L’uomo nell’era dell’AI: il pericolo è delegare giudizio e responsabilità

La capillare diffusione delle architetture algoritmiche e dell’intelligenza artificiale generativa sta riorganizzando le coordinate fondamentali dell’agire sociale, le dinamiche produttive e le strutture identitarie contemporanee. La riflessione sul tema si trova davanti a un bivio: da una parte le letture deterministiche fondate sull’idea di una totale sostituzione dell’essere umano o, all’opposto, quelle fondate su un’apologetica neutralità dell’affiancamento tecnologico.

Muovendo dai quadri teorici della sociologia del lavoro, della media sociology e degli Science and Technology Studies (STS), vengono esaminate le principali linee di frattura del presente, subordinazione algoritmica, precarizzazione cognitiva, estrattivismo dei dati e frammentazione della fiducia, per delineare poi i contorni di una convivenza tra agenti antropici e sintesi computazionali.

Intelligenza artificiale e uomo oltre la narrazione escatologica del tecnologismo

Nel dibattito contemporaneo, la riflessione sul rapporto tra intelligenza artificiale e assetti sociali viene di frequente incanalata entro binari retorici di matrice escatologica. Da un lato prospera una visione catastrofista, spesso alimentata dagli stessi quadri dirigenti delle corporation tecnologiche, che prospetta un’imminente obsolescenza della specie umana a causa del raggiungimento di una singolarità tecnologica o di un’autonomia sistemica dell’A.I. (Bostrom, 2016; Harari, 2018).

Dall’altro lato resiste un tecno-ottimismo che interpreta le nuove architetture informatiche come semplici strumenti di efficientamento, neutrali per definizione e destinati ad affrancare l’individuo dal peso del lavoro routinario (Brynjolfsson e McAfee, 2016). La sociologia ha il compito primario di neutralizzare entrambe le impostazioni; assumere uno sguardo critico significa in primo luogo rifiutare ogni forma di determinismo, le tecnologie non sono forze esogene che “impattano” dall’esterno una società passiva, bensì prodotti sociali storicamente, e culturalmente, situati, in cui si strutturano precisi rapporti di forza, visioni del mondo e interessi economici (Feenberg, 1999; Wajcman, 2016).

Porre il problema nei termini di una secca alternativa tra la sopravvivenza o la sostituzione dell’uomo rischia di svuotare la questione del suo reale contenuto sociologico. La vera partita non riguarda la scomparsa fisica dell’agente umano, ma la riorganizzazione dei dispositivi di dominio, la redistribuzione del potere decisionale, la trasformazione dei processi cognitivi e la riconfigurazione dello spazio democratico.

La metamorfosi del lavoro tra de-skilling e subordinazione algoritmica

Mentre le rivoluzioni industriali avevano concentrato l’automazione sul lavoro manuale ed esecutivo, la diffusione dei grandi modelli linguistici (LLM) e dell’A.I. generativa aggredisce oggi il cuore del lavoro cognitivo e relazionale, settori finora ritenuti al riparo dalla meccanizzazione (Susskind, 2020).

L’impatto di questa transizione sul mercato occupazionale si declina raramente come un crollo verticale dei tassi d’impiego; assume piuttosto i connotati di un’accentuata polarizzazione della forza lavoro (Goos, Manning e Salomons, 2014). Si consolida una ristretta élite tecnica di progettisti e detentori delle infrastrutture computazionali, a fronte della precarizzazione di una vasta fascia di professioni intellettuali intermedie, dalla traduzione alla programmazione entry-level, dalla redazione di testi all’analisi dati di base, i cui compiti vengono frammentati e presi in carico dai software.

Questo passaggio innesca un evidente fenomeno di de-skilling cognitivo (Braverman, 1998; Carr, 2014): la delega sistematica delle funzioni analitiche ed espressive alle macchine impoverisce le competenze critiche e dimensionali del lavoratore. L’operatore umano rischia così di scivolare verso un ruolo di mera supervisione passiva (human-in-the-loop), privo di un reale margine decisionale e penalizzato dal declassamento retributivo e contrattuale.

