di
Fabrizio Marozzo*

Se qualche anno fa mi avessero chiesto quale parte del lavoro umano sarebbe stata automatizzata per prima, avrei indicato quella manuale. Avrei immaginato robot nelle fabbriche, nei magazzini e nei cantieri, impegnati nelle attività più faticose e ripetitive. Pensavo che le macchine avrebbero sostituito innanzitutto le nostre braccia, mentre il lavoro intellettuale avrebbe resistito più a lungo. Sta accadendo quasi il contrario. La nuova ondata di automazione ha investito la scrittura, la traduzione, la programmazione, l’analisi dei documenti e la produzione di contenuti. Molte attività svolte davanti a un computer sono diventate automatizzabili prima di azioni apparentemente più semplici, come pulire una stanza o assistere una persona anziana.

Il motivo è legato soprattutto ai dati. Negli ultimi decenni abbiamo accumulato enormi quantità di testi, immagini, programmi, musica e video, senza riuscire a utilizzarli pienamente. I modelli generativi hanno reso accessibile questo patrimonio attraverso richieste formulate nel linguaggio naturale. Prima hanno sorpreso con i testi; poi sono arrivati immagini, voci, musica e video. Oggi scrivono software, analizzano documenti e svolgono sequenze articolate di operazioni.

Dove riusciamo ad accumulare molti dati, diventa più facile costruire sistemi automatici. Ma siamo soltanto nella prima fase. L’intelligenza artificiale opera soprattutto nel mondo digitale, dove le informazioni e le attività sono già rappresentate in una forma elaborabile. Il prossimo passaggio sarà il suo ingresso nel mondo fisico.

I robot umanoidi proveranno a combinare l’intelligenza dei nuovi modelli con un corpo capace di muoversi negli ambienti costruiti per noi. Potranno trasportare oggetti, svolgere attività domestiche, lavorare in un magazzino e supportare persone fragili. All’inizio saranno costosi e imperfetti, ma potranno migliorare grazie all’esperienza accumulata e condivisa da molte macchine.

Questo non significa che intere professioni scompariranno improvvisamente. Più spesso l’intelligenza artificiale automatizzerà alcune attività, permettendo a una sola persona di svolgere ciò che prima richiedeva il lavoro di più individui. Anche senza una sostituzione completa, gli effetti sull’occupazione possono essere enormi.

A Linus Torvalds viene attribuita una definizione provocatoria: “L’intelligenza è la capacità di evitare il lavoro riuscendo comunque a portarlo a termine”. L’intelligenza artificiale sembra trasformare questa provocazione in realtà. Ma evitare il lavoro può significare due cose diverse: liberarci dalla fatica oppure rendere meno necessario il lavoro di chi oggi svolge quelle attività. La visione ottimistica immagina una società in cui l’aumento della produttività permetta a tutti di lavorare meno, lasciandoci più tempo per la famiglia, la cultura e la cura degli altri. Quella pessimistica prevede invece che i benefici si concentrino nelle mani di chi controlla modelli, dati e infrastrutture: pochi diventerebbero molto più ricchi, mentre molti perderebbero progressivamente reddito, ruolo e potere contrattuale.

Nessuno dei due scenari è inevitabile. La tecnologia può aumentare la produttività, ma non decide come distribuirne i benefici. Si può discutere di una tassazione legata al livello di automazione, di incentivi per le imprese che tutelano l’occupazione o della riduzione dell’orario di lavoro. Ma difendere ogni mansione nella sua forma attuale, anche quando la tecnologia ne riduce fortemente la necessità, non può essere l’unica risposta.

Il problema, però, non riguarda soltanto quanti posti di lavoro rimarranno. Quando una persona percepisce che ciò che sa fare non è più realmente necessario, diventa più difficile trovare la motivazione per continuare a imparare, migliorare e impegnarsi. Abbiamo bisogno di sentire che ciò che facciamo serve a qualcuno e che il nostro contributo può fare la differenza.

Fino a poco tempo fa il computer aiutava, ma entro limiti abbastanza chiari. Per risolvere un problema avanzato di matematica bisognava essere preparati, trovare qualcuno capace di aiutarti oppure imbattersi in un esercizio risolto quasi identico. Un avvocato poteva consultare modelli e archivi digitali, ma doveva comunque interpretare le informazioni ricevute e trasformarle in un documento adeguato a un caso specifico. Anche in informatica era necessario cercare soluzioni sui manuali o su forum come Stack Overflow e possedere poi le competenze per applicarle a un problema nuovo.

Ora i sistemi generativi compiono proprio questo passaggio: recuperano, combinano e adattano soluzioni note a richieste specifiche. Non sempre hanno ragione, ma sono già abbastanza efficaci da rendere sempre più sottile il confine tra usare uno strumento e delegargli il compito. Inoltre, migliorano di mese in mese, possono operare ventiquattr’ore su ventiquattro e sette giorni su sette, e il costo per utilizzarli tende progressivamente a diminuire.

La domanda me l’ha posta una studentessa durante un’attività formativa in un liceo scientifico. Avevo chiesto alla classe di analizzare alcuni contenuti pubblicati sui social network, individuando gli argomenti ricorrenti e costruendo un’interpretazione. Lei ha fotografato la consegna, l’ha affidata all’intelligenza artificiale e poco dopo mi ha mostrato la risposta. Quando le ho spiegato che lo scopo non era semplicemente ottenere un risultato, ma imparare a osservare i dati, confrontarli e formulare un giudizio, mi ha chiesto: “Se lo fa la macchina, perché devo farlo io?”.

* professore associato di Ingegneria informatica presso l’Università della Calabria