Come preferisci leggerla?
Stessa edizione, spiegata senza gergo — e altrettanto fedele. Non è un riassunto sbrigativo: un controllo indipendente verifica che la versione divulgativa resti fedele all'originale, senza perdere né alterare nulla.
La Commissione europea adotta la proposta del Cloud and AI Development Act (CADA)
La Commissione europea ha adottato la proposta di Cloud and AI Development Act, che punta su ricerca e innovazione, capacità dei data center e un quadro europeo unico per la sovranità di cloud e IA.
Il 3 giugno 2026 la Commissione europea ha adottato la proposta di Cloud and AI Development Act (CADA), un'iniziativa pensata per rafforzare l'ecosistema, gli investimenti e l'infrastruttura cloud e IA dell'Unione. Il provvedimento si articola su tre fronti. Il primo è la ricerca, lo sviluppo e l'innovazione, a sostegno della diffusione di tecnologie cloud e IA di nuova generazione e sostenibili. Il secondo è la capacità: accelerare il dispiegamento di data center in tutta l'UE, con particolare attenzione alle strutture che rafforzano le funzioni del settore pubblico. Il terzo è l'autonomia, attraverso la creazione di un quadro di valutazione unico a livello europeo per la sovranità di cloud e IA, accompagnato da un meccanismo di adozione dedicato al settore pubblico.
Sul piano infrastrutturale, la Commissione punta sul dispiegamento di AI factories e gigafactories, pensate per offrire a imprese e ricercatori europei risorse di calcolo di nuova generazione e ad alta capacità. La proposta è complementare ad altre iniziative già avviate, tra cui la strategia Apply AI, il Chips Act 2.0 e la strategia UE sull'open source.
Sul piano dei numeri, le pagine ufficiali UE indicano l'obiettivo di almeno triplicare la capacità dei data center dell'UE nei prossimi 5-7 anni e di soddisfare pienamente i bisogni di imprese e pubbliche amministrazioni entro il 2035. La pagina-library della proposta non riporta invece importi di investimento specifici nel sommario. Sul fronte della sovranità, il CADA non prevede un blocco generalizzato dei vendor non europei, ma introduce livelli di sovranità per il settore pubblico e i casi critici. Questi livelli includono la localizzazione dei dati nell'UE, l'indipendenza da paesi terzi e, per i livelli superiori, proprietà e controllo UE, con possibile riconoscimento di provider di paesi terzi da parte della Commissione.
Perché conta
- IMPRENDITORI: Il CADA mobilita l'ecosistema cloud e IA europeo con AI factories e gigafactories: per le imprese significa potenziale accesso a risorse di calcolo avanzate e una nuova arena competitiva, soprattutto verso la domanda del settore pubblico.
- INGEGNERI ICT / IT MANAGER: Il quadro unico di valutazione della sovranità e il meccanismo di adozione per il settore pubblico orienteranno criteri di procurement e scelte architetturali. I livelli di sovranità previsti per settore pubblico e casi critici contemplano localizzazione dei dati nell'UE, indipendenza da paesi terzi e, ai livelli superiori, proprietà e controllo UE. La spinta a triplicare la capacità dei data center entro 5-7 anni incide direttamente sulla pianificazione infrastrutturale.
Anthropic estende Project Glasswing a circa 150 organizzazioni di infrastrutture critiche
Il programma di sicurezza del software di Anthropic mette modelli AI avanzati nelle mani di chi gestisce infrastrutture critiche: oltre 10.000 vulnerabilità gravi già individuate dai primi partner.
Anthropic ha annunciato il 2 giugno 2026 l'estensione di Project Glasswing, il suo programma di sicurezza del software, a circa 150 nuove organizzazioni. Il progetto mette modelli AI avanzati nelle mani di chi gestisce infrastrutture critiche e codebase a larga diffusione, con l'obiettivo di individuare e correggere vulnerabilità prima che vengano sfruttate. Dopo una prima fase partita all'inizio di aprile con circa 50 partner, la rete copre ora organizzazioni in oltre 15 paesi, attive nei settori energia, acqua, sanità, comunicazioni e hardware. Molti dei nuovi partner sono fornitori i cui codebase sostengono governi e popolazioni estese.
