Emanuela Logozzo
Rendere visibile il lavoro umano che addestra, corregge e modera l’intelligenza artificiale è una condizione di legittimità democratica
Il riferimento al Quarto Stato di Giuseppe Pellizza da Volpedo non è solo evocativo. Come il celebre dipinto portava al centro della scena pubblica il lavoro collettivo della modernità industriale, così oggi il “Quarto Stato digitale” invita a riconoscere la moltitudine di lavoratori invisibili che sostiene l’intelligenza artificiale: annotatori di dati, moderatori di contenuti, revisori, traduttori, micro-lavoratori distribuiti lungo filiere globali. Dietro l’apparente autonomia delle macchine, riaffiora così una verità più materiale: anche l’IA ha un volto umano, ma spesso resta nascosto.
Nel dibattito pubblico sull’intelligenza artificiale prevalgono spesso due registri opposti ma ugualmente fuorvianti da un lato gli scenari distopici di macchine senzienti e dall’altro la sola paura della sostituzione occupazionale nei lavori più tutelati. Entrambe queste narrazioni tendono però a oscurare una questione più concreta e urgente, il lavoro umano che rende possibile l’IA contemporanea. Dietro chatbot, sistemi di riconoscimento, modelli generativi e piattaforme automatizzate esiste infatti una vasta filiera di lavoratori che annotano dati, moderano contenuti, correggono errori, verificano output e addestrano i sistemi.
Questa infrastruttura umana è essenziale, ma rimane in gran parte invisibile. Proprio tale invisibilità pone un problema non solo sociale, ma democratico: non si può discutere seriamente di governance dell’IA se si ignorano le condizioni materiali in cui essa viene prodotta.
Invisibilità del lavoro e legittimità democratica
La questione etica decisiva dell’intelligenza artificiale non riguarda oggi tanto la “coscienza della macchina”, né soltanto la sostituzione automatica di alcuni lavori. Il nodo vero è la filiera di lavoro umano che rende possibile il funzionamento stesso dell’IA. Dietro la retorica dell’autonomia tecnologica si nasconde una realtà molto più materiale: l’intelligenza artificiale non opera da sola, ma dipende da una vasta infrastruttura di lavoro umano che la addestra, la corregge, la supervisiona e la modera.
Il modello dominante, spesso presentato come innovazione neutrale e immateriale, si fonda invece su una nuova divisione internazionale del lavoro. Il valore economico, simbolico e strategico si concentra nei grandi poli tecnologici occidentali, mentre una parte rilevante dei costi sociali viene scaricata altrove. Nei Paesi del Sud globale si concentra infatti una quota significativa di questo lavoro indispensabile ma sistematicamente marginalizzato.
Occultare questa architettura produttiva non è solo un errore analitico è un problema democratico. Significa escludere dal dibattito pubblico persone che contribuiscono concretamente alla costruzione dei sistemi di IA, ma che restano senza voce, senza riconoscimento e spesso senza tutele adeguate. In una democrazia, non è accettabile governare l’intelligenza artificiale senza interrogarsi su chi la produce, in quali condizioni e a quale costo umano.
Per questo la visibilità della filiera umana dell’IA, dal moderatore di contenuti al data annotator, non è un dettaglio secondario, ma una condizione di legittimità democratica. Riconoscere questi lavoratori significa riconoscerne il ruolo, i diritti e gli interessi, e quindi costruire una governance dell’IA più trasparente, responsabile e partecipata.
Le evidenze empiriche
Il caso Kenya/Sama è tra i più emblematici nel mostrare che l’intelligenza artificiale non è il prodotto di un’automazione pura, ma il risultato di una filiera di lavoro umano spesso invisibile e precaria. Sama, società di outsourcing con sede a Nairobi, ha operato per Meta nella moderazione dei contenuti e nell’addestramento dei sistemi di IA. Nell’aprile 2026, il Guardian ha riportato[1] che, a seguito della cessazione del contratto con Meta, l’azienda ha licenziato oltre 1.000 lavoratori in Kenya, con appena sei giorni di preavviso. Molti di loro erano impiegati proprio nell’annotazione dei dati e nel training dei modelli.
Questo episodio rende evidente la fragilità strutturale di questo segmento del lavoro digitale, attività essenziali per il funzionamento delle piattaforme, ma caratterizzate da bassa tutela, scarso potere contrattuale e forte instabilità. Lo stesso articolo richiama inoltre una causa civile avviata nel 2024, in cui diversi lavoratori hanno denunciato traumi gravi, depressione, ansia e sintomi da stress post-traumatico legati alla visione continuativa di contenuti estremi.
Una dinamica analoga emerge anche in altri contesti della filiera dell’IA. Un’inchiesta[2] del Time del 2023 ha rivelato che OpenAI si è avvalsa di lavoratori kenioti per filtrare contenuti violenti, sessuali e razzisti destinati all’addestramento di ChatGPT, con compensi compresi tra 1,32 e 2 dollari l’ora. In altri termini, prima di interagire con noi in modo controllato e “sicuro”, i modelli apprendono cosa non devono dire grazie al lavoro umano di persone che hanno assorbito, spesso in condizioni difficili, quei contenuti al loro posto.
Il valore del caso Sama non sta solo nella sua drammaticità, ma nel fatto che rende osservabile una struttura più ampia. Ogni sistema di IA, dai chatbot ai sistemi di riconoscimento facciale, fino ai modelli multimodali, dipende da enormi quantità di dati che devono essere annotati, puliti, classificati, moderati e corretti da esseri umani. Il punto decisivo è che questo lavoro non interviene soltanto “a valle”, ma prima e durante il funzionamento dei sistemi rende possibile l’addestramento dei modelli e ne accompagna la manutenzione continua. In questo senso, la promessa di un’intelligenza artificiale pienamente autonoma appare, almeno oggi, più come una narrativa di marketing che come una descrizione fedele della filiera reale che la sostiene.
