GUARDA

ASCOLTA

4. L’AI Come Culmine di Una Traiettoria Secolare

L’intelligenza artificiale non è una rottura improvvisa nella storia tecnologica, ma il culmine logico di una traiettoria che attraversa secoli. Ogni rivoluzione tecnologica precedente – dal lavoro animale alla macchina a vapore, dall’elettricità all’informatica – ha seguito lo stesso schema: moltiplicare la capacità produttiva esternalizzando funzioni umane in dispositivi tecnici. Il bue esternalizza la forza muscolare, il telaio meccanico esternalizza la coordinazione manuale, il computer esternalizza il calcolo. L’AI esternalizza la cognizione stessa: pattern recognition, linguaggio, decisione, creatività.

Ma se le precedenti tecnologie sostituivano compiti specifici, l’AI promette (o minaccia) di sostituire la funzione decisionale, le scelte. Un robot industriale può saldare, ma non può decidere cosa saldare o perché. Un sistema AI può: analizza dati, identifica pattern, formula strategie, genera contenuti, simula conversazioni. Questa generalità la rende qualitativamente diversa – e potenzialmente molto più destabilizzante.

I paragoni storici sono illuminanti ma anche pericolosi. Dopo ogni ondata di automazione, gli ottimisti tecnologici hanno sostenuto: “Sì, alcuni lavori spariranno, ma ne nasceranno di nuovi e migliori”. Questo fu vero per le precedenti rivoluzioni industriali: gli operai tessili manuali furono sostituiti da operatori di macchine tessili; gli operatori di macchine da tecnici informatici; i tecnici informatici da sviluppatori software. Ma l’AI promette di automatizzare anche il lavoro intellettuale di alto livello: avvocati che analizzano contratti, medici che diagnosticano patologie, programmatori che scrivono codice, artisti che creano immagini.

Cosa resta quando anche la creatività e il giudizio professionale diventano automatizzabili?

La Sovraproduzione di Contenuto Generato da AI: L’Inondazione Sintetica

La forma più immediata e visibile di sovraproduzione legata all’AI è quella dei contenuti generati. ChatGPT, lanciato da OpenAI nel novembre 2022, raggiunse 100 milioni di utenti in due mesi – la crescita più rapida di qualsiasi applicazione consumer nella storia. Midjourney, Stable Diffusion, DALL-E inondarono internet di immagini sintetiche. GitHub Copilot generava automaticamente codice. AI come Claude e GPT-4 scrivevano articoli, saggi, report.

Il risultato fu un diluvio. Nel 2023, si stimava che circa il 10-15% dei contenuti pubblicati sul web fossero generati da AI. Nel 2024, questa percentuale era già salita al 20-30% secondo alcune stime. Entro il 2026, potrebbe superare il 50%. Questo non è solo un cambiamento quantitativo, ma qualitativo: la distinzione tra contenuto umano e contenuto sintetico diventa progressivamente impossibile da tracciare.

Le conseguenze sono molteplici. Sul piano culturale, assistiamo a una “genericizzazione” estetica: le immagini generate da AI tendono a convergere verso uno stile medio, levigato, inoffensivo – quello che gli algoritmi hanno appreso come “arte” dai dataset di addestramento. Sul piano informativo, il rischio è il collasso epistemico: quando qualsiasi testo, immagine, video può essere generato sinteticamente con realismo perfetto, come distinguere il vero dal falso? I deepfake politici sono già una realtà; nel 2023, un video deepfake del presidente ucraino Zelensky che invitava alla resa circolò ampiamente prima di essere smentito.

Ma soprattutto, emerge una nuova forma di inquinamento: l’inquinamento sintetico del web. Il modello economico di molte piattaforme incentiva la generazione di contenuto a basso costo per attrarre clic e advertising. L’AI permette di produrre questo contenuto su scala industriale: blog automatici, recensioni false, commenti bot, articoli SEO generati in massa. Il web si trasforma in un’ecologia degradata dove trovare informazione autentica diventa sempre più difficile, e gli algoritmi di ricerca – essi stessi basati su AI – faticano a distinguere qualità da spam.

