di Leonard Brice (Gauche Anticapitaliste, sezione belga della Quarta Internazionale)

L’IA è sempre più un argomento di discussione, non più solo tra gli addetti ai lavori, per le ricadute economiche, sociali, culturali sull’intera società. Per questo nell’Università Estiva dei primi di settembre sarà un argomento chiave di riflessione. Ecco un primo contributo, preso da Inprecor e tradotto dal francese, guarda caso, con l’IA. A voi giudicare i risultati.

L’IA, così come si sviluppa, è il prodotto di una guerra di classe e di una lotta interna all’interno della borghesia. Ma si basa su veri progressi scientifici, che senza dubbio potrebbero essere utilizzati in altri modi. Il rapporto tra tecnologia e capitale è complesso e in evoluzione, e tracciare le giuste prospettive politiche richiede un’analisi approfondita.

Nel mio settore lavorativo, nell’istruzione superiore e nella ricerca, l’idea che dovremo adattarci ai progressi dell’intelligenza artificiale (IA) è diventata comune. Ad ogni periodo d’esame, le sale caffè risuonano con lamentele sugli studenti che danno i loro esercizi a ChatGPT e copiano le risposte senza capirle. L’IA interrompe l’apprendimento. Non solo perché gli studenti non imparano mai a fare ciò che la macchina fa per loro; Ma soprattutto perché si dicono con una certa lucidità che imparare a fare ciò che la macchina ora sa fare da sola (o quasi) potrebbe non valere molto sul mercato del lavoro di domani.

L’IA trasformerà profondamente la società, o più precisamente, sarà usata per trasformarla. Perché la tecnica, se non è mai neutrale, non è dotata di volontà propria. L’IA è un vasto insieme di tecniche il cui progresso può essere ammirato dal punto di vista scientifico; ma ChatGPT, MidJourney, Sora e i loro avatar sono prodotti, sviluppati dai capitalisti che seguono l’incostante stimolo del profitto. È possibile, nella conoscenza scientifica che ha permesso lo sviluppo di questi prodotti, estrarre qualcosa di davvero utile? Ciò che è certo è che non saranno solo gli insegnanti a doversi adattare: la sinistra dovrà anticipare cosa i capitalisti possono fare con questi strumenti e porsi la domanda di cosa potrebbe fare la classe operaia con essi.

Alcuni punti di riferimento

Il termine “intelligenza artificiale” è vecchio e vago. È emerso negli anni ’50 e da allora si riferisce praticamente a qualsiasi sistema informatico che prende decisioni in modo relativamente autonomo. In effetti, i recenti progressi che hanno fatto notizia riguardano un insieme molto più specifico di tecniche, il deep learning, basato su reti neurali artificiali.

Dagli anni ’50, la ricerca sull’IA si è sviluppata attorno a due approcci concorrenti: l’IA “simbolica” e l’IA “connessionista”. Il primo, storicamente prevalente, manipola concetti precisi, governati da regole inequivocabili. Un traduttore automatico, ad esempio, viene programmato usando un enorme dizionario – e non appena serve un po’ di analisi del contesto per tradurre una parola, i risultati sono molto negativi. Ed è con questa logica che, fino a poco tempo fa, la maggior parte degli oggetti e dei programmi della nostra vita quotidiana sono stati progettati: con pezzi di codice molto lunghi, pieni di “se” e “finché tanto”.

L’approccio connessionista, invece, mira a imitare il funzionamento fisico di un cervello: un numero molto elevato di “neuroni”, che cerchiamo di collegare tra loro nel modo giusto, affinché la rete di neuroni così costruita svolga le funzioni desiderate. Una rete neurale viene prima costruita in modo (più o meno) casuale, poi viene migliorata “per tentativi ed errori”, addestrandola su un gran numero di situazioni e dati che vogliamo che elabori correttamente. Un esempio di algoritmo di addestramento 1: prendiamo una rete neurale, generiamo casualmente diverse versioni leggermente modificate di sé, le testiamo sullo stesso compito, selezioniamo quella che funziona meglio e ricominciamo.

Fino agli anni 2000, l’approccio connessionista fu afflitto da delusioni. Il boom che stiamo assistendo è iniziato all’inizio degli anni 2010, quando nuove tecniche di apprendimento hanno permesso di sfruttare le enormi quantità di dati che, nel frattempo, erano state rese disponibili dallo sviluppo di Internet: questo è l’arrivo del deep learning. Questo ha permesso lo sviluppo rapido dell’IA per risolvere problemi vecchi, come il riconoscimento di immagini 2, ma anche per svolgere compiti che possono essere descritti come creativi, come generare un’immagine – parliamo di IA generativa e di un grande modello linguistico quando l’oggetto generato è testo (LLM).

