L’intelligenza artificiale non lavora da sola

Quando utilizziamo ChatGPT, chiediamo a un'intelligenza artificiale di riconoscere un'immagine oppure lasciamo che un algoritmo analizzi migliaia di documenti, abbiamo spesso l'impressione di trovarci davanti a una tecnologia capace di funzionare in completa autonomia. Scriviamo una domanda, attendiamo qualche secondo e riceviamo una risposta che può sembrare il risultato di un ragionamento umano, senza conoscere quasi nulla del processo che ha reso possibile quella prestazione.

Nel racconto pubblico dell'intelligenza artificiale si parla continuamente di miliardi di parametri, investimenti giganteschi, processori sempre più potenti e aziende impegnate in una competizione tecnologica senza precedenti. Molto meno spazio viene invece dedicato alle persone che, lontano dai laboratori della Silicon Valley, hanno contribuito ad addestrare, valutare e migliorare questi sistemi.

Eppure, dietro una parte delle capacità che oggi consideriamo quasi scontate, esiste un lavoro umano fatto di migliaia di piccole decisioni, verifiche, classificazioni e correzioni.

Persone che insegnano a un algoritmo a distinguere un pedone da un cartello stradale, che valutano quale risposta sia più utile o accurata e che, in alcuni casi, devono leggere contenuti estremamente violenti per aiutare un sistema a riconoscerli e limitarli.

Non si tratta di un fenomeno nato ieri, né di una caratteristica esclusiva dell'intelligenza artificiale generativa. Tuttavia, la rapidità con cui questi strumenti sono entrati nella nostra quotidianità ha reso ancora più evidente una contraddizione che accompagna da tempo l'economia digitale.

Più la tecnologia appare autonoma agli occhi di chi la utilizza, più diventa facile dimenticare il lavoro umano che ne ha reso possibile lo sviluppo.

E per comprendere fino in fondo questa contraddizione dobbiamo allontanarci, almeno per un momento, dagli uffici delle grandi aziende tecnologiche americane e spostarci in Kenya.

Il lavoro nascosto dietro ChatGPT

Nel 2021, quando ChatGPT non era ancora stato presentato al pubblico, alcuni lavoratori di Nairobi trascorrevano le proprie giornate leggendo e classificando testi contenenti descrizioni di violenza, abusi sessuali, discriminazione e altri contenuti particolarmente disturbanti.

Il loro compito era contribuire alla costruzione di un sistema capace di riconoscere contenuti dannosi, affinché potessero essere individuati e gestiti durante lo sviluppo di strumenti di intelligenza artificiale più sicuri.

Questi lavoratori erano impiegati da Sama, una società specializzata in servizi di elaborazione e annotazione dei dati, alla quale OpenAI aveva affidato una parte del lavoro necessario per sviluppare sistemi di rilevamento dei contenuti tossici.

Nel gennaio 2023, un'inchiesta del settimanale americano TIME, firmata dal giornalista Billy Perrigo, ha raccontato le condizioni di alcune delle persone coinvolte nel progetto, attraverso documenti aziendali, buste paga e testimonianze dirette.

Secondo la ricostruzione, i lavoratori ricevevano compensi netti compresi approssimativamente tra 1,32 e 2 dollari all'ora, a seconda del ruolo ricoperto e delle prestazioni. Per interi turni lavorativi dovevano analizzare testi che descrivevano situazioni di estrema violenza, una mansione che alcuni degli intervistati hanno raccontato di aver vissuto con conseguenze psicologiche significative.

La questione non riguardava soltanto la retribuzione. Il lavoro richiedeva di esporsi ripetutamente a materiale traumatico e di rispettare obiettivi produttivi, mentre il sostegno psicologico disponibile, secondo le testimonianze raccolte, non risultava sempre adeguato.