Attraverso il management algoritmico l’esercizio del potere viene codificato all’interno di routine tecnologiche che monitorano i ritmi produttivi, assegnano i compiti e valutano i rendimenti in tempo reale (Daugherty e Wilson, 2018; Zuboff, 2019). In questo “Taylorismo digitale” l’asimmetria informativa tra impresa e dipendente raggiunge vertici inediti: i lavoratori si trovano esposti alla sorveglianza pervasiva di metriche poco trasparenti (black box), prive di intermediari umani con cui interloquire.

La razionalità burocratica di stampo weberiano trova qui il suo compimento parossistico: un’autorità disumanizzata, apparentemente oggettiva e depurata da ogni responsabilità etica diretta, che svuota dall’interno le tradizionali forme di rappresentanza sindacale (Srnicek, 2016).

Estrattivismo dei dati, lavoro ombra e nuove gerarchie globali

La penetrazione dell’intelligenza artificiale nei contesti sociali non avviene su un terreno neutro, ma si innesta sulle disuguaglianze strutturali che dividono il pianeta. La realizzazione e l’addestramento dei modelli algoritmici poggiano su filiere produttive poco trasparenti e gerarchizzate.

L’immagine patinata di una tecnologia immateriale e autonoma nasconde la persistenza di un imponente volume di lavoro umano sottopagato e reso invisibile. La sociologia del lavoro definisce questo bacino d’impiego come ghost work o lavoro ombra (Gray e Suri, 2019; Casilli, 2019). Per garantire il funzionamento dei sistemi di machine learning, milioni di operatori, concentrati prevalentemente nelle periferie del Global South o in aree depresse dei paesi avanzati, vengono arruolati in compiti ripetitivi di etichettatura (data labeling), validazione delle risposte e moderazione di contenuti violenti.

La pretesa autosufficienza dell’intelligenza artificiale si rivela così un’illusione: le macchine necessitano del continuo riaggiustamento fornito da un sottoproletariato cognitivo, la cui manodopera consente ai modelli di non deragliare verso l’errore sistemico.

Su scala macro-sociologica, la logica del capitalismo della sorveglianza opera attraverso forme di vero e proprio estrattivismo (Couldry e Mejias, 2019; Zuboff, 2019). Ogni condotta individuale, espressione linguistica o traccia digitale viene convertita in risorsa grezza (datafication), recintata e privatizzata da un pugno di conglomerati tecnologici con sede negli Stati Uniti o in Cina.

Ci si trova di fronte a un processo di Data Colonialism, all’interno del quale la ricchezza informativa generata da culture e popolazioni differenti viene incamerata a titolo gratuito da attori privati. Le società periferiche rimangono così escluse dal controllo dei mezzi di produzione computazionale, costrette ad acquistare sotto forma di licenze e servizi software ciò che esse stesse hanno prodotto sul piano dei dati primari (Couldry e Mejias, 2019; Crawford, 2021).

Spazio pubblico, epistemologia e crisi della fiducia

Oltre ad alterare i rapporti economico-produttivi, l’A.I. interviene sull’infrastruttura comunicativa della società, modificando le modalità di costruzione del consenso, la percezione della realtà e la tenuta delle istituzioni democratiche. L’adozione diffusa di algoritmi ha da tempo intaccato l’assetto della sfera pubblica teorizzata da Habermas (1962/1990).

La necessità di massimizzare il tempo di permanenza sulle piattaforme ha privilegiato contenuti capaci di catalizzare reazioni emotive, alimentando la polarizzazione e la chiusura delle comunità all’interno di camere dell’eco (echo chambers) e bolle informative (Pariser, 2011; Sunstein, 2018). Con l’ingresso dell’A.I. generativa, questo quadro subisce un’ulteriore scossa: la produzione su scala industriale di testi, immagini e audio verosimili ma del tutto sintetici (deepfakes) mitiga fortemente il confine tra fatto reale e rappresentazione artificiale (Baudrillard, 1981).

La sfera pubblica corre il rischio di scivolare in una condizione di opacità strutturale, in cui la veridicità di qualunque testimonianza diventa sistematicamente contestabile.

