Più delegate all'AI, meno sarete in grado di capire se sta sbagliando

Il 30 settembre 2026 Amazon chiude Mechanical Turk. Ventuno anni dopo il lancio, una delle prime piattaforme del microlavoro digitale, che ha contribuito a creare la filiera di dati umani dietro l'AI moderna, cessa di esistere in silenzio, senza cerimonie. È un passaggio che merita attenzione, perché il tipo di lavoro su cui la piattaforma è nata si è spostato sempre di più verso l'automazione.

Mechanical Turk spezzava il lavoro in piccoli compiti online, spesso pagati pochi centesimi l'uno, come etichettare immagini, trascrivere audio o ordinare dati. Amazon non ha collegato pubblicamente la chiusura all'AI e parla solo di una valutazione interna dei suoi servizi. Secondo Krista Pawloski, organizzatrice del gruppo Turkopticon, sentita dalla CNBC, la piattaforma era in declino da anni, con meno investimenti da parte di Amazon e lavoratori migrati altrove. Intanto un'analisi del 2023 citata da TechCrunch, e ripresa da Fast Company, stimava che tra il 33% e il 46% dei lavoratori di Mechanical Turk studiati usasse già modelli linguistici per svolgere i compiti.

Nello stesso periodo uno studio su 53.000 configurazioni di agenti AI, «Who Delegates to AI? Evidence from 53,000 Agent Configurations», propone un modo nuovo di misurare l'automazione. Gli autori distinguono l'esposizione all'AI, cioè dove l'AI potrebbe svolgere un compito, dall'adozione delegata, cioè quando un lavoratore ha davvero affidato quel compito a un agente dentro un flusso di lavoro. L'indice che ne risulta, l'Agentic Adoption Index (AAI), si discosta molto dalle professioni che i modelli di automazione precedenti all'AI indicavano come più a rischio, e segue abbastanza da vicino ciò che l'AI sa fare tecnicamente. La delega tocca il massimo poco sotto i salari più alti e al livello della laurea triennale, e cala agli estremi. Nelle professioni più istruite resta più bassa di quanto la fattibilità tecnica farebbe pensare, e gli autori ipotizzano che quel lavoro sia difficile da specificare in anticipo, o che siano i professionisti a decidere quando codificarlo.

Questo divide il campo in due problemi distinti. Il primo è il classico problema della sostituzione: quali compiti un sistema AI è tecnicamente in grado di svolgere? Il secondo è il problema della governance organizzativa: chi decide di delegare, con quale autorità, con quale trasparenza verso i lavoratori coinvolti? Sono domande diverse che richiedono strumenti di analisi diversi.

Un terzo segnale complica ulteriormente il quadro. Un position paper pubblicato su arXiv sull'oversight degli agenti AI, «AI Agents Push Humans Out of the Loop», sostiene che il modo in cui oggi si progettano e si usano gli agenti ostacola una supervisione umana efficace, e che le capacità cognitive necessarie per esercitarla si degradano con l'uso prolungato dei sistemi di AI. Se la tesi regge, più si delega, meno si è in grado di valutare criticamente ciò che l'agente fa.

Intanto McKinsey propone di gestire le prestazioni degli agenti AI come quelle di lavoratori digitali, chiedendo quanti agenti si hanno davvero, chi risponde delle loro prestazioni e quale valore creano. È una risposta a un problema reale, cioè come si misura la qualità del lavoro degli agenti. La inquadra però come questione di gestione interna, e lascia fuori il potere e la responsabilità verso chi la delega scavalca.

Parallelamente il mercato del lavoro per le persone si è deteriorato in modi specifici. Fast Company racconta come la ricerca di lavoro nel 2026 replichi le dinamiche delle app di dating, con colloqui seguiti dal silenzio, servizi a pagamento per farsi notare, selezione automatica e candidature di massa che rendono più difficile emergere. La tecnologia che prometteva di trovare l'incontro giusto ha creato, scrive Fast Company, un ambiente in cui ognuno si sente sommerso dalle scelte e sostituibile agli occhi di chiunque incontri.

Le organizzazioni potrebbero costruire la delega agli agenti più in fretta delle regole per governarla. Nella stessa riflessione di McKinsey si legge che poche aziende ricordano di aver mai dato priorità a una discussione sulle prestazioni dei propri agenti. L'AAI misura l'adozione, ma chi controlla la legittimità della delega? Chi valuta l'impatto sui lavoratori esclusi dal loop? Chi gestisce la progressiva erosione delle competenze di supervisione?

Resta aperta la domanda su chi, dentro e fuori le organizzazioni, abbia voce su come si costruisce la delega.

Articolo aggiornato il 5 novembre 2026.