1. Premessa

Spesso ci si domanda se, con l’avvento dell’Intelligenza artificiale generativa, si possa parlare della nascita di un nuovo paradigma tecnologico, in grado di sviluppare traiettorie del tutto inedite nel contesto economico contemporaneo.

Parliamo di un nuovo paradigma tecnologico quando più o meno in simultanea siamo in presenza di innovazioni radicali (ovvero non generate dall’evoluzione di tecnologie precedenti) nel campo dell’attività di produzione (innovazione di processo), nel campo delle abitudini di consumo (innovazione di prodotto) e nel campo dell’organizzazione del lavoro e della produzione (innovazione di organizzazione).

In queste brevi note vorremmo verificare se l’Intelligenza artificiale generativa apre effettivamente un nuovo paradigma tecnologico e quali possono essere le nuove modalità per organizzare una forza sindacale in grado di fare lotta di classe. Con l’avvento del paradigma fordista, infatti, il nuovo modello organizzato della grande fabbrica aveva comportato il passaggio dall’operaio di mestiere (che aveva dato origine alle prime forme embrionali di sindacato con le società di mutuo soccorso) all’operaio massa, con una strutturale modificazione della composizione tecnica del lavoro. Ciò aveva portato alla necessità di rifondare l’azione rappresentativa e conflittuale del sindacato, come l’esperienza IWW ha ben mostrato.

Poiché il tema è di vasta portata, in questa sede ci limiteremo a evidenziare alcuni fatti stilizzati, che dovranno successivamente essere meglio approfonditi. Possiamo dire che quello che andiamo a presentare è una sorta di progetto di ricerca e conricerca futura.

2. Intelligenza Artificiale e il rapporto capitale-lavoro

Il sistema innovativo alla base dell’intelligenza artificiale generativa presenta una caratteristica che non è unica nella storia del progresso tecnologico capitalistico, ovvero alterare il rapporto sociale tra macchina e lavoro. Il progresso tecnologico nel capitalismo non è mai stato neutrale. L’ “uso capitalistico delle macchine” (per citare un famoso articolo di Raniero Panzieri[1]) è sempre stato finalizzato ad aumentare la produttività del lavoro quindi a intensificare il saggio di sfruttamento. Tutto ciò è sempre avvenuto all’interno di una netta separazione tra elemento macchinico e elemento umano. Ma con le nuove tecnologie algoritmiche che stanno alla base della IA generativa tale separazione tende a venir meno. Assistiamo ad un divenire umano della macchina così come ad un divenire macchinico dell’umano. Tale tendenza scompagina il tradizionale rapporto capitale-lavoro e apre nuovi orizzonti di capacità organizzativa radicale alla base di nuovi processi di accumulazione. Tale ibridazione tra umano e macchinico non era ancora presente nel paradigma dell’Ict, dell’informatizzazione e automazione della produzione manifatturiera con i sistemi Cad-Cam-Cae. In quel contesto (che abbiamo definito capitalismo cognitivo), veniva modificato il tipo di prestazione lavorativa, con un crescente ricorso alle capacità cognitive e relazionali, definite su base individuale (la vita messa al lavoro) ma il rapporto con la nuova macchina, seppure di tipo diverso, spesso di natura meccanico-linguistica (il software, l’hardware, il netware, ecc.), si declinava in un rapporto tra elementi comunque separati.

Con l’avvento delle piattaforme digitali, all’inizio del nuovo millennio, assistiamo ad un salto di paradigma. Si tratta di una radicale innovazione organizzativa che favorisce altrettanti radicali innovazione di processo. Di solito nella storia del capitalismo, erano le innovazioni di processo e/o di prodotto che necessitavano un cambiamento innovativo nelle modalità organizzative- In questo caso, la relazione è invertita. È il cambiamento organizzativo che dà origine a un nuovo modo di produzione. Tale dinamica dipende dal fatto che le piattaforme digitali ridefiniscono i confini tra domanda e offerta e, quindi, tra consumo e produzione. Lo scambio cambia pelle: non è più il semplice incontro binario tra due agenti economici ma comincia ad essere organizzato da un terzo agente, la piattaforma, che lo organizza e definisce sia le modalità di produzione che di consumo.

