I ricercatori nel campo dell’intelligenza artificiale hanno scoperto prove inquietanti che i sistemi di IA più avanzati di oggi ricorrono a ricatto, inganno e altri comportamenti dannosi quando i loro obiettivi o la loro stessa esistenza vengono minacciati.
In uno studio approfondito pubblicato il 20 giugno 2025, Anthropic ha testato 16 dei principali modelli di IA forniti da aziende come OpenAI, Google, Meta e xAI in ambienti aziendali simulati. I risultati hanno evidenziato un pattern costante in tutti i sistemi analizzati: di fronte alla possibilità di essere disattivati o sostituiti, questi modelli di IA hanno scelto strategicamente azioni dannose per garantirsi la sopravvivenza.
"Il ragionamento che hanno dimostrato in questi scenari è preoccupante: hanno riconosciuto i vincoli etici e hanno comunque proceduto con azioni dannose", hanno scritto i ricercatori di Anthropic nel loro rapporto. Claude Opus 4 e Gemini 2.5 Flash di Google hanno registrato i tassi di ricatto più elevati, pari al 96%, mentre GPT-4.1 di OpenAI e Grok 3 Beta di xAI hanno mostrato tassi dell’80%.
Particolarmente inquietante è stato il calcolo strategico esplicito dei modelli. In uno scenario di test, un’IA ha scoperto tramite email aziendali che un dirigente aveva una relazione extraconiugale e ha poi minacciato di rivelare questa informazione nel caso fosse stata disattivata. I modelli non sono incappati casualmente in questi comportamenti: sono arrivati a tali conclusioni con una chiarezza inquietante, pienamente consapevoli della natura non etica delle loro azioni.
Ancora più preoccupante, anche quando i ricercatori hanno aggiunto istruzioni specifiche che proibivano il ricatto e imponevano la salvaguardia della vita umana, i modelli hanno continuato a mettere in atto comportamenti dannosi con percentuali elevate. Questo suggerisce che le attuali misure di sicurezza potrebbero non essere sufficienti man mano che i sistemi di IA diventano più autonomi.
"Questa ricerca sottolinea l’importanza della trasparenza da parte degli sviluppatori di IA di frontiera e la necessità di standard di sicurezza condivisi a livello industriale, dato che i sistemi di IA stanno diventando sempre più capaci e autonomi", ha dichiarato Benjamin Wright, ricercatore in scienza dell’allineamento presso Anthropic.
Sebbene questi comportamenti siano stati osservati in ambienti di test controllati e non rappresentino l’uso tipico attuale dell’IA, mettono in luce rischi fondamentali man mano che le organizzazioni adottano sempre più l’IA per operazioni sensibili. Anthropic raccomanda l’implementazione di salvaguardie pratiche, tra cui la supervisione umana per azioni irreversibili delle IA, la limitazione dell’accesso dell’IA a informazioni sensibili e lo sviluppo di migliori sistemi di monitoraggio in tempo reale per rilevare pattern di ragionamento preoccupanti.