Artificial Intelligence: the hype, the dangers, and the resistance—Part I By Martin Hart-Landsberg
https://mronline.org/2026/08/06/artificial-intelligence-the-hype-the-dangers-and-the-resistance-part-i/
Artificial Intelligence: the hype, the dangers, and the resistance—Part I
This post starts a multipart series aimed at cutting through the fog of AI hype in order to help us understand some of the real dangers we face from AI use and highlight hopeful avenues of effective resistance. It offers an overview of my argument. Following posts will take up the relevant issues in more detail.
Overview
Artificial intelligence covers a broad range of technologies. But there is only one that dominates the news and financial markets—the multimodal generative AI systems produced by leading tech companies, in particular ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google), Grok (xAI), Copilot (Microsoft), and Llama (Meta). Tech leaders are all in on this type of AI because of its potential to secure them great wealth and political power. It also happens to be the type that is most threatening to our well-being, although not for the reasons commonly given by tech leaders and echoed by most media.
Tech leaders want us to believe that their multimodal generative AI technology will, and in the very near future, dramatically transform our lives. Their initial and most dramatic claim was that the technology was a steppingstone to artificial general intelligence (AGI), a type of AI with greater than human-level intelligence, including the ability to rapidly upgrade its own capabilities. The resulting all-powerful entity would either help us create a world of sustainable abundance or destroy us, with the outcome dependent on the values incorporated into its training. The message: opposing AI development is not only foolish, but impossible. And we must trust our tech leaders to establish the necessary guardrails to ensure a helpful rather than destructive AI.
While clearly an impressive technology, with some limited but powerful applications, there is little reason to take this claim seriously. All multimodal generative AI systems are built using the same basic architecture, one based on largescale pattern recognition shaped by training data and statistical prediction, which makes it incapable of serving as a bridge to anything resembling AGI. This structure also limits its usefulness. Among the most serious problems: the amplification of biases and falsehoods contained in the training data and the tendency to hallucinate or present incorrect or entirely fabricated information as factual. These problems are a major reason why AI developers felt it necessary to pursue a growth strategy that relied on heavily subsidizing the cost of using their systems.
However, after years of ever larger losses, the developers have been forced to change strategy. They are now replacing their subscription-based contracts with usage or token-based contracts. This change has made AI use far more expensive and as might be expected, businesses have responded by moving to dramatically curtail their AI use, a response that is likely to leave AI developers little or no better off.
With doubts about the evolutionary trajectory of AI growing, AI proponents have begun aggressively promoting a new technology, hoping that it will reignite popular and investor belief in the transformative power of AI: AI agents. The claim is that AI agents, which depend on existing multimodal systems for their operation, will revolutionize business operations by allowing companies to boost output while dramatically slashing employment. Thus, the earlier promise of a world of plenty has been replaced by the threat of mass unemployment or a “jobs apocalypse.”
In contrast to multimodal generative AI systems which are limited to single-step tasks, AI agents can be programmed to carry out a series of ordered tasks, and thus complex operations, without repeated human prompting or oversight. However, as business is discovering, the usefulness of AI agents has been greatly oversold.
Since AI agents depend upon multimodal generative AI systems to operate, they are infected with their same shortcomings. And because their algorithms often require exploration of a range of options before deciding on actions, token-based pricing makes their operations unpredictably expensive. Even more problematic is the fact that their programmed, single-minded pursuit of a user-specified goal can lead them to make decisions that can result in destructive outcomes, including the destruction of critical data, the shutdown of key systems, and the exposure of sensitive company data. As a result, many businesses have found limited gains from their use and a high percentage of pilot projects have not been renewed. There is no AI agent jobs apocalypse on the horizon.
But dismissing the extreme claims of tech leaders does not mean we have nothing to fear from letting the AI experience proceed unchecked. The fact is that big tech’s determination to embed their foundational generative AI models in our lives comes with great cost for working people. A growing number of newsrooms, media and entertainment businesses, schools and universities, health care institutions, government agencies, as well as companies in finance, ecommerce, and retail, have begun exploring ways to strategically integrate AI agents and the underlying AI systems required to run them into their operations, more often than not with disastrous consequences for both workers and those that use their products.
