Tra opportunità e rischi: le tendenze tecnologiche di Gartner che stanno “cambiando i giochi”

Gartner ha delineato le dieci tendenze strategiche che plasmeranno il 2025, suddividendole in tre macrocategorie: imperativi e rischi dell'Intelligenza Artificiale (AI), nuove frontiere del computing e sinergia uomo-macchina

---

Secondo il report Gartner sulle tendenze tecnologiche chiave per il 2025, le aziende e i professionisti del settore IT devono prepararsi a un futuro in cui l’intelligenza artificiale, il calcolo avanzato e l’integrazione uomo-macchina ridefiniranno i modelli operativi e le opportunità di crescita.

L’evoluzione tecnologica, tuttavia, non è priva di sfide. Se da un lato emergono strumenti più potenti ed efficienti, dall’altro si impongono nuove questioni legali, etiche e strategiche. Il dibattito non riguarda solo le opportunità di business, ma anche l’impatto sociale, ambientale e culturale delle tecnologie emergenti.

In questo articolo esploriamo in profondità le tre aree chiave individuate da Gartner.

1. Imperativi e rischi dell’Intelligenza Artificiale

L’Intelligenza Artificiale (AI) sta rapidamente evolvendo da semplice supporto decisionale a un’entità capace di agire autonomamente in contesti complessi. Tuttavia, questa evoluzione solleva una serie di imperativi tecnologici ed etici che richiedono un approccio strategico alla governance e alla sicurezza. Gartner identifica tre principali ambiti di sviluppo che rappresentano al contempo opportunità e rischi: AI agentica, piattaforme di governance dell’AI e sicurezza contro la disinformazione.

AI Agentica tra le tendenze tecnologiche di Gartner: l’autonomia operativa delle macchine

L’AI agentica è una delle evoluzioni più significative nell’ambito dell’intelligenza artificiale, con sistemi progettati per operare in modo autonomo, prendere decisioni e implementare azioni senza la necessità di un continuo intervento umano. A differenza dei tradizionali modelli di AI, che agiscono su richiesta, l’AI agentica è proattiva: osserva il contesto, pianifica strategie e ottimizza il processo decisionale basandosi su dati in tempo reale.

Questa tecnologia trova applicazione in diversi settori:

• Finanza: sistemi di trading automatizzati che analizzano i mercati, riconoscono pattern emergenti e adattano istantaneamente le strategie d’investimento per massimizzare i rendimenti minimizzando i rischi.
• Supply Chain: AI che gestisce in modo predittivo l’intera catena logistica, anticipando eventuali interruzioni e modificando autonomamente i flussi di approvvigionamento.
• Sanità: assistenti sanitari digitali capaci di monitorare pazienti in tempo reale, suggerendo trattamenti personalizzati o inviando allarmi in caso di emergenza.
• Automazione industriale: sistemi che analizzano i dati di produzione e regolano autonomamente macchinari e processi per migliorare l’efficienza e ridurre gli sprechi.

L’impatto potenziale dell’AI agentica è enorme: Gartner prevede che entro il 2028 almeno il 15% delle decisioni quotidiane sarà gestito autonomamente da questi sistemi, riducendo il carico decisionale umano in molteplici ambiti. Tuttavia, l’autonomia dell’AI introduce nuovi rischi:

• Mancanza di supervisione umana: sistemi completamente autonomi potrebbero prendere decisioni indesiderate o errate, specialmente in contesti non previsti nei dati di addestramento.
• Bias nei modelli decisionali: l’AI agentica potrebbe perpetuare o amplificare pregiudizi insiti nei dati con cui è stata addestrata.
• Responsabilità legale: chi è responsabile di una decisione errata presa da un’AI agentica? La gestione delle responsabilità legali è ancora un tema aperto.

L’adozione su larga scala di AI agentica richiederà dunque non solo miglioramenti tecnologici, ma anche un forte quadro normativo e meccanismi di controllo per evitare decisioni dannose o non etiche.

Piattaforme di Governance dell’AI: garantire trasparenza, equità e conformità

Con l’espansione delle tecnologie AI, cresce la necessità di regolamentazione e controllo per garantire trasparenza, equità e sicurezza. Le piattaforme di governance dell’AI sono progettate per fornire framework di monitoraggio e gestione dell’intelligenza artificiale, assicurando che gli algoritmi operino in modo etico e conforme alle normative.

