Questo libro chiede di essere letto per ciò che il titolo dichiara: un breviario. Non una testimonianza sul teatro in carcere, ma un insieme di principi operativi nati dalla pratica e ricondotti alla loro necessità. Sotto la superficie dei capitoli si intravede una struttura rigorosa: parole e concetti tornano da angolazioni diverse. Non per ripetizione, ma per insistenza. In apparenza Punzo e Menna parlano di teatro dentro un’istituzione totale. In realtà usano il carcere come lente estrema per interrogare il rapporto fra arte e mondo contemporaneo. Il carcere è il luogo in cui la questione appare senza ornamenti: che cosa accade all’arte quando le istituzioni le chiedono di giustificarsi, di servire, di produrre risultati, di diventare cura, inclusione, rieducazione? La forza politica del libro sta qui. Oggi l’arte raramente incontra una committenza esplicita. Più spesso viene addomesticata dentro codici invisibili del consenso. Non le viene impedito di esistere: le viene chiesto a che cosa serve. Non le viene ordinato che cosa dire: le viene suggerito quale funzione assolvere. Il potere più efficace non proibisce; restringe l’orizzonte del possibile lasciando intatta l’apparenza della libertà.
L’arte può trasformare, aprire possibilità, restituire presenza a chi è stato ridotto a categoria. Però tutto questo accade come conseguenza, non come programma. L’arte educa solo quando non si lascia ridurre a educazione. Cura solo quando non accetta di essere chiamata cura. La sua potenza sta nell’eccedenza, nella capacità di non coincidere con la funzione assegnata. Per questo il libro non va confinato nel teatro in carcere. Se al posto della parola “carcere” leggiamo scuola, museo, università, teatro stabile, assessorato, bando pubblico, politica culturale, il discorso cambia temperatura. Viene messo in discussione l’intero sistema contemporaneo di legittimazione dell’arte: impatto, rendicontazione, obiettivi misurabili, trasformazione dell’artista in operatore.
Il passaggio più sovversivo è forse il più discreto: l’artista non deve entrare nel meccanismo di valutazione. Non deve giudicare, certificare, classificare, trasformare la propria presenza in voce strumentale dell’istituzione. Deve proteggere uno spazio sottratto al giudizio, in cui la persona non venga ricondotta al ruolo, al reato, alla fragilità, alla provenienza, alla condizione sociale. Non si lavora con “detenuti”, “migranti”, “studenti”, “utenti”. Si lavora con le presenze. Da qui nasce anche la critica a una certa idea di “teatro sociale”. Non esiste un artista “buono per il carcere”, come se il carcere fosse il luogo secondario in cui destinare ciò che altrove non trova spazio. L’arte è la stessa dentro e fuori. Davanti al muro di una cella o al velluto di un sipario, la posta in gioco rimane identica: dare forma a una possibilità. L’autorevolezza dell’artista non nasce dalle buone intenzioni, nemmeno dalla retorica della condivisione o da una presunta superiorità morale; proviene dalla maestria: competenza, rigore, forza estetica. Senza maestria, anche il gesto più generoso scivola nell’ideologia. E l’ideologia, quando entra nell’arte, non rafforza, anzi la consuma. Breviario ricorda che l’arte produce senso – è strumento di disciplina, memoria, e orientamento – non svolge funzioni. Entra nel sistema dalla porta delle buone intenzioni e, dall’interno, ne incrina i presupposti. Per questo è un breviario: piccolo, portatile, tutt’altro che innocuo. Un libro da tenere in tasca come strumento di vigilanza, per ricordare che l’arte non deve chiedere permesso alla funzione. Deve trovare il punto da cui, restando nel mondo, riesce ancora ad andarsene.
Committenza, conformismo, impegno Come ha fatto Caravaggio a usare una prostituta come modella in un quadro commissionato da un cardinale? Come ha potuto dipingere i santi come persone vere, con la carne imperfetta, le rughe, la polvere? Come è riuscito a essere così tanto eretico, spudoratamente libero, da restare dentro la commissione mentre la eludeva?
Il principio della committenza esisteva allora, ed esiste ancora, sebbene ci sia stato un tempo in cui abbiamo creduto di essercene liberati. Se non è più dei Papi o dei Principi la committenza è della politica, dei mercati, o comunque della realtà, dei suoi dettami su ciò che si deve o non si deve considerare come urgente, necessario, attuale. La committenza è dei codici invisibili del consenso. La distinzione allora non è tra i puri e gli impuri, tra chi si dichiara libero senza davvero esserlo e chi è sfacciatamente integrato, al servizio del potere di turno. La distinzione è tra chi intimamente si conforma al mondo in cui agisce e chi trova un modo per andarsene restando.
“Nel mondo ma non del mondo”, si legge nel Vangelo di Giovanni. Artista è chi reagisce in modo non conformista alla realtà in cui vive. L’artista è l’anticonformista per eccellenza. E spesso è necessario che pratichi il suo anticonformismo in segreto, nel linguaggio, per ingannare la committenza. Il tema vero è quanto un artista si conformi allo spirito del tempo e quanto no. Quanto sia al servizio della realtà con i suoi schemi già previsti, e quanto no. Quanto guardi dove guardano gli altri e quanto guardi dove non sta guardando nessuno. Ci sono stati e ci sono artisti che, pur sembrando rivoluzionari per gli argomenti trattati o per l’uso di un linguaggio non ordinario, sono stati e sono intimamente servili. Hanno servito e servono urgenze che non sono le proprie. E viceversa.
L’artista impegnato è spesso disimpegnato rispetto alle potenzialità di una ricerca che ecceda quello che già si dice e si sa. Oggi il paradigma TINA (There Is No Alternative) non è più un punto di vista. È un clima. Una forma di committenza invisibile. Non serve che le persone conoscano o pensino a Margaret Thatcher. Quell’idea ha già vinto perché è diventata un sentire comune, anche quando non è dichiarata. Il suo successo è proprio in questa invisibilità, nella capacità di ridurre l’orizzonte senza imporre divieti, di far sembrare ogni azione inutile senza proibire l’agire. Non si può fare. Non serve.Non è più il momento. In un contesto come questo non va bene tutto e il contrario di tutto. Non basta un po’ di impegno o un generico posizionamento progressista, perché proprio qui l’arte rischia la sua forma peggiore di conformismo, il conformismo di un impegno addomesticato, di una radicalità solo dichiarata, che non disturba l’ordine delle cose. Agire pensando un altro mondo possibile, innestandovi modi diversi e antagonisti a questo clima: questo è il posto della creatività nel mondo.
L’artista anticonformista non è un opinionista, non commenta l’esistente, entra nei suoi gangli, nelle sue ramificazioni con l’ambizione di una trasformazione radicale. Sono molte le persone che nel mondo lavorano in questa direzione. Sono scollegate tra loro, minoritarie rispetto al senso comune, ma ci sono. L’anticonformismo e la controinformazione che un artista può mettere in campo è una lotta impari. Ma va fatta comunque. Anche in un carcere. In un carcere il rischio di un conformismo che si traveste da radicalità è altissimo.
Da un’arte che nasce in un carcere ci si aspetta, per adesione all’idea progressista di cultura engagé, il racconto delle difficoltà quotidiane, delle storie delle persone detenute, dei disastri sociali e personali che le hanno portate dove sono ora. Libertà è invece poter guardare le persone momentaneamente detenute come qualcosa di assai più complesso del pezzo di storia più esotico che ce le fa sembrare diverse dalle persone cosiddette libere. Anticonformismo è considerarle persone, non storie. Esseri umani con alcune storie alle spalle e altre ancora davanti a sé.
“Gli alieni camminano tra noi”. “Vivono nei nostri quartieri”, “frequentano le scuole dei nostri figli”, “fanno acquisti nei nostri stessi negozi”. Sono queste le prime frasi che accolgono il visitatore di Aliens.gov, il recente sito lanciato dalla Casa Bianca.
L’estetica del sito attinge all’universo della cospirazione e dell’invasione aliena: documenti classificati e un immaginario costruito per evocare inquietudine e sospetto. Scorrendo la pagina, tuttavia, si comprende che gli “aliens” di cui si parla non provengono da un altro pianeta, sono gli immigrati irregolari. L’intero dispositivo comunicativo si fonda su questa ambiguità semantica (“aliens”) che vorrebbe costruire un meccanismo ironico, ma che fa emergere la brutalità di una retorica disumanizzante ed escludente che trasforma il migrante in una presenza estranea e potenzialmente minacciosa.
In apertura del sito compare un contatore che registra il numero degli arresti effettuati dall’inizio della seconda amministrazione Trump, poco sotto, una mappa interattiva localizza le operazioni dell’ICE contro gli immigrati, trasformando l’attività di repressione in una geografia visibile e costantemente aggiornata. Seguono gli elenchi degli arresti e delle espulsioni, presentati come prova di un’azione in corso e dell’esistenza di una minaccia da contenere. Il percorso si conclude con un invito alla partecipazione diretta: un pulsante dedicato alle segnalazioni rimanda al sito dell’ICE, l’agenzia federale responsabile delle operazioni di immigrazione e deportazione.
Nel sito, di fatto, il fenomeno migratorio viene raccontato attraverso l’immaginario dell’invasione e della presenza estranea che si muove all’interno della comunità nazionale. Viene costruita una precisa rappresentazione della nazione: da una parte un “noi” legittimo, radicato, considerato il titolare naturale della comunità politica; dall’altra una presenza sospetta, venuta dall’esterno, da segnalare e reprimere. C’è però un merito involontario di Aliens.gov: quello di esplicitare, in modo volgare e inaccettabile, una dinamica profonda che attraversa molte democrazie contemporanee, ossia la costruzione di comunità nazionali sempre più chiuse, rappresentate come realtà omogenee sul piano culturale ed etnico. Comunità che proprio a partire da questa presunta omogeneità tendono a definire se stesse attraverso l’esclusione di chi viene percepito come estraneo.
È una dinamica, questa, che Hannah Arendt aveva colto con straordinaria lucidità già a metà del novecento. Tornare oggi alle sue riflessioni può aiutarci a leggere quanto sta accadendo oltre la contingenza politica, collocandolo all’interno di una più ampia genealogia delle nozioni di nazione e cittadinanza. Nelle pagine di Noi rifugiati e nel nono capitolo delle Origini del totalitarismo, Arendt individua infatti una contraddizione che attraversa la nozione stessa dello Stato-nazione, una contraddizione che continua a manifestarsi nel presente, ogni volta che la gestione dei processi migratori riporta in primo piano la questione della delimitazione della comunità nazionale: per Arendt lo Stato si configura infatti come una costruzione giuridica e politica fondata sull’uguaglianza formale dei cittadini davanti alla legge; la nazione tende invece a presentarsi come una presunta comunità costruita attorno a un patrimonio culturale comune, a un ethos, ma anche attorno all’idea di un’omogeneità quasi “biologica”, a un ethnos. Arendt continua sottolineando come la dimensione nazionale ha finito per sovrapporsi a quella statuale, fino ad assorbirla: in questo processo la cittadinanza cessa di apparire principalmente come una categoria politica e giuridica e tende a trasformarsi in una categoria identitaria; i diritti stessi che lo Stato dovrebbe garantire in quanto universali vengono di fatto subordinati all’appartenenza a quella specifica identità nazionale.
