Lavoratori IA sottopagati: il sistema di Clickworker sfrutta gli addestratori

Dietro la rivoluzione dellintelligenza artificiale si cela un esercito di lavoratori invisibili: sfruttamento, compensi bassissimi e catene globali di crowdworking svelano le criticit e le contraddizioni di un sistema in rapida espansione.

Lintelligenza artificiale ormai presente in quasi ogni ambito della societ. La parte meno visibile del suo funzionamento, per, riguarda le persone che rendono possibili la precisione degli algoritmi e le prestazioni dei modelli: legioni di micro-lavoratori, impiegati spesso in modo discontinuo e sottopagato. Etichettano dati, trascrivono registrazioni, controllano risultati. Senza il loro intervento, chatbot e sistemi linguistici sofisticati non potrebbero essere addestrati con la stessa efficacia.

Le promesse di progresso associate allIA poggiano anche su una rete di piattaforme che raccoglie e distribuisce attivit minime. Per ciascun compito il compenso pu ridursi a pochi centesimi; il modello resta sostenibile proprio perch il lavoro viene frammentato, affidato a una platea internazionale e sostituito rapidamente quando qualcuno abbandona. Dare voce a chi alimenta questa economia invisibile porta quindi a interrogarsi sullo sfruttamento sistemico, sulla trasparenza delle piattaforme e sulla responsabilit dei grandi gruppi digitali che utilizzano ogni giorno questa forza lavoro.

Dietro lascesa dellintelligenza artificiale: il ruolo dei micro-lavoratori

Migliaia di persone, in particolare nei paesi dove i salari sono pi bassi, svolgono mansioni indispensabili per preparare i dati destinati ai sistemi di IA. Tra queste rientrano letichettatura dei contenuti, la trascrizione di audio e la correzione delle risposte prodotte dai chatbot. In Kenya, India e Filippine, per esempio, studenti, genitori e persone senza occupazione si collegano a piattaforme internazionali di crowdworking per ottenere unentrata aggiuntiva. Il guadagno, per, raramente arriva al livello di un salario dignitoso.

Il meccanismo si regge su una lunga catena di outsourcing. Chi commissiona il lavoro pu trasferire una parte delle responsabilit a imprese subappaltanti, mentre queste ultime cercano fornitori capaci di offrire il servizio a costi sempre pi bassi. Gli incarichi ricorrenti comprendono:

• la validazione delle risposte generate dai sistemi di IA;
• lannotazione di immagini, testi, suoni e video;
• la classificazione e il labeling dei dati utilizzati per addestrare i modelli.

I marketplace digitali trasformano attivit complesse in migliaia di microtask semplici e ripetitivi. Il lavoratore ne riceve uno alla volta, spesso senza conoscere il committente finale e senza avere un rapporto stabile con la piattaforma. Le aziende riducono cos i costi e possono aumentare rapidamente la quantit di dati trattati. Per le persone coinvolte, la stessa organizzazione produce precariet, isolamento e scarsa visibilit sociale, con effetti che ricadono anche sulle comunit da cui provengono.

Crowdwork e outsourcing: come operano Clickworker e le piattaforme simili

La digitalizzazione ha favorito la diffusione di piattaforme globali come Clickworker. Dopo lacquisizione da parte di LXT, la societ ha rafforzato la propria posizione fino a diventare uno dei principali fornitori mondiali di dati per laddestramento dellintelligenza artificiale. Il suo modello consiste nellaffidare a una moltitudine di utenti attivit brevi: raccolta di immagini, tagging semantico, controllo manuale delle risposte dei chatbot e altri incarichi dello stesso tipo.

Il funzionamento segue una sequenza riconoscibile:

• i clienti, di norma grandi imprese tecnologiche o societ che sviluppano sistemi di IA, pubblicano progetti per i quali servono quantit molto elevate di dati prodotti o verificati da esseri umani;
• la piattaforma suddivide il progetto in migliaia di micro-task, disponibili da computer o tramite applicazione;
• i micro-lavoratori ricevono il pagamento con cadenza settimanale o mensile, spesso attraverso strumenti digitali;
• laccesso rivolto a utenti di molti paesi, una condizione resa possibile dal lavoro a distanza e dalla diffusione delle tecnologie online.