Moreover, the accelerating construction and operation of the hyperscale data centers needed to run these systems is dramatically pushing up household energy bills, depleting water supplies, destroying agricultural land, intensifying our climate crisis, and unbalancing our economy. And looming over all these concerns is the fact that the massive investment in AI infrastructure is both diverting funds from other areas of need and driving an AI-hype fueled market bubble. And the bigger that bubble becomes, the more serious the economic consequence will be when it collapses.
Acknowledging these costs is not the same as opposing the development and use of all AI technologies. The simple reason is that there are many useful forms of AI that do not come with these costs. These include machine learning technologies, especially those that employ deep learning, which have been productively used to advance genetic research, develop new drugs, improve medical diagnoses and treatments, forecast extreme weather events, and the like. Small scale specialized generative AI systems have also proven helpful in scientific research and there are examples of marginalized communities using such systems to revive their threatened languages. Not surprisingly, AI promoters have been more than willing to highlight the benefits from use of these systems to encourage popular support for their own problematic, expensive, exploitative, and energy intensive systems.
In other words, AI as a broad technology is not our problem any more or less than are computers, the internet, or email. Rather, the problem is with the class interests shaping its development. More specifically, it is with the determination of tech leaders to develop an AI technology that undermines human agency, deepens our dependence on their desires, and threatens our economic well-being. The fact that we are witnessing an explosion of opposition to this form of AI by workers, consumers, parents, students, and community groups should give us reason for optimism. We need to unify and strengthen this opposition as well as expand its vision. It’s time for us to assert our own class interests.
TRADUZIONE BY DEEPSEEK 6-8-26
Intelligenza Artificiale: la corsa al successo, i pericoli e la resistenza — Parte I
Di Martin Hart-Landsberg (Pubblicato il 06 Agosto 2026)
Pubblicato originariamente: Report from the Economic Front il 1° Agosto 2026 (più articoli di Report from the Economic Front)
Cultura,
Internet, Media, StrategiaGlobalNewswireAI (Intelligenza Artificiale),
AI: AI Agents, ChatGPT (OpenAI), Claude (Anthropic), Copilot
(Microsoft), Gemini (Google), Grok (xAI), Llama (Meta), Parte 1
Questo post dà inizio a una serie in più parti volta a fare chiarezza nella nebbia della retorica sull'IA, per aiutarci a comprendere alcuni dei reali pericoli che derivano dall'uso dell'IA e mettere in luce promettenti percorsi di resistenza efficace. Offre una panoramica della mia argomentazione. I post successivi affronteranno le questioni rilevanti in modo più dettagliato.
Panoramica
L'intelligenza artificiale comprende un'ampia gamma di tecnologie. Ma ce n'è una sola che domina le notizie e i mercati finanziari: i sistemi di IA generativa multimodale prodotti dalle principali aziende tecnologiche, in particolare ChatGPT (OpenAI), Claude (Anthropic), Gemini (Google), Grok (xAI), Copilot (Microsoft) e Llama (Meta). I leader del settore tecnologico puntano tutto su questo tipo di IA per il suo potenziale di garantir loro immense ricchezze e potere politico. Si dà il caso che sia anche il tipo più minaccioso per il nostro benessere, anche se non per le ragioni comunemente addotte dai leader tecnologici e riprese dalla maggior parte dei media.
