Chiediamo qualcosa a ChatGPT: una spiegazione, una traduzione, una bozza, un’immagine. Scrivi poche parole, aspetti qualche secondo e arriva la risposta. Tutto sembra leggero, immediato, quasi immateriale.
È questa la grande illusione dell’intelligenza artificiale: appare senza peso. La chiamiamo “cloud”, nuvola, come se i nostri dati, le nostre domande e le nostre conversazioni galleggiassero da qualche parte sopra di noi, in uno spazio pulito e astratto. Ma il cloud non è una nuvola. È fatto di edifici, server, cavi sottomarini che attraversano gli oceani, di chip prodotti dentro filiere geopolitiche complicate, di minerali estratti in luoghi lontani e di tantissimo lavoro umano.
L’infrastruttura materiale e socio-tecnica
Vive nei data center che divorano elettricità e richiedono acqua per essere raffreddati, e nelle mani di chi assembla dispositivi, modera contenuti, etichetta immagini, pulisce dataset. Quando una risposta appare sullo schermo, sembra arrivare da una mente autonoma. In realtà arriva da un’infrastruttura planetaria fatta di cose e di persone.
Questa è la prima cosa da capire. L’intelligenza artificiale non è soltanto software. È un sistema socio-tecnico: non puoi separare il codice dai lavoratori, i modelli dai dati, i server dall’energia, l’automazione dal potere.
Bruno Latour e la teoria dell’attore-rete ci aiutano a vederlo chiaramente. Le tecnologie non sono strumenti neutrali. Entrano nelle relazioni, le modificano, distribuiscono possibilità e vincoli. Anche l’AI vive dentro una rete di umani e non-umani: utenti, aziende, cavi, norme, dataset, interfacce. Un algoritmo non cade dal cielo. Viene costruito, addestrato, finanziato, venduto e integrato. Ogni passaggio lascia tracce sociali.
Kate Crawford e Vladan Joler, nella loro “Anatomia di un sistema di intelligenza artificiale”, hanno mostrato come anche un oggetto apparentemente semplice come Amazon Echo con Alexa nasconda una catena globale enorme: minerali, lavoro industriale, logistica, dati, energia. Dietro una voce sintetica c’è un intero mondo materiale.
Il mito della “nuvola” e l’impronta ecologica
Ricordo ancora un corso di formazione sui media, un paio d’anni fa. Un corsista, con gli occhi che brillavano, mi disse: «È tutto sul cloud, è magico!». Quella parola – cloud – mi diede fastidio per la prima volta in modo chiaro. Non era colpa sua, era il riflesso di come ci hanno insegnato a pensare alla tecnologia: come qualcosa di etereo, sospeso, innocente. Da quel momento ho iniziato a vedere ovunque la stessa cortina fumogena. Questa materialità viene spesso nascosta dal linguaggio dell’innovazione. Parliamo di “modello”, “cloud”, “automazione”, “intelligenza”, “assistente”. Parole lisce che fanno sembrare tutto neutro e inevitabile. La sociologia serve proprio a questo: togliere la tecnologia dalla nebbia delle metafore e riportarla nel mondo concreto.
Quando diciamo che l’AI vive sulla terra, ricordiamo che dipende da risorse finite: capacità di calcolo, chip specializzati, enormi quantità di dati, elettricità, acqua, reti globali. Anche il chatbot più elegante ha un’impronta industriale pesante.
Questa impronta si vede persino nei gesti piccoli. Aggiungere “per favore” o “grazie” a un prompt sembra una cosa da niente. Ma moltiplicato per milioni di interazioni, quel surplus di parole diventa consumo di calcolo, energia e raffreddamento. La cortesia, su scala planetaria, ha un costo materiale. Il problema è che nessuna di queste immagini invita alla domanda giusta: quanta energia consumi una nuvola, chi lavori perché una mente sembri autonoma, chi controlli ciò che sembra inevitabile.
Il lavoro invisibile e il feticismo della macchina
Il primo gesto critico è guardare sotto l’interfaccia. Sotto la finestra di dialogo ci sono modelli addestrati su enormi quantità di testi, immagini e comportamenti, aziende che decidono regole, prezzi e accessi, fornitori di cloud, ricercatori, moderatori di contenuti, lavoratori che hanno etichettato dati e corretto output — e ci sono miniere: cobalto in Congo, litio nei salar della Bolivia.
L’automazione è spesso il risultato di molto lavoro invisibile. Questo è uno dei paradossi più forti dell’AI di oggi: più una tecnologia sembra automatica, più cancella le persone che la rendono possibile. Il lavoro non scompare. Cambia posto. Si sposta nelle piattaforme, nei subappalti, nei paesi a basso salario, nei micro-task ripetuti, nella moderazione psicologicamente pesante: l’AI appare intelligente perché tante persone hanno lavorato perché lo sembrasse.
Questa non è solo una denuncia morale, ma un modo preciso di guardare i fatti: l’intelligenza artificiale riorganizza il rapporto tra visibile e invisibile, mostrando la risposta e nascondendo tutto ciò che c’è dietro. È una forma aggiornata di quello che Marx chiamava feticismo della merce: vediamo l’oggetto finito e dimentichiamo le relazioni sociali che lo hanno prodotto.
