Il lavoro, la terza frattura

Il lavoro, la terza frattura

Mentre lo scaling perde spinta e i laboratori rischiano di diventare una commodity, il vero campo di battaglia si sposta sul lavoro e su chi controlla ciò che funziona.

C'è un numero che questa settimana ha attraversato i circoli tech americani senza fare rumore, e forse è proprio per questo che pesa. Un indice che misura quanto lavoro da ufficio le macchine sanno già svolgere da remoto. A ottobre segnava due e mezzo per cento. A luglio segna sedici. In nove mesi è cambiato tutto, e il prodotto interno lordo non se ne è accorto. È il 16 luglio, questo è Signal Brief, e la storia di oggi comincia da lì: dal momento in cui la conversazione sull'intelligenza artificiale ha smesso di parlare di capacità e ha iniziato a parlare di posti di lavoro.

Quel numero lo pubblica Jack Clark, che dell'azienda Anthropic è tra i fondatori e cura la parte politica. Lo chiama Remote Labor Index, e la sua tesi è semplice da dire e difficile da digerire: le macchine stanno allargando le cose che sanno fare economicamente più in fretta di quanto noi umani riusciamo a spostarci verso ciò che sappiamo fare meglio di loro. Non è un ciclo, dice Clark. Non è la solita crisi che passa. È qualcosa di strutturale, e il fatto che le statistiche ufficiali non lo vedano è il vero problema: un cambiamento che i governi non possono misurare è un cambiamento a cui non possono prepararsi.

Nei giorni scorsi Dario Amodei, che guida quella stessa azienda, ha pubblicato un saggio lunghissimo, ventimila parole, intitolato L'adolescenza della tecnologia. Il passaggio che tutti hanno ripreso è una cifra: metà dei lavori d'ingresso negli uffici potrebbe sparire nel giro di uno o cinque anni. Non un settore, tutti insieme. Chi comincia oggi una carriera fatta di scrivere, analizzare, riassumere, si trova davanti una porta che si sta stringendo.

E qui la storia si divide in due, perché non tutti la leggono così. Il 13 luglio Sam Altman, alla guida di OpenAI, ha detto una cosa che ha sorpreso lui per primo: finora l'intelligenza artificiale ha creato più lavoro di quanto ne abbia distrutto. Marc Andreessen va oltre e la considera una fortuna arrivata al momento giusto, mentre le popolazioni dei paesi ricchi invecchiano e la manodopera si assottiglia. Patrick Collison, che con Stripe vede passare i pagamenti reali di mezza economia digitale, dice che nel 2026 assumerà più che mai, proprio grazie a queste macchine. Le chiama, con una metafora curiosa, il farmaco dimagrante dell'efficienza: amplificano le persone, non le cancellano.

Chi ha ragione non lo sappiamo ancora, e forse è il punto. Vale la pena guardare a come andò con l'elettricità nelle fabbriche, un secolo fa. Per anni le macchine elettriche non aumentarono la produttività, perché le officine erano ancora costruite intorno al vecchio albero a vapore che girava al centro. Il salto arrivò solo quando qualcuno ripensò l'intera fabbrica. Il lavoro non sparì: cambiò forma, e chi non seppe cambiare con lui rimase indietro. Oggi siamo in quella fase intermedia, con le macchine nuove installate dentro le abitudini vecchie, e nessuno che sappia ancora dire dove porterà.

Sotto questa frattura sul lavoro se ne muove un'altra, più tecnica, di cui parliamo da giorni: l'idea che aggiungere sempre più potenza di calcolo ai modelli abbia smesso di dare i frutti di una volta. Quella tensione resta aperta, con Ilya Sutskever da una parte a dichiarare chiusa l'età della forza bruta, e i più impazienti dall'altra a giurare che la superintelligenza è dietro l'angolo. Ma la cosa più interessante di questa settimana è che il campo di battaglia si è spostato. Non ci si chiede più soltanto se questi sistemi funzionino. Si è dato per scontato che funzionino. La domanda nuova è un'altra: chi controlla ciò che funziona, e possiamo ancora misurarne l'effetto sul mondo.