L’AI Che Fagogita Sé Stessa

C’è un paradosso ricorsivo inquietante. I modelli AI vengono addestrati su dataset raccolti dal web – testi, immagini, codice prodotti da umani. Ma man mano che i contenuti generati da AI saturano il web, i dataset futuri conterranno sempre più materiale sintetico. I modelli AI verranno addestrati su output di altri modelli AI. Questo crea un feedback loop degradante: ogni generazione di modelli viene addestrata su dati progressivamente più contaminati.

Gli informatici chiamano questo problema “model collapse” o “degrado ricorsivo”. Esperimenti preliminari mostrano che modelli addestrati su dati generati da altri modelli tendono a perdere diversità, a convergere verso output sempre più omogenei e meno creativi. È come fare fotocopie di fotocopie: ogni iterazione perde dettaglio, introduce artefatti, sfuma l’originale.

Sul lungo periodo, questo potrebbe significare che l’AI – paradossalmente – distrugge la base informativa su cui si fonda. Il web umano, ricco di peculiarità, errori creativi, espressioni autentiche, viene sommerso da un’uniformità sintetica. Le future AI, addestrate su questo materiale impoverito, produrranno output ancora più generici. È una forma di sovraproduzione che consuma il suo stesso substrato.

Alcuni propongono soluzioni tecniche: watermarking crittografico dei contenuti AI, dataset curati solo di materiale umano verificato, meccanismi di tracciabilità. Ma queste soluzioni sono fragili. Il watermarking può essere aggirato, i dataset “puri” sono costosi da mantenere, la tracciabilità richiede infrastrutture centralizzate che sollevano questioni di controllo e censura.

L’Impatto sul Lavoro

Le previsioni economiche sull’impatto dell’AI sul lavoro variano enormemente, riflettendo incertezze profonde e bias ideologici. Goldman Sachs, in un report del marzo 2023, stimava che l’AI potrebbe automatizzare l’equivalente di 300 milioni di posti di lavoro full-time a livello globale. McKinsey, nello stesso periodo, suggeriva che entro il 2030 il 30% delle ore lavorative globali potrebbero essere automatizzate. Il World Economic Forum prevedeva che entro il 2025 l’AI avrebbe eliminato 85 milioni di posti di lavoro ma ne avrebbe creati 97 milioni di nuovi – un bilancio netto positivo, secondo loro.

Questi numeri vanno presi con estremo scetticismo. Riflettono assunzioni ottimistiche su “transizioni gestibili”, riqualificazione dei lavoratori, creazione di nuovi settori. La storia suggerisce cautela. Durante la Prima Rivoluzione Industriale, ci vollero generazioni perché i lavoratori spiazzati dalle macchine trovassero nuova occupazione – e nel frattempo, soffrirono miseria estrema. Non c’è alcuna legge naturale che garantisce che il progresso tecnologico generi automaticamente nuovi lavori in misura sufficiente e nei tempi necessari.

Inoltre, l’AI colpisce categorie professionali prima considerate “al sicuro”. Avvocati, medici, consulenti, giornalisti, programmatori – la classe media professionale globalizzata – si trovano improvvisamente esposti. Questo è politicamente esplosivo. Gli operai manifatturieri spiazzati dalla robotica negli anni Ottanta avevano poco potere politico; i professionisti del settore terziario ne hanno molto di più. La resistenza all’automazione potrebbe quindi essere più intensa.

Ma la vera questione non è “quanti posti di lavoro spariranno”, ma “quale tipo di lavoro sopravviverà e a quali condizioni”. L’AI non elimina uniformemente il lavoro; lo polarizza. Da un lato, pochi lavori creativi ad alto valore – il designer che dirige l’AI, lo stratega che formula obiettivi, il supervisore che controlla gli output. Dall’altro, una massa di lavori precari, mal pagati, spesso invisibili: i data labellers che etichettano immagini per addestrare modelli (spesso in Kenya o Filippine, pagati pochi dollari all’ora), i content moderators che visionano contenuti orribili per pulire le piattaforme, i lavoratori della logistica che eseguono compiti troppo variabili per essere robotizzati ma strettamente controllati da algoritmi (Amazon warehouse).

