Il corpo della delega

C’è un istante, in ogni delega, in cui una mano si ritrae mentre il compito continua a essere svolto senza di lei. È in quell’istante silenzioso, non nel gesto della macchina, che si gioca la vera posta della Physical AI. 
Per molto tempo abbiamo potuto pensare che la delega tecnologica fosse, in fondo, qualcosa di immateriale. Una calcolatrice eseguiva il calcolo che non volevamo compiere; un motore di ricerca recuperava l’informazione che non ricordavamo; un algoritmo ordinava, classificava, suggeriva. Poi è arrivata l’intelligenza artificiale generativa (IAg) e abbiamo cominciato ad affidarle parole, immagini, sintesi, argomentazioni, codice, porzioni sempre più consistenti della produzione simbolica. Con l’IA agentica abbiamo compiuto un altro passo: non le chiediamo più soltanto di produrre qualcosa, ma possiamo affidarle un obiettivo e consentirle di organizzare le operazioni necessarie a raggiungerlo. 
Ora sta accadendo qualcosa di diverso. Quella delega può toccare un oggetto. Può spostarlo. Può aprire una porta, percorrere uno spazio, modificare una traiettoria, manipolare materiali, assistere un essere umano. L’intelligenza artificiale non è diventata per questo cosciente, non possiede necessariamente intenzioni e non abbiamo alcuna ragione scientifica per attribuirle una soggettività analoga alla nostra. Eppure una soglia è stata attraversata: la delega sta acquisendo un corpo. È intorno a questa soglia che si colloca ciò che oggi viene indicato come Physical AI. L’espressione è relativamente recente e non dovrebbe essere trasformata frettolosamente nell’ennesima etichetta con cui ordinare l’intelligenza artificiale. Nel 2026 Nature Machine Intelligence, parlando del passaggio «from embodied intelligence to physical AI», ha osservato piuttosto la convergenza di robotica, embodied intelligence, psicologia ecologica, neuroscienze e modelli del mondo attorno a un problema comune: costruire sistemi capaci non soltanto di prevedere, simulare o ragionare sul mondo, ma di agire fisicamente e adattivamente al suo interno. È una distinzione decisiva. La questione non è più soltanto rappresentare ciò che esiste, ma intervenire su ciò che esiste. Ed è proprio qui che la Physical AI smette di essere soltanto un argomento della robotica. Diventa una questione sull’uomo. La macchina non deve diventare umana per cambiare l’agire umano. 
Una parte del dibattito pubblico sull’intelligenza artificiale continua a essere condizionata da una domanda forse mal posta: quando la macchina diventerà simile all’uomo? È una domanda affascinante, ma rischia di distrarci da ciò che sta già accadendo. Non occorre che un sistema artificiale diventi cosciente perché possa produrre conseguenze. Non occorre che “voglia” qualcosa perché possa modificare una situazione. Non occorre attribuirgli intenzioni, esperienza vissuta o responsabilità morale perché il suo comportamento entri materialmente nella vita di altri esseri umani. Questo punto richiede una distinzione rigorosa. Una macchina può avere una certa agency operativa, vale a dire la capacità di selezionare e realizzare comportamenti in funzione di condizioni ambientali e obiettivi, senza che da ciò discenda automaticamente una soggettività. Luciano Floridi e J. W. Sanders avevano già mostrato quanto fosse necessario separare analiticamente la questione dell’agency artificiale da quella della responsabilità, evitando di assumere che parlare di agenti artificiali comporti attribuire loro libero arbitrio, stati mentali o responsabilità nel significato proprio dell’agente umano. A un dato livello di astrazione, i due autori individuano tre condizioni — interattività, autonomia e adattività — sufficienti a riconoscere agenthood senza per questo dover riconoscere una mente. È una cautela ancora più necessaria quando l’intelligenza artificiale acquista capacità fisiche. Dire che una macchina compie un’azione non significa necessariamente dire che essa agisce nello stesso senso in cui agisce una persona. Nella filosofia dell’azione, l’agire umano rimanda infatti a intenzioni, ragioni, fini, consapevolezza e imputabilità. Confondere l’esecuzione di una condotta con l’esperienza umana dell’agire significherebbe antropomorfizzare la tecnologia proprio nel momento in cui avremmo maggiore bisogno di comprenderla. La questione interessante, allora, si rovescia. Non è stabilire quando la macchina comincerà ad agire come l’uomo. È comprendere che cosa accade all’agire dell’uomo quando una parte crescente dell’esecuzione viene trasferita alla macchina. Dall’ambiente da conoscere all’ambiente da trasformare. 