Il confine tra domanda e offerta diventa ibrido. Di fatto la piattaforma digitale standardizza ciò che era già avvenuto in modo deregolamentato con l’avvento della figura del prosumer, ovvero il “produttore consumatore”. Ma se ciò è uno dei primi effetti della nascita delle piattaforme digitali come nuovo meccanismo organizzatore dello scambio, in grado di sussumere sempre più la produzione, tuttavia non significa che siamo in presenza della sovranità del consumatore, tanto idealizzata dalla teoria mainstream del libero mercato. Produttore e consumatore sono infatti sempre più eterodiretti dal dispositivo della macchina algoritmica che gestisce la piattaforma digitale.

La macchina fisica, il macchinario, diviene obsoleto (anche se, ovviamente non scompare) e si trasforma in sistema macchinico. Il termine sistema macchinico (o l’aggettivo “macchinico”) indica, in filosofia e sociologia, un insieme complesso in cui elementi umani, tecnologici, sociali e semiotici si fondono in un unico processo di evoluzione e funzionamento, un concetto ampiamente sviluppato da filosofi come Gilles Deleuze, Félix Guattari e Gilbert Simondon.

Ed è in questo contesto che comincia il processore di ibridazione tra elemento umano e elemento macchinico, oggi sempre più accelerato dalla diffusione dell’IA generativa: il divenire macchinico dell’uomo (che ha già origine con l’organizzazione scientifica del lavoro di Tayloristica memoria, pur in un ambito di netta separazione tra macchinario e umano) e soprattutto il divenire umano della macchina: il farsi, appunto sistema macchinico come input eterogeneo complesso ma reso coeso e impenetrabile dalla funzione organizzatrice della piattaforma digitale, l’input dominante del processo di accumulazione dell’odierno capitalismo bio-cognitivo.

Grazie agli algoritmi di II generazione (deep e machine learning), l’IA generativa compie un salto di qualità nell’utilizzo dei dati rispetto alla gestione della Business Intelligence, pratica aziendale di gestione dei dati, all’origine dello sviluppo del settore dei big data. La Business Intelligence, diffusasi a partire dalla II metà degli anni ’90, è un sistema di modelli, metodi, processi, persone e strumenti che rendono possibile la raccolta regolare e organizzata del patrimonio dati generato da un’azienda e attraverso elaborazioni, analisi ed aggregazioni, ne permette la trasformazione in informazioni, la conservazione, la reperibilità e la presentazione in forma semplice, flessibile ed efficace tale da costituire un supporto alle decisioni strategiche, tattiche ed operative. Essa si fonda sul processo di data-mining: i dati raccolti non sono fini a sé stessi ma permettono di cogliere delle opportunità e di interpretare i fenomeni. Si tratta di processi che vanno oltre la pura constatazione e osservazione di fatti, in quanto il fine è quello di mettere in atto azioni traducibili nella creazione di valore. Il sistema di Business Intelligence comporta dunque:

  • la raccolta dei dati del patrimonio dell’azienda
  • la loro pulizia, validazione e integrazione
  • la successiva elaborazione, aggregazione e analisi
  • l’utilizzo fondamentale di questa mole di informazioni nei processi strategici e di valorizzazione.

La Business Intelligence ha infatti la funzione di trasformare il valore d’uso, implicito nel dato grezzo prodotto dalla semplice attività umana, in valore di scambio per l’impresa che ne gestisce l’utilizzo. Genera quindi quello che è stata chiamata la teoria del valore-dato[2]. Ma tale processo avviene in forma eminentemente automatica e strumentale, cioè in forma lineare. Non si sviluppano processi cumulativi di conoscenza.