La Concentrazione di Potere: Gli Oligopoli dell’AI

La produzione di AI di frontiera è concentrata in pochissime mani. OpenAI, Google DeepMind, Meta AI, Anthropic – tutte con sede negli Stati Uniti. In Cina, Baidu, Alibaba, Tencent. In Europa, pressoché nulla di comparabile. Addestrare un modello AI all’avanguardia richiede risorse immense: GPT-4 costò probabilmente oltre 100 milioni di dollari in compute, secondo stime esterne. Google Gemini, Meta Llama 3, i modelli di punta richiedono cluster di migliaia di GPU che solo poche corporation possono permettersi.

Questa concentrazione non è casuale. L’AI beneficia di effetti di rete e di scala fortissimi. Più dati hai, migliore è il tuo modello; migliore è il modello, più utenti attrai; più utenti, più dati generi. È un loop auto-rinforzante. Inoltre, l’AI richiede talento scarsissimo: i ricercatori specializzati in machine learning sono poche migliaia a livello globale, e i salari per assumerli possono raggiungere milioni di dollari annui.

Il risultato è un’oligopolizzazione forse irreversibile. Le startup di AI, anche quando innovative, vengono rapidamente acquisite dai giganti: DeepMind fu comprata da Google nel 2014 per 500 milioni, OpenAI (formalmente no-profit) strinse partnership esclusiva con Microsoft che investì 13 miliardi di dollari. L’autonomia è illusoria: dipendi dalle GPU di Nvidia (che controlla oltre l’80% del mercato delle GPU per AI), dall’infrastruttura cloud di Amazon o Microsoft, dai dataset proprietari dei giganti tech.

Questa concentrazione ha implicazioni geopolitiche. Gli Stati Uniti tentano di mantenere il dominio tecnologico impedendo l’esportazione di chip avanzati verso la Cina (le sanzioni del 2022-2023 bloccarono l’export di GPU Nvidia serie H100 e A100). La Cina risponde investendo massicciamente in autonomia tecnologica. L’Europa, intrappolata tra i due blocchi, cerca di regolare (l’AI Act approvato nel 2024) ma rimane dipendente tecnologicamente.

Chi controlla l’AI controlla potere economico, politico, militare. Non è esagerato parlare di “sovranità algoritmica” come nuova dimensione della sovranità statale. Uno Stato che non ha capacità di AI avanzata è de facto colonizzato digitalmente.

Gli Impatti Ambientali: Il Prezzo Nascosto del Calcolo

L’AI promette efficienza, ma consuma risorse massicce. Addestrare GPT-3 nel 2020 generò circa 552 tonnellate di CO2 – l’equivalente di 120 auto a benzina guidate per un anno. GPT-4, molto più grande, probabilmente moltiplicò questo consumo per un fattore 5-10. I data center che ospitano questi modelli consumano energia elettrica spaventosa: si stima che l’addestramento di tutti i grandi modelli AI nel 2023 abbia consumato circa 4-6 TWh (terawattora) – quanto l’intera Islanda in un anno.

Ma il problema non è solo l’addestramento; è l’inferenza – l’uso quotidiano dei modelli. Ogni query a ChatGPT consuma energia. Moltiplicato per centinaia di milioni di utenti, milioni di query al giorno, il consumo aggregato è enorme. Una stima del 2023 suggeriva che l’uso di AI generativa potrebbe aggiungere 1-2% ai consumi elettrici globali — e quindi delle risorse del pianeta — entro il 2030 – se la diffusione continua al ritmo attuale.

Inoltre, c’è il problema dell’acqua. I data center richiedono raffreddamento intensivo, spesso usando enormi quantità di acqua. Microsoft e Google, in regioni già sotto stress idrico, hanno consumato milioni di litri per raffreddare i server che addestrano AI. In Arizona, data center di Google consumarono miliardi di litri d’acqua all’anno – in un deserto, impoverendo i territori più di una guerra.

La promessa dell’AI “green” – modelli più efficienti, energie rinnovabili – sembra lontana. La corsa all’AI più potente incentiva modelli sempre più grandi, che richiedono sempre più compute. Non c’è alcun segno di decelerazione. È sovraproduzione materiale mascherata da immaterialità: la nuvola pesa tonnellate.

Traiettorie Future Possibili

Proiettare il futuro è esercizio pericoloso, ma necessario. Possiamo identificare tre scenari idealtipici, non mutualmente esclusivi ma rappresentativi di tendenze divergenti.

