L’algoritmo AI che cambierà il mondo? L’AI tra tecno-ibridazione di lavoro-capacità,
competenze condivise, funzioni predittive e regolatorie e di Agency. Note di policy
tra tecnica, contaminazione di saperi ed algoretica
McGraw Hill Education 2026, pagg, 530, € 37,00
L’intelligenza artificiale è entrata nel dibattito pubblico (e nelle pratiche quotidiane) con un’accelerazione che non si era mai riscontrata in altre tecnologie visto il raggiungimento dei 100 milioni di utenti che si è realizzata in meno di 1 anno e per i social ci erano voluti 5 anni e per i PC 8, mentre per il motore a scoppio 40 anni e per il libro a stampa 400 anni. In meno di tre anni, si è trasformata in un’infrastruttura cognitiva pervasiva, capace di incidere simultaneamente su produzione, lavoro, organizzazione delle imprese e relazioni sociali entrando nell’uso comune di centinaia di milioni di persone. Un processo certo facilitato dal search precedente, ma lento e faticoso dato che portava ad elenchi di siti da aprire, indagare e rielaborare avendone certificato selettivamente la fonte. Questo libro denso di Luciano Pilotti ne indaga i processi emergenti e la trasversalità diffusiva, con una spinta “bottom up” che non ha eguali nella storia delle innovazioni umane e di quelle tecnologiche in particolare visto che la diffusione tra i “produttori”(imprese) e i “consumatori” è differenziata e a favore dei secondi con un 35% contro il 25% mediamente. Ma perché le aziende necessitano di una “orchestrazione” (integrazionista) e dunque impiegano più tempo nell’adozione e che il singolo user non ha.
Traiettoria che ne evidenzia la natura linguistica e cognitiva al di là dei suoi misteri di black box che connotano l’architettura dell’algoritmo e che possiamo sintetizzare in quattro key words: chatbot (crasi per definirel’automa e le sue funzioni – intese come “chiacchiera con il robot”), prompt (l’interrogazione), rete neurale (il motore di elaborazione statistico-comparativo per catene di words assimilabili con logiche di “attenzione” via transformer) e addestramento (la funzione “digestiva” dei dati che nella robotic AI diventano teleoperazioni per i modelli VLA-visione/linguaggio/azione). Una “macchina” che non agisce più su leve, muscoli o movimenti né sulle chimiche dei materiali, ma sulle decisioni e dunque che possiamo ermeticamente definire “cognitiva”. Non solo agisce su scrittura e lettura, sostituiti da voice control ma su attenzione, intenzione e decisione. Un cambio paradigmatico da indagare e che il libro di Pilotti prova a fare con attenzione e uno sguardo trasversale alle applicazioni intersettoriali (dalla medicina alla manifattura, dalla logistica alla guerra, dall’arte e all’informatica) per potere comprendere più a fondo gli impatti di breve e lungo termine.
Qui risiede allora il primo grande nodo che è nella logica architetturale di questa innovazione tecno-linguistica e di fatto antropologica dato che incide sul noto “cogito ergo sum” sottoponendolo a una mutazione: il salto da una logica simbolica (lineare e sequenziale) ad una semantica (non lineare e non sequenziale ma di attenzione). Seppure , potremmo dire, una semantica simulata che mostra di avvicinare l’intelligenza naturale senza alcuna assimilazione, accoppiandovisi per parallelismi e con una memoria “trans-locale”, ossia a-contestuale. Per la semplice ragione che l’AI/automa manca di un corpo sensibile e dunque manca di “veicoli” dell’esperienza, ossia non può avere alcuna consapevolezza, nessuna coscienza, alcun contatto con la realtà dei fatti, dunque non potendone avere alcun giudizio (di bene o male, di bello o brutto, di giusto o sbagliato), ma funziona ed è utile purché guidata e canalizzata nelle sue applicazioni e impieghi, privati o del singolo individuo oppure pubblici e collettivi e/o organizzativi in imprese e istituzioni velocizzando, efficientando, replicando in tempi impossibili per l’umano. Facendo bene e velocissimamente ciò che l’uomo non può fare (come replicare, comparare, integrare enormi volumi di dati), ma non sapendo fare bene ciò che l’uomo fa velocemente e intuitivamente come contestualizzare e/o scegliere in ranking di opzioni ordinate per giustizia e senso, per significato, per solidarietà, per bontà ed estetica, per dolore e sofferenza, oppure per amicizia, affetto o amore. L’automa AI stenta a trattare il mondo dei sentimenti connessi all’esperienza sensibile e dei fatti, della corporeità.
