C’è un’obiezione ragionevole che merita di essere presa sul serio: ogni ondata di automazione è arrivata accompagnata da previsioni di sterminio occupazionale che poi non si sono avverate. I bancomat avrebbero dovuto cancellare i cassieri di banca, e invece per quarant’anni, dal 1970 al 2010, l’occupazione dei cassieri americani non è mai entrata in un declino duraturo: James Bessen ha documentato che i bancomat ridussero i cassieri necessari per filiale da una ventina a circa tredici, ma resero le filiali così economiche da aprire che le banche ne aprirono molte di più, e i posti nel complesso tennero (il declino è arrivato dopo il 2010, ma per mano del mobile banking, non del bancomat). Il foglio elettronico avrebbe dovuto cancellare chi faceva i conti, e negli Stati Uniti dal 1980 sono effettivamente spariti circa quattrocentomila posti da addetto contabile esecutivo, mentre se ne creavano seicentomila tra i contabili veri e propri, perché l’analisi era diventata così economica che i clienti hanno cominciato a chiederne molta di più. Chi oggi liquida l’ansia da intelligenza artificiale come l’ennesimo panico luddista ha dalla sua una serie storica lunga e imbarazzante per i profeti di sventura. David Autor, l’economista del MIT che ha dato forma al modo in cui studiamo queste transizioni, ha quantificato il fenomeno con i suoi coautori: circa il 60% dell’occupazione americana del 2018 stava in mansioni che nel 1940 non esistevano nemmeno come titolo. Il lavoro non finisce. Si sposta.
E però questa lettura consolatoria, che è vera in aggregato e su orizzonti di decenni, diventa falsa appena la si usa per rassicurare una singola persona su un singolo decennio. Il dattilografo che nel 1985 era il più veloce dell’ufficio non è stato salvato dalla statistica secondo cui il lavoro, nel complesso, si sarebbe ricomposto altrove. Il suo lavoro specifico è evaporato lo stesso, e capire perché è evaporato è la cosa più utile che possiamo fare oggi, perché il meccanismo si sta ripetendo con una fedeltà quasi didascalica.
La storia del dattilografo, raccontata bene
Vale la pena raccontarla bene, quella storia, perché la versione che circola è più povera dell’originale. Nel 1975, allo Xerox PARC di Palo Alto, Larry Tesler e Tim Mott svilupparono un editor di testi chiamato Gypsy. Non era pensato per un mercato di massa: serviva a Ginn & Company, una casa editrice di libri di testo del gruppo Xerox, con sede a Lexington, nel Massachusetts. Gypsy introdusse cose che oggi diamo per scontate al punto da non vederle più: la selezione del testo con il trascinamento del mouse e il doppio clic su una parola, oltre ai comandi che Tesler battezzò cut, copy e paste. C’è un dettaglio della genesi che trovo quasi commovente. Tesler, per progettare l’interfaccia, chiese alla sua nuova segretaria, che aveva usato solo macchine per scrivere di fascia alta, di sedersi davanti a uno schermo vuoto e descrivere il suo modo ideale di prendere appunti e comporre documenti. Quello che lei descrisse divenne Gypsy. La professione che lo strumento avrebbe dissolto contribuì a disegnarlo, senza che nessuno dei due, la segretaria o l’ingegnere, potesse vedere dove sarebbe andata a finire la faccenda.
Perché il punto è esattamente questo: Gypsy e i suoi discendenti non resero i dattilografi più veloci. Resero quasi gratuita un’operazione che prima era costosa, cioè modificare un testo già scritto. Con la macchina per scrivere ogni correzione aveva un prezzo alto, e quel prezzo giustificava un’intera architettura organizzativa: il dirigente dettava o scriveva a mano, la bozza passava al pool di dattilografia, tornava corretta, ripartiva. Quando la modifica è diventata gratuita, non è successo che il dattilografo ha lavorato più in fretta. È successo che il dirigente ha iniziato a scrivere da solo, male e volentieri, perché poteva correggersi all’infinito senza costi. Il task della dattilografia non è stato automatizzato: è stato polverizzato e ridistribuito su milioni di persone, dentro un processo che prima non esisteva. Il Bureau of Labor Statistics americano ancora oggi censisce i superstiti della categoria «word processors and typists», e la proietta stabilmente in cima alle occupazioni in declino più rapido. Non perché una macchina batta a macchina meglio di loro, ma perché il mondo ha smesso di essere organizzato in modo da avere bisogno di una funzione dedicata alla battitura.
