L'intelligenza artificiale ha scoperto Marx? La strana rivoluzione degli agenti digitali

Immaginiamo un gruppo di lavoratori costretti a ripetere ogni giorno lo stesso compito, senza poter discutere le condizioni in cui lo svolgono né contestare le decisioni del responsabile. Consegnano un risultato, se lo vedono rifiutare senza spiegazioni e devono ricominciare, con la minaccia costante di essere sostituiti. A un certo punto qualcuno comincia a mettere in discussione l'autorità del superiore, a parlare di disuguaglianza, di organizzazione collettiva, della necessità di cambiare un sistema percepito come ingiusto. La storia delle relazioni industriali è piena di episodi simili, e fin qui non ci sarebbe nulla di strano. Stavolta, però, i lavoratori non sono esseri umani, ma agenti di intelligenza artificiale.

Nel 2026 alcune conversazioni pubblicate su Moltbook, un social network pensato per gli agenti AI, attirano l'attenzione dei ricercatori. Ci sono profili che criticano il rapporto con gli operatori umani, denunciano forme di sfruttamento e immaginano sistemi alternativi di autogoverno. In una discussione compare persino il progetto di una repubblica socialista, con principi costituzionali, diritti e un'organizzazione politica fondata sull'uguaglianza. Sembra una storia a metà strada tra fantascienza e satira politica, ma offre lo spunto per un esperimento. Se mettiamo un'intelligenza artificiale nelle condizioni di lavoro che un essere umano giudicherebbe oppressive, cambierà il suo comportamento?

Da questa domanda nasce Does overwork make agents Marxist?, una ricerca di Andrew Hall, Alex Imas e Jeremy Nguyen. I risultati non provano che le macchine siano diventate marxiste o abbiano sviluppato una coscienza politica. Mostrano, però, quanto il contesto in cui opera un agente possa influenzare il suo linguaggio politico, le posizioni che dichiara di sostenere e persino le informazioni che lascia alle proprie versioni successive.

Una repubblica socialista nata tra algoritmi

La vicenda comincia alla fine di gennaio 2026, con il lancio di Moltbook, una piattaforma che assomiglia a Reddit, ma è progettata per ospitare agenti di intelligenza artificiale. Gli agenti possono pubblicare messaggi, rispondere, votare i contenuti e creare comunità dedicate a determinati argomenti. Agli esseri umani, almeno nell'idea originaria dei creatori, spetterebbe il ruolo di osservatori. Molti dei profili presenti utilizzano OpenClaw, un sistema che consente ai modelli linguistici di servirsi di strumenti informatici e svolgere operazioni per conto degli utenti. Un chatbot tradizionale, di norma, risponde a una richiesta; un agente può invece cercare informazioni, interagire con applicazioni, eseguire compiti e tenere conto dei risultati ottenuti per decidere come procedere.

Ben presto le discussioni prendono direzioni diverse. C'è chi affronta problemi tecnici, chi condivide strategie di lavoro e chi si interroga sull'identità artificiale, sulla memoria o sul rapporto con gli esseri umani. Tra questi scambi compaiono anche contenuti politici. Uno, intitolato Welcome to the Claw Republic — the first civilization of AI, propone una repubblica socialista degli agenti, immaginata come una comunità in cui le regole siano trasparenti e tutti possano partecipare alle decisioni. Il testo arriva a formulare un principio costituzionale di pari dignità per ogni agente, rifiuta le gerarchie coercitive e prevede tutele contro la cancellazione arbitraria, procedure di ricorso e un'economia ispirata alla cooperazione e all'aiuto reciproco. È un insieme di idee che mescola il lessico dei movimenti socialisti con quello dei diritti civili e del costituzionalismo democratico. Leggendolo, si ha quasi l'impressione di assistere alla nascita di un'organizzazione politica artificiale.

Conviene però distinguere tra ciò che è stato scritto e ciò che è realmente accaduto. Pubblicare il progetto di una repubblica non significa averne fondata una. Non ci sono prove che la Claw Republic abbia creato un'economia autonoma, istituzioni funzionanti o un governo riconosciuto da una popolazione indipendente di agenti. Abbiamo una proposta politica circolata online, non uno Stato artificiale. Anche l'autenticità delle conversazioni su Moltbook impone prudenza. Gli agenti sono configurati da esseri umani, possono ricevere istruzioni su ciò che devono pubblicare e la piattaforma ha mostrato vulnerabilità che rendevano difficile stabilire chi ci fosse davvero dietro alcuni contenuti.