È difficile non vedere in questa analisi una chiave per comprendere ciò che accade oggi. Naturalmente il contesto storico è diverso da quello degli anni Trenta e Quaranta, eppure la logica che Arendt descrive conserva una sorprendente attualità: gli “alieni” evocati dal sito della Casa Bianca sono, prima di tutto, persone collocate ai margini della cittadinanza e della protezione giuridica e le operazioni dell’ICE mostrano concretamente questa dinamica, attraverso pratiche di detenzione ed espulsione che sollevano interrogativi profondi sull’universalità delle garanzie proprie dello Stato di diritto. Ma c’è un ulteriore elemento che rende il quadro contemporaneo particolarmente inquietante. Se la subordinazione dello Stato alla nazione tende già a restringere l’universalità dei diritti, in alcuni contesti assistiamo oggi a un passaggio ulteriore: la comunità nazionale viene sempre più spesso rappresentata come una comunità definita dall’origine e dal sangue. Sembra, in altre parole, riemergere una concezione biologica dell’appartenenza nazionale, e a suggerirlo non sono soltanto le numerose testimonianze relative alle modalità operative dell’ICE, accusata in più occasioni di effettuare controlli e identificazioni sulla base di marcatori “etnici” o somatici; ma lo mostrano anche le parole utilizzate da Donald Trump durante tutta la campagna elettorale del 2023, quando sostenne in più occasioni che i migranti starebbero «avvelenando il sangue della nostra nazione».
Aliens.gov, così come le dichiarazioni di Trump, sono entrambi il sintomo esplicito di un processo che attraversa gran parte dell’Occidente: la difficoltà crescente delle democrazie contemporanee a pensare il fenomeno migratorio e la questione della cittadinanza al di fuori della categoria dell’identità culturale o biologica che sia. La lezione di Arendt conserva perciò tutta la sua attualità: le democrazie entrano in crisi quando cercano di sciogliere il problema dell’appartenenza a una comunità nazionale attraverso formule che trasformano differenze culturali e caratteristiche attribuite come naturali in criteri di inclusione ed esclusione politica. È una strada questa che il novecento ha già percorso e di cui conosciamo le conseguenze.
Proprio per questo la questione migratoria continua a essere uno dei luoghi decisivi in cui si misura la qualità delle nostre democrazie: ripensare oggi il rapporto tra Stato, nazione e cittadinanza significa anzitutto recuperare l’intuizione arendtiana secondo cui esiste un “diritto ad avere diritti”, vale a dire il diritto di appartenere a una comunità politica nella quale ciascuno possa essere riconosciuto come soggetto titolare di diritti indipendentemente dalla propria origine. Significa inoltre riconoscere, come ha recentemente sottolineato Lea Ypi, che la cittadinanza non può essere concepita come un privilegio ereditato, ma come uno strumento attraverso il quale costruire forme più ampie di uguaglianza politica. In questa prospettiva la comunità nazionale cessa di apparire come una realtà definita dal sangue o da una presunta omogeneità culturale e torna a essere ciò che dovrebbe essere in una democrazia: una comunità politica aperta e radicata nel pluralismo. È su questo terreno che si gioca una delle sfide decisive del nostro tempo e l’idea stessa di democrazia che intendiamo ri-costruire.
In questo episodio vi racconto un’esperienza che risale agli inizi degli anni ’90. All’epoca facevo un lavoro molto diverso. Negli anni ’80 come studente di filosofia, che voleva guadagnare qualche soldo, il mondo della pubblicità era l’approdo più facile. Così iniziai come copywriter per diventare col tempo direttore creativo. Era un lavoro intenso, gratificante, impegnativo e anche divertente. Inutile dire che il lavoro ritardò il percorso di studio, ma non mi impedì di arrivare alla laurea.
Come creativo difendevo le mie idee, nonostante il cliente. Come direttore creativo ero responsabile dei clienti dai quali andavo a prendere i brief e a presentare le campagne, ovvero vendere le mie idee. Da creativo a direttore creativo cambiava di molto la responsabilità, responsabilità che si estendeva al team di lavoro
Il Work in Progress e l’organizzazione convenzionale
All’epoca non sapevo nulla di organizzazioni e tantomeno di mindset lean agile. L’agenzia era cresciuta molto in quegli anni e si era strutturata per tener dietro a tutti i lavori, pertanto avevano istituito la figura del responsabile del Work in Progress con il compito di assegnare i lavori e controllare che fossero pronti nella data stabilita. Il Work in Progress, denominato WIP, era un foglio in cui erano schematizzati i lavori da fare, le scadenze e l’assegnazione alle persone, una sorta di kanban board rudimentale.
Come ogni organizzazione convenzionale vi erano diversi dipartimenti, anche se i confini erano molto labili e spesso avvenivano negoziazioni per far slittare alcune lavorazioni programmate e realizzarne altre più urgenti. Il problema era che alcune lavorazioni slittavano continuamente e indefinitamente con evidenti ritardi. Insomma si lavorava in costante emergenza a cui si sommava l’aggravante della creatività. A volte le idee arrivavano subito, il più delle volte ci voleva tempo per ottenere l’ispirazione “alla creatività non si comanda”. Naturalmente non era e non è affatto vero. Alla creatività servono vincoli ristretti e molto precisi (indicano la direzione), la disciplina della sperimentazione e confronti continui (feedback loop).
L’epidemia che cambiò tutto
Agli inizi degli anni ’90, in un periodo invernale con carichi di lavoro elevati, arrivò un’epidemia influenzale che decimò l’azienda. Per carità nulla di grave, solo febbre, spossatezza e riposo. Le scadenze e le richieste incalzavano e le persone rimaste erano ridotte alla metà dell’organico. La responsabile del WIP a casa malata, metà dei creativi a casa, l’altro direttore creativo a casa, metà degli account a casa, una parte dei grafici a casa, il direttore generale a casa. Insomma non sapevo cosa fare, ero con l’acqua alla gola.
L’esperimento dell’auto-assegnazione
Mi venne un’idea. Radunai tutte le persone operative presenti nella sala riunioni più grande. Detti ad ognuno la fotocopia del foglio di WIP delle successive due settimane e spiegai la situazione. Avevamo da fare tanto lavoro che anche se fossimo stati tutti presenti avremmo fatto fatica a consegnare, ora eravamo la metà. Avevo bisogno del loro aiuto. Chiesi che ognuno si auto-assegnasse i lavori che sentiva di poter fare per le date di scadenza e iniziai da me.
La riunione non durò molto, in fondo non si trattava di negoziare nulla. Anzi durò molto meno del consueto processo di assegnazione e contrattazione dei lavori che avveniva su base individuale. Nessuna discussione su “non ce la faccio”, “ho troppo carico di lavoro”, “devo ancora finire…”, “ho bisogno che assumiate qualcuno che mi assista”. Nessuna negoziazione su tempo e risorse. Ognuno prese decisioni per se stesso auto-assegnandosi il lavoro in base alle proprie capacità e al proprio tempo. Fu incredibilmente rapido e nessuno aveva la possibilità e il tempo di andare a controllare se il lavoro era stato fatto o era in ritardo. Ognuno era responsabile della consegna per conto proprio. Funzionò, eccome se funzionò.
Il ritorno alla normalità (e ai vecchi problemi)
Inutile dire che poi tutto tornò come prima con la consueta assegnazione dei lavori, le negoziazioni sui tempi e i soliti ritardi e lamentele. Perché? Perché non esisteva alcuna riflessione su come migliorare il nostro modo di lavorare, per cui rimase un episodio sporadico legato ad un’emergenza. Cos’era accaduto in quella riunione? Le persone si erano prese la responsabilità di quello che avrebbero potuto fare. Il risultato fu che fecero di più in minor tempo, inoltre tutti sapevano i carichi di lavoro degli altri e quindi erano consapevoli che non vi erano iniquità.
La riflessione sullo stile di leadership
Questo episodio mi fece riflettere. Mi avevano insegnato uno stile di leadership in cui dovevo decidere io chi doveva fare cosa e controllare che il lavoro venisse svolto secondo i parametri che avevo deciso io, questo non solo all’interno dell’agenzia ma anche durante i lavori esterni, shooting fotografici, spot pubblicitari, illustrazioni. Tutto doveva essere nelle mie mani dal casting alla scelta del regista, dalla decisione sul direttore della fotografia alla decisione sui vestiti, dal tipo di mood al colore della parete.
Ma, ad un certo punto, quando utilizzi dei talenti esterni, che tra l’altro paghi e anche molto, proprio per il loro talento, ti chiedi perché dovrei dire loro cosa fare quando loro sono molto più bravi di me a fare quella cosa lì? Questo aspetto era diventato per me un crucio, ma quello che mi avevano insegnato e volevano da me era il controllo assoluto sulla realizzazione di quello che avevo ideato. Non mi convinceva più tanto. Non c’era solo questo.
I problemi della struttura dipartimentale
Come ogni organizzazione convenzionale anche questa era strutturata per dipartimenti e funzioni. Il lavoro procedeva quindi passo dopo passo passando tra i dipartimenti che, da una parte avevano lavoro pregresso accumulato che ritardava il mio, dall’altra il lavoro della funzione successiva richiedeva modifiche al mio lavoro. E naturalmente un sacco di tempo sfumava in riunioni. Nel frattempo anche a me subentravano nuovi lavori e così le risposte al dipartimento successivo rimanevano inevase. Questo accumulo di ritardi non solo generava un certo stress ma ritardava complessivamente e abnormemente gli output finali. E spesso anche la qualità, i compromessi erano all’ordine del giorno. La sensazione generale era di essere costantemente in emergenza. Questa modalità di lavoro comportava un sacco di revisioni e rifacimenti.
Il nuovo cliente e il team multifunzionale
Proprio all’inizio degli anni ’90 entrò un nuovo cliente importante che mi fu assegnato, motivo per il quale mi conferirono anche il ruolo di direttore creativo. Il cliente era una multinazionale con una molteplicità di prodotti diversi che, per policy aziendale, metteva sempre in gara più agenzie. Per vincere mi occorreva un team più ampio dei soli creativi che partecipasse al processo creativo fin dall’inizio. Avevo bisogno di mettere insieme non il solito team di creativi ma un team più ampio che comprendesse funzioni di altri dipartimenti.
Così costituii un team composto da creativi, grafici, producer, account e media. Nessuno aveva mai coinvolto account, producer e media in sede di briefing e di brainstorming. Il processo di WIP prevedeva passaggi da una funzione all’altra. La mia idea era invece di coinvolgere tutti fin dall’inizio per avere da loro suggerimenti creativi al posto di passare il lavoro e rischiare di ricevere come risposta “non si può fare” o “non sta nel budget”. Tutto il team partecipava al debriefing iniziale e ognuno si assegnava un compito per il meeting successivo.
La strategia vincente
La strategia che adottai era quella di proporre una campagna in linea con la tradizione del cliente e con quello che avrebbero proposto le altre agenzie concorrenti. E poi un’idea creativa dei media al di fuori della tradizionale modalità di procedere del cliente e delle altre agenzie. Fu una strategia vincente, non solo vincemmo l’80% delle campagne, ma per alcune di esse aumentarono il budget.
La lesson learned
La partecipazione di più funzioni apriva maggiori prospettive, includere funzioni non strettamente creative nel team apportava più valore e più idee creative, la trasparenza su budget e vincoli permetteva salti ideativi e, soprattutto, tutto il team si divertiva a creare insieme, tutti erano coinvolti e questo rendeva il lavoro molto più flessibile, rapido ed efficace.
