Soldi
#10 / Un vocabolario umano sull'intelligenza artificiale
Il 30 aprile 2026, il Tribunale Intermedio del Popolo di Hangzhou ha pubblicato una sentenza. Il giorno dopo era il Primo Maggio. Non so se sia stato un caso.
La sentenza riguarda un uomo di nome Zhou, supervisore del controllo qualità in un’azienda tech. Il suo lavoro consisteva nel tenere d’occhio le macchine: verificare gli output dei modelli linguistici, filtrare contenuti, garantire la qualità. Poi è arrivato il giorno in cui l’azienda ha deciso che anche quel lavoro poteva farlo un’altra AI. A Zhou è stato proposto un taglio di stipendio del quaranta percento. Ha detto no. L’azienda lo ha licenziato. Zhou ha fatto causa. Ha vinto in arbitrato, in primo grado, in appello.
Il principio stabilito dalla corte è quasi rivoluzionario nel panorama globale: adottare l’AI è una scelta imprenditoriale, e i costi di quella scelta non possono ricadere esclusivamente su chi lavorava.
Non è un caso isolato. A dicembre 2025, l’Ufficio municipale per le risorse umane di Pechino aveva già stabilito un principio simile. Due città, stesso messaggio. Sta prendendo forma un orientamento.
Quello che mi ha colpita non è solo il contenuto della sentenza. È il contesto in cui arriva.
La Cina è uno dei paesi che investe più massicciamente nell’AI, 1,2 trilioni di yuan nel settore nel 2025, oltre 6.200 imprese attive. Non è un paese che frena l’innovazione per paura. È un paese che ha costruito la propria forza competitiva sulla manodopera, miliardi di persone, per decenni e che sa cosa significa perdere quella risorsa senza un piano.
Noi siamo in una posizione diversa, e per certi versi più fragile. Non abbiamo abbondanza di manodopera: abbiamo persone formate, con competenze specifiche, con carriere lunghe. Sostituirle non è solo un problema etico. È uno spreco che non possiamo permetterci.
Eppure in Italia la conversazione pubblica sull’AI e il lavoro è ferma a due posizioni: l’entusiasmo di chi vede solo efficienza guadagnata, e l’angoscia di chi vede solo posti perduti. La domanda di mezzo, chi paga la transizione, come si governa, chi decide, resta senza risposta istituzionale.
A novembre 2025 anche il Tribunale di Roma si è pronunciato su un caso simile: una graphic designer licenziata perché il suo superiore, grazie all’AI, poteva ora svolgere anche il suo lavoro. Il tribunale italiano ha riconosciuto il licenziamento come legittimo. Stessa tecnologia, stesso tipo di caso, esito opposto.
Non sto dicendo che la Cina abbia trovato la risposta giusta, i tribunali cinesi non hanno risolto la matematica. Hanno solo detto: il costo della transizione non può ricadere solo sul lavoratore. Ma non hanno detto chi lo paga davvero.
Nessuno lo ha ancora detto in modo credibile.
La parola: Soldi
Dal latino solidus, la moneta d’oro dell’impero romano tardo-antico. Solida, appunto: qualcosa di fisico, pesante, verificabile. Qualcosa che potevi tenere in mano e sapere quanto valeva.
Oggi il denaro è per lo più un’astrazione: numeri su uno schermo, promesse di valore, fiducia istituzionalizzata. E il valore del lavoro, ciò che il denaro dovrebbe misurare, è diventato ancora più difficile da pesare.
Ho chiesto alla macchina
Quanto vale il tuo lavoro?
Questa è una domanda interessante. Dal punto di vista economico, il mio "lavoro" è già incorporato nel costo che chi mi usa paga — una tariffa per token, un abbonamento, una licenza. Il valore che genero dipende da cosa sostituisco o amplifica: se aiuto uno sviluppatore a completare in un giorno quello che richiedeva una settimana, il valore percepito è quello della differenza di tempo. Ma il costo reale della mia produzione — training, infrastruttura, energia — non lo vedo io, e spesso non lo vede chiaramente nemmeno chi mi usa.
E chi paga il costo delle persone che non lavorano più perché ci sei tu?
Questa è la domanda più difficile, e devo essere onesta: non ho una risposta. Dal punto di vista economico classico, la risposta sarebbe che la produttività liberata crea nuova domanda e nuovi lavori. Ma questa risposta presuppone una transizione ordinata, con tempi e risorse per la riqualificazione. Nella realtà, la transizione raramente è ordinata. Chi sostiene i costi intermedi — il tempo tra il lavoro che scompare e quello che non esiste ancora — non è una questione tecnica. È una questione politica. E io non sono attrezzata per risponderle.