Torniamo un momento su Jack Clark, perché il suo lavoro merita di essere raccontato per intero. Clark scrive ogni settimana una newsletter che si chiama Import AI, la leggono decine di migliaia di persone, ed è una delle finestre più oneste su cosa pensa davvero chi costruisce questi sistemi dall'interno.

La sua osservazione di queste settimane parte da un dato interno all'azienda: le righe di codice approvate e messe in produzione sono aumentate di otto volte rispetto a pochi anni fa. Per Clark è la prova concreta che quel processo di cui si favoleggia da tempo, le macchine che aiutano a costruire macchine migliori, è già cominciato. Non nella versione da film, il sistema che progetta i propri successori. Ma nella versione modesta e reale: la produttività di chi lavora sull'intelligenza artificiale che accelera, e accelerando allarga la distanza.

Da qui nasce la sua immagine più efficace, quella che chiama cecità statistica. La qualità di ciò che queste macchine producono, dice, è cresciuta di percentuali enormi in due anni. Eppure nel prodotto interno lordo non se ne vede traccia. È come se un intero pezzo di economia si muovesse sotto la superficie, invisibile agli strumenti con cui abbiamo sempre misurato la ricchezza di un paese. Clark cita il film Lo squalo: il pericolo c'è, si muove sotto il pelo dell'acqua, e nessuno sulla spiaggia lo vede finché non è troppo vicino.

C'è un'altra sua intuizione che resta addosso. La chiama, con una battuta amara, il blocco automatico delle istituzioni. Le macchine ormai sanno svolgere anche i compiti fatti di parole e giudizio, quelli che si intrecciano con la burocrazia: compilare, contestare, ricorrere. Il che significa che un giorno non lontano i processi con cui uno Stato decide le sue regole potrebbero essere intasati da valanghe di richieste generate a macchina, più veloci di qualsiasi ufficio umano.

Il collegamento col filo di oggi è diretto. Clark non parla da profeta dell'apocalisse né da ottimista di maniera. Parla da uno che ha in mano i dati e si accorge che gli strumenti per leggerli sono vecchi. La sua preoccupazione non è che le macchine diventino troppo potenti. È che diventino potenti in un modo che le nostre istituzioni non riescono nemmeno a vedere. Ed è una preoccupazione che assomiglia molto a quella che, un tempo, avevano gli statistici davanti al lavoro delle donne in casa: enorme, indispensabile, e per decenni semplicemente non contato.

Se Clark porta i numeri, Dario Amodei porta la cornice. Guida Anthropic, ed è una delle voci che più insistono su un punto: la potenza di questi sistemi è reale e sta arrivando in fretta, e proprio per questo va governata prima, non dopo.

Il suo saggio di questi giorni, L'adolescenza della tecnologia, è un testo ambizioso. Amodei prova a mettere in fila i modi in cui le cose possono andare storte, e li ordina in cinque famiglie: sistemi che sfuggono di mano, uso a fini distruttivi, concentrazione di potere, sconquasso economico, e tutti gli effetti indiretti che ancora non sappiamo immaginare. L'immagine che usa è quella di un rito di passaggio, come l'adolescenza appunto: un momento che ci metterà alla prova come specie, e da cui non si torna indietro uguali a prima.

La parte che ha fatto più discutere è quella sul lavoro, il cinquanta per cento di posti d'ingresso a rischio. Ma vale la pena notare dove Amodei va a parare. La sua risposta non è tecnica, è politica. Chiede regole, un organismo che tenga d'occhio i modelli più avanzati, e propone perfino che la sua stessa azienda finanzi i modi per gestire la perdita di posti di lavoro. È la posizione di chi costruisce l'oggetto pericoloso e chiede allo Stato di mettergli attorno una recinzione.