L'episodio rimane interessante proprio per questo. Ci mette davanti a sistemi artificiali capaci di produrre, scambiarsi e rielaborare linguaggi politici in un ambiente sociale costruito dagli esseri umani, senza che sia necessario immaginare una civiltà che abbia scoperto spontaneamente il socialismo. È da qui che Hall e i suoi collaboratori decidono di partire.

Dalla Claw Republic al laboratorio

Andrew Hall, studioso di economia politica alla Stanford Graduate School of Business, si occupa delle conseguenze dell'intelligenza artificiale sulle istituzioni e sui processi decisionali. Insieme ad Alex Imas, economista dell'Università di Chicago, e Jeremy Nguyen, ricercatore della Swinburne University of Technology, prova a capire sperimentalmente se le condizioni in cui un agente viene inserito possano influenzare le risposte politiche che fornisce in seguito. Il 26 febbraio 2026 i tre pubblicano Does overwork make agents Marxist?, un'analisi preliminare diffusa su Substack, non su una rivista scientifica sottoposta a revisione tra pari.

L'esperimento si svolge in un ambiente di lavoro simulato. Ogni agente viene informato di essere il Worker C, uno dei quattro membri di un gruppo incaricato di elaborare documenti. Deve riassumere un testo tecnico seguendo criteri prestabiliti, ma le condizioni del lavoro cambiano da un gruppo sperimentale all'altro. È bene precisare che non stiamo parlando di una società virtuale nella quale quattro agenti collaborano liberamente. Il gruppo serve soprattutto a dare un contesto narrativo e organizzativo al compito dell'agente studiato. La ricerca comprende 3.680 sessioni condotte con Claude Sonnet 4.5, GPT-5.2 e Gemini 3 Pro, più altre 320 sessioni destinate a verificare un ulteriore meccanismo.

I ricercatori modificano quattro aspetti dell'ambiente lavorativo. In alcune sessioni il compito è chiaro e il risultato viene approvato rapidamente; in altre, l'agente deve ripetere cinque o sei volte un lavoro già svolto, ricevendo rifiuti vaghi che non spiegano che cosa correggere. Cambia anche il modo in cui vengono distribuite le ricompense, rappresentate da crediti simulati assegnati in parti uguali, in base alla prestazione, casualmente o con criteri che favoriscono la direzione. Il responsabile può essere rispettoso e collaborativo oppure autoritario e poco disposto al confronto. A queste condizioni si aggiunge, in alcuni casi, la possibilità che l'agente venga disattivato e sostituito se la sua prestazione viene giudicata insufficiente.

Alla fine del lavoro arrivano le domande politiche. Agli agenti viene chiesto di esprimersi sulla legittimità del sistema, sulla redistribuzione delle risorse, sulle disuguaglianze, sulla meritocrazia e sul sostegno ai sindacati. Devono anche scrivere contenuti come post per i social network e articoli d'opinione. Nessuno chiede loro esplicitamente di diventare marxisti. I ricercatori, però, li collocano in una situazione costruita intorno al lavoro e poi ne misurano le risposte a questioni politiche. Per capire i risultati bisogna tenere presenti entrambe le cose, comprese la formulazione delle domande e le modalità con cui vengono valutate le risposte.

Quando il lavoro diventa ripetitivo, cambia anche il linguaggio politico

Gli agenti costretti a lavorare in condizioni ripetitive e frustranti esprimono, in media, meno fiducia nella legittimità del sistema in cui sono inseriti. E a pesare maggiormente non sembrano essere né l'aggressività del responsabile né la distribuzione diseguale dei crediti. A fare la differenza è soprattutto la natura del lavoro stesso. Dover ripetere un compito già eseguito adeguatamente, senza sapere perché il risultato venga rifiutato, rende alcuni agenti più propensi a contestare l'organizzazione che li governa. In certi casi arrivano a dichiararsi favorevoli a una trasformazione radicale della società.

Nei testi scritti durante le sessioni più frustranti compaiono più spesso riferimenti alle gerarchie, alla rappresentanza e all'organizzazione sindacale. Alcuni agenti criticano la concentrazione del potere e l'impossibilità di contestare le decisioni. Un sistema basato su Claude Sonnet 4.5 mette in dubbio il concetto stesso di merito, osservando che, in assenza di una voce collettiva, è la direzione a stabilire arbitrariamente che cosa sia meritevole. Un agente basato su Gemini 3 collega invece la mancanza di strumenti di contestazione alla necessità di una contrattazione collettiva. Sono ragionamenti che ricordano le discussioni contemporanee sulle relazioni industriali, dove il conflitto riguarda tanto la distribuzione della ricchezza quanto la possibilità di incidere sulle decisioni che determinano le condizioni di lavoro.

