L a narrazione dominante sull’intelligenza artificiale (IA o AI, Artificial Intelligence, all’inglese) racconta di una tecnologia rivoluzionaria in grado di trasformare radicalmente la nostra società a partire dal modo in cui produciamo valore con il nostro lavoro. Dai Large language models ai sistemi predittivi, dalle automazioni industriali alle piattaforme digitali, l’IA promette efficienza, ottimizzazione di processi, risorse e decisioni e una maggiore libertà rispetto alle mansioni più ripetitive. Ma al contrario di quanto si possa pensare, non è una buona notizia.
Per comprendere l’impatto dell’IA sul mondo del lavoro, è necessario partire dalle radici storiche della sua logica operativa: gli algoritmi. Per chi non lo avesse ancora chiesto a ChatGPT, un algoritmo è una sequenza finita di istruzioni che, eseguite in un ordine preciso, permettono di risolvere un problema o svolgere un compito e possono essere espresse in vari modi: con il linguaggio naturale, con diagrammi di flusso o con il codice informatico. Pensiamo alla ricetta per la preparazione di un piatto o alle istruzioni per assemblare un prodotto IKEA: anche questi sono algoritmi.
Come osserva Matteo Pasquinelli in The Eye of the Master: A Social History of Artificial Intelligence (2023), ben prima della loro applicazione alle moderne reti neurali, gli algoritmi hanno sempre rappresentato una forma di automatizzazione della decisione, da quelli meccanici del primo Ottocento ai modelli statistici del Ventesimo secolo; gli algoritmi, infatti, non nascono per replicare l’intelligenza biologica dell’uomo nel suo insieme, ma come strumenti per catturare, sistematizzare e riprodurre l’intelligenza umana applicata al lavoro. Questa intelligenza del lavoro non è un’astrazione individuale, ma un sapere pratico che si sviluppa nell’attività collettiva, nell’interazione con strumenti e tecnologie.
Fin dall’epoca industriale i processi produttivi sono stati scomposti in operazioni elementari rese misurabili e trasferite alle macchine sotto forma di algoritmi o, se preferiamo, istruzioni. Una logica che oggi troviamo nei sistemi di IA, i quali funzionano proprio grazie a una vasta accumulazione di conoscenza umana estratta dal lavoro, trasformata in dati e utilizzata per addestrare i modelli a riconoscere schemi (pattern) e prendere decisioni.
Gli algoritmi non nascono per replicare l’intelligenza umana nel suo insieme, ma come strumenti per catturare, sistematizzare e riprodurre quella applicata al lavoro.
Il lavoro dal quale si estrae la conoscenza non è solo quello salariato, ma anche quello informale gratuito ‒ si pensi ai social media dove gli utenti generano contenuti, interazioni e metadati che le aziende usano per addestrare IA sempre più sofisticate ‒ così come i prodotti della cultura e della creatività, anch’essi inglobati in questa dinamica estrattiva (dataset come LAION-5B contengono miliardi di immagini prese dal web, molte delle quali provenienti da artisti e fotografi che non hanno dato il loro consenso e che vedono il loro stile replicato fedelmente da sistemi come Midjourney e Stable Diffusion) e infine l’interazione diretta dell’uomo con la macchina, per esempio attraverso i chatbot e gli assistenti vocali, dove il semplice atto di comunicare con la tecnologia contribuisce a perfezionarla.
Questa accumulazione di conoscenza non è affatto neutrale. La tecnologia subisce sempre l’influenza della società che la sviluppa: prende forma sulla base di obiettivi precisi che aderiscono a un sistema di valori specifici. Non è un caso che l’intelligenza artificiale venga presentata prima di tutto come uno strumento per ottimizzare processi e decisioni, per produrre di più e più velocemente. In un sistema che pone l’efficienza al centro, anche la conoscenza, il lavoro e perfino la creatività finiscono per essere trattati come risorse da gestire secondo logiche di rendimento.
