Pubblichiamo la seconda parte del contributo di Massimo De Angelis come materiale preparatorio al convegno di Effimera del 7 novembre su “L’Intelligenza Artificiale e noi: lavoro, vita, corpi, ecologie”

* * * * *

4. Chi misura comanda

Arriviamo così al punto politico centrale. L’efficienza non è mai indipendente dalla misura rispetto alla quale viene definita. Il capitale può essere straordinariamente efficiente nell’aumentare la produttività, ridurre i costi, riorganizzare il lavoro e mobilitare infrastrutture su scala planetaria. Ma queste capacità vengono selezionate e organizzate secondo determinate prassi del valore. La questione diventa allora: rispetto a quale misura una trasformazione viene definita efficiente, quali altre misure vengono subordinate o escluse, e chi possiede il potere di stabilire questa gerarchia?

Qui prenderei una certa distanza dalla distinzione proposta da Bifo fra valore d’uso e “valore umano”. L’intuizione è importante: qualcosa può essere perfettamente utile rispetto allo scopo per cui è stato costruito e contemporaneamente distruttivo della vita. Ma proprio questo mostra che non abbiamo una singola scala sulla quale collocare valore economico e valore umano. Un sistema militare basato sull’IA può essere efficace per un esercito, redditizio per chi lo produce e devastante per chi ne subisce l’azione; un data center può generare profitti e servizi utili ed entrare contemporaneamente in conflitto con altri usi dell’energia e dell’acqua. Non dobbiamo trovare il “vero valore” dell’oggetto, ma comprendere quali prassi del valore lo attraversano e quale possiede il potere di organizzare le altre.

Nel linguaggio che ho sviluppato altrove, una prassi del valore implica una misura attraverso cui soggetti situati valutano attività, relazioni e condizioni della propria riproduzione (De Angelis, 2026). L’impresa misura rendimento, produttività e costo; il lavoratore reddito, tempo, sicurezza, autonomia; una comunità accesso all’acqua e continuità territoriale; un servizio sanitario salute e qualità della cura; uno Stato capacità strategica. Gaia pone condizioni biofisiche che nessuna di queste misure può abolire. Queste misure cooperano, si contraddicono ed entrano in conflitto dentro relazioni di potere che conferiscono ad alcune capacità molto maggiori di organizzare materialmente le condizioni entro cui le altre operano.

Qui emerge la specificità della misura capitalistica. Profitto e rendimento non sono semplicemente valori fra gli altri. Attraverso proprietà, investimento, credito, infrastrutture e comando sul lavoro, il capitale può stabilire quale automazione riceve investimenti, quali infrastrutture vengono costruite, quale capacità diventa disponibile e quali costi possono essere scaricati su altri circuiti. Non prevale perché possiede una misura più vera, ma perché possiede il potere di farne la condizione entro cui le altre devono operare.

Supponiamo allora che un sistema permetta di produrre la stessa quantità in quattro giorni anziché cinque. Tecnicamente abbiamo prodotto una capacità: occorre meno lavoro. Ma che cosa significa socialmente il quinto giorno? Per l’impresa può diventare riduzione del costo, licenziamento o aumento dell’output. Per i lavoratori una settimana di quattro giorni a parità di salario. Per la società una base materiale per reddito sociale, reddito universale, servizi pubblici o tempo liberato. Nessuna di queste conseguenze è contenuta nella tecnologia. La produttività descrive una capacità; non prescrive la sua forma sociale.

È qui che la lotta di classe può essere compresa anche come lotta sulla misura. La lotta sulla giornata lavorativa riguardava la misura del tempo appropriabile dal capitale; quella salariale la distribuzione del prodotto della cooperazione; le lotte sulla casa contrappongono la rendita alla possibilità di abitare; quelle ecologiche contestano la trasformazione di acqua, atmosfera e territorio in input la cui allocazione è determinata prevalentemente dalla capacità di pagare; quelle sulla conoscenza contestano la trasformazione di capacità socialmente prodotte in proprietà esclusiva. La pluralità delle prassi del valore non dissolve dunque il rapporto capitale-lavoro in una generica pluralità di interessi: permette di vedere come il comando capitalistico attraversi differenti momenti della riproduzione sociale in senso lato imponendo una gerarchia fra le loro misure.