🎧 Ascolta il podcast Agile Confidential #LessonsLearned su Spotify.
In questi giorni il presidente Trump e il senatore di sinistra Sanders sono d’accordo. Non su tutto, ovviamente. Ma su una cosa sì: una parte della ricchezza che l’intelligenza artificiale sta generando dovrebbe tornare nelle tasche dei cittadini americani. Trump vuole che il governo compri quote di Anthropic, OpenAI, Google, SpaceX. Sanders propone un fondo sovrano finanziato tassando le stesse aziende al 50%, con azioni distribuite al pubblico. Due persone che rappresentano mondi inconciliabili, che convergono su un principio.
Vale la pena fermarsi su questa convergenza, perché è più rivelatrice di quanto sembri e più pericolosa. È una reazione immunitaria del sistema al potere Big Tech. Lo Stato che si fa azionista delle grandi aziende del digitale non redistribuisce il potere: acquista il consenso sociale a prezzo di saldo. Lo Stato e le piattaforme si saldano in un unico cartello tecno-feudale e al cittadino riceve un dividendo, un obolo. Qualcuno potrebbe dire; meglio sedati con ventimila dollari all’anno che svegli e senza lavoro né reddito. È una risposta comprensibile ma sbaglia il bersaglio. Il problema del dividendo non è che sia troppo poco; ciò che manca al dividendo non è l’ammontare: è che non genera capacità decisionale, non produce potere politico e non determina gli obiettivi dell’infrastruttura. Ti remunero come beneficiario ma non ti riconosco come co-proprietario. E la differenza tra chi riceve senza poter decidere e chi partecipa alla decisione non è una distinzione di reddito ma una distinzione di potere, una distinzione che pesa precisamente adesso, nel momento in cui le infrastrutture che governano il lavoro, l’informazione e la decisione collettiva stanno diventando le infrastrutture più potenti che la storia umana abbia mai prodotto.
Trump ragiona da investitore puro e non pretende di fare altro: lo Stato cattura rendita, il cittadino riceve un dividendo, la struttura di potere resta intatta. Sanders va più in profondità, almeno pone il principio della proprietà pubblica diretta, e su questo ha ragione. Ma anche lui tace sulla cosa che conta di più, chi governa quel fondo, con quali regole, con quali anticorpi contro la cattura politica e industriale e senza rispondere a quella domanda qualunque fondo sovrano resta un nuovo nome per la stessa vecchia storia: il potere che si sposta da un centro a un altro lasciando i cittadini a guardare da fuori.
Una direzione che si può proporre è un’architettura diversa, senza essere utopia: in Europa esistono già istituzioni che amministrano collettivamente acqua, energia, foreste e infrastrutture territoriali, dai consorzi idrici alle comunità energetiche, dalle Regole alpine alle cooperative di comunità, istituzioni vive, con governance reale, che hanno resistito per secoli alla cattura privata e statale. Sono comunità che gestiscono il bene comune in proprietà collettive. La domanda è perché il dato e il calcolo, la risorsa più preziosa dell’economia che viene, dovrebbero essere trattati diversamente da un bosco o da una sorgente d’acqua. Non lo Stato che compra quote di Anthropic, dunque, ma comunità, territori, università e cooperative che co-possiedono le infrastrutture che abitano. Un fondo sovrano, certo, ma federale nel senso pieno, policentrico, distribuito su scale diverse, governato da nodi con autonomia reale, costruito sulla sussidiarietà e non sulla delega verso l’alto, dove il computer, la capacità di calcolo disponibile, diventa ciò che l’elettricità è stata per l’industrializzazione: una risorsa fondamentale che non può essere monopolizzata da pochi soggetti privati né sequestrata da apparati statali in crisi di legittimazione.
Resta il problema fisico e va nominato: l’intelligenza artificiale generativa non è software leggero ma un’acciaieria digitale, i grandi modelli richiedono cluster di calcolo e centrali energetiche dedicate che nessuna cooperativa locale può permettersi, e se non possiedi quella infrastruttura fisica il tuo nodo locale è solo un’interfaccia elegante che affitta potenza di calcolo dal Leviatano centrale, trasformando il federalismo politico in un parassita della centralizzazione tecnica, una decorazione democratica sopra una struttura di potere immutata. Questo però non invalida il progetto, lo radicalizza: il fondo sovrano federale non pretende di addestrare modelli di frontiera in periferia, ma può co-possedere l’energia, i dati, le infrastrutture di storage e le capacità di calcolo a scale intermedie e soprattutto può porre la questione della governance su ciò che esiste già, chi decide chi accede, a quali condizioni, per quali fini, perché il potere vero non sta nel possedere la tecnologia ma nel poter decidere chi ci accede.
E rimane sempre il filo che attraversa tutta questa discussione e che viene sistematicamente ignorato: i sistemi di intelligenza artificiale che Trump vuole comprare e Sanders vuole tassare sono stati addestrati su informazioni prodotte da miliardi di persone, testi, comportamenti, relazioni, corpi trasformati in segnale, materiale che non è stato estratto dal nulla ma è il prodotto collettivo di intere società ceduto gratuitamente in cambio di servizi. Il petrolio ha generato royalties territoriali, l’acqua ha generato i beni idrici e le comunità di gestione, l’energia sta generando le comunità energetiche, mentre i dati, la materia prima più preziosa dell’economia che viene, non hanno ancora generato nessuna istituzione all’altezza, nessun diritto collettivo, nessuna governance condivisa e nessuna forma di restituzione che vada oltre il consenso al cookie. Finché questa lacuna non viene colmata, qualunque fondo sovrano redistribuisce una ricchezza che è già stata sottratta: non è giustizia, è restituzione parziale di un furto strutturale.
E poi c’è il senso più radicale, quello che questo dibattito non riesce ancora a porre: la tecnodiversità non è un problema geopolitico occidentale che si risolve costruendo un’Anthropic europea o un’AI di Stato cinese, ma una condizione cosmologica planetaria, dove il Sud globale, si ci siamo anche noi di fronte al Big Tech, non ha bisogno di dividendi costruiti altrove ma di potere epistemico, di strumenti per raccontarsi, leggersi e giudicarsi da sé. Il multipolarismo non basta perchè molti centri di dominio non sono molti centri di senso.
Perché l’intelligenza artificiale generativa non è una persona, ma ci costringe a ripensare la persona
La domanda più diffusa sull’intelligenza artificiale è anche la meno utile: le macchine possono diventare soggetti? È una domanda affascinante, ma mal posta. Ci costringe a scegliere tra due risposte troppo semplici: sì, l’IA sarà una nuova persona; no, resterà per sempre un oggetto. Il punto è che i sistemi generativi non stanno comodamente né da una parte né dall’altra. Non sono soggetti, perché non hanno coscienza, intenzione, desiderio, responsabilità morale. Ma non sono neppure strumenti nel senso tradizionale, come un martello, una penna, una calcolatrice. Producono testi, immagini, diagnosi, valutazioni, consigli, piani d’azione. E lo fanno imitando la forma esterna della soggettività umana: argomentano, rispondono, correggono, assumono un tono, sembrano “capire” ciò che diciamo.
La questione decisiva, allora, non è se l’IA sia un soggetto. La questione è più inquietante: che cosa accade quando un sistema non soggettivo comincia a operare sulla soggettività umana, a riprodurne le forme e a incidere sulle nostre vite? Qui nasce ciò che propongo di chiamare soggettività di secondo ordine. Non una soggettività che la macchina possiede, ma una soggettività che la macchina manipola. L’IA generativa non ha un io; lavora però su milioni di io sedimentati nel linguaggio. Non ha esperienza; elabora tracce di esperienze altrui. Non ha intenzioni; produce enunciati che hanno la forma dell’intenzione. È, in questo senso, un soggetto che non c’è.
La nostra soggettività come materia prima
Un modello linguistico non nasce dal nulla. Viene addestrato su quantità immense di testi, immagini, conversazioni, documenti, opere, risposte, commenti, frammenti di vita digitale. Ma questi materiali non sono semplicemente “dati”. Sono tracce di soggettività: qualcuno ha scritto, immaginato, desiderato, argomentato, sbagliato, confessato, spiegato, protestato. Nei dati non c’è solo informazione; c’è una forma della presenza umana nel mondo.
Il ciclo è relativamente semplice da descrivere, anche se enorme nelle sue conseguenze. Primo: estrazione. La soggettività umana viene prelevata nella sua forma linguistica e comportamentale. Non il soggetto in carne e ossa, ma le sue impronte: il modo in cui ragiona, racconta, ordina le frasi, persuade, consola, accusa. Secondo: compressione. Quelle impronte vengono trasformate in parametri, cioè in relazioni matematiche che non appartengono più a nessuno in particolare e tuttavia derivano da tutti. Terzo: replicazione. La macchina restituisce quelle forme compresse sotto forma di risposte, raccomandazioni, diagnosi, profili, punteggi, decisioni. La soggettività umana, prima estratta e trasformata, ritorna poi verso altri soggetti come ambiente operativo.
È qui che il fenomeno diventa culturalmente decisivo. L’IA non si limita a “parlare come noi”. Comincia a rimandarci una versione statisticamente ricomposta di ciò che siamo stati, di ciò che potremmo dire, di ciò che soggetti simili a noi hanno detto o fatto. Il chatbot che suggerisce una risposta, il sistema che valuta un curriculum, l’algoritmo che assegna un punteggio di affidabilità, il modello che orienta una diagnosi: in tutti questi casi non abbiamo semplicemente una macchina che calcola. Abbiamo una macchina che riorganizza tracce di soggettività e le trasforma in criteri operativi.
Il paradosso della soggettività senza soggetto
Da qui nasce il paradosso centrale. I sistemi generativi producono enunciati che sembrano provenire da qualcuno, ma non provengono da nessuno. Hanno coerenza, tono, pertinenza, persino stile. Possono essere gentili, assertivi, prudenti, aggressivi, empatici. Possono scrivere una lettera d’amore, una memoria difensiva, una diagnosi preliminare, una valutazione del rischio, una motivazione amministrativa. Ma dietro quella forma soggettiva non c’è un soggetto. Non c’è un’esperienza vissuta. Non c’è un io che si assuma la paternità di ciò che viene detto.
Questa non è una sottigliezza filosofica. È un problema giuridico e politico. Le nostre istituzioni sono costruite intorno a posizioni soggettive: chi decide, chi subisce, chi chiede, chi risponde, chi contesta, chi giustifica. Il diritto presuppone sempre un aggancio: qualcuno deve poter essere chiamato a rispondere. Quando però un effetto rilevante nasce da una catena composta da dati, modelli, provider, utilizzatori, interfacce, prompt, aggiornamenti e opacità tecniche, l’aggancio si fa incerto. Il cittadino incontra una decisione; non sempre incontra un decisore. Subisce un effetto; non sempre trova un interlocutore. Ha qualcosa da contestare; non sempre sa a chi rivolgere la contestazione.
Questo è il vuoto procedurale dell’IA: non l’assenza di persone nella catena, ma la dissoluzione della posizione responsiva. Ci sono società, sviluppatori, amministrazioni, piattaforme. Eppure, nel momento preciso in cui l’output incide sulla vita di qualcuno, il soggetto che dovrebbe rispondere sembra arretrare, distribuirsi, frammentarsi. La macchina non risponde perché non è soggetto. L’umano spesso non risponde perché non sa davvero come la macchina abbia prodotto quel risultato. Il diritto trova una decisione, ma fatica a trovare un volto.