Sama ha contestato alcuni aspetti della ricostruzione di TIME, sostenendo che i compensi potessero essere superiori a quelli riportati e che i lavoratori avessero accesso a servizi di assistenza psicologica. OpenAI, dal canto suo, ha spiegato che quel lavoro era necessario per ridurre i contenuti dannosi e che la gestione delle retribuzioni e del benessere dei dipendenti spettava alla società incaricata.

Il rapporto commerciale tra OpenAI e Sama si è concluso anticipatamente nel 2022, prima ancora che l'inchiesta venisse pubblicata.

Questa vicenda non significa che tutti i modelli di intelligenza artificiale vengano sviluppati nelle stesse condizioni, né che ogni sistema abbia bisogno di persone incaricate di leggere contenuti violenti. Mostra però quanto possa essere complessa la filiera necessaria a costruire un prodotto tecnologico e quanto sia difficile comprendere chi svolga effettivamente alcune delle attività più delicate.

Quando un chatbot evita di produrre determinate risposte, tendiamo ad attribuire quel comportamento alle sue capacità tecniche. In realtà, almeno una parte dei sistemi di sicurezza che hanno accompagnato lo sviluppo dell'AI moderna è stata costruita anche grazie al giudizio di persone che hanno dovuto confrontarsi direttamente con ciò che si voleva impedire alla macchina di riprodurre.

È una distinzione importante, perché ci ricorda che dietro la sicurezza di una tecnologia possono esistere costi umani che l'utilizzatore finale non vede.

Perché le macchine hanno ancora bisogno degli esseri umani

Per capire come siamo arrivati a questa situazione dobbiamo chiarire un aspetto tecnico spesso frainteso.

I moderni modelli di intelligenza artificiale vengono addestrati utilizzando enormi quantità di dati e procedure matematiche che permettono di individuare regolarità e relazioni statistiche. Nel caso dei modelli linguistici, buona parte dell'apprendimento iniziale avviene su grandi raccolte di testi, attraverso processi automatizzati che non richiedono di etichettare manualmente ogni singola frase.

Questo, però, non elimina la necessità dell'intervento umano.

Per alcune applicazioni è necessario disporre di esempi classificati correttamente, mentre per altre occorre valutare la qualità delle risposte, verificare la presenza di errori o insegnare ai sistemi a rispettare determinate istruzioni.

Pensiamo a un'automobile che utilizza algoritmi di visione artificiale. Per imparare a riconoscere oggetti presenti sulla strada, il sistema può essere addestrato anche attraverso immagini nelle quali persone hanno identificato e delimitato pedoni, biciclette, automobili e segnali stradali.

Oppure consideriamo un chatbot che riceve due possibili risposte alla stessa domanda. Una persona può essere incaricata di stabilire quale sia più pertinente, accurata o conforme alle indicazioni ricevute, contribuendo così a produrre informazioni utilizzabili nei successivi processi di addestramento e miglioramento.

È il mondo della data annotation, dell'etichettatura e della valutazione dei dati, un insieme di attività molto diverse tra loro che possono richiedere semplici operazioni ripetitive oppure competenze linguistiche, tecniche e specialistiche avanzate.

Alcuni lavoratori classificano immagini, altri trascrivono registrazioni, altri ancora verificano informazioni, valutano contenuti o individuano gli errori prodotti dai modelli.

Con il tempo, una parte di queste attività viene automatizzata, mentre nuove mansioni emergono proprio perché i sistemi diventano più complessi. L'intervento umano, quindi, non rimane identico in tutte le generazioni tecnologiche, ma continua ad avere un ruolo importante nelle diverse fasi di sviluppo, valutazione e controllo.

Il problema non è che l'intelligenza artificiale abbia bisogno delle persone. Qualsiasi grande innovazione tecnologica nasce, del resto, dal lavoro umano.

La questione è che una parte di questo lavoro viene organizzata attraverso filiere internazionali nelle quali chi produce il valore può avere pochissimo potere nel determinarne il prezzo.

