Una previsione mezza giusta

Nell’ottobre del 1930 Keynes pubblicò un saggio intitolato Prospettive economiche per i nostri nipoti. Prevedeva che entro cent’anni il tenore di vita nei paesi più avanzati sarebbe stato da quattro a otto volte più alto, e che il problema economico, cioè procurarsi di che vivere, sarebbe stato risolto o almeno vicino alla soluzione.

I nipoti di Keynes siamo noi, e al centenario mancano quattro anni. La prima metà della previsione si è avverata: la produzione per abitante è cresciuta più o meno quanto Keynes aveva immaginato, anche se il reddito della famiglia tipica è rimasto molto più indietro. La seconda metà no. Negli Stati Uniti la settimana di lavoro è rimasta quasi uguale per più di quarant’anni, e in Italia, a ottobre, in diverse città si è manifestato contro il carovita, sotto cartelli e manifesti che parlavano di un popolo che chiede dignità.

Una promessa mancata

Chi era in piazza chiedeva conto di una promessa. Per buona parte del secolo scorso il patto è stato questo: diventa una persona prevedibile, con un titolo di studio, un impiego e un mutuo, e in cambio avrai un posto. La scuola formava persone conformi, l’impresa le assumeva, lo Stato le proteggeva. Quella promessa ha dato a generazioni di italiani case, pensioni e una scuola aperta a tutti.

L’intelligenza artificiale è una macchina che impara ciò che è prevedibile. Quello che in un lavoro si ripete, si descrive e si misura, una macchina può impararlo da milioni di esempi e rifarlo a un costo sempre più basso. Il lavoro che la vecchia promessa garantiva era proprio quello di una persona prevedibile, che esegue bene un mestiere descritto da altri. Per questo quella promessa non può più essere mantenuta: il posto che garantiva a chi diventava prevedibile lo sta prendendo una macchina.

Un manifesto per l’irripetibile

Chiedere che la promessa torni significa chiedere un posto che sta sparendo. La richiesta delle piazze va spostata: dal posto garantito a chi è prevedibile alle condizioni perché ogni persona possa diventare irripetibile. La dignità di una persona non sta in quello che fa, ma in ciò che diventa facendolo.

Irripetibile è la tua traiettoria: i problemi che hai scelto, le persone con cui li hai affrontati, quello che hai imparato lungo la strada. Una macchina può generare un testo, un’immagine o un programma che nessuno distingue da quelli fatti da te; la tua storia e i legami che hai stretto restano tuoi.

1.⁠
Un modello linguistico scrive calcolando, parola dopo parola, quella più probabile. Per questo eccelle in tutto ciò che è prevedibile.

2.⁠
Per due secoli scuole e imprese ci hanno chiesto di essere prevedibili. In cambio promettevano un posto, e quel posto ora è delle macchine.

3.⁠
Il curriculum era l’elenco delle nostre capacità prevedibili. Ogni mansionario è già il manuale con cui una macchina può apprendere il nostro lavoro.

4.⁠
Le macchine hanno imparato dal sapere di tutti, e chi le possiede ce lo rivende. Ciò che nasce da tutti deve restare di tutti.

5.⁠
La precarietà ci condanna alla prevedibilità. Chi non può permettersi l’errore non può tentare strade nuove, e resta sostituibile.

6.⁠
Ciò che ha un equivalente ha un prezzo. Ciò che non ha equivalenti ha una dignità. Una macchina può diventare l’equivalente di un lavoro, mai di una persona.

7.⁠
⁠Il mercato del lavoro paga ciò che può confrontare, e così premia chi è facile da sostituire. Per questo diventare irripetibili non può dipendere dal mercato: deve essere un diritto.

8.⁠
Questo diritto comincia a scuola. Una scuola che premia la risposta giusta forma persone prevedibili; vogliamo una scuola che insegni a porre domande che nessuno ha ancora posto.

9.⁠
Diventare irripetibili richiede tempo. Quando una macchina compie in un’ora il lavoro di una giornata, una parte di quella giornata deve tornare a chi lavora, per imparare e per tentare altro. Il progresso si misura in tempo restituito alle persone.

10.⁠
Chi chiede alle persone di imparare a lavorare con le macchine deve pagarne il tempo e il rischio. La trasformazione non può ricadere su chi lavora.

11.⁠
Nessuno diventa irripetibile da solo. Ciò che ci rende unici si rivela in ciò che facciamo con gli altri, e sono loro a riconoscerlo, prima di qualunque titolo.

12.⁠
Il Novecento ha conquistato l’uguaglianza dei lavoratori: stesso salario e stesse tutele per lo stesso lavoro. Il nostro secolo deve conquistare il diritto di ciascuno a diventare diverso da tutti gli altri.

13.⁠
Le macchine sanno ripetere il passato meglio di chiunque. Il futuro, per sua natura, è irripetibile.

14.⁠
Siamo la prima generazione che può lasciare alle macchine il lavoro prevedibile. Ciò che faremo del tempo e della libertà che restano è il lavoro che viene dopo il lavoro.

15.⁠
Non siamo risorse, utenti, profili, posizioni da coprire. Siamo persone irripetibili, e ciò che possiamo diventare supera ciò che riuscite a prevedere. Fatevene una ragione.

Quarantaquattro persone, in un pomeriggio, hanno riscritto quattro articoli della Costituzione. È successo il 20 ottobre all’università della terza età di Cusano Milanino, durante il corso sull’intelligenza artificiale che tengo per i cittadini, nell’anno in cui la Repubblica e l’Assemblea costituente compiono ottant’anni.