Il secondo grande nodo che l’AI pone riguarda allora suoi effetti su organizzazione e occupazione. La storia economica mostra che l’innovazione tecnologica non elimina in senso stretto il lavoro, ma lo sostituisce in un processo trasformazionale nella sua natura, nel contenuto e nell’organizzazione. Ciò che distingue l’AI dalle rivoluzioni del passato è la sua capacità di incidere non solo sul lavoro manuale o routinario, ma anche su ampie porzioni del lavoro cognitivo, amministrativo e professionale. Non ci troviamo di fronte a una semplice sostituzione di mansioni, bensì a una riorganizzazione profonda delle catene del valore e delle competenze richieste.
Gli effetti sull’occupazione non dipenderanno quindi tanto dalla tecnologia in sé quanto molto di più dalle scelte organizzative e istituzionali che ne accompagneranno la diffusione e dalla convergenza tra orchestrazione organizzativa e di competenza e capacitazione del lavoro accrescendo le remunerazioni e incentivando l’auto-organizzazione, ossia la responsabilità. L’AI, infatti, può essere impiegata per ridurre la domanda di lavoro e comprimere i salari, oppure per aumentare la produttività del lavoro esistente e generare nuove funzioni ibride come architetti del lavoro e tutor di competenza. Favorendo la scelta più adatta del mix dinamico ( e quotidiano) tra le quattro attività da svolgere con l’AI al crescere del coinvolgimento umano e del potenziale relazionale: chiedere, esplorare, delegare e collaborare. Senza politiche attive efficaci, formazione continua e una contrattazione capace di intercettare il cambiamento, il rischio è quello di una polarizzazione ancora più accentuata tra nicchie di lavoratori altamente qualificati (che stanno nel quadrante in alto a destra) e una vasta area di lavoro povero (che può isolarsi nel quadrante in basso a sinistra), e che può ulteriormente frammentarsi e precarizzarsi e che magari riscopriamo anche nelle forme diffuse e differenziate di gig economy con basse garanzie e diritti. Processi che ci introducono all’emergente tema “agentico” con squadre di agenti da accoppiare alle persone non per sostituirle e non tanto per accrescere velocità e produttività ma per far crescere le qualità del lavoro come un eco-sistema di abilitazione di competenze e virtù insieme. Se con un miliardo di agenti entro il 2029 secondo alcune stime lo vedremo presto. Ossia dipenderà dalla mobilitazione della capacitazione delle persone, dei loro potenziali allargandone le competenze (spesso integrate, condivise, interfunzionali e anche transdisciplinari) governate dalla condivisione di virtù accrescendo la loro soddisfazione in un più equilibrato work life balance e che deve spingere verso “ruoli aperti” e che cambierà anche le forme di remunerazione. Favorendo in questo modo la riduzione dei processi di burnout o stress lavorativi sempre più diffusi. Dunque, l’AI avrà successo se spingerà le imprese alla governance attiva del cambiamento come chiave competitiva del futuro con piani sistematici di formazione del capitale umano in collaborazione con istituzioni pubbliche e con la scuola.
Il tema dei salari è strettamente connesso a quello dell’occupazione ed è uno degli indicatori principali per valutare se l’AI stia migliorando o peggiorando il benessere sociale. L’esperienza degli ultimi decenni mostra che, in contesti caratterizzati da debole potere contrattuale del lavoro e da mercati concentrati, la produttività può crescere senza che i salari seguano la stessa traiettoria. Una tendenza che l’AI rischia di amplificare soprattutto nei Paesi in cui la contrattazione collettiva è fragile e la rappresentanza del lavoro frammentata. E’ il rischio che si corre in Italia con la proliferazione di contratti non rappresentativi e giustamente “respinti” sia dai sindacati dei lavoratori e sia dalle associazioni imprenditoriali più diffuse.
