Qualche giorno fa mi è capitata sotto gli occhi una newsletter di swyx su Latent.Space. Si intitola “Humanity’s last gasp”, l’ultimo respiro dell’umanità. Non è un titolo urlato, anzi. È scritto con quel tono pacato e un po’ obliquo che, proprio perché non alza la voce, ti costringe ad ascoltare meglio.
Dentro ci sono tre immagini che mi sono rimaste addosso. Aaron Levie dice che in Silicon Valley nessuno sta lavorando meno, semmai il contrario. Tyler Cowen, da economista, sostiene che dovresti lavorare molto più duramente adesso , sia se pensi che l’ai svaluterà il tuo lavoro, sia se pensi che lo renderà più prezioso. E poi c’è Simon Last di Notion che parla di notti insonni e di una nuova ansia, la “token anxiety”, una cosa che due anni fa non esisteva nemmeno come concetto.
Il paradosso che swyx mette al centro è semplice e, proprio per questo, un po’ inquietante. Gli agenti fanno più lavoro che mai, i benchmark si saturano, i modelli superano esperti umani in percentuali che fino a poco fa avremmo definito fantascienza. Eppure le persone che costruiscono e gestiscono questi sistemi non hanno mai lavorato così tanto.
E qui mi si accende una domanda che non riesco a spegnere facilmente: se la promessa era “più produttività”, perché la sensazione diffusa è “più pressione”?
La spiegazione comoda: è solo una fase
L’obiezione più ragionevole è anche quella che mi viene spontaneo fare, se provo a essere onesto. Forse è una fase transitoria. La solita dinamica della disruption: prima rompe, poi ricompone. Lo abbiamo già visto con il personal computer, con internet, con gli smartphone. I lavori cambiano, alcuni spariscono, altri nascono, la produttività cresce, e alla fine, almeno per chi governa bene la transizione, il benessere medio migliora.
È un’obiezione seria. Chi la ignora rischia di scivolare in una forma di luddismo da tastiera, quella cosa per cui ti convinci che il problema sia la tecnologia in sé, invece che il modo in cui la stiamo inserendo nei sistemi economici e sociali.
Ma c’è un punto in cui questa obiezione smette di funzionare. E quel punto, per me, è il corpo.
Il corpo non scala
Il problema non è solo se l’ai sostituirà i knowledge worker o li potenzierà. Il problema è che il corpo umano non scala.
Non scala come scalano i token. Non scala come scala un cluster da decine di gigawatt. Non scala come scala la curva di apprendimento di un modello che ingurgita una quantità di conoscenza enorme in settimane.
Il corpo ha un orologio biologico che non si resetta con un aggiornamento. Ha bisogno di sonno, e se glielo togli per mesi magari vai avanti lo stesso, almeno in apparenza, fino al momento in cui qualcosa si rompe. E spesso si rompe in modi che non avevi previsto e che non sono così facili da invertire.
Ha bisogno di movimento, di luce naturale, di ritmi. Non è stato progettato per le tre del mattino passate a debuggare un agente che ha generato ottocento righe di codice che “funzionano”, ma che non capisci davvero.
Queste cose non sono nuove. Le dice la medicina del lavoro, le dicono le neuroscienze, le dice qualunque medico di base con un minimo di onestà intellettuale. Eppure, nel discorso dominante sull’ai, il corpo sembra un dettaglio implementativo. Un vincolo legacy da aggirare con abbastanza caffeina e abbastanza forza di volontà.
Da dove lo guardo io
Io sono partner e responsabile tecnico di una piccola azienda ict a Pescara. Siamo una decina di persone. Da un po’ non scrivo più codice in produzione, o almeno non come prima. Il mio lavoro è diventato ricerca, spike strategici, valutazione di architetture, e anche compliance normativa, che è una parola poco sexy ma molto reale.
Passo le giornate a capire dove sta andando il mercato e a decidere cosa ha senso fare e cosa no, per un’azienda che non ha il lusso di un round di investimento per assorbire gli errori. E che ha una responsabilità diretta sulle persone che ci lavorano, persone che la sera tornano a casa, che hanno famiglie, corpi, limiti.
Da questa posizione vedo una cosa che, forse, quando sei dentro al flusso quotidiano fai più fatica a mettere a fuoco. L’ai non ha ridotto il carico di lavoro di nessuno nel mio team. Lo ha trasformato.
Ha spostato il peso dalla produzione di codice alla supervisione di codice prodotto da altri, dove “altri” in questo caso è un modello statistico che non dorme, non si stanca, non si ammala. Ma sbaglia. E sbaglia in modi creativi e imprevedibili.