La classe è diventata un’assemblea costituente e Claude il suo segretario. Per ogni articolo l’AI ha mostrato il testo, raccontato come è nato nel 1946-47, come hanno risolto la questione altri Paesi e che cosa pensano dell’argomento politici, studiosi e aziende dell’AI. La classe ha discusso, scritto le sue proposte e votato per alzata di mano.

All’articolo 1 ha aggiunto il diritto alla formazione per lavorare con l’AI, a ogni età. All’articolo 3 ha chiesto che la Repubblica garantisca a ciascuno l’accesso gratuito agli strumenti digitali e di AI essenziali, e l’aiuto per usarli: poco prima una persona aveva raccontato di non riuscire a usare i buoni sconto del supermercato, perché passano solo da un’app. Sulla salute ha voluto il diritto di sapere quando una decisione è stata presa o suggerita da un’AI, con l’ultima parola al medico. Sull’assistenza ha chiesto che ogni persona anziana possa essere assistita da persone e non venga affidata a una macchina contro la sua volontà, e un contributo alle pensioni da parte dei sistemi che sostituiscono il lavoro umano. La Carta, approvata con quarantaquattro voti su quarantaquattro, è scaricabile qui.

Sulla salute, senza saperlo, la classe è arrivata quasi alle stesse parole con cui l’anno scorso il Parlamento ha scritto la legge sull’intelligenza artificiale. Sull’accesso gratuito, sul rifiuto della macchina e sul contributo alle pensioni è andata oltre qualsiasi legge in vigore, come a dire che per scrivere i principi che una macchina deve rispettare servono i casi più delle competenze tecniche.

Nel 1955 Piero Calamandrei disse agli studenti milanesi che «la Costituzione non è una macchina che una volta messa in moto va avanti da sé»: perché si muova bisogna rimetterci dentro ogni giorno l’impegno e la responsabilità di chi la vive. Le costituzioni delle AI, invece, servono a far andare avanti una macchina da sola, e le scrive chi la costruisce: quella che orienta Claude l’ha scritta Anthropic, e nessuna aula l’ha votata.

In piccolo, succede lo stesso in ogni organizzazione che affida lavoro a un agente. Le istruzioni che dicono all’AI come trattare un cliente arrabbiato, quale fornitore scegliere, quando fermarsi e consultare una persona sono piccole costituzioni: l’agente le applica da solo, anche nei casi che nessuno aveva previsto. Chi le scrive decide come si comporterà l’organizzazione quando nessun essere umano la controlla.

Con Rinaldo stiamo costruendo una piattaforma con l’aiuto di agenti. Le regole che gli agenti devono rispettare le abbiamo scritte in un testo che chiamiamo contratto, e nessuno dei due può cambiarlo senza l’accordo dell’altro.

Ai padri e alle madri costituenti una macchina che parla sarebbe sembrata roba da matti; oggi è roba da matti pensare che la Costituzione di queste macchine sia scritta da una persona sola, o peggio da una sola azienda.

Nello stesso discorso del 1955 Calamandrei diceva che «una delle offese che si fanno alla Costituzione è l’indifferenza alla politica». Oggi quell’indifferenza ha una forma nuova: lasciare che le regole delle macchine con cui lavoriamo le scriva qualcun altro.

Il gioco

Dico spesso che oggi il nostro unico limite sono l’immaginazione e l’ambizione. Quel pomeriggio, a Cusano Milanino, abbiamo allenato entrambe in un bellissimo esercizio collettivo.

Il prompt che potete scaricare qui è un gioco da fare in gruppo, tra amici, colleghi o in una classe: uno fa il Presidente, l’AI fa il segretario e gli altri sono i costituenti. È quello che abbiamo usato in aula, con alcune piccole modifiche: per usarlo vi basterà cambiare data, luogo, partecipanti e il nome del Presidente.

Non scrivo da troppo tempo, da un mese ormai, e mi dispiace.

Sto lavorando tanto e sto facendo un lavoro che mi diverte, mi fa scoprire cose nuove ogni giorno, conoscere persone interessanti e affrontare sfide sempre complesse. Eppure scrivere è faticoso non perché mi manca il tempo, ma perché in un certo senso è come se non mi bastasse più.

Un tempo la scrittura era per me il modo più alto e più nobile di dare forma al mio pensiero e di portarlo nel mondo. Oggi, nell’interazione con l’AI, il pensiero viaggia a un’altra velocità, si espande oltre i confini di quello che ho studiato o che ho sempre fatto e poi prende vita non solo come testo, ma come artefatto visivo, codice, progetto. Chissà, forse potrei usare la newsletter proprio per pubblicare i miei progetti, e far vedere come cambia il lavoro raccontando come sta cambiando il mio… Se un taglio del genere ti interessa lascia un commento o scrivimi in privato.

Intanto ieri sono stato a Supernova Agencies, evento come sempre incredibile nella splendida H-Farm. Grazie a Wethod per avermi invitato come speaker!

Quello che segue è il mio intervento. Si intitola “Distruggi la tua agenzia”, ma potrebbe chiamarsi tranquillamente “Distruggi la tua azienda” o anche “Distruggi il tuo lavoro”.

Probabilmente un vostro cliente ve l’ha già detto. Se non è ancora capitato, fidatevi che ve lo dirà presto.

La reazione normale è difendersi: spiegate al cliente che dietro il vostro lavoro c’è il pensiero, l’esperienza, gli anni serviti per arrivare a quella soluzione. E avete ragione: quelle competenze ci sono.

Ma non è quello che il vostro cliente sta mettendo in discussione. Non sta dicendo che quel lavoro non lo fate: sta dicendo piuttosto che il risultato che arriva da quel lavoro vale meno di prima.