Scenario 1: Accelerazione Ineguale e Collasso Sociale

In questo scenario, lo sviluppo dell’AI procede rapidamente ma in modo estremamente concentrato. Poche corporation e pochi Stati controllano l’AI avanzata. L’automazione elimina decine di milioni di posti di lavoro nel terziario qualificato senza che vengano creati equivalenti alternativi. La disoccupazione di massa genera instabilità politica: movimenti populisti, autoritarismi, guerre commerciali.

Il web diventa invivibile, sommerso da contenuti sintetici, disinformazione, truffe automatizzate. Le piattaforme si trasformano in giardini recintati, accessibili solo a pagamento o con credenziali verificate. La società si polarizza tra un’élite tecnocratica che controlla l’AI e una massa precarizzata che ne subisce gli effetti senza beneficiarne. Alcuni Stati implementano redditi di base universali per prevenire rivolte, ma insufficienti a garantire dignità.

Sul piano ambientale, i consumi energetici dell’AI contribuiscono ad accelerare il riscaldamento globale. I data center proliferano nei pochi luoghi con energia a basso costo e raffreddamento disponibile, spesso a scapito delle comunità locali. La sovraproduzione di hardware (GPU, server) genera montagne di rifiuti elettronici.

Questo scenario non è distopico per estetica; è estrapolazione delle tendenze attuali senza interventi correttivi. È dove stiamo andando se lasciamo che le dinamiche di mercato operino senza vincoli.

Scenario 2: Regolamentazione e Redistribuzione Parziale

In questo scenario, la consapevolezza dei rischi dell’AI genera pressione politica sufficiente a imporre regolamentazioni. L’Unione Europea, attraverso l’AI Act e normative successive, stabilisce standard minimi: trasparenza algoritmica, divieto di usi ad alto rischio (sistemi di credito sociale, riconoscimento facciale in spazi pubblici), tassazione delle corporation AI per finanziare fondi di riqualificazione e welfare.

Gli Stati Uniti, più lentamente, seguono con regolamentazioni settoriali. La Cina implementa controllo stretto sull’AI per finalità di stabilità sociale. Emergono accordi internazionali sulla non-proliferazione di AI militari particolarmente pericolose (analoghe ai trattati nucleari).

Sul piano del lavoro, sindacati e movimenti sociali ottengono protezioni: divieto di licenziamenti automatizzati senza procedure negoziate, diritto alla disconnessione, orari di lavoro ridotti con salari mantenuti (settimana lavorativa di 4 giorni). L’AI viene vista non come sostituto del lavoro umano, ma come strumento per ridurre la fatica lavorativa mantenendo la dignità occupazionale.

Alcune piattaforme adottano modelli cooperativi o di proprietà pubblica. Esperimenti di “dati come bene comune” permettono l’addestramento di AI open-source competitive con quelle proprietarie. Il web viene “bonificato” attraverso sistemi di verifica e tracciabilità, riducendo l’inquinamento sintetico.

Questo scenario richiede mobilitazioni sociali massicce, governi responsivi, volontà politica di confrontarsi con le corporation più potenti del pianeta. Non è impossibile, ma richiede lotte.

Scenario 3: Collasso Sistemico e Ricostruzione Radicale

In questo scenario, le contraddizioni della sovraproduzione AI raggiungono un punto critico. Una crisi economica globale – forse innescata da un crollo finanziario legato a bolle speculative AI, forse da un’escalation geopolitica – rivela la fragilità del sistema. I sistemi AI, ottimizzati per efficienza a breve termine, si rivelano estremamente fragili a shock imprevisti: supply chain globali collassano quando gli algoritmi non riescono ad adattarsi a eventi fuori distribuzione.

Simultaneamente, il degrado ecologico (cambiamento climatico, perdita di biodiversità, inquinamento) raggiunge soglie irreversibili che rendono insostenibile il modello di crescita industriale. Le migrazioni climatiche di massa, le guerre per risorse idriche, le pandemie generate da sconvolgimenti ecosistemici creano caos.

