Parto da una ricostruzione di Reuters, ripresa in questi giorni da Ars Technica: Meta aveva un piano chiamato Project OT per far supervisionare il lavoro ad agenti IA e ridurre alcuni team fino al 60%, con una seconda ondata di licenziamenti prevista per novembre, di dimensioni paragonabili ai tagli del 2023 (quando l’azienda, nel suo “anno dell’efficienza”, si era già alleggerita di un quarto della forza lavoro). Il piano è stato accantonato per semplificare: la tecnologia non ha mantenuto le promesse. I commit al codice sono cresciuti del 220% in un anno, ma le funzionalità effettivamente arrivate agli utenti sono migliorate solo del 36%, mentre gli incidenti tecnici sono aumentati del 40%, facendo salire del 70% il tempo che le persone hanno dovuto perdere per rimetterci mano. Lo stesso Zuckerberg, a luglio, ha ammesso che la traiettoria dello sviluppo agentico non stava accelerando come si aspettavano.
Spero che si sia arrivati al punto di rottura dell’eccesso di tecno-ottimismo. Sono abbastanza sicura che di risvegli come questo ne arriveranno molti altri, perché l’idea che un agente possa rimpiazzare un dipendente con un rapporto quasi meccanico si scontra con tre nodi che provo a elencare qui di seguito:
Il primo è economico. I token costano più di quanto il racconto dominante lasci credere: nelle grandi aziende si è passati dal tokenmaxxing (la gara tra dipendenti, avviata dalle aziende, per dimostrare di consumarne il più possibile) alla preoccupazione opposta, contenere la spesa prima che esploda. Basta vedere dichiarazioni come quella del un dirigente di Nvidia, ossia che per il suo team il costo del compute supera già quello dei dipendenti, la favola dell’automazione a costo zero si sgonfia da sola (i dati di Ramp parlano di una spesa mensile media cresciuta di tredici volte in poco più di un anno).
Il secondo nodo è che costruire agenti non è affatto banale. Pensiamo alle mansioni dirigenziali: dire ad altri cosa devono fare sembra la cosa più semplice del mondo, ma alla prova dei fatti non lo è per niente, lo sa chiunque gestisca persone. Progettare un agente richiede esattamente quella competenza, la delega, a cui si aggiunge una capacità di analisi del problema che non appartiene a chiunque abbia accesso a un modello.
Il terzo lo stiamo già subendo come utenti, ed è l’enshittification delle esperienze digitali. Basta usare i portali dei grandi fornitori di servizi italiani, radicalmente peggiorati, o litigare con un call center IA, per capire come troppo ottimismo tecnologico e la poca conoscenza della complessità dei processi rendano ogni richiesta più faticosa. Nella maggior parte dei casi dietro ci sono vibe coding e bot piazzati lì senza aver capito il problema che dovevano risolvere. Non è un caso isolato: già ad aprile la CNBC raccontava la rivolta dei clienti contro i chatbot (“I hate customer chatbots”).
Questa è una delle previsioni che ripeto da tempo. Al momento il collo di bottiglia risiede nella comprensione della complessità dei processi che pretendiamo di automatizzare, molto più che nella potenza dei modelli. Prima di sostituire una persona con un agente, conviene chiedersi se abbiamo capito FINO IN FONDO cosa fa quella persona. Finché questa domanda resta senza una risposta completa, dettagliata e SERIA, gli annunci di rivoluzione continueranno a diventare, sei mesi dopo, notizie di piani accantonati.
Fonti