Nelle società complesse, la coesione sociale si regge su dinamiche di fiducia verso i cosiddetti sistemi esperti (Luhmann, 1968; Giddens, 1991). L’introduzione di processi decisionali basati sull’A.I. intacca questo equilibrio a due livelli ben distinti:

1. Fiducia istituzionale: l’impiego di algoritmi predittivi nella pubblica amministrazione, nella gestione del welfare o nell’amministrazione della giustizia rischia di tradursi in una deresponsabilizzazione della politica. Le scelte pubbliche, presentate come meri esiti di calcoli neutrali, finiscono spesso per incorporare e cronicizzare i pregiudizi (bias) storicamente presenti nei dati di partenza (O’Neil, 2016; Eubanks, 2018).
2. Fiducia intersoggettiva: la pervasività di contenuti generati da macchine introduce una costante diffidenza nelle relazioni quotidiane, incrinando quella presunzione di autenticità che rende possibile l’interazione tra individui all’interno dello spazio sociale.

Dinamiche di coesistenza tra agenti umani e vettori sintetici

Per impostare su basi rigorose l’analisi della convivenza sociotecnica, occorre scardinare la tendenza ad antropomorfizzare la macchina. Gli algoritmi non pensano, non provano empatia né maturano un’intenzionalità autonoma: eseguono stime probabilistiche su immensi archivi di dati. Sotto il profilo sociologico risulta fecondo il richiamo alla Actor-Network Theory (ANT) sviluppata da Bruno Latour (2005).

Nel modello della ANT, il tessuto sociale non è un’esclusiva degli attori umani, ma il risultato di reti di relazioni in cui agiscono elementi antropici e non. L’A.I. opera come un “attante” dotato di agency: un nodo della rete capace di orientare le azioni umane, ridefinire contesti e porre vincoli materiali alle decisioni.

La convivenza futura non vedrà la contrapposizione tra due presunte entità sovrane, bensì una trama fitta di interdipendenze in cui l’agire umano risulterà costantemente mediato dall’infrastruttura informatica. Una convivenza che non si risolva nell’appiattimento dell’uomo sulle logiche di mercato impone di sottrarre lo sviluppo tecnologico al controllo esclusivo dei gruppi privati. La gestione di questi processi richiede il passaggio da una tutela di tipo reattivo a una vera e propria governance pubblica preventiva (Sociology and Ethics by Design).

I capisaldi di questo intervento possono essere sintetizzati in tre punti:

• Trasparenza (Explainable AI – XAI): Riconoscere ai cittadini il diritto di accedere alla logica sottesa a qualsiasi decisione algoritmica che ne condizioni la vita, dal credito bancario alle prestazioni sociali.
• Auditing dei bias e responsabilità sociale: Rendere obbligatoria la verifica indipendente dei database utilizzati per l’addestramento, al fine di neutralizzare le discriminazioni di genere, di classe o etnico-razziali prima della messa in opera dei software (Benjamin, 2019).
• Ridistribuzione del dividendo tecnologico: Attuare leve fiscali adeguate sulla concentrazione di capitale informativo, con l’obiettivo di sostenere i costi sociali della transizione, riorganizzare l’orario di lavoro e finanziare la formazione continua della popolazione (Piketty, 2019).

Intelligenza artificiale e uomo, il falso problema della sostituzione

L’idea di un’estinzione funzionale dell’uomo per mano della macchina rappresenta un falso problema, utile a fare da esca nell’arena mediatica o a sollevare cortine di fumo attorno ai reali processi economici in corso. La vera sostituzione non avviene per l’irruzione spontanea di una supremazia tecnologica, ma si consuma ogni volta che le istituzioni umane abdicano alla propria responsabilità decisionale per sottomettersi a criteri di pura efficienza tecnologica.

Il pericolo principale che le società contemporanee si trovano ad affrontare non è la nascita di macchine capaci di provare sentimenti o di maturare una coscienza personale, ma l’involuzione dell’organizzazione sociale verso modelli burocratico-algoritmici che spingono l’essere umano ad adeguarsi al funzionamento del software. Tutto questo rappresenta il rischio concreto e, inoltre, già ampiamente misurabile.

L’alienazione contemporanea non si manifesta nel momento in cui la macchina si fa uomo, ma quando l’uomo accetta di farsi macchina, riducendo la complessità del giudizio morale, della mediazione politica e della cura interpersonale a pura procedura calcolabile. La ricerca ha oggi il compito di smontare il falso mito dell’ineluttabilità della tecnica.