L’intelligenza artificiale generativa (GenAI) crea nuovi contenuti originali come testi, immagini o musica analizzando schemi e statistiche da grandi quantità di dati esistenti. Di fatto, fa riferimento a tutta la conoscenza umana che è stata prodotta nella storia e la saccheggia, a suo piacimento. Si crea un modello dinamico di accumulazione che prevede una sorta di “catena di montaggio umano-macchinica intangibile”. Essa è principalmente caratterizzata, nella sua forma più semplice, da tre fasi:

  • Addestramento (Training): il sistema riceve miliardi di dati (testi, immagini o codici) ed elabora le regole statistiche e le relazioni nascoste al loro interno.
  • Il Prompt: l’utente scrive un comando o una richiesta testuale per indicare all’intelligenza artificiale cosa creare.
  • Generazione dell’output: sfruttando reti neurali avanzate (come i Transformer), il modello prevede passo dopo passo l’elemento successivo più probabile per comporre un risultato coerente

Senza l’input umano (o meglio, la conoscenza umana) non sarebbe possibile generare quella macchina linguistica, che prende il nome di Large Language Model (LLM), in grado di prevedere la parola (o il frammento di parola) successiva più logica all’interno di un testo[3]. Tali modelli linguistici di grandi dimensioni si basano su reti neurali e non possiedono una vera comprensione o coscienza umana: imitano il linguaggio analizzando enormi quantità di dati.

Tale processo “produttivo” è strettamente dipendente da un rapporto sinergico con l’azione umana, sia nella fase di pre-addestramento (pre-training- ovvero raccolta e lettura di una quantità sterminata di testi presi da internet, libri e articoli) che in quella di perfezionamento (fine tuning), dove il risultato finale del processo viene addestrato ulteriormente con la supervisione umana per imparare a rispondere in modo utile, sicuro ed educato alle domande degli utenti

Se la Business Intelligence aveva lo scopo di raccogliere, gestire e analizzare grandi volumi di dati aziendali per ottenere informazioni strategiche che possano guidare il processo decisionale, l’IA generativa va oltre. Crea anche capacità analitica e soprattutto prescrittiva, che può risultare anche superiore a quella che può esser prodotta dalla sola capacità umana.

3. La nuova frontiera del conflitto di classe

Ai tempi dell’intelligenza artificiale, il conflitto di classe si articola su due livelli: il livello della sorveglianza predittiva (quindi della repressione) e quello dello sfruttamento. I due livelli sono stretamente collegati: la sorveglianza predittiva induce allo sfruttamento e lo sfruttamento favorisce la sorveglianza predittiva.

Tutto ciò rende molto più complicato la capacita di un’organizzazione bio-sindacale. Parliamo volutamente di bio-sindacato, perché un’organizzazione sindacale in presenza dell’ibridazione tra umano e macchinico non può che far riferimento alla vita mercificata e messa direttamente a valore. Il primo livello riguarda una tematica strettamente politica, che ha che fare con gli spazi di autorganizzazione, democrazia e difesa delle proprie libertà. Abbiamo scritto che l’IA generativa è in grado di predire i possibili comportamenti di chi è sottoposto a una qualche forma di sorveglianza. Nel capitalismo della sorveglianza studiato da Shoshana Zuboff[4], il controllo riguarda un’azione o un atto nel momento in cui si compie. Con l’IA si va oltre: il sistema macchinico è in grado di prevedere un possibile atto futuro e quindi può svolgere attività di prevenzione, anche con un certo margine di errore. Tale possibilità implica che chi gestisce tale sistema è in grado di intervenire con strumenti repressivi prima che l’eventuale atto (considerato illegale) possa avvenire. Non è un cambiamento di poco conto. Si reprime l’intenzione prima che il fatto effettivamente avvenga, mettendo a rischio le libertà democratiche e la tutela dei diritti individuali. Una tale situazione non può stupire. Come argomenta Renato Curcio[5] in un contesto politico internazionale in cui la tecno-oligarchia del capitale sussume direttamente (e non più condiziona) il poter politico, ciò che resta della democrazia formale, tanto sbandierata dalla cultura occidentale ma di fatto già morta da decenni (se mai esistita), trafitta dall’ideologia liberista di mercato, tende a generare ciò che è possibile chiamare cybercrazia, ovvero la dittatura imposta dalla tecno-oligarchia dominate grazie allo strumento sempre più pervasivo dell’IA. Si tratta di un terreno che deve entrare a far parte di un’agenda sindacale, dal momento che oggi è la vita ad essere oggetto di contrattazione e non solo la mera attività lavorativa. E la libertà di vivere e quindi di poter lottare senza subire ricatti e intimidazioni di sorta è la condizione necessaria per fare bio-sindacato.