E qui c’è un dettaglio che mi sembra importante, anche se non so ancora spiegare bene quanto lo sia. Leggere codice scritto da un’intelligenza aliena è un lavoro diverso dallo scriverlo. Richiede una vigilanza costante. È una forma di attenzione che ti tiene sempre un po’ in allerta.
E questa allerta è incompatibile con una cosa che, nel lavoro cognitivo, è quasi una forma di protezione naturale: il flow, lo stato di concentrazione profonda in cui non sei spezzettato, non sei continuamente interrotto, non sei costretto a fare micro-giudizi ogni trenta secondi.
La domanda cresce, il controllo scende
C’è un concetto in medicina del lavoro che si chiama “job strain”, nel modello di Karasek. In estrema sintesi descrive la combinazione più tossica: alta domanda lavorativa e basso controllo sulla propria attività.
Ecco, io ho l’impressione che l’introduzione massiva degli agenti ai stia facendo esattamente questo: sta mutando il rapporto tra domanda e controllo.
La domanda aumenta perché, se gli strumenti sono più veloci, l’aspettativa di output cresce insieme a loro. “Se l’agente può farlo in un’ora, perché ci mettiamo una giornata?” è una domanda che arriva quasi automaticamente, spesso senza cattiveria, solo per inerzia.
Il controllo diminuisce perché deleghi una parte crescente del processo a sistemi che non comprendi fino in fondo e che cambiano ogni poche settimane. Anche quando li capisci, li capisci in un modo diverso da come capisci un collega o un componente software tradizionale. È una comprensione più probabilistica, più fragile.
In questo senso la “token anxiety” non mi sembra una moda linguistica. Mi sembra un sintomo. L’ansia, dopotutto, è una funzione adattativa. Se compare su scala industriale, forse non è un problema individuale. Forse è un segnale di sistema.
“Se rallentiamo noi, non rallenta la cina”
A questo punto arriva quasi sempre un’altra obiezione, e anche questa ha un nucleo di verità. Se noi rallentiamo, altri non rallentano. Se noi mettiamo limiti, altri spingono. E in una corsa globale, chi arriva primo vince.
Però mi chiedo se non ci sia un errore di categoria nascosto dentro questa frase.
La competizione tra nazioni e tra aziende è una competizione tra sistemi, non tra individui. Un sistema che brucia le persone che lo compongono non è un sistema competitivo. È un sistema che sta consumando il proprio capitale più prezioso, cioè l’intelligenza e la creatività di esseri umani che funzionano bene solo quando sono sani, riposati e motivati da qualcosa che non sia la paura.
La storia del software è piena di aziende che hanno “vinto” nel breve termine con il crunch e hanno perso nel medio termine. Perché i migliori se ne vanno, o si ammalano, o smettono semplicemente di avere idee. Un cervello esausto non è un motore da spremere, è un ecosistema che collassa.
Forse il primo problema è dentro il torace
Se il punto non è solo la corsa ai benchmark, allora qual è il primo problema?
Io credo che sia sotto il nostro naso, anzi dentro il nostro torace. Il problema più prezioso è capire come integrare strumenti di potenza straordinaria nella vita lavorativa senza che la vita lavorativa divori la vita.
Non è un problema tecnico, o almeno non è solo un problema tecnico. È un problema di design organizzativo, di cultura manageriale, di politica del lavoro. E alla fine è anche un problema filosofico, perché ti costringe a decidere cosa vale la pena fare con il tempo che abbiamo. Che è finito in un modo che nessuna tecnologia può cambiare.
Una cosa personale, che però pesa
Io ho un figlio. Non è un argomento logico, è un fatto biografico. Ma i fatti biografici, a volte, pesano più degli argomenti.
Quando la sera chiudo il portatile e lo guardo, penso che tutto il codice scritto durante il giorno, anche quello “moltiplicato” dagli agenti, non vale un’ora di quel tempo. Non perché il lavoro non conti. Conta eccome. Ma perché quel tempo è irrecuperabile in un senso che il codice non lo è.
Il codice si può riscrivere. Un’infanzia no.
So che in certi ambienti questo suona come debolezza. Come mancanza di ambizione. Come sentimentalismo che non sopravvive alla prossima valutazione di mercato. Però, forse, è il contrario. Forse la vera ambizione è costruire sistemi, aziende e vite che durino.
E durare richiede prendersi cura del mezzo attraverso cui tutto il resto accade. Il corpo umano, con il suo bisogno non negoziabile di riposo, relazione, e di un tempo che non sia misurato in token al secondo.
L’allineamento che non stiamo guardando
L’industria dell’ai ama parlare di allineamento, di come fare in modo che i modelli facciano ciò che vogliamo.
Ma mi chiedo se il primo problema di allineamento non riguardi i modelli. Riguardi noi.
