lo studio è stato a sua volta contestato, ma ha reso evidente quanto sia difficile capire cosa succede “dentro”.
- Agenti ancora immaturi. Andrej Karpathy, tra i fondatori di OpenAI, in una lunga intervista al podcast di Dwarkesh Patel di ottobre 2025 ha descritto gli agenti AI come ancora lontani dall’essere colleghi affidabili e ha parlato di un lavoro che richiederà circa un decennio.
- Il problema della definizione. Molti filosofi e scienziati cognitivi fanno notare che, senza un accordo su cosa sia l’intelligenza generale, ogni annuncio di “AGI raggiunta” rischia di essere una scelta di marketing più che un fatto scientifico.
- Le capacità crescono in modo regolare con dati e calcolo
- I modelli superano già esami professionali e test di programmazione
- Gli agenti iniziano a svolgere compiti di più ore
- Le piattaforme di previsione hanno anticipato le date di decenni
- Il ragionamento si rompe su problemi davvero nuovi
- I modelli non imparano in modo continuo dopo l’addestramento
- I benchmark si saturano e misurano sempre meno
- “AGI” non ha una definizione verificabile
Perché il dibattito sulla data conta meno di quanto sembri?
Conta meno perché gli effetti dell’AI non arrivano tutti insieme il giorno in cui qualcuno dichiara l’AGI: arrivano compito per compito, settore per settore, molto prima di qualsiasi traguardo simbolico. Scrivere bozze, riassumere documenti, rispondere a domande frequenti o analizzare dati sono già attività in cui l’AI è utile oggi, AGI o no.
Lo stesso sondaggio di AI Impacts lo suggerisce: i ricercatori assegnano almeno il 50% di probabilità, entro il 2028, a sistemi capaci di compiti molto specifici come creare da zero un sistema di pagamento per un sito o comporre musica indistinguibile da quella umana. Sono capacità “strette”, ma con effetti concreti. Chi aspetta l’annuncio dell’AGI per capire come cambia il proprio lavoro rischia di accorgersene tardi.
Tre domande bastano: quale definizione di AGI usa chi parla? Chi la dice ha un interesse economico nella previsione? Su quali compiti concreti si basa l’affermazione? Se le risposte mancano, è un titolo, non un’informazione.
E se arrivasse davvero? Rischi e regole
Se sistemi di livello umano arrivassero davvero entro pochi anni, le questioni principali sarebbero tre: chi li controlla, come si verifica che facciano ciò che vogliamo e come si distribuiscono i benefici economici. Sono domande che la ricerca sulla sicurezza dell’AI e i regolatori, Unione Europea in testa con l’AI Act, stanno già affrontando per i modelli più potenti.
Il sondaggio di AI Impacts mostra un mondo della ricerca diviso ma non catastrofista: il 68,3% degli intervistati ritiene più probabili esiti buoni che cattivi da un’AI sovrumana, eppure una quota rilevante assegna almeno il 10% di probabilità a esiti gravissimi. La conclusione condivisa da gran parte degli intervistati è che la ricerca per ridurre i rischi andrebbe rafforzata. Per gli obblighi già in vigore per chi usa l’AI nella comunicazione rimandiamo alla guida sull’AI Act e obblighi di trasparenza.
Cosa significa per chi ha un’attività?
Per un’impresa la domanda utile non è “quando arriva l’AGI”, ma “quali compiti del mio lavoro l’AI sa già fare abbastanza bene da farmi risparmiare tempo, e quali no”. La seconda domanda ha una risposta verificabile oggi, con prove piccole e misurabili, mentre la prima resterà aperta ancora a lungo.
Un approccio sereno è trattare l’AI come un collaboratore junior molto veloce: gli si affidano bozze, prime analisi, varianti di testi, e si tiene per sé il giudizio, la relazione con il cliente e le decisioni. È lo stesso approccio che ha senso nel marketing, dove l’AI è già dentro gli strumenti di ricerca e pubblicità, come spieghiamo nella guida su Google AI Mode in Italia. Se un giorno l’AGI arriverà, chi avrà imparato a lavorare con questi strumenti partirà comunque avvantaggiato.
Domande frequenti
Qual è la differenza tra AI e AGI?+
L'AI che usiamo oggi è molto capace in compiti specifici, come scrivere testi, tradurre o riconoscere immagini, ma non impara da sola in modo continuo né si adatta con affidabilità a problemi del tutto nuovi. L'AGI sarebbe invece un sistema generale, in grado di imparare e svolgere la maggior parte dei compiti cognitivi umani con una flessibilità simile a quella di una persona.
ChatGPT è già un'AGI?+
Secondo la maggior parte dei ricercatori no. I modelli come ChatGPT, Claude o Gemini sono molto generali rispetto all'AI di dieci anni fa, ma commettono ancora errori su problemi nuovi, non imparano dopo l'addestramento e faticano a portare avanti compiti lunghi in autonomia. Nella scala di Google DeepMind sono considerati sistemi generali di livello iniziale, non AGI piena.
Che differenza c'è tra AGI e superintelligenza?+
L'AGI indica un livello paragonabile a quello umano in gran parte dei compiti cognitivi. La superintelligenza, termine reso popolare dal filosofo Nick Bostrom, indica invece un sistema che supera di molto le persone praticamente in ogni ambito. Molti ricercatori ritengono che il passaggio dall'una all'altra potrebbe essere rapido, ma anche su questo le stime sono molto incerte.
Chi decide quando l'AGI è stata raggiunta?+
Nessuno, almeno per ora. Non esiste un ente o un test ufficiale che certifichi il raggiungimento dell'AGI, e ogni azienda usa una definizione propria. Per questo eventuali annunci vanno letti con cautela: conviene chiedersi quale definizione viene usata, su quali prove si basa l'affermazione e se chi la fa ha un interesse economico a farla.
L'AGI farà sparire il lavoro?+
Le previsioni non vanno in questa direzione, almeno nel breve periodo. Nel sondaggio AI Impacts i ricercatori stimano la piena automazione di tutti i lavori solo intorno al 2116, molto dopo la data attesa per le capacità tecniche. Più probabile è una trasformazione graduale dei compiti, con alcune mansioni automatizzate e altre che cambiano o nascono.
Fonti
- Thousands of AI Authors on the Future of AI — AI Impacts / arXiv, 2024-01
- Levels of AGI for Operationalizing Progress on the Path to AGI — Google DeepMind / arXiv (ICML 2024), 2023-11
- Shrinking AGI timelines: a review of expert forecasts — 80,000 Hours, 2025-03
- Date of Artificial General Intelligence — Metaculus
- The Illusion of Thinking — Apple Machine Learning Research, 2025-06
- Andrej Karpathy interview — Dwarkesh Podcast, 2025-10
Giovanni Boscolo
Founder di Digital Cares, studio associato di strategia digitale. Progetta sistemi di acquisizione clienti che uniscono Google Ads, Meta Ads, landing page, CRM e vendita, misurati fino al contratto firmato. Lavora ogni giorno con l'AI applicata al marketing: video generati con l'AI, automazioni e visibilità nei motori di ricerca basati sull'intelligenza artificiale.
Seguilo su LinkedIn