Il valore si è spostato, e non è la prima volta che accade.

Le prime agenzie vendevano spazio sui giornali, e venivano pagate dai giornali stessi. Le idee se le facevano gli inserzionisti. Quando lo spazio è diventato comprabile da chiunque, la cosa scarsa è diventata l’idea. È lì che la creatività diventa un mestiere pagato. Poi anche le idee si sono moltiplicate, e insieme a loro i media. A quel punto la cosa scarsa era arrivare alla persona giusta nel momento giusto, e il media planning diventa il centro dell’agenzia. Con le piattaforme la scarsità si è spostata ancora ed è diventata conoscerle, capire come funzionano gli algoritmi, saper leggere e trattare i dati.

Nei quattro spostamenti di valore accade sempre la stessa cosa: quello che era scarso diventa abbondante e quando diventa abbondante perde rilevanza. Il valore si sposta un passo più in là.

Eppure, anche se quello che vendete è cambiato quattro volte, il modo in cui ve lo fate pagare non è cambiato.

Le agenzie, come gli studi associati o le società di consulenza, si fanno pagare in giornate uomo, ore o teste per mese. E come funziona davvero il meccanismo di pricing lo sappiamo tutti, anche se non lo diciamo mai.

Le agenzie vendono la rate card dei senior, ma il lavoro, nella sua gran parte, lo fanno i junior, che costano molto meno. Il margine dell’agenzia è la differenza tra le due rate card. Quindi ciò che mantiene in vita le agenzie non sono le idee, ma il volume delle giornate di lavoro (spesso junior) sotto le idee.

E quelle giornate sono spese perlopiù a fare due tipi di lavoro:

1. produrre, cioè portare un’idea fino al prodotto finito nelle sue versioni, nei formati, negli adattamenti.

2. coordinare, cioè trasferire le informazioni da una parte all’altra, o all’interno dei vari dipartimenti dell’agenzia.

Peccato che produzione e coordinamento siano proprio le due cose il cui costo sta scendendo più in fretta.

Con produzione intendo la produzione di qualsiasi cosa, inclusa la creatività, perché larga parte delle idee sono remix di soluzioni che esistono già, pescate da domini diversi. E una macchina con una potenza di calcolo decisamente superiore a noi sa generare idee meglio di un essere umano.

Ma soprattutto costa pochissimo produrre tutto quello che viene dopo l’idea: le declinazioni, le versioni per far scegliere il cliente, quelle da testare, i formati finali.

E poi c’è il coordinamento. Sangeet Paul Choudary, in Reshuffle, dice che l’AI abilita il coordinamento senza consenso. Per mandare avanti un progetto non serve più che delle persone si siedano in riunione, parlino e si accordino su cosa va fatto: basta che l’informazione sia accessibile a un’intelligenza in grado di tenere insieme il lavoro.

Come è possibile?

Accade perché il lavoro di agenzia è tra i lavori più specificati che esistano.

I vostri clienti, anni fa, hanno deciso che la comunicazione non era core per il loro business e l’hanno data fuori, a voi. Esternalizzare una cosa ti obbliga a definirla molto bene, a descrivere meticolosamente cosa serve, con che criteri si approva, quando è fatta bene. Dentro l’agenzia questo lavoro di documentazione accade di nuovo, per permettere a dieci junior di lavorare sull’idea di un senior.

Quindi il manuale di istruzioni del vostro mestiere per l’AI l’avete scritto voi, due volte: una per il cliente, una per voi stessi.

Il lavoro già esternalizzato è il primo a essere automatizzato. C’è la specifica già scritta, c’è una riga di budget già staccata e il cliente sta già comprando un risultato invece che delle persone.

Poi ne avete fatta un’altra: avete in tutti i modi cercato di dimostrare che la pubblicità è misurabile. L’avete fatto per difendere i vostri budget davanti a un direttore finanziario, perché nessun CFO pagherebbe il vostro gusto, l’istinto o la creatività.

Nel podcast che abbiamo registrato insieme Christian Catalini, economista del MIT, dice che tutto ciò che è misurabile verrà automatizzato. Perché con la misura automatizzi la verifica: se esiste un modo automatico di sapere se una cosa funziona, una macchina può provarci mille volte finché non ottiene il risultato.

E qui siamo in una tenaglia: se dimostro che il mio lavoro è misurabile lo consegno alla macchina. Se dico che non lo è, tolgo al cliente la ragione per pagarlo.

La risposta che si sente sempre è un tipo di lavoro. Resterà la strategia, resterà il giudizio, resterà la creatività, resteranno le relazioni.

In realtà questi sono spesso alibi. A restare sarà una classe di problemi più grande, con la capacità di risolverli.

Potremmo discutere a lungo su quali siano questi problemi più grandi su cui concentrarci, e anzi potremmo dire che cercarli dovrebbe essere il nostro lavoro del futuro. Limitiamoci per ora a considerare i problemi risolvibili grazie al crollo delle barriere di cui abbiamo parlato, quelle della produzione e del coordinamento.

Quante cose riuscite a portare a termine insieme? Per un cliente stiamo costruendo un’applicazione software. Due anni fa riuscire a completarla in un anno sarebbe stato un buon risultato e ci sarebbero servite parecchie persone. Oggi, nello stesso tempo, con lo stesso budget e soprattutto con margini decisamente migliori riusciamo a fare non un’applicazione, ma dieci applicazioni iper-personalizzate.