Accanto a occupazione e salari, l’intelligenza artificiale solleva interrogativi più ampi sulla struttura della società. L’uso di algoritmi nei processi di selezione, valutazione e allocazione delle risorse, la crescente delega a sistemi opachi di scelte che incidono sulla vita delle persone pongono problemi di responsabilità, trasparenza e democrazia oltre che di compatibilità organizzativa. Non si tratta solo di evitare bias o discriminazioni, ma di preservare spazi di deliberazione umana in contesti sempre più guidati da modelli statistici, apparentemente neutrali. Modelli di recruiting che sembrano discriminare per esempio l’accesso dei/delle giovani entry level in contesti ad alta replicazione e routinarie.
Un elemento centrale, che questo volume contribuisce a mettere a fuoco, è la forte concentrazione del mercato dell’intelligenza artificiale. Pochissime grandi imprese, prevalentemente statunitensi (con poche altre cinesi), controllano le infrastrutture critiche: potenza di calcolo, dati, modelli fondamentali, piattaforme cloud. Ora alla rincorsa di fonti energetiche utili a sostenere l’enorme consumo energetico che questa intelligenza computazionale impone. Una concentrazione che non è un esito accidentale, ma il risultato di economie di scala, effetti di rete e barriere all’ingresso che tendono a rafforzarsi nel tempo, cumulativamente con un duplice rischio: da un lato, una dipendenza tecnologica strutturale; dall’altro, un modello di innovazione che privilegia rendite e controllo più che diffusione e uso produttivo e contendibilità. Qui assistiamo alla “convergenza” paradossale tra USA e Cina per governare quel processo di concentrazione in entrambi i casi con la compenetrazione tra potere politico e business svuotando la democrazia nel caso USA. Mentre nel caso Cina vediamo Xi JingPing abbandonare il linguaggio dell’innovazione “guidata dal mercato” a favore di una “leadership unificata” guidata dal Partito Comunista per definire le priorità tecnologiche. Di fatto ciò che fanno i Thiel , Musk e Andriessen condizionando i poteri del Presidente per una sorta di “statalizzazione del potere tecnologico” (difesa, satelliti, droni, energia, commerci) in conflitto sia con lo Stato di Diritto e la Democrazia che con le regole di mercato e della contendibilità come le conosciamo e che ci ha consegnato il Secolo Breve. Il controllo sull’AI vede allora la convergenza tra USA e Cina con strumenti dissimili ma con gli stessi obiettivi di controllo politico.
Qui, allora evidente il ruolo dell’Europa, e in particolare per potenze medie (nel linguaggio di Mark Carey, Presidente del Canada). Paesi caratterizzati da un tessuto produttivo di piccole e medie imprese come l’Italia, la sfida è particolarmente delicata. Una via possibile per il nostro continente è quella di puntare su un’intelligenza artificiale affidabile, integrata nei processi produttivi, complementare al lavoro umano e coerente con un modello sociale che non separi efficienza e inclusione, sostenibilità e responsabilità. Senza una strategia industriale e del lavoro, l’AI può restare confinata in poche grandi imprese, con la conseguenza che il resto dell’economia la subisca, anziché utilizzarla per una crescita che si faccia sviluppo. Ma per questo servono Riforme che riducano le diseguaglianze e accrescano la coesione sociale.
Il volume offre strumenti concettuali preziosi per evitare le derive che si affacciano sulla frontiera tecno-sociale, antropologica e politica dell’AI. Da cui emerge con chiarezza che l’intelligenza artificiale è un campo di scelte – tecnologiche certamente -, ma soprattutto economiche, sociali, organizzative e politiche e geo-strategiche. Su questo terreno si misurerà la capacità delle nostre società di trasformare l’innovazione in progresso condiviso e inclusivo.
Il testo è suddiviso in sette capitoli.
Il primo capitolo sviluppa il significato di LLM – Large Language Model – e la sua natura linguistica che sono alla base dell’AI e delle reti neurali che connettono per logiche associative input e output sulla base di specifici prompt. Vengono evidenziate le differenze tra linguaggi macchina e linguaggio naturale e i limiti semantici nelle probabilità associative ricorrenti.
Il secondo capitolo descrive e analizza gli scenari tecnologici emergenti e i loro impatti economici, tecnico-organizzativi e sociali, con una focalizzazione sull’AI, a partire dagli effetti su investimenti, modelli di business e processi decisionali nell’evoluzione della loro automazione cognitiva e con i maggiori impatti sui modelli organizzativi delle imprese.