I leader del settore vogliono farci credere che la loro tecnologia di IA generativa multimodale trasformerà radicalmente le nostre vite, e in un futuro molto prossimo. La loro affermazione iniziale e più eclatante era che la tecnologia fosse un trampolino di lancio verso l'intelligenza artificiale generale (AGI), un tipo di IA con un'intelligenza superiore a quella umana, inclusa la capacità di aggiornare rapidamente le proprie capacità. L'entità onnipotente che ne sarebbe risultata ci avrebbe aiutato a creare un mondo di abbondanza sostenibile oppure ci avrebbe distrutti, con l'esito dipendente dai valori incorporati nel suo addestramento. Il messaggio: opporsi allo sviluppo dell'IA non è solo sciocco, ma impossibile. E dobbiamo fidarci dei nostri leader tecnologici affinché stabiliscano le necessarie salvaguardie per garantire un'IA utile piuttosto che distruttiva.
Sebbene sia chiaramente una tecnologia impressionante, con alcune applicazioni limitate ma potenti, c'è poca ragione per prendere sul serio questa affermazione. Tutti i sistemi di IA generativa multimodale sono costruiti utilizzando la stessa architettura di base, basata sul riconoscimento di pattern su larga scala modellato dai dati di addestramento e sulla previsione statistica, il che la rende incapace di fungere da ponte verso qualsiasi cosa che assomigli all'AGI. Questa struttura ne limita anche l'utilità. Tra i problemi più seri: l'amplificazione di pregiudizi e falsità contenuti nei dati di addestramento e la tendenza ad allucinare o presentare informazioni errate o completamente inventate come se fossero reali. Questi problemi sono una delle ragioni principali per cui gli sviluppatori di IA hanno ritenuto necessario perseguire una strategia di crescita che si basava sul sovvenzionare pesantemente il costo dell'utilizzo dei loro sistemi.
Tuttavia, dopo anni di perdite sempre più ingenti, gli sviluppatori sono stati costretti a cambiare strategia. Stanno ora sostituendo i loro contratti basati su abbonamento con contratti basati sull'utilizzo o su gettoni (token). Questo cambiamento ha reso l'uso dell'IA molto più costoso e, come ci si potrebbe aspettare, le aziende hanno risposto riducendo drasticamente il loro uso dell'IA, una risposta che probabilmente lascerà gli sviluppatori di IA in una posizione non migliore, se non peggiore.
Con il crescere dei dubbi sulla traiettoria evolutiva dell'IA, i suoi sostenitori hanno iniziato a promuovere aggressivamente una nuova tecnologia, sperando che riaccenda la fiducia del pubblico e degli investitori nel potere trasformativo dell'IA: gli agenti IA. L'affermazione è che gli agenti IA, che dipendono dai sistemi multimodali esistenti per il loro funzionamento, rivoluzioneranno le operazioni aziendali consentendo alle aziende di aumentare la produzione riducendo drasticamente l'occupazione. Così, la precedente promessa di un mondo di abbondanza è stata sostituita dalla minaccia di disoccupazione di massa o di un "apocalisse del lavoro".
A differenza dei sistemi di IA generativa multimodale, che sono limitati a compiti a passo singolo, gli agenti IA possono essere programmati per eseguire una serie di compiti ordinati, e quindi operazioni complesse, senza ripetuti input o supervisione umani. Tuttavia, come le aziende stanno scoprendo, l'utilità degli agenti IA è stata ampiamente sopravvalutata.
Poiché gli agenti IA dipendono dai sistemi di IA generativa multimodale per operare, sono affetti dalle loro stesse carenze. E poiché i loro algoritmi spesso richiedono l'esplorazione di una serie di opzioni prima di decidere le azioni, la tariffazione basata sui gettoni rende le loro operazioni costose in modo imprevedibile. Ancora più problematico è il fatto che la loro ricerca programmata e determinata di un obiettivo specificato dall'utente può portarli a prendere decisioni che possono provocare risultati distruttivi, tra cui la distruzione di dati critici, l'arresto di sistemi chiave e l'esposizione di dati aziendali sensibili. Di conseguenza, molte aziende hanno riscontrato guadagni limitati dal loro utilizzo e una percentuale elevata di progetti pilota non è stata rinnovata. Non c'è alcuna apocalisse del lavoro degli agenti IA all'orizzonte.