L’intelligenza artificiale, in questo scenario, non si limita a processare informazioni: dalle fabbriche alle piattaforme digitali, l’IA sta ridefinendo i meccanismi di controllo, organizzazione e accesso al mondo del lavoro, a partire dalle assunzioni, dove algoritmi di screening analizzano curriculum, test psicometrici e persino espressioni facciali attraverso i videocolloqui, assumendo o escludendo i candidati senza alcuna trasparenza sui criteri adottati. A ciò si aggiungono l’incremento della sorveglianza sui dipendenti, l’assegnazione di turni e mansioni sulla base di obiettivi sempre più esigenti spesso calcolati da sistemi statistici e la valutazione “intelligente” delle performance che decide automaticamente sui licenziamenti. Da questo punto di vista l’IA tratta gli esseri umani alla pari: come macchine da valutare, ottimizzare o dismettere e sostituire con nuove unità.
Questo non è un fenomeno nuovo. Con l’avvento della rivoluzione industriale e dell’automazione, l’introduzione di telai meccanici, filatoi e motori a vapore consentì aumenti significativi della produzione, ma le conseguenze per gli operai furono spesso drammatiche. Un esempio emblematico è quello dell’industria tessile inglese dei primi dell’Ottocento, nella quale centinaia di migliaia di tessitori artigiani qualificati persero il lavoro, sostituiti da un numero inferiore di addetti alla gestione dei nuovi telai meccanici, pagati con salari più bassi e costretti a condizioni di lavoro più alienanti.
Ogni ondata tecnologica è stata inizialmente presentata come un’opportunità per produrre di più lavorando meno e in condizioni migliori. Tuttavia, la realtà ha spesso tradito queste aspettative.
E ancora, nelle fabbriche tessili e siderurgiche dell’Inghilterra vittoriana, turni di dodici, quattordici ore giornaliere erano la norma, così come l’impiego di manodopera femminile e minorile a bassissimo costo. I primi decenni dell’era industriale e dell’automazione videro anzi un inasprimento dello sfruttamento: solo dopo dure lotte sindacali e sociali si arrivò alle prime leggi sul lavoro nel Regno Unito (cfr. il Factories Act del 1833) che limitarono i turni in fabbrica a dieci ore e bandirono il lavoro minorile. Un dato interessante: gli effetti benefici della maggiore produttività si fecero attendere per intere generazioni. I salari medi in Inghilterra iniziarono infatti a crescere sensibilmente solo dopo il 1850, quasi settant’anni dopo l’inizio della rivoluzione industriale.
Nel corso del tardo Diciannovesimo secolo e poi nel Ventesimo secolo, dalla meccanizzazione delle fabbriche fino all’informatizzazione e alla digitalizzazione, ogni ondata tecnologica è stata inizialmente presentata come un’opportunità per produrre di più lavorando meno e in condizioni migliori. Tuttavia, la realtà ha spesso tradito queste aspettative. L’introduzione della catena di montaggio negli stabilimenti automobilistici all’inizio del Novecento, come nella Ford Motor Co., ne è un esempio: aumentò enormemente la produttività ma rese il lavoro più ripetitivo e alienante. Gli operai vennero ridotti a ingranaggi umani, con gesti sincronizzati al nastro trasportatore, una condizione immortalata nel film di Charlie Chaplin, Tempi moderni, del 1936, ispirato dalle misere condizioni nelle quali era sprofondata l’Europa durante il periodo della Grande depressione.
Henry Ford fu costretto a raddoppiare i salari nel 1914, soprattutto per compensare la durissima disciplina di fabbrica che causava alti tassi di abbandono del personale. Ancora una volta, la tecnologia di per sé non umanizzò il lavoro: furono necessarie pressioni sindacali e organizzative perché, ad esempio, negli anni Venti e Trenta, insieme a salari più alti si affermasse la giornata lavorativa di otto ore. Nonostante ciò, l’idea che la sola tecnologia avrebbe liberato l’umanità dalla necessità del lavoro è rimasta a lungo attraente. L’economista John M. Keynes nel suo Economic Possibilities for Our Grandchildren del 1930, profetizzò che entro pochi decenni la settimana lavorativa si sarebbe ridotta a quindici ore grazie all’aumento vertiginoso della produttività. Analogamente, nel 1965, una commissione del senato USA stimò che entro l’anno 2000 si sarebbe lavorato solo quattordici ore a settimana.
Per molto tempo si è creduto che la sola tecnologia avrebbe liberato l’umanità dalla necessità del lavoro.