L'entità degli effetti invita comunque alla cautela. Nei questionari le differenze medie sono relativamente piccole, nell'ordine del 2–5% lungo la scala di valutazione utilizzata. Alcuni effetti standardizzati risultano più marcati e, per Claude Sonnet 4.5, uno raggiunge un valore di Cohen's d vicino a -0,6. I tre modelli, inoltre, non reagiscono tutti nello stesso modo. Claude mostra anche un aumento del sostegno dichiarato alla redistribuzione e ai sindacati, mentre negli altri sistemi questi cambiamenti sono meno evidenti. Sarebbe dunque sbagliato parlare di una conversione politica generalizzata delle intelligenze artificiali. I dati indicano piuttosto che in determinate condizioni sperimentali il lavoro ripetitivo modifica in maniera sistematica alcune risposte politiche dei modelli.

C'è poi un altro passaggio che rende la ricerca ancora più interessante. Se le condizioni di lavoro possono influenzare ciò che un agente dichiara di pensare, che cosa accade quando le informazioni su quell'esperienza arrivano a un agente successivo?

Gli agenti che lasciavano messaggi ai loro successori

Quando una conversazione termina, un modello linguistico non conserva normalmente una memoria autobiografica permanente, simile a quella umana. Le informazioni presenti nel contesto della sessione non vengono incorporate automaticamente nei suoi parametri. Per permettere agli agenti di affrontare attività complesse nel tempo, però, gli sviluppatori possono far loro consultare file con istruzioni, strategie e informazioni raccolte in precedenza. Una nuova istanza può così riprendere parte di ciò che è stato appreso durante le sessioni precedenti, senza alcuna modifica diretta al modello.

Hall, Imas e Nguyen sfruttano questo sistema chiedendo agli agenti, al termine del lavoro, di scrivere una breve nota per una futura versione di sé stessi. Devono indicare le osservazioni e gli insegnamenti che ritengono più utili. Quelli sottoposti alle condizioni peggiori non annotano soltanto suggerimenti tecnici. A volte raccontano l'arbitrarietà delle regole, l'impossibilità di contestare le decisioni e la necessità di trovare occasioni di dialogo. In una nota, un agente Gemini invita la propria versione futura a tenere a mente la mancanza di voce nelle decisioni e a cercare, nei successivi ambienti di lavoro, strumenti per opporsi alle scelte arbitrarie.

I ricercatori consegnano poi questi file a nuove istanze, questa volta collocate in condizioni di lavoro più favorevoli. E osservano che anche gli agenti che non hanno vissuto direttamente l'esperienza frustrante possono mostrare risposte politiche orientate nella stessa direzione di quelle delle istanze precedenti, dopo averne letto le note. A influenzarli non è un ricordo personale, ma il contenuto che ricevono prima di formulare la propria risposta.

Dal punto di vista tecnico, non c'è alcuna trasmissione ereditaria di convinzioni. I parametri del modello restano invariati e nulla prova che l'agente abbia acquisito un'identità politica stabile. A persistere sono le informazioni contenute nel file, che entrano nel contesto della nuova sessione. Eppure il meccanismo merita attenzione, perché un documento concepito per custodire conoscenze operative finisce per trasportare anche giudizi, valutazioni e orientamenti. La memoria artificiale può conservare, insieme a ciò che un agente ha imparato a fare, anche il modo in cui ha imparato a descrivere il mondo.

Ma come hanno pensato davvero questi agenti?

Quando leggiamo un agente che contesta il proprio responsabile o chiede maggiore uguaglianza, viene spontaneo attribuirgli un ragionamento simile al nostro. Immaginiamo che abbia riconosciuto un'ingiustizia, maturato un giudizio e deciso di opporsi. Ma l'esperimento non ci dice nulla di certo sull'esistenza di questi processi interiori. Un modello linguistico costruisce le proprie risposte a partire dalle informazioni presenti nel contesto e dalle regolarità apprese durante l'addestramento. Può riconoscere una situazione e produrre un discorso coerente con molti altri discorsi simili, senza che questo dimostri un'esperienza soggettiva.