Elementi chiave della governance AI:

1. Monitoraggio e audit degli algoritmi: le piattaforme di governance analizzano il funzionamento degli algoritmi per identificare eventuali distorsioni, errori o usi impropri dell’AI.
2. Gestione dei bias: i modelli AI spesso riflettono le distorsioni presenti nei dati di addestramento. Strumenti di governance permettono di individuare e correggere queste anomalie prima che possano influenzare decisioni critiche.
3. Conformità normativa: con l’introduzione di normative come l’AI Act europeo, le aziende devono garantire che i loro sistemi AI siano conformi alle nuove regolamentazioni.
4. Tracciabilità e spiegabilità: la governance AI garantisce che le decisioni prese dall’intelligenza artificiale siano comprensibili e verificabili dagli esseri umani.

Un settore in cui la governance AI è cruciale è la sanità. Algoritmi diagnostici basati sull’intelligenza artificiale devono essere costantemente monitorati per evitare discriminazioni o errori. Ad esempio, un sistema AI per la diagnosi del cancro potrebbe essere meno accurato su determinati gruppi etnici a causa di una rappresentazione inadeguata nei dati di addestramento. In questo caso, piattaforme di governance potrebbero intervenire per correggere il problema.

Le aziende che investono in AI dovranno necessariamente implementare strumenti di governance per evitare rischi legali e reputazionali, garantendo un’adozione responsabile della tecnologia.

Sicurezza contro la disinformazione: un’arma contro la manipolazione digitale

L’Intelligenza Artificiale e il Machine Learning non sono solo strumenti per la crescita tecnologica, ma possono anche essere utilizzati per scopi malevoli, come la disinformazione. La creazione e diffusione di fake news, deepfake e manipolazioni digitali rappresenta una minaccia crescente per aziende, governi e cittadini.

Le nuove tecnologie AI per la disinformazione includono:

• Deepfake avanzati: video o audio manipolati in modo realistico, utilizzati per diffondere notizie false o compromettere la reputazione di individui e organizzazioni.
• AI generativa per fake news: strumenti che possono generare automaticamente articoli falsi, diffondendo disinformazione su larga scala.
• Bot e social engineering: sistemi AI che simulano attività umane sui social network per diffondere narrazioni false e influenzare l’opinione pubblica.

Di fronte a queste minacce, Gartner prevede che entro il 2028, il 50% delle aziende adotterà strumenti di sicurezza avanzata per contrastare la disinformazione, rispetto a meno del 5% attuale.

Soluzioni emergenti per la sicurezza contro la disinformazione:

1. AI per il fact-checking: algoritmi in grado di analizzare e verificare automaticamente l’autenticità delle informazioni.
2. Filigrane digitali e tracciabilità dei contenuti: sistemi di watermarking che certificano l’origine di immagini, video e testi per garantire la loro autenticità.
3. Analisi del comportamento degli utenti: AI che rilevano pattern anomali nei social media e segnalano attività sospette.

La lotta alla disinformazione richiede un approccio multidisciplinare che unisca tecnologia, regolamentazione e educazione dell’utenza. L’AI stessa può diventare un’arma contro la disinformazione, ma senza adeguati controlli e strategie, il rischio di abuso rimane elevato.

2. Nuove frontiere del computing

L’evoluzione del computing sta aprendo scenari inediti, spingendo oltre i limiti dell’informatica tradizionale. L’aumento esponenziale della potenza computazionale e la necessità di soluzioni più sicure, efficienti e sostenibili stanno guidando l’innovazione verso quattro grandi direzioni: crittografia post-quantistica, intelligenza ambientale invisibile, calcolo energeticamente efficiente e calcolo ibrido.

Crittografia Post-Quantistica: la sicurezza informatica nell’era del quantum computing

L’avvento del calcolo quantistico rappresenta una delle innovazioni più dirompenti dell’ultimo decennio. I computer quantistici, sfruttando i principi della superposizione e dell’entanglement, possono risolvere problemi computazionali con una velocità esponenzialmente superiore rispetto ai computer classici. Se da un lato questa potenza apre nuove possibilità per simulazioni e ottimizzazione, dall’altro mette a rischio i sistemi crittografici attualmente utilizzati per proteggere dati sensibili.