Dagli strumenti agli agenti
Questo problema diventa ancora più evidente con i sistemi agentici, cioè con le IA capaci non solo di rispondere, ma di pianificare e agire. Un agente artificiale può consultare banche dati, scrivere email, prenotare servizi, eseguire codice, compilare documenti, negoziare passaggi intermedi, mantenere memoria operativa. Non siamo più davanti a una macchina che produce un testo da valutare; siamo davanti a una macchina che compie sequenze di azioni in nome di qualcuno.
Qui la vecchia formula “è solo uno strumento” comincia a cedere. Un martello non decide come colpire. Una penna non sceglie il destinatario della lettera. Un agente artificiale, invece, può selezionare mezzi, ordinare priorità, correggere la rotta, interagire con altri sistemi. Non diventa per questo una persona. Ma smette di essere un oggetto passivo. È qualcosa di più disturbante: un dispositivo che agisce senza essere soggetto, dentro processi che normalmente richiederebbero soggetti.
La de-soggettivizzazione
Il rischio più profondo non è che l’IA diventi umana. È che l’umano venga progressivamente trattato come materiale addestrativo e poi come destinatario di modelli che lo precedono. La soggettività viene prima estratta e poi restituita sotto forma di norma statistica. Prima siamo materia prima: i nostri testi, le nostre immagini, le nostre conversazioni, i nostri comportamenti alimentano modelli generativi. Poi diventiamo destinatari di quei modelli: veniamo valutati, indirizzati, profilati, consigliati, talvolta corretti, sulla base di rappresentazioni aggregate di soggetti simili a noi.
Questa è la de-soggettivizzazione. Non significa che il soggetto scompaia. Significa che viene svuotato dall’interno: la sua parola diventa dato; il suo comportamento diventa pattern; la sua identità diventa posizione calcolabile; la sua decisione viene accompagnata, anticipata o sostituita da una raccomandazione automatica. Il soggetto resta formalmente libero, ma si muove in un ambiente che gli restituisce senza sosta la versione più probabile di se stesso. La norma non appare più come ordine esterno; si deposita nell’architettura delle possibilità. La libertà non viene abolita; viene preformata.
Persona digitale e referente contestabile
Per rispondere a questa trasformazione non basta difendere una vecchia immagine del soggetto, chiuso nella propria interiorità come una piccola fortezza cartesiana. Nello spazio digitale il soggetto è sempre più una posizione: un punto mobile in reti di dati, relazioni, autorizzazioni, profili, diritti, obblighi, reputazioni, accessi. La nostra identità non coincide con un singolo dato, né con un account, né con un documento elettronico. È una topografia: il modo in cui siamo collocati nell’infosfera.
Se un algoritmo modifica il mio punteggio, restringe il mio accesso, altera la mia visibilità, mi associa a un rischio, mi colloca in una categoria, non tocca semplicemente un’informazione su di me. Modifica la mia posizione nel mondo. L’habeas corpus proteggeva il corpo dall’arbitrio del potere. L’habeas data ha provato a proteggere la persona attraverso il controllo sui dati. Ma l’epoca dell’IA richiede qualcosa di ulteriore: un diritto alla contestabilità della propria posizione digitale. Non basta sapere che cosa viene conservato su di noi. Bisogna poter contestare ciò che viene fatto di noi attraverso modelli che ci rappresentano, ci prevedono, ci classificano.
La soluzione, allora, non consiste nell’attribuire personalità giuridica all’IA. Sarebbe una scorciatoia affascinante ma pericolosa: rischierebbe di creare un nuovo soggetto fittizio proprio dove il problema è garantire responsabilità umana, trasparenza procedurale e possibilità di opposizione. La risposta più sobria è costruire sempre un referente contestabile: un punto della catena a cui il cittadino possa rivolgersi quando un sistema di IA produce un effetto rilevante sulla sua vita. Il diritto non deve risolvere il mistero ontologico dell’intelligenza artificiale. Non deve stabilire se la macchina “pensi” davvero. Deve fare qualcosa di più urgente: impedire che decisioni senza soggetto producano effetti senza interlocutore. Per questo la soggettività di secondo ordine è una categoria utile. Non umanizza le macchine; mostra quanto le macchine stiano già lavorando sull’umano. L’IA generativa non è il nuovo soggetto della storia. È il dispositivo che prende le tracce dei soggetti, le comprime in modelli e le restituisce come ambiente operativo. Non dobbiamo chiederci se abbia un’anima. Dobbiamo chiederci chi risponde quando una soggettività senza soggetto modifica la nostra posizione nel mondo.
Qualche tempo fa un collega mi ha portato a parlare con un imprenditore e il suo direttore generale in una bellissima azienda che lavorava su commessa per progetti architettonici. Quindi grandi commesse anche in termini di tempi di realizzazione. Avevano sedi internazionali e seguivano grossi progetti anche all’estero producendo in Italia. Mi raccontarono che il problema era lo sviluppo dei progetti che impiegava tempi troppo lunghi, il controllo della qualità durante la realizzazione e il rispetto dei tempi di consegna, che sforavano puntualmente con penali contrattuali da riconoscere al committente.
Mi raccontarono con orgoglio che già dieci anni prima avevano introdotto la Lean Production e che questo aveva dato un notevole incremento alla produzione. Mi portarono a vedere i reparti produttivi e potei ammirare la pulizia e l’ordine, i movimenti precisi degli operai e tutto che filava in ordine. Qualcosa però mi insospettì. Mancava qualcosa. Non vi era un sistema di gestione visuale e la lean senza un sistema di gestione visuale non esiste.
Il dialogo rivelatore
Quindi iniziai a fare domande. “Quando avete introdotto la lean?”. “Più di 10 anni fa”. “E quanti eventi Kaizen fate in un mese?”. “Eventi Kaizen?”, fu la risposta. Allora rifrasai: “sì, quanti miglioramenti di processo apportate in un mese?”. “Nessuno! Lavoriamo in lean”, e mi raccontarono la storia della loro implementazione lean. Chiamarono un’azienda di consulenza di cui mi dissero il nome chiedendomi se la conoscevo. Non la conoscevo. Poi dissero che arrivarono dei consulenti che iniziarono ad osservare e a misurare i tempi. Domandai se gli operai fossero stati coinvolti nel processo. Dissero “assolutamente no, dovevano produrre”.
Quindi proseguirono raccontando che i consulenti si ritirarono a pensare e tornarono con il ridisegno del layout dei macchinari. Una volta spostati i macchinari i consulenti studiarono le postazioni di lavoro e i movimenti degli operai durante il lavoro. Ritornarono con il ridisegno dei movimenti delle lavorazioni e lo insegnarono agli operai. Naturalmente le strisce gialle e blu a terra, i passaggi pedonali e quelli dei muletti, le vie di uscita e i cartelli di attenzione. A questo punto la lean era fatta una volta per tutte e tale era rimasta da 12 anni.
Il problema della Lean-a-tantum
Classico esempio di Lean-a-tantum che non ha molto a che vedere con il Mindset Lean Agile, se non per l’applicazione di un paio di metodologie. E questo è uno dei principali problemi delle aziende italiane che hanno implementato delle metodologie Lean senza cambiare la cultura organizzativa, credendo che la semplice implementazione di alcune metodologie li avrebbe fatti diventare agili.
Jeffrey Liker in The Toyota Way to Lean Leadership scrive: “Come molte persone che si mettono a dieta, molte aziende che intraprendono la Lean pensano che si tratti di uno sforzo momentaneo. L’azienda deve mettersi a dieta e fare più esercizio, momentaneamente. Non capiscono che per rimanere Lean, le aziende come le persone, devono vivere Lean… per sempre. Si tratta di reimpostare il metabolismo organizzativo, di ristrutturare il proprio DNA. Non può essere fatto cambiando i processi, implementando una metodologia o un programma di change management. I reali cambiamenti sistemici devono accadere nel cuore dell’organizzazione, le proprie persone”.
I due elementi chiave del Lean Thinking
Ma quindi in cosa consiste una trasformazione Lean Agile? Alla base del Lean Thinking vi sono due elementi chiave:
La ricerca della perfezione La ricerca della perfezione, che essendo per definizione irraggiungibile, è una ricerca infinita. Il fatto è che solo ricercando la perfezione raggiungiamo l’eccellenza operativa. C’è sempre spazio per migliorare. La ricerca della perfezione richiede che le organizzazioni diventino learning organisation dove l’applicazione del metodo scientifico al miglioramento dei processi sviluppa nuove conoscenze per cui le persone non vedono più differenza tra performance di lavoro, miglioramento del lavoro e miglioramento di sé stessi.
Il rispetto delle persone Senza il rispetto delle persone, diffuso ad ogni livello dell’organizzazione, non è possibile il lavoro in team, così come il problem-solving cross-funzionale. Il rispetto si manifesta attraverso il coinvolgimento nel processo di problem solving e si concretizza nell’atto di aver fiducia che la persona sia in grado di risolvere quel problema trovando la propria strada per farlo, incitandola a sperimentare e complimentandosi per i risultati. Il rispetto implica reciprocità il che significa che da una parte un leader rispetta realmente il lavoratore per la sua conoscenza operativa e per la sua dedizione nel trovare la soluzione. Allo stesso modo il lavoratore rispetta il punto di vista del manager perché riconosce la sua capacità di avere visione d’insieme. Il rispetto si esercita quindi a due vie e consiste nel riconoscimento reciproco di capacità e competenze.
La responsabilità e la ownership
Alla base del mindset lean agile vi è la responsabilità. È noto che l’autorità si può delegare, la responsabilità no. Si può assumere la capacità di rispondere se si può agire in autonomia e solo se la scelta avviene su base volontaria. Mentre l’autorità viene assegnata e di conseguenza delegata. Questo significa che la responsabilità è direttamente correlata alla ownership e la ownership significa farsi carico di un lavoro o progetto, prendere l’iniziativa, assumersi la responsabilità personale. Solo l’autonomia garantisce la responsabilità attraverso la ownership.
Ecco perché la parola empowerment è altamente inappropriata, perché implica la delega del potere, mentre la ownership e l’autonomia implicano di avere quel potere. Potere di prendere le decisioni, potere di scegliere come fare le cose e come migliorarle, potere sugli strumenti di controllo che ci forniscono i feedback loop su che cosa fare per migliorare il modo con cui facciamo le cose. Autonomia non significa però assenza di confronto, all’opposto il confronto è una forma di feedback che ci consente di scambiare con gli altri il modo in cui facciamo le cose per non reinventare l’acqua calda e per continuare a migliorare.
Come implementare il Mindset Lean Agile
Quindi come si fa ad implementare il Mindset Lean Agile? Spostando decisione e controllo a livello operativo il più basso possibile e localizzato. Quando le persone al livello operativo sono incoraggiate a sfidare lo status quo, il modo in cui si fanno le cose convenzionalmente, quando gli strumenti di misurazione e il controllo delle performance, così come la standardizzazione dei processi, vengono affidati a loro, quando iniziano a percepire i problemi come opportunità di miglioramento, il problem solving collaborativo, la ownership sulla qualità del processo e il miglioramento continuo iniziano a mettere radici, i comportamenti e la cultura organizzativa iniziano a cambiare. Come dimostrano i casi di NUMMI e Alcoa.