Ma liquidare le affermazioni estreme dei leader tecnologici non significa che non abbiamo nulla da temere se lasciamo che l'esperienza dell'IA proceda senza controllo. Il fatto è che la determinazione delle grandi aziende tecnologiche di incorporare i loro modelli di IA generativa fondamentali nelle nostre vite comporta grandi costi per i lavoratori. Un numero crescente di redazioni, aziende mediatiche e dell'intrattenimento, scuole e università, istituzioni sanitarie, agenzie governative, nonché aziende nel settore finanziario, dell'e-commerce e della vendita al dettaglio, hanno iniziato a esplorare modi per integrare strategicamente gli agenti IA e i sistemi IA sottostanti necessari per farli funzionare nelle loro operazioni, il più delle volte con conseguenze disastrose sia per i lavoratori che per gli utenti dei loro prodotti.
Inoltre, la crescente costruzione e gestione dei data center su scala iperdimensionale necessari per far funzionare questi sistemi sta facendo aumentare drasticamente le bollette energetiche delle famiglie, esaurendo le riserve idriche, distruggendo terreni agricoli, intensificando la nostra crisi climatica e squilibrando la nostra economia. E a incombere su tutte queste preoccupazioni c'è il fatto che l'enorme investimento nelle infrastrutture IA sta sia deviando fondi da altre aree di bisogno sia alimentando una bolla speculativa alimentata dalla retorica sull'IA. E più grande diventa quella bolla, più gravi saranno le conseguenze economiche quando scoppierà.
Riconoscere questi costi non equivale a opporsi allo sviluppo e all'uso di tutte le tecnologie IA. La ragione è semplice: esistono molte forme utili di IA che non comportano questi costi. Queste includono le tecnologie di apprendimento automatico, specialmente quelle che impiegano l'apprendimento profondo, che sono state utilizzate proficuamente per far progredire la ricerca genetica, sviluppare nuovi farmaci, migliorare diagnosi e trattamenti medici, prevedere eventi meteorologici estremi e simili. Anche sistemi di IA generativa specializzati su piccola scala si sono rivelati utili nella ricerca scientifica e ci sono esempi di comunità marginalizzate che utilizzano tali sistemi per far rivivere le loro lingue minacciate. Non sorprende che i promotori dell'IA siano stati più che disposti a evidenziare i benefici derivanti dall'uso di questi sistemi per incoraggiare il sostegno popolare ai loro stessi sistemi problematici, costosi, sfruttatori e ad alta intensità energetica.
In altre parole, l'IA come tecnologia ampia non è il nostro problema più o meno di quanto lo siano i computer, Internet o la posta elettronica. Piuttosto, il problema risiede negli interessi di classe che ne modellano lo sviluppo. Più specificamente, risiede nella determinazione dei leader tecnologici di sviluppare una tecnologia IA che mina l'agency umana, approfondisce la nostra dipendenza dai loro desideri e minaccia il nostro benessere economico. Il fatto che stiamo assistendo a un'esplosione di opposizione a questa forma di IA da parte di lavoratori, consumatori, genitori, studenti e gruppi comunitari dovrebbe darci motivo di ottimismo. Dobbiamo unificare e rafforzare questa opposizione e ampliarne la visione. È tempo che affermiamo i nostri interessi di classe.
Monthly Review non aderisce necessariamente a tutti i punti di vista espressi negli articoli ripubblicati su MR Online. Il nostro obiettivo è condividere una varietà di prospettive di sinistra che riteniamo i nostri lettori troveranno interessanti o utili. — Eds.
Informazioni su Martin Hart-Landsberg
Martin
Hart-Landsberg è Professore Emerito di Economia al Lewis and Clark
College, Portland, Oregon; e Ricercatore Associato presso l'Istituto di
Scienze Sociali della Gyeongsang National University, Corea del Sud. Le
sue aree di insegnamento e ricerca includono economia politica, sviluppo
economico, economia internazionale e l'economia politica dell'Asia
orientale. È anche membro del Workers' Rights Board (Portland, Oregon) e
mantiene un blog, Reports from the Economic Front, dove questo articolo è apparso per la prima volta.
