Introduzione
La diffusione capillare delle architetture algoritmiche e dell’intelligenza artificiale generativa sta riorganizzando le coordinate fondamentali dell’agire sociale, le dinamiche produttive e le strutture identitarie contemporanee. Il dibattito si pone su un bivio: da una parte le letture deterministiche che ipotizzano una totale sostituzione dell’essere umano, dall’altra un’apologetica che vede la tecnologia come neutrale strumento di efficienza.
Quadri teorici e prospettive sociologiche
Partendo dai quadri teorici della sociologia del lavoro, della sociologia dei media e degli Science and Technology Studies (STS), si evidenziano le principali linee di frattura del presente: subordinazione algoritmica, precarizzazione cognitiva, estrattivismo dei dati e frammentazione della fiducia. La sociologia della comunicazione dell’Università Niccolò Cusano mette in luce come le tecnologie non siano forze esogene, ma prodotti sociali storicamente situati, in cui si strutturano rapporti di forza, visioni del mondo e interessi economici (Feenberg, 1999; Wajcman, 2016).
Determinismo contro neutralità
Nel dibattito contemporaneo emergono due posizioni opposte. Da un lato una visione catastrofista, alimentata a volte dagli stessi dirigenti delle corporation tecnologiche, che prevede l’obsolescenza della specie umana a causa di una singolarità tecnologica (Bostrom, 2016; Harari, 2018). Dall’altro lato un tecno‑ottimismo che interpreta le nuove architetture come strumenti di efficientamento, neutrali per definizione, destinati ad affrancare l’individuo dal lavoro routinario (Brynjolfsson e McAfee, 2016). La sociologia ha il compito di neutralizzare entrambe le impostazioni, rifiutando il determinismo e riconoscendo le tecnologie come artefatti sociali.
Riorganizzazione del potere decisionale
La vera partita non riguarda la scomparsa fisica dell’agente umano, ma la riorganizzazione dei dispositivi di dominio, la redistribuzione del potere decisionale e la trasformazione dei processi cognitivi. Mentre le rivoluzioni industriali concentrate sull’automazione manuale, l’attuale diffusione di grandi modelli linguistici (LLM) e dell’AI generativa aggredisce il cuore del lavoro cognitivo e relazionale, settori prima ritenuti al riparo dalla meccanizzazione (Susskind, 2020).
Impatto sul mercato del lavoro
La transizione non si traduce in un crollo verticale dell’occupazione, ma in una marcata polarizzazione della forza lavoro (Goos, Manning e Salomons, 2014). Si consolida una ristretta élite tecnica di progettisti e detentori delle infrastrutture computazionali, a fronte della precarizzazione di una vasta fascia di professioni intellettuali intermedie, dalla traduzione alla programmazione entry‑level, dalla redazione di testi all’analisi dati di base, i cui compiti vengono frammentati e delegati ai software.
De‑skilling cognitivo
Questo fenomeno genera un evidente de‑skilling cognitivo (Braverman, 1998; Carr, 2014): la delega sistematica delle funzioni analitiche ed espressive alle macchine impoverisce le competenze critiche dei lavoratori. L’operatore umano rischia di scivolare verso un ruolo di mera supervisione passiva (human‑in‑the‑loop), privo di margine decisionale reale e penalizzato dal declassamento retributivo e contrattuale.
Management algoritmico e sorveglianza
Attraverso il management algoritmico, l’esercizio del potere viene codificato in routine tecnologiche che monitorano i ritmi produttivi, assegnano i compiti e valutano i rendimenti in tempo reale (Daugherty e Wilson, 2018; Zuboff, 2019). In questo “Taylorismo digitale” l’asimmetria informativa tra impresa e dipendente raggiunge vertici inediti: i lavoratori sono esposti a metriche poco trasparenti (black box), prive di intermediari umani con cui interloquire.
Disuguaglianze strutturali e ghost work
La penetrazione dell’AI nei contesti sociali non avviene su un terreno neutro, ma si innesta sulle disuguaglianze strutturali esistenti. La realizzazione e l’addestramento dei modelli algoritmici richiedono una massa di lavoro umano sottopagato e invisibile, definito dalla sociologia del lavoro come “ghost work” o lavoro ombra (Gray e Suri, 2019; Casilli, 2019). Milioni di operatori, spesso concentrati nelle periferie del Global South o in aree depresse dei paesi avanzati, svolgono compiti di data labeling, validazione delle risposte e moderazione di contenuti violenti.
Data colonialism e sorveglianza capitalista
Su scala macro‑sociologica, la logica del capitalismo della sorveglianza opera attraverso forme di vero e proprio estrattivismo (Couldry e Mejias, 2019; Zuboff, 2019). Ogni condotta individuale, espressione linguistica o traccia digitale viene convertita in risorsa grezza (datafic