GPT è il rappresentante più famoso di questi LLM, o anche di AI generative. Fondamentalmente, funziona come l’autocorrettore del tuo telefono: da una sequenza di parole, sceglie la parola più probabile che seguirà, in base all’addestramento ricevuto. E ricomincia, finché non ha generato un intero testo. Da qui la sua inevitabile tendenza a inventare (nel gergo, diremmo allucinare) certe informazioni: ciò che l’IA considera vero è essenzialmente ciò che giudica, secondo i suoi dati di addestramento, plausibile 3).

Il deep learning si basa quindi su tre cose.

• Primo, l’allenamento, che è necessariamente lungo e intenso (e costoso in termini energetici).

• In secondo luogo, un sistema che è enorme: GPT-5 è costruito su una rete di diverse centinaia di migliaia di neuroni artificiali, che richiede da 1.000 a 2.000 GB (un buon hard disk) per essere semplicemente memorizzato. Sul tuo computer, ci vorrebbero diverse ore per rispondere a una domanda… e soprattutto cento volte più RAM. Questo è il motivo per cui tutte queste IA funzionano su grandi server a cui le nostre richieste vengono inviate via Internet. Le IA basate su oggetti e non connesse sono molto più rudimentali e probabilmente lo rimarranno a lungo.

• Infine, dati che devono essere disponibili (e monopolizzati) in quantità gigantesche. Questo spiega perché il boom che stiamo assistendo è quello di sistemi che elaborano e generano tipi di dati disponibili in grandi quantità grazie a Internet: testo, immagini, video.

Da questi aspetti si possono dedurre due limitazioni tecniche: primo, il deep learning sviluppa solo IA altamente centralizzate, basate su infrastrutture enormi, che solo grandi attori possono costruire e gestire. In secondo luogo, dà risultati molto deludenti non appena i dati mancano, cosa particolarmente vera per tutte le forme di compiti manuali. Un’azione semplice come afferrare un bicchiere, con una pressione abbastanza forte da non scivolare e abbastanza debole da non rompersi, non può essere appresa con i dati disponibili su Internet: i robot devono addestrarsi facendo tentativi ripetuti da soli (come un essere umano nel corso della loro vita), il che è molto più lungo e costoso.

Queste due limitazioni possono essere superate? Per la prima, non sorprende, al capitale non importa – è persino molto soddisfatto di esso. Per la seconda, è in realtà una domanda cruciale, sia per i capitalisti che per noi: i progressi dell’IA rimarranno confinati ai compiti cognitivi, o questo muro crollerà, permettendo un nuovo boom nel campo della robotica? Le scommesse sono annullate e la posta in gioco è alta.

Il mercato dell’IA: i baroni della Silicon Valley e il Leviatano cinese

La prima limitazione ha la conseguenza immediata che l’IA generativa, come settore dell’economia, è estremamente concentrata: il 63% dei ricavi è monopolizzato da 8 aziende, e questa percentuale sta aumentando a tutta velocità mentre la concorrenza schiaccia i piccoli attori 4.

Non sorprende che il mercato sia un campo di battaglia privilegiato tra Stati Uniti e Cina. A priori, i primi dominano: il 63% è anche la quota di ricavi intascati dalle aziende americane. Ma questi dati sono ingannevoli, perché la Cina segue una strategia diversa, ancorata al lungo termine: le aziende cinesi generalmente pubblicano i loro modelli e dataset in open access, il che rallenta i ricavi immediati, ma crea un ecosistema più favorevole per continuare a sviluppare nuove tecnologie. Inoltre, gli Stati Uniti si sono posizionati sulle forme di IA più redditizie qui e ora (in particolare la generazione automatica di codice), mentre la Cina punta su quelle più embrionali – soprattutto nella robotica. È già un leader nella costruzione di componenti hardware essenziali per robot, per una ragione semplice: la maggior parte di essi è stata sviluppata per l’industria dei veicoli elettrici5. L’esito di questa lotta dipenderà quindi in gran parte da questa domanda aperta: le applicazioni dell’IA alla robotica diventeranno redditizie, o si tratta solo di una bolla finanziaria?