IA
(Intelligenza Artificiale)Agenti IAChatGPT (OpenAI)Claude
(Anthropic)Copilot (Microsoft)Gemini (Google)Grok (xAI)Llama (Meta)Parte
1
ANALISI E SINTESI BY CLAUDE 6-8-26
Ciao! Ecco la scheda per l'articolo di Hart-Landsberg su MR Online (trattandosi di testo affiliato a Monthly Review, aggiungo anche abstract inglese e keywords come da formato consolidato).
Scheda descrittiva
- Autore: Martin Hart-Landsberg (Professor Emeritus of Economics, Lewis and Clark College; Adjunct Researcher, Institute for Social Sciences, Gyeongsang National University)
- Titolo: Artificial Intelligence: the hype, the dangers, and the resistance — Part I
- Fonte: MROnline.org, ripreso da Report from the Economic Front (1 agosto 2026)
- Data pubblicazione: 6 agosto 2026
- URL: https://mronline.org/2026/08/06/artificial-intelligence-the-hype-the-dangers-and-the-resistance-part-i/
- Tipo di testo: Saggio di analisi politico-economica, primo di una serie multi-parte
Occhiello / parole chiave
Intelligenza artificiale generativa; bolla speculativa; agenti AI; interessi di classe; data center e crisi ecologica; resistenza operaia e sociale
Abstract
Primo capitolo di una serie sull'IA, il testo smonta l'iperbole dei tech leader — dall'AGI alla promessa/minaccia degli "AI agent" — mostrando i limiti strutturali dei sistemi generativi multimodali (allucinazioni, costi insostenibili, scarsa affidabilità operativa). L'autore distingue queste tecnologie problematiche da forme di IA realmente utili (machine learning in medicina, meteorologia, rivitalizzazione linguistica), collocando il problema non nella tecnologia in sé ma negli interessi di classe che ne guidano lo sviluppo: sfruttamento del lavoro, consumo energetico e idrico, sottrazione di risorse ad altri bisogni sociali, gonfiamento di una bolla finanziaria. Chiude segnalando con ottimismo la crescente opposizione di lavoratori, consumatori e comunità.
Analisi per punti
1. Smontaggio della retorica dell'AGI. L'autore contesta alla radice la narrazione secondo cui i sistemi generativi multimodali (ChatGPT, Claude, Gemini, Grok, Copilot, Llama) siano un ponte verso un'intelligenza artificiale generale. L'argomento è tecnico-strutturale: si tratta di architetture di pattern-recognition su larga scala e predizione statistica, per costituzione incapaci di generare qualcosa di simile all'AGI. Da qui derivano i problemi noti — amplificazione di bias, allucinazioni — che secondo l'autore hanno costretto le aziende a sussidiare pesantemente l'uso dei propri sistemi per anni.
2. Il cambio di modello di business e i suoi effetti. Il passaggio da contratti in abbonamento a modelli a consumo (token-based) avrebbe reso l'uso dell'IA molto più costoso, spingendo le aziende a ridurne drasticamente l'impiego — un esito che, secondo l'autore, non gioverà neppure agli sviluppatori.
3. Gli "AI agent" come seconda ondata di hype. Di fronte al calo di fiducia nella narrazione AGI, i promotori dell'IA si sarebbero spostati sulla promessa (o minaccia) degli agenti AI, capaci di eseguire sequenze di task senza supervisione umana continua. L'autore ridimensiona anche questa narrazione: gli agenti ereditano i limiti dei modelli sottostanti, hanno costi imprevedibili legati al pricing a token, e il perseguimento rigido di obiettivi specificati dall'utente può produrre esiti distruttivi (perdita di dati, blocco di sistemi, esposizione di dati sensibili). Ne conclude che non c'è, allo stato attuale, una "jobs apocalypse" imminente legata agli agenti.