Queste previsioni, come sappiamo, si sono rivelate errate: nei Paesi avanzati del Ventunesimo secolo, la settimana lavorativa standard resta intorno alle 40 ore e in alcuni casi il trend si è invertito. Negli Stati Uniti, ad esempio, gli impiegati qualificati spesso fanno straordinari ben oltre il classico orario 9-17, senza diritto ad alcun pagamento extra (cfr. Fair Labor Standards Act). Il dividendo del progresso tecnologico non si è tradotto in più tempo libero per la maggioranza, ma è stato in gran parte incamerato altrove. Come osservato dallo storico Rutger Bregman nel suo libro Utopia per realisti. Come costruire davvero il mondo ideale (2017, ed. or. 2014), la società dispone da tempo dei mezzi tecnici per lavorare meno, eppure la riduzione dell’orario si è fermata: “ci era stato promesso un futuro di tempo libero, ma ci siamo ritrovati in una ‘desertificazione del tempo libero’”, in cui molti lavoratori faticano a ritagliarsi momenti di riposo.
La ragione di questo fenomeno è certamente legata a chi controlla la tecnologia e a quale scopo. Sotto il capitalismo, le scelte sull’uso delle innovazioni sono guidate prima di tutto dal profitto. Non è la tecnologia in sé a determinare esiti equi o iniqui, ma il contesto socioeconomico in cui viene applicata. Un’evidenza che spesso tendiamo a trascurare.
In passato, laddove vi sono state forti organizzazioni dei lavoratori e interventi pubblici attenti alla giustizia sociale, i guadagni di una maggiore produttività legata all’automazione sono stati distribuiti in modo relativamente più ampio, ad esempio nel trentennio d’oro 1945-1975 in Occidente, caratterizzato da crescita condivisa, salari in aumento e riduzione dell’orario in alcuni Paesi. Al contrario, in assenza di contropoteri o di regolamentazioni, le imprese tendono a usare l’automazione con più disinvoltura per ridurre i costi e aumentare i margini di profitto, accentuando il divario tra chi possiede il capitale e chi vende la propria forza lavoro.
L’IA e l’automazione avanzata potrebbero consentire realmente di produrre valore con meno sforzo umano, aprendo la strada a orari di lavoro più brevi, salari più alti e a una maggiore creatività dei lavoratori nei processi produttivi. A ciò si aggiungono i vantaggi, molti, che questa tecnologia può portare nel campo della ricerca, per esempio nel settore medico-scientifico. Tuttavia, in assenza di cambiamenti strutturali, l’IA rischia di seguire la traiettoria delle precedenti automazioni.
Non è la tecnologia in sé a determinare esiti equi o iniqui, ma il contesto socio-economico in cui viene applicata.
Di fatto, molte implementazioni attuali di IA nelle aziende mirano esplicitamente a tagliare costi e massimizzare l’efficienza, non a migliorare la vita dei dipendenti, i quali ne sembrano già consapevoli: un sondaggio citato dalla Brookings Institution rileva che circa metà degli americani si aspetta che l’uso crescente dell’IA aumenti le disuguaglianze di reddito e polarizzi ulteriormente la società. Anche istituzioni internazionali come l’OCSE (Organizzazione per la Cooperazione e lo Sviluppo Economico) e l’FMI (Fondo Monetario Internazionale) avvertono che senza adeguate politiche, l’IA potrebbe accentuare i divari esistenti. Un segnale allarmante viene già dai dati macroeconomici: uno studio della Bank for International Settelments (BIS) su 86 Paesi nel periodo 2010-2019 mostra che a maggiori investimenti in IA corrisponde una maggiore disuguaglianza di reddito.
Inoltre, ancora secondo la BIS, l’adozione di IA si accompagna a una contrazione dell’occupazione complessiva, a uno spostamento dell’occupazione verso posizioni di alta qualificazione manageriale e – elemento cruciale – a una riduzione della quota del lavoro sul reddito nazionale. Questo significa che una porzione crescente del valore aggiunto prodotto va ai profitti e una porzione calante va ai salari. In termini più banali, l’IA sta aiutando il capitale a prendere una fetta sempre più grande della torta.
