Ammettiamolo: sull'AI sta uscendo più roba di quanta chiunque riesca fisicamente a leggere.

Ogni settimana un nuovo saggio, numerosi paper, un nuovo libro “che devi leggere prima che sia troppo tardi".

E allora noi, invece di aggiungerne un altro alla pila, abbiamo fatto la cosa più noiosa e più utile possibile: ne abbiamo letti 9 per bene, con occhio critico, senza incensare nessuno solo perché l'argomento ci appassiona.

Non è che un libro sia automaticamente interessante solo perché parla di AI, anzi!

Anche qui, come ovunque, ci sono tesi solide e tesi affascinanti ma fragili, libri che invecchiano bene e libri che sono già superati dal ritmo del settore.

Ecco allora la nostra selezione, in ordine cronologico di uscita, con pregi e difetti dichiarati, ma col reminder che è importante leggere anche ciò che ci contraddice.

Procediamo!

Superintelligence (2014) - Nick Bostrom

Probabilmente il testo che ha reso mainstream il vocabolario del rischio esistenziale: la convergenza strumentale, la tesi dell’ortogonalità, il problema del controllo.

Il pregio è il rigore con cui costruisce scenari e argomentazioni - è filosofia analitica applicata, non fantascienza.

Il limite è che è scritto pensando a un'AI molto diversa da quella che abbiamo oggi: niente LLM o Transformer, ma un modello di "superintelligenza" più vicino a un agente unico e monolitico che agli agenti distribuiti con cui lavoriamo davvero.

Va letto come esercizio di pensiero scettico sul lungo periodo, non come previsione di scenario - c’è anche l’edizione italiana!

Dieci anni dopo, alcuni CEO dei lab più importanti lo citano ancora come riferimento - il che dice qualcosa sia sul libro sia su quanto lentamente si evolvano certe cornici concettuali nel settore.

The Coming Wave (2023) - Mustafa Suleyman

Il cofondatore di DeepMind (oggi CEO di Microsoft AI) Suleyman allarga lo sguardo oltre l'AI, leggendola come parte di un'unica onda tecnologica insieme a biotecnologie e ingegneria genetica.

Qui definisce il "problema del contenimento": come mantenere sotto controllo tecnologie che si autoalimentano e si diffondono più in fretta di quanto riusciamo a governarle.

Ma lo stesso Suleyman ammette che la sua soluzione è di fatto difficilissima da realizzare: insomma, un libro più forte nella diagnosi che nella cura.

Se volete usare l'AI con cognizione di causa, però, è una base solida da cui partire. In italiano è pubblicato come “L’onda che verrà”.

Co-Intelligence (2024) - Ethan Mollick

In italiano pubblicato come “L’intelligenza condivisa”, è probabilmente il più "pratico" della lista e il più citato in assoluto nel dibattito corporate sull'AI - e per noi è un must read!

Mollick, professore della Wharton e studioso della human-AI collaboration, offre regole d'uso e di approccio semplici e riutilizzabili - tipo che il modello che usate oggi è il peggiore che userete mai.

Il pregio è l'accessibilità: zero gergo, zero teoria, immediatamente applicabile.

Il limite è che le questioni etiche più scomode (proprietà intellettuale, consumo energetico, le questioni legate ai dati di training) vengono solo accennate e poi abbandonate senza approfondimento.

Ma resta un ottimo primo libro se partite da zero, insufficiente se cercate uno sguardo critico sul settore.

Geopolitica dell'Intelligenza Artificiale (2024) - Alessandro Aresu

Un volumone dedicato a chip, NVIDIA, TSMC, la guerra tecnologica USA-Cina e i personaggi (Huang, Hassabis, Altman) che stanno ridisegnando l'infrastruttura dell'AI.

Il pregio è la ricchezza documentale: Aresu ha spulciato centinaia di conferenze e interviste, e il quadro geopolitico che ne esce regge ancora bene nonostante l'uscita 2024.

Manca un po’ di sintesi, è vero, ma contiene un'analisi enciclopedica delle dinamiche internazionali, senza perdersi un dettaglio.

Ottimo se avete tempo e pazienza, frustrante se cercate risposte rapide prima di fare il bagno.

Why Machines Learn (2024) - Anil Ananthaswamy

Spiega la matematica reale dietro il machine learning - algebra lineare, calcolo, SVM, reti neurali - con un livello di rigore che Geoffrey Hinton in persona ha validato pubblicamente.

Il pregio è che non è divulgazione annacquata: capisci davvero cosa succede sotto il cofano.

Il limite è proporzionale al pregio - richiede impegno, non è un libro da ombrellone in senso stretto, e chi non ha nessuna base matematica pregressa farà più fatica di quanto la copertina "accessibile a tutti" lasci intendere.

Anche di questo c’è un’edizione italiana.