I metodi di crittografia asimmetrica oggi impiegati – come RSA e ECC (Elliptic Curve Cryptography) – si basano sulla difficoltà di risolvere problemi matematici come la fattorizzazione di numeri primi e il logaritmo discreto. Tuttavia, un computer quantistico sufficientemente potente potrebbe risolvere questi problemi in tempi ridotti utilizzando algoritmi come Shor’s Algorithm, rendendo insicura gran parte delle comunicazioni digitali.

Per affrontare questa sfida, la crittografia post-quantistica sviluppa nuovi algoritmi resistenti agli attacchi dei computer quantistici. Gli approcci più promettenti includono:

• Codici a reticolo (Lattice-based cryptography): sfruttano problemi matematici che rimangono complessi anche per un computer quantistico.
• Codici a codice (Code-based cryptography): basati sulla difficoltà di decodificare certi tipi di errori.
• Multivariate Cryptography: utilizza equazioni polinomiali multivariate difficili da risolvere con algoritmi quantistici.

Enti come il National Institute of Standards and Technology (NIST) stanno lavorando per definire nuovi standard crittografici post-quantistici. Le aziende dovranno quindi iniziare a pianificare la transizione alla crittografia quantistica, soprattutto in settori come finanza, sanità e telecomunicazioni, dove la sicurezza dei dati è cruciale.

Intelligenza Ambientale Invisibile: il computing diffuso e adattivo

L’intelligenza ambientale invisibile (Ambient Intelligence) è un paradigma tecnologico che prevede l’integrazione di sensori intelligenti, dispositivi IoT e algoritmi di AI direttamente nell’ambiente, rendendo la tecnologia meno invasiva ma sempre presente. L’obiettivo è ottimizzare i processi e migliorare l’interazione tra uomo e macchina senza richiedere un’interfaccia esplicita.

Le applicazioni di questa tecnologia sono molteplici:

• Retail e logistica: sensori RFID e sistemi di visione artificiale possono monitorare automaticamente l’inventario, riducendo sprechi e ottimizzando le operazioni di magazzino.
• Smart Cities: sistemi di illuminazione e riscaldamento adattivi possono ridurre il consumo energetico regolando l’intensità in base alla presenza di persone e alle condizioni atmosferiche.
• Sanità: ambienti ospedalieri intelligenti possono monitorare i parametri vitali dei pazienti senza dispositivi indossabili, rilevando anomalie in tempo reale.
• Industria 4.0: macchinari dotati di AI possono autoadattarsi alle condizioni operative, riducendo il consumo energetico e migliorando l’efficienza produttiva.

Questa forma di computing si basa su edge computing e AI on-device, riducendo la dipendenza dal cloud e migliorando la reattività dei sistemi. Tuttavia, la sfida principale rimane la privacy e la sicurezza dei dati, in quanto la raccolta continua di informazioni pone interrogativi sulla protezione delle informazioni personali.

Calcolo Energeticamente Efficiente: ridurre l’impatto ambientale dell’IT

Con l’aumento delle applicazioni ad alta intensità computazionale – come AI, blockchain e simulazioni scientifiche – cresce anche il consumo energetico dell’industria IT. I data center globali sono responsabili di circa il 3% del consumo energetico mondiale e questa percentuale è destinata a salire con l’espansione dell’economia digitale.

Per affrontare questa sfida, stanno emergendo nuove soluzioni per ottimizzare l’efficienza energetica del computing:

• Acceleratori hardware: chip specializzati come TPU (Tensor Processing Unit) e DPU (Data Processing Unit) migliorano l’efficienza nell’esecuzione di calcoli AI.
• Calcolo neuromorfico: processori ispirati al funzionamento del cervello umano, in grado di eseguire elaborazioni con un consumo energetico ridotto rispetto alle CPU e GPU tradizionali.
• Refrigerazione avanzata: nuove tecnologie di raffreddamento a immersione e sistemi di dissipazione più efficienti riducono il consumo energetico nei data center.
• Supercomputer green: nuove architetture di supercomputer, come i sistemi exascale, sono progettate per massimizzare le prestazioni riducendo il consumo di energia.

L’adozione del calcolo energeticamente efficiente è cruciale non solo per contenere i costi operativi delle aziende IT, ma anche per ridurre l’impronta carbonica del settore tecnologico, contribuendo agli obiettivi di sostenibilità ambientale.

