Questo non è un post da forconi

Scrivere di tecnologia è sempre una trappola. È facile sembrare un profeta di sventura, agitando il pugno contro ogni nuovo strumento che sconvolge le vecchie abitudini. Ma questo non è il caso.

Non sono contrario alla tecnologia. Sono un nerd, un geek e il tipo di persona che apprezza davvero strumenti, sistemi, software e piccoli flussi di lavoro insoliti che rendono la vita più facile. Mi piacciono i buoni strumenti. Mi piacciono i sistemi eleganti. Mi piace la sensazione di scoprire qualcosa che elimina l’attrito da un compito senza togliere significato al compito stesso.

Ma sono anche un educatore, il che significa che vedo ogni giorno l’altro lato della macchina. Vedo giovani che saltano il lavoro lento dell’apprendimento perché uno strumento può svolgere per loro il compito scolastico. Fornisce la risposta, ma non trasferisce conoscenza. Produce il prodotto, ma non rende chi apprende più capace.

Questo è il problema che ho esplorato nel mio saggio precedente, The Illusion We Call Intelligence: il pericolo non è solo che l’IA possa generare linguaggio. Il pericolo è che iniziamo a scambiare l’output generato per comprensione, la comodità per apprendimento e la scioltezza per pensiero. Uno studente può consegnare un paragrafo rifinito e comunque non sapere come costruirne uno. Un lavoratore può produrre un rapporto e comunque non capire il giudizio che lo sostiene. La superficie migliora mentre la capacità interiore si indebolisce.

Quindi non si tratta di odiare la tecnologia. Si tratta di chiedersi che cosa la tecnologia non è.

Il video e l’idea di “software brain”

Il video principale dietro questo post è l’episodio di Decoder di Nilay Patel per The Verge, “The People Do Not Yearn for Automation”, pubblicato il 23 aprile 2026. Patel è il caporedattore di The Verge e conduttore del podcast Decoder. Nell’episodio critica ciò che chiama software brain: un modo di vedere il mondo come database, cicli, input, output e sistemi in attesa di essere automatizzati.

Il punto di Patel non è semplicemente che l’IA sia impopolare. La sua argomentazione è che il settore tecnologico fraintende il motivo per cui le persone la detestano. Il settore continua a trattare la vita umana come se potesse diventare leggibile dal software, purché si raccolgano abbastanza dati e si automatizzino abbastanza cicli.

Può funzionare per i processi aziendali. Non funziona per la vita.

Un’azienda può trasformare l’inventario in un database. Un percorso di consegna può diventare un problema di ottimizzazione. Una coda del supporto clienti può essere ordinata, etichettata e smistata. Ma la vita umana non è solo una coda. Include esitazione, contraddizione, contesto privato, cattivo tempismo, silenzio, risentimento, memoria e dignità. Questi elementi non si adattano facilmente a una roadmap di prodotto.

La critica di Patel è importante perché non parla solo di IA. Parla di un’abitudine tecnologica più ampia: l’idea che, poiché qualcosa può essere modellato nel software, debba essere riprogettato intorno al software. Il risultato è un mondo in cui alle persone viene chiesto di diventare più leggibili dalle macchine, più tracciabili, più prevedibili e più disponibili per sistemi che promettono comodità.

Le persone non rifiutano sempre la tecnologia perché non la capiscono. A volte la rifiutano perché capiscono ciò che chiede loro.

Perché le persone si fidano poco del settore tecnologico

Questo si collega direttamente a un altro video: “The AI industry is ignoring how much people hate it,” un episodio di The Tech Report condotto da Isaac Pound e pubblicato il 20 aprile 2026. In esso, Ed Zitron, autore di Where’s Your Ed At e conduttore di Better Offline, sostiene che il settore dell’IA ha passato anni ad antagonizzare il pubblico e poi a fare lo stupito quando le persone si arrabbiano.

Il punto di Zitron è netto. Le persone stanno già affrontando l’aumento dei costi, l’insicurezza lavorativa, la pressione sugli alloggi, i costi sanitari e una generale instabilità. Poi i leader dell’IA salgono sul palco e dicono loro che molti posti di lavoro potrebbero scomparire, che le aziende hanno bisogno di enormi data center, che i modelli sono potenti e pericolosi e che tutto questo è inevitabile.

Dal punto di vista di Zitron, la sfiducia non è misteriosa. Le persone sentono minaccia, entusiasmo esagerato e senso di diritto. Vedono aziende che chiedono soldi, dati, energia, libertà legale e pazienza pubblica, offrendo al contempo vaghe promesse di un’abbondanza futura.

Questo è importante perché il settore spesso tratta la rabbia pubblica come un problema di comunicazione. Se solo le persone capissero meglio l’IA, ragionano, l’accetterebbero. Ma la fiducia non nasce solo dalla spiegazione. La fiducia nasce dall’esperienza.

Le persone hanno già sperimentato un servizio clienti automatizzato che non può aiutarle, sistemi di raccomandazione che manipolano l’attenzione, piattaforme che raccolgono dati e prodotti che peggiorano dopo essere diventati inevitabili. Hanno visto aziende tecnologiche promettere apertura e poi costruire ecosistemi chiusi. Hanno visto strumenti venduti come emancipazione diventare sistemi di sorveglianza, dipendenza o riduzione dei costi.

Zitron sostiene anche che le aziende di IA dovrebbero smettere di far sembrare i modelli compagni umani e iniziare a trattarli come normali strumenti. Questo è importante perché il design antropomorfico può indurre le persone a riporre troppa fiducia in sistemi che non le comprendono. Un chatbot che dice “capisco” può sembrare rassicurante, ma non capisce nel senso umano. Prevede, risponde e continua l’interazione.

