Non ti resterà nulla
Smetti di chiederti che lavoro ti resta, inizia a capire quali nuovi problemi puoi risolvere
C’è una domanda che mi fanno in quasi ogni conversazione sull’AI: se la macchina imparerà a fare tutto, a noi che cosa resterà? Il presupposto da cui nasce è sbagliato: trattiamo il lavoro come un mercato a dimensione fissa, pensando che ogni parte che prende la macchina è una parte che perdiamo noi. Ma il lavoro non è immutabile, e l’AI non serve a fare le stesse cose con meno persone: serve a rendere affrontabile ciò che prima non lo era.
Il motore e la fabbrica
È già successo, con l’elettricità. Quando entrò nelle fabbriche, per una trentina d’anni non cambiò quasi nulla. Gli imprenditori fecero la cosa ovvia: tolsero il grande motore a vapore che stava al centro della fabbrica e lo sostituirono con un grande motore elettrico, lasciando tutto il resto com’era, con le macchine in fila attorno a un unico albero di trasmissione. Eppure la produttività non si mosse: avevano cambiato la fonte di energia, non la fabbrica.
Un giorno alcuni di loro pensarono di dare un motore a ogni macchina, riorganizzando la fabbrica attorno al flusso del lavoro, non più attorno all’albero centrale. Da quel ridisegno venne buona parte della crescita industriale dei decenni successivi. Il valore non era nell’elettricità, ma nell’aver ripensato la fabbrica attorno a ciò che l’elettricità rendeva possibile.
Con l’AI siamo allo stesso bivio. Usarla per fare più in fretta il lavoro di ieri è come mettere il motore nuovo nella fabbrica vecchia.
Nel 1956 Malcom McLean inventò il container: attorno a quella scatola furono ridisegnate le navi, le gru, i camion e i porti. Il costo di caricare una tonnellata crollò da qualche dollaro a pochi centesimi. Anche qui il valore non era in un nuovo strumento, ma nell’aver ricomposto l’intera catena attorno a ciò che il nuovo strumento rendeva possibile.
Le capacità tornano a te
Elettricità e container sono trasformazioni grandi e lente, di fabbriche e di porti. La stessa ricomposizione, oggi, arriva alla scala più piccola che ci sia: tu, una persona sola. Il sistema che si ridisegna, stavolta, è l’insieme delle capacità che hai a disposizione: ciò che prima dovevi comprare da un professionista adesso puoi produrlo tu. Per rifare una stanza avevi bisogno di un architetto; oggi raccogli le tue reference, costruisci un progetto con l’AI e ti rivolgi direttamente all’artigiano. Per un contratto ti serviva un avvocato; oggi ne ottieni una prima versione affidabile in poco tempo. Per una strategia pagavi una società di consulenza; oggi puoi impostarla in autonomia.
Attenzione, questo è possibile solo a una condizione, cioè che tu non ti fermi alla prima risposta dell’AI. La prima risposta di un modello è la media di ciò che già esiste e chi si accontenta ottiene la media. Il livello buono arriva quando sei tu a portare contesto, esempi, correzioni che la macchina da sola non fa. L’AI non premia chi la interroga come un oracolo, ma chi la usa con intenzione.
Così la paura si capovolge. Se una capacità che prima compravi ora ce l’hai in casa, il problema che puoi affrontare diventa più grande, non più piccolo. La singola stanza diventa la ristrutturazione dell’intera casa, che con i costi di prima non avresti mai commissionato. Il singolo contratto diventa un impianto giuridico coerente, prima sostenibile solo da chi aveva un ufficio legale. Non ti viene tolto lavoro: si allarga il campo di ciò che puoi tentare di risolvere.
Ma che succede se sei tu il professionista, quello dall’altra parte del tavolo? Se una parte di ciò che fai oggi si trasferisce al cliente come sua capacità, per un po’ reggi alzando la qualità: la tua esperienza vale ancora sui casi difficili, quelli che il cliente non porta fino in fondo da solo. Ma è soltanto una tregua. Prima o poi ti toccherà rimodularti, come le fabbriche e come i porti: non fare meglio il lavoro di prima, ma ridisegnare ciò che offri attorno a ciò che adesso è possibile.
Vai dove il test non è ancora scritto
Tutto ciò di cui sappiamo già scrivere un test, cioè definire con precisione che cosa significa “fatto bene” e verificarlo, la macchina prima o poi imparerà a farlo.
Il valore quindi si sposterà altrove, verso i problemi per cui un test ancora non lo sappiamo scrivere: la situazione mai vista, la decisione che dipende dalla fiducia tra persone, il caso in cui “giusto” cambia col contesto. Lì non serve un umano che faccia la guardia a un territorio; serve qualcuno che riformuli il problema finché un test diventa scrivibile, che prenda qualcosa di confuso e inizi a dargli una forma.
È per questo motivo che produrre vale sempre meno e verificare vale sempre di più. Quando generare una risposta costa quasi zero, l’unica cosa preziosa resta riconoscere se quella risposta vale qualcosa, e prima ancora aver posto la domanda giusta.
“Non ci resterà nulla” è un’affermazione vera solo per chi non cambia la domanda. Chi smette di chiedersi cosa ci resta e inizi a esplorare quali nuovi problemi può affrontare scopre che il campo non è mai stato così largo, e che le possibilità non sono mai state così numerose.
Appropriati delle competenze che prima compravi da altri e pensa ai problemi che puoi affrontare adesso e prima no. Se riesci a nominarne almeno uno, hai già iniziato a ripensare la tua fabbrica.




Illuminante. Come sempre. Faccio un altro lavoro, ma tu mi aiuti a vedere l’altra parte del tavolo. Grazie
La vera sfida è proprio quella che hai descritto. Il problema maggiore è che la stessa AI ti induce a fare tanto, a utilizzarla molto, ma se rimani a testa bassa, non vedi qual è o quale sarà il vero problema da risolvere.
A volte serve una pausa, specie dallo schermo, proprio per raccogliere i pensieri e tornare poi a immaginare "futuri preferibili" (per citare un'altra pubblicazione :) ), magari anche con l'aiuto dell'AI, ma sapendo dove la vuoi portare.