ChatGPT, Claude e Grok giù insieme: il blackout del 3 settembre e il rischio del cloud

Per circa un’ora e mezza, giovedì 3 settembre, una fetta enorme delle persone che ormai lavorano, studiano e programmano con l’intelligenza artificiale si è ritrovata davanti allo stesso schermo bloccato. Nello stesso momento, ChatGPT, Claude e Grok hanno smesso di rispondere, lasciando a mani vuote milioni di utenti negli Stati Uniti e non solo.

Non è certo la prima volta che un chatbot va offline. La differenza, stavolta, è che siano caduti insieme e quasi in contemporanea tre servizi di aziende rivali, che di solito non condividono nulla tranne una cosa sola: l’infrastruttura su cui girano.

Questo blackout, più che un fastidio passeggero, è un promemoria scomodo. Ti mostra quanto la nuova economia dei modelli generativi poggi su pochissimi fornitori di cloud, e cosa succede quando uno di loro inciampa.

Cosa è successo davvero il 3 settembre

La sequenza, ricostruita a partire dalle comunicazioni ufficiali delle aziende coinvolte, è stata rapida. Nel primo pomeriggio ora statunitense OpenAI ha segnalato sulla sua pagina di stato ufficiale un aumento anomalo degli errori su ChatGPT e su Codex, il suo strumento per la scrittura di codice, con richieste che restavano appese o venivano rifiutate. Nel giro di pochi minuti la situazione è peggiorata invece di rientrare.

Quasi in parallelo, Anthropic ha ammesso problemi sui suoi modelli. Secondo la pagina di stato dell’azienda, mentre diversi modelli Claude erano già tornati a tassi di errore normali, le versioni di punta come Opus 4.8 e Opus 5 continuavano a non funzionare. Anche Grok, il chatbot di xAI, l’azienda di Elon Musk, risultava irraggiungibile nello stesso intervallo di tempo.

Tre nomi che di norma si contendono utenti e benchmark, fermi tutti insieme. È questo il dettaglio che ha fatto alzare più di un sopracciglio.

Il guaio, per giunta, non è rimasto confinato alle tre finestre di chat. Migliaia di applicazioni di terze parti, plugin per gli editor di codice, assistenti per il servizio clienti e automazioni aziendali richiamano questi modelli tramite le loro API. Quando i motori si sono fermati, si è inceppata a cascata anche una lunga coda di prodotti che l’utente finale non collega nemmeno a OpenAI o ad Anthropic, ma che senza quelle chiamate semplicemente smettono di rispondere. Nel frattempo, come sempre in questi casi, i social si sono riempiti di segnalazioni e di ironia sul mondo rimasto orfano dei suoi assistenti.

Le interruzioni dei singoli servizi capitano con regolarità e di solito rientrano senza troppo clamore. Vederne tre di questa portata sovrapporsi nella stessa finestra di novanta minuti, però, è un evento raro, e statisticamente sospetto.

Il sospetto Azure e il nodo delle dipendenze condivise

Il primo indiziato ha un nome preciso: Microsoft Azure. Nelle stesse ore anche la piattaforma cloud di Redmond stava accusando disservizi, e diverse testate hanno collegato il blackout dei chatbot a un guasto nella regione East US di Azure, uno degli snodi più trafficati dell’infrastruttura americana.

Qui serve però prudenza. Che si sia trattato di una dipendenza tecnica condivisa oppure di una sfortunata coincidenza resta, al momento, una domanda aperta a cui nessuno può rispondere con i soli dati pubblici. OpenAI è storicamente legata ad Azure, ma Anthropic si appoggia soprattutto ad Amazon Web Services e Google Cloud, mentre xAI ha costruito una propria capacità di calcolo. Un singolo guasto che li spegne tutti non è quindi scontato, e proprio per questo è interessante da analizzare.

Il punto non è puntare il dito su un fornitore. Il punto è che bastano pochi nodi critici, condivisi o interconnessi, perché un problema locale diventi un blackout percepito come globale.

Perché la concentrazione sul cloud è un rischio per l’intelligenza artificiale

Dietro l’apparente varietà di app, assistenti e modelli si nasconde un mercato del calcolo strettissimo. La stragrande maggioranza dell’addestramento e dell’inferenza dei grandi modelli passa da tre soli hyperscaler: Amazon Web Services, Microsoft Azure e Google Cloud. È su quei data center che poggia quasi tutta l’AI che usi ogni giorno.