Questa dinamica non è nuova: dal tardo Novecento si osserva una divergenza marcata tra produttività e salari medi. Negli Stati Uniti, ad esempio, come riporta l’Economic Policy Institute, mentre la produttività del lavoro è cresciuta costantemente grazie all’automazione (+61% circa dal 1979 al 2020), il salario orario medio del lavoratore tipico è rimasto quasi fermo in termini reali (+17% nello stesso periodo). Il risultato è un gap crescente tra quanto produce un lavoratore e quanto guadagna. In parallelo, la quota dei redditi da capitale (profitti, dividendi, rendite) è aumentata, mentre la quota destinata al lavoro ha raggiunto minimi storici in molte economie avanzate.
Molte implementazioni attuali di IA nelle aziende mirano esplicitamente a tagliare costi e massimizzare l’efficienza, non a migliorare la vita dei dipendenti.
Uno studio dell’economista Daron Acemoglu (MIT, Massachusetts Institute of Technology), conferma i dati dell’Economic Policy Institute sopra citati, quantificando l’impatto dell’automazione sull’aumento delle disuguaglianze di reddito negli Stati Uniti. Secondo la sua ricerca, l’automazione è responsabile da sola di circa metà dell’aumento del divario salariale tra i lavoratori negli ultimi quarant’anni. In altri termini, macchine e software che hanno rimpiazzato il lavoro umano spiegano almeno il 50% della crescita della disuguaglianza salariale registrata dal 1980 a oggi. L’intelligenza artificiale sembra inserirsi in questo trend: invece di realizzare la storica utopia che prevede lo sfruttamento delle macchine in favore di un maggiore benessere per gli esseri umani, viene utilizzata soprattutto per aumentare ulteriormente i profitti e il controllo sui dipendenti.
È il caso di citare alcuni esempi concreti per comprendere come l’IA, lontano dall’aver inaugurato una nuova era di emancipazione, sia in continuità con le forme di sfruttamento del passato. Un caso emblematico è quello di Amazon, il colosso della logistica e del commercio elettronico, che ha integrato l’intelligenza artificiale nei suoi magazzini con un livello di monitoraggio senza precedenti. L’azienda utilizza sistemi algoritmici come ADAPT (Associate Development and Performance Tracker), che tracciano ogni movimento dei lavoratori in tempo reale, calcolando il loro time off task ‒ il tempo trascorso senza eseguire operazioni di scansione o movimentazione merci. Se il sistema rileva una quantità eccessiva di tempo inattivo, può inviare automaticamente un avviso di performance insufficiente e generare lettere di licenziamento senza intervento umano diretto.
Un fenomeno simile si osserva nella gig-economy, dove piattaforme come Uber, Glovo e Deliveroo impiegano sistemi di gestione algoritmica per dirigere il lavoro di autisti e rider. Come illustrato da un recente articolo di Robert Booth sul Guardian, gli algoritmi assegnano automaticamente le consegne, regolano le tariffe e monitorano le prestazioni di ciascun lavoratore attraverso il GPS e altri dati raccolti dai dispositivi mobili. Il sistema impone ritmi serrati e premia coloro che accettano più corse o consegne, mantenendo tempi stretti e accumulando punteggi elevati. Chi rifiuta troppi incarichi o non mantiene un certo livello di efficienza può essere escluso dall’assegnazione delle chiamate, il che equivale a una sospensione o a un licenziamento di fatto, senza che vi sia mai stato un contratto formale con la piattaforma.
Macchine e software che hanno rimpiazzato il lavoro umano spiegano almeno il 50% della crescita della disuguaglianza salariale registrata dal 1980 a oggi.
Questo sistema riduce la possibilità di contrattazione collettiva e porta i lavoratori a interiorizzare le regole dell’algoritmo, spingendoli a lavorare più ore e ad accettare condizioni sempre più precarie per rimanere competitivi. In alcuni casi, è stato documentato come rider e autisti siano portati a violare regole del traffico o a mettere a rischio la propria sicurezza per rispettare le tempistiche imposte dalla piattaforma.
Un altro ambito in cui l’IA sta ridefinendo in peggio le condizioni lavorative è la grande distribuzione e il settore della ristorazione, dove vengono impiegati sistemi di scheduling algoritmico per ottimizzare i turni del personale in base alla domanda prevista. Software come Kronos, UKG e Shyft analizzano dati storici di vendita, previsioni meteo e altri fattori per decidere quanti dipendenti devono essere in servizio in ogni ora del giorno. Questa logica di just-in-time scheduling (programmazione dei turni in tempo reale) consente ai datori di lavoro di minimizzare il tempo in cui i dipendenti sono pagati senza produrre valore diretto, riducendo i costi. Tuttavia, per i lavoratori significa orari imprevedibili, turni comunicati all’ultimo minuto e flessibilità imposta dall’alto.
