Nel Settecento, nelle corti europee, circolava una macchina prodigiosa: il Turco Meccanico. Un automa con turbante e abiti orientaleggianti, seduto davanti a una scacchiera, capace di sfidare nobili e intellettuali a scacchi. Il pubblico restava incantato. Una macchina che ragionava, prevedeva mosse, batteva gli esseri umani nel loro stesso gioco dell’intelligenza.
Ma era un’illusione. Dentro il mobile, nascosto tra ingranaggi e sportelli, c’era un giocatore in carne e ossa che muoveva i pezzi. La macchina non pensava: nascondeva il pensiero umano.
Questa metafora resta una delle più potenti per capire l’intelligenza artificiale di oggi. Non perché l’AI sia una semplice truffa – sarebbe una lettura riduttiva. I sistemi attuali producono risultati reali, riconoscono immagini, generano testi, traducono, classificano e prevedono. Ma il modo in cui vengono presentati riprende la stessa magia sociale del vecchio automa: ciò che appare come intelligenza autonoma nasconde una lunga catena di lavoro umano, dati, classificazioni, correzioni e decisioni organizzative.
La macchina sembra pensare da sola perché tutto ciò che la rende possibile è stato reso invisibile.
Il mito dell’automazione totale
Nel precedente articolo abbiamo visto i fantasmi della macchina: annotatori, moderatori, data labeler e lavoratori del microlavoro globale. Qui facciamo un passo ulteriore. Il problema non è solo l’esistenza di quel lavoro nascosto, ma il fatto che l’industria dell’AI abbia spesso bisogno di nasconderlo per vendere l’immagine dell’automazione totale.
Il mito è chiaro: meno esseri umani, più efficienza; meno errore, più oggettività.
Il Turco Meccanico 2.0 ci insegna il contrario: più che eliminare l’essere umano, l’automazione tende a spostarlo dietro le quinte.
Amazon Mechanical Turk e il microlavoro digitale
Basta guardare piattaforme come Amazon Mechanical Turk, il cui stesso nome richiama esplicitamente l’automa settecentesco. Qui persone sparse nel mondo svolgono micro-compiti che i computer ancora non gestiscono bene: riconoscere immagini, controllare risultati, trascrivere testi, valutare risposte e correggere classificazioni.
L’utente vede un servizio digitale scalabile. L’azienda parla di automazione. Ma dietro ci sono lavoratori pagati a cottimo, pochi centesimi per compito, in un sistema che scompone il lavoro in frammenti minuscoli.
Questa scomposizione estrema prende il nome di taskification: non si compra più una prestazione professionale completa, ma una sequenza di micro-operazioni isolate, misurabili e facilmente sostituibili. Ogni compito sembra irrilevante, eppure, sommati, questi frammenti addestrano sistemi, puliscono dati e migliorano modelli.
Chi decide davvero? Algoritmi e organizzazioni socio-tecniche
Il Turco Meccanico 2.0 non ha più un solo uomo nascosto dentro un mobile. Ha migliaia di persone distribuite in una catena globale, spesso senza vedere il prodotto finale, senza conoscere il cliente ultimo e senza poter negoziare il valore complessivo del proprio contributo. È lavoro cognitivo trattato come lavoro povero.
Questo meccanismo genera anche confusione morale. Quando un sistema discrimina, censura male o produce contenuti tossici, tendiamo a dire: “l’algoritmo ha deciso” oppure “il modello ha risposto”. Ma dietro ci sono scelte umane: quali dati raccogliere, quali categorie usare, quali errori tollerare, quali lavoratori impiegare e quali obiettivi ottimizzare.
Perché la sociologia è fondamentale per capire l’AI
Ricordo ancora quando, preparando un corso, mi sono ritrovato davanti alle immagini storiche del Turco Meccanico e ho avuto un sussulto di riconoscimento: la stessa dinamica che vedevo all’opera ogni volta che un corsista mi mostrava con meraviglia un output di ChatGPT. La fascinazione era identica, così come l’illusione di autonomia. Da quel momento ho iniziato a usare sistematicamente questa metafora in aula.
La sociologia è indispensabile proprio qui. Non si accontenta della superficie tecnica né dell’output. Guarda le condizioni di produzione: chi ha costruito il sistema, con quali dati, con quale lavoro e dentro quali disuguaglianze. Dove il marketing vede “intelligenza”, la sociologia vede rapporti sociali. Dove l’interfaccia mostra semplicità, cerca la filiera.