Questa concentrazione ha una conseguenza precisa. Quando la stessa manciata di regioni cloud alimenta prodotti in teoria concorrenti, un singolo punto di rottura può propagarsi a catena e trasformarsi in rischio sistemico. Non è un’ipotesi teorica: lo hai appena visto in diretta il 3 settembre.

Non è nemmeno una dinamica nuova. Il web ha già vissuto blackout in cui il cedimento di una singola regione cloud ha trascinato con sé una porzione enorme di internet, da siti di e commerce a servizi bancari fino agli elettrodomestici connessi. L’intelligenza artificiale aggiunge a quello scenario un ingrediente in più, perché concentra in pochi data center non soltanto i siti, ma anche la capacità di ragionamento che sta cominciando a reggere processi delicati, dal supporto medico alla revisione dei contratti.

Il fenomeno si intreccia con gli enormi legami commerciali tra i laboratori AI e i loro fornitori. Meta, per esempio, è diventata di recente uno dei maggiori clienti AI di Microsoft su Azure, mentre OpenAI ha scelto di diversificare portando i suoi modelli e Codex anche su AWS. Sono mosse che raccontano una corsa al calcolo in cui pochi attori pesano moltissimo.

Più cresce la posta in gioco, più diventa fragile un sistema che dipende da così pochi mattoni fondamentali.

Cosa cambia per te e per le aziende che costruiscono sull’AI

Se usi l’AI in modo occasionale, il 3 settembre è stato al massimo un pomeriggio storto. Ma se hai costruito un flusso di lavoro, un servizio o un prodotto attorno a un singolo modello, quel blackout è un campanello d’allarme che non puoi ignorare.

La prima lezione è pratica e riguarda la ridondanza. Legare un intero processo aziendale a un unico fornitore significa ereditarne ogni singolo malfunzionamento. Una strategia multi modello, con un piano di riserva che entra in gioco quando il servizio principale cade, non è più un lusso da grandi aziende ma una forma elementare di continuità operativa.

Conviene poi guardare con occhio più critico ai contratti e ai livelli di servizio. Sapere in anticipo quali garanzie offre un fornitore in caso di disservizio, dove pubblica lo stato dei sistemi e con quali tempi comunica gli incidenti ti permette di reagire in fretta, invece di scoprire il problema dai social insieme a tutti gli altri. La trasparenza sullo stato dei servizi, in questa fase, vale quanto le prestazioni pure di un modello.

La seconda lezione riguarda il controllo. Tenere una parte dell’inferenza fuori dal cloud, facendo girare modelli più piccoli in locale, riduce l’esposizione ai guasti altrui. Se vuoi capire come muovere i primi passi in questa direzione, trovi una spiegazione dettagliata nella nostra guida per eseguire un LLM in locale sul tuo computer, che mostra pro e contro di questo approccio.

C’è poi un tema più ampio, quello della sovranità tecnologica. Progetti come i nuovi supercomputer pubblici europei, tra cui l’infrastruttura AI costruita attorno a LUMI, nascono anche dalla volontà di non dipendere in tutto e per tutto da capacità di calcolo controllata da pochi soggetti privati e concentrata in poche aree del mondo.

Nessuna di queste contromisure è gratis, e nessuna elimina del tutto il rischio. Servono però a spostare gli equilibri, così che la prossima interruzione non ti trovi completamente disarmato.

Un promemoria, non una condanna

Sarebbe sbagliato leggere il blackout del 3 settembre come la prova che l’AI sia una tecnologia fragile o inaffidabile. Le interruzioni fanno parte della vita di qualsiasi sistema informatico, e i servizi sono tornati operativi nel giro di poche ore, senza danni permanenti per gli utenti.

Quello che l’episodio mette a fuoco è un’altra cosa: la velocità con cui abbiamo affidato compiti sempre più importanti a un’infrastruttura giovane e molto concentrata, senza costruire in parallelo le reti di sicurezza che di solito accompagnano i servizi critici. È una lacuna che si colma con scelte tecniche e di governance, non con la sfiducia.

Continua a seguirci per capire come evolve l’infrastruttura dietro l’intelligenza artificiale e quali strategie ti conviene adottare per usarla senza restare mai davvero a piedi.