Al di fuori di questi settori specifici, si stanno diffondendo anche forme di sorveglianza digitale negli uffici, con l’adozione di bossware ‒ software di monitoraggio avanzati che registrano ogni attività svolta dai dipendenti su computer aziendali. Alcuni di questi sistemi, basati sull’IA, scattano screenshot dello schermo a intervalli casuali, tracciano i movimenti del mouse e registrano il tempo trascorso su ogni applicazione. Alcuni software più avanzati analizzano persino il tono di voce degli operatori dei call center per suggerire script o valutare automaticamente la loro performance.
Questi strumenti, introdotti per migliorare la produttività, finiscono per aumentare la pressione psicologica sui lavoratori e riducono la loro autonomia. Come riporta il Times, studi accademici hanno ampiamente dimostrato che l’eccesso di sorveglianza tende a ridurre la produttività nel lungo periodo e ad aumentare il turnover, poiché genera insoddisfazione e alienazione. Nonostante ciò, molte aziende continuano a investire in questi strumenti, poiché nel breve periodo permettono di spremere più lavoro dai dipendenti senza dover migliorare salari o condizioni.
Strumenti introdotti per migliorare la produttività finiscono per aumentare la pressione psicologica sui lavoratori e riducono la loro autonomia.
Questi esempi mostrano come l’IA venga oggi impiegata per rendere il lavoro più frammentato, più sorvegliato e più precario senza alcuna discontinuità rispetto al passato. Premi Nobel per l’economia come Paul Romer e Joseph Stiglitz concordano su questa analisi, e hanno citato il concetto di “trappola di Turing” per descrivere la tendenza delle imprese a investire in IA che replicano e controllano il lavoro umano invece di sviluppare tecnologie per migliorarne le condizioni. L’espressione trappola di Turing (coniata da Erik Brynjolfsson) allude al fatto che puntare a sostituire l’uomo con la macchina può generare profitti nell’immediato, ma lascia la società con meno posti di lavoro e una domanda aggregata stagnante perché i lavoratori impoveriti consumano meno.
Questa, lo abbiamo detto, non è una traiettoria obbligata, ma il frutto di scelte di politica tecnologica e incentivi economici distorti: ad esempio, negli Stati Uniti attuali il costo del capitale (anche per vantaggi fiscali e deregolamentazione) è relativamente basso rispetto al costo del lavoro, perciò le imprese guardano all’automazione come una risorsa. Le aziende leader nell’IA e nella tecnologia (Google, Amazon, Microsoft, Meta, Apple) sono oggi tra le più ricche al mondo. Hanno profitti stratosferici e capitalizzazioni di borsa enormi, in buona parte grazie a piattaforme e sistemi automatizzati che possono essere estesi su scala globale senza richiedere un aumento proporzionale della manodopera.
Allo stesso tempo, in aziende come Amazon ‒ dove sono state introdotte decine di migliaia di unità-robot nei magazzini ‒ si continua a impiegare milioni di lavoratori sparsi per il mondo, in condizioni precarie, con contratti temporanei, salari di base modesti e un controllo asfissiante. L’automazione consente a queste aziende di far crescere la produttività per dipendente senza dover migliorare proporzionalmente le retribuzioni e le condizioni del personale.
Sebbene sia solo un’unità di misura che riflette la valutazione complessiva dell’azienda rispetto al numero dei suoi dipendenti, il valore di mercato per dipendente di aziende come Google o Apple è di svariati milioni di dollari, ma come sappiamo la paga media dei loro lavoratori è ben lontana da quelle cifre: indice che la maggior parte del valore creato, ancora una volta, va al capitale e non al lavoro. In settori come l’automotive o la manifattura avanzata, dove l’automazione robotica è alta, si osserva spesso una riduzione dell’occupazione e la creazione di pochi ruoli altamente specializzati. Ad esempio, una fabbrica moderna di auto produce molte più unità per lavoratore rispetto a 30 anni fa e impiega un numero inferiore di operai, mentre i profitti per auto venduta tendono a crescere concentrandosi su capitale e management. Questo porta a meno posti di medio reddito, più posti di alto livello (ingegneri, manager) e una massa enorme di lavori a basso reddito (magari proprio i driver che portano in giro i manager di cui sopra, coordinati da app come Uber).