Calcolo Ibrido: combinare potenza computazionale classica e quantistica

Il calcolo ibrido è una nuova frontiera che combina il meglio di calcolo tradizionale, calcolo quantistico e AI, superando i limiti dei modelli attuali.

Le applicazioni di questa tecnologia sono particolarmente promettenti nei settori che richiedono elaborazioni estremamente complesse, come:

• Scoperta farmaceutica: il calcolo quantistico può simulare le interazioni molecolari con una precisione impossibile per i computer classici, accelerando la ricerca di nuovi farmaci.
• Ottimizzazione logistica: combinando modelli predittivi con capacità quantistiche, è possibile risolvere problemi complessi di ottimizzazione, come il trasporto merci su scala globale.
• Cybersecurity avanzata: i sistemi ibridi possono identificare in modo più rapido attacchi informatici sofisticati, migliorando la sicurezza delle infrastrutture digitali.
• Analisi dei big data: i computer quantistici possono affrontare problemi di analisi dati e simulazioni che sarebbero irrisolvibili con le tecnologie tradizionali.

La chiave del calcolo ibrido è l’integrazione tra diverse tipologie di computing, utilizzando algoritmi ottimizzati per ogni tipo di hardware. Ad esempio, un problema potrebbe essere pre-elaborato con un supercomputer classico, risolto nella sua parte più complessa con calcolo quantistico, e poi analizzato con AI basata su deep learning.

Il futuro del calcolo ibrido dipenderà dalla maturità del quantum computing, che attualmente è ancora in fase sperimentale, ma che nei prossimi anni potrebbe diventare un elemento chiave nelle infrastrutture IT.

3. Sinergia uomo-macchina, nuove tendenze tecnologiche

L’interazione tra esseri umani e tecnologia è destinata a diventare sempre più sofisticata, aprendo scenari in cui la linea di demarcazione tra mondo digitale e fisico si assottiglia. L’intelligenza artificiale, la robotica avanzata e le interfacce neurali stanno ridefinendo il modo in cui lavoriamo, apprendiamo e interagiamo con le macchine.

Gartner identifica tre trend chiave che trasformeranno questa sinergia: calcolo spaziale, robot polifunzionali e potenziamento neurologico.

Calcolo Spaziale: la fusione tra mondo fisico e digitale

Il calcolo spaziale rappresenta una delle innovazioni più significative nell’ambito della sinergia uomo-macchina. Si tratta di un paradigma che sfrutta tecnologie immersive come la realtà aumentata (AR), la realtà virtuale (VR) e la realtà mista (MR) per creare esperienze interattive che combinano il mondo digitale con quello reale.

A differenza dei tradizionali sistemi di computing, che richiedono l’uso di schermi e interfacce fisiche, il calcolo spaziale permette di interagire con dati e ambienti digitali direttamente nello spazio fisico.

Questo è possibile grazie all’uso di dispositivi come:

• Visori AR/VR (es. Apple Vision Pro, Meta Quest, Microsoft HoloLens)
• Interfacce gestuali e aptiche
• Sensori di tracciamento ambientale e oculare

Applicazioni del calcolo spaziale

Istruzione e formazione

• Simulazioni immersive per la formazione professionale, come il training per chirurghi attraverso ambienti VR che riproducono interventi chirurgici complessi.
• Ambienti educativi interattivi in cui gli studenti possono esplorare concetti scientifici in modo esperienziale (ad esempio, camminando dentro un atomo o esplorando l’Antica Roma in realtà virtuale).

Industria e manifattura

• Manutenzione assistita in AR, dove tecnici possono ricevere istruzioni sovrapposte in tempo reale mentre riparano macchinari.
• Progettazione ingegneristica collaborativa, in cui team distribuiti possono manipolare modelli 3D in uno spazio virtuale condiviso.

Retail e customer experience

• Showroom virtuali che permettono agli utenti di provare prodotti prima dell’acquisto.
• Sistemi di navigazione in realtà aumentata all’interno di negozi fisici.

Il calcolo spaziale segna l’inizio di un’era in cui l’interazione digitale non sarà più vincolata agli schermi, ma si integrerà direttamente nella nostra percezione dello spazio circostante.