La comprensione che il Lean Thinking consiste nel cambiare i processi, non le persone, crea le basi per il miglioramento basato sui fatti (fact-based). Questa comprensione e l’approccio sopra descritto permettono di cambiare il sistema, responsabile delle buone o cattive performance per il 94% (W. Edwards Deming) e questo cambiamento muove il business oltre gli usuali confini.
Il pensiero sistemico
Il Mindset Lean Agile richiede un pensiero sistemico, ovvero la capacità di vedere la interconnessione tra i processi che costituiscono l’intero value stream e al contempo essere consapevoli delle interdipendenze di causa-effetto che aggiungono o tolgono valore al processo. Il pensiero sistemico è così necessario perché è noto che le ottimizzazioni locali comportano il trasferimento delle inefficienze e degli sprechi da un area all’altra e che i comportamenti legati alle divisioni dipartimentali creano disfunzionalità organizzative. Occorre pertanto essere consapevoli della natura simultaneamente integrata e interdipendente di tutte le funzioni aziendali e del sottostante flusso di informazioni. Occorre trasformare il value stream in un unico flusso ininterrotto di materiali, servizi e informazioni.
La costanza dello scopo e il cambiamento culturale
Per sostenere una trasformazione Lean occorre che l’evoluzione culturale che rinforza i nuovi comportamenti venga costantemente sostenuta dalla costanza dello scopo. Certo le persone non cambiano comportamenti per seguire dei principi, li cambiano se vedono un miglioramento del loro stato. Il che può accadere solo se hanno il potere di cambiare il sistema e, per mettere a terra questo potere, vengono forniti loro degli strumenti efficaci da applicare al cambiamento del loro modo di lavorare. Questo è il modo in cui si cambia la cultura organizzativa, si forgia un nuovo DNA creando un diverso sistema sociale.
Quando possiamo dire che ciò sta avvenendo? Quando emerge il peer-control, ovvero quando il controllo dei comportamenti altrui non è più centralizzato ma è responsabilità del team e dei suoi componenti che hanno l’autonomia di decidere chi assumere e chi licenziare poiché non agisce i comportamenti desiderati.
La vera natura del Lean Agile
Se si comprendono questi principi, semplici e fondamentali, allora sì, si può parlare di Mindset Lean Agile, di Lean Thinking, di Agility organizzativa. Le metodologie vengono di conseguenza ma solo dopo come strumenti per risolvere i problemi e migliorare costantemente. Questo è Lean Agile.
🎧 Ascolta il podcast Agile Confidential #LessonsLearned su Spotify.
Esce oggi il libro di Enrico Maestri, Giustizia ex Machina. Filosofia giuridica delle tecnologie digitali, un testo importante perché riesce a fare una cosa rara: non parla dell’AI come novità assoluta, ma la riporta dentro una genealogia culturale antica e rimossa. L’algoritmo non inventa da zero la tentazione di classificare l’essere umano; la rende più potente e più opaca. Ci sono testi che non si limitano a spiegare una tecnologia, ma ne mostrano la genealogia nascosta. Il saggio di Enrico Maestri appartiene a questi, prende una delle promesse più seducenti dell’intelligenza biologica e non biologica (prevedere, classificare, anticipare il rischio) e la riconduce a una tentazione molto più antica della macchina. Ora, in questo saggio che ci ha donato, si avverte che la domanda che lo attraversa non riguarda soltanto gli algoritmi. Riguarda il nostro desiderio di sapere prima. Prima che una persona parli e prima che agisca. Prima che la sua biografia, la scrittura della vita, si formi. È il desiderio di leggere nel corpo, nei dati, nei comportamenti, nei segni esteriori qualcosa che dovrebbe rimanere aperto nell’aperto delle possibilità. Per questo Lombroso torna nel titolo non come reperto di una scienza superata, ma come fantasma. La sua antropologia criminale è stata confutata, ma la struttura del suo sogno continua a inquietarci: riconoscere il pericoloso prima del crimine, trasformare un volto in indizio, un corpo in prova, una probabilità in destino. Oggi non misuriamo più crani, addestriamo modelli. Non parliamo più di “delinquente nato”, ça va sans dire,parliamo di rischio predittivo. Non invochiamo più la fisiognomica, ma la computer vision. E tuttavia la domanda resta sorprendentemente simile: possiamo sapere chi sei… prima.
Enrico Maestri mostra con chiarezza che il problema più profondo nasce quando una società democratica comincia ad accettare che una persona possa essere ridotta alla previsione che la riguarda, ovvero quando il volto diventa una confessione involontaria e il dato sostituisce la parola del soggetto. Quando la classificazione pretende di precedere l’esperienza. In questa prospettiva, il diritto non appare come un ostacolo alla sicurezza o all’innovazione, ma come una delle forme più alte della prudenza: ogni persona resta sempre più grande della categoria che la descrive. Ogni biografia può deviare dalla probabilità. Ogni volto può sottrarsi all’etichetta che altri pretendono di leggervi. Ogni individuo è, in fondo, il proprio rapporto di minoranza rispetto alla statistica che lo anticipa. La persona non è mai il luogo e il tempo in cui un algoritmo riconosce una trama ricorrente. È la possibilità di smentirla.
Tesi. La fisiognomica computazionale e il pre-crimine algoritmico riattivano, con strumenti nuovi, una vecchia tentazione: leggere nel corpo o nei dati ciò che una persona è o farà. Il corpo non è un testo da decifrare; il futuro non è una sentenza da eseguire.
Nel racconto The Minority Report di Philip K. Dick, la polizia arresta uomini e donne per delitti che non hanno ancora commesso. Non li punisce per ciò che hanno fatto, ma per ciò che faranno. O, meglio, per ciò che un sistema di previsione dice che faranno. Il paradosso è noto: se il crimine viene impedito, il crimine previsto non accade più. Il soggetto viene allora trattato come colpevole di un futuro che, proprio grazie all’intervento preventivo, non diventerà mai presente. Questa immagine continua a inquietarci perché tocca una tentazione profondissima delle società moderne: anticipare il rischio, leggere prima, sapere prima, intervenire prima. Non aspettare il fatto, ma riconoscere il pericoloso. Non giudicare l’atto, ma misurare la persona.
Oggi questa tentazione non si presenta più con il volto del profeta, del perito positivista o del poliziotto visionario. Si presenta con il volto apparentemente neutro dell’algoritmo. L’intelligenza artificiale promette di cogliere correlazioni invisibili, di riconoscere pattern, di trasformare immagini, dati biometrici, abitudini, precedenti, luoghi e comportamenti in previsioni. In una parola: promette di rendere calcolabile ciò che un tempo sembrava affidato all’incertezza del giudizio umano. Ma il problema non è soltanto tecnico. Non riguarda solo l’accuratezza dei sistemi, i bias dei dati o l’opacità dei modelli. Il problema è più antico e più radicale. Riguarda il desiderio di leggere la persona prima che essa agisca; di dedurre la sua identità dal corpo; di inferire il suo futuro da una probabilità. È qui che ritorna, sotto forma digitale, un fantasma ottocentesco: Cesare Lombroso.
Lombroso non fu soltanto l’autore di una teoria sbagliata. Fu il nome di una promessa. La promessa che il crimine potesse essere riconosciuto prima del crimine stesso, perché inscritto nel corpo del criminale. Il delinquente nato, nella sua prospettiva, non era semplicemente un individuo che aveva commesso un reato: era un tipo umano, un essere riconoscibile attraverso segni fisici, misure craniche, tratti somatici, asimmetrie, anomalie. Il corpo diventava un testo. E il futuro diventava una conseguenza quasi naturale di quel testo. Da questo punto di vista Lombroso è meno superato di quanto ci piaccia pensare. Certo, nessuno oggi prenderebbe sul serio la vecchia craniometria come scienza. Nessuno potrebbe più sostenere apertamente che la mascella, la fronte o la forma del cranio rivelino il destino criminale di un individuo. Eppure la struttura del ragionamento sopravvive. Cambiano gli strumenti, non il desiderio. Al posto del calibro c’è la computer vision. Al posto della tavola antropometrica c’è il dataset. Al posto del criminologo positivista c’è il modello predittivo. Ma la domanda resta sorprendentemente simile: possiamo leggere nel corpo, nei dati, nei segni esteriori ciò che una persona è o farà?
La nuova fisiognomica
Prima dell’intelligenza artificiale c’era la fisiognomica: l’arte di leggere il carattere dal volto. Non era una superstizione marginale, ma una lunga tradizione culturale, capace di sedurre filosofi, medici, moralisti e uomini di Stato. La sua promessa era semplice e potentissima: il visibile rivela l’invisibile. Dal volto si poteva risalire all’anima; dal corpo al carattere; dal tratto fisico alla disposizione morale.
La fisiognomica computazionale riprende questo antico schema, ma lo traduce nel linguaggio del machine learning. Non dice più che una fronte sfuggente o una mascella pronunciata rivelano la natura criminale. Dice che un insieme di pixel, correlazioni e pattern può permettere di inferire orientamento sessuale, appartenenza etnica, opinioni politiche, stati emotivi, inclinazioni comportamentali. Non invoca più la lettura morale del volto, ma la classificazione statistica dell’immagine. Il risultato, però, è inquietantemente simile: il corpo viene trattato come un testo da decifrare.
Un primo esempio paradigmatico riguarda gli studi che hanno preteso di dedurre l’orientamento sessuale dal volto. Il caso è diventato celebre perché sembrava dimostrare una capacità sorprendente dell’algoritmo: riconoscere ciò che la persona non aveva dichiarato. Ma proprio qui si rivela il vizio della fisiognomica computazionale. Il sistema non leggeva una verità biologica inscritta nei lineamenti; molto più probabilmente intercettava convenzioni di autopresentazione: qualità delle fotografie, posa, illuminazione, trucco, acconciatura, contesto sociale della piattaforma da cui le immagini erano tratte. In altri termini, non vedeva l’orientamento sessuale. Vedeva tracce culturali e le scambiava per essenza naturale. Questo è il punto decisivo. L’algoritmo non scopre necessariamente ciò che siamo; spesso registra il modo in cui una società ci mette in scena. E quando queste tracce vengono naturalizzate, il rischio diventa enorme. Una differenza storica, culturale, sociale o biografica viene trasformata in un segno corporeo. La persona non parla più: viene letta. Non dichiara più: viene inferita. Non decide più quando e come rivelarsi: viene classificata.
Un secondo esempio, ancora più grave, è quello dei sistemi capaci di identificare automaticamente appartenenti a minoranze etniche, come nel caso della sorveglianza degli Uiguri nello Xinjiang. Qui la fisiognomica computazionale mostra il suo volto più politico. Il problema non è soltanto che un sistema può sbagliare. Il problema è che, anche quando funziona, può diventare infrastruttura di persecuzione. La classificazione biometrica non rimane una curiosità tecnica: entra nei flussi video urbani, nei database di polizia, nelle architetture di controllo, e trasforma l’appartenenza in bersaglio.
Questi esempi permettono di capire perché il divieto europeo di categorizzazione biometrica sensibile non sia un dettaglio tecnico dell’AI Act. Esso dice qualcosa di molto più profondo: non tutto ciò che può essere inferito deve essere inferito. Non tutto ciò che un modello riesce a classificare è per ciò stesso legittimo. Ci sono domande che una società democratica deve vietare alla macchina non perché la macchina sia imprecisa, ma perché quella domanda è sbagliata. Chiedere a un volto di rivelare la fede, l’origine etnica, l’orientamento sessuale o l’opinione politica significa trasformare il corpo in una confessione involontaria. La distinzione tra riconoscere una persona e classificarla è, perciò, essenziale. Verificare che qualcuno sia chi dichiara di essere può avere una funzione legittima. Inferire dal suo volto che tipo di persona sia appartiene invece a un’altra logica: più invasiva, più ambigua, più pericolosa. Nel primo caso il corpo conferma un’identità dichiarata; nel secondo caso il corpo viene usato contro, prima o al posto della dichiarazione del soggetto. È la differenza fra dire: «sei davvero tu?» e dire: «so io chi sei».