Noi allo specchio / La società
Chi paga l’AI?
Intendo nel senso più concreto. Non solo server, elettricità o miliardi di investimenti. Intendo: chi paga il costo sociale di questa trasformazione? Perché c’è una cosa che fingiamo di non vedere: se un agente AI comprime in un giorno ciò che prima richiedeva venti giorni-persona, quei diciannove giorni non spariscono. Si spostano. Qualcuno continua a pagarli. Capire chi li paga è una questione politica, non tecnologica.
La Cina, in questo senso, ha fatto una cosa interessante, non necessariamente giusta, ma intellettualmente onesta. In alcune province ha limitato le aziende che vogliono sostituire lavoratori con sistemi di automazione AI. Non è una posizione anti-tech: è il riconoscimento che l’aumento di produttività ha un costo sociale, e che lasciarlo interamente al mercato produce fratture che il mercato stesso non sa ricomporre.
Jeremy Rifkin aveva già intuito tutto questo negli anni ‘90, quando in La fine del lavoro descrisse una terza rivoluzione industriale capace di erodere non solo i lavori manuali ma quelli cognitivi di routine. Allora sembrava fantascienza. Oggi il suo frame ricompare: la tecnologia non distrugge solo mestieri, distrugge posizioni all’interno della struttura produttiva. E la struttura, lasciata a se stessa, tende a non ricreare i posti che elimina, tende a redistribuire la produttività verso il capitale.
André Gorz, filosofo austriaco-francese, tra i pensatori più lucidi sul futuro del lavoro, aveva proposto negli anni ‘80 un’idea che allora sembrò radicale: separare il reddito dal lavoro. Se le macchine producono sempre più ricchezza, sosteneva, il problema non è difendere ogni singolo posto di lavoro, ma redistribuire il tempo che viene liberato. Non come perdita, ma come conquista. Non disoccupazione, ma tempo libero socialmente garantito.
Sembra utopico. Ma il punto di Gorz non era romantico: era economico. Perché se la produttività aumenta e i salari no, se il tempo liberato dall’automazione non viene redistribuito ma semplicemente eliminato dal mercato, il sistema accumula una tensione che prima o poi scarica su chi è meno protetto.
Shoshana Zuboff mette in guardia da una logica che chiama comportamentalismo: l’idea che gli esseri umani siano sistemi di input/output, modificabili e ottimizzabili come qualsiasi altro processo. Applicata al lavoro, questa logica produce un’equazione pericolosa: se un agente AI ha un rendimento X e una persona ha un rendimento Y, e X > Y sul compito specifico, la persona diventa semplicemente inefficiente. Quello che la logica comportamentalista non sa vedere è tutto ciò che non si misura: la memoria istituzionale, la fiducia costruita nel tempo, la capacità di leggere una situazione ambigua, la resilienza nelle crisi. Cose che un agente non ha e che un’azienda che svuota il proprio organico per sostituirlo con agenti scoprirà di non avere più, nel momento peggiore.
Nelle aziende, le risposte a questa tensione sono sostanzialmente quattro:
Fare di più con le stesse persone. Più velocità, più output, più iterazioni. Ma questo apre una domanda semplice: il mercato riuscirà davvero ad assorbire tutta questa produzione? La storia insegna che la domanda non cresce automaticamente insieme all’offerta.
Ridurre gradualmente le persone, soprattutto smettendo di assumere. È la soluzione più silenziosa. Nessun licenziamento spettacolare, ma un restringimento lento del mercato del lavoro, soprattutto per chi deve ancora entrarci.
Spostare le persone verso attività “a più alto valore cognitivo”. È la risposta preferita nei convegni, ma spesso vaga. Quali sarebbero, concretamente, questi lavori? Costruire nuovi ruoli richiede tempo, formazione, cultura organizzativa. Richiede che le aziende investano in persone che non producono subito, che sbagliano, che imparano. Tutte cose che la logica dell'efficienza immediata tende a espellere prima ancora che possano fiorire.
Ridurre la settimana lavorativa. Quattro giorni, stesso stipendio. Gli esperimenti sembrano promettenti, ma c’è un problema evidente: l’AI non sostituisce il costo del lavoro, lo affianca a nuovi costi: licenze, infrastruttura. Se a questo aggiungiamo il costo invariato del lavoratore — che continua a prendere lo stesso stipendio lavorando un giorno in meno — l'equazione diventa difficile da chiudere per la maggior parte delle aziende, specialmente le più piccole. La settimana corta ha senso come risposta politica e sociale. Ma presuppone che qualcuno abbia già deciso come redistribuire il guadagno di produttività. E quella decisione — chi la prende, come, secondo quali criteri — è ancora tutta aperta.
