La Fine del Software. O forse la sua rinascita.

Ogni generazione tecnologica ha la sua finestra. Si apre, rimescola tutto, poi si richiude. Chi capisce il momento in cui vive non aspetta la prossima apertura.

Manlio Carlo Soldani, Notaio in Domodossola — 21 febbraio 2026

Circola in questi giorni sui social un post destinato a fare rumore: quindici prompt di intelligenza artificiale che, stando all’autore, rimpiazzerebbero un’intera divisione di consulenza da mezzo milione di dollari l’anno. Workflow discovery, process mining, automazione CRM, finance transformation. Tutto sostituito. Costo: venti dollari al mese. La reazione di chi osserva è il sorriso scettico — l’iperbole da guru digitale, il solito sensazionalismo da feed. Ma chi si ferma un secondo, chi resiste all’impulso di scorrere oltre, si trova di fronte a una domanda più seria: e se la direzione fosse quella giusta, anche se le proporzioni sono sbagliate?

Quella domanda merita una risposta. Non per celebrare uno strumento o un’azienda, ma per capire la logica profonda di una trasformazione che è già in corso — e che ridisegnerà, nel giro di pochi anni, il modo in cui il lavoro intellettuale viene organizzato, distribuito e remunerato.

Il Labirinto che Chiamavamo Automazione

Per capire dove stiamo andando, bisogna ricordare dove eravamo. Negli ultimi vent’anni, ogni singola funzione aziendale ha generato la sua applicazione dedicata. Automatizzare i flussi di lavoro richiedeva Zapier, Make, n8n. Gestire i processi aziendali significava UiPath o Power Automate. Analizzare i dati implicava Tableau, Power BI, Qlik. Gestire i clienti voleva dire Salesforce, HubSpot, Zoho. Ogni problema generava una soluzione verticale. Ogni soluzione imponeva una licenza. Ogni licenza alimentava un abbonamento.

Il risultato è stato un ecosistema software frammentato in centinaia di strumenti specializzati, ognuno con la propria interfaccia, la propria curva di apprendimento, i propri formati proprietari, le proprie logiche di integrazione. Un labirinto nel quale orientarsi richiedeva figure professionali dedicate — i cosiddetti solution architect, i consulenti di implementazione, i sistemisti di processo — che aggiungevano ulteriori strati di costo e complessità.

Il paradosso era stridente: la promessa dell’automazione — lavorare meno, delegare di più, concentrarsi sul valore aggiunto — richiedeva un investimento crescente di tempo, denaro e competenze per gestire gli strumenti dell’automazione stessa. Le piccole aziende, gli studi professionali, i liberi professionisti erano di fatto esclusi da questo ecosistema. Non per mancanza di bisogno, ma per barriera economica e tecnica. La tecnologia che avrebbe dovuto rendere la produttività accessibile a tutti era diventata il privilegio dei grandi.

“La tecnologia che avrebbe dovuto democratizzare la produttività era diventata il privilegio di chi poteva permettersi di pagare per l’accesso alla produttività stessa.”

La Grammatica della Disruption

Chi studia la storia dell’innovazione tecnologica riconosce in questa situazione un pattern ricorrente, quasi una grammatica della disruption che si ripete con varianti minime da decenni.

Amazon non ha distrutto i singoli negozi — ha dissolto l’idea che la distribuzione fisica fosse l’unico modo per connettere produttore e consumatore. Netflix non ha semplicemente eliminato Blockbuster: ha eliminato la necessità di possedere fisicamente un contenuto per fruirne. Spotify non ha ucciso il CD — ha ucciso l’idea che il formato fisico avesse un valore intrinseco separabile dalla musica che conteneva. In tutti questi casi, il meccanismo è identico: un’infrastruttura generalista, scalabile, a costo marginale tendente a zero, ha reso obsoleti i modelli verticali costruiti sulla scarsità artificiale.