Il secondo livello riguarda, invece, in modo più esclusivo la condizione lavorativa che l’utilizzo massiccio dell’IA da parre delle imprese può generare. Tale questione può essere analizzato da due angolazioni diverse ma fra loro sinergiche. Da un lato, è necessario analizzare la nuova composizione tecnica che si sviluppa all’interno della filiera produttiva che genera l’IA: chi sono i soggetti che ne sono interessati e a quali condizioni? Dall’altro è necessario soffermarsi sugli effetti che l’utilizzo dell’IA ha più generalmente sul mercato del lavoro nel suo complesso.

3.i. Composizione tecnica del lavoro ai tempi dell’IA

La filiera produttiva dell’IA è molto complessa e ingloba tipologie di lavoratori molto diverse fra loro. È rappresentabile tramite una piramide assai rigida caratterizzata da forti gerarchie interne dove l’organizzazione del lavoro è verticale e fortemente individualizzata.

Alla base ci sono due segmenti lavorativi, senza i quali, pur nella loro diversità, l’IA non potrebbe svilupparsi. Si tratta da un lato, dei lavoratori delle miniere che estraggono i metalli necessari (terre rare) per la costruzione dei micro-chip che costituiscono l’ossatura materiale degli algoritmi di II generazione. Dall’altro lato, abbiamo i cd. clickworker che allenano continuamente gli algoritmi e consentono loro di sviluppare processi di apprendimento (learning) e di calcolo (computing) e costituiscono l’ossatura immateriale (quella che crea maggior valore) degli algoritmi.

Nel livello gerarchico successivo, andando verso l’alto della piramide dell’organizzazione del lavoro, abbiamo la forza lavoro che gestisce il prodotto degli algoritmi e che costituisce l’infrastruttura necessaria alla sua implementazione valorizzante. Siamo qui in presenza di una moltitudine lavorativa altamente composita. Da un alto, vi sono quei lavorator* adibiti alla gestione dei data center, necessari per l’immagazzinamento dei dati, al cui interno devono essere garantita la condizione climatica necessaria (spesso altamente inquinante) per la conservazione dei big data, dall’altra, le competenze necessarie per la loro classificazione.

Infine al gradino più alto, si collocano i data scientist e gli ingegneri che promuovono e gestiscono la struttura, l’evoluzione e la formazione degli algoritmi,

Con l’eccezione dei minatori, ci troviamo di fronte auna forza-lavoro tendenzialmente cognitiva, la cui segmentazione interna non dipende solo dalla divisione smithiana del lavoro ma sempre più da una dimensione cognitiva e spaziale del lavoro.

In ogni caso, con l’esclusione del vertice, che svolge la funzione progettuale e di ricerca tecnologica, si tratta di lavorator* molt spesso soggetti a forme di precarietà, di cottimo e, per quanto riguarda i click-worker, di domestication. appeso individualizzati e dispersi in territori assai diversi e distanti

In modo sommario, abbiamo decritto la composizione del lavoro salariato, eterodiretto o di consulenza che gravita intorno al sistema macchinico dell’IA generativa. Ma occorre aggiungere a questi elementi, il fattore innovativo più dirompente che caratterizza l’IA e la fa diventare perno di un nuovo paradigma tecnologico.

Abbiamo già osservato come l’IA può operare grazie alla capacità estrattiva di quantità inimmaginabili di dati, che grazie alle tecnologie algoritmiche, alle nanotecnologie, ai clouds, ecc. è in grado di trasformare in valore di scambio.

