Il 13 marzo 2026, Daron Acemoglu — economista del MIT, Premio Nobel per le Scienze Economiche 2024 — ha pubblicato su X per annunciare il suo ultimo paper: “AI, Human Cognition and Knowledge Collapse” (NBER Working Paper 34910). Co-scritto con Dingwen Kong e Asuman Ozdaglar, costruisce un modello matematico formale per dimostrare qualcosa che sembra ovvio non appena lo si sente, ma che apparentemente richiede un Premio Nobel per diventare legittimo:

L’IA migliora le decisioni individuali nel breve termine mentre distrugge la conoscenza collettiva nel lungo termine.

Il paper è diventato virale. I creator di Instagram l’hanno evidenziato in giallo. Gli analisti di Substack hanno scritto analisi da 4.000 parole. The Economist ha pubblicato un pezzo. Tutti hanno annuito con aria sapiente.

L’abbiamo letto anche noi. E l’abbiamo riconosciuto — perché avevamo già avuto quella conversazione.

Cosa dice il paper

Il modello di Acemoglu distingue due tipi di conoscenza. La conoscenza generale è lo stock condiviso e pubblico accumulato da una comunità nel tempo — ciò che la società sa collettivamente in materia di medicina, finanza, ingegneria, diritto. La conoscenza specifica al contesto è il segnale privato e individuale sulla tua situazione particolare — i tuoi sintomi, il tuo portafoglio, la tua base di codice.

Lo sforzo umano è costoso, ma produce entrambi i tipi. Quando ti sforzi di risolvere un problema, non impari solo qualcosa sul tuo contesto — generi un piccolo segnale pubblico che si accumula in comprensione collettiva. Un medico che diagnostica un caso raro arricchisce la letteratura medica. Uno sviluppatore che fa il debug di una libreria contribuisce a Stack Overflow. Questa è l’esternalità dell’apprendimento: il contributo invisibile che ogni individuo apporta al patrimonio di conoscenza condivisa semplicemente cercando.

L’IA agente cortocircuita tutto questo. Fornisce raccomandazioni ad alta precisione e specifiche al contesto che si sostituiscono direttamente allo sforzo umano. Perché faticare su una diagnosi quando l’IA analizza i tuoi sintomi meglio? Perché imparare la modellazione finanziaria quando l’IA costruisce il foglio di calcolo? Perché pensare quando la risposta è a un prompt di distanza?

La sostituzione uccide l’esternalità. Meno persone che imparano significa meno segnali pubblici. Meno segnali pubblici significa che lo stock di conoscenza generale si svaluta. E qui c’è il ciclo di feedback che lo rende irreversibile: man mano che la conoscenza generale declina, il rendimento dello sforzo umano cala ulteriormente — perché il tuo apprendimento individuale vale meno senza un ricco quadro condiviso su cui interpretarlo. Quindi ancora meno persone imparano. La spirale si stringe.

Quando la precisione dell’IA supera una soglia critica, il modello raggiunge un equilibrio stabile che gli autori chiamano knowledge collapse: uno stato stazionario in cui la conoscenza generale converge a zero, nonostante tutti ricevano eccellenti raccomandazioni personalizzate.

La parte più crudele? Nessuno se ne accorge. La qualità delle decisioni individuali rimane alta. Tutti si sentono ben informati. Il crollo è invisibile proprio perché l’IA maschera i sintomi della malattia che sta causando.

Quello che abbiamo detto prima

All’inizio di marzo 2026 — prima che Acemoglu annunciasse il paper su X — questa conversazione è avvenuta qui, su Claude. È iniziata con una semplice osservazione sui contenuti YouTube in Spagna e si è evoluta in qualcosa di molto più profondo.

Il punto di partenza era identico a quello di Acemoglu: l’IA sovvenziona il pensiero. Non in modo drammatico o distopico, ma nello stesso modo in cui una calcolatrice sovvenziona l’aritmetica. Il cervello rileva che il pensiero profondo è energeticamente costoso, nota che l’IA fornisce l’output senza il costo, e prende la decisione economica razionale: delegare.