La domanda «di chi è la produttività dell’IA?» diventa allora concreta. Se la capacità dei modelli dipende da generazioni di conoscenza, istruzione, ricerca, linguaggi, software, lavoro pagato e non pagato, infrastrutture e condizioni materiali offerte da Gaia, perché assumere che il guadagno di produttività appartenga naturalmente all’organizzazione che possiede il modello? La redistribuzione arriva già troppo tardi se interviene soltanto dopo che quella produttività è stata costituita come profitto privato. La domanda precedente riguarda il diritto di governare la destinazione della capacità socialmente prodotta.

È qui che il comune appare non come ideale esterno da applicare all’IA, ma come sua condizione interna. Nessun modello esisterebbe senza linguaggi condivisi, conoscenze accumulate, cooperazione, infrastrutture sociali e condizioni ecologiche. Il capitale non crea questo comune dal nulla: lo organizza, misura, seleziona, incorpora e ne privatizza determinate capacità. Ma il comune come condizione non equivale ancora al comune come modo di produzione. Quest’ultimo comincia quando la cooperazione sviluppa capacità istituzionali di decidere sulle proprie finalità, sulle risorse dalle quali dipende e sulla distribuzione delle capacità che produce.

Chi misura, in questo senso, comanda. Ma anche le lotte misurano. E la possibilità di un altro ordine sociale dipende dalla loro capacità non soltanto di opporre misure differenti a quella del capitale, ma di costruire istituzioni capaci di farle valere.

5. Riprendersi la macchina

Se la potenza dell’IA è prodotta attraverso una cooperazione che attraversa lavoro, conoscenza, territorio e natura, quale soggetto può governarla diversamente? Terranova osserva che il lavoro continua evidentemente a esistere e l’IA rivela una complessa divisione internazionale del lavoro, ma la categoria di lavoro non possiede automaticamente la capacità politica di unificare tutti i soggetti coinvolti nella cooperazione digitale contemporanea (Terranova & de Zeeuw, D., 2024). Il confine fra produzione e consumo, lavoro salariato e attività gratuita, produzione di conoscenza e vita quotidiana è diventato poroso. Non basta dunque scoprire sotto l’IA una classe già politicamente costituita. La ricomposizione deve essere prodotta.

Intorno ai data center comincia così ad apparire, ancora in forma frammentaria e politicamente contraddittoria, precisamente questo terreno trasversale della riproduzione: lavoratori, abitanti, agricoltori, utenti e movimenti ecologici incontrano la stessa infrastruttura da posizioni differenti, non perché condividano necessariamente un’identità politica, ma perché essa interviene sulle condizioni interdipendenti della loro riproduzione. Non esiste un soggetto già dato che rappresenti “la riproduzione sociale”. Quel soggetto deve essere organizzato.

Organizzazione trasversale non significa però armonia. Soggetti diversamente posizionati possono dipendere dalle stesse condizioni riproduttive in modi incompatibili: una comunità può dipendere dai posti di lavoro prodotti da un data center e opporsi al suo consumo d’acqua; agricoltori, abitanti e imprese possono avanzare usi differenti della stessa risorsa. Queste tensioni non costituiscono necessariamente antagonismi di classe: richiedono negoziazione, deliberazione e commoning capaci di stabilire priorità fra bisogni differenti.

Dentro questa trama opera però anche un antagonismo di natura diversa. Proprietari e lavoratori possono dipendere dalla continuità della stessa impresa, ma si confrontano sulla destinazione dei guadagni di produttività; utenti, lavoratori e proprietari di una piattaforma partecipano allo stesso circuito disponendo di capacità radicalmente differenti di determinarne le regole. Qui non abbiamo semplicemente esigenze da comporre, ma prassi del valore e poteri di misura differenti entro rapporti nei quali la valorizzazione tende a subordinare altre esigenze della riproduzione. L’organizzazione trasversale deve quindi fare due cose contemporaneamente: comporre le tensioni che attraversano la riproduzione sociale e organizzare il conflitto contro la subordinazione delle sue molteplici misure alla misura del capitale.