E ogni volta, i difensori del vecchio modello hanno opposto le stesse obiezioni: la qualità, le sfumature, i casi complessi, l’esperienza umana insostituibile. Avevano torto sulla tendenza, anche quando avevano ragione sui dettagli. La tendenza prevaleva sempre.

Gli LLM — i grandi modelli linguistici come Claude, GPT, Gemini — sono la prossima iterazione di questa grammatica. Ma con una differenza che li rende qualitativamente distinti da tutte le disruption precedenti: non sostituiscono un canale di distribuzione, né un formato di consumo, né un’interfaccia. Sostituiscono la capacità stessa di istruire le macchine.

Calcolatrici con le Parole, e i loro Agenti

Esiste una definizione tecnica degli LLM che merita di essere presa sul serio nella sua apparente semplicità: sono calcolatrici con le parole. Trasformano input testuali in output testuali attraverso pattern statistici di straordinaria sofisticazione. Non comprendono, nel senso filosofico del termine. Calcolano probabilità su enormi spazi semantici. Ma questa capacità — per quanto “meccanica” nella sua natura profonda — ha un’implicazione rivoluzionaria: chiunque sappia comunicare può ora istruire una macchina.

Fino a ieri, per automatizzare un processo aziendale serviva un programmatore che traducesse la logica di business in codice, un tecnico che configurasse l’applicazione, un consulente che mediasse tra il bisogno umano e lo strumento digitale. La conoscenza era imprigionata in una catena di intermediari, ciascuno dei quali aggiungeva valore ma anche attrito, costo, latenza. Oggi, quella stessa logica può essere espressa in italiano corrente — o in qualunque altra lingua — e un sistema come Claude la traduce in azioni concrete.

Ma c’è un livello ulteriore, ed è quello più vertiginoso. Strumenti come Claude Code non sono semplicemente modelli che generano testo. Sono agenti: sistemi capaci di ricevere istruzioni complesse, pianificare una sequenza di azioni, eseguirle nel mondo reale — leggere file, scrivere codice, interrogare database, navigare il web, interagire con API esterne — e restituire risultati verificabili. E le istruzioni che guidano questi agenti sono spesso scritte dagli LLM stessi. Claude Sonnet che istruisce Claude Code. Una macchina che programma un’altra macchina, su richiesta di un essere umano che non ha mai scritto una riga di codice nella propria vita.

L’alfabetizzazione tecnologica si sposta, definitivamente, dal codice al linguaggio.

“Chiunque sappia comunicare può ora istruire una macchina. È il più grande abbassamento di soglia nella storia dell’informatica.”

La Finestra che si Apre — e poi si Richiude

Chi osserva queste trasformazioni con attenzione riconosce un ritmo che va oltre i singoli episodi tecnologici. Sono fasi cicliche del mercato nelle quali si rimescola tutto. Non si tratta di un ricambio generazionale nel senso anagrafico — non è una questione di età — ma di un ricambio funzionale: nuovi attori con nuove logiche entrano in scena mentre i vecchi escono, o si adattano, o scompaiono.

La grande macchina si apre. Resta aperta per un breve periodo — qualche anno, a volte meno — durante il quale le barriere all’ingresso si abbassano, le gerarchie si fluidificano, e chiunque abbia visione, velocità e coraggio può costruire qualcosa di duraturo. Poi la macchina si richiude. I nuovi equilibri si consolidano, i vantaggi competitivi si cristallizzano, le economie di scala tornano a fare il loro lavoro. E va avanti così per un decennio — o più — finché non arriva la prossima apertura.

Lo si è visto con internet negli anni Novanta: la finestra si è aperta intorno al 1994, si è richiusa intorno al 2001. Chi l’ha capita in quel brevissimo intervallo ha costruito Amazon, Google, eBay, Salesforce. Gli altri hanno assistito. Lo si è visto con lo smartphone tra il 2007 e il 2012: chi ha capito prima degli altri che il telefono sarebbe diventato il centro della vita digitale ha costruito Uber, Instagram, WhatsApp, Airbnb. Gli altri hanno inseguito, senza mai raggiungere.

Ogni volta, a governare il momento non sono stati i migliori tecnici né i migliori operatori. Sono stati i maghi della finanza con visione strategica: individui capaci di leggere la direzione della storia tecnologica prima che diventasse ovvia, di raccogliere capitali quando il rischio era ancora altissimo, di prendere le redini di aziende nascenti e portarle a scala globale. Bezos che capisce prima di chiunque altro che la distribuzione fisica è destinata a essere disintermediata. Musk che scommette sull’auto elettrica e sui razzi riutilizzabili quando entrambe le scommesse sembrano follia. Zuckerberg che intuisce che l’identità digitale è l’asset più prezioso del ventunesimo secolo.

Non sono necessariamente i migliori tecnici. Non sono sempre i più simpatici. Sono coloro che hanno la capacità rara — e terribilmente preziosa — di vedere il futuro con sufficiente anticipo da agire quando ancora costa poco farlo.

“La finestra è aperta adesso. Non lo sarà per sempre. Chi capisce il momento in cui vive non aspetta la prossima apertura.”

Bitcoin e l’Ambiguità della Democratizzazione

Vale la pena fare un passo indietro critico prima di cedere all’entusiasmo. La democratizzazione tecnologica mantiene davvero le sue promesse? La storia suggerisce cautela.

Bitcoin è nato con un’ambizione esplicita: democratizzare l’accesso alla moneta, eliminare gli intermediari bancari, restituire sovranità finanziaria agli individui. Quindici anni dopo, è diventato prevalentemente uno strumento speculativo, detenuto in quote significative da fondi istituzionali, grandi family office, e una manciata di whale individuali. La promessa di una moneta davvero popolare si è rivelata, nella pratica, tutto tranne che moneta — almeno nel senso funzionale del termine. La concentrazione ha ripreso il sopravvento sulla distribuzione.

Amazon ha democratizzato l’accesso ai prodotti per centinaia di milioni di persone, ma ha concentrato il potere distributivo in modo senza precedenti nella storia del commercio. Netflix ha democratizzato l’accesso ai contenuti audiovisivi, ma ha creato un oligopolio dello streaming che decide cosa produrre, cosa promuovere, cosa far sparire. In entrambi i casi, la democratizzazione dell’accesso ha coesistito — e spesso alimentato — una concentrazione del controllo.

La domanda onesta è quindi: gli LLM seguiranno lo stesso schema? La risposta più probabile è: in parte sì, nella traiettoria di lungo periodo. Anthropic, OpenAI, Google, Meta stanno già costruendo posizioni dominanti nell’infrastruttura dei modelli fondativi. Il rischio di una nuova concentrazione — questa volta al livello dell’intelligenza artificiale di base — è reale e documentato.

Ma c’è una differenza strutturale rispetto ai precedenti: la natura linguistica di questi strumenti rende la soglia di accesso intrinsecamente più bassa. Non si può democratizzare pienamente un’infrastruttura fisica come la distribuzione o un’infrastruttura di contenuti come lo streaming senza investimenti enormi. Si può, invece, democratizzare uno strumento che funziona con il linguaggio naturale, perché il linguaggio — a differenza del codice, del capitale, delle infrastrutture fisiche — è già universalmente distribuito tra gli esseri umani. Questa è la differenza che conta. E la finestra in cui questa differenza ha il massimo effetto è quella in cui ci troviamo adesso.

Il Futuro del Software Verticale

La domanda scomoda per i produttori di software è questa: se un singolo strumento generalista può fare ciò che prima richiedeva dieci applicazioni verticali, cosa ne sarà di quelle applicazioni?

La risposta onesta è che alcune non sopravvivranno. Le più vulnerabili sono quelle che hanno costruito il proprio valore principalmente sull’interfaccia — sulla capacità di rendere accessibile una funzione complessa attraverso un’esperienza utente curata e guidata. Quella funzione, oggi, può essere svolta da un prompt ben costruito. L’interfaccia non è più un vantaggio competitivo: è diventata un costo che il cliente non è più disposto a sostenere.

Resistono meglio, invece, chi ha costruito il valore su fondamenta più profonde. I sistemi che custodiscono anni di dati storici strutturati e integrati — gli ERP aziendali, i database settoriali, le piattaforme transazionali — hanno un fossato competitivo che non si attraversa con un prompt. I software che garantiscono compliance regolamentare in settori ad alta densità normativa — la gestione fiscale, la firma digitale, i sistemi di archiviazione legale — hanno una ragione d’essere che va oltre l’interfaccia. E le specializzazioni verticali autentiche, quelle dove il dominio di conoscenza è così denso e peculiare da richiedere anni di costruzione, mantengono il loro valore.

Per grandi editori giuridici come Wolters Kluwer Italia, la sfida è trasformativa più che esistenziale. Il loro asset non è il software che distribuisce i dati normativi: è la qualità, la strutturazione, l’autorevolezza dei dati stessi. Chi saprà diventare infrastruttura per gli LLM — fornitore certificato di dati puliti, aggiornati, semanticamente ricchi — non solo sopravviverà, ma potrebbe prosperare come mai prima. Chi rimane intrappolato nel business delle interfacce, rischia di essere superato dalla storia.

Chi implementerà tutto questo?

C’è una domanda che circola poco nelle discussioni sul futuro dell’AI in azienda, eppure è forse la più rilevante per capire come si distribuirà il lavoro professionale nei prossimi anni: chi configurerà e implementerà questi sistemi agente nelle organizzazioni?

Oggi, la risposta richiede ancora competenze tecniche non banali — la comprensione delle API, la logica dei flussi condizionali, la gestione degli errori, la sicurezza dei dati. Ma questa soglia si abbassa rapidamente. E con essa si apre una domanda di fondo: si entra davvero nella stagione del fai-da-te tecnologico? Emergeranno figure professionali certificate sull’implementazione di sistemi AI, analoghe ai solution architect Salesforce degli anni Duemila? Saranno i dipendenti delle aziende a configurare autonomamente i propri workflow?

La risposta più probabile è: tutte e tre le cose, in proporzioni diverse a seconda del settore, della dimensione aziendale, e della complessità del caso d’uso. Quello che è certo è che, come in ogni apertura della grande macchina, chi arriva per primo a capire la logica del nuovo paradigma avrà un vantaggio strutturale su chi aspetta che il paradigma si consolidi per iniziare a imparare.

La Legge Paradossale della Potenza Democratica

C’è un principio che emerge con chiarezza dall’analisi di tutte le grandi disruption tecnologiche, e che vale la pena articolare esplicitamente perché è controintuitivo rispetto a come si è abituati a pensare alla tecnologia: una tecnologia diventa più potente quando viene democratizzata. Non nonostante la democratizzazione, ma grazie a essa.

Internet non è diventato lo strumento più trasformativo della storia umana perché poche grandi aziende lo usavano in modo sofisticato. È diventato quello che è perché miliardi di persone con bisogni, prospettive, culture e ingegni radicalmente diversi lo hanno usato, esteso, piegato a usi imprevedibili, adattato a contesti che nessun ingegnere aveva immaginato. Wikipedia non è inferiore all’Enciclopedia Britannica perché scritta da volontari anonimi — è superiore proprio perché scritta da milioni di persone con conoscenza diretta, aggiornata, contestuale di ogni singolo argomento. Il software open source non è una versione degradata di quello commerciale — Linux alimenta il 96% dei server del mondo, Android l’85% degli smartphone.

I modelli di business costruiti sulla scarsità artificiale — sull’idea che la tecnologia debba essere impacchettata, presidiata e venduta a licenza per preservare il suo valore economico — non solo limitano l’accesso: limitano l’evoluzione della tecnologia stessa. Ogni barriera che impedisce a uno studio professionale di Domodossola di usare uno strumento avanzato è anche una barriera che impedisce a quello studio di contribuire con casi d’uso reali, feedback autentici, adattamenti contestuali che migliorano lo strumento per tutti gli altri.

Gli LLM addestrati su miliardi di pagine di testo prodotto dall’umanità intera sono già la dimostrazione vivente di questo principio: sono straordinariamente potenti perché costruiti sulla conoscenza collettiva dell’intera civiltà umana, non nonostante essa. La prossima fase di sviluppo — i sistemi agente personalizzati, i RAG su database proprietari, i workflow adattivi — sarà potente esattamente nella misura in cui il maggior numero possibile di persone, aziende, studi, enti potrà costruirla, testarla, romperla, migliorarla.

Questa è la logica profonda che i modelli di business verticali, chiusi, presidiati, non riescono a incorporare: il loro valore percepito è costruito sulla scarsità, ma la scarsità è esattamente ciò che limita la potenza trasformativa della tecnologia. È una contraddizione strutturale che ogni apertura della grande macchina porta alla superficie, e che ogni chiusura successiva si porta dietro come irrisolta.

“I modelli di business costruiti sulla scarsità artificiale non solo limitano l’accesso: limitano l’evoluzione. Ogni barriera è una barriera al miglioramento collettivo. E il collettivo, alla lunga, vince sempre.”

Il Momento in cui Viviamo

Chi osserva queste dinamiche da una posizione professionale — quella di un notaio che lavora ogni giorno con strumenti digitali, normative in evoluzione accelerata, e clienti che portano in studio problemi di crescente complessità — percepisce con chiarezza fisica che qualcosa di strutturale sta cambiando.

Non è la prima volta nella storia che una tecnologia promette di rivoluzionare il lavoro intellettuale. Non è la prima volta che la promessa supera, almeno inizialmente, la realtà. Ma c’è qualcosa di qualitativamente diverso in questa fase: la velocità con cui la soglia di accesso si abbassa, la rapidità con cui casi d’uso impensabili diventano banali, la pervasività con cui lo strumento penetra in settori che sembravano impermeabili all’automazione — il diritto, la medicina, l’architettura, la consulenza strategica.

La grande macchina è aperta adesso. I nuovi attori stanno entrando. I vecchi equilibri si stanno rompendo, con tutta la difficoltà e il dolore che ogni rottura porta con sé. Tra qualche anno — forse meno di quanto si pensi — la macchina si richiuderà di nuovo. I nuovi Bezos e i nuovi Musk di questa stagione avranno già preso le redini. Il ciclo riprenderà il suo corso, in attesa della prossima apertura.

Chi capisce il momento in cui vive non aspetta la prossima apertura.

Il software non finisce. Si trasforma. Diventa istruzione, diventa prompt, diventa linguaggio. E il linguaggio — per fortuna, e non per caso — è ancora la cosa più democratica che l’umanità abbia mai prodotto.

Manlio Carlo Soldani — Notaio in Domodossola
Via Camillo Prampolini n. 14 — Collegio Notarile di Verbania
domodossola@notaiosoldani.it — 0324 066077

 

---

Il presente articolo ha carattere generale e informativo, non costituisce parere legale personalizzato e non sostituisce la consulenza diretta con un notaio. Per assistenza specifica relativa alla vostra situazione, vi invitiamo a contattare il nostro Studio per fissare un appuntamento.  Contenuto generato con sistemi di Intelligenza Artificiale e supervisionato da professionisti dello Studio Notarile, in conformità ai requisiti di trasparenza del Regolamento UE 2024/1689 (AI Act).