La questione ha radici molto più profonde dell’attuale stagione dell’intelligenza artificiale. Quando James J. Gibson sviluppa il concetto di affordance, la percezione non riguarda più soltanto il riconoscimento delle proprietà di un oggetto. L’ambiente si presenta anche attraverso possibilità di azione: qualcosa può essere afferrato, attraversato, aggirato, utilizzato. Ciò che un ambiente consente di fare emerge dalla relazione fra organismo e mondo. Decenni prima della Physical AI, questa prospettiva aveva già reso difficile pensare l’intelligenza come attività completamente separabile dal corpo e dall’ambiente. Rodney Brooks, nel 1991, portò una provocazione affine dentro la robotica con Intelligence without Representation, insistendo sull’accoppiamento diretto fra percezione e azione e contestando l’idea che l’intelligenza artificiale dovesse necessariamente ricostruire internamente il mondo prima di potervi operare. L’odierna embodied intelligence riprende e sviluppa, attraverso paradigmi molto diversi, proprio questo problema: una forma d’intelligenza situata non può essere pensata ignorando ciò che il corpo rende possibile e ciò che l’ambiente oppone. Qui bisogna però evitare un secondo equivoco. Il corpo artificiale non è il corpo proprio di Merleau-Ponty. Un robot può avere sensori, articolazioni, capacità motorie e una morfologia senza che per questo possieda l’esperienza incarnata dell’essere umano. Utilizzare la categoria di embodiment non autorizza a trasferire alla macchina la fenomenologia della corporeità umana. La differenza deve restare visibile. Ma proprio questa differenza rende più interessante ciò che sta accadendo: per la prima volta sistemi artificiali capaci di elaborazione complessa possono chiudere direttamente il circuito fra percezione, scelta operativa e trasformazione dell’ambiente. Un modello linguistico genera una risposta. Un sistema fisicamente incorporato può generare un comportamento che modifica la condizione sulla quale tornerà poi a percepire. 
Percepisce. Elabora. Seleziona. Esegue. Il mondo cambia. E il mondo modificato diventa il nuovo dato da cui ripartire. La conseguenza entra nel circuito. La soglia tra automazione e delega dell’agire. È proprio a questo punto che occorre evitare un’obiezione importante. Le macchine agiscono materialmente nel mondo da molto prima della Physical AI. Un ascensore trasporta persone senza che qualcuno ne controlli continuamente il movimento. Un robot industriale salda, assembla, sposta materiali da decenni. Un termostato modifica automaticamente la temperatura di un ambiente. Se chiamassimo tutto questo “delega dell’agire”, non avremmo introdotto alcun concetto nuovo. La soglia che interessa è un’altra. Non consiste nel semplice fatto che una macchina produca un movimento. Consiste nella crescente capacità di un sistema di percepire una situazione contingente, interpretarne alcuni elementi rilevanti, selezionare fra possibilità operative e modificare il proprio comportamento in funzione dell’ambiente e dell’obiettivo assegnato. L’automazione tradizionale tende a trasferire alla macchina l’esecuzione di una procedura determinata. I sistemi autonomi contemporanei possono trasferire alla macchina anche una parte crescente della determinazione di come quella procedura debba essere realizzata nelle circostanze concrete. È questa soglia che propongo di chiamare delega dell’agire. Non perché la macchina diventi un agente umano. Esattamente per il motivo contrario. La delega dell’agire descrive ciò che accade all’uomo quando una parte dell’architettura attraverso cui una sua intenzione produce conseguenze viene affidata a un sistema che può operare senza condividere né l’intenzione, né il significato, né la responsabilità dell’azione. E qui appare la questione centrale. La delega diventa antropologicamente decisiva quando l’uomo conserva lo scopo ma smette progressivamente di abitare l’azione che lo realizza. È questa la discontinuità. Conservare l’intenzione, delegare la realizzazione. 
Ogni tecnologia contiene una forma di delega. Non vi è nulla di nuovo nel fatto che gli esseri umani utilizzino strumenti per ampliare le proprie possibilità. La storia della tecnica è anche la storia delle capacità che abbiamo trasferito agli artefatti. Ciò che cambia è la distanza che può aprirsi fra il soggetto che formula uno scopo e la sequenza concreta che produce il risultato. L’uomo può stabilire che cosa vuole ottenere. Il sistema può percepire le condizioni dell’ambiente. Può individuare alternative operative. Può scegliere una traiettoria, correggerla, adattarsi a un imprevisto. Può realizzare materialmente il comportamento. Un altro essere umano può infine sperimentarne la conseguenza. L’intenzione è in un luogo. La selezione operativa in un altro. L’esecuzione in un altro ancora. La conseguenza raggiunge qualcuno che può non aver partecipato a nessuno dei passaggi precedenti. Non siamo davanti alla scomparsa dell’agire umano. Siamo davanti alla sua disarticolazione. Occorre essere precisi anche su questo. Intenzione, decisione, esecuzione e responsabilità non sono mai state perfettamente sovrapponibili. Le organizzazioni, gli apparati burocratici, le catene industriali e le istituzioni distribuiscono da sempre l’azione fra molte persone e molti strumenti. La Physical AI non inventa questa distribuzione. La radicalizza. E soprattutto può renderla meno leggibile. Quando un robot esegue l’ultimo movimento, quel gesto visibile rischia di nascondere l’architettura invisibile che lo ha reso possibile: chi ha progettato il sistema, chi ha definito gli obiettivi, chi ha scelto i dati, chi ha stabilito le condizioni d’uso, chi ha deciso di introdurlo in quell’ambiente, chi aveva il potere di interromperne l’azione. Il movimento appartiene alla macchina. La storia dell’azione no. Il problema non è chi muove, ma chi risponde È qui che il tema della responsabilità diventa decisivo. 