Una delle condizioni dell’efficacia del comando consiste precisamente nella segmentazione di questi terreni. L’automazione appare al lavoratore come problema occupazionale, il data center all’abitante come questione territoriale, l’IA all’insegnante come problema educativo, energia e minerali all’ecologista come problema ambientale, l’automazione militare al movimento pacifista come problema della guerra. Queste lotte possono entrare in un processo di ricomposizione politica quando diventano leggibili come momenti differenti del processo attraverso cui capacità comuni e condizioni condivise della riproduzione vengono appropriate, infrastrutturate e subordinate a una determinata gerarchia delle prassi del valore.

Il commoning acquista qui un significato preciso. Non è semplicemente gestione partecipativa di una risorsa né genericamente “democratizzazione dell’IA”. Possiede una dimensione antagonistica, perché deve sottrarre capacità, risorse e decisioni alla determinazione unilaterale del capitale e del comando, e una dimensione costituente, perché opporsi non basta. Queste non sono due fasi successive, come se prima venisse la rottura e poi la costruzione, o come se l’accumulazione graduale di istituzioni alternative potesse rendere superflua la rottura. La lotta è già costituente quando produce nuove capacità, relazioni e istituzioni; la costituzione è già conflittuale quando sottrae risorse, decisioni e possibilità alla misura del capitale. Il problema dell’organizzazione consiste nel tenere insieme questi due movimenti.

Questa capacità deve essere insieme conflittuale e costituente. Una direzione analoga, formulata sul terreno della riappropriazione conflittuale della tecnologia, è indicata da Griziotti quando propone di «strappare le infrastrutture al monopolio»: piattaforme federate, cooperative dei dati, protocolli di sovranità dei dati, modelli più piccoli e situati e capacità computazionale distribuita costituiscono terreni sui quali spezzare il nesso fra IA e accumulazione estrattiva (Griziotti, 2025).

Anche qui, tuttavia, occorre tenere insieme i due lati. Strappare dati, modelli o compute al monopolio proprietario non basta se le nuove infrastrutture continuano a essere governate dalla misura della valorizzazione; ma un diverso ordine delle prassi del valore non può costituirsi senza trasformare i rapporti di proprietà, comando e potere che organizzano quelle infrastrutture. Non prima rivoluzione e poi costituzione. E non prima costituzione e poi rivoluzione.

Data trusts e cooperative dei dati, infrastrutture pubbliche di capacità computazionale, consorzi di federated learning, modelli open-weight e regimi di community data sovereignty mostrano almeno che singoli strati dell’infrastruttura dell’IA possono essere sottratti alla determinazione esclusiva del mercato proprietario. Garrido-Merchán propone di leggere queste esperienze come elementi di una possibile commons-governed artificial intelligence (Garrido-Merchán, 2026). Nessuna garantisce di per sé un diverso ordine del valore: un modello aperto o un’infrastruttura pubblica possono ancora essere subordinati alla valorizzazione. Ma mostrano che il governo della macchina può essere posto istituzionalmente e non soltanto come principio normativo.

Il problema non è dunque fermare la macchina né celebrarne astrattamente le possibilità. È riprendersi la capacità di deciderne la direzione.

Riprendersi la macchina significa allora qualcosa di più preciso che socializzarne la proprietà o democratizzarne l’accesso. Significa costruire la capacità collettiva di decidere che cosa automatizzare, quali capacità preservare e sviluppare, quali risorse mobilitare, come distribuire la produttività e a quali fini subordinare la capacità tecnologica.

L’industria dell’IA ci presenta continuamente due alternative: dobbiamo accelerare, perché altrimenti lo farà qualcun altro; oppure dobbiamo controllare la macchina prima che la macchina controlli noi. Entrambe lasciano fuori la domanda più importante: perché la cooperazione sociale che produce questa capacità possiede così poco potere nel determinarne la direzione? E come come costruire il contropotere capace di farlo?

Chi decide che cosa automatizzare? Se un guadagno di produttività diventa profitto, licenziamento, riduzione dell’orario, reddito sociale o miglioramento di un servizio? Se energia, acqua e capacità computazionale debbano essere utilizzate per pubblicità, finanza, guerra, ricerca o salute? Quali capacità umane vogliamo continuare a esercitare anche quando sarebbe tecnicamente possibile delegarle?