Bassi compensi, opacità e frammentazione della filiera
Se il caso Kenya/Sama rende visibile il costo umano della moderazione, il micro-lavoro digitale mostra l’altro lato della stessa infrastruttura: quello dell’annotazione dei dati, della trascrizione, della classificazione e della verifica che alimentano i modelli di intelligenza artificiale. Queste attività sono affidate in larga parte a piattaforme globali come Amazon Mechanical Turk, Appen, Clickworker e Microworkers, che scompongono il lavoro in micro-task distribuiti a una forza lavoro dispersa, poco tutelata e quasi sempre invisibile al committente finale.
L’ILO (International Labour Organization) ha evidenziato come il lavoro su piattaforma presenti criticità strutturali: retribuzioni insufficienti, domanda intermittente, intensificazione dei ritmi, debole protezione sociale e forte asimmetria informativa tra lavoratori e piattaforme. Non si tratta quindi di anomalie marginali, ma di una forma stabile di organizzazione del lavoro digitale.
A dare spessore teorico e umano a questa realtà è anche Ghost Work[3], il volume in cui l’antropologa Mary L. Gray e l’informatico Siddharth Suri mostrano come servizi offerti da aziende come Amazon, Google, Microsoft e Uber possano funzionare in apparenza senza attriti solo grazie al giudizio, all’esperienza e alla disponibilità di una vasta forza lavoro umana nascosta. Gray descrive questi lavoratori come una “nuova classe globale di operai digitali invisibili”: persone che eseguono micro-task dietro un’interfaccia, spesso senza sapere con precisione per chi stanno lavorando né a quale prodotto finale stiano contribuendo.
Il tratto distintivo di questa filiera è proprio l’opacità. I lavoratori occupano l’ultimo anello della catena del valore: svolgono compiti essenziali per l’addestramento e il funzionamento dei sistemi, ma raramente conoscono il cliente finale, la destinazione del loro lavoro o il valore economico che esso genera. Le piattaforme agiscono come intermediarie, schermano il committente e trasferiscono verso il basso il rischio economico e organizzativo.
In questo senso, il micro-lavoro digitale non è una periferia dell’IA, ma una sua infrastruttura produttiva. È qui che si coglie la reale geografia del potere nella filiera dell’intelligenza artificiale: in alto si concentrano le grandi aziende tecnologiche e i principali beneficiari economici del sistema; al centro si collocano gli intermediari e le piattaforme che organizzano e opacizzano il lavoro; in basso si trovano i data worker, cui sono affidate le attività più ripetitive, meno riconosciute e più facilmente sostituibili.
Il modello non riguarda soltanto Meta o Sama. Negli anni sono emersi casi analoghi in filiere diverse: revisione umana di assistenti vocali, labeling per sistemi di guida automatica, lavoro freelance per la moderazione di contenuti su grandi piattaforme. Cambiano i contesti e i marchi coinvolti, ma la logica resta la stessa: outsourcing internazionale, scarsa trasparenza, forte asimmetria informativa e riduzione del contributo umano a funzione accessoria, nonostante sia essenziale.
La questione per la governance dell’IA è una componente centrale
Le fonti istituzionali più recenti mostrano che il lavoro digitale è ormai entrato stabilmente nell’agenda regolatoria internazionale. L’ILO ha lanciato nel 2025 il Global Policy Tracker on Digital Labour Platforms per sostenere politiche basate su evidenze e dialogo sociale; allo stesso tempo, ha posto il tema del decent work in the platform economy al centro del lavoro normativo della Conferenza internazionale del lavoro del 2026. Questo passaggio è cruciale, significa che la regolazione del lavoro su piattaforma non è più trattata come un tema collaterale dell’innovazione, ma come una questione strutturale di diritti, sicurezza, reddito e rappresentanza.
Da qui discende una conclusione politica netta: non si può discutere seriamente di governance dell’IA senza includere le condizioni materiali di chi la addestra, la corregge, la modera e la rende operativa.
I limiti della regolazione attuale
Il problema è che trasparenza e tracciabilità restano ancora parziali, le norme oggi esistenti rafforzano principi importanti come informazione, supervisione umana, dignità, non discriminazione e due diligence ma non rendono ancora pienamente obbligatoria una visibilità dettagliata della filiera umana che sostiene l’IA. In altri termini, si disciplina sempre meglio il comportamento dei sistemi, ma si continua a vedere solo in modo parziale il lavoro che li rende possibili.
Per questo il passo successivo dovrebbe essere più ambizioso, rendere sistematiche forme di rendicontazione sulla provenienza dei dati, sui soggetti coinvolti nella loro produzione e sulle condizioni di lavoro che ne hanno reso possibile la raccolta, l’annotazione e la moderazione. Senza questa estensione, il rischio è che la governance dell’IA resti formalmente trasparente sul funzionamento dei sistemi, ma opaca sul lavoro umano che li sostiene.
[1] R. Booth, The Guardian, Kenyan firm sacks more than 1,000 workers after losing Meta contract, https://www.theguardian.com/technology/2026/apr/17/kenyan-outsourcing-company-for-meta-sacks-workers, 17 aprile 2026.
[2] B.Perrigo, Time, Exclusive: OpenAI Used Kenyan Workers on Less Than $2 Per Hour to Make ChatGPT Less Toxic, https://time.com/6247678/openai-chatgpt-kenya-workers/, 18 giugno 2023.
[3] Mary L. Gray, Siddharth Suri, Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass, Houghton Mifflin Harcourt, 2019.