Quante competenze diverse riuscite a tenere insieme dentro lo stesso lavoro? Mettere insieme consulenza strategica, design e progettazione software voleva dire coordinare tre aziende, o tre carriere. In Play New lo stiamo facendo con un organico piccolo e margini alti. Questo perché le barriere difensive alle competenze crollano per voi, ma crollano anche per i vostri competitor e per tutte le organizzazioni. Mentre al cliente comincia a convenire acquisire competenze agentiche invece che pagare voi, voi potete andare a prendervi competenze che fino a oggi erano chiuse dentro altre aziende e diventare un altro tipo di organizzazione, per offrire servizi diversi e ancora più valore.

Io ho una sola risposta, ed è personale. Un anno fa ero su questo stesso palco e raccontavo l’inizio di questo percorso. Quello che vi dico adesso l’ho capito facendolo, su di me e sull’organizzazione con cui lavoro.

L’obiettivo non è distruggersi, chiaramente, ma arrivare a vedere e poi a risolvere quella scala più ampia di problemi.

Eppure l’unico modo che ho trovato per arrivarci è un atto consapevole di autodistruzione, che comporta il trasferimento alla macchina di tutto quello che sai fare tu e la tua organizzazione.

Questo movimento è fondamentale perché per farlo non devi, come qualcuno vuole farti pensare, capire la macchina e imparare a usarla. Piuttosto devi capire e padroneggiare la competenza, molto meglio di prima.

Perché per trasferire a qualcuno una competenza devi sapere com’è fatto il processo, quali standard deve raggiungere, come si riconosce una cosa fatta bene da una fatta male. E devi scriverlo.

Ogni settimana aiuto persone e organizzazioni a trasformare le loro competenze in competenze agentiche. E la differenza tra le persone si vede dal primo giorno: c’è chi abbandona al primo tentativo dando la colpa all’AI che non funziona; c’è chi si accontenta di far fare alla macchina, male, lo stesso processo che fa oggi; e poi c’è la persona curiosa, che usa l’occasione per rivedere il processo, migliorarlo, ampliarlo, costruire nuovi processi e nuove competenze adiacenti che le permettono di affrontare problemi più complessi.

Perché l’unico limite al lavoro che possiamo fare oggi sono l’immaginazione e l’ambizione. Con poca immaginazione e poca ambizione si ottengono risultati mediocri.

Se riuscite a fare questo spostamento cominciate a vedere tante cose, incluso dove si stanno spostando il vostro valore e il vostro vantaggio competitivo. Perché quello che vi distingue non sono le vostre idee o la qualità della vostra produzione, ma quanto sapete di voi e del vostro mondo, ovvero:

1. Dei vostri domini di interesse. Che tristezza enorme vedere agenzie che non sanno dire come stanno cambiando il marketing, la creatività, la comunicazione! Agenzie che restano uguali a loro stesse, che non partecipano alla discussione sull’evoluzione del proprio mestiere, e che quell’evoluzione la trattano come una cosa da studiare nei ritagli di tempo, fra un progetto e l’altro. Non è cultura generale, è il lavoro più importante di tutti. Senza questo non vivrete a lungo.

2. Delle abitudini e dei comportamenti delle persone. Oggi siete tutti preoccupati dalla stessa cosa, cioè che una macchina produca gli stessi contenuti che facevate voi, a un costo infinitesimo. Ma se tutti i contenuti diventano uguali e le piattaforme si riempiono di contenuti generati dell’AI, le persone a un certo punto si stancheranno e cominceranno a cercare qualcosa di diverso. Ed è lì che ci devono essere le agenzie: a monitorare e ad anticipare quali bisogni, quali prodotti, quali servizi e quali contenuti le persone vorranno dopo.

3. Dei vostri clienti. Perché il vostro lavoro non lo fate da soli, ma insieme ad altre organizzazioni delle quali accumulate conoscenze e informazioni che non stanno scritte da nessuna parte. E questa conoscenza è capitale. Funziona come nel software: più un sistema sa di te, più costa sostituirlo.

Tutto questo sapere di voi stessi e del mondo è ciò che vi permette sia di evolvere continuamente le vostre competenze, sia di costruire per i vostri clienti servizi e modelli di monetizzazione diversi.

Oggi vendete progetti, cioè ore di produzione e di coordinamento e questo vi mette nella posizione di essere scelti una volta, magari non riconfermati e ogni tanto rimessi in gara per confrontare i prezzi delle giornate uomo.

L’alternativa a questo modello è smettere di eseguire la messa a terra di un progetto e cominciare a installare una capacità dentro il cliente, poi mantenerla, gestirla e farla evolvere.

Attenzione, non si tratta di vendere strumenti. Una competenza è tale solo quando porta con sé il contesto in cui si applica e la capacità di agire, e quando sa evolvere perché accumula informazioni a ogni utilizzo.

Due esempi.

Oggi il cliente vi manda un brief e voi producete; la capacità, invece, è un sistema che vive dentro l’azienda del cliente, istruito con il suo tono, i suoi vincoli e i suoi dati storici, ma anche con la vostra abilità di generazione, craft e giudizio. La competenza produce in autonomia, il cliente sceglie, voi migliorate la competenza (e la vostra conoscenza del mondo).

Oggi il cliente vi commissiona una ricerca di mercato e voi la eseguite. La capacità, invece, legge in continuo dati sui comportamenti delle persone e segnala proattivamente se un comportamento cambia. Non è una dashboard: dentro c’è il vostro giudizio su cosa conta e il vostro aggiornamento quando il dominio evolve.

Il cliente diventa indipendente nell’usarla, e continua a rivolgersi a voi per mantenerla ed evolverla.