In misura minore, la domanda si pone per l’intero mercato dell’IA, che rimane altamente speculativo 6. Per il momento, la priorità delle aziende del settore non è generare dividendi, ma persuadere gli investitori che li genereranno domani, per mantenere o aumentare il valore di mercato azionario. E questo fa luce importante sul tipo di prodotti sviluppati.

Chi sogna un essere umano artificiale?

Gli investimenti nell’IA sono quindi guidati da criteri simili a un salto di fede: i capitalisti preferiscono forme di IA che hanno caratteristiche che li portano a pensare, giustamente o meno, di poter diventare redditizie. E queste caratteristiche hanno pochissimo rapporto con i nostri reali bisogni. Ne identifico principalmente due.

La prima è relativamente razionale, dal punto di vista del capitale: la capacità del prodotto di creare un bisogno, fino al punto da rendersi indispensabile. Gli LLM eccellono in questo piccolo gioco: nel dicembre 2024, due anni dopo il lancio, 300 milioni di persone usavano già ChatGPT almeno una volta a settimana, una cifra che Facebook aveva impiegato otto anni perraggiungere 7.

L’altra caratteristica è più feticistica: è la capacità di un prodotto di risuonare con la fascinazione umana, diffusa in paesi ed epoche, per creazioni che imitano i comportamenti e le facoltà della nostra specie. E per suscitare questo fascino tra i consumatori, nel dibattito pubblico e tra gli stessi investitori.

Dagli automi del dio Efesto al Pinocchio burattino, antiche mitologie e fiabe popolari sono piene di storie in cui un inventore ingegnoso crea una creatura che si muove e pensa come un essere umano. Fin dagli inizi dell’informatica, l’orizzonte finale per lo sviluppo delle macchine è stato definito dalla loro capacità di imitare gli esseri umani – più che dalla loro utilità. Nel 1950, Alan Turing predisse che un giorno le macchine sarebbero state in grado di superare quello che oggi è noto come il test di Turing, cioè di imitare (tramite messaggi scritti) un interlocutore umano così fedelmente che l’osservatore non può più capire se si tratti di una macchina o di un 8 umano. Oggi, la stessa espressione “intelligenza artificiale”, invece di altri termini più precisi, e i dibattiti appassionati sulla natura di questa “intelligenza“9, dimostrano che questa fascinazione si aggrava soltanto.

Non sorprende quindi che siano gli LLM, con la loro capacità completamente inutile ma piuttosto confusa di imitarci, a essere il prodotto re della razza IA. Allo stesso modo, nella robotica, specialmente nella strategia cinese, sono gli umanoidi a monopolizzare l’attenzione… mentre il bipedismo pone enormi difficoltà tecniche, e non c’è motivo di pensare che sia ottimale per i compiti che vogliamo affidare a queste macchine. In confronto, i progressi fatti nello stesso periodo dalle IA nel riconoscimento dell’imaging medico o nella previsione della struttura delle proteine, che sono molto più utili, sono quasi passati inosservati.

Naturalmente, questi sono i criteri che guidano gli investimenti a breve termine: spiegano perché, tra le molte possibilità aperte, alcune vengono esplorate prima di altre. Ma i capitalisti non si accontenteranno per sempre di promesse e sogni. Se una quota sempre crescente di capitale viene investita nella costruzione di data center e server, prima o poi questo dovrà rendere possibile spendere meno per gli stipendi. Ed è proprio questo l’obiettivo che hanno in mente.

Cosa significa l’IA per il lavoro

Non abbiamo una tradizione di rifiutare l’automazione senza mezzi termini. Può essere uno strumento per l’emancipazione, se permette all’umanità di lavorare meno; Ma i capitalisti hanno la sfortunata tendenza a usarla non per sollevare i lavoratori, ma per buttarne alcuni in strada – o per aumentare la produzione. La risposta all’automazione è quindi classicamente la riduzione collettiva delle ore di lavoro.

Nel caso dell’IA, secondo me questa risposta è ancora rilevante, ma insufficiente. Come ondata di automazione, ha una caratteristica unica: riguarda principalmente le professioni intellettuali. A luglio, uno studio di Microsoft 10 ha offerto una lista delle professioni più esposte. Nella top 10 ci sono lavori per i quali la riduzione delle ore di lavoro è effettivamente un problema: interpreti e traduttori, assistenti di volo, rappresentanti del servizio clienti, telefonisti, biglietti e agenti di viaggio… ma anche presentatori radiofonici e televisivi (al decimo posto), scrittori (al quinto posto) e storici (al secondo posto!).

