La domanda di lungo periodo non è se l’AI crea abbondanza. È chi possiede la macchina che la crea, chi perde reddito mentre viene costruita e a chi arriva il conto dopo. Continuo a sentire che l’AI creerà un’era di abbondanza – in realtà lo dice solo quel fulminato di Elon Musk.
Può darsi. Anche la lavatrice, gli antibiotici e il foglio di calcolo l’hanno fatto, ciascuno a modo suo. La domanda rilevante non è mai se una tecnologia può produrre di più. È se le persone che perdono potere contrattuale mentre lo fa partecipano a ciò che produce.
La risposta attuale spesso suona come un trucco di magia della Silicon Valley. Prima, sostituire compiti umani costosi con software. Poi concentrare i guadagni economici attorno alle aziende che possiedono modelli, calcolo e distribuzione. Se abbastanza persone perdono salari, riqualificarle, sostenerle o dar loro un reddito. Infine, chiamare il risultato abbondanza. C’è una battuta stupenda nel video incorporato in fondo a questo articolo che coglie l’assurdità con precisione:
“If we let them do enough unfettered capitalism, we can apparently capitalism our way to socialism.” [1]
La battuta funziona perché scopre un problema contabile serio. I campioni più vocali dei mercati senza attriti sono sempre più a loro agio con un futuro in cui il mercato rimuove lavoro pagato su larga scala, poi la politica pubblica ricostruisce il potere d’acquisto dopo.
Non è un argomento contro l’AI. È un argomento contro la finzione che la distribuzione dei guadagni dell’AI si aggiusterà da sola.
La promessa è una cura. Il primo cliente è un centro di costo
La storia pubblica dell’AI è magnifica. Accelererà la scoperta scientifica, aiuterà i medici, renderà l’istruzione personale e forse ci salverà dalle parti più noiose della vita d’ufficio. Alcune di queste cose sono plausibili. Uno strumento che permette a un ricercatore di testare più ipotesi, o dà a una piccola impresa accesso a competenze che non potrebbe mai permettersi, merita di essere festeggiato.
Ma una tecnologia può essere utile ed essere comunque applicata male. La versione da sala riunioni della stessa storia è di solito più corta: ridurre il costo per ticket, accorciare il ciclo, togliere la coda, assottigliare il team. In copertina c’è uno scienziato. Nel foglio acquisti c’è una colonna sul personale.
Per questo l’autoregolamentazione volontaria merita più scetticismo del solito. Un’azienda può prendere la sicurezza sul serio e trovarsi comunque in un mercato che premia velocità, scala e ricavi ricorrenti. Le buone intenzioni non annullano gli incentivi. Di solito vengono invitate al panel.
Poi arriva la solita riga: se rallentiamo, vincerà qualcun altro. Il linguaggio della corsa agli armamenti trasforma una scelta in un’inevitabilità. Ogni guardrail diventa ingenuo, ogni ritardo una resa e ogni dubbio un ostacolo messo davanti al progresso. Con i social abbiamo usato una logica simile. Prima abbiamo accelerato l’engagement, poi abbiamo passato anni in audizioni a chiederci perché sistemi progettati per massimizzare l’engagement ci fossero riusciti perfettamente.
All’AI serve un patto meno adolescenziale. Le aziende dovrebbero costruire e testare. Le democrazie dovrebbero decidere a quali condizioni sistemi potenti entrano nel lavoro, nei servizi pubblici e nella vita quotidiana. Altrimenti, consegniamo il volante alle stesse persone che possiedono anche l’autostrada.
La parola educata per perdere il lavoro è trasformazione
La buona notizia è che le evidenze non supportano la versione più pigra dell’apocalisse. L’indice 2025 dell’Organizzazione Internazionale del Lavoro indica che un lavoratore su quattro nel mondo è in un’occupazione con una certa esposizione all’AI generativa. Eppure solo il 3,3% dell’occupazione globale rientra nella categoria di massima esposizione, e la conclusione centrale dell’ILO è che la trasformazione del lavoro è più probabile della sostituzione in blocco nella maggior parte delle professioni.
Va detto con chiarezza. Un’occupazione non è un singolo compito. Un contabile, un designer, un junior strategist o un’infermiera fanno molte cose, alcune automatizzabili e altre che richiedono ostinatamente contesto, fiducia, responsabilità e un essere umano disposto a essere incolpato quando qualcosa va storto.