A un certo punto può capitare che il cliente vi chieda capacità che non avete ancora. Non progetti: capacità. Moltiplicate le richieste per dieci o venti clienti e avete un registro continuo che vi dice che cosa sviluppare.

Il mercato tiene ancora, e un margine c’è. Stretto, ma c’è. E con quel margine potete fare due cose. La prima è difenderlo. Produrre di più, tagliare i costi, aspettare che il mercato si rimetta a posto. La seconda è investirlo adesso. Prendere le vostre competenze una alla volta, trasformarle in competenze agentiche, e intanto provare modelli di business diversi su un cliente o due.

Il titolo dice distruggi la tua agenzia, ma distruggere non è mai stato lo scopo. E non volevo darvi un ultimatum, ma invitarvi a prendervi quello che adesso è a portata.

Andare a saccheggiare competenze che oggi stanno bloccate dentro altre industrie, o dentro titoli professionali che non sono nel vostro organico. Offrire servizi che fino a due anni fa non potevate permettervi. Alzare la qualità di quello che consegnate, e gli standard con cui lo giudicate. E alzare la vostra ambizione e l’immaginazione, perché adesso il limite è soltanto quello, non più l’organico.

Per farlo bisogna smontare quello che siete oggi. È scomodo, e lo so perché lo sto facendo. Ma dall’altra parte ci sono problemi più grandi da risolvere, e un valore più alto da costruire, per voi e per i vostri clienti.

E l’ultima cosa ve la dico da uno che sta dentro ai modelli di frontiera da un paio d’anni. Intorno all’intelligenza artificiale si sentono solo discorsi su produttività, efficienza e posti tagliati. Ma fare questo lavoro, alzare l’immaginazione, allargare l’ambizione, andare a prendere problemi che fino a ieri sembravano impossibili, non ha niente a che fare con produttività ed efficienza. Ha piuttosto a che fare con la creatività, cioè con quello di cui vi occupate voi, che siete persone curiose, con tanta immaginazione, che avete sempre la testa di chi comincia e la capacità di guardare a una cosa nuova senza preconcetti.

Fidatevi di me, fare questo lavoro è divertentissimo.
Quindi andate a divertirvi.

Inizia Settembre, il mese dell’anno che, come scrive benissimo Orazio nella sua ultima newsletter, è un vero e proprio Capodanno, quello che più di altri porta con sé aria di cambiamento e di rinascita.

Sapevi che Settembre vuol dire settimo mese? Il nome viene dal calendario romano, che cominciava a marzo. Poi l’inizio dell’anno si è spostato, mentre i nomi degli ultimi mesi dell’anno non si sono mossi: quattro mesi di fila hanno nel nome un numero sbagliato. Assurdo vero?

Il lavoro è pieno di Settembre, cioè di cose che nessuno sposta: perché costa troppo, perché non conviene, perché è difficile, perché “si è sempre fatto così”, perché nemmeno ci viene in mente che si possa fare, perché cambiare non è una responsabilità nostra.

La giornata di otto ore, la settimana di cinque giorni, le ferie da chiedere come permesso, il timesheet, il badge all’ingresso, vendere ore, gli straordinari, le riunioni ricorrenti, l’allineamento del lunedì, il salario legato al livello, l’aumento annuale a percentuale, gli stipendi segreti, il budget annuale, i centri di costo, il contratto indeterminato per avere il mutuo, la maternità che interrompe una carriera, il curriculum senza buchi, l’idea che lasciare un impiego sia un rischio e non un investimento, la laurea come porta d’ingresso al lavoro, il voto di laurea nel curriculum, il colloquio, le domande da manuale al colloquio, la lettera di presentazione, le referenze, il periodo di prova, lo stage obbligatorio, gli anni di esperienza, l’esclusività (una persona = un’azienda), il patto di non concorrenza, l’organigramma per funzioni, il job title, la job description, i livelli di seniority, il manager che controlla l’informazione, il numero di riporti come misura dell’importanza, la catena di approvazioni, il comitato, il capo, la sede, gli uffici privati, le autorizzazioni per provare uno strumento nuovo, il marketing separato dal prodotto, la distinzione fra chi decide e chi esegue, il piano triennale, le riorganizzazioni, l’assunzione come unico modo di collaborare con una persona, i gestionali, i file excel, le cartelle condivise con quattro versioni dello stesso file (defdefdef anyone?), il template delle slide, il documento di specifica, il report mensile, i corsi di formazione, le certificazioni, il manuale delle procedure, le gare, i pitch gratuiti, i tre round di revisione, il questionario di soddisfazione, il SAL con il cliente, i termini di pagamento a sessanta-novanta-centoventi giorni, l’albo fornitori, la formazione finanziata, la graduatoria, l’anzianità come criterio di avanzamento, i giovani talenti a impaginare slide, il laboratorio di innovazione fuori dall’azienda, il lavoro in ufficio, l’azienda-famiglia, la performance review, il report sulla diversità senza dati sugli stipendi, i tagli per fare efficienza, i poster dei valori, la cultura aziendale, l’età pensionabile, il preavviso, la lettera di dimissioni, le dimissioni lette come tradimento...

Rileggendo la lista mi sono accorto di due cose.

1. Quasi tutto quello che ho scritto era, all’inizio, una risposta a un problema o un’idea accettata nel suo contesto. La giornata lavorativa di otto ore proteggeva chi ne faceva quattordici, il concorso eliminava i favori, il colloquio era l’unico modo di conoscere una persona se avevi solo una lettera e una referenza. Non sono cose nate stupide: sono cose diventate vecchie.