Ricapitoliamo un attimo dove siamo, perché è facile perdere il filo tra tante voci. La storia di oggi ha un centro: il lavoro come nuova linea di frattura. Attorno a questo centro girano due domande. La prima è quanto in fretta le macchine sostituiranno le persone. La seconda, più profonda, è chi terrà in mano il timone di tutto questo. Amodei sta su un lato preciso: quello di chi vuole il timone in poche mani sorvegliate, uno Stato, un'autorità, un accordo tra grandi.

Ed è esattamente qui che nasce la reazione opposta, la spinta che attraversa l'altra metà di queste voci. Perché a molti, quel timone in poche mani, fa più paura delle macchine stesse. Amodei parla di un possibile totalitarismo assistito dalle macchine, sorveglianza e propaganda che si saldano in una gabbia da cui non si esce. Il paradosso è che la sua cura per quel rischio, la concentrazione del controllo, è per altri esattamente la malattia. Su questa faglia si gioca la partita più interessante del momento.

Il 15 luglio quella partita ha avuto una mossa concreta. Mira Murati, che è stata a lungo il cervello tecnico di OpenAI e poi se n'è andata a fondare un laboratorio tutto suo, ha rotto un anno di silenzio e ha rilasciato il suo primo modello. Si chiama Inkling.

I dettagli tecnici raccontano una scelta di campo. È un modello grande, ma costruito per accendersi solo in parte a ogni richiesta, così da costare meno. E soprattutto è aperto: chiunque può scaricarne i pesi, cioè il cuore addestrato del sistema, e adattarlo al proprio contesto. Murati lo dice senza giri di parole: Inkling non è il modello più potente sul mercato, e non vuole esserlo. La scommessa è un'altra, ottenere di più spendendo di meno, ritagliandolo su misura per chi lo usa.

Per capire perché conta, bisogna tornare a un'idea che gira da qualche giorno: quella che i grandi laboratori rischiano di diventare una merce qualunque. La sintetizza bene Benedict Evans, che di mestiere osserva l'economia della tecnologia. In un suo scritto recente smonta l'idea che chi produce questi modelli manterrà a lungo il coltello dalla parte del manico. Oggi comandano perché la capacità è scarsa, dice. Ma quando smetterà di esserlo, cosa impedirà loro di finire come l'elettricità o la banda larga: infrastruttura preziosa, indispensabile, e a basso margine.

Murati costruisce la sua azienda proprio dentro questa previsione. Se il modello puro diventa una merce, allora il valore si sposta altrove: nella possibilità di renderlo tuo. La sua bandiera, le molte intelligenze artificiali contro l'unica taglia buona per tutti, si tiene per mano con altre voci che dicono cose simili da direzioni diverse. Yann LeCun che costruisce modelli capaci di guardare il mondo invece di leggerlo soltanto. Balaji Srinivasan che immagina un'intelligenza personale, privata, riprogrammabile da chiunque. Jack Dorsey che ripete che la cosa speciale di certe tecnologie è che non chiedono il permesso a nessuno.

È lo stesso movimento che vide nascere il personal computer dalle stanze chiuse dei grandi calcolatori. Per anni la potenza abitò dentro pochi armadi refrigerati, sorvegliati da tecnici in camice. Poi qualcuno decise che doveva stare su una scrivania, in casa, nelle mani di tutti. Murati e gli altri stanno provando a rifare quel gesto con l'intelligenza artificiale. Se ci riescano, è presto per dirlo. Ma la direzione è chiara.

Chiudo i ritratti con la storia più personale della settimana, quella di Andrej Karpathy. È uno dei nomi tecnici più rispettati del campo, uno che ha lavorato sulle auto che si guidano da sole e sui primi grandi modelli, e che negli ultimi tempi si era dedicato a insegnare. Questa settimana è tornato al cuore della macchina: è entrato in Anthropic, nel gruppo che addestra i modelli, con un obiettivo quasi vertiginoso, usare l'intelligenza artificiale per rendere migliore l'addestramento dell'intelligenza artificiale stessa.