Il cuore tecnico del programma è il modello Claude Mythos Preview. Secondo Anthropic, i primi partner hanno già individuato oltre 10.000 vulnerabilità di gravità alta o critica. L'azienda stima che un attacco di rilievo contro la maggior parte dei codebase coinvolti "potrebbe colpire più di 100 milioni di persone", con ricadute sulla sicurezza nazionale e globale. La motivazione dichiarata è la prospettiva ravvicinata di modelli AI "economici e veloci con potenti capacità offensive in ambito cyber".
In parallelo, Anthropic ha presentato Claude Security, che usa Claude Opus 4.8 per la scansione dei codebase. Ha inoltre reso disponibili su richiesta strumenti di ricerca delle vulnerabilità per team di sicurezza fidati. I piani futuri prevedono l'allargamento ad altri fornitori di infrastrutture e ai manutentori di progetti open source, oltre al potenziamento del Cyber Verification Program.
Perché conta
- INGEGNERI ICT / IT MANAGER: Per chi gestisce sistemi e sicurezza, il programma promette un flusso accelerato di patch su CVE gravi nei componenti di uso quotidiano: le oltre 10.000 falle alte/critiche già emerse segnalano che molte dipendenze e codebase critici contengono problemi non ancora corretti. Conviene monitorare gli avvisi dei fornitori coinvolti e dare priorità al patching tempestivo.
OpenAI Codex aggiunge Sites e sei plugin verticali per il lavoro d'ufficio
Con l'annuncio del 2 giugno 2026 Codex esce dalla pura programmazione: pubblica app web condivisibili via URL e introduce sei plugin pensati per ruoli professionali, dall'analisi dati all'investment banking.
OpenAI ha esteso Codex oltre la programmazione, trasformandolo in una piattaforma per il lavoro d'ufficio. L'annuncio ufficiale del 2 giugno 2026, accompagnato dal report «The Next Era of Knowledge Work», introduce tre novità.
La prima è Sites: Codex non produce più solo file locali, ma può pubblicare il proprio output come app e pagine web interattive, ospitate e condivisibili via URL all'interno dello spazio di lavoro. Un modello finanziario diventa così un simulatore di scenari, un piano di lancio un hub aggiornabile. Per questa funzione OpenAI ha stretto partnership con Wix, Base44, Replit, Lovable, Figma ed Emergent. La seconda è Annotations, che permette di selezionare porzioni specifiche di un documento per indirizzarvi comandi e contesto mirati.
La terza, la più rilevante per le imprese, è una famiglia di sei plugin verticali pensati per ruoli precisi: analisi dati, produzione creativa, vendite, product design, investimenti azionari e investment banking. Ogni plugin impacchetta integrazioni, istruzioni e contesto per avvicinarsi a una specifica funzione lavorativa. Nel complesso, i sei plugin aggregano 62 applicazioni — tra cui Snowflake, Databricks, Salesforce e HubSpot — e 110 skill preconfigurate.
A motivare la mossa sono i numeri d'uso: secondo TechCrunch Codex ha superato i 5 milioni di utenti attivi settimanali (sei volte rispetto al lancio dell'app desktop di febbraio 2026). I knowledge worker, oggi circa il 20% della base, crescono a un ritmo triplo rispetto alla media. «L'IA sta diventando capace di svolgere lavoro sempre più significativo dentro le organizzazioni», ha dichiarato Denise Dresser, Chief Revenue Officer di OpenAI.