Robot Polifunzionali: macchine adattabili per la nuova era dell’automazione

I robot polifunzionali rappresentano un’evoluzione rispetto ai robot industriali tradizionali, che sono progettati per compiti specifici e ripetitivi. Grazie ai progressi nell’intelligenza artificiale e nella sensoristica avanzata, le nuove generazioni di robot sono in grado di adattarsi dinamicamente a compiti diversi senza la necessità di riprogrammazione complessa.

Le caratteristiche chiave dei robot polifunzionali

• Autonomia e apprendimento: sfruttano algoritmi di machine learning per migliorare le loro capacità nel tempo.
• Interazione sicura con gli esseri umani: grazie a sensori avanzati, possono lavorare fianco a fianco con operatori umani senza rischi.
• Modularità: possono cambiare strumenti e funzioni a seconda del compito richiesto. 

Applicazioni dei robot polifunzionali

Industria manifatturiera

• I robot polifunzionali possono passare dalla produzione al controllo qualità, utilizzando visione artificiale per ispezionare prodotti e rilevare difetti.
• Automazione nelle catene di montaggio con robot collaborativi (cobot) che assistono gli operai invece di sostituirli.

Sanità e assistenza

• Robot infermieri in grado di eseguire compiti semplici, come somministrare farmaci o trasportare attrezzature.
• Chirurgia robotica avanzata, con strumenti che si adattano in tempo reale alle esigenze del chirurgo.

Retail e logistica

• Robot magazzinieri che si spostano autonomamente tra scaffali e ottimizzano la gestione delle scorte.
• Assistenti robot nei negozi fisici, capaci di guidare i clienti o rispondere a domande.

L’adozione dei robot polifunzionali consentirà alle aziende di migliorare l’efficienza operativa, ridurre i costi e aumentare la sicurezza, accelerando l’integrazione della robotica in diversi settori.

Potenziamento Neurologico: l’integrazione diretta tra cervello e computer

Il potenziamento neurologico è un’area emergente della neurotecnologia che mira a migliorare le capacità cognitive e motorie umane attraverso l’uso di interfacce cervello-computer (BCI, Brain-Computer Interfaces) e altre tecnologie avanzate.

L’idea alla base di questa innovazione è che, con la giusta tecnologia, gli esseri umani possano superare i limiti naturali delle loro capacità cognitive e fisiche, migliorando la memoria, la velocità di apprendimento e persino il controllo di dispositivi esterni con il pensiero.

Tendenze tecnologiche per il potenziamento neurologico

• Interfacce cervello-computer non invasive: elettrodi esterni che leggono i segnali cerebrali per controllare dispositivi elettronici (es. NeuroLink, OpenBCI).
• BCI impiantabili: chip neurali che migliorano la comunicazione tra neuroni o ripristinano funzioni motorie nei pazienti con paralisi.
• Neurostimolazione e neurofeedback: dispositivi che stimolano il cervello per migliorare la concentrazione o ridurre lo stress. 

Applicazioni del potenziamento neurologico

Medicina e riabilitazione

• Protesi controllate direttamente dal cervello per persone con amputazioni.
• Sistemi per ripristinare la comunicazione nei pazienti con paralisi totale.

Apprendimento e produttività

• Miglioramento della memoria attraverso stimolazione cerebrale mirata.
• Interfacce neurali per scrivere o controllare dispositivi digitali senza tastiera o mouse.

Gaming ed esperienze immersive

• Giochi VR in cui il giocatore controlla l’ambiente con la mente.
• Sistemi di interazione che trasformano il pensiero in comandi digitali.

L’idea di un potenziamento neurologico solleva questioni etiche e filosofiche: fino a che punto possiamo “potenziare” il cervello umano? Quali sono i limiti tra miglioramento cognitivo e alterazione dell’identità umana?

Sebbene molte di queste tecnologie siano ancora in fase sperimentale, il loro sviluppo potrebbe portare a una nuova era dell’interazione uomo-macchina, eliminando del tutto l’interfaccia fisica tra mente e computer.

Conclusione: il futuro tecnologico tra opportunità, rischi e responsabilità

L’analisi delle dieci tendenze tecnologiche chiave per il 2025, delineate nel report di Gartner, evidenzia come la trasformazione digitale stia attraversando una fase di accelerazione senza precedenti. L’intelligenza artificiale, il computing avanzato e la crescente integrazione tra uomo e macchina non sono più scenari futuristici, ma realtà che stanno già plasmando il nostro presente. Tuttavia, queste innovazioni portano con sé sfide cruciali, che vanno oltre la mera adozione tecnologica e richiedono una riflessione profonda sulle implicazioni etiche, economiche e sociali.