Le attivit cambiano parecchio. Si va dalla registrazione di video in lingue minoritarie alla scrittura di brevi testi commerciali, fino alla valutazione delle prestazioni degli assistenti virtuali. Clickworker non lunico operatore: Appen, MTurk e Telus International seguono impostazioni organizzative differenti, ma rispondono alla stessa esigenza. Mettere a disposizione dati ordinati, annotati e abbastanza affidabili da essere utilizzati nello sviluppo di sistemi di apprendimento automatico.

La catena di approvvigionamento dei dati fra Big Tech e aziende intermediarie

La raccolta dei dati per lIA non si esaurisce nel rapporto fra un lavoratore e una piattaforma. Il percorso comprende una catena di fornitura complessa, nella quale alcuni dei maggiori gruppi tecnologici, tra cui Amazon, Google, Microsoft, Meta e Nvidia, affidano la raccolta e lannotazione a societ intermediarie. A queste si aggiungono imprese specializzate in micro-servizi digitali, incaricate di collegare chi ordina il lavoro con chi lo esegue.

Questa intermediazione permette alle Big Tech di esternalizzare le singole mansioni, ma anche una parte delle responsabilit sociali legate al rapporto di lavoro. Questioni come il livello dei compensi, la sicurezza e la forma dei contratti finiscono cos sul tavolo degli intermediari. Alcune ricerche indicano che una sola piattaforma pu lavorare con decine di societ, ognuna delle quali attinge a comunit collocate in aree geografiche diverse e sottoposte a tutele molto diseguali.

• Il processo parte dal committente finale, che ha bisogno di dataset ampi e attendibili.
• Lincarico passa a una o pi aziende specializzate nei servizi legati ai dati.
• Da questo livello si sviluppa una rete di fornitori secondari e piattaforme di crowdworking.
• Alla base si trovano le persone che svolgono le micro-mansioni, spesso ignare dellidentit del cliente finale.

Pi la filiera si allunga, pi diventa difficile capire chi guadagni, chi prenda le decisioni e chi debba rispondere delle condizioni di lavoro. La scarsa trasparenza ostacola anche le verifiche indipendenti.

Condizioni di lavoro e compensi: la realt dei lavoratori dellIA globale

Per chi lavora nella gig economy dellIA, il reddito incerto e le condizioni restano lontane dagli standard indicati a livello internazionale. Le ricerche condotte da centri indipendenti descrivono una situazione ricorrente:

• molte piattaforme non prevedono una retribuzione minima; le tariffe possono scendere sotto i 2 dollari allora;
• i pagamenti arrivano in ritardo e contestare un rifiuto o il blocco di unattivit difficile;
• in mancanza di contratti formali, non vengono riconosciute coperture assicurative, ferie o periodi di malattia;
• gli incarichi possono essere sospesi senza preavviso, con conseguenze immediate sulla stabilit del reddito.

La selezione dei candidati viene spesso affidata ad algoritmi che premiano velocit e precisione. Chi ha gi esperienza ottiene pi facilmente accesso ai compiti, mentre gli altri rischiano di restare confinati alle attivit meno pagate. La presunta meritocrazia della piattaforma pu quindi rendere pi pesante linsicurezza, soprattutto per chi sta ancora imparando.

Sindacalizzazione, rappresentanza collettiva e strumenti di tutela sono deboli o assenti. Il singolo lavoratore si trova a negoziare da solo con sistemi automatici e regole fissate altrove. Per studenti universitari e madri single, che ricorrono a questo lavoro come soluzione temporanea, lopportunit pu diventare una fonte di dipendenza economica.

Nei paesi del Sud globale il problema assume dimensioni ancora pi dure. La scarsit di alternative occupazionali e le differenze nel costo della vita aumentano il peso di quei pochi centesimi guadagnati online. Le piattaforme dichiarano in alcuni casi di seguire principi etici, ma le garanzie effettive su sicurezza, privacy e riconoscimento contrattuale del lavoro digitale restano limitate.