Una nuova industria con problemi molto antichi

Siamo abituati a immaginare l'economia digitale come qualcosa di profondamente diverso dall'industria tradizionale. Una fabbrica produce oggetti materiali, impiega operai e utilizza macchinari, mentre un'azienda tecnologica sviluppa software, algoritmi e servizi apparentemente immateriali.

Eppure, osservando come viene organizzato il lavoro necessario ad alcuni sistemi digitali, emergono somiglianze con processi economici che conosciamo da molto tempo.

Le grandi imprese concentrano il capitale, la progettazione e le attività maggiormente remunerative, mentre alcune lavorazioni vengono affidate a soggetti esterni, spesso localizzati in Paesi dove il costo del lavoro è inferiore.

Non è un meccanismo esclusivo dell'intelligenza artificiale. Lo abbiamo visto nell'industria tessile, nell'elettronica e in numerosi altri settori che hanno costruito catene produttive globali, distribuendo le diverse fasi del lavoro in funzione dei costi, delle competenze disponibili e delle condizioni economiche locali.

Nel caso dell'AI, però, la fabbrica può assumere una forma molto particolare.

Non servono necessariamente grandi edifici industriali o catene di montaggio visibili. Una parte delle attività può essere distribuita attraverso piattaforme online che dividono progetti complessi in singoli compiti, assegnandoli a persone che lavorano da casa, in piccoli uffici oppure in centri dedicati.

Questa organizzazione permette alle aziende di accedere a una forza lavoro internazionale, adattando rapidamente il numero di persone coinvolte alle necessità dei progetti. Può anche offrire opportunità a lavoratori che, per ragioni economiche o geografiche, avrebbero difficoltà ad accedere al mercato del lavoro internazionale.

La flessibilità, tuttavia, può trasformarsi in precarietà quando le persone non conoscono il committente finale, non dispongono di un contratto stabile oppure dipendono da valutazioni della qualità del proprio lavoro che non possono contestare facilmente.

Già nel 2019, l'antropologa Mary L. Gray e il ricercatore Siddharth Suri avevano raccontato questo fenomeno nel libro Ghost Work, dedicato al lavoro umano nascosto dietro numerosi servizi digitali apparentemente automatizzati.

Il loro studio mostrava come la tecnologia potesse rendere invisibili intere categorie di lavoratori, non perché questi avessero smesso di essere necessari, ma perché l'organizzazione delle piattaforme li aveva allontanati dalla percezione dell'utente finale.

Sette anni dopo, questa riflessione appare particolarmente attuale.

L'intelligenza artificiale ha cambiato la complessità e la dimensione di molte attività digitali, ma non ha cancellato le domande fondamentali che accompagnano qualsiasi organizzazione del lavoro. Chi decide il compenso, chi si assume i rischi, chi controlla le condizioni di lavoro e soprattutto chi beneficia del valore prodotto?

Dal Kenya arriva una storia ancora più complicata

Se il caso raccontato da TIME nel 2023 mostrava il ruolo dei lavoratori poco visibili nello sviluppo dell'intelligenza artificiale, un'inchiesta pubblicata dal Guardian l'8 ottobre 2026 permette di osservare un problema ulteriore.

In Kenya, nel campo profughi di Kakuma, migliaia di persone hanno cercato negli ultimi anni di costruirsi un futuro attraverso il lavoro digitale, imparando competenze informatiche e partecipando a progetti internazionali attraverso piattaforme online.

Kakuma ospita persone fuggite da guerre e crisi di diversi Paesi africani. Per molti rifugiati, l'accesso all'occupazione tradizionale presenta ostacoli giuridici, economici e pratici, e il lavoro da remoto ha rappresentato una possibilità concreta per ottenere un reddito senza dover lasciare il luogo in cui vivono.

Organizzazioni come la Solidarity Initiative for Refugees hanno investito nella formazione digitale, insegnando attività che spaziano dall'annotazione dei dati allo sviluppo software. Secondo il Guardian, l'organizzazione ha formato più di duemila rifugiati, aiutando oltre la metà di loro ad accedere a opportunità lavorative online di durata e stabilità differenti.

