L’Ai accelera la logica della standardizzazione, ripresentando il problema di integrare l’efficienza con il rispetto del lavoro umano.
Alle soglie della quinta rivoluzione industriale, un’epoca che promette di valorizzare l’integrazione tra persone e tecnologie intelligenti, riemerge una sfida antica.
Si ripresenta, con nuova urgenza, un dilemma che ha segnato gli inizi del Novecento: come bilanciare la ricerca dell’efficienza con il rispetto del lavoro umano, un nodo cruciale già affrontato ai tempi del taylorismo.
I primi segnali dell’adozione dell’intelligenza artificiale nelle imprese rivelano una rinnovata enfasi sulla produttività. Le aziende automatizzano attività ripetitive, analizzano grandi moli di dati e ottimizzano i processi decisionali.
Questa accelerazione tecnologica ricorda da vicino la logica di standardizzazione del lavoro introdotta da Frederick Taylor oltre un secolo fa. Le critiche rivolte allora – la perdita di senso, la meccanizzazione del lavoratore, la riduzione dell’autonomia – risuonano oggi nei timori associati all’intelligenza artificiale.
Ma al contrario delle tecnologie di Taylor, l’Ai non è un mero strumento meccanico: è un sistema statistico-stocastico che apprende dai dati e decide come classificare la realtà.
Che si tratti di segmentare i clienti, valutare il rischio, misurare le performance, sintetizzare un documento o animare agenti virtuali, gli algoritmi ordinano e filtrano le informazioni sulla base dei dati disponibili. In questo senso, l’Ai è una “macchina che classifica” e, come ci insegnano gli studi sociali sulla scienza e la tecnologia, ogni classificazione riflette una visione del mondo: cosa conta, cosa viene ignorato, chi viene favorito o penalizzato. Nel caso dell’Ai, questa visione è influenzata dalla purezza dei dati e dalla capacità di salvaguardare l’integrità della macchina da danni accidentali o intenzionali.
Proprio qui si annidano i principali rischi: se i dati sono incompleti o distorti, gli algoritmi tendono a rafforzare i pregiudizi invece di superarli. Inoltre, se le componenti del sistema che elaborano o memorizzano i dati, distribuite globalmente nelle infrastrutture cloud, sono compromesse o gestite impropriamente, le informazioni o le azioni risultanti possono diventare pericolose per gli utenti e l’organizzazione.
Questo può tradursi in scelte manageriali errate, esiti discriminatori o automatismi imprevisti. E quando queste logiche sono opache, difficili da spiegare o da contestare, l’organizzazione rischia di perdere il controllo sulle proprie azioni.
A fronte di questi pericoli, si sta diffondendo una doppia forma di resistenza. Da un lato, cresce la consapevolezza della necessità di preservare la dimensione umana del lavoro. Il timore, fondato, è che si ripeta un errore simile a quello del taylorismo: automatizzare le attività fino a svuotarle di significato.
Dall’altro lato, si teme che un’eccessiva delega all’Ai possa intaccare la capacità di pensiero critico e ridurre la competenza umana. Se i sistemi intelligenti assumono il controllo su valutazioni sempre più complesse, rischiamo di perdere l’abitudine al ragionamento indipendente e al confronto tra pari, proprio quando la complessità del mondo richiederebbe l’opposto.
Una via d’uscita è possibile solo se si ripensa il ruolo delle persone non come concorrenti degli agenti virtuali, ma come steward critici: figure capaci di vigilare, interpretare e correggere l’operato delle macchine. In questo scenario, il lavoro umano viene valorizzato come presidio di affidabilità, sicurezza e responsabilità. È in questa direzione che si colloca la sfida della Cyber Safe AI Innovation, intesa come capacità collettiva di sviluppare forme di intelligenza artificiale affidabili, trasparenti ed eque, in grado di supportare le decisioni senza sostituire il discernimento umano.
Affinché questa visione si realizzi, è fondamentale promuovere processi di progettazione partecipata e sperimentazione sul campo, che traducano i principi generali in pratiche operative adatte ai diversi contesti. Serve cioè un lavoro di adattamento continuo, che consenta a ciascun ruolo organizzativo – dal tecnico al manager – di comprendere e gestire le implicazioni della classificazione algoritmica nel proprio ambito. In questo modo, la governance dell’intelligenza artificiale diventa un processo distribuito e riflessivo, anziché un insieme di regole calate dall’alto.
In Italia, questa esigenza è resa ancora più urgente da un contesto imprenditoriale in cui l’adozione dell’Ai procede spesso senza un disegno strategico. Una recente indagine di Confindustria Servizi Innovativi e Tecnologici ha rilevato che il 52% delle Pmi non dispone di misure per gestire i rischi legati all’uso dell’AI generativa. In molti casi, mancano del tutto policy strutturate. Questo rende le imprese vulnerabili agli effetti collaterali di una tecnologia potente, ma ancora opaca. Se mal gestita, l’Ai rischia di generare più insidie che opportunità.
Non è la prima volta che ci troviamo di fronte a un simile bivio. Nel 1912, durante la sua audizione davanti alla Commissione speciale della Camera dei Rappresentanti degli Stati Uniti, Taylor difendeva il suo metodo sostenendo che “il lavoratore medio non usa più di un quarto della propria capacità”. Secondo lui, il compito del management era “pensare per conto degli operai”.
Una visione che suscitò forti reazioni, tanto da spingere il presidente della Commissione a chiedere: “E chi decide quando un uomo deve solo eseguire, e quando può anche pensare?”. Questo scambio, riportato nei resoconti dell’epoca, colpisce per la sua attualità: chi decide oggi cosa l’Ai può automatizzare e cosa deve restare prerogativa del giudizio umano?
Proprio per questo, serve un investimento diffuso in Ai literacy e pensiero critico. Non basta istruire tecnici: occorre formare lavoratori e manager capaci di interrogarsi sugli effetti dell’adozione dell’intelligenza artificiale, di valutarne gli impatti e di intervenire con competenza.
Solo una forza lavoro consapevole potrà sfruttare pienamente il potenziale trasformativo dell’Ai, evitando una nuova forma di “taylorismo digitale” e contribuendo alla costruzione di un futuro del lavoro più umano, inclusivo e sostenibile.
In questa transizione, non possiamo dimenticare che l’Italia è una Repubblica fondata sul lavoro: ogni innovazione deve rafforzarne il valore, non eroderlo. Anche la cybersecurity va letta in quest’ottica, come parte di un impegno più ampio a proteggere ciò che fa funzionare e che circonda l’Ai: persone, ambiente e istituzioni.
Paolo Spagnoletti
Professore ordinario di Organizzazione aziendale presso la Luiss Guido Carli e titolare della Fastweb + Vodafone Chair in Cybersecurity and digital transformation. È direttore del corso di studi triennale in Economia e management. È presidente di Cyber 4.0, il centro di competenza nazionale ad alta specializzazione per la cybersecurity.
Ha ricoperto incarichi didattici e di ricerca in Norvegia, Francia, Uk, Svizzera e Usa. È autore di oltre 100 articoli ed è caporedattore della serie Springer lecture notes in information systems and organisation.
L’articolo originale è stato pubblicato sul numero di Fortune Italia del giugno 2025 (numero 5, anno 8)