Il paradosso della responsabilit: Big Tech, intermediari e logiche di profitto

Lallungamento della catena degli appalti consente alle grandi aziende tecnologiche di mantenere un controllo concreto sui flussi di dati senza rispondere direttamente delle condizioni di chi li produce. La delega, in realt, parziale: le societ committenti fissano standard, procedure e requisiti di qualit. Gli intermediari devono rispettarli comprimendo nello stesso momento tempi e costi.

Il margine di manovra ristretto. Alcuni fornitori sono in parte controllati o finanziati dagli stessi committenti, come avvenuto con investimenti e fusioni tra Big Tech e imprese attive nellannotazione dei dati. La separazione dei contratti, per, mantiene distante il cliente finale e frammenta diritti e responsabilit, fino a rendere anonime le persone che svolgono il lavoro.

Nelle principali piattaforme, un singolo cliente pu rappresentare fino al 50% del fatturato. Una concentrazione simile rafforza la dipendenza dei fornitori e ne riduce il potere negoziale. Allultimo gradino restano i lavoratori, la componente pi esposta di un sistema gerarchico costruito per aumentare lefficienza produttiva e proteggere i margini di profitto.

Concorrenza nel settore: Clickworker, MTurk, Appen, Telus, LXT e alternative

Il mercato dei servizi di crowdworking per lIA affollato e presenta modelli diversi. Accanto a Clickworker e LXT operano Amazon Mechanical Turk, conosciuta come MTurk, Appen, Telus International, Prolific e Lionbridge SmartCrowd. Cambiano i clienti, la selezione degli utenti e la natura degli incarichi. Le principali caratteristiche sono riassunte nella tabella:

Le differenze di posizionamento non cambiano la direzione generale del settore: ampliare la variet dei dataset e rendere le operazioni facilmente scalabili. Sul piano del lavoro, invece, rimangono livelli salariali simili e una diffusa assenza di garanzie contrattuali.

Processi di raccolta dati e annotazione nei servizi di crowdworking

I processi di raccolta e annotazione sono stati ottimizzati e in parte automatizzati. Linterpretazione dei materiali pi complessi continua per a richiedere lintervento umano. Il ciclo abituale comprende:

• la raccolta dei dati grezzi forniti dal committente, sotto forma di testo, audio, immagini o video;
• la distribuzione dei micro-compiti sulle piattaforme internazionali;
• lannotazione semantica manuale realizzata dai worker;
• una validazione a campione effettuata da gruppi specializzati;
• la restituzione dei dati annotati, poi impiegati per addestrare i modelli.

Le reti neurali pi sofisticate non hanno eliminato questo passaggio. Un controllo umano accurato serve a individuare errori, ridurre bias sistematici e mantenere una qualit sufficiente nei dataset. Alcune piattaforme stanno introducendo feedback interattivi e strumenti che aiutano a correggere gli sbagli, ma resta complesso gestire incarichi molto diversi rispettando gli standard e le scadenze imposti dai clienti.

Esplosione globale del microwork: geografie e diversit della forza lavoro

Il microwork coinvolge ormai centinaia di nazionalit. Le piattaforme dichiarano di disporre di reti globali composte da milioni di collaboratori attivi, ma la distribuzione del lavoro riflette le differenze economiche tra i paesi.

• Nei territori ad alto reddito, i microtask costituiscono pi spesso unentrata supplementare.
• Nei paesi a basso reddito possono essere lunica possibilit lavorativa concreta e contribuire al mantenimento di intere famiglie.
• Donne, giovani e studenti sono presenti in proporzione elevata tra i crowdworker.

Internet mobile, procedure di accesso poco selettive e strumenti digitali sempre pi diffusi hanno permesso a persone con lingue, et e livelli di istruzione differenti di entrare nel settore. Laccesso, per, non uguale per tutti. Un computer datato o una connessione lenta possono impedire di accettare determinati incarichi, creando nuove forme di disuguaglianza digitale.