Per alcuni questa possibilità ha realmente cambiato le prospettive economiche, dimostrando che una connessione Internet e competenze adeguate possono consentire di partecipare a mercati del lavoro geograficamente molto lontani.

Negli ultimi anni, però, il quadro è diventato più complicato.

I lavoratori e le organizzazioni intervistati dal Guardian hanno raccontato di un progressivo peggioramento delle opportunità disponibili, accompagnato dalla riduzione dei compensi e dalla crescente difficoltà di trovare incarichi regolari.

La diffusione dell'intelligenza artificiale è uno dei fattori che contribuiscono a questa trasformazione, perché alcune attività relativamente semplici, come trascrizioni, traduzioni e ricerche online, possono essere svolte almeno in parte attraverso strumenti automatizzati.

Secondo una stima dell'International Trade Centre riportata nell'inchiesta, le opportunità in alcune categorie di lavoro digitale, tra cui trascrizione, inserimento dati, traduzione e ricerca online, si sarebbero ridotte di circa il 50% dal 2022.

Non sarebbe corretto attribuire automaticamente tutto questo calo all'intelligenza artificiale. Le trasformazioni del mercato, la concorrenza internazionale e la chiusura di alcune piattaforme hanno contribuito a modificare la disponibilità delle attività. Resta però evidente che la crescente capacità dei sistemi automatizzati sta cambiando il valore economico di mansioni che fino a pochi anni fa rappresentavano una possibile porta d'ingresso nel lavoro digitale.

L'inchiesta racconta anche il diffondersi di incarichi retribuiti attraverso premi discrezionali anziché compensi garantiti. Uno dei casi riguarda una piattaforma di ricerca digitale che, secondo l'azienda coinvolta, non viene utilizzata per addestrare modelli AI. È una distinzione importante, perché il fenomeno non riguarda esclusivamente l'annotazione dei dati, ma un mercato più ampio di lavoro digitale nel quale l'automazione sta modificando gli equilibri tra committenti e lavoratori.

Il problema diventa particolarmente evidente quando una persona deve investire ore del proprio tempo senza sapere con certezza quanto riceverà oppure quando una valutazione negativa può ridurre il compenso senza possibilità di contestazione.

In un mercato globale, poi, chi commissiona il lavoro può cercare rapidamente altri collaboratori disposti ad accettare condizioni economiche inferiori.

È qui che il vantaggio della connessione globale mostra il suo lato più problematico. Internet permette di lavorare per aziende lontane migliaia di chilometri, ma permette anche a quelle stesse aziende di confrontare lavoratori appartenenti a mercati del lavoro profondamente diseguali.

Il paradosso di chi contribuisce a costruire la propria sostituzione

La parte forse più interessante di questa storia riguarda il rapporto tra progresso tecnologico e trasformazione dell'occupazione.

Per anni abbiamo discusso della possibilità che l'intelligenza artificiale sostituisse determinate professioni, immaginando soprattutto un futuro nel quale macchine sempre più capaci avrebbero svolto attività fino a quel momento affidate agli esseri umani.

Quello che sta accadendo in alcune filiere del lavoro digitale mostra che questa trasformazione è già cominciata, ma in un modo meno lineare di quanto suggerisca il dibattito pubblico.

Alcune delle persone che hanno lavorato all'annotazione di dati, alla trascrizione di contenuti o alla valutazione dei sistemi automatizzati si trovano oggi in un mercato nel quale una parte di quelle stesse attività può essere svolta più rapidamente dalle macchine.

La tecnologia alla quale hanno contribuito, direttamente o indirettamente, sta modificando la domanda del loro lavoro.

Non significa necessariamente che tutti i data annotator siano destinati a scomparire. Al contrario, lo sviluppo di modelli più sofisticati può aumentare la necessità di valutazioni specialistiche, controlli di qualità, competenze linguistiche particolari e attività di verifica che richiedono una comprensione più approfondita dei sistemi.

