Nel 1928 i sociologi William I. Thomas e Dorothy Swaine Thomas scrissero che quando le persone definiscono reale una situazione, quella situazione diventa reale nelle sue conseguenze. Con l’intelligenza artificiale è successo qualcosa di simile, a partire dal nome. Abbiamo chiamato intelligente un sistema che calcola probabilità, e la definizione ha prodotto una conseguenza molto concreta: un rapporto di subordinazione. Se è intelligente, sa più di noi. Se sa più di noi, non riusciremo mai a padroneggiarla del tutto.
Lo osservo da due anni nei corsi per adulti che tengo tra Italia e Svizzera. Le persone sono diventate più brave, scrivono richieste migliori, conoscono più strumenti. Eppure arrivano assetate di conoscenza tecnica, convinte di non saperne abbastanza, come se tutto si riducesse a imparare come si fa: il comando giusto, l’app giusta. Perché cercano una procedura quando, invece, servirebbe un metodo.
Sul piano tecnico quella sensazione ha un fondamento: stare al passo con rilasci, aggiornamenti e strumenti nuovi è impossibile anche per chi se ne occupa di mestiere, e il mercato ha tutto l’interesse a mantenerci in questa rincorsa, perché ogni lancio presenta il precedente come superato, e chi lo stava imparando si ritrova di nuovo indietro. È una corsa costruita per non finire.
Capire il meccanismo smonta (un po’) lo strumento
Sapere come funziona l’ia la ridimensiona. Un modello linguistico calcola la parola più probabile dopo quella precedente, a partire da enormi quantità di testi scritti da esseri umani; un generatore di immagini o di voci ricompone schemi già visti. Il risultato può sorprendere, ma non nasce da un’intenzione. Quando questo diventa chiaro, l’oracolo ridiventa uno strumento e smette di stare sopra di noi. Si pone come elemento intermedio tra l’idea e la verifica. Prima viene il punto di vista, la scelta di che cosa ottenere e perché. Dopo diventa obbligatoria la verifica di ciò che la macchina restituisce, che sia un testo, un’immagine, un video o una traccia audio. Un metodo costruito così regge al cambio di strumento, perché non dipende da nessuna interfaccia.
L’economia del giudizio
Internazionale ha dedicato una delle sue copertine a un saggio dello storico Nils Gilman, “Il valore del lavoro umano”: man mano che l’ia assorbe le mansioni intellettuali di routine, il valore si sposta sulle capacità che una macchina non riesce ancora a replicare in modo affidabile, in quella che Gilman chiama “economia del giudizio”.
Jack Clark, cofondatore di Anthropic, ha detto al New York Times che “il fiuto e l’intuizione su come muoversi” diventeranno una risorsa sempre più ricercata.
Se l’ia esegue, a noi resta la decisione. Gilman colloca il lavoro umano nelle zone grigie, come la negoziazione e l’interpretazione del contesto, cioè nelle situazioni complesse in cui non esiste un’opzione A o B già pronta. Sono capacità che non si standardizzano: le attività della macchina lo sono, l’essere umano no. Quando l’attenzione diventa la risorsa più scarsa, Gilman sottolinea che il valore sta nel distinguere il segnale dal rumore, e ciò che si scambia è la fiducia, l’affidabilità delle decisioni. Quando produrre contenuti costa quasi zero, torna al centro la qualità, che ha sempre fatto la differenza ed è l’unica cosa che solo noi possiamo dare e valutare.
Il nuovo trend è l’artigianalità (umana)
Anche nel mondo del marketing e della pubblicità hanno capito che funziona così. Tra le tendenze del prossimo anno c’è proprio la volontà di distinguere tra campagne fatte con l’ia e quelle non fatte con l’ia, sottolineando l’abilità umana delle prime. Prada, ad esempio, ha affidato la campagna di Natale 2026 all’animazione disegnata a mano dell’ex animatore Disney John Pomeroy, rivendicando l’assenza di ia come un marchio di qualità.
Gilman, citando l’Harvard Business Review, dà un nome alla competenza che tiene insieme tutto questo: metacognizione, la consapevolezza dei propri processi mentali che serve a governarli e a valutare quello che producono le macchine. Eppure, avverte, l’economia del giudizio può amplificare le disuguaglianze. Chi ha accesso a una formazione ampia e interdisciplinare ne trarrà vantaggio, chi è stato indirizzato verso compiti ripetitivi vedrà le proprie opportunità restringersi. I primi lavori a scomparire sono quelli d’ingresso, dove si impara osservando chi ha più esperienza.
Saper usare gli strumenti si impara anche da soli, provando e sbagliando. Lo sguardo critico no, e senza questo la distanza tra chi giudica e chi esegue si allarga.
Il potere fuori dalla macchina
Se il nome ingigantisce la tecnologia, ingigantisce anche l’ego di chi la possiede. In Finlandia Google ha abbattuto oltre 300 ettari di foresta a Muhos prima che la valutazione d’impatto ambientale fosse conclusa, e sul caso indaga l’autorità di vigilanza finlandese. Disboscare prima e chiedere il permesso dopo presuppone la convinzione di essere troppo importanti per aspettare: convinti di poterla fare franca.
Alle elezioni di metà mandato del 3 novembre, negli Stati Uniti, il 56 per cento degli elettori ha dichiarato agli exit poll della Nbc che ia e data center hanno avuto un peso decisivo o importante nel voto per il congresso. Delle 41 iniziative locali sui data center finite sulle schede, quasi tutte per vietarli o limitarli, la posizione contraria ha vinto quasi ovunque.
Sono tracce materiali che restano anche quando la tecnologia stessa sarà migliorata e non avrà più bisogno di divorare l’ambiente: l’energia e l’acqua consumate, il suolo, i posti di lavoro persi non tornano. Usare l’ia in modo etico significa tenere insieme la sua utilità e questi costi, senza rimuovere né l’una né gli altri.
Il tocco personale non sta nel chiederle di scrivere come se fossimo noi, ma nell’esercitare un pensiero lucido e attento su quello che ci propone. È al nostro servizio. Invece di spegnere il cervello, ce lo deve far accendere.