Perché conta
- UTENTI FINALI: Chi non scrive codice — analisti finanziari, addetti vendite, designer, marketer — ottiene agenti già calati nel proprio ruolo e può trasformare il lavoro di Codex in app web condivisibili con un semplice link, senza passare dall'IT. Codex smette di essere uno strumento per soli sviluppatori e diventa una superficie di produttività quotidiana.
- LLM BUILDER/DEV: Il baricentro di Codex si sposta dalla scrittura di codice all'orchestrazione di agenti su un ecosistema di 62 app e 110 skill: per chi costruisce con gli LLM significa nuove superfici di integrazione (Sites come hosting di app generate) e una concorrenza diretta sul layer del knowledge work, dove si muovono anche Anthropic, Microsoft e Google.
Un modello di ragionamento generale di OpenAI smentisce la congettura di Erdős sulle distanze unitarie
Un modello di ragionamento general-purpose di OpenAI ha prodotto un controesempio a un problema di geometria discreta aperto dal 1946. Il punto non è che abbia inventato matematica nuova: ha collegato strumenti già esistenti della teoria algebrica dei numeri — mai applicati prima a questo problema — estendendo la costruzione originale di Erdős. Un gruppo di matematici lo ha verificato e riscritto a mano.
OpenAI ha annunciato che un suo modello di ragionamento ha smentito la congettura di Erdős sulle distanze unitarie, un problema di geometria discreta rimasto aperto dal 1946. La domanda, posta da Paul Erdős, è elementare da enunciare: dati n punti nel piano, quante coppie possono trovarsi a distanza esattamente uguale a 1? Per decenni si è ritenuto che, con molti punti, una griglia quadrata fosse vicina alla disposizione ottimale, cioè al massimo numero possibile di coppie a distanza unitaria.
Il modello ha mostrato che si può fare di più: ha costruito una famiglia infinita di configurazioni con più coppie a distanza unitaria di quante la congettura ammettesse, con un guadagno di ordine polinomiale sul limite atteso. Ma il modo conta più del risultato. Il modello non ha inventato una tecnica nuova: ha ripreso la costruzione originale di Erdős e l'ha estesa importando strumenti da un'area lontana dalla geometria combinatoria — la teoria algebrica dei numeri, in particolare le torri di campi di classi (idee riconducibili a Golod–Šafarevič, Ellenberg–Venkatesh e Hajir–Maire–Ramakrishna) — che nessuno aveva pensato di applicare a questo problema.
È qui la sfumatura che conta. La forza del modello non è stata «risolvere» dal nulla, ma collegare tra loro pezzi di matematica esistente che vivono in campi diversi: esattamente ciò in cui un sistema addestrato su enormi quantità di letteratura può eccellere più di qualunque singolo umano. Secondo OpenAI la dimostrazione è arrivata da un modello di ragionamento general-purpose, non addestrato apposta per la matematica né indirizzato a questo problema. Un gruppo di nove matematici — tra cui Noga Alon, W. T. Gowers e Thomas Bloom — ha verificato il controesempio e ne ha pubblicato su arXiv una versione breve, controllata a mano. Non è «l'AI che fa matematica al posto nostro», ma l'AI che aiuta a collegare strumenti che già avevamo.
Perché conta
- RICERCA DI FRONTIERA: Un modello di ragionamento general-purpose contribuisce a un problema aperto e centrale della matematica non inventando una tecnica nuova, ma collegando geometria combinatoria e teoria algebrica dei numeri — due aree distanti — con strumenti già esistenti mai applicati qui. Sposta l'AI verso il ruolo di collaboratore nella scoperta, e rende la verifica umana del risultato un passaggio decisivo.
- LLM BUILDER/DEV: Il punto tecnico è che non è servito un sistema specializzato: niente fine-tuning sulla matematica, niente scaffolding per la ricerca delle dimostrazioni, nessun targeting sul singolo problema. Il valore emerso è la capacità di recuperare e ricombinare strumenti esistenti da campi diversi — un segnale su come progettare e valutare i modelli, più che una «scoperta dal nulla».