“Stiamo andando nella direzione sbagliata. Voglio che l’IA lavi il bucato e i piatti così posso creare arte e scrivere. Non che l’IA faccia arte così che io possa fare il bucato e i piatti,” scrive l’autrice di fantascienza Joanna Maciejewska. Questa ansia è diffusa oggi negli ambienti artistici. Legittimamente, perché se le IA possono produrre illustrazioni, musica, video e forse romanzi di domani, è perché sono state addestrate su opere prodotte da artisti in carne e ossa – un’opera appropriata gratuitamente, giocando con i limiti del plagio. Negli ambienti artistici, come puoi immaginare, la prospettiva di una riduzione delle ore di lavoro resa possibile da questa automazione non rassicura molte persone, e a ragione: l’IA fa molto più che aumentare la produttività. Viene usato per privare gli artisti del frutto del loro lavoro, impedendo loro di guadagnarsi da vivere e conducendo direttamente a una società in cui solo i ricchi possono dedicare tempo all’arte. Una dinamica che può estendersi a qualsiasi attività intellettuale che si possa desiderare praticare.

Negli anni ’70, l’economista e attivista Ernest Mandel mise in luce una caratteristica della “terza età del capitalismo”: la proletariizzazione delle professioni intellettuali. Questi ultimi erano tradizionalmente riservati a un’élite sociale, piccoloborghese o borghese, che monopolizzava la conoscenza attraverso i filtri sociali dell’istruzione superiore che rendeva un privilegio. Ma gli sviluppi del capitalismo post-1945 hanno generato due tendenze in tensione: la concentrazione del capitale, che ha ridotto questa élite sociale ed espanso il proletariato; e l’automazione, precisamente, che ridusse la necessità di lavoro manuale e aumentò la necessità di lavoro intellettuale. Di conseguenza, molte professioni intellettuali sono state integrate nel proletariato. Mandel utilizza questa dinamica per spiegare la crescente alienazione di queste professioni (più controllate, standardizzate e soggette all’imperativo del profitto), ma arriva anche alla conclusione che la classe operaia guadagna, con questo nuovo strato, un potenziale bene.

L’arrivo dell’IA potrebbe rappresentare un cambiamento radicale. Sebbene la concentrazione del capitale non stia per fermarsi, l’automazione, invece, sta ora attaccando il lavoro intellettuale. Alcuni lavoratori ne usciranno vincitori: quelli che riusciranno a diventare “manager dell’IA” e quindi potenzialmente a deproletarizzarsi. E poi ci saranno tutti gli altri: quelli che svolgeranno i pochi compiti dolorosi che le IA non sanno fare, inclusa la correzione e la verifica di ciò che producono, e che quindi lavoreranno in un contesto ancora più alienato; E soprattutto, coloro che perderanno il lavoro e dovranno radicarsi in lavori per i quali sono sovraqualificati. Occupare una professione intellettuale poteva allora tornare a essere un privilegio, riservato a un’élite sociale molto unita. E quindi, anche studiare.

Torniamo alla scatola di insegnamento

È qui che la questione dell’istruzione diventa centrale. Deve adattarsi, ma non solo ai suoi metodi – con o senza IA, un insegnamento efficace è soprattutto un insegnamento che non stipe gli studenti in auditorium affollati, tra due lavori sottopagati. La vera domanda è cosa impariamo lì e chi ne ha diritto.

La classe dirigente acconsentì alla democratizzazione dell’istruzione, che ancora le costa una parte sostanziale dei suoi profitti, solo perché aveva bisogno di lavoratori qualificati – e questa democratizzazione andò di pari passo con gli attacchi volti a limitare l’istruzione all’acquisizione delle competenze necessarie per la produzione, comprimendo ciò che poteva essere usato per l’emancipazione. Se la necessità di lavoratori qualificati diminuisse, è prevedibile che le istituzioni di istruzione superiore, e probabilmente parte delle scuole secondarie, vengano sottoposte a pressioni per chiudere le porte ai giovani della classe operaia e che la riduzione dei loro finanziamenti acceleri. Chi ascolta può già sentire un po’ di musica in arrivo, che dice che alcuni contenuti non sono più necessari per insegnare, ora che l’IA li padroneggia meglio degli 11 studenti…

Le difficoltà dell’istruzione potrebbero quindi assumere una nuova dimensione. Se la borghesia otterrà l’equilibrio delle forze che le permette di regolare le valvole dell’istruzione secondo le proprie esigenze, potrà usare l’IA come nuovo strumento per alienare il proletariato sul posto di lavoro. Ma se dovesse incontrare una resistenza che riesca a difendere il diritto all’istruzione aperta, libera ed emancipatoria, che promuova la conoscenza come diritto universale e che attacchi la stessa separazione tra lavoro intellettuale e manuale, allora metterà la nostra classe sociale in una posizione molto migliore per avere voce in capitolo su ciò che verrà fatto con queste tecnologie.

