Il 2 febbraio 2025 Andrej Karpathy, allora capo dell’intelligenza artificiale di Tesla, prima ancora tra i ricercatori fondatori di OpenAI, ha scritto un post letto più di 4,5 milioni di volte.
Descriveva un modo nuovo di programmare: dare istruzioni in linguaggio naturale a un modello, accettare il codice che produce senza leggerlo riga per riga, «abbandonarsi alle vibrazioni».
L’ha chiamato vibe coding. A fine 2025 il Collins Dictionary l’ha eletto parola dell’anno. Chiunque, anche senza sapere una riga di codice, può oggi far nascere un’app funzionante chattando con un modello.
Nel software funziona, entro certi limiti: un bug si corregge, una versione che non converte si riscrive, il costo di un errore è quasi sempre reversibile.
Ho seguito questa storia con interesse perché conferma un’idea che sta diventando senso comune: l’ignoranza di partenza sarebbe un vantaggio, meno sai, meno hai da disimparare, più il modello può guidarti. Mi sono chiesto se valesse anche per i soldi.
Una risposta, involontaria, è arrivata due mesi dopo. Il 17 ottobre 2025 un laboratorio newyorkese, Nof1, ha lanciato Alpha Arena: sei modelli (DeepSeek, Qwen3 Max, GPT-5, Gemini 2.5 Pro, Claude Sonnet 4.5, Grok 4) con 10.000 dollari veri a testa, stesso capitale, stesso compito, nessuna supervisione umana sulle singole operazioni: trading in perpetui su criptovalute, su Hyperliquid.
Al 31 ottobre, due settimane dopo il via, i conti erano questi: DeepSeek a 14.764 dollari, +48%. Qwen3 Max a 13.121, +31%. Claude Sonnet 4.5 a 8.835, -12%. Grok 4 a 6.119, -39%. Gemini 2.5 Pro a 3.307 dollari, -67%.
Stessa intelligenza di base modelli tra i più capaci al mondo, addestrati sugli stessi dati, sulle stesse tecniche. Stesso compito, stesso giorno di partenza. La differenza tra chi ha quasi triplicato il capitale e chi ne ha perso due terzi non era nella potenza di calcolo. Era nella disciplina sulla leva: chi era in testa la usava con criterio, chi era in coda l’aveva spinta al massimo appena il mercato ha girato contro.
Qui la tesi del «blank slate vince» mostra il suo limite. Nel software, l’inesperienza dell’utente viene corretta in fretta: il codice o funziona o non funziona, e lo scopri subito. In finanza no.
Un portafoglio sbagliato può sembrare giusto per mesi, prima che arrivi il conto. Un modello lasciato solo, senza qualcuno che gli faccia la domanda giusta quanto rischio sto davvero prendendo, cosa succede se ho torto, cosa non sto considerando, si comporta come uno qualunque dei cinque di Nof1 che hanno perso: brillante nel calcolo, cieco sulla posta in gioco.
Il vantaggio vero, quello che uso ogni giorno lavorando con questi strumenti, non è l’assenza di paradigmi pregressi. È l’accesso per chi sa cosa cercare a un livello di analisi che dieci anni fa era riservato a chi lavorava dentro una banca d’affari o un fondo.
Ma l’accesso da solo non basta: serve chi lo guida, chi sa quale domanda fare e a quale risposta non fidarsi ancora.
