L’umano fuori campo

La scena più potente dell’intelligenza artificiale non è ciò che vediamo sullo schermo, ma ciò che lo schermo ci impedisce di vedere. Leggiamo la risposta e non la filiera. Vediamo la velocità e non la fatica. Guardiamo la macchina che sembra imparare e dimentichiamo gli uomini che, nell’ombra, le hanno insegnato a sembrare intelligente. Ogni epoca ha il suo fuori campo. Il nostro è umano. Abbiamo imparato a raccontare l’intelligenza artificiale (IA) come se fosse un soggetto. Scrive, traduce, corregge, genera, classifica, prevede, suggerisce. Le attribuiamo verbi umani, intenzioni umane, quasi una presenza umana. Diciamo: “l’IA risponde”, “l’IA crea”, “l’IA decide”, “l’IA impara”. E più le consegniamo il linguaggio dell’azione, più dimentichiamo le persone che rendono possibile quella scena. È il paradosso del nostro tempo tecnologico: l’intelligenza artificiale ha ancora bisogno dell’uomo proprio mentre costruisce il mito della propria autonomia. Ha bisogno di dati prodotti e organizzati da persone, di testi scritti, immagini classificate, errori corretti, risposte valutate, contenuti moderati, criteri scelti. Ha bisogno, in altre parole, di una presenza umana che il racconto dell’automazione preferisce non mostrare. Eppure il racconto pubblico dell’innovazione mostra quasi sempre la macchina. L’uomo resta fuori campo. Non è assente. È fuori campo. L’assente non partecipa. Chi è fuori campo partecipa, ma non viene visto. Tiene insieme la scena senza apparire nella scena. Lavora perché altri possano credere che il lavoro sia scomparso. Stiamo entrando nell’epoca dell’umano fuori campo. È l’annotatore che insegna al sistema a riconoscere il mondo. È il moderatore che vede ciò che altri non devono vedere. È il revisore che corregge la risposta prima che diventi affidabile. È il tecnico che trasforma dati confusi in materiale utilizzabile. È il docente che diventa referente informale per l’IA nella scuola. È l’amministrativo che controlla output generati da strumenti che non ha scelto. È il professionista che deve sorvegliare una macchina presentata come autonoma. Queste figure non sono comparse laterali del progresso. Sono il retroterra umano dell’automazione. Non stanno ai margini dell’innovazione: ne reggono la scena. Eppure la favola dice: la macchina fa. La realtà, invece, dice: molte persone lavorano perché la macchina possa sembrare capace di fare da sola. Ogni tecnologia non rivela soltanto ciò che sappiamo costruire: rivela anche ciò che una società decide di mostrare e ciò che preferisce lasciare nell’ombra. La nostra mostra interfacce pulite, procedure semplici, assistenti digitali educati, risultati immediati. Ma lascia fuori dall’inquadratura la complessità umana che rende possibile quella semplicità. Ogni interfaccia è una scelta di sguardo. Mostra una risposta, ma nasconde una filiera; mostra una funzione, ma nasconde un’organizzazione; espone un’automazione, ma lascia nell’ombra la dipendenza dal lavoro umano che l’ha resa presentabile. Questa rimozione non nasce con l’intelligenza artificiale. Marx ci ha insegnato che il lavoro può nascondersi dentro la merce, fino a rendere opaca la relazione tra valore, produzione e sfruttamento. Simone Weil ha visto nella fatica non riconosciuta una ferita della dignità. Hannah Arendt ha ricordato che l’essere umano non è soltanto produttore, ma presenza, parola, azione, responsabilità nello spazio comune. Oggi quella rimozione cambia forma. Non riguarda soltanto la fabbrica, il magazzino, la catena di montaggio, ma il lavoro cognitivo, linguistico, emotivo, percettivo. Per far sembrare intelligente una risposta, qualcuno deve aver valutato molte risposte sbagliate. Per far sembrare neutro un sistema, qualcuno deve aver scelto categorie, soglie, criteri. Per far sembrare sicura una piattaforma, qualcuno deve aver attraversato ciò che la piattaforma promette di non far vedere agli altri. Per far sembrare semplice un processo, qualcuno deve averne sostenuto la complessità. La macchina appare autonoma anche perché qualcuno lavora perché sembri tale. Kate Crawford ha mostrato che l’IA non è immateriale: è fatta di dati, energia, infrastrutture, risorse, potere e lavoro umano. Mary L. Gray e Siddharth Suri hanno chiamato “ghost work” il lavoro nascosto dietro sistemi che appaiono automatici. Shoshana Zuboff ha descritto un’economia digitale capace di trasformare comportamenti e relazioni in dati da prevedere e monetizzare. Axel Honneth ci ricorda che il riconoscimento non è un lusso morale, ma una condizione della vita sociale. Il punto, allora, è netto: l’IA non è solo tecnica. È una nuova distribuzione