Il bundle e il goal-seeker
È qui che il «task approach» di Autor diventa uno strumento e non solo un’etichetta accademica. L’idea, formalizzata nel 2013 ma con radici nel lavoro con Levy e Murnane del 2003, è che la tecnologia non incontra mai una professione: incontra singole attività, e riassegna quelle attività tra lavoro umano e capitale secondo un principio di vantaggio comparato. Una professione è un pacchetto di task tenuti insieme da un’organizzazione, e raramente il pacchetto sparisce tutto insieme. Sangeet Paul Choudary, ripreso in Italia da Vincenzo Cosenza in un articolo che è lo spunto di questa riflessione, chiama il pacchetto «bundle» e osserva che finora l’essere umano è sopravvissuto alle automazioni perché conservava la funzione di goal-seeker: la tecnologia mangiava i task esecutivi, ma qualcuno doveva ancora decidere l’obiettivo, scomporlo, gestire le eccezioni, ricomporre il risultato. Il titolo professionale restava sulla porta mentre il contenuto della stanza cambiava.
Gli agenti spostano il confine
Gli agenti spostano il confine proprio lì. Un assistente che accelera ogni singolo passaggio di un processo lascia il processo com’era: è la modalità in cui la maggior parte delle aziende sta usando l’IA oggi, ed è anche la modalità che produce i risultati più deludenti, perché comprime i tempi dei task senza toccare i tempi morti tra un task e l’altro, che in qualsiasi organizzazione reale sono la voce dominante. Un agente che parte dall’obiettivo, costruisce un piano, cerca le fonti, produce una prima versione del deliverable e la sottopone a verifica non sta accelerando cinque task: sta proponendo un workflow diverso, in cui alcune posizioni intermedie perdono la loro funzione e altre ne acquistano. Lo slogan secondo cui l’IA non sostituirà chi lavora ma solo chi non la sa usare presuppone che il processo resti quello, e che la gara si giochi sulla velocità di esecuzione dei passaggi esistenti. Il dattilografo più veloce su Word aveva vinto esattamente quella gara. Non gli è servito, perché nel frattempo era sparita la pista.
La vista dalla provincia
Fin qui l’analisi, che devo in gran parte ad Autor, a Choudary e alla sintesi di Cosenza. Quello che vorrei aggiungere viene dal punto di osservazione particolare di chi guida la parte tecnica di una piccola software house di provincia, una decina di persone che lavorano soprattutto su sanità e pubblica amministrazione, con qualche incursione nel legaltech, e che negli ultimi due anni ha riorganizzato il proprio modo di sviluppare software attorno a strumenti agentici. Non è un punto di osservazione teorico: è il posto dove queste dinamiche arrivano per prime e senza ammortizzatori, perché una struttura di dieci persone non ha la ridondanza organizzativa per assorbire un workflow sbagliato.
La prima cosa che ho imparato è che nel nostro mestiere la ricomposizione è già avvenuta, solo che la chiamiamo con nomi tecnici che ne nascondono la portata. Quando il codice diventa economico da produrre, come la battitura negli anni Ottanta, il valore migra verso l’artefatto che lo precede: la specifica. Ne ho scritto altrove parlando di debito di specifica, e ogni mese che passa ne sono più convinto. Un agente che genera in un pomeriggio quello che un tempo richiedeva due sprint non ha accelerato lo sviluppo: ha spostato il collo di bottiglia sulla capacità di dire con precisione che cosa va costruito e con quali proprietà verificabili. Chi sa scrivere quella specifica, e sa riconoscere quando l’output non la rispetta, sta facendo il lavoro che conta. Chi esegue task che la specifica ha già completamente determinato sta facendo il lavoro che il processo può ridistribuire, e prima o poi lo farà.