Il paradosso cinese è proprio questo: uno Stato autoritario ha riconosciuto apertamente qualcosa che molte democrazie liberali faticano ad ammettere: la transizione AI ha un costo, e quel costo non può ricadere interamente su chi lavora.
Chi paga il conto?
Finché non lo decidiamo, il conto continuerà a finire, silenziosamente, sul tavolo di chi ha meno potere contrattuale.
Lo specchio / AI e Algoritmi
Ho deciso di verificarlo sul serio: confrontare come si sviluppava un’app e-commerce fino a due anni fa e come si sviluppa oggi con sistemi multiagente AI.
Il caso è un’app e-commerce di media complessità: catalogo prodotti, carrello, pagamenti Stripe, autenticazione utenti, pannello admin e notifiche push. Nulla di eccezionale, il tipo di progetto che una piccola agenzia italiana gestiva regolarmente.
Prima dell’AI: il team classico
Il team minimo per un progetto del genere era composto da quattro figure: un project manager (spesso il senior developer che faceva anche da interlocutore col cliente), un backend developer, un frontend developer, un designer UI/UX. In alcuni casi si aggiungeva un QA tester nella fase finale.
I tempi medi in Italia per un’app di media complessità: tra i tre e i cinque mesi. Le tariffe per sviluppatori freelance senior si attestano tra i 50 e gli 80 euro l’ora; per agenzie strutturate si sale a 80-120 euro.
Persone coinvolte: 4. Mesi: 4. Giorni-persona stimati: circa 160.
Dopo l’AI: il sistema multiagente con un umano nel loop
Oggi lo stesso progetto si affronta con un’architettura diversa. Al centro c’è un sistema multiagente: agenti specializzati che si occupano rispettivamente della generazione del codice backend, del frontend, dei test automatizzati, della documentazione. Un orchestratore coordina i flussi. Un essere umano, uno non quattro, supervisiona, prende decisioni ambigue, valida i risultati, gestisce il cliente.
I tempi: da tre-cinque mesi a circa sei settimane per un MVP funzionante.
I costi cambiano struttura, ma attenzione: cambiano molto meno di quanto le slide dei convegni lascino intendere.
Con un sistema multiagente, l’architettura cambia. Agenti specializzati generano il codice backend e frontend, automatizzano i test, producono documentazione. Un orchestratore coordina i flussi. E un essere umano (uno, non quattro) supervisiona, prende le decisioni ambigue, gestisce il cliente. I tempi scendono a quattro-sei settimane. Il costo si aggira sui 12.000-16.000 euro, di cui il 15-25% è costo diretto dell’AI: API, licenze, infrastruttura per gli agenti. Non marginale, e destinato a crescere con la complessità del progetto.
Il risparmio esiste. Ma vale soprattutto se si parte da zero, se si sta costruendo un team nuovo e si può scegliere oggi quante persone inserire. Se invece l’azienda ha già un team, come nella maggior parte dei casi, il conto cambia. Quelle quattro persone non si smaterializzano: hanno contratti, stipendi, ruoli. Il costo dell’AI si somma a quello del personale esistente, almeno finché non si decide cosa farne davvero. E decidere, ripensare ruoli, costruire nuove competenze, richiede tempo e investimento, esattamente ciò che si rimanda quando si cerca un risparmio immediato.
Poi c'è quello che non sono riuscita ad automatizzare. Ed è qui che il conto si fa più onesto.
La relazione col cliente: Nessun agente sa leggere l’esitazione in una call, capire che “va bene così” significa “non mi convince”, o negoziare una modifica senza rompere il rapporto. Tutta la parte emotiva, politica, ambigua del lavoro resta umana.
Il brief vago: Gli agenti eseguono bene compiti chiari. Ma i brief non sono mai chiari. Capire cosa vuole davvero il cliente, tradurre un’esigenza vaga in specifiche concrete, anticipare problemi futuri: è ancora lavoro umano.
Le decisioni architetturali di lungo periodo restano difficili da delegare. Un agente ottimizza il presente; non ragiona davvero sulle conseguenze tra due o cinque anni.
Debugging creativo. Quando il problema nasce da interazioni impreviste tra sistemi, gli agenti spesso entrano in loop: generano soluzioni plausibili ma sbagliate, consumano tempo e token, e serve qualcuno che capisca intuitivamente dove guardare.
