Negli ultimi mesi, il dibattito sull’impatto dell’intelligenza artificiale sul mondo del lavoro si è infiammato. Da una parte, le grandi aziende tecnologiche annunciano tagli epocali giustificati dall’avvento dell’AI. Block, la società di Jack Dorsey, ha licenziato il 40% della propria forza lavoro, oltre quattromila persone. Cloudflare ha eliminato 1.120 posizioni, il 20% del personale, nonostante ricavi record. Dall’altra parte, però, si moltiplicano i casi di marce indietro clamorose, di sistemi che falliscono e di aziende che tornano ad assumere umani per risolvere problemi che le macchine non sanno gestire. La domanda che molti si pongono è: l’intelligenza artificiale è davvero destinata a sostituire milioni di lavoratori, o stiamo sopravvalutando le sue capacità?
I casi di fallimento sono ormai numerosi e raccontano una storia diversa da quella dei licenziamenti di massa. La Commonwealth Bank of Australia ha licenziato 40 addetti al servizio clienti sostituendoli con un bot vocale basato sull’AI. Il sistema, però, non ha retto: le chiamate sono aumentate e la banca ha dovuto revocare i licenziamenti. IBM ha sostituito le funzioni di risorse umane con l’intelligenza artificiale, che gestiva il 94% delle richieste di routine. Ma il restante 6%, quello che includeva dilemmi etici e casi complessi, non poteva essere gestito dalle macchine. L’azienda ha poi annunciato l’intenzione di triplicare le assunzioni di personale entry-level negli Stati Uniti.
Anche nel settore automobilistico si registrano inversioni di tendenza. Ford sta riassumendo centinaia di ingegneri esperti per lavorare su problemi di qualità che i sistemi automatizzati non sono in grado di risolvere. Il vicepresidente per l’ingegneria hardware, Charles Poon, ha spiegato che l’intelligenza artificiale è uno strumento valido solo quanto le informazioni usate per addestrarla. Meta ha dovuto fare i conti con un problema di sicurezza: truffatori sono riusciti a convincere il chatbot del servizio clienti a cedere loro il controllo di oltre 20mila account Instagram, inclusi quelli della Casa Bianca e di un alto funzionario dell’amministrazione Trump. Air Canada ha disattivato i suoi chatbot dopo che avevano promesso per errore un rimborso a un cliente, che ha poi intentato causa e vinto. McDonald’s ha eliminato il bot che prendeva gli ordini al drive-through dopo che aveva aggiunto per errore centinaia di dollari di crocchette di pollo all’ordine di un cliente.
Secondo Zeynep Tufekci, docente di Sociologia a Princeton, questi non sono incidenti di percorso ma la manifestazione di un limite strutturale dell’intelligenza artificiale. I grandi modelli linguistici, scrive sul New York Times, non sono macchine di ragionamento. Sono motori di plausibilità. Non verificano i loro output per assicurarsi che siano corretti o logici. Non possono farlo. E non saranno mai in grado di farlo da soli. Possono solo valutare quali risposte sono probabili in base ai dati su cui sono stati addestrati. Questo difetto d’origine è ciò che rende Tufekci fiduciosa sulla sopravvivenza dei lavoratori umani. I modelli basati sull’AI possono fare molte cose con competenza sorprendente, ma non sono in grado di svolgere la stragrande maggioranza dei lavori umani senza incorrere in disastri.
L’AI funziona bene per alcuni lavori, come la programmazione informatica, che si basa su un linguaggio strutturato e formale. Ma un numero enorme di lavori non funziona in questo modo. I lavori da chirurgo, nel servizio clienti, da insegnante di quarta elementare richiedono la tecnologia specializzata dell’intelligenza umana. Il problema è che i modelli di AI non commettono lo stesso tipo di errori di un essere umano. Questa discrepanza rende difficile integrarli in sistemi progettati per individuare gli errori umani. Siamo stati tratti in inganno sulla natura di questa tecnologia. Quella che si è affermata non è un’intelligenza artificiale simbolica, che segue regole e istruzioni, ma un’intelligenza artificiale connessionista, che genera risposte basate sulla probabilità delle connessioni tra i dati.
C’è poi chi invita a guardare oltre i numeri per valutare l’impatto reale dell’AI sul lavoro. Le statistiche sulle assunzioni, infatti, non raccontano tutta la storia. Non dicono se i nuovi posti di lavoro siano meglio retribuiti o più precari di quelli eliminati. Non dicono se siano accessibili ai lavoratori che hanno perso l’impiego o se richiedano competenze che solo una minoranza già possiede. Non dicono se questa fase, in cui le aziende cercano figure capaci di interagire con l’AI, sia destinata a durare o sia solo un momento di transizione, destinato a esaurirsi quando i modelli diventeranno più autonomi e i meccanismi di controllo più affidabili. E soprattutto, non dicono nulla sulla qualità del lavoro che sopravvive. Supervisionare l’output di una macchina è una forma autentica di realizzazione professionale o una nuova figura di alienazione, in cui l’umano è ridotto a controllore di una produzione che non comprende pienamente e non governa? La complessità dei mercati del lavoro non è solo una questione di numeri. È anche una questione di significati, di valori, di scelte politiche. Il paradosso di Jevons ci insegna che l’efficienza non risparmia risorse, le moltiplica. Ma non ci dice nulla su chi le riceve. Questa è una domanda politica, non tecnica. Ed è la domanda che conta.