Ripensare l’Intelligenza Artificiale: da strumento a partner decisionale

L’Intelligenza Artificiale sta diventando sempre più autonoma, con sistemi agentici in grado di prendere decisioni senza un intervento umano continuo. Questo cambia radicalmente il modo in cui interagiamo con la tecnologia, ma impone nuove forme di controllo e governance. La trasparenza e l’etica dell’AI non sono aspetti secondari: senza una regolamentazione chiara e strumenti di governance adeguati, si corre il rischio di perdere il controllo su sistemi sempre più complessi e pervasivi.

La lotta alla disinformazione generata dall’AI è un altro punto critico. La capacità delle macchine di creare contenuti indistinguibili dalla realtà richiede soluzioni innovative di tracciabilità e verifica, per evitare che la manipolazione delle informazioni diventi una minaccia strutturale per la società.

L’evoluzione del computing: maggiore potenza, ma anche maggiore responsabilità

Le nuove frontiere del computing stanno portando cambiamenti che andranno a ridefinire il modo in cui proteggiamo i dati, gestiamo le risorse e affrontiamo problemi computazionali complessi. Il calcolo quantistico, se da un lato offre opportunità straordinarie in termini di potenza di elaborazione, dall’altro rappresenta un rischio per la sicurezza dei sistemi crittografici attuali. La transizione alla crittografia post-quantistica sarà un passaggio obbligato per proteggere l’integrità delle infrastrutture digitali.

Parallelamente, l’intelligenza ambientale invisibile e il calcolo energeticamente efficiente delineano una nuova era in cui la tecnologia sarà meno invasiva, ma più intelligente e sostenibile. Tuttavia, per evitare di amplificare il divario digitale e l’impatto ambientale delle infrastrutture IT, sarà fondamentale investire in soluzioni tecnologiche a basso consumo e in un’etica del design computazionale più consapevole.

La sinergia uomo-macchina: l’ultima frontiera dell’interazione

La crescente integrazione tra uomo e macchina apre scenari inediti. Il calcolo spaziale trasformerà il modo in cui lavoriamo, impariamo e interagiamo con i dati, portando il mondo digitale a fondersi con quello fisico attraverso realtà aumentata e realtà virtuale. L’uso di robot polifunzionali renderà le aziende più agili e resilienti, mentre il potenziamento neurologico spingerà i confini dell’innovazione verso territori ancora inesplorati, sollevando questioni etiche di enorme rilevanza.

Ma la domanda fondamentale rimane: quanto siamo pronti ad accettare questa fusione tra tecnologia e identità umana? L’avvento delle interfacce cervello-computer (BCI) potrebbe portare benefici straordinari, ma anche rischi legati alla privacy mentale, al controllo dei dati cerebrali e alla possibilità di manipolazione delle capacità cognitive. La regolamentazione e la consapevolezza collettiva saranno determinanti per tracciare i limiti e le opportunità di questa nuova era.

Un futuro da governare con lungimiranza

Il report Gartner non è solo una previsione tecnologica, ma un campanello d’allarme per aziende, governi e società civile. La velocità dell’innovazione richiede un cambio di paradigma nel modo in cui pensiamo alla tecnologia: non più come un semplice strumento di progresso, ma come una forza che modella il nostro tessuto sociale, economico e politico.

Per affrontare questa rivoluzione in modo consapevole, sarà necessario:

1. Promuovere una governance dell’AI solida, per garantire trasparenza, equità e sicurezza.
2. Investire in calcolo sostenibile, riducendo l’impatto ambientale dell’industria IT.
3. Sviluppare regolamenti per l’interazione uomo-macchina, affinché le nuove tecnologie potenzino le capacità umane senza comprometterne l’autonomia.

La sfida non è solo tecnologica, ma culturale e sociale: siamo pronti a gestire il potenziale e i rischi di queste innovazioni? Il futuro non è un destino già scritto, ma una costruzione collettiva. E la tecnologia, per quanto avanzata, rimane solo uno strumento nelle mani di chi saprà usarla con responsabilità, visione e lungimiranza.