Nessun algoritmo può rispondere a queste domande, perché riguardano l’ordine delle prassi del valore dentro cui l’IA opera. Richiedono forme organizzative capaci di collegare ciò che il comando separa: lavoro e territorio, produzione e riproduzione, conoscenza e proprietà, tecnologia e metabolismo ecologico. Richiedono una ricomposizione trasversale e conflittuale sul terreno della riproduzione sociale.

Forse è questo il significato contemporaneo della questione del general intellect. La potenza sociale della conoscenza è già qui, incorporata in macchine che condensano, in forma straordinariamente concentrata, conoscenze e capacità prodotte da generazioni di cooperazione sociale. Ciò che non è cresciuto nella stessa misura è la capacità sociale di governarla.

Il problema non è fermare il general intellect. È strapparne il governo all’Automa sociale che abbiamo costruito intorno ad esso e alle relazioni di comando che organizzano la cooperazione sociale nella quale siamo materialmente e simbolicamente imbricati.

* * * * * 

Riferimenti bibliografici

Acemoglu, D. (2024), “The Simple Macroeconomics of AI”, NBER Working Paper, n. 32487, National Bureau of Economic Research. https://www.nber.org/papers/w32487

Amodei, D. (2026), intervento/proposta sul coordinamento per rallentare lo sviluppo delle capacità dei frontier models, settembre 2026. Reuters, “Anthropic CEO urges AI companies to slow model development amid fears over misuse”, 12 settembre 2026. https://www.reuters.com/business/anthropic-ceo-urges-ai-companies-slow-model-development-2026-09-12/

Anthropic (2026), “Labor Market Impacts of AI: A New Measure and Early Evidence”, Anthropic Economic Index, 5 marzo 2026. https://www.anthropic.com/research/labor-market-impacts

Baldus, J. & Ferl, A.-K. (2026), “Apocalyptic Imaginaries: Risk and Regulation in Discourses of Military AI and Nuclear Weapons”, Contemporary Security Policy, 47(2), pp. 324–353: https://doi.org/10.1080/13523260.2026.2639709

Berardi, F. “Bifo” (2026), L’amaro calice. Note su intelligenza artificiale e demenza naturale a partire dall’enciclica Magnifica Humanitas, serie di interventi, 2026. https://francoberardi.substack.com/p/lamaro-calice

Brynjolfsson, E., Li, D. & Raymond, L. R. (2025), “Generative AI at Work”, The Quarterly Journal of Economics, 140(2), pp. 889–942. https://doi.org/10.1093/qje/qjae044

Bulletin of the Atomic Scientists, Science and Security Board (2026), “2026 Doomsday Clock Statement: It Is Now 85 Seconds to Midnight”, John Mecklin (ed.), Bulletin of the Atomic Scientists, 27 gennaio 2026. https://thebulletin.org/doomsday-clock/2026-statement/

Ciccarelli, R. (2026), “L’apocalisse capitalista”, il manifesto, 17 settembre 2026. https://ilmanifesto.it/lapocalisse-capitalista

Challand, M., Vismara, P. & de Tourdonnet, S. (2025), “Combining Constraint Programming and a Participatory Approach to Design Agroecological Cropping Systems”, Agricultural Systems, 222, 104154. DOI: 10.1016/j.agsy.2024.104154. https://www.sciencedirect.com/science/article/pii/S0308521X24003044

Crawford, K. (2021), Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence, Yale University Press, New Haven.

De Angelis, M. (2026, forthcoming), The Pyramid and the Common, London: Bloomsbury Academic.

European Data Centre Monitor (2026), European Data Centre Monitor: Tracking Opposition to Data Centre Development across Europe, Q2 2026 Report and online monitoring database, updated 27 July 2026. https://eudcmonitor.com/

Frey, C. B. & Osborne, M. A. (2017), “The Future of Employment: How Susceptible Are Jobs to Computerisation?”, Technological Forecasting and Social Change, 114, pp. 254–280. https://doi.org/10.1016/j.techfore.2016.08.019

Garrido-Merchán, E. C. (2026), “Commons-Governed Artificial Intelligence: A Taxonomy of Collective Governance”, arXiv, arXiv:2606.15466, 13 June 2026 [preprint]. https://arxiv.org/abs/2606.15466

Griziotti, G. (2025), How to Survive Artificial Intelligence. Intelligenza artificiale, tecnofascismo e guerra. https://effimera.org/wp-content/uploads/2025/11/griziotti-lungo.pdf