Andreas Matthias formulò già nel 2004 il problema del responsibility gap: quando sistemi capaci di apprendere possono produrre comportamenti che non sono completamente prevedibili dai loro progettisti o operatori, le tradizionali condizioni attraverso le quali attribuiamo responsabilità entrano in tensione. Il problema, da allora, è diventato sempre più importante nella riflessione sull’autonomia artificiale. Ma il responsibility gap non dovrebbe trasformarsi nel vuoto della responsabilità. Sarebbe forse il più grave degli errori: considerare l’imprevedibilità parziale o l’autonomia operativa della macchina come una ragione sufficiente per rendere nessuno responsabile. Il lavoro di Filippo Santoni de Sio e Jeroen van den Hoven sul meaningful human control offre una prospettiva particolarmente importante. Il controllo umano significativo non coincide con la necessità che un essere umano impartisca materialmente ogni singolo comando. Può essere compatibile con elevati livelli di autonomia, purché rimangano ricostruibili il rapporto fra comportamento del sistema e ragioni umane rilevanti e la catena che riconduce quel comportamento a persone capaci di comprenderne il ruolo e di risponderne. Qui emerge la vera asimmetria della Physical AI: possiamo trasferire alla macchina una parte crescente dell’esecuzione senza poter trasferire con la stessa facilità la responsabilità per ciò che quell’esecuzione produce. La capacità tecnica di delegare aumenta più rapidamente della possibilità morale di sottrarsi alle conseguenze della delega. Ed è precisamente questa asimmetria che dovremmo imparare a governare. Delegare non significa assentarsi. La tentazione è antica: quanto più uno strumento acquista autonomia, tanto più chi lo utilizza può percepirsi distante dai suoi effetti. Ma la delega non crea innocenza. Delegare significa decidere che qualcosa possa essere fatto attraverso qualcun altro o qualcos’altro. L’atto della delega appartiene quindi già alla catena della responsabilità. Con sistemi artificiali sempre più autonomi, questa responsabilità non può essere ridotta ingenuamente alla ricerca di un unico colpevole. Luciano Floridi ha parlato, nel suo lavoro sulla distributed morality, della distribuzione della responsabilità nelle azioni moralmente complesse. Le società tecnologiche producono infatti conseguenze attraverso reti nelle quali partecipano persone, organizzazioni, procedure e artefatti. La Physical AI rende questa struttura ancora più evidente perché restituisce alla distribuzione della decisione una conseguenza materialmente osservabile. Un oggetto viene mosso. Un veicolo cambia direzione. Una macchina interviene sul corpo o sull’ambiente. È facile vedere l’ultimo gesto. È molto più difficile vedere tutte le decisioni che lo abitano. Per questo la domanda decisiva non è semplicemente «chi ha compiuto materialmente l’azione?». Dovremmo piuttosto domandarci chi ha costruito le condizioni perché quell’azione potesse accadere in quel modo. La responsabilità, nell’epoca delle macchine capaci di agire fisicamente, dovrà essere cercata meno nell’ultimo movimento e più nell’architettura che lo rende possibile. 