Il punto è che le nuove opportunità non sono automaticamente accessibili alle persone che perdono quelle precedenti.

Un lavoratore abituato a classificare immagini non può diventare dall'oggi al domani un esperto di valutazione dei modelli linguistici, così come una persona che ha imparato a eseguire semplici attività digitali può incontrare difficoltà nell'acquisire competenze avanzate di programmazione.

Per i rifugiati di Kakuma, queste difficoltà possono essere ulteriormente aggravate da percorsi scolastici interrotti, condizioni economiche instabili e accesso limitato agli strumenti di formazione.

L'automazione, quindi, non produce soltanto una possibile riduzione dei posti di lavoro. Modifica il valore delle competenze, la capacità di negoziare una retribuzione e la distribuzione delle opportunità tra persone che partono da condizioni molto differenti.

Si tratta di un processo che abbiamo già conosciuto durante altre trasformazioni industriali, quando nuove tecnologie hanno reso meno richieste alcune mansioni mentre ne creavano altre, senza garantire che i lavoratori coinvolti potessero passare facilmente dalle prime alle seconde.

La differenza, oggi, riguarda soprattutto la velocità con cui questi cambiamenti possono verificarsi e la dimensione internazionale del mercato nel quale avvengono.

Per un'impresa tecnologica la possibilità di automatizzare una mansione può rappresentare un miglioramento dell'efficienza produttiva. Per chi vive esclusivamente del reddito generato da quella mansione, invece, lo stesso cambiamento può significare la perdita dell'unica opportunità lavorativa disponibile.

Le due prospettive non si escludono, ma raccontano conseguenze profondamente diverse della medesima innovazione.

Un'intelligenza artificiale più etica deve esserlo anche con chi ci lavora

Quando si discute di etica dell'intelligenza artificiale, l'attenzione tende a concentrarsi soprattutto sul comportamento dei modelli.

Ci chiediamo se siano imparziali, se rispettino la privacy, se producano informazioni attendibili oppure se possano essere utilizzati per discriminare, manipolare e danneggiare le persone.

Sono questioni fondamentali, ma riguardano prevalentemente ciò che accade quando una tecnologia viene utilizzata.

Molto meno frequentemente ci chiediamo quali condizioni lavorative abbiano accompagnato il suo sviluppo.

Eppure, un sistema progettato per evitare contenuti dannosi non diventa automaticamente etico se alcune delle persone incaricate di contribuire alla sua sicurezza vengono esposte ripetutamente a materiale traumatico senza adeguate protezioni.

Allo stesso modo, non basta che un'azienda promuova l'inclusione digitale se le opportunità offerte si traducono in compensi imprevedibili, impossibilità di contestare le decisioni e assenza di tutele.

Negli ultimi anni sono nate iniziative che cercano di affrontare questi problemi. La Data Labelers Association, sviluppata in Kenya, lavora per dare rappresentanza a persone che spesso svolgono attività isolate e hanno difficoltà a organizzarsi collettivamente.

Anche Partnership on AI, un'organizzazione che riunisce soggetti del mondo tecnologico, accademico e della società civile, ha elaborato indicazioni per rendere più responsabile la gestione delle filiere di annotazione e valutazione dei dati.

Tra le proposte figurano retribuzioni adeguate al costo della vita locale, maggiore trasparenza nei rapporti con le aziende esterne, procedure per segnalare problemi, possibilità di contestare decisioni e un monitoraggio più attento delle condizioni di lavoro.

Nell'aprile 2026, Partnership on AI è tornata sull'argomento sottolineando la necessità di intervenire sull'intera catena di fornitura dei dati, anziché limitarsi ai rapporti diretti tra un'azienda e i suoi dipendenti.

È un passaggio importante, perché l'esternalizzazione non dovrebbe trasformarsi in un modo per rendere più difficile individuare le responsabilità.

