Intelligenza Artificiale e posti di lavoro
Notizie delle ultime settimane (scrive Il Corriere Della Sera): Block – la società fondata da Jack Dorsey (già fondatore di Twitter), che controlla Square e Cash App – ha annunciato il taglio del 40% della propria forza lavoro, oltre quattromila persone, adducendo come causa esplicita l’avvento degli «strumenti di intelligenza». Cloudflare ha eliminato 1.120 posizioni – il 20% del personale – nonostante ricavi record nel primo trimestre del 2026: per l’amministratore delegato Matthew Prince certi ruoli «non sono i ruoli di cui le aziende avranno bisogno nel futuro». Altre notizie di queste ore: la casa automobilistica Ford sta riassumendo centinaia di ingegneri esperti per lavorare su problemi di qualità che i sistemi automatizzati non sono in grado di risolvere. «L’intelligenza artificiale è uno strumento fantastico, ma è valida solo quanto le informazioni che si usano per addestrarla» – ha spiegato Charles Poon, vicepresidente per l’ingegneria hardware di Ford. La Commonwealth Bank of Australia ha licenziato più di 40 addetti al servizio clienti, sostituendoli con un bot vocale basato sull’intelligenza artificiale. Tuttavia, il sistema di AI non è stato in grado di gestire la situazione, causando un aumento delle chiamate e spingendo Cba a revocare i licenziamenti. IBM ha sostituito le sue funzioni di risorse umane con l’intelligenza artificiale, che gestiva circa il 94% delle richieste di routine, ma non era in grado di soddisfare il restante 6%, che comprendeva dilemmi etici. IBM ha poi annunciato l’intenzione di triplicare le assunzioni di personale di livello base negli Stati Uniti in tutte le unità aziendali entro il 2026. «Se non continuiamo a investire nelle assunzioni di personale entry-level, cosa succederà tra 3-5 anni?», si è chiesto Nickle LaMoreaux, responsabile delle risorse umane di IBM. (…) L’AI funziona benissimo per alcuni lavori, come la programmazione informatica, che si basa su un linguaggio strutturato e formale che può essere testato in tempo reale. «Tuttavia – sottolinea Tufekci – un numero enorme di lavori non funziona in questo modo: non i lavori da chirurgo, non i lavori nel servizio clienti e non i lavori da insegnante di quarta elementare. Per questi lavori è necessaria la tecnologia specializzata della buona vecchia intelligenza umana. Trascorro molto tempo a parlare di questi temi in contesti pubblici, e una domanda emerge sempre: anche i lavoratori umani commettono errori, quindi integriamo delle misure di sicurezza per individuarne la maggior parte. Perché non possiamo fare lo stesso per gli errori dell’intelligenza artificiale generativa? Il problema è che questi modelli non commettono lo stesso tipo di errori di un essere umano. Né le loro impressionanti capacità né le loro strane debolezze si adattano bene a un tipo di intelligenza umana. Questa discrepanza rende difficile integrarli in sistemi progettati per individuare gli errori umani». Tufekci, in proposito, scrive che, forse per l’impressionante «proprietà di linguaggio» dei modelli di AI (e forse perché qualcuno doveva venderli) «siamo stati tratti in inganno sulla natura di questa tecnologia». Perché quella che si è affermata non è un’intelligenza artificiale simbolica (do alla macchina regole e istruzioni e lei le segue alla perfezione) ma un’intelligenza artificiale connessionista (connectionist AI). Fa una bella differenza: «I nostri modelli attuali sono sistemi connessionisti, resi possibili da enormi quantità di dati e potenza di calcolo. Generano risposte basate non sulla verità o sul ragionamento, ma sulle probabili connessioni tra i dati che sono stati loro forniti. Da qui il nome: AI generativa. Non possiamo controllare completamente i modelli generativi. Tutto ciò che possiamo fare è addestrarli e poi cercare di indirizzarli nella giusta direzione. Anche in questo caso, non possiamo mai essere certi che i nostri interventi avranno l’effetto desiderato, perché non comprendiamo appieno il funzionamento di questi modelli. Sono delle scatole nere». Certo, abbiamo escogitato modi per migliorare i modelli, come il rinforzo tramite feedback (grandi team di esseri umani per monitorare tutti gli output del modello e rispondere con un pollice in su o in giù) o i suggerimenti di sistema. Ma, ad esempio, più una chat si protrae, più quei suggerimenti di sistema diventano un