del visibile e dell’invisibile. Ciò che resta invisibile diventa più facile da svalutare. Se non vediamo il lavoro umano dietro l’IA, finiamo per considerarlo accessorio. Eppure annotare dati, correggere output, moderare contenuti, controllare distorsioni e formare colleghi sono attività spesso decisive. Senza di esse molti sistemi sarebbero meno affidabili, meno sicuri, meno utilizzabili. Il paradosso è crudele: ciò che rende la macchina credibile viene trattato come periferico. L’invisibilità non è mai neutra. Chi resta fuori campo pesa meno nel giudizio pubblico. Conta meno nelle decisioni. È più facile non pagarlo abbastanza, non formarlo abbastanza, non tutelarlo abbastanza, non ascoltarlo abbastanza. È più facile considerarlo supporto, accessorio, adattamento, disponibilità personale. Eppure il lavoro senza nome non smette di essere lavoro. Questo riguarda le grandi piattaforme globali, ma anche le nostre scuole, le pubbliche amministrazioni, gli ospedali, le università, le aziende e le redazioni. Ogni volta che l’IA entra in un’organizzazione, nascono compiti nuovi: scegliere strumenti, verificarne l’affidabilità, proteggere dati, scrivere linee guida, controllare output, formare colleghi, accompagnare persone. Se questi compiti non vengono nominati, diventano lavoro fuori campo. Il docente competente diventa riferimento informale per l’IA nella scuola. L’amministrativo controlla procedure generate da sistemi che non ha scelto. Il medico integra strumenti predittivi dentro una relazione di cura che resta umana e irriducibile al dato. Il giornalista verifica testi, immagini e fonti generate automaticamente. Il tecnico diventa mediatore tra piattaforme, persone e problemi organizzativi. Così l’innovazione entra nelle istituzioni, ma non sempre produce riconoscimento. Cambiano le responsabilità, ma non i ruoli. Aumentano i compiti, ma non il tempo. Nascono competenze nuove, ma restano senza nome. Cresce la dipendenza dall’umano, ma aumenta anche la tentazione di non raccontarla. L’IA crea lavoro anche quando non crea nuovi titoli professionali. Questa è una delle verità meno raccontate. Il futuro del lavoro non sarà fatto solo di professioni che spariscono e professioni che nascono. Sarà fatto anche di compiti che si depositano silenziosamente su professioni già esistenti, modificandole dall’interno. 
Lavorare fuori campo significa contribuire senza essere visti. Significa sostenere un sistema che appare più intelligente proprio quando riesce a far dimenticare chi lo sostiene. Significa essere necessari al funzionamento e irrilevanti nella narrazione. Significa sentire crescere le responsabilità senza vedere crescere il riconoscimento. È una ferita silenziosa. Non riguarda solo il salario o il contratto. Riguarda l’identità, la percezione di contare, la possibilità di dare un nome e un valore a ciò che si fa. Quando il lavoro diventa invisibile, la persona può sentirsi insieme indispensabile e irrilevante. Il moderatore che assorbe contenuti violenti per proteggere altri utenti può restare esposto e non riconosciuto. L’annotatore che contribuisce alla qualità di un sistema può non essere percepito come lavoratore dell’innovazione. Il docente, il tecnico, il professionista, l’amministrativo che rendono praticabile l’IA dentro le organizzazioni possono apparire semplicemente “più disponibili”, “più competenti”, “più aggiornati”, mentre stanno svolgendo una funzione nuova. Questa è una nuova forma di alienazione digitale: non essere sostituiti dalla macchina, ma diventare invisibili dentro il suo funzionamento. L’alienazione industriale separava il lavoratore dal prodotto, dal processo, dal senso. L’alienazione digitale può fare qualcosa di più sottile: trasformare il lavoratore nella condizione di possibilità di una tecnologia celebrata proprio perché sembra non aver bisogno di lui. Per questo non basta dire che l’IA creerà nuovi lavori. Bisogna chiedersi che dignità avranno. Un lavoro nuovo può essere povero. Può avere un nome moderno e condizioni antiche. Può essere digitale nella forma e arretrato nella tutela. Può essere presentato come opportunità e vissuto come sovraccarico. La novità tecnica non garantisce giustizia sociale. Qui si misura la responsabilità collettiva: non nelle dichiarazioni generiche sull’innovazione responsabile, ma nella capacità di dare nome, forma e tutela ai compiti nuovi, che l’IA deposita dentro le organizzazioni. La responsabilità attraversa l’intero ecosistema: imprese, istituzioni, sindacati, scuole e università. Perché l’IA non introduce soltanto strumenti: ridisegna ruoli, carichi, competenze e forme di riconoscimento. 