2. Molte di loro non hanno un genitore. Chi le ha decise ha cambiato ruolo, azienda o secolo e quindi non c’è nessuno da convincere per cambiarle. Sono abitudini così radicate che anche solo pensare di spostarle ti sembra impossibile. E se mai ti venisse in mente di farlo, davvero ti prenderesti la responsabilità di cancellare quella riunione, di abbattere le gerarchie, di inventare modi di lavorare e di fare impresa radicalmente nuovi?

Eppure ogni voce di questa lista è, per qualcuno, la ragione per cui non fa il lavoro che potrebbe e vorrebbe fare. Al mese di Settembre non possiamo cambiare nome, ma possiamo spendere questo Settembre per provare a cambiare almeno uno dei punti della lista, e spostare il lavoro nella direzione in cui merita di andare.

Buon Settembre.

Non scrivere un libro.

Premessa: ho amici che hanno scritto bei libri, quindi non ce l’ho né con loro, né con i libri (come si potrebbe avercela con i libri?).

L’anno scorso negli Stati Uniti sono stati registrati più di quattro milioni di nuovi titoli, tre milioni e mezzo dei quali auto-pubblicati. Dodici mesi prima erano due milioni e mezzo, quindi sono cresciuti di quasi il quaranta per cento in un anno solo.

Un salto così, in un anno, può voler dire una cosa sola: scrivere ha smesso di richiedere mesi di lavoro. Una prima stesura con l’AI la fai in pochi giorni e nessuno deve più scommettere niente su di te.

Scrivere è diventato quasi gratis.
Peccato che leggere costi quanto prima.

Selezioni naturali

Prima di arrivare a un lettore, un libro passava due selezioni.

La prima era saperlo scrivere. Serviva saper leggere, poi aver studiato abbastanza, poi avere del tempo che non fosse già speso a sopravvivere.

La seconda era l’editore. Stampare e distribuire chiedeva capitale, un magazzino e qualcuno che ti concedesse trenta centimetri di scaffale, quindi qualcuno doveva decidere in anticipo quali pensieri valessero quella spesa. Chi decideva ci metteva però anche la distribuzione, e in un mondo con pochi libri stare su uno scaffale era quasi tutta la strada: per questo essere pubblicato somigliava tanto a essere letto.

Le due selezioni sono cadute a pochi anni di distanza.

Quello che non è caduto è il tempo di chi legge. Un libro chiede almeno otto o dieci ore a una persona che ne ha già poche, e nessun modello ha accorciato questo tempo, perché sta dentro una vita e le vite non si accelerano.

In un anno, negli Stati Uniti, un quinto degli adulti legge l’ottantadue per cento dei libri che si leggono nel paese, e quel quinto ha già una pila sul comodino.

Questione di status

Il costo di farsi leggere lo pagava un editore, in anticipo. Adesso lo paghi tu: farti trovare e poi farti leggere costa sempre di più. E il prezzo vero lo scopri con il file già online: quando pensi “Finalmente posso farlo anche io”, è lì che inizi a pagare.

Ma il libro lo scrivi comunque, perché il libro da noi è anche un titolo. «Ha scritto un libro» cambia il modo in cui ti presentano e finché non lo scrivi, in certi ambienti, non sei nessuno. La curva dei quattro milioni non è un errore di calcolo: è gente che compra uno status che finalmente si può permettere.

Peccato che quello status stava nella scelta della pubblicazione, non nell’oggetto libro: pubblicato voleva dire che qualcuno aveva scommesso dei soldi su di te. Adesso che nessuno deve più scommettere, l’oggetto è rimasto identico e la scelta è sparita: il badge lo può avere chiunque, quindi non distingue più nulla.

Libro sì, libro no

Che poi tu davvero vuoi scrivere un libro?

Forse vuoi far arrivare a qualcuno il tuo pensiero, e vorresti anche che da quel qualcuno torni indietro qualcosa. Il libro era la forma che quel desiderio prendeva quando scrivere era difficile ed essere letto era il premio; è stata la forma migliore che avessimo per cinquecento anni, e questo l’ha fatta sembrare l’unica.

Le condizioni sono cambiate. La forma no.

Come prima cosa potresti dare al tuo lavoro una forma che lo renda azionabile. Rishad Tobaccowala ha preso sei anni dei suoi scritti e li ha trasformati in una piattaforma interrogabile: fai una domanda e il sito ti restituisce una risposta e il percorso per leggere gli articoli originali.

Un prodotto così ti dice quali delle tue idee la gente va davvero a cercare: scopri con che problema ci arriva, vedi quali argomenti vengono chiesti e vedi le domande a cui il tuo lavoro non risponde, che sono l’elenco più affidabile di quello che ti resta da scrivere. Le copie di un libro non ti dicono niente di tutto questo.

Il secondo modo è cambiare la forma e prendersi la responsabilità di inventarla.

Un libro è una scatola standard: ci metti dentro un pensiero e quello viaggia, in un formato che chiunque sa aprire. Per questo è così difficile cambiarlo, perché tutto quello che gli sta intorno, dalle librerie alle recensioni, è costruito su quella misura.

Sangeet Choudary ha aperto la scatola. Ha preso le idee del suo libro e ne ha fatto una piattaforma esplorabile, con una mappa e dei punti di accesso personalizzati.

Non solo libri

Lo stesso ragionamento fatto per i libri vale per il software, dove sviluppare costa sempre meno, ma far adottare costa quanto prima.

Un CRM ti chiede di riempire delle caselle. Quelle caselle esistono perché il programma non capiva frasi, conversazioni, né tantomeno un contesto, quindi qualcuno doveva spezzare tutto in campi che una macchina potesse trattare.

