General Motors sta tentando un rilancio tecnologico ambizioso puntando sulla guida autonoma avanzata e sull'intelligenza artificiale conversazionale, in un contesto industriale dove il veterano dell'automotive americano si trova a rincorrere competitor più agili sia sul fronte dei veicoli elettrici che sulle tecnologie software-defined. L'annuncio, presentato a New York dalla CEO Mary Barra, delinea una roadmap che prevede l'introduzione di sistemi di AI conversazionale già nel 2025 e, soprattutto, una tecnologia di guida autonoma "eyes-off" a partire dal 2028 sul Cadillac Escalade IQ. Si tratta di un tentativo esplicito di posizionarsi come leader nella corsa verso i veicoli a guida autonoma di proprietà personale, un segmento ancora privo di un chiaro vincitore commerciale nonostante gli avanzamenti di Tesla, Waymo e Stellantis.
Il sistema di guida autonoma promesso da GM permetterebbe agli occupanti di distogliere completamente lo sguardo dalla strada, aprendo scenari d'uso che vanno dal lavoro remoto all'intrattenimento durante gli spostamenti. La visione dipinta da Barra è quasi cinematografica: "Immaginate di salire in auto, premere un pulsante e venire guidati in ufficio mentre recuperate lavoro arretrato, inviate email o guardate un episodio della vostra serie preferita". Il veicolo, secondo questa narrativa, potrebbe poi operare autonomamente per commissioni come ritirare il lavaggio a secco o ordinare cibo d'asporto. Tuttavia, la realizzazione pratica di questa visione completa rimane distante, mentre la funzionalità "eyes-off" promessa per il 2028 rappresenta un obiettivo più concreto, anche se ancora lontano nel tempo rispetto ai competitor.
Dal punto di vista dell'architettura tecnologica, GM non ha ancora rivelato dettagli tecnici specifici sui sistemi di percezione, le architetture di deep learning o i protocolli di sicurezza che sosterranno questa capacità di guida autonoma. Questa mancanza di trasparenza tecnica contrasta con l'approccio di aziende come Tesla, che comunica regolarmente metriche sul training dei propri modelli di computer vision e sui miliardi di miglia percorse in modalità Autopilot. Waymo, dal canto suo, opera già robotaxi completamente autonomi in aree urbane limitate, accumulating dati reali di inferenza in scenari complessi. Stellantis, Mercedes e Volkswagen hanno già integrato AI conversazionale nei loro veicoli, rendendo l'annuncio GM per il 2025 più un allineamento che un breakthrough.
La sfida di GM non è solo tecnologica ma anche organizzativa e culturale. L'assunzione di Sterling Anderson da Tesla sei mesi fa e di Dave Richardson da Apple quasi due anni fa segnala un tentativo esplicito di iniettare DNA tecnologico in un'organizzazione centenaria. "La giustapposizione sul palco non è casuale, è evidente", ha commentato Anderson riferendosi al suo background Tesla. Richardson ha ammesso candidamente che "c'era il riconoscimento che l'azienda deve diventare più orientata alla tecnologia e focalizzata. Ma ci vuole tempo perché le persone si allineino". Questa transizione da car company a software-defined vehicle company è critica: i veicoli moderni sono essenzialmente piattaforme computazionali su ruote, dove sensori, neural networks per la percezione, algoritmi di path planning e sistemi di AI conversazionale basati su Large Language Models determinano l'esperienza utente quanto il powertrain.
Il contesto economico aggiunge ulteriore pressione. GM prevede una perdita di 1,6 miliardi di dollari nel business dei veicoli elettrici quest'anno, conseguenza diretta dell'eliminazione dei crediti fiscali federali per gli EV e di una domanda inferiore alle aspettative. L'azienda ha investito decine di miliardi nella transizione elettrica, ma fatica ad attrarre consumatori in numero sufficiente. Parallelamente, produttori cinesi come BYD e Zeekr stanno rapidamente conquistando quote di mercato in Europa grazie a prezzi competitivi e design technology-forward, sfruttando economie di scala nella produzione di batterie e integrazione software. I dazi statunitensi al 100% sui veicoli cinesi proteggono temporaneamente il mercato domestico, ma questa barriera potrebbe non essere permanente.
Sul fronte dell'AI conversazionale, che GM introdurrà nel 2025, il mercato è già affollato. I sistemi basati su LLM stanno diventando standard nell'automotive premium, permettendo interazioni in linguaggio naturale per controllo veicolo, navigazione e integrazione con ecosistemi smart home. La vera differenza competitiva non risiederà nell'avere un assistente conversazionale, ma nella qualità del fine-tuning specifico per contesti automobilistici, nella capacità di gestire richieste multimodali (voce, gesti, touch) e nell'integrazione con sistemi di guida autonoma per pianificazione di itinerari complessi. Non è chiaro se GM svilupperà modelli proprietari o utilizzerà foundation models esistenti con customizzazione, né quale sarà la strategia per gestire privacy e processing dei dati conversazionali, aspetti particolarmente sensibili nel contesto normativo europeo con GDPR e il nuovo AI Act.
La retorica di Reuss sulla competizione tecnologica riflette la consapevolezza della sfida: "Non si tratterà di smontare auto cinesi e copiarle. Abbiamo investito in tecnologia e R&D e continueremo a farlo, dobbiamo essere i migliori, punto. Credo che questo vinca con il cliente". Tuttavia, la storia recente mostra che l'eccellenza ingegneristica tradizionale non garantisce successo quando software, AI e user experience diventano fattori differenzianti primari. Tesla ha dimostrato che un'azienda nata software-first può ridefinire aspettative di mercato; i produttori cinesi stanno dimostrando che integrazione verticale e velocità di iterazione possono compensare decenni di esperienza manifatturiera occidentale.
Resta da vedere se GM riuscirà a mantenere le promesse temporali e tecniche. Il 2028 per l'eyes-off driving lascia ampio margine, ma anche spazio per ulteriori ritardi. La commercializzazione su larga scala della guida autonoma richiede non solo robustezza tecnica dei modelli di percezione e planning, ma anche quadri normativi chiari su responsabilità e certificazione, infrastrutture adeguate e, crucialmente, fiducia dei consumatori. Le preoccupazioni su safety-critical AI systems, bias nei dataset di training che potrebbero penalizzare certi scenari urbani o demografici, e trasparenza sui meccanismi decisionali degli algoritmi rimangono centrali nel dibattito pubblico e regolatorio, specialmente in Europa dove l'AI Act classifica i sistemi di guida autonoma come ad alto rischio.
La scommessa di General Motors è essenzialmente questa: che esista ancora spazio per un late mover determinato a "saltare" piuttosto che inseguire, e che l'expertise manifatturiera combinata con talento tecnologico acquisito possa produrre veicoli autonomi sicuri, affidabili e commercialmente viabili prima che altri consolidino posizioni dominanti. Il mercato dei prossimi cinque anni dirà se questa strategia di trasformazione, guidata da veterani dell'automotive affiancati da professionisti tech, può realmente reinventare un'icona centenaria dell'industria americana in un player tecnologico credibile nell'era dell'AI applicata alla mobilità.