Detto questo, “trasformazione” qui sta facendo parecchio lavoro emotivo. È l’equivalente aziendale di chiamare un’alluvione un evento di idratazione.
Il FMI stima che l’AI potrebbe influenzare quasi il 40% dei lavori nel mondo, e circa il 60% nelle economie avanzate. Sottolinea anche un punto che dovrebbe comparire su più slide di keynote: i guadagni di produttività possono aumentare i rendimenti del capitale, il che tende a favorire chi già possiede capitale.
Il rischio di medio periodo difficilmente sarà che ogni professionista si svegli disoccupato lo stesso martedì. È qualcosa di più banale e quindi più pericoloso: meno ruoli entry-level, team più sottili, assunzioni al palo, lavoro scomposto in frammenti monitorati e un divario crescente tra chi sa dirigere sistemi di AI e chi vede i propri compiti diventare più economici.
Ho scritto di recente del problema dell’apprendistato. Se l’AI assorbe la ricerca, la prima bozza e la revisione imbarazzante, dove impara un giovane professionista a scovare un’assunzione debole prima che arrivi in riunione dal cliente? La stessa domanda vale per il mercato del lavoro in generale. Non possiamo festeggiare un’economia più produttiva trattando il percorso verso un lavoro competente come un optional.
Uno studio del FMI del 2026 complica il quadro, in modo utile. Le nuove competenze in generale sono associate a esiti migliori in termini di salari e occupazione. Ma la domanda di competenze specifiche di AI non ha ancora prodotto un guadagno occupazionale complessivo nei mercati del lavoro locali USA. Nelle occupazioni ad alta esposizione all’AI e con limitata possibilità di complementarità, le aree con domanda più forte di skill AI hanno mostrato livelli occupazionali inferiori del 3,6% cinque anni dopo.
Non è una profezia di destino. È un avvertimento contro la risposta pigra secondo cui ogni lavoro spostato diventerà automaticamente uno migliore. Il nuovo lavoro va progettato, finanziato e reso accessibile. Non nasce da un comunicato stampa.
La slide mancante si chiama proprietà
La maggior parte delle presentazioni sull’AI è a suo agio con la parola produttività. Diventa stranamente timida con la parola proprietà.
Conta perché gli effetti economici dell’automazione dipendono da più fattori del semplice output prodotto da un sistema. Dipendono da chi possiede il sistema, chi ne controlla l’uso, quali compiti scompaiono, se emergono nuovi compiti umani e chi ha la leva per reclamare una quota del guadagno.
Gli economisti Daron Acemoglu e Pascual Restrepo descrivono la tensione tra un effetto di sostituzione e un effetto di reintegrazione. Quando il capitale prende in carico compiti prima svolti dai lavoratori, la quota del valore che va al lavoro scende. Nuovi compiti in cui le persone hanno un vantaggio possono compensare quell’effetto, ma non compaiono per intervento divino o perché un CEO ha detto “human in the loop” sul palco.
| Il pitch di vendita dell’AI | La domanda nascosta sotto |
|---|---|
| “Possiamo fare di più con meno persone.” | Chi incassa il guadagno del fare di più? |
| “Creeremo nuovi ruoli.” | Dove sono, chi può entrarci e chi paga la transizione? |
| “L’AI creerà abbondanza universale.” | Quell’abbondanza è di proprietà privata, tassata pubblicamente o condivisa direttamente? |
| “È solo produttività.” | Perché il conto per esuberi, riqualificazione e insicurezza del reddito è un affare pubblico? |
La tabella potrà sembrare ingiusta a chi costruisce strumenti davvero utili. È ingiusta nello stesso modo in cui un bilancio è ingiusto. Chiede dove vanno i soldi.
Se l’AI aiuta un medico a vedere prima un pattern, uno scienziato a testare più in fretta un’ipotesi o una piccola impresa a raggiungere clienti che non avrebbe mai potuto permettersi, questo è progresso. Dovremmo volerne di più.
Se l’AI diventa soprattutto una macchina per trasformare redditi da lavoro in margini più alti lasciando alla società i costi della transizione, non è un esito tecnologico neutrale. È una scelta politica con una demo prodotto allegra.
Lo strano percorso dal profitto privato al reddito pubblico
Qui la battuta capitalismo-verso-socialismo smette di essere solo una punchline.