Questa differenza non è piccola. È la differenza tra uno strumento e una relazione.

La disconnessione non è accidentale

La disconnessione tra le persone e la tecnologia avviene perché gli incentivi sono diversi.

Il settore vede automazione, scala, efficienza e conquista del mercato. Le persone comuni vedono rischio per il lavoro, sorveglianza, servizi degradati, fiducia infranta e strumenti che spesso le fanno sentire meno umane. Un’azienda può vedere un bot del servizio clienti come efficienza. Il cliente può viverlo come essere intrappolato in un loop senza nessuno responsabile dall’altra parte.

Ecco perché l’avversione agli algoritmi ha senso. Le persone possono perdonare più facilmente gli errori umani che quelli delle macchine, perché gli errori umani continuano a sembrare imputabili. Una persona può spiegare, scusarsi, improvvisare o comprendere il contesto. Un sistema spesso non può farlo. Un singolo errore della macchina può distruggere la fiducia perché l’utente non ha una via chiara per appellarsi al giudizio.

E anche quando un sistema automatizzato è statisticamente valido, le persone possono comunque opporvisi se minaccia autonomia, identità o dignità. Un lavoratore può non odiare il software perché è inutile. Può odiarlo perché lo osserva. Un insegnante può non rifiutare l’IA perché non è in grado di produrre testo. Può rifiutarla perché gli studenti la usano per aggirare il pensiero che il compito era destinato a creare.

È qui che la conversazione diventa più seria. Il problema non è se l’IA funzioni. A volte funziona. Il problema è quale tipo di lavoro sostituisce, quale tipo di persona produce e quale tipo di relazione crea tra esseri umani e istituzioni.

L’industria tecnologica spesso considera la sfiducia come irrazionale. Non lo è sempre. A volte è memoria. Le persone ricordano di essere state automatizzate fuori dalla cura.

Lavoro, identità ed educazione

L’IA influenzerà il lavoro. Questo è certo. Ma non influenzerà ogni paese nello stesso modo.

Ogni economia è costruita in modo diverso. Alcune dipendono fortemente dai servizi. Alcune dipendono dalla manifattura, dall’outsourcing, dal turismo, dall’agricoltura, dalle rimesse, dall’occupazione nel settore pubblico, dal lavoro informale o dalle piccole imprese. Anche le popolazioni si muovono in modo diverso. I giovani migrano, riqualificano, resistono, si adattano o abbandonano interi settori a seconda delle condizioni locali.

Quindi l’impatto dell’IA non sarà una storia unica e pulita di “economia mondiale”. Saranno molte storie nazionali, ciascuna plasmata dai mercati del lavoro, dai sistemi educativi, dalla regolamentazione, dai salari, dalla migrazione e dalle scelte politiche. In un paese, l’IA può minacciare i lavori impiegatizi. In un altro, può rimodellare l’outsourcing. In un altro ancora, può ampliare il divario tra chi può usare gli strumenti e chi è gestito da essi.

Lo stesso vale nell’istruzione. Se gli studenti usano l’IA per saltare la pratica, possono produrre compiti migliori diventando però peggiori apprendenti. Questo non è progresso. È esternalizzare la fatica che costruisce l’abilità. Uno strumento che risponde per lo studente non educa automaticamente lo studente.

Imparare richiede attrito. Richiede il tentativo goffo, la frase fallita, il pensiero incompleto, la correzione, il secondo tentativo. Se uno strumento elimina tutto questo, può anche rimuovere il percorso attraverso cui si forma la competenza.

Un’intelligenza accessibile sembra un dono. Ma se indebolisce il giudizio, riduce la pazienza, sostituisce la pratica e insegna alle persone a fidarsi di un output fluente senza comprenderlo, può creare più problemi di quanti ne risolva.

Ciò che la tecnologia non è

La tecnologia può estendere la capacità umana. Può aiutarci a scrivere, calcolare, tradurre, organizzare, cercare, progettare e costruire. Può rendere più facile il lavoro difficile. Può aprire l’accesso dove l’accesso era limitato.

Ma la tecnologia non è significato. Non è giudizio. Non è fiducia. Non è educazione. Non è cura. Non è il processo vissuto attraverso cui una persona diventa più capace.

Questa distinzione conta perché la conversazione sull’IA spesso la offusca. Il prodotto esegue il compito visibile, quindi fingiamo che abbia sostituito il processo invisibile. Scrive il paragrafo, quindi fingiamo che abbia imparato. Risponde al cliente, quindi fingiamo che il servizio sia avvenuto. Riassume la riunione, quindi fingiamo che sia avvenuta comprensione.

Questa è l’illusione. Non che gli strumenti siano inutili, ma che l’output sia sufficiente.

Guarda i video

Questo post delinea solo l’argomento. Il video di Patel è utile perché dà un nome alla visione del mondo che sta dietro al problema: software brain. L’intervista di Zitron è utile perché spiega perché la rabbia pubblica verso l’IA non è solo paura del cambiamento, ma una risposta a minacce, hype, ansia lavorativa e sfiducia.

E la mia posizione, in The Illusion We Call Intelligence, è che dovremmo smettere di confondere l’output con la comprensione. La tecnologia dovrebbe estendere la capacità umana. Non dovrebbe addestrarci ad abbandonarla.

Guarda l’episodio di Decoder di Nilay Patel, “The People Do Not Yearn for Automation”, qui:

Guarda Ed Zitron su The Tech Report, “The AI industry is ignoring how much people hate it”, qui: