Google lancia Gemini 4 Argon e nessuno chiede chi controlla cosa sa fare
Il 30 settembre 2026, Google DeepMind ha svelato Gemini 4 Argon, il suo modello di intelligenza artificiale di “prossima generazione”. Secondo Koray Kavukcuoglu, SVP e Chief AI Architect di Google, il modello “consegue prestazioni di frontiera in flussi di lavoro complessi”: ingegneria software, lavoro conoscenziale aziendale (legale, finanziario), difesa cyber. Ma dietro le dichiarazioni di potenza tecnica, c’è una domanda che il blog di Google non si sogna di porsi: chi decide cosa fa questa macchina?
Argon non è solo un aggiornamento. È un salto quantico verso l’autonomia. Con un contesto di 1 milione di token, può analizzare interi codici sorgenti, contratti legali di centinaia di pagine, report finanziari trimestrali, e farlo in più passi, senza dimenticare nulla. In teoria, è un assistente infinitamente paziente. In pratica, è un operatore subordinato a un’infrastruttura proprietaria, chiusa, controllata da una singola azienda.
La retorica del “frontier intelligence” e la realtà del controllo
La frase “next era of frontier intelligence” è un capolavoro di marketing militare. “Frontier” evoca l’espansione, il confine, la conquista. “Intelligence” non significa “intelligenza” nel senso umano: significa raccolta e analisi di informazioni, spesso per scopi tattici. Non è un caso che Google DeepMind collabori da anni con il Pentagono, con progetti come Project Maven, che usa l’AI per l’analisi di droni e video di sorveglianza.
Argon è descritto come utile per la “cybersecurity defense”. Che significa? Che può essere addestrato a trovare vulnerabilità nei sistemi, a scrivere exploit, a rispondere a attacchi in tempo reale. Ma anche: chi usa questo potere? Un’amministrazione pubblica trasparente? Un’azienda privata? Un governo autoritario? La stessa Google non ha esitato a vendere accesso ai propri modelli a enti di intelligence e difesa. L’Argon non è un’innovazione aperta: è un’arma a doppio uso, nata in Silicon Valley, finanziata dal capitale venture, brevettata, custodita in data center sorvegliati.
Da Google a Pentagono: il complesso militare-industriale digitale
La transizione da “assistente AI” a “sistema di difesa autonomo” non è un salto, è un’evoluzione logica del modello di business del Big Tech. Google non vende software: vende accesso a modelli di intelligenza artificiale addestrati su scale gigantesche di dati. E i dati, sempre, sono potere.
Argon può essere utilizzato per automatizzare la revisione di contratti, sì. Ma può anche essere utilizzato per generare false testimonianze, scrivere deepfake audio e video indistinguibili dalla realtà, o manipolare documenti pubblici. E con 1 milione di token di contesto, può farlo in modo coerente, su larga scala, in tempo reale. Non c’è bisogno di immaginare scenari distopici: l’Italia ha già visto cosa può fare l’AI generativa quando non è regolamentata. Basta pensare al caso dei falsi video di politici pubblicati sui social network durante le elezioni del 2024.
Open source? Non qui.
Google non ha rilasciato il codice sorgente di Gemini 4 Argon. Non ha reso pubblici i dataset di addestramento. Non ha specificato chi ha accesso al modello, né sotto quali condizioni. Questa è la norma, non l’eccezione: le big tech trattano l’AI come un’arma strategica, non come un bene comune. Il modello è accessibile tramite API a pagamento, con limiti d’uso, termini di servizio che vietano l’uso per scopi militari (ma non li controllano), e un controllo totale su chi può e chi non può interagire con esso.
Esistono alternative: Mistral, Llama.cpp, GPT-Neo. Ma nessuna di esse ha la potenza di calcolo, i dataset, o i team di ricerca di Google. L’open source non è in ritardo: è sistematicamente svantaggiato dalle scelte di infrastruttura, dai brevetti, dalle licenze restrittive. E quando un progetto open source raggiunge una certa maturità, viene spesso acquisito o replicato da aziende che poi chiudono il codice.
Il lavoro invisibile dietro Argon
Non si parla abbastanza del lavoro umano che sta dietro Gemini 4 Argon. I modelli di AI moderni non nascono soli. Sono addestrati su miliardi di testi, immagini, codici, raccolti da Internet, spesso senza il consenso degli autori. I dati provengono da libri protetti da copyright, articoli di giornali, codici di software proprietari, conversazioni private su piattaforme come WhatsApp e Telegram.
I ricercatori che addestrano questi modelli sono spesso sottoposti a condizioni di lavoro precarie: turni lunghi, pressione per produrre risultati, mancanza di trasparenza su cosa stanno effettivamente addestrando. E quando il modello commette un errore? Quando genera contenuti dannosi, diffamatori, o viola la privacy? La responsabilità cade sul fruitore, non su Google. È il classico schema del “uomo con la scurella”: Google fornisce la potenza, ma si rifiuta di assumersi la responsabilità per le sue conseguenze.
Il prezzo della “efficienza”
Argon promette di automatizzare il lavoro di programmazione, di ricerca legale, di analisi finanziaria. Ma che succede quando un modello scrive codice che non capiamo? Quando genera un contratto che contiene clausole ingiuste? Quando commette un errore che costa milioni? La risposta è sempre la stessa: l’utente è responsabile. Non c’è tracciabilità, non c’è spiegabilità, non c’è diritto di ricorso. È un sistema progettato per spostare il rischio dal produttore al consumatore.
Diritti digitali e sovranità tecnologica: la battaglia che non si fa
La discussione su Gemini 4 Argon non deve essere limitata a “è forte o non lo è”. Deve essere una discussione su chi ha il potere di decidere cosa fa questa macchina. Oggi, quel potere è in mano a Google, a Microsoft, a Meta, a poche decine di aziende che controllano l’accesso all’AI, ai dati, alle infrastrutture di calcolo.
La privacy non è un optional. È un diritto fondamentale. E quando un modello come Argon viene addestrato su miliardi di interazioni utente, quando memorizza ogni conversazione, quando analizza ogni documento caricato, non è più un’opzione: è un sistema di sorveglianza di massa. E non c’è garanzia che questi dati non vengano condivisi, venditi, o usati per fini di profilazione, manipolazione, o controllo sociale.
Le alternative dal basso: cosa possiamo fare?
Non tutto è perduto. Esistono movimenti, progetti, comunità che resistono. Hugging Face sta cercando di democratizzare l’accesso ai modelli, anche se dipende ancora dalle big tech per l’infrastruttura. Ollama permette di eseguire modelli localmente, senza server centralizzati. Llama.cpp è un esempio di software libero che rende l’AI portabile, decentralizzabile, controllabile dall’utente.
Ma la vera resistenza non è tecnica: è politica. Significa esigere trasparenza nei dataset di addestramento, diritto alla cancellazione dei propri dati, controllo comunitario sulle infrastrutture di calcolo. Significa dire no ai modelli che non spiegano le loro decisioni, che non permettono l’audit, che non sono soggetti a responsabilità legale.
Conclusione: Argon non è un traguardo, è un avvertimento
Gemini 4 Argon è una macchina potente, elegante, pericolosa. È il prodotto di un sistema che premia la velocità, la scalabilità, il profitto, e penalizza la trasparenza, la responsabilità, il controllo democratico. Non è un’eccezione: è il modello.
Se non ci svegliamo ora, quando i modelli saranno ancora più autonomi, ancora più integrati nelle nostre vite, ancora più capaci di influenzare le nostre decisioni, le nostre relazioni, le nostre istituzioni, sarà troppo tardi. L’AI non è neutra. È un’arma. E come ogni arma, può essere usata per proteggere o per distruggere. La scelta non è tecnica: è politica.
La domanda non è “cosa può fare Argon”. È: chi lo controllerà?
FAQ
1. Cos’è Gemini 4 Argon?
Gemini 4 Argon è il modello di intelligenza artificiale di Google DeepMind, presentato il 30 settembre 2026. È progettato per compiti complessi come ingegneria software, analisi legale e finanziaria, e difesa cybersecurity. Caratterizzato da un contesto di 1 milione di token, permette l’analisi di grandi volumi di dati in più passi.
2. È open source?
No. Google non ha rilasciato il codice sorgente, i dataset di addestramento, né i dettagli sull’accesso al modello. È accessibile tramite API a pagamento, con limiti d’uso e termini di servizio proprietari.
3. Quali rischi presenta per la privacy?
Argon viene addestrato su miliardi di dati raccolti da Internet, spesso senza consenso. Ogni interazione con il modello viene memorizzata e può essere analizzata per profilazione, manipolazione o vendita a terzi. Non ci sono garanzie di tracciabilità o diritto alla cancellazione.
4. Può essere usato per scopi militari?
Sì. Google collabora con il Pentagono su progetti come Project Maven. Argon è descritto come utile per la “cybersecurity defense”, il che lo rende adatto a operazioni di cyberguerra, analisi di droni, e sviluppo di exploit. Non ci sono restrizioni efficaci sull’uso militare.
5. Quali alternative open source esistono?
Sono disponibili progetti come Llama.cpp, Ollama, e modelli su Hugging Face. Tuttavia, nessuno di essi ha la potenza di calcolo, i dataset, o i team di ricerca di Google. L’open source è sistematicamente svantaggiato dalle scelte infrastrutturali e brevettuali delle big tech.