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.