Superagency (2025) - Reid Hoffman & Greg Beato

Su una delle paure più diffuse sull'AI, il co-founder di LinkedIn è chiaro: l’AI non ti sostituisce, ma ti amplifica - a patto che tu sappia controllarla.

Funziona da contrappeso al fatalismo che satura il dibattito pubblico, e restituisce un vocabolario propositivo a chi si avvicina alla tecnologia con più ansia che curiosità.

Peccato che Hoffman scriva da investitore storico in OpenAI e altre AI companies, e il libro, più che un'analisi equilibrata, a tratti sembra una difesa d'ufficio dell'innovazione senza freni regolatori, dove le obiezioni vengono liquidate più che discusse.

Da leggere sapendo chi lo scrive - ma proprio per questo utile, se cercate un antidoto al pessimismo imperante.

AI Economy (2025) - Jacopo Paoletti

Oltre 70 contributi tra imprenditori, giuristi, economisti e accademici sull'AI come infrastruttura - il paragone ricorrente è con l'elettricità per il capitalismo industriale.

Il pregio è la varietà di voci e l’angolatura italiana su un dibattito che leggiamo quasi sempre in inglese, ma un libro corale tutti questi contributori difficilmente ha la coerenza argomentativa di un'opera a firma singola.

Infatti va trattato più come una mappa di posizioni che come una tesi organica.

La differenza fondamentale (2025) - Luciano Floridi

Floridi sostiene che l'AI non sia una forma di intelligenza ma un nuovo tipo di artificial agency: agisce, risolve, decide, ma non comprende davvero, né, figuriamoci, è cosciente.

La tesi dell’AI come Agency without Intelligence è discutibile, siamo i primi ad esprimere posizioni diverse nelle nostre live, ma toglie di mezzo gli scenari fantascientifici e riporta l'attenzione sui problemi concreti.

Il fatto è che la distinzione netta tra "agire" e "comprendere" è una tesi filosoficamente elegante ma non incontestabile, e regge meno bene quando si guarda dentro i meccanismi effettivi dei modelli - come stiamo facendo negli ultimi tempi anche grazie agli studi di Anthropic.

Restano comunque validissime le pagine sul capitale semantico e su come cambi la scrittura nell'epoca della GenAI, con il concetto di distant writing.

Forma Mentis (2026) - Nello Cristianini

Chiudiamo in bellezza con il quarto capitolo della serie di Nello Cristianini sulle macchine pensanti (che consigliamo in toto).

Il tema è l'interpretabilità: nemmeno chi costruisce questi modelli sa bene cosa succeda al loro interno, e un capitolo intero è dedicato al lavoro di Anthropic sui valori dei modelli.

Al netto della grande chiarezza - Cristianini scrive per un pubblico ampio senza banalizzare - chi ha letto i precedenti tre troverà qui meno sorprese e più un affinamento che una svolta.

“La Scorciatoia” spiega come le macchine siano diventate capaci di comportamenti intelligenti senza "pensare" in senso umano: la scorciatoia statistica che i modelli hanno preso rispetto al ragionamento simbolico che l'AI del passato inseguiva.

“Machina Sapiens” racconta come i modelli abbiano sviluppato capacità emergenti, mai esplicitamente insegnate e non previste dagli sviluppatori, ma emerse "leggendo" miliardi di pagine web.

“Sovrumano”si chiede se le macchine ci hanno già superato in alcuni ambiti di intelligenza e perché facciamo così fatica ad ammetterlo. Un tema che Cristianini affronta mostrando test specifici senza sensazionalismo.

Un consiglio finale

Se devi partire da uno solo, parti da Mollick: è il più facile da attaccare in spiaggia e ti dà il vocabolario base per non restare indietro.

Se devi scegliere tre coppie per la valigia:

• Cristianini + Paoletti per capire l'AI in profondità e rimanere sul pezzo, uno dal lato dei meccanismi interni (cosa succede dentro i modelli che nemmeno chi li costruisce controlla del tutto), l'altro dal lato dell'impatto sulle organizzazioni e sull'economia.
• Bostrom + Floridi per delle prospettive filosofiche a confronto: rischio esistenziale di lungo periodo da un lato, natura dell'AI e ricadute umane dall'altro - e proprio nel loro contraddirsi c'è il valore di queste letture.
• Suleyman + Hoffman: se le prime due coppie guardano l'AI da fuori, quest'ultima la guarda dalla prospettiva di due che l'AI l'hanno costruita davvero, eppure arrivano a conclusioni opposte, dicendo molto sullo stato del dibattito nella Silicon Valley.

E se dopo aver letto uno di questi non cambi idea su nulla, ma ti rimangono comunque domande e riflessioni, allora ne sarà valsa la pena.

Buona lettura e alla prossima Commit!

Giacomo Ciarlini - CIO - Datapizza

Simone Conversano - AI Transformation & Marketing Specialist - Datapizza