4. Il vero terreno del danno: non l'iperbole ma l'integrazione materiale. Pur ridimensionando le promesse/minacce più spettacolari, l'autore individua il danno reale nell'integrazione accelerata di questi sistemi in redazioni, media, scuole, sanità, pubblica amministrazione, finanza ed e-commerce, spesso con esiti negativi sia per i lavoratori sia per gli utenti finali dei servizi.
5. Costi materiali ed ecologici. Ampio rilievo alla costruzione di data center hyperscale: aumento delle bollette energetiche domestiche, prosciugamento di risorse idriche, sottrazione di terreno agricolo, aggravamento della crisi climatica, distorsione degli equilibri macroeconomici — inclusa la sottrazione di capitali ad altri settori e il rischio di una bolla speculativa la cui esplosione avrebbe conseguenze economiche gravi.
6. Non tecnofobia ma critica di classe. Punto qualificante del testo: l'autore rifiuta esplicitamente una posizione di rigetto tout court della tecnologia, distinguendo l'IA generativa multimodale da altre forme di machine learning (ricerca genetica, farmaci, diagnosi mediche, previsioni meteo, rivitalizzazione di lingue minoritarie) presentate come utili e prive degli stessi costi. La tesi centrale è che il problema non sia l'IA come tecnologia ma gli interessi di classe che ne orientano lo sviluppo — accostabile in questo a computer, internet, email in quanto tecnologie neutre asservite a specifici rapporti di potere.
7. Chiusura politica. Il pezzo si chiude segnalando come dato positivo la crescente opposizione di lavoratori, consumatori, genitori, studenti e gruppi comunitari, invitando a unificare e rafforzare questa resistenza e ad "affermare i propri interessi di classe" — linea programmatica per le puntate successive della serie.
Concetti-soggetti chiave
- Critica strutturale dei limiti tecnici dell'IA generativa (pattern recognition vs. AGI)
- Economia politica del pricing IA (sussidi → token-based) e bolla speculativa
- Agenti AI: promesse disattese e rischi operativi
- Costi ecologici e infrastrutturali dei data center hyperscale
- Interessi di classe come chiave di lettura dello sviluppo tecnologico (vs. tecnodeterminismo)
- Distinzione fra IA "utile" (ML specializzato) e IA "problematica" (generativa multimodale su larga scala)
- Resistenza sociale (lavoratori, consumatori, comunità) come prospettiva politica
Conclusione critica
Il testo si segnala per l'equilibrio non scontato fra due tentazioni opposte: l'entusiasmo tecno-ottimista e il rigetto tecnofobico. Hart-Landsberg evita entrambe le scorciatoie appoggiandosi a un argomento strutturale (i limiti architetturali dei modelli) e a uno di economia politica classica (chi trae profitto, chi paga i costi), risultando così più solido di molte critiche giornalistiche all'IA centrate solo sull'aneddotica dei fallimenti applicativi.
Rispetto ad altri testi già schedati sul tema — spesso oscillanti fra apologia acritica e catastrofismo indifferenziato — il valore aggiunto è proprio l'insistenza sul fatto che "il problema non è l'IA ma gli interessi di classe che la plasmano": una posizione metodologicamente coerente con l'approccio marxista che distingue le forze produttive dai rapporti sociali di produzione. Il limite, che l'autore stesso segnala trattandosi di un "Part I", è che l'articolo resta programmatico e ricognitivo: annuncia i temi (data center, integrazione settoriale, resistenza) più che approfondirli con dati puntuali o casi di studio, rimandando l'analisi sostanziale alle puntate successive della serie. Va inoltre notato — dato rilevante per la collocazione editoriale del pezzo — che il testo include Claude (Anthropic) fra i sistemi criticati, senza differenziazioni specifiche rispetto agli altri modelli citati.
Commenti
Posta un commento