Anche l’alfabetizzazione all’IA deve cambiare. Non basta imparare a usare la macchina. Bisogna imparare a interrogare il mondo che la macchina tende a nascondere. Non può ridursi al prompt, alla procedura, alla scorciatoia operativa. Deve diventare educazione dello sguardo: riconoscere ciò che l’interfaccia nasconde, chi paga il costo dell’efficienza, quali lavori vengono spostati fuori campo, quali responsabilità restano senza nome. Una vera cultura dell’IA non guarda solo ciò che la macchina restituisce. Guarda anche ciò che la macchina rimuove. Ogni introduzione dell’IA dovrebbe allora essere accompagnata da domande essenziali. Quali nuovi compiti nasceranno? Chi li svolgerà? Saranno riconosciuti? Saranno formati? Saranno retribuiti? Saranno distribuiti equamente? Saranno tutelati? Oppure verranno assorbiti silenziosamente dentro carichi di lavoro già esistenti? Molti lavori invisibili nascono proprio così: non con una nuova professione, ma con una responsabilità in più che nessuno nomina. Questa è la soglia civile dell’innovazione. Se l’IA crea nuove responsabilità, deve creare anche nuovo riconoscimento. Se sposta compiti, deve spostare anche competenze, tutele, diritti. Se dipende da lavoro umano nascosto, deve smettere di presentarsi come pura automazione. Una tecnologia è davvero matura non quando nasconde meglio l’uomo che la sostiene, ma quando lo riconosce, lo qualifica, lo tutela. Il rischio non è soltanto che l’IA cancelli posti di lavoro. È che crei lavori senza dignità narrativa. Lavori necessari, ma non raccontati. Essenziali, ma non riconosciuti. Tecnologici, ma precari. Cognitivi, ma frammentati. Umani, ma nascosti dietro la promessa dell’automazione. Una società giusta non misura l’innovazione solo da ciò che rende possibile, ma anche da ciò che sceglie di non lasciare fuori campo. Perché nessuna intelligenza artificiale è davvero sola. Dietro ogni automazione che sembra cancellare la fatica, qualcuno la assume. Dietro ogni interfaccia che appare semplice esiste una complessità umana che chiede di essere vista. Dietro ogni macchina che sembra autonoma c’è una presenza umana che rischia di essere dimenticata. La macchina può occupare la scena. La cultura deve allargare l’inquadratura. Perché nessuna tecnologia che vive dell’uomo può diventare grande rendendolo invisibile.

Breve bibliografia essenziale

Hannah Arendt, Vita activa. La condizione umana, Bompiani.
Kate Crawford, Né intelligente né artificiale. Il lato oscuro dell’IA, Il Mulino.
Mary L. Gray, Siddharth Suri, Ghost Work. How to Stop Silicon Valley from Building a New Global Underclass, Eamon Dolan/Houghton Mifflin Harcourt.
Axel Honneth, Lotta per il riconoscimento, Il Saggiatore.
Karl Marx, Manoscritti economico-filosofici del 1844, Einaudi.
Simone Weil, La condizione operaia, SE.
Shoshana Zuboff, Il capitalismo della sorveglianza, Luiss University Press.

PixelPost.it è una testata registrata presso il Tribunale di Roma, n°164 del 15 Dicembre 2023