È possibile un’IA ecosocialista?

La prospettiva di una riduzione delle ore di lavoro resa possibile dall’automazione è ancora rilevante. In molti ambiti, forme di IA possono effettivamente essere utilizzate a questo scopo. Ma ciò richiede un equilibrio di potere sufficiente affinché gli usi dell’IA non siano dettati esclusivamente dal profitto.

Lo stesso vale per gli aspetti ecologici, che meritano un articolo a sé stante. L’IA, così come è sviluppata, è estremamente costosa in termini di energia, acqua e minerali. Ma dal punto di vista della ricerca, stiamo considerando molte applicazioni ecologiche che non sono assurde. Tra le altre cose, nuovi metodi di compressione dei dati (ad esempio memorizzando un’immagine sotto forma di una piccola rete neurale, capace di ricostruirla a posteriori), che teoricamente permetterebbero una significativa riduzione dei flussi scambiati da Internet (e quindi dell’energia inghiottita dai server). Per fare un esempio più noto al grande pubblico, i veicoli autonomi possono anche avere un interesse ecologico, se utilizzati oltre al trasporto pubblico, per le funzioni residue che questi ultimi non possono svolgere – ultimo miglio nelle aree rurali, trasporto di carichi pesanti, utenti disabili, ecc. Qui vediamo che il problema non sta tanto nella tecnologia, quanto nel prodotto che i capitalisti ne otteranno: nessun produttore di automobili sceglierà da solo di costruire veicoli autonomi progettati per porre fine all’auto privata. E se nuove tecniche renderanno possibile scambiare così tanti dati con meno energia, verranno usate per scambiare più dati.

Di fronte all’ascesa dell’IA, quali sono le prospettive strategiche per le organizzazioni rivoluzionarie? Una priorità ovvia è denunciare, qui e ora, la natura dei prodotti venduti dai signori della tecnologia: ChatGPT, ad esempio, è un gancio progettato affinché i consumatori non sappiano più come farne a meno, ed è pensato per diventare qualcosa di molto più redditizio non appena questo obiettivo sarà raggiunto – sia diventando pagatore, O assorbendo i nostri dati, o influenzando le nostre abitudini di consumo a beneficio di chi offre di più. E ci sono anche forme di IA ancora più da incubo che devono essere combattute con urgenza. Ne vedo tre assolutamente critici: il monopolio dell’arte, di cui ho già parlato; la sostituzione degli esseri umani con l’IA nella cura e nel supporto delle persone; e, naturalmente, applicazioni di polizia e militari. Dobbiamo chiedere un divieto dell’IA in questi tre ambiti.

Ma un rifiuto totale di tutte le forme di IA sarebbe solo un modo per mantenere le mani pulite ed evitare domande complicate. Il nostro campo sociale deve anche imporre le proprie opinioni sui reali bisogni sociali che le forme di IA possono soddisfare. Ho menzionato l’automazione dei lavori faticosi e i potenziali usi ecologici; Ci sono anche tutte le applicazioni nel campo medico e nell’assistenza alle persone disabili (ad esempio il riconoscimento delle immagini per i disopveggenti), che oggi sono senza dubbio le più promettenti. Porre queste prospettive implica andare oltre il misticismo dei guru della Silicon Valley che sognano esseri umani artificiali: gli LLM e altre IA generative, se sono le stelle del momento, non sono necessariamente i prodotti più utili che questa nuova ondata tecnologica rende possibile progettare, e questi si trovano senza dubbio in applicazioni molto più specializzate e discrete.

Il resto, naturalmente, consisterà nel rafforzare le lotte per la riduzione dell’orario di lavoro, per il controllo degli strumenti di lavoro da parte dei lavoratori, per la difesa dei servizi pubblici (in particolare l’istruzione) e per un’economia in cui i bisogni reali e democraticamente definiti determinino cosa deve essere prodotto e come.

19 novembre 2025

Scopri di più da Brescia Anticapitalista

Abbonati per ricevere gli ultimi articoli inviati alla tua e-mail.