Estrazione dei dati e asimmetrie di potere
Ma l’AI non è solo estrazione di lavoro e minerali. È anche estrazione di dati. Ogni giorno trasformiamo pezzi sempre più grandi della nostra vita in tracce digitali: testi, immagini, ricerche, preferenze, clic, like. Questi dati diventano materia prima per modelli predittivi, pubblicità, raccomandazioni e sistemi di sorveglianza. La vita quotidiana diventa addestramento.
I dati non sono cose naturali. Sono prodotti da sistemi che decidono cosa misurare, come misurarlo e come trasformarlo in valore. Chi possiede grandi quantità di dati acquisisce potere: anticipa comportamenti, classifica persone, orienta scelte, costruisce dipendenze.
Per questo l’AI è anche una questione di potere. Non tutti ci stanno dentro allo stesso modo. Alcuni producono dati quasi senza accorgersene. Altri li raccolgono, li organizzano e ne traggono profitto. Alcuni territori forniscono minerali, lavoro ed energia. Altri concentrano profitti, brevetti e capacità decisionale.
L’AI è globale, ma non è uguale per tutti. C’è chi la usa come servizio, chi la subisce come controllo, chi la alimenta con lavoro invisibile e chi ne incassa il valore. Questa asimmetria è fondamentale. Un sistema addestrato su dati storici può ereditare pregiudizi. Una piattaforma può intensificare il controllo sul lavoro. Un algoritmo di welfare può rendere più difficile contestare un errore. Non perché il codice sia malvagio in sé, ma perché opera dentro rapporti sociali già diseguali.
Oltre la tecnica: una scelta politica
Da qui parte tutta la rubrica. L’intelligenza artificiale non è esterna alla società. È una forma della società: ne porta dentro conflitti, ambizioni, gerarchie e possibilità. Per questo non basta chiedersi se l’AI sia intelligente. Bisogna chiedere: intelligente per chi? Governata da chi? Utile a quale idea di società?
La meraviglia tecnica è reale. Un sistema che genera testi, immagini, codice e traduzioni produce autentico stupore. Può aiutare a studiare, scrivere, ricercare, assistere persone. Ma lo stupore non deve diventare cecità. Ogni tecnologia potente porta una promessa e una riorganizzazione. La sociologia guarda soprattutto alla seconda: non solo a ciò che l’AI promette, ma a ciò che trasforma concretamente nelle nostre vite – nel lavoro, nello studio, nella comunicazione, nel welfare, nella scuola, nella polizia, nella geopolitica.
La domanda “che cos’è l’AI?” è troppo piccola se resta tecnica. Quella più utile è: che tipo di società produce e viene prodotta dall’AI?
La risposta non è già scritta. Può diventare strumento di conoscenza, cura, creatività e accessibilità. Ma può anche diventare infrastruttura di controllo, estrazione e sorveglianza. La differenza non sta solo nella tecnologia. Sta nelle regole, nei modelli economici, nelle istituzioni e nella capacità collettiva di vedere ciò che l’interfaccia nasconde.
Ecco perché bisogna partire dalla terra. Finché la pensiamo come nuvola, la immaginiamo leggera e inevitabile. Riportata sulla terra, invece, possiamo discuterla davvero: chi lavora, chi paga, chi decide, chi guadagna, chi rischia, chi può opporsi. Una tecnologia riportata sulla terra smette di essere destino. Diventa materia di scelta politica.
Questa rubrica nasce da qui. Non per spiegare l’AI come farebbe un manuale, ma per guardarla come fatto sociale. Nei prossimi articoli entreremo dentro la macchina e vedremo i fantasmi che la abitano: i lavoratori invisibili, i moderatori, gli annotatori, tutte quelle persone che rendono possibile l’automazione restando fuori dalla scena. Perché il primo segreto dell’intelligenza artificiale è proprio questo: dietro molte macchine che sembrano pensare, ci sono ancora esseri umani che lavorano.
Bibliografia
- Casilli, A. A. (2019). En attendant les robots: Enquête sur le travail du clic. Éditions du Seuil. (Trad. it.: Schiavi del clic: Perché i robot hanno ancora bisogno di noi. Feltrinelli, 2020).
- Crawford, K. (2021). Atlas of AI: Power, politics, and the planetary costs of artificial intelligence. Yale University Press.
- Crawford, K., & Joler, V. (2018). Anatomy of an AI system: The Amazon Echo as an anatomical map of human labor, data and planetary resources. AI Now Institute & SHARE Lab. https://anatomyofai.com
- Latour, B. (2005). Reassembling the social: An introduction to actor-network-theory. Oxford University Press.
- Marx, K. (1964). Il capitale: Critica dell’economia politica (Vol. 1). Editori Riuniti. (Opera originale pubblicata nel 1867).
- Pasquale, F. (2015). The black box society: The secret algorithms that control money and information. Harvard University Press.
- van Dijck, J. (2013). The culture of connectivity: A critical history of social media. Oxford University Press.
- Università degli Studi di Torino. (n.d.). Rapporto sull’intelligenza artificiale. IRIS AperTO.