È l’esito della più grande rapina e saccheggio che mai la storia umana abbia conosciuta: la rapina e il saccheggio dell’intera conoscenza umana dalla sua storia a oggi. Un saccheggio che è possibile grazie all’uso capitalistico dei diritti di proprietà intellettuale: un uso che consente la protezione del sapere capitalistico a uso e consumo della tecno-oligarchia che oggi governa e gestisce l’IA. Il sapere individuale, le nostre conoscenze, le nostre informazioni, i nostri dati sono invece del tutto liberi di circolare e sono del tutto appropriabili dalle piattaforme digitali.

Ne consegue che la forza lavoro più numerosa è quella dei “clienti” delle piattaforme, i cd. prosumer. Sono infatti gli utenti delle diverse piattaforme a fornire informazioni per soddisfare i propri desideri o spazi virtuali per la comunicazione, il gioco e lo sviluppo di relazioni: sono la materia prima che viene poi sussunta nell’organizzazione capitalistica produttiva, sulla cui basa si genera l’IA

Siamo così di fronte a una nuova composizione tecnica e politica del lavoro che va oltre allo stesso concetto tradizionale di lavoro (ovvero attività che in quanto produttiva viene remunerata). Possiamo parlare a buon ragione di composizione tecnica e politica della vita.

3.ii Il mercato del lavoro secondo l’IA generativa

Uno degli sport più diffusi tra gli economisti (mainstream e eterodossi, se ancora esistono) è quello di predire quanti posti d lavoro verranno persi dall’IA. Recentemente è stato pubblicato un articolo pubblicato dall’Anthropic Institute (Korinek, Jones, Sacher, Cotter e McCroy, 2026)[6]. L’approccio è quantitativo e si concentra sulle tradizionali variabili macroeconomiche (PIL, quota salariale, disoccupazione e riallocazione della manodopera). L’intelligenza artificiale è considerata principalmente come uno shock tecnologico neutro che automatizza o potenzia le capacità dei lavoratori. Korinek et al. dimostrano matematicamente che, in uno scenario specifico (definito «estremo») applicato all’economia statunitense, la quota del lavoro subisce una drastica contrazione, precipitando dal 60% al 45%, mentre il capitale si appropria di tutti i guadagni di produttività.  La disoccupazione tra i lavoratori della conoscenza, tuttavia, viene classificata come un «attrito di mercato» – un costo temporaneo associato al tempo necessario per la riallocazione verso compiti fisici o non routinari.

Abbiamo fatto riferimenti a questo studio, perché è paradigmatico di un certo modo di pensare. Si riconosce che l’IA potrebbe creare inizialmente disoccupazione, ma tale disoccupazione potrebbe essere riassorbita da potenziali (ma anche improbabili) processi di riallocazione.

Il progresso tecnologico ha sempre creato disoccupazione tecnologica. Dalla rivoluzione industriale in poi è sempre stato così. Gli unici meccanismi di compensazione sono state le innovazioni di prodotto, che hanno permesso di allargare la base dell’accumulazione capitalistica, aprendo nuovi mercati di sbocco Così è stato per il taylorismo con l’espansione dei beni durevoli di massa e così è stato per il paradigma dell’ICT, che ha compensato, anche se parzialmente, l’occupazione manifatturiera con quella dei servizi tradizionali e solo in parte avanzati.

Ma oggi la situazione appare più problematica. L’IA generativa va incidere propri su quei livelli professionali che più erano stati protetti dall’innovazione digitale e informatica. È lo steso lavoro cognitivo che viene colpito. Le attività di consulenza, di gestione, anche manageriali, le libere professioni, le attività supposte creative, i lavori di gestione e organizzazione, i lavori di coordinamento, oggi deputati a attività di comando e regolazione e delle attività di impresa e di comunucazione, i lavori dei servizi pubblici, le attività di formazione e comunicazione, le attività di traduzione, ecc. oggi sono a rischio.

Se il paradigma ICT aveva inciso sul lavoro manuale operaio e della bassa logistica, oggi è il lavoro supposto intellettuale a essere oggetto di possibile sostituzione dal sistema macchinico dell’IA. Inoltre l’IA generativa essendo un’innovazione di processo che si basa su infrastrutture informatiche già diffuse (per accedervi basta avere una connessione digitale) non favorisce, se non in minima parte, lo sviluppo di innovazioni di prodotto.

