Le fabbriche invisibili dell'AI: il lavoro umano nascosto dietro le macchine
Dietro la fluidità dei modelli di intelligenza artificiale c'è una filiera globale di persone che etichettano, valutano e correggono. Un'analisi dal nostro catalogo editoriale.
CM
Di Redazione Core Matrix15 giugno 2026 · 3 min di lettura
Ogni volta che un assistente conversazionale risponde con disinvoltura, sembra di assistere a un prodigio di pura automazione. Eppure, dietro quella fluidità apparentemente magica, si muove una filiera globale di lavoro umano che raramente compare nelle narrazioni ufficiali del settore. È la tesi al centro de Le Fabbriche Invisibili dell'Intelligenza Artificiale, dal nostro catalogo editoriale: i sistemi presentati come autonomi poggiano in realtà su decine di migliaia di persone — in Kenya, nelle Filippine, in Venezuela, in India — che etichettano dati, valutano output e correggono quelli che chiamiamo "errori" delle macchine.
Il Turco Meccanico, due secoli dopo
La metafora non è nuova, e il libro la fa risalire a un inganno settecentesco. Il Turco Meccanico era un finto automa scacchista che mandava in estasi le corti europee: dentro la macchina, nascosto, sedeva un giocatore in carne e ossa. Nel 2005 Amazon ha scelto proprio questo nome per la sua piattaforma di micro-lavoro, Amazon Mechanical Turk. Jeff Bezos la descrisse come "intelligenza artificiale artificiale" e coniò la formula dell'human-as-a-service: il lavoro umano reso invisibile, disponibile a richiesta come fosse un'utenza elettrica.
La taskification dell'intelligenza
Il secondo concetto chiave è la taskification: l'addestramento dei grandi modelli linguistici viene scomposto in micro-compiti elementari. "Valuta se questa risposta è utile o dannosa", "individua il bias in questo testo", "scegli l'output migliore tra due". Piattaforme come Sama, Appen e Scale AI smistano questi frammenti a una forza-lavoro distribuita su scala planetaria. Secondo le stime riportate nel libro, i compensi oscillano nell'ordine di grandezza di circa 0,25–3 dollari a task nel Sud del mondo, contro indicativamente 5–15 dollari negli Stati Uniti per attività analoghe.
Non esiste intelligenza artificiale senza una fabbrica umana che la alimenta, turno dopo turno, in luoghi che il marketing del settore preferisce non nominare.
RLHF: non un costo, ma un'infrastruttura permanente
Qui il libro affronta un equivoco diffuso. L'apprendimento per rinforzo da feedback umano (RLHF) — la tecnica che "allinea" i modelli alle aspettative degli utenti — viene spesso descritto come una rifinitura una tantum. In realtà è un'infrastruttura permanente di lavoro manuale su scala industriale: ogni nuova versione, ogni correzione, ogni aggiustamento richiede di nuovo mani umane. L'automazione, paradossalmente, non riduce il lavoro umano sottostante: lo rende continuo e strutturale.
Asimmetrie e punti ciechi
Gli audit del movimento Fairwork, citati nel libro, documentano disuguaglianze sistemiche: etichettatori retribuiti pochi centesimi o pochi dollari l'ora a fronte di lavoratori tecnologici occidentali con stipendi a sei cifre. A questa asimmetria salariale si aggiunge un punto cieco regolatorio. L'AI Act europeo concentra la propria attenzione sul bias algoritmico e sulla sicurezza degli output, ma lascia in larga parte fuori dall'inquadratura le condizioni di lavoro della filiera che rende possibili quei sistemi.
In sintesi L'IA presentata come autonoma è il risultato di una catena di lavoro umano globale e largamente invisibile. Dal Turco Meccanico all'RLHF, ogni passo dell'addestramento richiede persone reali, spesso sottopagate nel Sud del mondo. Smontare il mito dell'autonomia non è un esercizio ideologico: è la premessa per regolare un settore che oggi misura il bias dei modelli ma non guarda chi li costruisce.
Every time a conversational assistant answers with effortless ease, it feels like witnessing a feat of pure automation. And yet, behind that apparently magical fluency, a global supply chain of human labour is at work — one that rarely appears in the industry's official narratives. This is the central thesis of The Invisible Factories of Artificial Intelligence, from our editorial catalogue: systems presented as autonomous in fact rest on tens of thousands of people — in Kenya, the Philippines, Venezuela, India — who label data, evaluate outputs and correct what we call the machines' "errors".
The Mechanical Turk, two centuries on
The metaphor is not new, and the book traces it back to an eighteenth-century deception. The Mechanical Turk was a fake chess-playing automaton that dazzled European courts: hidden inside the machine sat a flesh-and-blood player. In 2005 Amazon chose precisely this name for its micro-work platform, Amazon Mechanical Turk. Jeff Bezos described it as "artificial artificial intelligence" and coined the formula of human-as-a-service: human labour made invisible, available on demand as though it were a utility.
The taskification of intelligence
The second key concept is taskification: the training of large language models is broken down into elementary micro-tasks. "Judge whether this answer is helpful or harmful", "identify the bias in this text", "choose the better of two outputs". Platforms such as Sama, Appen and Scale AI distribute these fragments to a workforce spread across the planet. According to the estimates reported in the book, pay falls in the order of magnitude of roughly $0.25–3 per task in the Global South, against an indicative $5–15 in the United States for comparable work.
There is no artificial intelligence without a human factory feeding it, shift after shift, in places the industry's marketing prefers not to name.
RLHF: not a cost, but permanent infrastructure
Here the book confronts a widespread misconception. Reinforcement learning from human feedback (RLHF) — the technique that "aligns" models with user expectations — is often described as a one-off finishing touch. In reality it is a permanent infrastructure of manual labour on an industrial scale: every new version, every correction, every adjustment calls once again for human hands. Automation, paradoxically, does not reduce the human labour beneath it: it makes it continuous and structural.
Asymmetries and blind spots
The audits of the Fairwork movement, cited in the book, document systemic inequalities: labellers paid a few cents or a few dollars an hour against Western tech workers on six-figure salaries. To this wage asymmetry the book adds a regulatory blind spot. The European AI Act concentrates its attention on algorithmic bias and the safety of outputs, but largely leaves out of frame the working conditions of the supply chain that makes those very systems possible.
In short The AI presented as autonomous is the product of a global and largely invisible chain of human labour. From the Mechanical Turk to RLHF, every step of training requires real people, often underpaid in the Global South. Dismantling the myth of autonomy is not an ideological exercise: it is the premise for regulating an industry that today measures the bias of models but does not look at those who build them.