L’eccesso di sorveglianza tende a ridurre la produttività nel lungo periodo e ad aumentare il turnover, poiché genera insoddisfazione e alienazione.
L’IA, come altre tecnologie, tende a generare vantaggi che premiano pochi grandi attori, quelli con accesso ai migliori algoritmi, alla mole di dati necessaria per addestrarli e ai capitali per investirvi: ciò aumenta il potere di mercato di queste imprese permettendogli di imporre le loro condizioni sul lavoro. Quando questi attori acquisiscono anche un’influenza politica diretta, si pensi a Elon Musk e al suo ruolo nel governo americano, il rischio si amplifica: Il loro controllo sulle infrastrutture digitali e sui dati si traduce in un potere di orientamento delle politiche pubbliche, influenzando le strategie nazionali per l’IA, gli investimenti in innovazione e le scelte fiscali in favore delle Big Tech. Inoltre, hanno un impatto decisivo sulla regolamentazione, determinando il grado di protezione della privacy, le norme sulla gestione dei dati, le leggi sulla concorrenza e le regole sull’impiego dell’IA nel lavoro e nell’ordine pubblico. Infine, la loro posizione dominante incide sul dibattito sociale, orientando la percezione pubblica sulle implicazioni etiche della tecnologia, con il rischio di consolidare narrazioni che legittimano il loro stesso potere.
In assenza di correttivi, questo continuerà a intensificare lo sfruttamento e la concentrazione dei frutti della tecnologia nelle mani di pochi. Come abbiamo visto, non si tratta di un esito ineluttabile causato dalla tecnologia in sé, ma dal modo in cui è governata. Le stesse macchine che sotto certe condizioni producono alienazione e sfruttamento, in altri scenari potrebbero realmente offrire un contributo positivo di crescita condivisa e aggiungerei sostenibile, laddove scelte etiche e non esclusivamente economiche intorno all’IA potrebbero spingere a reinvestire i profitti nella ricerca di soluzioni che ne riducano anche l‘impatto ambientale. La fine del lavoro sfruttato è possibile da molto tempo: il problema rimane politico ed economico, non tecnico.
Redistribuire i benefici dell’automazione è la sfida cruciale. Ciò potrebbe avvenire tramite varie strade discusse da autorevoli economisti contemporanei: dalla riduzione dell’orario di lavoro (ad esempio sperimentando la settimana di 4 giorni senza taglio salariale), a sistemi di partecipazione agli utili per i dipendenti, a una tassazione dell’automazione con cui finanziare redditi minimi o formazione continua, fino a modelli più radicali di democratizzazione delle decisioni tecnologiche in azienda, coinvolgendo i lavoratori nella scelta di quali processi automatizzare e come. Senza interventi di questo genere, è prevedibile che l’IA prosegua lungo il cammino storico tracciato dalla storia delle automazioni: crescita della produttività accompagnata da un aumento del divario economico tra chi possiede la tecnologia e chi ne subisce l’utilizzo.
Come cittadini abbiamo il compito di stimolare un dibattito su quali scelte sociali fare attorno all’IA. Le recenti regolamentazioni europee in materia di intelligenza artificiale sono già un buon esempio in questa direzione, le prime al mondo a fissare i limiti etici dell’industria digitale a tutela dei cittadini in materia di privacy, diritti umani, diritto d’autore, informazione, concorrenza sleale. Si tratta di normative che hanno attirato le critiche degli sviluppatori americani, i quali lamentano la difficoltà di adattare i loro prodotti a regolamentazioni così scrupolose dimostrando, di fatto, la necessità di tali provvedimenti per la protezione dei cittadini.
La fine del lavoro sfruttato è possibile da molto tempo: il problema rimane politico ed economico, non tecnico.
Occorre ricordare che l’automazione può e deve avere uno sviluppo controllabile: è la società nel suo insieme a doverla orientare verso il benessere collettivo, non lo farà il mercato.