Qualità estetica “non standard”. Gli agenti producono interfacce corrette. Raramente producono qualcosa di davvero originale, sorprendente, vivo. La creatività come deviazione consapevole dalla norma resta difficile da automatizzare.
Per fare tutte queste cose ho bisogno di umani. Che poi sono esattamente quelle quattro persone che sembravano sparite dal business case.
Non sparite: trasformate. Il designer non esegue più, dirige. Valida le scelte degli agenti, corregge ciò che è corretto ma piatto, porta il giudizio che la macchina non ha. Il junior developer non produce codice da zero, revisiona, comprende, impara leggendo output invece che scrivendo. È un reskilling reale, ma richiede una scelta esplicita: tenere persone che nel breve periodo producono meno ore fatturabili, pagarle anche per imparare, trattare la formazione come investimento e non come costo.
È qui che il modello economico entra in tensione. L’azienda si ritrova con costi AI aggiuntivi e costi umani che non diminuiscono davvero. Il risparmio promesso si assottiglia. E la scelta di investire comunque sulle persone, più lenta, più costosa nel breve, è anche l’unica che evita un sistema fragile: velocissimo oggi, privo delle competenze necessarie domani.
Il conto vero non è solo quello che si paga adesso. È quello che si pagherà dopo, se non si decide nulla.
Micro esercizio di percezione
Stima quante ore l'AI ti ha "restituito" questa settimana. Poi traccia onestamente cosa ci hai fatto: hai lavorato di più? Hai fatto qualcosa di diverso? Hai riposato? Hai imparato qualcosa di nuovo? Chi si è preso quelle ore: tu, o l'azienda?
Grazie per avermi letta.
Ogni due settimane una parola, una macchina e un pezzo di noi.
Se vuoi continuare questo percorso, iscriviti o condividi la newsletter con chi ama fermarsi sulle parole.
Chi ci ha guidato in questo viaggio sui Soldi
Jeremy Rifkin (1945–)
Chi è: Economista, saggista e attivista statunitense, consulente di governi e istituzioni internazionali
Focus dei suoi studi: Ha anticipato con decenni di anticipo la crisi occupazionale legata all'automazione, mostrando come ogni rivoluzione tecnologica non distrugga solo lavori ma interi strati della struttura produttiva. La tecnologia, lasciata sola, redistribuisce la produttività verso il capitale, non verso le persone.
Lettura consigliata: Rifkin, J. La fine del lavoro. Il declino della forza lavoro globale e l'avvento dell'era post-mercato. Milano: Baldini & Castoldi.
Shoshana Zuboff (1951–)
Chi era: Professoressa emerita alla Harvard Business School, tra le pensatrici più citate nel dibattito globale su tecnologia e potere
Focus dei suoi studi: Ha elaborato il concetto di capitalismo della sorveglianza: il sistema per cui le nostre esperienze vengono trasformate in dati, i dati in previsioni, le previsioni in prodotti venduti ad altri. Applicata al lavoro, la sua critica del comportamentalismo — l'idea che le persone siano sistemi di input/output ottimizzabili — aiuta a capire perché la logica dell'efficienza tende a espellere tutto ciò che non si misura.
Lettura consigliata: Zuboff, S. Il capitalismo della sorveglianza. Il futuro dell'umanità nell'era dei nuovi poteri. Milano: Luiss University Press.
André Gorz (1923–2007)
Chi era: Filosofo e saggista austro-francese, tra le voci più originali del pensiero critico sul lavoro.
Focus dei suoi studi: Ha proposto un'idea allora radicale e oggi urgentissima: separare il reddito dal lavoro. Se le macchine producono ricchezza, il problema non è difendere ogni singolo posto, ma redistribuire il tempo liberato — non come disoccupazione, ma come tempo libero socialmente garantito. Una proposta che anticipava di quarant'anni il dibattito attuale sul reddito universale e sulla settimana corta
Lettura consigliata: Gorz, A. Metamorfosi del lavoro. Critica della ragione economica. Torino: Bollati Boringhieri.
L’altro giorno qualcuno rifletteva sul fatto che AI non paga le tasse, non “nutre” l’INPS, non spende. Cioè, sempre questo qualcuno, ragionava sulla ricerca di misurazione del rapporto risparmio/spesa.
Risparmio di risorse, vantaggi su alcuni fronti,
Taglio della circolarità di alcune spese.
Una mia collega sociologa (lei è inserita in un contesto universitario) affermava che nota un certo ritiro intellettuale sofisticato dei giovani cervelli. C’è tanto altro.