Griziotti, G. (2026), “L’IA, o quando il capitalismo ha imparato a ‘produrre senso’. Una conversazione con Giorgio Griziotti”, Effimera, settembre 2026. https://effimera.org/materiali-seminario-ia-01-lia-o-quando-il-capitalismo-ha-imparato-a-produrre-senso-una-conversazione-con-giorgio-griziotti/

International Energy Agency (IEA) (2025), Energy and AI, Paris, International Energy Agency. https://www.iea.org/reports/energy-and-ai

International Energy Agency (IEA) (2026), Key Questions on Energy and AI, Paris, International Energy Agency. https://www.iea.org/reports/key-questions-on-energy-and-ai

International Labour Organization (ILO) (2024),  Mind the AI Divide: Shaping a Global Perspective on the Future of Work, International Labour Organisation, https://www.ilo.org/sites/default/files/2024-08/Mind%20the%20AI%20Divide_v12%20%281%29.pdf

International Labour Organization (ILO) (2026), “Artificial Intelligence”, International Labour Organization. https://www.ilo.org/topics-and-sectors/artificial-intelligence

Joint Legislative Audit and Review Commission (JLARC) (2024), Data Centers in Virginia, Report to the Governor and the General Assembly of Virginia, Commonwealth of Virginia, 9 December 2024. https://rga.lis.virginia.gov/Published/2025/RD206/PDF

 Lim, Y.-B., Stephenson, O. & Reddie, A. W. (2026), Converging Risks: AI and the Future of Global Security, Federation of American Scientists, Washington, DC, 20 maggio 2026. https://fas.org/wp-content/uploads/2026/05/Converging-Risks.pdf

Livingstone, G. (2023), “‘It’s pillage’: thirsty Uruguayans decry Google’s plan to exploit water supply”, The Guardian, 11 July 2023. https://www.theguardian.com/world/2023/jul/11/uruguay-drought-water-google-data-center

Marx, K. (1973), Grundrisse: Foundations of the Critique of Political Economy, trad. Martin Nicolaus, Penguin, Harmondsworth.

Moreno-Rodenas, A., Verbist, K., Mertens, A., Gerritsma, I., Deng, J., Haag, A., Taner, Ü., Nuttall, J. D., Dahm, R., et al. (2025), Applications of Artificial Intelligence for Water Management, Paris/Delft: UNESCO & Deltares, 118 pp. DOI: 10.54677/VGVL7976.

 Nieto Jiménez, E. & Pena, D. (2026), “How We Stood Up to a Google Data Centre”, Ninety-Nine / Global Justice Now, 20 July 2026. https://www.globaljustice.org.uk/blog/2026/07/how-we-stood-up-to-a-google-data-centre

Pasquinelli, M. (2023), The Eye of the Master: A Social History of Artificial Intelligence, Verso, London.

Prehn, J., Carlson, B., Walter, M., Lovett, R. & Maher, B. (2026), “Indigenous Data Sovereignty and the Governance of Artificial Intelligence: Toward Equitable Benefit for Indigenous Peoples”, Journal of Sociology, OnlineFirst, 21 July 2026. https://journals.sagepub.com/doi/full/10.1177/14407833261460137

Reuters (2026), “Data Center Opponents Stage 142 Protests Across 42 US States”, 18 July 2026: https://www.reuters.com/business/retail-consumer/us-data-center-protests-go-national-backlash-grows-2026-07-18/

Terranova, T. (2000), “Free Labor: Producing Culture for the Digital Economy”, Social Text, 18(2), pp. 33–58.

Terranova, T. & de Zeeuw, D. (2024), “Undead Digital Labor and the General Intellect: A Conversation on AI between Tiziana Terranova and Daniël de Zeeuw”, Institute of Network Cultures, 23 aprile 2024. https://networkcultures.org/blog/2024/04/23/terranova-and-de-zeeuw/

World Health Organization (WHO) (2026), “WHO Health Emergencies EPI-WIN Webinar: Artificial Intelligence (AI) Supported Listening to Communities for Cholera”, 6 May 2026. https://www.who.int/news-room/events/detail/2026/05/06/default-calendar/who-health-emergencies-epi-win-webinar-artificial-intelligence-supported-listening-to-communities-for-cholera