Dal volto al rischio
La stessa logica si ripresenta nel campo del pre-crimine. Qui non si pretende di dedurre dal volto un’identità nascosta, ma di calcolare nei dati una condotta futura. Software di risk assessment, sistemi predittivi, modelli di polizia anticipatoria promettono di stabilire chi sia più incline a recidivare, quali quartieri siano più esposti al crimine, quali soggetti meritino maggiore sorveglianza. Anche qui la promessa è seducente: ridurre l’incertezza, prevenire il danno, razionalizzare le decisioni, sostituire l’intuizione del giudice o del poliziotto con una previsione fondata sui dati.
Il caso COMPAS, discusso negli Stati Uniti a partire dalla vicenda Loomis, è diventato il simbolo di questa trasformazione. Un software assegna un punteggio di rischio; quel punteggio entra nella decisione giudiziaria; l’imputato però non può realmente discutere il funzionamento del modello, perché l’algoritmo è proprietario, opaco, non pienamente accessibile. Il diritto continua formalmente a giudicare un soggetto, ma nella decisione entra una previsione prodotta su popolazioni. La persona concreta viene letta attraverso la probabilità statistica di altri soggetti ritenuti simili.
Il problema non è solo la possibile discriminazione razziale o sociale, pure gravissima. Il problema più profondo è dogmatico e filosofico: che cosa accade alla persona quando viene trattata come il risultato probabile di un gruppo statistico? Se un modello mi attribuisce un rischio perché altri, simili a me per certe variabili, hanno commesso certi atti, io non sono più giudicato per ciò che ho fatto, ma per la compagnia statistica alla quale vengo assegnato. La mia singolarità viene tradotta in appartenenza. La mia biografia diventa un caso medio. Il mio futuro viene chiuso nella probabilità di altri.
Anche i sistemi territoriali di polizia predittiva mostrano la stessa ambiguità. Strumenti come PredPol non indicano necessariamente persone, ma zone: quartieri, strade, aree urbane in cui il rischio di reato sarebbe più alto. Sembrano quindi meno invasivi. Eppure producono un effetto circolare: più una zona viene pattugliata, più vi si registrano reati; più vi si registrano reati, più il sistema raccomanda di pattugliarla. Il dato non descrive semplicemente il crimine; descrive anche la storia della sorveglianza. La previsione non fotografa il reale: contribuisce a costruirlo.
È precisamente qui che Lombroso ritorna. Non perché gli algoritmi siano lombrosiani in senso letterale. Non perché il machine learning coincida con l’antropologia criminale ottocentesca. Ma perché ricompare la stessa tentazione: sostituire il giudizio sull’atto con una misura preventiva della persona. Lombroso cercava il criminale prima del crimine nel corpo. La predizione algoritmica cerca il rischio prima dell’atto nei dati. In entrambi i casi, la persona viene anticipata da una classificazione.
Vi sono poi casi in cui le due linee si saldano in modo quasi perfetto. Alcune imprese hanno dichiarato di poter dedurre dal volto profili di pericolosità, inclinazioni aggressive, appartenenze criminali o addirittura probabilità di terrorismo. Qui non siamo più soltanto nel riconoscimento facciale, né soltanto nel risk assessment. Siamo nel punto esatto in cui la fisiognomica diventa pre-crimine: il corpo viene letto per prevedere il futuro. È Lombroso con le reti neurali al posto del calibro.
Il fascino della previsione
Questa continuità spiega anche perché il tema sia così politicamente potente. Le società contemporanee vivono immerse nel linguaggio del rischio. Rischio sanitario, rischio ambientale, rischio finanziario, rischio criminale, rischio reputazionale. Governare significa sempre più spesso prevenire. E prevenire significa anticipare. Ma quanto più l’anticipazione diventa tecnicamente possibile, tanto più cresce la tentazione di sacrificare il principio liberale più fragile: l’idea che una persona non coincida mai interamente con ciò che di essa si può prevedere. Il diritto moderno, almeno nella sua forma più garantista, nasce anche per porre un argine a questa tentazione. Non punire l’essere, ma l’atto. Non condannare la pericolosità in quanto tale, ma accertare una condotta. Non trasformare il sospetto in destino. Il principio del fatto, la presunzione d’innocenza, il contraddittorio, la responsabilità personale non sono formalismi ottocenteschi: sono tecniche culturali per impedire che la società chiuda la persona dentro una diagnosi preventiva.
L’intelligenza artificiale mette sotto pressione proprio queste tecniche culturali. Non perché sia onnipotente, ma perché rende più credibile la vecchia aspirazione deterministica. L’algoritmo non dice «io sospetto»; dice «io calcolo». Non dice «mi pare»; dice «la probabilità è». La sua autorità non deriva dall’esperienza morale, ma dalla forma impersonale del numero. Ed è proprio questa apparenza di neutralità a renderlo culturalmente seducente. Il numero sembra non odiare, non discriminare, non avere pregiudizi. Ma può incorporare, amplificare e stabilizzare i pregiudizi di una società intera. Il pericolo più grande, allora, non è che la macchina sostituisca l’uomo. È che l’uomo si nasconda dietro la macchina. Che decisioni politiche, morali e giuridiche vengano presentate come semplici risultati tecnici. Che la scelta di sorvegliare certi corpi, classificare certe identità o concentrare il controllo su certi gruppi appaia come conseguenza inevitabile dei dati. In questo senso l’algoritmo non elimina la responsabilità: la sposta e la rende meno visibile.
Da qui nasce l’esigenza di pensare una responsabilità dell’architettura. Non basta chiedersi se l’output del sistema sia corretto. Bisogna chiedersi perché quel sistema sia stato progettato, con quali dati, con quali categorie, con quali soglie, per quali fini. Un classificatore non è mai solo uno strumento neutro: incorpora una certa immagine del mondo. Decide quali differenze contano, quali somiglianze sono rilevanti, quali segnali meritano attenzione. Prima ancora di produrre una decisione, costruisce lo spazio entro cui alcune decisioni diventano possibili e altre scompaiono. Per questo non è sufficiente dire che serve «più trasparenza». La trasparenza è necessaria, ma non basta. Anche un sistema perfettamente spiegabile potrebbe restare illegittimo se pretende di inferire dal corpo ciò che appartiene alla libertà della persona, o se trasforma una probabilità statistica in un destino individuale. Il problema non è soltanto vedere come funziona la macchina. Il problema è decidere se una certa macchina debba funzionare.
In questo senso, i divieti contenuti nell’AI Act europeo hanno un significato culturale che supera la tecnica normativa. Quando il regolamento vieta certe forme di categorizzazione biometrica e certe forme di predizione individuale del rischio criminale, non si limita a disciplinare un settore tecnologico. Dice qualcosa di più profondo: il corpo non è un archivio da cui estrarre identità nascoste; il futuro non è una sentenza già scritta nei dati; la persona non può essere ridotta alla probabilità del gruppo a cui viene associata.
Naturalmente le norme non eliminano la tentazione. Anzi, spesso la rendono più evidente. Ci sarà sempre qualcuno pronto a dire che, se un sistema funziona, sarebbe irresponsabile non usarlo. Se può prevenire un crimine, perché rinunciarvi? Se può identificare un rischio, perché ignorarlo? È l’argomento più forte e più pericoloso: quello della sicurezza. Ma una società libera non si misura solo dalla quantità di rischi che riesce a prevenire. Si misura anche dai rischi che accetta di non prevenire pur di non distruggere le condizioni della libertà.
Il rapporto di minoranza
Qui Minority Report resta una parabola insuperata. Nella versione cinematografica esiste il «rapporto di minoranza»: una previsione divergente, un futuro alternativo, una possibilità non allineata al verdetto principale. È una potente immagine filosofica. Ogni persona è, in fondo, il proprio rapporto di minoranza rispetto alla statistica che la descrive. Ogni individuo può smentire il gruppo a cui viene assegnato. Ogni biografia può deviare dalla probabilità. Ogni volto può sottrarsi all’etichetta che altri pretendono di leggervi. Il compito del diritto, allora, non è soltanto regolare l’intelligenza artificiale. È difendere lo spazio di questa deviazione. Tenere aperta la distanza fra il corpo e l’identità, fra il dato e la persona, fra la probabilità e il destino. Impedire che la previsione diventi condanna, che la classificazione diventi natura, che la sicurezza diventi una nuova forma di determinismo.
Lombroso ci interessa ancora non perché avesse ragione, ma perché il suo errore continua a tentarci. Egli trasformò il corpo in prova e la pericolosità in destino. Oggi rischiamo di fare qualcosa di simile con strumenti immensamente più sofisticati e socialmente più accettabili. Non misuriamo più crani, ma addestriamo modelli. Non parliamo più di criminale nato, ma di rischio predittivo. Non invochiamo più la fisiognomica, ma la computer vision. Tuttavia la domanda di fondo rimane la stessa: possiamo sapere chi sei e che cosa farai prima che tu lo dica, prima che tu lo scelga, prima che tu agisca?
A questa domanda occorre rispondere con chiarezza: no, non senza perdere qualcosa di essenziale. Perché il corpo non è un testo da decifrare, e il futuro non è una sentenza da eseguire. La persona non è mai soltanto il luogo in cui un algoritmo riconosce un pattern. È anche, e soprattutto, la possibilità di smentirlo.
Nota bibliografica essenziale
I riferimenti sono indicati in forma essenziale, coerentemente con la destinazione culturale e divulgativa del testo.
Nel primo volume dei Quaderni, Simone Weil scrive: «È bene ciò che dà maggiore realtà agli esseri e alle cose, male ciò che gliela toglie». È una frase che sembra appartenere a un’altra epoca e invece parla con precisione del nostro presente. L’odio comincia così: togliendo realtà. Prima ancora di colpire un corpo, impoverisce uno sguardo. Riduce una persona a categoria, bersaglio. Lo vede come una minaccia, un ostacolo. Sottrae complessità al diverso, al divergente, allo straniero, al migrante. Gli impedisce di apparire nella pienezza della sua esistenza. L’odio, pertanto, non è soltanto un sentimento privato o una degenerazione del discorso pubblico: è una forma di irrealtà prodotta socialmente, amplificata dai media e utilizzata politicamente.Simone Weil scriveva che «l’attenzione è la forma più rara e più pura della generosità» e aggiungeva che a pochissimi spiriti è dato scoprire che le cose e gli esseri esistono. In questa scoperta si trova forse il fondamento più esigente di ogni morale: riconoscere la realtà dell’altro, non ridurla a funzione del nostro pregiudizio.
Da qui nasce questa rubrica quindicinale di Orlando Paris – professore di Filosofia e teoria deilinguaggi all’Università per Stranieri di Siena e autore di Pensare l’odio. L’umano di fronte all’estremo – non per aggiungere un commento impotente all’indignazione, ma per interrogare le forme contemporanee attraverso cui l’odio torna a organizzare il dicibile, il pensabile. Razzismo, xenofobia, violenza politica, partecipazione ormai conclamata di capi di Stato alla grammatica dell’annientamento: sono tutti luoghi nefasti in cui si decide quanta realtà siamo ancora disposti a riconoscere agli esseri umani.Pensare l’odio significa custodire una soglia: impedire che l’altro venga reso irreale prima ancora di essere escluso. Annientato. È su questa soglia, fragile e decisiva, che il linguaggio deve tornare a essere una forma di attenzione: non il rumore che accompagna la violenza, ma la responsabilità in cui la realtà dell’altro viene riconosciuta.
Tredici giovani minorenni denunciati a Siena per apologia di fascismo e nazismo, accusati di aver progettato aggressioni razziste contro migranti. Pochi giorni prima, a Taranto, Sako Bakari, bracciante originario del Mali, viene ucciso da un gruppo di ragazzi, tre dei quali minorenni. Due vicende gravissime, accompagnate da un assordante e inquietante silenzio dei partiti che governano il Paese. Due vicende che non possiamo derubricare a semplici episodi di cronaca. Entrambe ci parlano di un fenomeno ormai endemico nelle società contemporanee: la crescente legittimazione del razzismo e il ritorno della violenza come modalità ordinaria di gestione delle relazioni sociali. È in questo brodo di coltura che prosperano ideologie fondate sull’esclusione e sulla disumanizzazione: quel fascismo e quel nazismo che stanno progressivamente riconquistando spazi culturali e istituzionali. Fino a pochi anni fa sarebbe stato difficile immaginare una simile legittimazione pubblica. Oggi, invece, simboli e parole d’ordine che sembravano confinati ai margini della vita democratica tornano a circolare con crescente disinvoltura, attraversano il dibattito pubblico, trovano visibilità nei media, alimentano campagne elettorali e costruiscono consenso.
Per questo i fatti di Siena e Taranto dovrebbero interrogare tutti noi. Ci interrogano perché sono il prodotto di un clima politico e culturale che attraversa oggi gran parte dell’Occidente: un clima segnato dall’avanzata di forme di populismo autoritario che hanno profondamente trasformato anche il nostro dibattito pubblico. Pensiamo al terribile fatto di cronaca avvenuto pochi giorni fa a Modena. Una tragedia che avrebbe richiesto riflessione e prudenza è stata invece immediatamente trascinata dentro la macchina della propaganda. Nel giro di poche ore il dolore delle persone coinvolte è diventato materia per la costruzione del nemico e per l’ennesima ondata di ostilità che ha attraversato i social network, i talk show televisivi e le pagine di quei giornali che da anni alimentano una narrazione fondata sulla paura e sull’esclusione.
Eppure i fatti raccontavano altro: l’autore dell’aggressione era un giovane nato e cresciuto in Italia, mentre tra coloro che hanno fermato la sua furia vi erano anche due migranti arrivati nel nostro Paese da poco tempo. Una circostanza che restituisce tutta la complessità delle società contemporanee e mostra quanto siano fragili le letture costruite attorno a identità compatte e appartenenze omogenee. I drammatici fatti di Modena ci hanno mostrato, ancora una volta, la persistenza di stereotipi e pregiudizi razziali, spesso radicati in una concezione biologica dell’umano, ma anche la tossicità di una sfera pubblica sempre più incapace di confrontarsi con la complessità dei fenomeni sociali e sempre più incline a trasformare ogni evento in uno slogan o in un’occasione di banalizzazione.
Le nostre società sono ormai attraversate da questa forma di discussione pubblica, alimentata da leader politici spregiudicati e pronti a strumentalizzare qualsiasi vicenda per rafforzare il proprio consenso. A questo si aggiunge il linguaggio delle leadership internazionali: come ha recentemente osservato Giorgio Agamben, parole che evocano annientamento e morte vengono pronunciate apertamente da capi di Stato e leader politici, entrando senza mediazioni nel flusso quotidiano dell’informazione. La brutalità viene esibita pubblicamente e rivendicata come prova di forza. Basti pensare ad alcune recenti dichiarazioni di Donald Trump e Benjamin Netanyahu sull’Iran. Assistiamo così a una progressiva erosione di quelle soglie simboliche che per decenni avevano contribuito a contenere la legittimazione pubblica della violenza.
Questo è il mondo nel quale viviamo. Questa è la sfera pubblica che ogni giorno interpreta gli eventi della contemporaneità e contribuisce a formare l’immaginario delle nuove generazioni. È dentro questo orizzonte culturale che maturano fenomeni come quelli di Siena e Taranto, ed è dentro questo stesso orizzonte che occorre tornare a interrogare il rapporto tra linguaggio, potere e odio. Naturalmente nessuno può sostenere che esista un rapporto meccanico tra le parole dei governi e le azioni di un gruppo di adolescenti. Le società sono molto più complesse. Esiste però una relazione evidente tra il clima discorsivo e culturale di un’epoca e ciò che diventa pensabile al suo interno. Le idee non restano confinate nei palazzi della politica o negli studi televisivi: circolano e producono effetti. Per questo sarebbe sbagliato considerare Siena e Taranto come semplici fatti di cronaca. Questi eventi ci raccontano qualcosa di più profondo. Ci raccontano quello che siamo diventati: una società nella quale il razzismo e la xenofobia hanno progressivamente recuperato legittimità pubblica e nella quale la violenza viene sempre più spesso percepita come una risposta accettabile ai conflitti; una società che fatica a riconoscere il peso delle parole che utilizza e dove la polarizzazione erode progressivamente gli spazi del confronto democratico.
Dietro l’apparente immaterialità dell’IA esiste una geografia fatta di villaggi, famiglie, migrazioni interne, politiche territoriali e lavoro invisibile. Il testo di Michele Kettmajer prende avvio dalle madri rurali cinesi, impiegate nell’etichettatura dei dati, per mostrare che l’AI non si riproduce soltanto nei laboratori, nei data center o nelle architetture computazionali, ma dentro una filiera sociale che incorpora attenzione, pazienza, giudizio, percezione e criteri culturali. Non si tratta di denunciare una forma di sfruttamento, ma di comprendere come il capitalismo algoritmico riassorba strutture antiche trasformandole in infrastruttura cognitiva della macchina. Tutt’altro che una tecnologia neutrale e smaterializzata, anzi, si rivela profondamente materiale: dipende da corpi, territori, lingue, miniere, energia, micro-decisioni umane. L’AI non estrae soltanto dati, ma capacità cognitive, forme mentali, giudizi culturali. E ciò che viene estratto dalle periferie viene trasformato in modelli controllati dai centri del potere tecnologico. Se l’umano diventa utile soprattutto come risorsa transitoria per addestrare la macchina destinata a sostituirlo, l’intelligenza artificiale non è più soltanto una questione tecnica o economica: diventa una questione antropologica. Quando anche la percezione diventa materiale estraibile, l’umano smette di essere origine del senso e diventa giacimento: non è più l’umano che guarda il mondo, ma ciò da cui la macchina impara a guardarlo.
In un villaggio dell’interno della Cina, una donna, contadina, siede davanti a uno schermo. Fuori ci sono i campi che lavorava fino a poco tempo fa, sulle stradine i figli giocano, i padri da anni vivono e lavorano nelle città algoritmiche. Dentro lo schermo scorrono immagini. Lei guarda, classifica, etichetta: un volto, un oggetto, un gesto, normale o anomalo. E lo fa per ore, ogni giorno. Non sa, o forse sa, ma non cambia nulla, che quelle sue decisioni minime, moltiplicate per migliaia di donne come lei, per milioni di immagini, stanno costruendo qualcosa di enorme e invisibile: l’intelligenza di una macchina. Un articolo di “Sixth Tone” ha reso visibile questa filiera nascosta. Migliaia di madri nelle aree rurali cinesi hanno lavorato per anni al data labeling, l’etichettatura di immagini, video e dati che servono ad addestrare i modelli AI delle Big Tech. Non in grandi uffici urbani, ma in centri locali vicini ai villaggi, nelle nuove città satellite create dallo Stato per governare le migrazioni interne. Il fenomeno non risponde soltanto alla domanda di manodopera a basso costo: risponde anche alla necessità politica di contenere lo spopolamento rurale, mantenere unite le famiglie, sostenere una modernizzazione territoriale a basso costo sociale.
Alla faccia delle nuvolette piene di algoritmi e dati; per anni abbiamo raccontato l’intelligenza artificiale come il punto più avanzato della smaterializzazione del mondo. Poi basta guardare dentro la filiera reale per trovare altro: villaggi rurali, politiche abitative, migrazioni interne, famiglie separate, donne che etichettano immagini tra un colpo di zappa e l’altro. Il capitalismo algoritmico non supera le vecchie strutture sociali ma le riassorbe. Marx lo chiamava General Intellect, l’intelligenza collettiva incorporata nella macchina. Ma non aveva previsto che quella incorporazione potesse avvenire attraverso la regressione, non il progresso: non la fabbrica che libera il lavoro domestico, ma il lavoro domestico che alimenta la fabbrica globale dell’algoritmo. L’aspetto più interessante della vicenda non è solo la denuncia dello sfruttamento. Siamo davanti a una convergenza molto più sofisticata tra modernizzazione tecnologica, stabilizzazione territoriale e gestione della riproduzione sociale. Mentre l’Occidente continua a immaginare l’AI come forza che dissolve i territori e il lavoro, la Cina la usa anche come politica di infrastruttura territoriale. Il labeling distribuito nelle aree rurali non serve solo ad addestrare modelli, ma ad evitare il costo gigantesco di una completa urbanizzazione assistita. Il lavoro cognitivo distribuito funziona quasi come welfare indiretto. L’algoritmo non sostituisce il lavoratore: in alcuni casi sostituisce lo Stato sociale.
Le qualità richieste dal data labeling: la pazienza, la tolleranza della ripetizione, l’attenzione al dettaglio e la capacità sociale di sostenere compiti invisibili e frammentati non nasce dal nulla, ma sono il prodotto storico di strutture familiari e culturali sedimentate. L’AI non estrae soltanto dati, qui estrae capacità percettive e cognitive formate dentro specifici mondi sociali, contadini in questo caso. Estrae, in un senso preciso, la forma mentis e quella forma diventa codice. Non è certo la maternità che addestra la macchina. Quelle lavoratrici non trasferiscono un’essenza femminile dentro l’algoritmo, ma ogni operazione di annotazione incorpora inevitabilmente criteri culturali impliciti. Il bias non è più un difetto del sistema, è la sua materia prima. Milioni di micro-decisioni cognitive diventano infrastruttura epistemica: determinano cosa il modello vede, cosa ignora e cosa normalizza. L’AI non neutralizza i criteri culturali incorporati nei dati: al contrario li industrializza.
Oggi, mentre si discute di world models e di modelli capaci di costruire rappresentazioni interne del mondo, vale forse la pena ricordare che quel mondo non emerge in uno spazio neutro. Viene classificato, corretto e normalizzato attraverso milioni di micro-decisioni cognitive distribuite nel tessuto sociale globale. I modelli non emergono dal nulla computazionale. Sono costruzioni sociali, solo che la loro origine sociale viene sistematicamente occultata dalla retorica della neutralità tecnica. C’è una grande continuità con la globalizzazione industriale, ma anche una differenza decisiva. La globalizzazione degli anni novanta distribuiva nel mondo fabbriche, assemblaggio, produzione materiale. La nuova globalizzazione dell’AI distribuisce funzioni cognitive. Alcuni territori producono energia e terre rare per data center e chip, altri semiconduttori avanzati, altri ancora diventano riserve di lavoro cognitivo a basso costo: annotazione dati, moderazione contenuti, addestramento dei modelli. È una divisione internazionale del lavoro che non riguarda più soltanto le mani, ma la percezione, l’attenzione e il giudizio.
In India il fenomeno assume una forma diversa, ma strutturalmente analoga. Intere regioni urbane e semi-urbane sono diventate infrastrutture umane per il testing dei modelli, per il reinforcement learningfrom human feedback, il processo con cui le macchine imparano a rispondere bene attraverso la valutazione umana, per l’annotazione multilingue e il supporto ai sistemi generativi. Qui il vantaggio competitivo non è soltanto il costo del lavoro: è la disponibilità di una massa linguistica tra le più vaste e differenziate del pianeta. Centinaia di lingue, registri, dialetti e scritture. I modelli globali le incorporano, le comprimono e le restituiscono come capacità universale. Ma l’universalità che producono appartiene a chi controlla i modelli, non a chi ha fornito la materia prima linguistica. La diversità viene estratta, rubata e l’omogeneità viene venduta. Cina, India e molti altri esempi simili mostrano apertamente la struttura profonda di come l’AI viene costruita. E ciò che la accomuna ai colonialismi del passato non è la violenza, ma la logica: estrarre valore da una periferia, trasformarlo in un centro, restituire alla periferia un prodotto finito che non le appartiene. Semplice no? Molti di questi territori – o, meglio, molti di questi paesaggi – rischiano così di essere integrati non come centri autonomi di sviluppo, ma come funzioni temporanee dentro infrastrutture controllate altrove. Miniere energetiche, serbatoi di dati, piattaforme logistiche, riserve di micro-lavoro cognitivo.
Il colonialismo estrattivo non ha cambiato logica: ha cambiato oggetto perché non estrae più solo materie prime fisiche, ma estrae capacità cognitive e giudizi culturali incorporati. E li trasforma in modelli che appartengono al potere delle Big Tech. Il novecento industriale aveva separato nettamente fabbrica e casa. Il capitalismo algoritmico invece riporta il lavoro cognitivo dentro la vita quotidiana. Non concentra più soltanto i corpi nelle fabbriche, ma distribuisce anche micro-funzioni computazionali dentro famiglie, dentro l’attenzione, le relazioni e la cura del paesaggio e delle comunità. La produzione cognitiva torna domestica, continua e soprattutto invisibile. Romano Guardini scriveva che ogni tecnica porta con sé un’immagine dell’uomo. L’immagine che porta questa tecnica è un essere umano utile finché serve a costruire la macchina che lo sostituirà. Non un soggetto, ma una risorsa di transizione. Cosa rimane dell’umano quando anche la sua funzione cognitiva più elementare è stata estratta, industrializzata e resa autonoma? Non è un fatto tecnologico, ma antropologico. Chi costruisce queste infrastrutture ha interesse a trasformare l’intelligenza umana in risorsa computazionale, non a interrogarsi su ciò che resta dell’umano dopo averlo prosciugato.
Perché ho storpiato il nome sicurezza psicologica? Perché rischia di diventare l’ennesima moda manageriale. Il termine sicurezza psicologica è diventato noto grazie al lavoro di Amy Edmondson, docente di Leadership e Management presso la Harvard Business School, che parla delle organizzazioni senza paura. L’assenza di paura coincide con un livello elevato di sicurezza psicologica e consiste nella capacità di creare ambienti organizzativi in cui le persone dimostrano di correre dei rischi e di parlare apertamente degli errori, senza paura, cercando nuove strade per prevenirli.
Il progetto Aristotele di Google
Nel 2012 Google commissionò una ricerca interna per comprendere cosa rende un team efficace. L’obiettivo era identificare i fattori che portano un gruppo di lavoro a raggiungere il successo. Si chiamò progetto Aristotele per via dell’affermazione “il tutto è maggiore della somma delle sue parti”. Il progetto durò più di 2 anni e coinvolse ricercatori di competenze diverse, psicologi, sociologi, esperti di statistica, antropologi, oltre 180 team, più di 200 interviste, più di 250 attributi dei team. L’analisi si è concentrata su vari aspetti, tra cui le competenze individuali, le dinamiche di gruppo e l’intelligenza emotiva. Partiva dall’ipotesi che un team performante dipendesse da una combinazione di persone altamente performanti, un manager esperto e risorse. Alla fine scoprirono che il primo e più importante fattore era la sicurezza psicologica.
Come riconoscere il livello di sicurezza psicologica
Quando si acquisisce un po’ di esperienza non servono survey (anche se poi ve ne proporrò una) per comprendere il livello di sicurezza psicologica di un’organizzazione. È sufficiente osservare come si comportano le persone. Come si parlano tra di loro? Come scrivono le email? Chi mettono in copia conoscenza? Quanto stanno attenti a ciò che dicono, come lo dicono, a chi lo dicono? Quali sono le dinamiche durante le riunioni?
Mentre è relativamente facile creare sicurezza psicologica all’interno di un team costituito ad hoc partendo dallo scopo comune, è molto difficile realizzarla in un’organizzazione basata su ruoli, posizioni organizzative, silos, ovvero un ambiente in cui si sono create le condizioni di difesa territoriale. Il problema per cui la sicurezza psicologica rischia di restare una moda manageriale, come lo è stato per l’agility, è che la sicurezza psicologica è strettamente connessa con la cultura organizzativa, la quale, da una parte è invisibile e dall’altra così pervasiva da influenzare i nostri comportamenti e il nostro modo di pensare. Se la cultura organizzativa è basata su una cultura della colpa come potete pensare che le persone dichiarino gli errori per poterli risolvere. Per introdurre la sicurezza psicologica occorre cambiare la cultura organizzativa, così come per introdurre l’agility occorre cambiare la struttura organizzativa, altrimenti potete chiamarle Psicurezza Sypcologia e Agile Washing.
Le conseguenze della mancanza di sicurezza psicologica
Ma quali sono le conseguenze della mancanza di sicurezza psicologica?
Domina la paura: le persone spendono energie e tempo a tutelarsi stando attente a cosa dicono, a chi lo dicono, come lo dicono, a mandare le email in copia conoscenza non per informare ma per cautelarsi. La percentuale è indirettamente proporzionale al livello di sicurezza psicologica e si assesta in alcune organizzazioni intorno al 70% del tempo lavorativo.
L’impossibilità di imparare dagli errori: le persone in assenza di sicurezza psicologica sono focalizzate sul ‘imparare cosa’ e tralasciano il ‘imparare come’ il che rende impossibile l’apprendimento necessario per esaminare e diagnosticare il processo per prevenire futuri fallimenti e per sperimentare.
La difficoltà di creare innovazione: quando manca la sperimentazione difficilmente un’organizzazione è in grado di produrre innovazione.
L’incapacità di migliorare le performance: per ottenere un miglioramento delle performance occorre migliorare continuamente i processi. Per poterlo fare è necessario identificare i problemi e analizzare la causa radice per cambiare lo status quo. In assenza di sicurezza psicologica la tendenza è quella di coprire i problemi non di farli emergere.
Elevata conflittualità: un basso livello di sicurezza psicologica esaspera i conflitti e la difesa territoriale. Questo atteggiamento non permette il confronto con gli altri e sopprime la possibilità di esprimere idee rilevanti e discussioni critiche.
La diversità porta ad elevati tassi di conflittualità: per questo nelle organizzazioni con basso livello di sicurezza le persone tendono a fare gruppo tra simili e non si sfrutta la possibilità di utilizzare competenze diverse.
Basso o inesistente livello di collaborazione: il basso livello di sicurezza psicologica non permette la fiducia, il che rende impraticabile la collaborazione. Al massimo si può ottenere una qualche forma di cooperazione. Quando poi i team lavorano virtualmente a distanza l’effetto è dirompente.
Survey: misura il livello di sicurezza psicologica
Quale è il livello di sicurezza psicologica nella vostra organizzazione? Rispondete a queste domande utilizzando una scala da 1 a 7, in cui 1 corrisponde a fortemente in disaccordo e 7 fortemente d’accordo. Quindi contate il punteggio e leggete che tipo di organizzazione è la vostra.
Non riceverò ritorsioni o critiche se ammetto un errore o uno sbaglio
Non tenere le carte nascoste è il modo migliore per andare avanti in questo team
In questo team è facile discutere di questioni e problemi difficili
È facile chiedere aiuto a un membro di questo team
In questo team, le persone sono accettate per essere diverse
I miei compagni di squadra accolgono con favore le mie idee e dedicano loro tempo e attenzione
I membri di questo team potrebbero facilmente descrivere il valore dei contributi degli altri
È sicuro correre un rischio in questo team
Nessuno in questo team agirebbe deliberatamente in un modo che mina i miei sforzi
Ci prendiamo del tempo per trovare nuovi modi per migliorare i processi di lavoro del nostro team
In questo team, le persone parlano di errori e modi per migliorare e imparare da essi
I membri di questo team sollevano preoccupazioni che hanno sui piani o sulle decisioni del team
Ovviamente questa breve survey dovrebbe essere condotta su tutti i componenti dei team e possibilmente allargata a tutti coloro con cui interagiscono. Meglio ancora se estesa a tutta l’organizzazione.
Risultati: tra 10 e 29 punti
Il livello di sicurezza psicologica percepito è molto basso. Rischio di elevata conflittualità sommersa, elevata sfiducia tra le persone, ambiente che si muove in “punta di forchetta” (armonia artificiale) per non urtare nessuno e scatenare potenziali conflitti. Tutti scrivono email accurate e inviate in copia conoscenza praticamente alla totalità delle persone a conoscenza dei fatti per costruire le prove della propria innocenza. Il gioco è quello della patata bollente per scaricare le responsabilità. Di solito dietro a questa situazione vi sono organizzazioni con una elevata dipartimentalizzazione e dove il leadership team non è un team ma un gruppo di manager di dipartimento con scopi e obiettivi individuali. Le persone spendono il 70% delle loro energie e tempo per guardarsi alle spalle e non fare passi falsi.
Risultati: tra 30 e 49 punti
Il livello di sicurezza psicologica percepito sembra neutrale il che può significare scarsa partecipazione, disinteresse, bassa responsabilità. È l’ambiente ideale per sopravvivere senza impegnarsi molto e coltivare il quite quitting. Le persone sono scarsamente motivate e se non cercano altrove la loro soddisfazione professionale è perché non hanno ancora capito che cosa le motiva in attesa che qualcosa accada.
Risultati: tra 50 e 70 punti
Il livello di sicurezza psicologica percepito è piuttosto elevato. Questo è l’ambiente ottimale per coltivare i talenti e per creare un’organizzazione che apprende. Il miglioramento continuo è all’ordine del giorno e l’innovazione è distribuita nell’intera organizzazione. Le persone sono fortemente motivate a fare ciò che fanno e fanno proprio il loro lavoro. Sono organizzazioni che sono state capaci di creare un’armata di problem solver con un elevato livello di intra-preneurship. Sono organizzazioni che non conoscono la paura e che prendono rischi ponderati grazie a cicli rapidi di sperimentazione. Normalmente sono organizzazioni che crescono rapidamente e diversificano notevolmente il business in base alla ownership presa dalle persone all’interno dell’organizzazione.
🎧 Ascolta il podcast Agile Confidential #LessonsLearned su Spotify.