In questo contesto, emerge un ripensamento radicale. Movimenti sociali rifiutano la logica della crescita illimitata e della produttività massima. Si sperimentano economie della decrescita, modelli di sufficiency economies, tecnologie appropriate – tecnologia semplice, riparabile, controllabile localmente. L’AI viene abbandonata o ridotta drasticamente, considerata troppo energeticamente costosa e socialmente destabilizzante.

Si sviluppano sistemi economici bioregionali, autosufficienti, basati su circolarità e rigenerazione ecologica. Il lavoro viene ridefinito non come merce da vendere, ma come attività significativa integrata nella vita comunitaria. Questo scenario implica una rottura civilizzazionale, un cambiamento di paradigma comparabile alla transizione dal feudalesimo al capitalismo.

È il scenario più radicale e improbabile, ma forse l’unico compatibile con la sopravvivenza della biosfera sul lungo periodo. Potrebbe emergere non per scelta illuminata, ma per necessità dopo un collasso.

La Sovrapproduzione è Solo l’Ultimo Sintomo di Una Malattia Più Profonda

Attraversando secoli di storia – dall’aratro trainato da buoi ai large language models – abbiamo visto un pattern ricorrente. Ogni tecnologia che moltiplica la produttività genera inizialmente euforia: finalmente, l’abbondanza! La liberazione dalla scarsità! Poi emergono le contraddizioni: sovraproduzione, crisi, disoccupazione, disuguaglianze, degrado ambientale. Le soluzioni tentate – imperialismo, distruzione bellica, creazione artificiale di nuovi bisogni, credito al consumo – non risolvono la contraddizione, la spostano.

L’AI rappresenta potenzialmente il punto culminante di questa traiettoria. È la tecnologia della sovrapproduzione assoluta: produzione senza limite, senza fatica, senza scopo se non la produzione stessa. Contenuti generati per essere consumati da altri algoritmi. Dati estratti per addestrare modelli che estraggono più dati. Un loop autofagico.

Ma la sovraproduzione non è un problema tecnico; è un problema politico-economico. Il problema non è che produciamo troppo, ma per chi produciamo e come distribuiamo. Una società che producesse abbondantemente per soddisfare bisogni reali, distribuendo equamente, operando entro limiti ecologici, non avrebbe crisi di sovraproduzione. Avrebbe abbondanza genuina.

Il capitalismo, con la sua logica di accumulazione illimitata e concentrazione di proprietà, trasforma l’abbondanza potenziale in penuria sociale. L’AI, sotto logica capitalistica, intensificherà questo paradosso.

Capacità produttive quasi-infinite concentrate in pochi nodi oligopolistici, mentre la maggioranza subisce precarizzazione e marginalizzazione. A questo proposito, una rilettura del Capitale di Karl Marx potrebbe essere di ispirazione.

La domanda non è “l’AI ci ruberà il lavoro?” ma “sotto quali rapporti sociali viene sviluppata e distribuita l’AI?”. Una AI posseduta collettivamente, governata democraticamente, orientata a ridurre la fatica lavorativa e liberare tempo per attività significative, sarebbe profondamente diversa dall’AI come strumento di estrazione di valore e controllo.

Le rivoluzioni tecnologiche precedenti furono accompagnate da lotte sociali immense: dal luddismo all’anarcosindacalismo, dal socialismo al movimento per i diritti civili. L’AI richiederà lotte analoghe. Il futuro non è scritto nelle linee di codice, ma nei rapporti di forza tra classi, nazioni, visioni del mondo. La sovraproduzione AI sarà catastrofe o emancipazione a seconda di chi controlla i mezzi di produzione – in questo caso, i mezzi di produzione della cognizione stessa.

Non possiamo fermare lo sviluppo tecnologico, né è immaginabile e per i più neppure desiderabile farlo. Ma possiamo lottare per orientarlo verso fini umani ed ecologici, strappandolo alla logica del profitto illimitato. Questa è la posta in gioco. Non l’AI in sé, ma il tipo di società che costruiremo con essa – o che essa costruirà attorno a noi se rimarremo passivi. La storia della sovrapproduzione ci insegna che nessuna contraddizione si risolve spontaneamente.

Solo la conflittualità sociale cosciente può imporre soluzioni che non siano la distruzione o la barbarie.

Il tempo per organizzarsi è adesso. L’AI non ci aspetta.

Ennio Martignago

Vedi la biografia completa