Il terzo capitolo prende in esame i concetti di organizzazione dinamica nelle compatibilità con vari modelli di AI e di reasoning model, guardando agli impatti interfunzionali (e trans-disciplinari) verso una Artificial Super Intelligence (ASI) e versioni successive con l’accesso a oltre 150 miliardi di parametri dopo che nel 2018 eravamo partiti con solo 120 milioni di parametri.
Il quarto capitolo sviluppa i nuovi concetti di lavoro nella trasformazione digitale, tra emergente capacitazione, esperienza, culture e formazione. Introduce il concetto di poiesi e la sua utilità esplorativa. Rilegge i modelli standard connessi alla forma delle funzioni Cobb-Douglas e gli impatti agentici in termini occupazionali.
Il quinto capitolo si occupa dei processi diffusivi e di penetrazione dell’AI in settori di servizio e manifatturieri, dalla salute alla produzione, alla life science. In particolare, nei processi e nei contesti di cura, e dunque tanto nella realtà ospedaliera quanto all’interno delle Terapie Intensive, l’AI sta trasformando la pratica clinica introducendo innovazioni che migliorano l’efficienza del lavoro e la cura dei pazienti. Vengono, inoltre, affrontati in modo trasversale settori “ibridi” (logistica, industria della guerra, informatica, turismo e arti creative-digitali). Dalla divergenza e/o convergenza di queste molteplici esperienze applicative sarà possibile capire meglio la natura profonda dell’AI e il suo impatto sui fattori di trasferibilità e contaminazione intersettoriale nell’adozione di strumenti e modelli applicativi e nel contributo alla creazione di valore. Per poi valutarne l’influenza su produttività fisica e cognitiva, innovazione (aperta e sociale), lavoro capacitato e crescita di una prosperità diffusa e se tutto questo ci potrà condurre verso uno sviluppo condiviso oltre i rischi formulati da Yoshua Bengio per il “dilemma dell’evidenza” (“le capacità dei sistemi crescono rapidamente, mentre le prove di efficacia delle misure di mitigazione emergono lentamente”) che si insinuano nelle capacità frastagliate dell’AI tra genialità e fragilità e dunque per i tassi di fallimento, soprattutto in condizioni critiche e dove sembra crescere l’autonomia di questi sistemi rispetto al nostra capacità di controllo, seppure non in modo ancora evidente.
Il sesto capitolo analizza i concetti di cultura d’impresa in relazione ai temi e le caratteristiche dell’AI, rapportandoli alla natura della coscienza e della consapevolezza rilette attraverso l’algoretica. Che viene definita come un insieme di regole condivise in grado di aiutare a canalizzare lo sviluppo e la diffusione dell’AI e la sua adozione nei diversi contesti, con un percorso che sollecita la costruzione di un capitalismo più umano, democratico e responsabile per consolidare la sua sostenibilità ed espandere gli spazi della libertà tra pluralismo, competitività e creatività compatibili con la società aperta e con modelli di welfare occidentali ed europei in particolare.
Il settimo capitolo presenta alcune prime conclusioni politiche e geopolitiche sul ruolo dell’Europa nella regolazione dell’AI, esplorando il significato di sovranità digitale e di ciò che intendiamo per digital commons per comprendere a fondo le risposte possibili ai dilemmi della crescita nella società della conoscenza e ai conflitti tra utenti e autore-editore da una parte e provider di servizi-piattaforma dall’altra. In altre parole, come risolvere il dilemma tra crescita (debole), produttività cognitiva (espansa), profitti (calanti), investimenti AI (gonfiati) e occupazione (scarsa)?
Il testo si conclude con la presentazione di quattro scenari – dal più pessimistico al più ottimistico – che abbiamo di fronte e nei quali provare a districare almeno alcuni dei tanti dilemmi in cui siamo immersi con la diffusione dell’AI.
Novità su Google, per aggiungere Key4Biz tra le tue fonti preferite, clicca qui
Leggi le altre notizie sull’home page di Key4biz
https://www.key4biz.it/lalgoritmo-ai-che-cambiera-il-mondo-la-recensione-del-libro-di-luciano-pilotti/572228/