Adesso il programma capisce frasi e contesto. Eppure le caselle di input continuano a nascere, per la stessa ragione dei quattro milioni di libri: una dashboard è il modo in cui un software dimostra di essere un software.

Per favore, non fare software se quello che stai per fare ha ancora la forma del software vecchio!

Un mondo da inventare

Con app come Suno, fare una canzone è diventato facilissimo. Ora tutti fanno canzoni, ma la canzone è solo un formato che nasce da un vincolo e il vincolo per produrlo non esiste più. Quindi l’unica domanda che vale la pena farsi è: la musica avrà ancora la forma della canzone?

Scrivilo pure il tuo libro, se è la forma giusta per il tuo pensiero, perché a volte lo è ancora. Ma quella forma è nata ed è stata scelta in un mondo in cui produrre costava molto e farsi leggere era la ricompensa. E mentre quel mondo si allontana sempre di più, nessuno ha ancora disegnato quello che verrà.

C’è un mondo intero da inventare.

Da mesi mi interrogo sul dopo-CV, chiedendomi che cosa prenderà il posto del curriculum, del profilo, della candidatura. Mentre lavoro al prototipo che spero di condividere con voi presto, vi racconto che cosa ho imparato in questo viaggio.

1. Oggi il lavoro si registra da solo

Da oltre un secolo il nostro lavoro lascia tracce, ma sono perlopiù tracce di quantità e di risultati. Una sessione con un agente lascia sì tracce, ma soprattutto comportamenti. Per la prima volta siamo in grado di registrare il ragionamento di una persona, non solo la sua produzione. E possiamo usarlo per scrivere e aggiornare un profilo, praticamente gratis.

2. Dichiarare non costa nulla, interpretare costa tantissimo

Una candidatura con l’AI si scrive in trenta secondi, ma per leggerla e capirla serve lo stesso tempo di prima. Il risultato è che su LinkedIn arrivano 11.000 candidature al minuto, il 45% in più di un anno fa (dati LinkedIn via New York Times, ripresi da eWeek, giugno 2025). E se generarle è praticamente gratis, leggerle costa così tanto che LinkedIn ha messo un agente a farlo, il suo Hiring Assistant. Se generare costa zero, il filtro diventa il prodotto: è l’economia dello spam applicata alle nostre identità professionali.

3. Se ogni contenuto si può generare, l’unica cosa che conta è da dove viene

Due profili possono contenere le stesse parole, ma con significati e valori completamente diversi: la parola Python vale in un modo se l’hai scritta tu su una riga del tuo CV, in un altro se compare in un tuo repository e in un altro ancora se l’ha scritta un agente analizzando il tuo lavoro di ogni giorno. Dichiarato, pubblicato, dimostrato: chi seleziona comincerà a valutare non le affermazioni, ma la loro provenienza.

4. Vale solo ciò che potrebbe smentirti

Un CV lo hai scritto tu, quindi dice solo quello che vuoi che dica. Chi legge lo sa, e infatti non ci crede. Qualsiasi cosa prenda il suo posto deve poter dire anche cose che non ti aspetti, perché la credibilità nasce proprio lì.

5. Le relazioni tornano a essere relazioni

Per verificare il lavoro abbiamo usato le relazioni: qualcuno doveva garantire per te e una rete di conoscenze e raccomandazioni valeva come una rete di garanzie. Quella funzione è invecchiata male: le garanzie sono diventate metriche e le metriche si gonfiano. Adesso che il lavoro si può verificare alla fonte, le relazioni sono libere dal compito di farti da garante. Possono tornare a essere la cosa più preziosa di una vita professionale: un lavoro fatto insieme. È l’unica prova sociale che non si può comprare, perché per averla bisogna esserci stati.

6. Voti e classifiche non aprono conversazioni, le chiudono

La tentazione di ogni sistema di selezione è ridurre la persona a un punteggio, per decidere in fretta. Ma il punteggio decide al posto di chi legge e tende a ripetere gli errori con cui è stato costruito. Descrivere apre una conversazione; classificare la sostituisce, e la fa piuttosto male.

7. Il post-CV sarà il sottoprodotto di un gesto quotidiano

Tutti le piattaforme che hanno provato a sostituire il CV (Polywork, Read.cv) sono morte per lo stesso problema: perché dovrei aggiornare il mio profilo? Un profilo per gli altri si crea quando cerchi lavoro, cioè quasi mai. Perché un profilo resti vivo deve essere il risultato collaterale di qualcosa che faresti comunque, ogni giorno.

8. L’identità professionale non è un biglietto da visita, ma il tuo strumento più prezioso

Il contesto su di te è quello che fa lavorare bene i tuoi agenti, oggi. Chi lo tiene in ordine ci guadagna subito, a prescindere dal fatto che serva per trovare un nuovo lavoro o per presentarsi al mondo. Rappresentarti bene ha smesso di essere solo marketing: è diventato strumento, e ciò che decidi di rendere pubblico è solo una parte di esso.

9. Il tuo profilo dura quanto l’azienda che lo ospita

A gennaio 2025 Read.cv è stata acquisita da Perplexity. Agli utenti è arrivata un’email: esportate i vostri dati entro il 16 maggio, poi il sito chiude. Migliaia di persone hanno perso la loro pagina professionale per una decisione di business della piattaforma. Per questo il tuo profilo deve essere fatto di file che stanno sul tuo computer. Quello che pubblichi è una copia; l’originale resta a te, e nessuna acquisizione può togliertelo.

10. Scegliere che cosa mostrare di te è la tua forza

Chi possiede il proprio contesto genera proiezioni diverse per usi diversi: una per la candidatura, una per la pagina pubblica, una per i propri agenti e una per l’agente di qualcun altro che vuole capire come lavorare insieme su un progetto. Presentarsi bene oggi significa avere controllo della propria esposizione, non massimizzarla per compiacere gli algoritmi.