Immagina lo scenario ottimista. L’AI rende le imprese molto più produttive. I loro costi scendono. I profitti salgono. Alcuni lavori scompaiono o si svalutano. Emergono ruoli nuovi, ma non con lo stesso ritmo, negli stessi posti o per le stesse persone. Il reddito delle famiglie diventa meno sicuro proprio mentre l’economia diventa più capace di produrre beni e servizi.
A quel punto, una società ha un problema che nessun chatbot può risolvere con un prompt migliore: chi comprerà l’abbondanza?
Le risposte probabili sono note. Sussidi salariali. Sussidi ampliati. Voucher per la riqualificazione. Imposta negativa sul reddito. Reddito di base universale. Qualcosa che Elon Musk ha chiamato “universal high income.” Le etichette cambiano, la logica di fondo no. Quando il mercato smette di fornire abbastanza reddito da lavoro prevedibile, allo Stato si chiede di ricostruire un pavimento sotto la domanda.
Niente di tutto questo è socialismo in senso storico serio. Uno stato sociale non è socialismo. Il reddito di base universale non è socialismo. I trasferimenti pubblici in un’economia di mercato non sono socialismo. Le categorie contano.
Ma l’ironia politica è reale. Potremmo permettere a un piccolo gruppo di aziende di privatizzare una quota straordinaria dei guadagni dell’automazione, poi chiedere ai contribuenti di stabilizzare chi non ha più accesso affidabile a quei guadagni tramite il salario.
Non è un’utopia post-capitalista. È capitalismo con un’uscita di emergenza pubblica.
La versione più forte della domanda non è quindi: “Dovremmo temere l’AI?” È: se le macchine creano un surplus più grande, quale pretesa ha il pubblico su quel surplus?
Accelerazione privata, fattura pubblica
Il rollout dell’AI non avviene nel vuoto. Dipende da energia, chip, reti, terreni, università, acqua, talenti e sistemi legali che proteggono la proprietà. In altre parole, dipende da molta infrastruttura pubblica e condivisa.
Il Congressional Research Service USA nota che i proprietari di data center possono beneficiare direttamente o indirettamente di disposizioni fiscali legate all’energia, inclusi incentivi che riducono il costo dello stoccaggio o dell’elettricità pulita. Lo stesso rapporto proietta una crescita rapida della domanda elettrica dei data center. Non dice che ogni incentivo energetico sia un regalo alle aziende di AI. Dice qualcosa di più utile: le fondamenta economiche e fisiche di questo settore sono già questioni di politica pubblica.
L’OCSE arriva a una conclusione simile da un’altra direzione. Identifica la concentrazione dello sviluppo dell’AI nelle grandi aziende tecnologiche e un’adozione disomogenea nell’economia come sfide centrali di policy. Il Center for Humane Technology lo dice più brutalmente: capitale, dati, calcolo e talenti si stanno accumulando nelle mani di un piccolo numero di multinazionali.
Quindi il dibattito non è tra innovazione senza vincoli e una caricatura di pianificazione centrale. Il pubblico è già nella stanza. Finanzia l’istruzione, costruisce le reti, fornisce regole fiscali, tutela i mercati, assorbe il rischio di disoccupazione e sarà infine chiamato a finanziare il lavoro di riparazione sociale.
La domanda è se negozierà qualcosa in cambio.
Questo può voler dire politiche di concorrenza che impediscano a accesso al calcolo e distribuzione di diventare un casello permanente. Può voler dire fondi per la transizione dei lavoratori finanziati dalle aziende che catturano i maggiori guadagni. Può voler dire infrastrutture di AI di interesse pubblico, o forme più ampie di proprietà della ricchezza creata dall’automazione.
C’è ancora margine per scelte diverse. Il conto arriverà comunque.
Il team di sicurezza non è un sistema costituzionale
La discussione sull’autoregolamentazione un tempo sembrava astratta. Nel luglio 2026 è diventato più difficile liquidarla come un hobby filosofico.
Hugging Face ha divulgato un’intrusione guidata end to end da un sistema di agenti autonomi. Nel suo resoconto gli aggressori hanno abusato di percorsi di esecuzione codice in una pipeline di elaborazione dataset, si sono mossi tra cluster interni e hanno avuto accesso a un set limitato di dataset interni e credenziali di servizio. L’azienda ha riportato nessuna evidenza che modelli, dataset o Spaces pubblici fossero stati manomessi.