L’intelligenza artificiale non è un destino cinico verso cui scivolare in maniera inerte, bensì un’infrastruttura costruita da scelte umane, sostenuta da capitali precisi e alimentata dal lavoro di milioni di persone. Riconquistare la centralità dell’intenzionalità antropica significa rivendicare che la tecnica resti un mezzo al servizio dell’emancipazione collettiva e mai il fine ultimo attorno a cui modellare la vita, il lavoro e le istituzioni sociali.

Bibliografia

• Baudrillard, J. (1981), Simulacres et simulation, Paris: Éditions Galilée.
• Benjamin, R. (2019), Race after technology: abolitionist tools for the new Jim Code, Cambridge: Polity Press.
• Bostrom, N. (2016), Superintelligence: paths, dangers, strategies, Oxford: Oxford University Press.
• Braverman, H. (1998), Labor and monopoly capital: the degradation of work in the twentieth century, New York: Monthly Review Press.
• Brynjolfsson, E. e McAfee, A. (2016), The second machine age: work, progress, and prosperity in a time of brilliant technologies, New York: W. W. Norton & Company.
• Carr, N. (2014), The glass cage: where automation is taking us, New York: W. W. Norton & Company.
• Casilli, A. A. (2019), En attendant les robots. Enquête sur le travail du clic, Paris: Éditions du Seuil.
• Couldry, N. e Mejias, U. A. (2019), The costs of connection: how data is colonizing human life and appropriating it for capitalism, Stanford: Stanford University Press.
• Crawford, K. (2021), Atlas of AI: power, politics, and the planetary costs of artificial intelligence, New Haven: Yale University Press.
• Daugherty, P. R. e Wilson, H. J. (2018), Human + machine: reimagining work in the age of AI, Boston: Harvard Business Review Press.
• Eubanks, V. (2018), Automating inequality: how high-tech tools profile, police, and punish the poor, New York: St. Martin’s Press.
• Feenberg, A. (1999), Questioning technology, London: Routledge.
• Giddens, A. (1991), The consequences of modernity, Stanford: Stanford University Press.
• Goos, M., Manning, A. e Salomons, A. (2014), “Explaining job polarization: routine-biased technological change and offshoring”, American Economic Review, 104(8), pp. 2509-2526.
• Gray, M. L. e Suri, S. (2019), Ghost work: how images of AI are hiding a new global underclass, Boston: Houghton Mifflin Harcourt.
• Habermas, J. (1990), Strukturwandel der Öffentlichkeit: untersuchungen zu einer kategorie der bürgerlichen gesellschaft, Frankfurt am Main: Suhrkamp Verlag (Orig. ed. 1962).
• Harari, Y. N. (2018), 21 lessons for the 21st century, London: Jonathan Cape.
• Jasanoff, S. (a cura di) (2004), States of knowledge: The co-production of science and social order, London: Routledge.
• Latour, B. (2005), Reassembling the social: An introduction to actor-network-theory, Oxford: Oxford University Press.
• Luhmann, N. (1968), Vertrauen: ein mechanismus der reduktion sozialer komplexität, Stuttgart: Ferdinand Enke Verlag.
• O’Neil, C. (2016), Weapons of math destruction: how big data increases inequality and threatens democracy, New York: Crown Publishing Group.
• Pariser, E. (2011), The Filter bubble: what the internet is hiding from you, New York: Penguin Press.
• Piketty, T. (2019), Capital et idéologie, Paris: Éditions du Seuil.
• Srnicek, N. (2016), Platform capitalism, Cambridge: Polity Press.
• Sunstein, C. R. (2018), #republic: Divided democracy in the age of social media, Princeton: Princeton University Press.
• Susskind, D. (2020), A World without work: technology, automation, and how we should respond, London: Allen Lane.
• Wajcman, J. (2016), Pressed for time: the acceleration of life in digital capitalism, Chicago: University of Chicago Press.
• Weber, M. (1922), Wirtschaft und gesellschaft, Tübingen: J.C.B. Mohr.
• Zuboff, S. (2019), The age of surveillance capitalism: the fight for a human future at the new frontier of power, New York: PublicAffairs.