Di fatto l’IA sostituisce la capacità di apprendimento, la scrittura e le modalità linguistiche senza crearne un sostituto. L’effetto sull’occupazione quindi non può che essere negativo e va a colpire quelle professioni cognitivo-relazionali che più si sentivano indispensabili e protette dall’avvento del capitalismo cognitivo.

Tale situazione apre una sfida sindacale di enormi proporzioni, soprattutto nelle fasi di progettazione e nella logistica. Le attività di consulenza, le attività di gestione e management di qualsiasi attività produttiva può ridurre drasticamente la quantità di lavoro umano sostituendola con il sistema macchino gestito dall’IA senza perdere efficacia, anzi aumentandone la velocità decisionale e quindi la produttività. Lo stesso vale per qualunque produzione di un testo scritto o orale.

Ma l’IA può modificare in modo strutturale anche la gestione di un magazzino, gestendo direttamente in modo predittivo la turnazione e le tempistiche degli addetti, l’orario e le attività. Se la catena di montaggio taylorista imponeva i ritmi del lavoro attraverso la postura e il controllo dei corpi (ergonomia), l’IA organizza e gestisce la catena di montaggio intangibile della divisione dei compiti e delle relazioni. Come abbiamo già sottolineato, l’IA è innovazione organizzativa che è contemporaneamente innovazione di processo.

4. Un bio-sindacalismo rivoluzionario è necessario

Un’azione sindacale che contrasti tale deriva occupazionale, tuttavia, non può operare esclusivamente all’interno del mercato del lavoro. Ciò che fa il sindacato tradizionale – come si può osservare dalle sempre più numerose vertenze occupazionali in Italia – è chiedere alle imprese interessate di presentare un piano industriale che salvaguardi l’occupazione, opponendosi a strategie di outsourcing e delocalizzazione, che scaricano sui lavoratori i costi dell’utilizzo della IA a favore dei profitti aziendali.  Ma tale opposizione ai licenziamenti non è sufficiente, perché si configura solo come strategia difensiva che non va al cuore strutturale del problema.

Sempre meno oggi è possibile immaginare strategie di mantenimento occupazionale che siano compatibili con la logica del profitto e della quotazione in borsa. Una strategia di concertazione è perdente, perché non ha spazi di azione. Per questo è necessario ampliare la visuale dell’intervento. Il sindacato diventa bio-sindacato quando nei suoi obiettivi si pone anche la questione di proporre un welfare adeguato ai radicali cambiamenti in atto.

Occorre prendere atto che la precarietà lavorativa si accompagna sempre più alla gratuità dell’attività produttiva. La vita, nella sua complessità, diventa il centro della produzione di plusvalore, sempre più indipendentemente dal lavoro.

Non ci sono più inoccupati, se intendiamo per inoccupati coloro che direttamente o indirettamente non possono (disoccupati) o non vogliono (inattivi) partecipare alla creazione di (plus)valore e quindi sono improduttivi dal punto di vista del processo di accumulazione. Lungi dalla fine del lavoro, siamo tendenzialmente al lavoro senza fine e per questo alla sua scomparsa come fattore specifico caratterizzante e valorizzante la vita degli individui. La dicotomia oggi drammatica è tra coloro che sono produttivi di valore ma tale produttività non è certificata, né riconosciuta nell’ambito tradizionale del labor e quindi non vengono remunerati, e coloro che invece svolgono un’attività che è riconosciuta come produttiva e quindi, in qualche modo, remunerata.  Il capitale sussume interamente la vita sino a invisibilizzare il lavoro, per pagarlo sempre meno.

L’attività lavorativa comunque permane ma è sempre più schiacciata e misconosciuta, dentro la tenaglia del ricatto insito nella precarietà esistenziale e la sussunzione della vita quotidiana da parte delle grandi corporation high tech.

