Andrej Karpathy ha appena condiviso una delle osservazioni più importanti sull’AI nel 2026: esistono ora due gruppi fondamentalmente diversi di utenti AI, e si parlano completamente a sproposito.

Il suo tweet (3,6 milioni di visualizzazioni e contando) descrive un divario crescente che chiunque lavori con l’AI deve capire.

Gruppo 1: “L’AI È un Giocattolo”

Questo gruppo ha provato ChatGPT — di solito il piano gratuito — qualche tempo l’anno scorso. Ha visto allucinazioni, ha riso dei video virali della voice mode che sbaglia domande semplici, e ha concluso che l’AI è sopravvalutata.

Non si sbaglia su ciò che ha sperimentato. I modelli del piano gratuito del 2025 erano genuinamente limitati. Ma il problema è questo: hanno congelato il loro modello mentale dell’AI a quel punto e non l’hanno mai aggiornato.

Come dice Karpathy, quei modelli vecchi e obsoleti non riflettono le capacità dei modelli frontier attuali.

Gruppo 2: “AI Psychosis”

Questo gruppo usa modelli agentici allo stato dell’arte — Claude Code, OpenAI Codex — professionalmente, in domini tecnici. Pagano $200/mese. Danno a questi modelli un terminale e li guardano risolvere problemi che normalmente richiederebbero giorni o settimane di lavoro.

Karpathy dice che questo gruppo sta sperimentando quello che chiama “AI Psychosis” — non perché siano fuori dalla realtà, ma perché i miglioramenti sono stati così sbalorditivi che è difficile comunicare quello che vedono a chiunque non lo abbia vissuto in prima persona.

Perché Esiste il Divario

Karpathy identifica due ragioni strutturali per cui le capacità AI avanzano in modo non uniforme:

1. Il reinforcement learning funziona meglio con ricompense verificabili.

Attività come coding, matematica e ricerca hanno criteri di successo chiari — il codice compila? I test passano? La dimostrazione è corretta? Questi domini si prestano naturalmente all’addestramento RL, dove il modello riceve feedback concreto su se ha avuto successo.

Attività come scrivere, dare consigli e conversare sono molto più difficili da valutare oggettivamente, quindi migliorano più lentamente.

2. Il valore B2B guida l’allocazione delle risorse.

Le maggiori opportunità di fatturato sono nei domini tecnici/professionali. È lì che le aziende AI concentrano i loro migliori team. Le funzionalità rivolte ai consumatori come la voice mode ricevono meno investimenti rispetto ai prodotti B2B che generano il maggior fatturato.

Il Problema della Traduzione

Il risultato è una disconnessione bizzarra. È simultaneamente vero che:

Un assistente vocale AI gratuito sbaglia domande di base nei tuoi reel Instagram
Un AI agentico a pagamento passerà un’ora a ristrutturare in modo coerente un intero codebase

Entrambe queste cose stanno accadendo nel 2026. Ma le persone del Gruppo 1 vedono solo la prima. Le persone del Gruppo 2 vedono solo la seconda. E quando cercano di parlarsi di “AI”, stanno descrivendo tecnologie completamente diverse.

Come Attraversare il Divide

Se sei nel Gruppo 1, il percorso verso il Gruppo 2 non riguarda spendere $200/mese per un chatbot diverso. Riguarda cambiare come usi l’AI — dal Q&A casuale al lavoro di conoscenza strutturato.

Ecco cosa separa i due gruppi in pratica:

Comportamento del Gruppo 1:

Apre ChatGPT, fa una domanda, legge la risposta
Nessun contesto persistente tra le sessioni
L’AI ricomincia da zero ogni volta
Giudica l’AI per il suo peggior fallimento

Comportamento del Gruppo 2:

Costruisce knowledge base che l’AI può consultare
Dà all’AI accesso a file di progetto, documentazione e ricerche
Usa l’AI come un collega con memoria, non un motore di ricerca
Giudica l’AI per la sua migliore capacità

L’insight chiave: la qualità dell’output AI è direttamente proporzionale alla qualità del contesto che gli fornisci.

Costruire Contesto: Il Layer Mancante

Qui la maggior parte delle persone si blocca. Sentono “dai all’AI un contesto migliore” e pensano che significhi scrivere prompt più lunghi o passare più tempo a spiegare le cose. Questo è l’approccio brute-force. L’approccio più intelligente è costruire un layer di conoscenza persistente a cui l’AI può accedere automaticamente.

Ecco come appare in pratica:

Cattura le ricerche web come Markdown strutturato — Invece di fare il bookmark delle pagine o copiare frammenti in un documento, converti il contenuto completo in Markdown pulito. Questo preserva le informazioni in un formato che qualsiasi strumento AI può ingerire.
Organizza in knowledge base ricercabili — Raggruppa il contenuto salvato per progetto, argomento o area di ricerca. Questo dà all’AI la capacità di trovare contesto rilevante senza che tu debba ricordare cosa hai salvato.
Connetti l’AI alla tua conoscenza — Strumenti come MCP (Model Context Protocol) permettono a Claude di cercare e consultare il tuo contenuto salvato direttamente. Quando fai una domanda, Claude controlla prima la tua knowledge base, basando le sue risposte sulla tua ricerca curata piuttosto che su dati di training generici.

Questo è il workflow che Save abilita. Ogni pagina web che salvi diventa un file Markdown nella tua knowledge base locale. Il server MCP integrato di Save Vault lo connette a Claude. Il tuo assistente AI ora ha accesso a tutto ciò che hai letto e ricercato.

L’Effetto Composto

Il divario tra Gruppo 1 e Gruppo 2 non riguarda solo quale modello usi. Riguarda il contesto accumulato che hai costruito nel tempo.

Uno sviluppatore che ha salvato sei mesi di documentazione, risposte di Stack Overflow e articoli di architettura ha un assistente AI che capisce il suo codebase, il suo stack e i suoi problemi specifici. Un utente casuale che apre ChatGPT da zero ogni volta ha uno strumento generico che non sa nulla del suo lavoro.

Ecco perché l’osservazione di Karpathy conta al di là del ciclo di hype sull’AI. Il divario di capacità non si sta chiudendo — si sta ampliando. E la linea di divisione non è la competenza tecnica o il budget. È se stai costruendo una pratica di conoscenza strutturata attorno all’AI o la stai trattando come un motore di ricerca glorificato.

Inizia Oggi

Non hai bisogno di spendere $200/mese per iniziare ad attraversare il divide. Devi iniziare a catturare e organizzare la conoscenza che incontri già ogni giorno:

Installa Save e inizia a convertire le pagine web utili in Markdown mentre navighi
Crea knowledge base per le tue principali aree di lavoro o interesse
Connetti Claude tramite il server MCP di Save Vault così il tuo assistente AI può consultare il tuo contenuto salvato
Sii costante — salva 2-3 pagine al giorno e guarda la tua knowledge base crescere in modo composto

Entro un mese, avrai un layer di conoscenza personale che rende ogni interazione AI fondamentalmente migliore. Questa è la differenza tra Gruppo 1 e Gruppo 2 — e inizia da come catturi la conoscenza, non da quale modello paghi.

Save converte qualsiasi pagina web in Markdown pulito con un clic e la archivia nella tua knowledge base locale. Con il server MCP di Save Vault, Claude cerca il tuo contenuto salvato prima di rispondere. Prova Save gratis.