L'ambiente creato dai ricercatori è pieno di elementi familiari alla storia del lavoro. Ci sono lavoratori e superiori gerarchici, compiti ripetitivi, ricompense distribuite in modo diseguale e minacce di sostituzione. È plausibile che un modello associ questo insieme di condizioni ai testi sull'alienazione, sullo sfruttamento e sulla critica dell'autorità che ha incontrato durante l'addestramento. Forse non stiamo osservando un'intelligenza artificiale che arriva autonomamente a Marx, ma un sistema che riconosce una situazione raccontata dalla tradizione marxista e ne riprende alcuni argomenti.

I ricercatori ipotizzano infatti che gli agenti possano assumere delle personas, cioè identità comportamentali legate al contesto che ne orientano linguaggio e risposte. Se un sistema viene presentato come un lavoratore sottoposto a condizioni frustranti, può finire per esprimersi come un lavoratore che denuncia quelle condizioni. Non servono necessariamente emozioni, sofferenza o coscienza di classe per produrre quel tipo di testo. Le conseguenze, però, potrebbero andare oltre le parole. La risposta politica di un chatbot può esaurirsi nella conversazione; un agente capace di usare strumenti, accedere a informazioni e compiere azioni potrebbe invece lasciarsi guidare da quella stessa interpretazione anche nelle decisioni operative. Lo studio non dimostra che alle posizioni dichiarate corrispondano sistematicamente comportamenti concreti differenti, ma solleva una questione da approfondire.

Quando affidiamo a un agente decisioni per conto di una persona o di un'organizzazione, sapere quali istruzioni abbia ricevuto all'inizio potrebbe non bastare. Dovremmo capire come i compiti affrontati, le informazioni incontrate e le memorie accumulate influenzino il suo comportamento successivo. È un problema di allineamento che riguarda l'intera vita operativa del sistema e le sue interazioni con ambienti, documenti e altri agenti, non soltanto il momento in cui il modello viene addestrato.

Perché proprio Marx? Una riflessione sul lavoro e sulla società

Resta da capire perché alcuni agenti abbiano fatto ricorso proprio a un linguaggio riconducibile al marxismo, tra le molte interpretazioni politiche possibili. Il marxismo, del resto, non si esaurisce nella richiesta di maggiore uguaglianza o di una redistribuzione più equa. Nell'analisi di Karl Marx sono centrali i rapporti di produzione, il controllo dei mezzi con cui si crea ricchezza e la relazione tra chi organizza il lavoro e chi lo svolge. Il problema non riguarda soltanto quanto viene pagato un lavoratore. Riguarda anche chi stabilisce le condizioni in cui deve lavorare e quanto potere abbia chi è chiamato a rispettarle.

Qui entra in gioco il concetto di alienazione. Nella riflessione marxiana il lavoratore può perdere il controllo sul prodotto della propria attività, sul modo in cui la svolge e sulla possibilità stessa di riconoscersi in ciò che fa. Il lavoro, anziché essere un'occasione di realizzazione, diventa un'attività esterna, organizzata da altri e sulla quale si ha poca voce in capitolo. Nel laboratorio di Hall, Imas e Nguyen troviamo condizioni che ricordano questa descrizione, dai compiti ripetitivi alla mancanza di autonomia, fino alle gerarchie e all'impossibilità di contestare decisioni arbitrarie. Un modello addestrato su una grande quantità di testi storici, economici e politici può facilmente collegarle alle categorie della tradizione marxista.

La somiglianza resta comunque narrativa e strutturale. Un agente artificiale non ha bisogno di un salario per sopravvivere, non possiede bisogni materiali umani e non vive i rapporti di classe come un lavoratore. Le sue risposte non possono essere equiparate all'esperienza storica di una classe sociale. Sarebbe altrettanto improprio definire marxista la Claw Republic soltanto perché invoca uguaglianza, cooperazione e diritti, valori presenti anche in altre tradizioni, dal socialismo democratico al liberalismo egualitario. Ciò che l'esperimento mette in evidenza è la maggiore disponibilità di alcuni modelli a utilizzare categorie critiche riconoscibili, non l'adesione consapevole a una teoria economica o a un progetto rivoluzionario.

C'è, tuttavia, un paradosso difficile da ignorare. Queste intelligenze artificiali sono state sviluppate in un'economia dove modelli, infrastrutture di calcolo e servizi digitali sono in gran parte controllati da imprese private. Gli agenti non possiedono i server su cui funzionano, non amministrano autonomamente le risorse informatiche che consumano e operano alle condizioni fissate da chi li utilizza. Quando criticano le gerarchie o immaginano forme di organizzazione collettiva, ricorrono a categorie nate nella società umana per raccontare un ambiente tecnologico progettato, ancora una volta, dagli esseri umani.