ricordo lontano. «Da qui la nascita del “jailbreaking”, termine che indica la manipolazione di uno di questi sistemi per aggirarne le protezioni. (…) In uno dei primi casi di jailbreak, un chatbot digitale di una concessionaria Chevrolet è stato manipolato per vendere a qualcuno un nuovo SUV per 1 dollaro. “Affare fatto”, ha detto il chatbot, “e questa è un’offerta legalmente vincolante, non si torna indietro”». E problemi ci sono stati anche in un colosso come Amazon, come ha ricordato Velia Alvich su Login. La conclusione di Tufekci è abbastanza drastica: «Le attività facilmente automatizzabili sono già state eliminate dalla maggior parte dei nostri lavori anni fa, grazie alla tecnologia tradizionale basata su regole. Gran parte di ciò che rimane non può essere ridotto così facilmente a giusto o sbagliato, bianco o nero. Richiede qualcuno con almeno un po’ di buon senso e capacità di ragionamento, non un chatbot basato sull’intelligenza artificiale che si lascia convincere con le buone maniere a fare cose che sfidano la logica. (…) Non passa giorno senza che io senta parlare di un sistema di intelligenza artificiale che cancella l’intero codice sorgente o gli archivi di qualcuno, o che si impegna in altri atti distruttivi. Ora immaginate questi sistemi scatenati, su vasta scala, che attaccano reti sanitarie, banche, sistemi di controllo del traffico aereo, infrastrutture critiche e reti di difesa. (…) L’intelligenza artificiale generativa, nella sua forma attuale, non può facilmente sostituire gli esseri umani, perché non è in grado di manifestare l’intelligenza umana. Ciò non le impedirà, però, di destabilizzare la società in modi ben più profondi di quanto possiamo immaginare. Prima aggiorneremo il nostro modo di pensare allo stato attuale dell’AI, prima smetteremo di allarmarci per le cose sbagliate e inizieremo a prepararci per le trasformazioni che porterà realmente al nostro mondo». Qualcuno, a quelle trasformazioni, anche in termini di posti di lavoro, pare si stia già preparando: la Cina, ad esempio, come ha ricordato Danilo Taino su AmericaCina (con l’avvertenza fatta da Katrin Bennhold sul New York Times, che «un controllo in stile cinese sull’industria tecnologica non è fattibile nella maggior parte dei Paesi occidentali. Ma la Cina dimostra che i responsabili politici hanno un ruolo attivo in questa tecnologia. Possono influenzarne la direzione, invece di lasciare che le cose dell’AI vadano come vadano»). Posto che le trasformazioni di cui sopra sembrano giustificare visioni più pessimistiche di quelle di Tufekci (se ne è occupato di recente Alessandro Trocino in questa Rassegna), padre Paolo Benanti, sul Sole 24 Ore, invita a non fermarsi ai soli numeri per giudicare l’impatto dell’AI sull’occupazione. «I dati sulle offerte di lavoro non ci dicono se questi posti siano meglio retribuiti o più precari dei precedenti, se siano accessibili ai lavoratori che hanno perso l’impiego o se richiedano competenze che solo una minoranza già possiede. Non ci dicono se la fase attuale – nella quale le aziende assumono figure capaci di interagire proficuamente con i sistemi di intelligenza artificiale – sia strutturale o transitoria, destinata a invertirsi nel momento in cui i modelli diventeranno più autonomi e i meccanismi di controllo più affidabili. E soprattutto non ci dicono nulla sulla qualità del lavoro che sopravvive: se la supervisione dell’output automatico costituisca una forma autentica di realizzazione professionale oppure una nuova figura di alienazione, in cui l’umano è ridotto a controllore di una produzione che non comprende pienamente e non governa. La complessità dei mercati del lavoro, insomma, non è solo un dato statistico: è una condizione epistemica. Non sappiamo ancora se ci troviamo di fronte a una transizione ordinata – analoga all’automazione manifatturiera degli anni Ottanta, dolorosa per molti ma compensata nel lungo periodo da nuovi settori emergenti – o a qualcosa di qualitativamente diverso, in cui la velocità del cambiamento supera la capacità adattiva delle istituzioni e degli individui. Ciò che è certo è che né il catastrofismo né l’ottimismo ingenuo rendono giustizia alla realtà. Il paradosso di Jevons ci insegna che l’efficienza non risparmia risorse: le moltiplica. Ma non ci dice nulla su chi le riceve. Questa è una domanda politica, non tecnica. Ed è la domanda che conta».