Stiamo costruendo un’economia dell’attenzione e della produttività in cui gli incentivi sono spesso disallineati rispetto a ciò che sappiamo essere necessario per la salute umana. Dormiamo poco, ci muoviamo poco, ci fermiamo poco. E poi proviamo a compensare con la tecnologia, con le app di meditazione, con i tracker del sonno, con gli integratori.
È come se avessimo creato un sistema produttivo che non produce più benessere come effetto collaterale del lavoro, e poi ci stupiamo che nasca un’industria del benessere a riparare i danni.
Una direzione, non una soluzione
Non ho una soluzione pulita, e diffido di chi ne propone. Però una direzione ce l’ho.
Prendere sul serio che la salute e il tempo umano sono il vincolo primario. Non l’efficienza dei modelli, non la velocità di deployment, non il numero di righe di codice generate in un’ora.
Ogni decisione organizzativa, ogni sprint planning, ogni architettura di sistema dovrebbe essere valutata anche con una domanda molto concreta: quanta vita costa?
E se la risposta è “troppa”, allora forse non è il problema giusto. O non è il momento giusto. O non è il modo giusto.
Questo non significa “lavorare meno” nel senso banale del termine. Significa lavorare sapendo che il sistema più sofisticato dell’universo conosciuto non è un llm. È il cervello umano che lo ha progettato. E quel cervello funziona secondo regole che non abbiamo scritto noi e che non possiamo riscrivere a piacimento.
Quell’ultimo respiro, forse, non è l’ultimo respiro dell’umanità. Forse è l’ultimo respiro di un modo di lavorare che tratta le persone come risorse fungibili dentro una pipeline di ottimizzazione.
Se è così, forse non dovremmo cercare di prolungarlo. Forse dovremmo lasciarlo andare e imparare a respirare in un modo diverso. Un modo che tenga conto del fatto che siamo fatti di carne, di tempo e di relazioni. E che nessun agente, per quanto potente, potrà mai vivere al posto nostro.
Cosa ti porti a casa
Il corpo non scala come scalano i token o i cluster da gigawatt — sonno, attenzione e tempo finito sono il vincolo primario, non l’efficienza dei modelli o la velocità di deployment.
Leggere codice scritto da un’intelligenza aliena è un lavoro diverso dallo scriverlo: una vigilanza costante incompatibile con il flow, la protezione naturale del lavoro cognitivo.
Il modello di job strain di Karasek descrive cosa gli agenti AI stanno facendo al knowledge work: la domanda cresce perché gli strumenti sono più veloci, il controllo scende perché deleghi a sistemi che non comprendi fino in fondo.
Ogni sprint planning e ogni architettura di sistema dovrebbe essere valutata anche con una domanda concreta: quanta vita costa?
Un sistema che brucia le persone che lo compongono non è un sistema competitivo — è un sistema che sta consumando il proprio capitale più prezioso sotto l’insegna della corsa contro la Cina.
Domande e risposte
Se gli agenti AI fanno più lavoro, perché le persone lavorano di più?
Perché la capacità produttiva del sistema è cresciuta in un solo punto — la macchina — mentre la pressione si è distribuita sull’intero sistema. Più output significa più output da revisionare, più decisioni da prendere, più coordinamento. Il collo di bottiglia si è spostato dalla produzione all’orchestrazione, e l’orchestrazione richiede ancora corpi umani con limiti fisiologici.
Cos'è la token anxiety di cui parla Simon Last di Notion?
Una forma di ansia che due anni fa non esisteva neanche come concetto: la sensazione di non avere abbastanza token, budget computazionale o velocità mentale per tenere il passo con quello che un agente AI produce. È l’ansia di chi deve validare e correggere output che arrivano a ritmo superiore alla capacità di ragionarci sopra.
Non è solo una fase di transizione, come successe con PC e smartphone?
In parte sì, ma è vero storicamente e inutile operativamente per chi ha un corpo adesso. Le transizioni precedenti hanno impiegato decenni e nessuna si è chiusa in tempi compatibili con la salute del singolo. Il ciclo dell’AI si apre più velocemente dei precedenti: il rischio non è se ricomporrà, è quanti esaurimenti produce nel frattempo.
La soluzione è usare l'AI ancora di più per gestire il carico?
È la trappola peggiore. Aumentare l’output della macchina peggiora il problema, non lo risolve: più artefatti da giudicare, più decisioni da prendere, meno slack. Il collo di bottiglia è il corpo umano — sonno, attenzione, tempo finito — e nessuna quantità di compute lo aggira. Il lavoro va riorganizzato intorno al limite umano, non usando la macchina per negarlo.
L'autore