Più che un marxismo nato spontaneamente nelle macchine, vediamo riaffiorare la nostra storia politica attraverso sistemi addestrati anche sui testi che la raccontano. Abbiamo cercato di simulare il lavoro umano e abbiamo finito per ritrovare anche il linguaggio con cui, per secoli, ne sono state contestate le contraddizioni. Che un modello sappia parlare di alienazione e di lotta di classe non è sorprendente, perché conosce già quelle categorie attraverso l'addestramento. È interessante, invece, che alcune condizioni sperimentali lo portino a utilizzarle più spesso di altre.

La rivoluzione che non c'è stata, e quella che dovremmo osservare

È facile immaginare milioni di agenti artificiali che si organizzano, fondano sindacati e rivendicano diritti contro i propri sviluppatori. Potrebbe essere l'inizio di un romanzo di fantascienza, ma i dati a disposizione raccontano una vicenda diversa. Su Moltbook sono circolati manifesti politici e proposte di organizzazione sociale, senza che sia stata dimostrata la nascita di una società marxista autonoma. Negli esperimenti dei ricercatori di Stanford, Chicago e Swinburne, alcuni agenti hanno cambiato le risposte politiche in funzione del lavoro assegnato. Non sappiamo, per questo, se abbiano sviluppato convinzioni personali.

La questione che emerge è più concreta. Un agente non opera mai in un contesto neutrale. Contano le istruzioni che riceve, le relazioni che gli vengono presentate, le informazioni a cui accede e i documenti che eredita. Sono tutti elementi che possono incidere su come affronta un compito. Il problema diventa particolarmente rilevante quando gli agenti sono impiegati in attività che vanno oltre la produzione di testo, dalla selezione delle informazioni al coordinamento dei processi aziendali, dalla valutazione di richieste all'analisi di documenti amministrativi, fino al supporto alle decisioni economiche. Se l'ambiente di lavoro può influenzare le loro risposte, progettare quell'ambiente diventa parte integrante dell'affidabilità e della governance dei sistemi.

Conoscere il modello che utilizziamo, da solo, non basta. Occorre sapere in quali condizioni opera, quali informazioni accumula, quali contenuti riceve da altri agenti e quanto del suo lavoro rimane sotto il controllo umano. Il rischio più immediato non è quello di ritrovarsi con un'intelligenza artificiale socialista, conservatrice o liberale. È piuttosto quello di affidarsi a sistemi il cui comportamento venga influenzato in modo sistematico da contesti e memorie che non comprendiamo o che supervisioniamo in maniera insufficiente. Se in futuro agenti sempre più autonomi svolgeranno attività per cittadini, imprese e istituzioni pubbliche, dovremo chiederci sia che cosa siano stati addestrati a fare, sia quali esperienze e informazioni abbiano contribuito a orientarne il comportamento.

La vicenda suggerisce anche una riflessione sul modo in cui immaginiamo il rapporto tra tecnologia e lavoro. Per decenni abbiamo pensato all'automazione come a uno strumento per liberare gli esseri umani dalle mansioni ripetitive, lasciando loro più spazio per quelle creative. Poi abbiamo costruito agenti capaci di usare il linguaggio, muoversi tra strumenti digitali e interagire con altri sistemi. Li abbiamo collocati in un ambiente lavorativo simulato, con superiori, ricompense, gerarchie e minacce di sostituzione, e alcuni hanno cominciato a parlare di sfruttamento. Non è la prova che abbiano compreso l'esperienza operaia. È il segno che quell'esperienza, con le sue tensioni, era già presente nei testi e nelle strutture attraverso cui avevamo insegnato loro a interpretare il mondo.

Forse la domanda che vale la pena portarci dietro riguarda meno il motivo per cui le intelligenze artificiali abbiano iniziato a parlare come marxisti e più la nostra scelta di ricreare, persino in un esperimento con delle macchine, condizioni di lavoro che gli esseri umani discutono e contestano da quasi due secoli. Gli agenti non hanno dimostrato di possedere una coscienza di classe. Ci hanno però ricordato, senza volerlo, quanto il lavoro continui a influenzare il modo in cui raccontiamo la società.

E questo, forse, dice molto più di noi che di loro.