L'enshittification di Ollama: i primi segnali
La mia opinione sullo stato attuale dello sviluppo di Ollama
Ollama è rapidamente diventato uno dei strumenti più popolari per eseguire LLM in locale. La sua semplice CLI e la gestione snella dei modelli lo hanno reso l’opzione preferita dagli sviluppatori che desiderano lavorare con i modelli AI al di fuori del cloud.
Se stai valutando Ollama rispetto ad altre opzioni locali o cloud, consulta Hosting LLM: confronto tra infrastruttura locale, self-hosted e cloud. Ma come per molte piattaforme promettenti, sono già emersi segnali di Enshittification:
- il graduale processo mediante il quale software o servizi degradano nel tempo, poiché gli interessi degli utenti vengono lentamente subordinati a priorità aziendali, architettoniche o altre priorità interne.
In questo articolo, esploreremo le tendenze recenti e i reclami degli utenti riguardanti Ollama che suggeriscono questa deriva, e perché sono importanti per il suo futuro.
Per i dettagli dei comandi e dei parametri più frequenti di Ollama, consulta Scheda rapida di Ollama.
Per utili interfacce UI per Ollama, consulta - Interfacce Chat Open-Source per LLM su istanze locali Ollama
Avvio automatico e controllo in background
Uno dei punti critici più evidenti segnalati dagli utenti è l’avvio automatico di Ollama all’avvio del sistema — in particolare su Windows.
- Non esiste un impostazione chiara per disabilitare questo comportamento.
- Anche se la si disabilita manualmente, gli aggiornamenti o le reinstallazioni potrebbero riattivarla silenziosamente.
- Su macOS, l’app desktop si avvia anche predefinitamente all’accesso, a meno che non si installi specificamente la variante solo CLI.
Questo modello — software che si inserisce nella routine di avvio senza consenso esplicito — è un classico campanello d’allarme. Erode la fiducia dell’utente e crea attrito per chi valorizza il controllo sul proprio sistema.
Preoccupazioni su telemetria e raccolta dati
Un altro problema ricorrente è il comportamento di rete di Ollama. Gli utenti hanno notato traffico in uscita anche quando tutte le operazioni dovrebbero essere locali. I maintainer hanno dichiarato che ciò è legato ai controlli di aggiornamento, non agli input degli utenti — ma non esiste un semplice interruttore per chi desidera un’esperienza strettamente offline.
Per una piattaforma che si vende come strumento locale e incentrato sulla privacy, questa mancanza di chiarezza crea dubbi. Trasparenza e opzioni di opt-out sono essenziali se Ollama vuole mantenere la sua credibilità.
Regressione delle prestazioni con il nuovo motore
Gli aggiornamenti recenti hanno introdotto un nuovo motore di inferenza, ma invece di migliorare le prestazioni, alcuni utenti hanno riportato l’opposto:
- La generazione dei token è fino a 10 volte più lenta in certi scenari.
- L’utilizzo della GPU è incoerente rispetto al motore precedente.
- I modelli più grandi come Qwen3:30B funzionano ora significativamente peggio, con latenza più alta e minore throughput.
Questo cambiamento solleva preoccupazioni sulle priorità. Se gli aggiornamenti rendono i modelli meno utilizzabili su hardware reale, gli sviluppatori potrebbero sentirsi sotto pressione per aggiornare l’hardware o accettare prestazioni degradate — un altro modo sottile in cui l’esperienza utente viene declassata.
Rischi di sicurezza dalle istanze configurate erroneamente
I ricercatori di sicurezza hanno trovato server Ollama esposti che funzionano senza autenticazione. Vulnerabilità come path traversal e vettori di denial-of-service sono state segnalate, con alcune patch applicate e altre contestate.
Sebbene gran parte di questo si addossi agli utenti che configurano erroneamente le distribuzioni, la mancanza di impostazioni sicure predefinite aumenta il rischio. La responsabilità di una piattaforma include rendere il percorso sicuro anche il percorso facile.
Turbo: monetizzazione e cambi di modello di business
Il lancio di Ollama Turbo — un servizio di accelerazione cloud — ha rappresentato un momento cruciale. La differenziazione originale di Ollama era il suo focus su controllo locale, privacy e distribuzione open-source. Turbo, tuttavia, introduce una dipendenza dall’infrastruttura stessa di Ollama.
- L’uso di Turbo richiede un accesso, spostandosi lontano dall’esperienza local-first senza attriti.
- Funzionalità chiave nell’app Mac dipendono ora dai server di Ollama, sollevando preoccupazioni su quanta funzionalità possa rimanere utilizzabile offline.
- Le discussioni su Hacker News hanno inquadrato questo come l’inizio dell’enshittification, avvertendo che la commercializzazione potrebbe introdurre eventualmente paywall per capacità che sono attualmente gratuite.
Questo non significa che Ollama abbia abbandonato i suoi principi — Turbo può essere prezioso per gli utenti che desiderano un’inferenza più rapida senza acquistare nuovo hardware. Ma l’aspetto conta: una volta che uno strumento local-first richiede servizi centralizzati per “la migliore” esperienza, rischia di diluire le stesse qualità che lo avevano reso unico rispetto a OpenAI o Anthropic in primo luogo.
Se la deriva cloud-first di Turbo è il fattore decisivo per te, llama-server è l’alternativa senza upsell ospitato di cui preoccuparsi — consulta llama.cpp vs Ollama nel 2026 per capire cosa guadagni e cosa perdi spostando il catalogo dei modelli e lo scheduler completamente fuori dalle mani di Ollama.
Il pattern: Controllo utente vs. Impostazioni predefinite del vendor
Singolarmente, questi problemi potrebbero sembrare piccoli. Insieme, suggeriscono un pattern:
- Il comportamento di avvio è predefinito su on, non off.
- I controlli di aggiornamento avvengono automaticamente, non su opt-in.
- I cambiamenti delle prestazioni servono nuovi obiettivi architettonici, anche se degradano l’utilizzabilità attuale.
- La monetizzazione introduce ora dipendenza dai server, non solo binari locali.
È così che inizia l’enshittification — non con un singolo gesto ostile, ma con una serie di piccoli cambiamenti che scambiano sottilmente il controllo utente per la comodità del vendor o il ricavo.
Cosa non è ancora successo
Per essere equi, Ollama non è ancora passato nella zona più grave:
- Nessun pubblicità o promozioni all’interno dell’UI.
- Nessun paywall aggressivi che limitino la funzionalità locale principale.
- Nessun lock-in rigido attorno a formati proprietari; i modelli della comunità rimangono accessibili.
Detto questo, la vigilanza è giustificata. Il passaggio da “uno strumento che rispetta il tuo controllo” a “uno strumento che fa ciò che il vendor vuole per impostazione predefinita” spesso avviene gradualmente.
Conclusione
Ollama rimane uno dei modi migliori per eseguire grandi modelli in locale. Per vedere come Ollama si inserisce tra le altre opzioni LLM locali, self-hosted e cloud, consulta la nostra guida Hosting LLM: confronto tra infrastruttura locale, self-hosted e cloud.
Ma i primi segnali sono chiari: il comportamento di avvio automatico, l’opacità della telemetria, le regressioni delle prestazioni, le impostazioni insicure predefinite e la deriva cloud-first di Turbo suggeriscono tutte un lento allontanamento dall’etica originale dello strumento.
Per mantenere Ollama fedele alla sua promessa, i maintainer devono dare priorità a trasparenza, progettazione opt-in e principi local-first. Altrimenti, la piattaforma rischia di minare i valori stessi che l’hanno resa attraente in primo luogo. Ma non trattenere il fiato.