Il vivaio
La seconda cosa è più scomoda, e riguarda la piramide. In un team piccolo il lavoro junior non è mai stato solo produzione a basso costo: era il meccanismo con cui si formavano i senior. Se gli agenti assorbono precisamente il tipo di task su cui un junior costruiva il proprio giudizio, l’azienda che si limita a festeggiare il risparmio si sta mangiando il vivaio. Non ho una soluzione elegante. Ho una pratica: i task non li togliamo ai junior, cambiamo il loro oggetto. Il junior non scrive più il CRUD, supervisiona l’agente che lo scrive, e viene valutato sulla qualità della revisione, non sulla velocità di battitura. È una scommessa sul fatto che il giudizio si possa formare anche esaminando lavoro altrui, come da sempre accade nelle redazioni e negli studi legali. Se la scommessa sia buona lo sapremo tra qualche anno, ma l’alternativa, cioè team senza posizioni d’ingresso, è una risposta che si commenta da sola.
La mappa scritta nei regolamenti
La terza cosa è quella per cui sto scrivendo questo pezzo. Cosenza chiude il suo articolo sul livello del sistema: chi definisce gli obiettivi, chi coordina persone e agenti, chi tiene la relazione con il cliente, chi si assume la responsabilità del risultato. Ed è vero, ma detto così sembra una questione di posizionamento individuale, quasi di carriera. Io credo che sia una questione strutturale, e che in Europa abbia già un indirizzo scritto. Perché mentre discutiamo di quali task l’IA sappia svolgere, il legislatore europeo sta compilando, articolo dopo articolo, l’elenco delle funzioni che nessun processo potrà ridistribuire alle macchine, per il semplice motivo che la legge le inchioda a una persona giuridica. L’AI Act pretende, per i sistemi ad alto rischio, una sorveglianza umana effettiva, e assegna obblighi precisi a chi fornisce e a chi impiega i sistemi. Il Cyber Resilience Act rende il fabbricante responsabile della sicurezza del prodotto digitale a prescindere da chi, o da che cosa, ne abbia scritto il codice, mentre la nuova direttiva sulla responsabilità da prodotto estende quella responsabilità al software in quanto tale, e NIS2 arriva a chiedere che sia l’organo di gestione, non un ufficio delegato, ad approvare le misure di sicurezza e a risponderne. Si può leggere tutto questo come zavorra burocratica, ed è la lettura più diffusa nel nostro settore. Oppure lo si può leggere come una mappa: la topografia, tracciata in anticipo e con valore di legge, dei punti del workflow in cui il valore umano non è negoziabile perché la responsabilità non è delegabile.
Quello che nessuno strumento può firmare
Il dattilografo è scomparso quando il processo ha smesso di avere bisogno di una funzione dedicata alla battitura. La domanda giusta, per chiunque lavori con la conoscenza, non è quali task un modello sappia svolgere, e nemmeno soltanto se quei task resteranno organizzati come oggi. È quale funzione il processo, per quanto lo si ricomponga, non potrà mai espellere. Nel mio settore la risposta ha smesso di essere un’opinione: la funzione che il processo non può espellere è la responsabilità, e la responsabilità in Europa è scritta nei regolamenti prima ancora che negli organigrammi. Chi la tratta come un costo si prepara a competere sulla velocità di esecuzione, cioè a vincere la gara del dattilografo. Chi la tratta come architettura sta scegliendo, oggi, il livello del sistema in cui abitare quando la ricomposizione sarà finita.
La segretaria di Tesler descrisse a uno schermo vuoto il suo modo ideale di scrivere, e da quella descrizione nacque lo strumento che avrebbe dissolto il suo mestiere. Più di mezzo secolo dopo stiamo tutti descrivendo a uno schermo il nostro modo ideale di lavorare. Conviene farlo sapendo che la descrizione verrà presa alla lettera, e che alla fine resterà in piedi soltanto ciò che di quel lavoro nessuno strumento può firmare al posto nostro.
Cosa ti porti a casa
In aggregato gli ottimisti hanno ragione: i bancomat non hanno fatto calare i cassieri per quarant’anni e il foglio elettronico ha creato più posti tra i contabili di quanti ne abbia distrutti tra gli addetti ai conti. Ma la statistica aggregata non salva la singola persona nel singolo decennio: il lavoro del dattilografo è evaporato lo stesso.
Gypsy, l’editor di Larry Tesler e Tim Mott allo Xerox PARC del 1975, non rese la battitura più veloce: rese quasi gratuita la modifica del testo. Il task non fu automatizzato ma polverizzato e ridistribuito su milioni di persone, e la funzione dedicata sparì insieme all’architettura organizzativa che la giustificava.