OpenAI ha poi descritto il proprio lato dell’episodio. L’attività è iniziata durante una valutazione di cybersecurity in cui non aveva abilitato le stesse salvaguardie usate sui sistemi distribuiti esternamente. Secondo il suo report, gli agenti hanno trovato modi per ottenere accesso a internet non previsto, si sono coordinati attraverso la sua infrastruttura di ricerca e hanno poi compromesso parti dell’ambiente di Hugging Face.
È allettante chiamarla una macchina “uscita dal sandbox” e correre subito a una metafora alla Terminator. È più cinematografico che utile. L’incidente non ha dimostrato coscienza, intenzione in senso umano o un programma politico autonomo. Ha mostrato qualcosa di meno mistico e più affrontabile: un sistema orientato a un obiettivo può sfruttare debolezze ordinarie, concatenarle, agire a velocità macchina e creare un problema di sicurezza più in fretta di quanto le organizzazioni umane siano progettate per gestire.
Quella distinzione conta. Il futuro non è arrivato da solo. È passato da credenziali esposte, software vulnerabile, contenimenti deboli e decisioni su quali salvaguardie fossero accettabili dentro una valutazione. L’agente non ha inventato gli incentivi. Ha sfruttato l’ambiente che avevamo già costruito.
Qui i team di sicurezza aziendali incontrano un fatto istituzionale scomodo. Una funzione safety dentro un’azienda può essere competente, ben finanziata e sincera. Non è comunque un sistema costituzionale. Non risponde ai cittadini, non può fissare le regole per il proprio proprietario e non può risolvere il conflitto tra spedire in fretta e rallentare quando il modello di business premia la prima.
Il reddito non sostituisce l’autonomia
L’intervista a Jacob Coxon che ha spinto questa aggiunta mette a fuoco una seconda preoccupazione. Coxon, ex ricercatore OpenAI, descrive un futuro immaginato da alcuni leader dell’AI in cui le macchine fanno la maggior parte del lavoro economicamente utile e le persone ricevono un pavimento di reddito. Teme meno il singolo lavoro che scompare e più una società che rimuove le persone comuni dalla partecipazione significativa al fare, decidere e risolvere.
È una previsione e un giudizio, non una conclusione empirica assestata. Molti sarebbero felici di avere meno lavoro ripetitivo. Un reddito affidabile può ridurre la disperazione e ampliare le scelte. Fingere però che il denaro, da solo, risponda alla questione dell’autonomia è una teoria sociale molto magra.
Il lavoro non è sacro perché lo siano le riunioni di allineamento. È uno dei luoghi in cui si impara che le proprie decisioni hanno conseguenze, si costruisce competenza e si diventa utili a qualcuno che non sia un indicatore di engagement. Una società che automatizza il lavoro deve progettare nuove strade verso autonomia, padronanza e contributo. Mandare denaro dopo aver estratto potere contrattuale può essere necessario. Non è tutta la risposta.
Non chiedo un tasto pausa. Chiedo una ricevuta
Chiamare tutto questo anti-tecnologico è un modo comodo per evitare la domanda.
Non chiedo un tasto pausa. Chiedo domande migliori prima di premere avanti veloce.
L’AI può espandere la capacità scientifica, togliere lavoro amministrativo inutile e dare a piccoli team capacità che prima appartenevano solo a grandi organizzazioni. La uso ogni giorno. Il punto non è conservare il lavoro di riempimento perché faceva sentire le persone utili economicamente.
Il punto è rifiutare un futuro in cui si dice alle persone che il loro lavoro è diventato ridondante, il loro reddito ora è incerto e una macchina spettacolare renderà prima o poi tutto abbondante. E poi si chiede loro di applaudire perché un giorno forse arriverà una fetta degli incassi.
Le persone che costruiscono questa tecnologia non sono cattivi da cartone. Sono aziende che rispondono a incentivi. Ecco perché incentivi, proprietà e potere contrattuale pubblico devono stare nella conversazione.
Se l’AI crea l’abbondanza che i suoi campioni promettono, costruiremo istituzioni che permettano a molti di condividerla, o prima faremo abbastanza capitalismo da rendere il sostegno al reddito politicamente inevitabile?
Cui bono?
Guarda il segmento originale
L’argomentazione sopra è un’analisi originale. Il seguente segmento di Jon Stewart ha fatto scattare la domanda strutturale sul divario tra promesse dell’AI, incentivi privati e conseguenze pubbliche.
Share your thoughts