Dataset, lingue e disuguaglianze: il potere nascosto dei dati
E questa filiera non è neutrale. Se un modello funziona meglio in certe lingue, dipende anche dalla disponibilità di testi, dalla centralità geopolitica di alcune culture e dalle priorità di mercato delle aziende. Se un sistema di moderazione riconosce certi contenuti meglio di altri, dipende da chi ha definito le categorie e da chi le ha applicate. L’apparente intelligenza della macchina porta sempre le tracce del mondo che l’ha prodotta.
Il linguaggio dell’intelligenza artificiale rende invisibile il lavoro
Il Turco Meccanico 2.0 non nasconde soltanto il lavoro umano. Nasconde i rapporti di potere che decidono quale lavoro conta e quale resta invisibile. Il linguaggio stesso contribuisce a questo occultamento: parliamo di “modelli che imparano”, “sistemi che capiscono” e “macchine che vedono”. Espressioni comode che attribuiscono alla tecnologia qualità quasi umane e rendono meno visibili le persone e le istituzioni che la costruiscono.
Naturalmente non si tratta di negare i progressi tecnici. Le macchine attuali non sono semplici marionette: combinano dati in modi complessi e generano risultati spesso imprevedibili. Ma questa complessità non le rende indipendenti dalla società. Più i sistemi sono grandi, più dipendono da infrastrutture sociali vaste: energia, materiali, dataset, annotatori, moderatori, aziende, Stati e utenti che alimentano continuamente il sistema.
La falsa autonomia dell’AI come modello di business
L’autonomia della macchina è una relazione sociale mascherata. E questa maschera è utile economicamente: rende il lavoro più economico, i lavoratori più frammentati, gli investitori più entusiasti della scalabilità e gli utenti più disposti ad accettare decisioni opache. La magia non è solo estetica. È un modello di business.
Il vecchio Turco stupiva il pubblico nelle corti europee. Quello nuovo deve stupire mercati, utenti, amministrazioni e imprese. Deve far credere che la macchina sia più autonoma, più oggettiva e più inevitabile di quanto sia realmente. Perché più appare autonoma, meno siamo portati a interrogarla criticamente.
Aprire la macchina: trasparenza e diritti del lavoro digitale
Interrogarla significa guardarla per intero: chiedere trasparenza sulle filiere del lavoro, riconoscere i diritti di chi addestra e corregge i sistemi e non confondere automazione con assenza di lavoro. Significa anche cambiare il nostro sguardo quotidiano. Quando un chatbot risponde in modo brillante, quando un’app riconosce un volto o quando un social rimuove un contenuto, ricordiamo la filiera che c’è dietro.
Il Turco Meccanico del Settecento fu smascherato aprendo il mobile. Quello di oggi è più difficile da aprire, perché il suo mobile è distribuito nel mondo: piattaforme, server, appalti, dataset, contratti, lavoro domestico, uffici delocalizzati e data center. Ma la direzione resta la stessa: aprire la macchina. Non per distruggerla, ma per vedere chi c’è dentro.
Nel prossimo articolo entreremo in un’altra zona di confine: quella in cui l’AI non sostituisce completamente il lavoro umano, ma lo divide, lo affianca e lo rende irregolare. È la frontiera frastagliata tra automazione e presenza umana.
Bibliografia
- Casilli, A. A. (2020). En attendant les robots: Enquête sur le travail du clic. Éditions du Seuil.
- Crawford, K., & Joler, V. (2018). Anatomy of an AI System. AI Now Institute & Share Lab.
- Gray, M. L., & Suri, S. (2019). Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass. Houghton Mifflin Harcourt.
- Irani, L. (2015). Justice for “Data Janitors”. Public Books.
- Marx, K. (1867/2011). Il Capitale. Critica dell’economia politica (Vol. 1). Editori Riuniti.
- Posada, J. (2022). The Future of Work of Data Labelers. In The Oxford Handbook of Digital Labor. Oxford University Press.
- Università di Torino, IRIS-AperTO. (2024). Rapporto sull’intelligenza artificiale: implicazioni sociali, etiche e del lavoro.