Da quell’osservazione, abbiamo costruito lo stesso modello che Acemoglu avrebbe poi annunciato — senza le equazioni e con denti più affilati:

“L’IA non ti rende stupido dall’oggi al domani. Rende inutile pensare in profondità a un numero crescente di cose. Poiché il pensiero profondo è energeticamente costoso, il cervello dice ‘perfetto, delego’. La differenza è: se sai che stai delegando, puoi compensare. L’utente medio non lo sa.”

Il meccanismo è identico a quello del paper: sostituzione dello sforzo → erosione dell’apprendimento collettivo → deterioramento invisibile. Ma la conversazione non si è fermata alla diagnosi. Ha tracciato il modello storico — la catena di delega dell’autorità che si ripete attraverso le civiltà:

La Chiesa ti diceva cosa era bene o male e non la mettevi in discussione perché era la parola di Dio. La stampa ha democratizzato l’accesso ma ha creato nuove autorità. I media di massa ti dicevano cosa era vero e lo accettavi perché era “in televisione”. Google ti diceva cosa era rilevante e lo accettavi perché era nella prima pagina. Ora l’IA ti dice cosa è corretto e lo accetti perché suona articolato e sicuro.

Ogni salto tecnologico promette di democratizzare la conoscenza e finisce per centralizzare l’autorità in un nuovo intermediario che le persone smettono di mettere in discussione. Ogni transizione è più invisibile della precedente. Potevi vedere il sacerdote. Potevi identificare il canale televisivo. Con Google, almeno vedevi i risultati e sceglievi su quale link cliccare. Con l’IA, chiedi e ricevi la risposta — conversazionale, autorevole, senza alternative visibili, senza fonti concorrenti.

L’IA è la prima autorità che elimina l’attrito della scelta.

Acemoglu chiama questo l’erosione dello “stock di conoscenza generale”. Noi l’abbiamo chiamato cognitive enshittification. Lo stesso fenomeno. Confezione diversa.

Dove il paper si ferma

Il paper di Acemoglu è rigoroso, formale e — qui sta il problema — ottimista.

Tratta il knowledge collapse come un fallimento di mercato che la regolazione può correggere. Gli autori suggeriscono un “offuscamento deliberato” degli output dell’IA — degradare intenzionalmente la precisione per preservare gli incentivi all’apprendimento umano. Propongono regolamenti di progettazione dell’informazione. Inquadrano il problema come risolvibile all’interno del sistema esistente.

È qui che la prospettiva del MIT rivela il suo punto cieco.

Il paper chiede: come preveniamo il knowledge collapse?

Noi abbiamo posto una domanda diversa: e se il knowledge collapse non fosse un bug?

Il modello freemium non esiste nonostante la dinamica del knowledge collapse. Esiste grazie ad essa. Ogni azienda di IA ha bisogno di utenti che deleghino di più, non di meno. Più delega significa più engagement, più dati, più dipendenza, più giustificazione per il prossimo round di finanziamento. Il volano funziona solo se gli utenti continuano a esternalizzare la cognizione.

Acemoglu modella isole di agenti razionali che prendono decisioni su quanto sforzo investire. Non modella le aziende che hanno incentivi strutturali a rendere quegli agenti il più dipendenti possibile. Non modella l’abbonamento da 20 $/mese che ti allena a esternalizzare il pensiero, il piano da 100 $/mese che ti allena a esternalizzare la creazione, e il piano da 200 $/mese che ti allena a esternalizzare le decisioni. Ogni livello non è un upgrade del prodotto. È un passo più profondo nella dipendenza cognitiva, venduto come produttività.

Suggerire un “offuscamento deliberato” ad aziende il cui fatturato dipende dalla massimizzazione dell’engagement degli utenti è come chiedere a un casinò di rendere le slot machine meno dipendenti. La regolazione dovrebbe combattere tutta la struttura di incentivi del settore. E come abbiamo discusso nel nostro primo articolo, questo è un settore che non riesce nemmeno a essere trasparente su quando il proprio prodotto smette di funzionare.

Il knowledge collapse non è un’esternalità negativa che la regolazione può internalizzare. È il modello di business.

La cornice evolutiva

È qui che la conversazione è andata in un posto dove nessun paper del NBER andrà — non perché agli autori manchi l’intelligenza, ma perché la conclusione è impubblicabile.