Il discernimento prima della delega. È qui che il problema tecnologico diventa educativo. Se continuiamo a intendere la formazione all’intelligenza artificiale come addestramento all’uso degli strumenti, rischiamo di prepararci al passato mentre la tecnologia costruisce il futuro. Saper interrogare un modello, formulare un prompt, verificare una fonte, riconoscere un errore rimane necessario. Ma non è più sufficiente. La competenza decisiva diventa progressivamente la capacità di stabilire che cosa sia legittimo delegare, quanto sia ragionevole delegarlo, a quali condizioni e quali funzioni debbano restare sottoposte a una responsabilità umana riconoscibile. Qui il discernimento incontra la Physical AI. Il discernimento è il ponte fra comprensione e azione. Ma quel ponte oggi può essere attraversato anche da sistemi artificiali. Possono contribuire alla comprensione di una situazione, selezionare una procedura e infine eseguire materialmente una parte dell’azione. Proprio per questo il discernimento non diventa meno necessario. Diventa precedente. Dobbiamo esercitarlo prima della delega. Prima di chiederci se una macchina sia capace di fare qualcosa, dobbiamo essere capaci di stabilire se quel qualcosa debba essere consegnato alla sua autonomia, quali limiti debbano accompagnarlo e chi continuerà a risponderne. È questa la competenza che dovremmo cominciare a formare nella scuola, nelle università, nelle organizzazioni e nelle istituzioni: non semplicemente imparare a utilizzare macchine sempre più capaci, ma imparare a governare il confine fra ciò che possiamo tecnicamente delegare e ciò che non possiamo moralmente abbandonare. Quando l’uomo non abita più interamente la propria azione. La Physical AI ci costringe, così, a spostare ancora una volta la domanda. Abbiamo chiesto alle macchine di calcolare. Poi di ricordare. Poi di riconoscere. Poi di generare. Ora possiamo chiedere loro di pianificare, adattarsi e intervenire materialmente nel mondo. È facile leggere questa sequenza come la storia di una tecnologia che diventa sempre più potente. Ma potremmo leggerla anche in un altro modo: come la storia di porzioni progressive dell’esperienza umana che diventano delegabili. Il problema non è fermare questa delega. Sarebbe ingenuo e probabilmente inutile. Il problema è evitare che alla delega delle funzioni corrisponda una delega della consapevolezza. Perché il punto critico non sarà raggiunto il giorno in cui una macchina saprà compiere perfettamente un’azione che prima apparteneva a noi. Sarà raggiunto quando la perfezione dell’esecuzione ci farà dimenticare che qualcuno aveva stabilito lo scopo, autorizzato la delega, definito i limiti e accettato che quella macchina intervenisse sul mondo. La vera novità della Physical AI, allora, non consiste nel fatto che l’intelligenza artificiale abbia finalmente trovato un corpo. Consiste nel fatto che l’uomo può conservare l’intenzione separandosi progressivamente dall’azione che la realizza. È in quella distanza che si giocherà una parte importante della nostra responsabilità futura. Non dovremo impedire alle macchine di agire. Dovremo impedire a noi stessi di utilizzare la loro capacità di agire come giustificazione della nostra assenza. Perché la delega può acquisire un corpo senza diventare per questo un soggetto morale. E l’uomo può allontanarsi dall’esecuzione senza cessare, per questo, di essere chiamato a risponderne. La misura della nostra responsabilità non sarà data soltanto da ciò che continueremo a fare personalmente, ma anche da ciò che avremo scelto di non fare più personalmente senza smettere di considerarlo nostro. 
È in questa distanza abitata e non abbandonata che si gioca, ogni volta, la scommessa di Relazioni Aumentate. 

Bibliografia essenziale 
Brooks, R. A. (1991), “Intelligence without Representation”, Artificial Intelligence, 47, 1–3, pp. 139–159, https://doi.org/10.1016/0004-3702(91)90053-M. 
Floridi, L., Sanders, J. W. (2004), “On the Morality of Artificial Agents”, Minds and Machines, 14, 3, pp. 349–379, https://doi.org/10.1023/B:MIND.0000035461.63578.9d. 
Floridi, L. (2013), “Distributed Morality in an Information Society”, Science and Engineering Ethics, 19, 3, pp. 727–743, https://doi.org/10.1007/s11948-012-9413-4. 
Gibson, J. J. (1979), The Ecological Approach to Visual Perception, Boston, Houghton Mifflin; edizioni successive, Psychology Press/Routledge. 
Matthias, A. (2004), “The Responsibility Gap: Ascribing Responsibility for the Actions of Learning Automata”, Ethics and Information Technology, 6, pp. 175–183, https://doi.org/10.1007/s10676-004-3422-1. 
Merleau-Ponty, M. (1945), Phénoménologie de la perception, Paris, Gallimard; trad. it. Fenomenologia della percezione, Milano, Bompiani. 
Nature Machine Intelligence (2026), “From Embodied Intelligence to Physical AI”, Nature Machine Intelligence, 8, pp. 491–492, https://doi.org/10.1038/s42256-026-01239-3. 
Santoni de Sio, F., van den Hoven, J. (2018), “Meaningful Human Control over Autonomous Systems: A Philosophical Account”, Frontiers in Robotics and AI, 5, 15, https://doi.org/10.3389/frobt.2018.00015.

PixelPost.it è una testata registrata presso il Tribunale di Roma, n°164 del 15 Dicembre 2023