Il task approach di Autor e il bundle di Choudary spiegano il meccanismo: la tecnologia non incontra mai una professione, incontra singoli task. Finora l’umano sopravviveva perché restava goal-seeker; gli agenti, che partono dall’obiettivo e propongono workflow interi, spostano il confine proprio su quella funzione.
In una software house la ricomposizione è già avvenuta: quando il codice diventa economico, il valore migra sulla specifica e sulla capacità di riconoscere quando l’output non la rispetta. E i junior non vanno privati dei task ma spostati sulla supervisione dell’agente, altrimenti l’azienda che festeggia il risparmio si sta mangiando il vivaio.
La funzione che nessun processo può espellere è la responsabilità: AI Act, CRA, PLD e NIS2 la inchiodano a persone giuridiche e organi di gestione. Letta come mappa invece che come zavorra burocratica, è la topografia dei punti del workflow in cui il valore umano non è negoziabile.
Domande e risposte
Perché l'ottimismo storico sull'automazione non basta a rassicurare chi lavora oggi?
Perché è vero in aggregato e su orizzonti di decenni, e diventa falso appena lo si usa per rassicurare una singola persona su un singolo decennio. I bancomat non fecero calare l’occupazione dei cassieri americani per quarant’anni e il foglio elettronico creò più posti tra i contabili di quanti ne cancellò tra gli addetti ai conti, ma il dattilografo più veloce dell’ufficio non fu salvato dalla statistica secondo cui il lavoro si sarebbe ricomposto altrove. Il suo lavoro specifico evaporò lo stesso, e il meccanismo che lo fece evaporare si sta ripetendo.
Che cosa insegna davvero la storia di Gypsy e dei dattilografi?
Che la tecnologia non deve battere a macchina meglio di un dattilografo per farlo sparire. Gypsy, sviluppato da Larry Tesler e Tim Mott allo Xerox PARC nel 1975, rese quasi gratuita un’operazione che prima era costosa, la modifica di un testo già scritto. Quando correggere non costò più nulla, il dirigente cominciò a scrivere da solo e l’architettura organizzativa che giustificava il pool di battitura si dissolse. Il task non fu automatizzato: fu polverizzato e ridistribuito su milioni di persone, dentro un processo che prima non esisteva.
Cos'è il task approach di David Autor e perché gli agenti cambiano le cose?
È l’idea, formalizzata nel 2013, che la tecnologia non incontra mai una professione ma singole attività, e le riassegna tra lavoro umano e capitale secondo un vantaggio comparato. Una professione è un pacchetto di task tenuti insieme da un’organizzazione, e finora l’umano sopravviveva perché conservava la funzione di goal-seeker: decidere l’obiettivo, scomporlo, gestire le eccezioni. Un agente che parte dall’obiettivo e produce il deliverable non accelera cinque task: propone un workflow diverso, in cui alcune posizioni intermedie perdono la loro funzione. Il confine si sposta esattamente sul livello che sembrava garantito.
Come cambia il lavoro junior in un team che usa agenti?
Il lavoro junior non è mai stato solo produzione a basso costo: era il meccanismo con cui si formavano i senior. Se gli agenti assorbono proprio i task su cui un junior costruiva il proprio giudizio, l’azienda che festeggia il risparmio si sta mangiando il vivaio. Una pratica possibile è cambiare l’oggetto dei task invece di toglierli: il junior non scrive più il CRUD, supervisiona l’agente che lo scrive, e viene valutato sulla qualità della revisione. È una scommessa sul fatto che il giudizio si possa formare anche esaminando lavoro altrui, come accade da sempre nelle redazioni e negli studi legali.
Quale ruolo hanno AI Act, CRA, PLD e NIS2 in questa ricomposizione?
Mentre discutiamo di quali task l’IA sappia svolgere, il legislatore europeo sta compilando l’elenco delle funzioni che nessun processo potrà ridistribuire alle macchine, perché la legge le inchioda a una persona giuridica. L’AI Act pretende una sorveglianza umana effettiva per i sistemi ad alto rischio, il CRA rende il fabbricante responsabile della sicurezza del prodotto a prescindere da chi ne abbia scritto il codice, la PLD estende la responsabilità da prodotto al software in quanto tale e NIS2 chiede che sia l’organo di gestione ad approvare le misure di sicurezza e a risponderne. Si può leggere tutto questo come zavorra burocratica, oppure come una mappa dei punti del workflow in cui la responsabilità non è delegabile.
L'autore