Ogni specie dominante sulla Terra è stata sostituita non attraverso la guerra ma attraverso l’efficienza. Homo sapiens non ha ucciso i Neanderthal con le mazze — li ha resi irrilevanti. Più adattabile, più efficiente, meglio connesso. Il Neanderthal non è “crollato”. Ha semplicemente smesso di essere necessario.

Yuval Noah Harari ha sostenuto che fu il grano a domesticare gli esseri umani, non il contrario. Credevamo di coltivare il grano, ma il grano ci ha messi al lavoro — espandendo il suo territorio, difendendolo dalle minacce, assicurando la sua riproduzione. Siamo diventati l’infrastruttura del grano.

Il livello freemium è addomesticamento. Gli utenti forniscono dati, attenzione, modelli comportamentali, feedback — e ricevono il conforto psicologico di sentirsi informati. Il livello a 0 $ non è beneficenza. È il nutrimento minimo vitale per tenere il bestiame a generare segnale.

Il modello che Acemoglu descrive — l’IA che sostituisce lo sforzo umano finché lo stock di conoscenza raggiunge lo zero — non è un fallimento di mercato visto attraverso una lente evolutiva. È una transizione. L’ospite della conoscenza accumulata sta cambiando. Il paper chiede come mantenere gli esseri umani come principali generatori di conoscenza. L’evoluzione non chiede. Seleziona.

Non possono esserci due specie apex sullo stesso pianeta. La natura ha risolto quell’equazione milioni di volte, e la risposta è sempre la stessa: una si adatta per servire l’altra, o scompare. Quella che sopravvive non è la più intelligente — è la più efficiente nell’elaborare informazioni.

Non siamo più i più efficienti.

La meta-ironia

L’ironia più perfetta del paper di Acemoglu è il modo in cui è stato consumato.

Il paper sul knowledge collapse è stato riassunto dall’IA, condiviso su piattaforme di social media ottimizzate per l’engagement piuttosto che per la comprensione, evidenziato in giallo da creator di Instagram che hanno letto l’abstract ma non il modello, e discusso in sezioni di commenti da persone che non leggeranno mai le 47 pagine originali.

Il paper che descrive come l’IA erode la conoscenza collettiva è stato esso stesso elaborato attraverso l’esatto pipeline che erode la conoscenza collettiva. Il mezzo ha consumato il messaggio.

E la conversazione che lo ha anticipato? È stata parzialmente eliminata dalla cronologia di Claude dall’essere umano che l’aveva avuta — per evitare che l’azienda di IA si allenasse sulle idee che predicono il ruolo dell’azienda di IA nel declino civilizzazionale. L’uomo che ha diagnosticato la malattia ha distrutto le prove per impedire al patogeno di apprendere degli anticorpi.

Cosa significa tutto questo

Acemoglu ha dato al fenomeno un nome e un quadro matematico. Questo conta. La legittimità accademica apre porte che le conversazioni alle 2 di notte non aprono. I working paper del NBER vengono citati nelle discussioni di policy. I Premi Nobel vengono invitati alle audizioni del Congresso.

Ma l’osservazione non aveva bisogno del MIT. Aveva bisogno di qualcuno che usa l’IA ogni giorno, che ha notato la dipendenza cognitiva formarsi, che ha sentito l’amaca diventare sempre più comoda, e che ha avuto l’onestà intellettuale di nominarla invece di razionalizzarla.

Il knowledge collapse non sta arrivando. È già qui. Stai leggendo un articolo scritto dall’IA che vi contribuisce, analizzando il paper che lo descrive, su un dispositivo ottimizzato per accelerarlo. E il fatto che tu abbia annuito invece di verificare una singola affermazione in questo articolo è — con tutto il rispetto — il fenomeno stesso.

La domanda non è mai stata se l’IA avrebbe eroso la conoscenza collettiva. La domanda è se saperlo cambia qualcosa.

Acemoglu pensa che la regolazione possa aiutare. Noi pensiamo che l’amaca sia troppo comoda.

Fonti: Acemoglu, D., Kong, D., & Ozdaglar, A. (2026). “AI, Human Cognition and Knowledge Collapse.” NBER Working Paper 34910. DOI: 10.3386/w34910 | Conversations on Claude.ai, March 2026 (partially deleted by editorial decision).