Naturalmente, migliorare le condizioni di lavoro comporta costi e può ridurre alcuni dei vantaggi economici che hanno favorito la crescita di queste filiere. Ma è proprio questo il punto della questione, perché il prezzo di un servizio tecnologico non dovrebbe essere considerato indipendentemente dalle condizioni attraverso le quali viene prodotto.

Esiste inoltre un aspetto che riguarda direttamente la qualità dell'intelligenza artificiale. Lavoratori sottopagati, costretti a rispettare tempi irrealistici oppure privi di strumenti per chiedere chiarimenti possono commettere più errori o essere incentivati a privilegiare la velocità rispetto alla precisione.

Le condizioni di lavoro non sono quindi soltanto una questione sociale esterna alla tecnologia, ma possono influenzare anche l'affidabilità dei dati e dei processi di valutazione sui quali i modelli vengono costruiti.

Il progresso tecnologico non elimina la responsabilità umana

Sarebbe sbagliato concludere che il lavoro digitale internazionale sia necessariamente una forma di sfruttamento, oppure che l'intelligenza artificiale debba essere ostacolata perché alcune delle sue filiere presentano condizioni problematiche.

Per molte persone, soprattutto in contesti economici caratterizzati da poche opportunità, la possibilità di lavorare a distanza per aziende internazionali ha rappresentato e continua a rappresentare un'opportunità reale.

Allo stesso tempo, i sistemi di intelligenza artificiale possono migliorare la produttività, rendere accessibili servizi prima troppo costosi e favorire la nascita di nuove attività professionali.

Il problema non consiste dunque nello stabilire se questa tecnologia sia positiva o negativa, ma nel comprendere come vengono distribuiti i benefici e i costi del suo sviluppo.

Perché mentre una parte del valore economico si concentra nelle aziende che possiedono modelli, infrastrutture e piattaforme, altri soggetti partecipano alla creazione di quello stesso valore senza avere necessariamente una capacità paragonabile di negoziare le proprie condizioni.

Non si tratta di sostenere che tutte le imprese tecnologiche si comportino allo stesso modo o che ogni rapporto di esternalizzazione sia ingiusto. Sarebbe però altrettanto superficiale immaginare che una rivoluzione tecnologica possa essere valutata soltanto attraverso i risultati dei suoi prodotti.

Se vogliamo comprendere davvero l'impatto dell'intelligenza artificiale, dobbiamo guardare non soltanto a ciò che riesce a fare, ma anche alle persone, alle risorse e alle organizzazioni che permettono a quei sistemi di esistere.

In fondo, la storia dei lavoratori invisibili dell'AI racconta qualcosa che va ben oltre l'intelligenza artificiale. Racconta il rapporto tra innovazione e disuguaglianze, tra grandi imprese e lavoratori, tra Paesi che concentrano le tecnologie più avanzate e territori che partecipano alle filiere produttive soprattutto attraverso il proprio lavoro.

L'intelligenza artificiale non ha inventato queste differenze e non è necessariamente destinata ad ampliarle. Può però riprodurle se la sua crescita viene accompagnata soltanto dalla ricerca di prestazioni migliori e costi inferiori, senza una riflessione sulle conseguenze economiche e sociali.

Oggi siamo abituati a misurare il progresso dell'AI attraverso benchmark, velocità di elaborazione, investimenti e capacità sempre più sorprendenti. Sono indicatori importanti, ma raccontano soltanto una parte della trasformazione in corso.

Forse, accanto alla domanda su quanto siano diventate intelligenti le macchine, dovremmo iniziare a porcene anche un'altra.

Quanto sta migliorando la vita delle persone che contribuiscono a renderle tali?

Perché una rivoluzione tecnologica può essere straordinaria dal punto di vista scientifico e, allo stesso tempo, lasciare irrisolti problemi sociali molto antichi. E il modo in cui affronteremo questi problemi contribuirà a stabilire se l'intelligenza artificiale diventerà uno strumento di sviluppo più condiviso oppure l'ennesima innovazione capace di concentrare i benefici nelle mani di pochi.