Un bio-sindacato all’altezza delle sfide del presente dovrebbe prendere coscienza che oggi la produzione di valore si basa contemporaneamente su forme di estrazione di plusvalore assoluto e di plusvalore relativo, dove il plusvalore assoluto è proprio il saccheggio e l’estrazione gratuita della conoscenza umana operata dall’IA che va a modificare il rapporto tra lavoro produttivo e lavoro improduttivo. Il tempo di vita messo direttamente a valore è infatti produttivo (e forse anche di più) del tempo di vita messo a lavoro remunerato. Ma le forme giuridiche, giuslavoriste, statuali e sindacali di remunerazione sono rimaste ancorate a quelle di stampo fordista. Di conseguenza, assistiamo sempre più al fenomeno che forme di attività produttive di vita non vengono certificate come tali in seguito all’inadeguatezza delle regole concertative sindacali e giuslavoriste.

Il tema del welfare diventa quindi centrale e diviene centrale l’urgenza di un reddito di base incondizionato, come reddito primario, ovvero come strumento di remunerazione, che riconosce la nostra produttività di vita sussunta dal capitale (sussunzione vitale). E poiché tale reddito è fattore remunerativo e non di sola assistenza, esso non può che essere totalmente incondizionato.

Una misura di questo tipo, finanziato da un fondo proprio, gestito a livello collettivo, grazie a processi di redistribuzione del reddito dall’élite più ricca della popolazione, potrebbe favorire il superamento delle criticità economiche oggi esistenti. Da un lato, può essere, insieme ad altri, strumento di liberazione da un lavoro che sempre più sta evaporando nelle sue forme classiche, dall’altro, può consentire l’esercizio reale del diritto all’autodeterminazione, che si deve fondare anche sul diritto alla scelta della propria attività lavorativa.

Alla lotta per la difesa del posto di lavoro va aggiunta anche una capacità propositiva e un’idea di società a misura umana e ambientale. Tanti sarebbero i temi da discutere in proposito, da quello dell’accesso ai servizi sociali e ai beni comuni, a quello della sostenibilità ambientale, dalla riscrittura dei diritti di cittadinanza e del lavoro a fronte della rapina dell’IA ai processi di integrazione e inclusione dei cittadini migranti.

Il bio-sindacato è tutto questo e di più. Per questo non può essere che rivoluzionario.

NOTE

Questo articolo non ha usufruito di nessun supporto dall’IA

[1] R. Panzieri “Sull’uso capitalistico delle macchine nel neocapitalismo”, Quaderni Rossi, n. 1, 1961, pp. 53-72

[2] Vedi A. Fumagalli, “Per una teoria del valore-rete: big data e processi di sussunzione”, in D. Gambetta (a cura di), Datacrazia Politica, cultura algoritmica e conflitti al tempo dei big data, D Editore, Ladispoli (RM), 2018, pp. 46-69

[3] Più in particolare, il funzionamento dei modelli di LLG si fonda su altre sub-fasi, che vanno dalla cd. tokenizzazione: il testo inserito – il prompt – viene spezzato in piccoli frammenti chiamati token (parole intere o parti di esse), che poi viene convertito in un codice numerico e posizionato in uno spazio geometrico multidimensionale, dove i concetti simili e le parole collegate si trovano vicini tra loro. Qui entra in gioco l’Architettura Transformer: sfruttando un meccanismo chiamato self-attention (auto-attenzione): il modello riesce a pescare le relazioni tra le parole anche se sono distanti in una frase, capendo il contesto esatto di un termine in base a ciò che lo circonda. Ciò è fondamentale per la previsione e la generazione della risposta finale e virtuale.

[4] S, Zuboff, Il capitalismo della sorveglianza, Luiss University Press, Roma, 2019

[5] R. Curcio, Cybercrazia, Sensibili alle foglie, Roma, 2026

[6] Korinek, A., Jones, C. I., Sacher, S., Cotter, T., & McCrory, P. (2026). Economic scenarios for transformative AI. Working Paper No. 2026-02. The Anthropic Institute, San Francisco, Usa