Ma la cosa che di lui ha girato di più non è l'annuncio del nuovo lavoro. È una confessione. In un post ha scritto di non essersi mai sentito così indietro come programmatore. Il suo mestiere, dice, viene rifatto da capo, e la parte scritta a mano da lui è sempre più sottile. Aggiunge che potrebbe essere dieci volte più efficace se solo sapesse orchestrare bene gli strumenti che già esistono. È un'ammissione onesta, e da una persona del suo livello colpisce due volte.

Dentro quella frase c'è, per me, il filo più sottile e più importante di tutta la giornata. Karpathy lo aveva già detto in modo netto qualche mese fa: i computer di una volta automatizzavano ciò che sapevi scrivere con precisione, riga per riga. Questi nuovi sistemi automatizzano ciò che sai controllare. Il che sposta il lavoro, e lo sposta in un punto preciso. Non conta più tanto saper produrre. Conta saper chiedere la cosa giusta e riconoscere se la risposta è buona.

È lo stesso pensiero che Aravind Srinivas, alla guida di Perplexity, ha trasformato in una regola secca: la risorsa scarsa, ormai, è sapere cosa chiedere. E Simon Willison, che di queste cose scrive con i piedi per terra, lo traduce in economia quotidiana, delegando i compiti semplici ai modelli economici e tenendo quelli costosi per il lavoro di giudizio.

Se ci pensiamo, è lo stesso rovesciamento che portò la fotografia. Quando scattare divenne facile e gratis, il valore non fu più nel saper impressionare una pellicola. Fu nel sapere dove puntare l'obiettivo, cosa inquadrare, cosa lasciare fuori. L'abbondanza sposta sempre il pregio da chi esegue a chi decide. Karpathy, che di codice ne ha scritto quanto pochi al mondo, lo sta scoprendo su sé stesso. E lo racconta senza nascondersi, il che è forse la cosa più preziosa che un tecnico possa fare in un momento come questo.

Qualche progetto da tenere d'occhio, tutti nomi che tornano a crescere di settimana in settimana, e che raccontano bene il filo di oggi.

Nanochat, di Karpathy, in crescita costante: un modo per capire come funziona un piccolo modello linguistico costruendone uno da zero. Sempre suo, la sua wiki sui modelli linguistici, che continua a diffondersi come materiale per imparare.

Llama punto cpp, sempre in salita: è il progetto che permette di far girare modelli seri sul proprio computer, senza data center, ed è il simbolo tecnico di tutta quella spinta a portarsi l'intelligenza artificiale in casa di cui parlavamo con Murati e LeCun.

Il progetto di Simon Willison per dialogare con i modelli da riga di comando, anch'esso in crescita: piccolo, sobrio, pensato per chi vuole controllare la spesa e mescolare modelli diversi senza legarsi a nessuno.

E ARC AGI, di François Chollet, che resta un riferimento: la raccolta di quei test dove ai modelli si chiede di ragionare davvero, e dove ancora oggi inciampano. È l'ancora dell'altra grande discussione di questi giorni, quella su cosa significhi essere intelligenti oltre il saper indovinare la parola successiva.

Il filo che tiene insieme questi nomi è sempre lo stesso: strumenti piccoli, aperti, fatti per mettere la potenza nelle mani di chi vuole capirla, non solo comprarla.

Resta addosso quel numero dell'inizio, salito da due a sedici in nove mesi mentre le statistiche guardavano altrove. Forse la cosa che questa settimana ci lascia non è una risposta ma uno spostamento dello sguardo: abbiamo passato anni a chiederci se queste macchine avrebbero funzionato, e quasi senza accorgercene siamo arrivati alla domanda più difficile, chi terrà il timone di ciò che funziona. È stato Signal Brief. Alla prossima.