Non solo tag, la nuova manodopera qualificata al servizio dell'AI

Forse non è un caso che alcune delle persone che puntano ad automatizzare la maggior parte degli impieghi, prima del lancio della loro startup, non avessero mai lavorato in vita loro. Parliamo dei fondatori di Mercor, una delle principali aziende di quello che è un mercato in crescita rapidissima: la trasformazione e scomposizione di occupazioni svolte da professionisti umani in maniera tale da renderli comprensibili e quindi replicabili dall’intelligenza artificiale. Mercor è stata fondata nel 2023 da tre ragazzi non ancora ventenni che, non solo all’epoca non avevano mai lavorato, ma non avevano nemmeno terminato gli studi, preferendo accettare una fellowship offerta dall’imprenditore Peter Thiel, che elargisce 100mila dollari a universitari promettenti purché abbandonino gli studi per concentrarsi sulla loro startup. Consulenti per i chatbot Col senno di poi la scelta, dal punto di vista finanziario, ha ampiamente pagato. L’azienda oggi è valutata attorno ai 10 miliardi di dollari e ciascuno dei fondatori detiene il 22% dell’azienda, il che fa di loro i più giovani miliardari di sempre - ereditieri a parte. Ma cosa fanno Mercor, e altre società simili, come Handshake, Alignerr, Scale AI, Outlier AI? In sostanza, avvalendosi del lavoro di liberi professionisti pagati a progetto, forniscono alle grandi aziende che producono i modelli di intelligenza artificiale ingenti quantità di dati che servono poi ad addestrare i modelli stessi. In pratica, insegnano ai chatbot a dare la risposta “giusta” in campi in cui non esiste un modo chiaro e univoco per arrivare alla soluzione, ma vigono regole non scritte, o ci si affida all’esperienza e alla sensibilità del singolo. Cosa distingue una campagna pubblicitaria con tutti i crismi da una raffazzonata? O perché quella certa espressione idiomatica funziona in un dato contesto, ma non in un altro? Un esperto lo sa; il tassello che manca è quello di codificare questa conoscenza e trasferirla all’AI. Si tratta per certi versi di un’evoluzione del lavoro di classificazione ed etichettatura svolto da schiere di lavoratori non qualificati nei paesi in via di sviluppo che, spesso per un tozzo di pane, ripuliscono e rendono comprensibili i dataset in modo da renderli digeribili dai modelli. Con la differenza che a immettere conoscenza, tratta dalla propria esperienza, sono in questo caso lavoratori di medio-alto livello e la paga è di solito , molto migliore. Come funziona Funziona così: Mercor o un’azienda sua equivalente pubblicano un annuncio di lavoro, sul sito aziendale, o su altri siti come Linkedin. I profili ricercati sono i più disparati. Solo su Linkedin, nel momento in cui scriviamo sono aperte più di ventottomila posizioni per Mercor. Si va dall’ingegnere di sicurezza nucleare il cui compito sarà quello di cercare di testare la capacità di un modello di distinguere richieste innocue e di routine sul tema da quelle di qualche malintenzionato che cerca di identificare delle vulnerabilità o strappare informazioni sensibili, all’esperto incaricato di ascoltare degli audiolibri e giudicare la fluidità e precisione della narrazione. Anche i compensi variano molto: nel caso degli esempi precedenti si prendono circa venti dollari l’ora per gli audiolibri e settanta all’ora per la valutazione di sicurezza. Ma si può arrivare anche a 400 dollari l’ora per un oncologo esperto che valuti la capacità di un modello di progettare studi clinici e raccomandare i giusti trattamenti per i pazienti. Al di là delle differenze di requisiti e compenso, il processo di selezione e impiego degli esperti sembra essere piuttosto simile. Proprio come avviene per altri lavori, il primo passaggio per essere scelti è quello di superare un colloquio. Solo che può capitare che dall’altra parte dello schermo non ci sia un responsabile delle risorse umane, ma l’avatar di un’intelligenza artificiale. Una volta firmato il contratto e superati i controlli di rito per confermare di possedere davvero i titoli e le esperienze richieste, si viene assegnati al progetto. Per controllare che il lavoratore non bari o non copi , l’azienda chiede di installare sul computer un software che tiene traccia di tutte le attività svolte. Bastone e carota Rapidità e capacità di concentrazione sono essenziali. Ogni “task” deve essere completato entro un tempo prefissato; chi non ce la fa, rischia di incappare nella punizione più temuta: la disconnessione dalla piattaforma. Questo fa sì che ogni lavoratore viva in uno stato di ansia permanente, aggravata dal fatto che ciascun progetto può essere interrotto o cancellato senza preavviso, a insindacabile giudizio del committente. Non solo, ma secondo diverse testimonianze, non è insolito che, man mano che si viene risucchiati da questo tipo di lavoro a cottimo, per molti aspetti simile a quello svolto dagli autisti di Uber o dai fattorini del food delivery, i compiti assegnati tendano a farsi più complessi, mentre la paga oraria al contrario diminuisca. È arduo farsi un’idea precisa delle condizioni di lavoro e della situazione complessiva del settore, anche perché mancano al momento forme di rappresentanza collettiva dei lavoratori. Anche le testimonianze che lasciano in interviste o forum sono spesso in forma anonima o sotto pseudonimo, per paura di ritorsioni. Non è difficile però intuire perché dei professionisti spesso altamente qualificati accettino di addestrare una tecnologia destinata a soppiantarli . Al netto di coloro – ci sono - che sono felici di contribuire allo sviluppo dell’AI o pensano che, perso per perso, tanto vale vendere quello che si ha finché ha un mercato, il movente principale è quello della mancanza di alternative, abbinato al bisogno di soldi. Precarietà di base Precarietà, salari bassi, licenziamenti, diminuzione del lavoro dopo la pandemia, aziende che mettono in pausa le assunzioni per la difficile congiuntura economica o perché ritengono di poter fare a meno, grazie all’AI, di una parte dei dipendenti. Nel migliore dei casi, il lavoro di addestramento dei modelli assicura un gradito utile extra, per affrontare il carovita. Nel peggiore, si tratta dell’unica fonte di entrata di chi è rimasto a piedi. Certo, bisogna essere consapevoli che si tratta di una soluzione temporanea e di un patto faustiano: i modelli migliorano costantemente e una volta incamerata tutta la conoscenza dei professionisti umani, questi ultimi rischiano di diventare ridondanti. Si spiega anche così la furiosa resistenza che è stata opposta dai dipendenti di Meta a un programma interno voluto da Zuckerberg, che puntava a misurare e codificare il lavoro svolto da ciascun lavoratore. Per una volta i dipendenti hanno fatto fronte comune e il programma è stato rimandato a data da destinarsi. Non tanto o soltanto per le proteste, comunque, quanto per problemi di privacy relativi al possibile trafugamento dei dati raccolti. Ad ogni modo, l’agitazione dei dipendenti ha messo in evidenza una delle possibili strategie che i lavoratori possono mettere in campo per sottrarsi all’obsolescenza: allearsi fra loro invece che competere e considerare il bagaglio di conoscenze relativo a un certo impiego come il patrimonio di una “corporazione”, per accedere al quale le aziende tecnologiche devono pagare un giusto compenso. Più facile a dirsi che a farsi: non è facile mantenere un fronte compatto e una volta condivisi con l’AI gli ingredienti segreti di un certo lavoro, non c’è più ritorno.

Cosa vedere:

Come vederlo:

Online con Sky:

Non solo tag, la nuova manodopera qualificata al servizio dell'AI

Federico Guerrini