Criticit e rischi: compensi da fame, disparit geografiche, tutela minima

Il crowdwork viene talvolta descritto come una soluzione vantaggiosa per committenti e lavoratori. La realt presenta limiti strutturali. Il compenso dei singoli task varia, ma nella maggior parte dei casi non supera pochi euro allora. A questo si aggiungono:

• guadagni differenti in base alla posizione geografica del lavoratore;
• assenza di standard minimi per orari, riposi e copertura sanitaria;
• problemi di riservatezza dei dati personali e poca chiarezza sui materiali raccolti;
• dipendenza economica da una piattaforma o dallalternanza tra periodi di picco e fasi di bassa attivit.

Manca un quadro regolatorio condiviso. Nei contratti compaiono clausole vessatorie e formule che rendono difficile presentare ricorso in caso di controversia. Molti lavoratori, soprattutto nei mercati emergenti, riferiscono di frodi, problemi nei pagamenti e sospensioni arbitrarie degli account. Quando laccesso alla piattaforma viene revocato, spesso viene meno anche lunica fonte di reddito disponibile.

Esigenza di trasparenza e codici etici nelle piattaforme crowdsourced

Le richieste di codici di condotta e trasparenza sono sempre pi insistenti. Solo una parte degli operatori rende pubbliche regole etiche dettagliate o destina risorse al controllo effettivo delle condizioni della propria forza lavoro. Gli osservatori indipendenti chiedono soprattutto:

• una rendicontazione pubblica dei dati sui compensi e dei criteri con cui vengono selezionati i lavoratori;
• procedure di reclamo indipendenti e strumenti reali per risolvere le controversie;
• garanzie contro la discriminazione geografica, insieme a opportunit di formazione;
• il riconoscimento dei diritti sindacali e della rappresentanza collettiva.

In assenza di obblighi stringenti, le piattaforme continuano a fare affidamento su principi di autoregolamentazione spesso privi di efficacia vincolante. Le istituzioni europee e vari organismi internazionali di tutela avanzano proposte e standard, mentre il settore resta diviso in molte realt difficili da sottoporre a regole comuni.

Prospettive future: automazione, minor domanda e strategie dei lavoratori

Levoluzione dei sistemi di IA porta verso una riduzione della domanda di micro-lavoro umano. La supervisione dei risultati, la correzione degli errori e lannotazione di materiali complessi rimangono per difficili da automatizzare completamente. La richiesta non scompare. Si restringe, e cambia natura.

Le piattaforme introducono strumenti automatici per razionalizzare i processi. Questo riduce le opportunit disponibili per i lavoratori meno qualificati, mentre aumenta il peso delle competenze necessarie per accedere ai task pi complessi. Una parte dei micro-lavoratori reagisce specializzandosi in attivit a maggiore valore aggiunto; altri combinano pi piattaforme e fonti di reddito per compensare la discontinuit degli incarichi.

Linstabilit resta elevata. Senza norme capaci di riequilibrare il rapporto di forza tra committenti, intermediari e worker, la forza lavoro digitale rischia di essere spinta ancora pi ai margini. La nascita di piattaforme definite etiche e i tentativi di auto-organizzazione dei lavoratori indicano una possibile alternativa, ma il sistema continua a essere strutturalmente sbilanciato.

Rendere pi equa lintelligenza artificiale richiede interventi verificabili lungo tutta la filiera dei dati, non soltanto dichiarazioni etiche. I committenti dovrebbero rendere pubblici gli intermediari coinvolti, i criteri di remunerazione e le procedure usate per contestare rifiuti o blocchi degli account.

• garantire compensi calcolati sul tempo effettivo necessario per completare i task;
• assicurare contratti chiari, pagamenti puntuali e una procedura indipendente di ricorso;
• riconoscere diritti di rappresentanza e protezioni minime, comprese malattia e sicurezza sul lavoro;
• valutare fornitori e piattaforme anche in base alle condizioni offerte ai micro-lavoratori, non solo a costi e velocit.

La trasparenza della catena di approvvigionamento quindi una condizione per distribuire meglio il valore prodotto dallIA. Senza responsabilit condivise tra Big Tech, intermediari e piattaforme, lautomazione rischia di aumentare la produttivit mantenendo invisibili proprio le persone da cui dipende.