11. Nessuno dovrebbe essere cercabile come un prodotto

Il recruiting che conosciamo è una ricerca sopra le persone: il recruiter interroga un archivio di profili senza che i proprietari di quei profili sappiano di essere stati letti. Questa cosa si può rovesciare: la richiesta può viaggiare verso di te, e sei tu a decidere se rispondere. Puoi farti interrogare alle tue condizioni, invece di farti indicizzare.

12. Agli agenti lo smistamento, alle persone la conversazione

La parte disumana della selezione è sempre stata la burocrazia: mandare cento candidature, leggerne cinquecento, filtrare annunci e profili. Quella parte se la stanno prendendo le macchine. Quello che resta alle persone è parlarsi. E quel momento migliora, perché quando due persone finalmente si siedono a parlare sanno già l’essenziale l’una dell’altra: il colloquio smette di essere l’interrogatorio sul CV e comincia dalle domande vere.

13. Siamo pronti per il post-LinkedIn

Tutti i pezzi, per la prima volta, ci sono: il come del lavoro si registra da solo, ciò che dichiariamo di noi non ci distingue più e i tentativi falliti di ripensare il CV ci hanno lasciato le regole di progettazione: niente voti, il profilo come sottoprodotto, i file di tua proprietà.

Perché adesso?
Perché le due estremità sono già automatiche: i candidati scrivono con l’AI e LinkedIn ha messo un agente a leggere. L’incontro tra domanda e offerta è già una conversazione tra macchine; succede solo nel posto sbagliato, dentro un sito costruito per occhi umani, dove le macchine si scambiano documenti pensati per impressionare delle persone che non li leggeranno.

Cosa serve?
Due cose. Che ogni persona abbia il proprio contesto: file suoi, sul suo computer, aggiornati dal lavoro stesso, con l’origine di ogni affermazione dichiarata. E un modo standard con cui quel contesto possa rispondere a chi lo interroga, così che un’azienda, o il suo agente, possa fare domande al tuo profilo senza che tu debba caricare la tua vita sul server di qualcun altro.

Cosa sarà?
Il contrario di una bacheca. Le richieste viaggeranno verso le persone: un’azienda descriverà quello che cerca, la richiesta raggiungerà i profili compatibili ovunque vivano e ogni persona deciderà se rispondere e con quale versione di sé. Gli agenti si parleranno per fare la selezione e le persone si incontreranno dopo, per decidere.

In Play New stiamo costruendo esattamente questo.

Tra pochi anni parlerai con ogni oggetto che possiedi, e ognuno avrà la sua intelligenza. Tra te e la banca ci sarà una macchina, tra te e i professori di tuo figlio un’altra, e alla fine sarà la tua AI a parlare con la loro.

Questa cosa accadrà e non possiamo fare niente per evitarlo. Ma possiamo ancora decidere che forma avrà l’AI, e che cosa le chiederemo di fare.

Un maestro per ogni bambino, un’ora di attenzione di un medico che ti conosce, qualcuno che rilegga con te la cosa che non hai capito tutte le volte che serve, senza stancarsi e senza farti sentire stupido, un traduttore per ognuno che arriva in un paese nuovo, qualcuno che abbia memoria e possa raccontarti ogni volta che vuoi le storie dei grandi esseri umani, o dei tuoi genitori, o dei tuoi nonni, qualcuno che risponda alla centesima domanda di un bambino con lo stesso interesse della prima, qualcuno che ti spieghi i documenti che stai firmando, un lettore per chi non vede e un interprete per chi non sente, una cura per le malattie rare, una risposta al cambiamento climatico, l’invenzione di materiali che ancora non esistono, una soluzione alla disinformazione, e ancora nuove forme di arte, musica, cinema, cultura, politica…

Niente di tutto questo si costruisce da solo.

Per cinquecento anni diffondere una cosa ha voluto dire riprodurla. La copia identica è stata la tecnologia della scala: la stampa ha reso il sapere economico rendendo ogni copia uguale all’artefatto originale e quell’uguaglianza era il prezzo per arrivare a tutti.

Tutte le nostre istituzioni sono costruite su questo: la lezione esiste perché un esperto deve poter parlare a molti insieme, l’esame perché valutare costa e quindi si valuta con le stesse domande per tutti. Il corso, il manuale, il turno, il modulo, il prodotto… Ognuno di questi artefatti, forme e pratiche è la conseguenza del prezzo della scala.

Pensa a un libro: ha il potere straordinario di permettere a un ragazzo con professori mediocri di studiare e capire il mondo, in completa autonomia; di contro è uguale per chiunque lo apra e non ti può rispondere. Puoi leggere tutto di Aristotele, ma non puoi domandare nulla ad Aristotele.

Adesso puoi.

Arrivare a molti non obbliga più a dare a tutti la stessa cosa. Il mondo nuovo ha una firma precisa: una cosa diversa per ognuno, moltiplicata per milioni.

Eppure le vecchie forme resistono, e per una ragione che è ancora più solida dei soldi. Copiare a scala, infatti, è anche il modo che abbiamo scelto per rendere giuste le cose: la stessa legge per tutti, la stessa domanda d’esame, la stessa prescrizione e il diritto di pretendere lo stesso trattamento di chiunque altro.

Intanto le forme nuove non hanno dove nascere, perché il loro spazio è occupato da abitudini solide come l’orario scolastico, i programmi ministeriali, i ruoli e i titoli, un capitolato di gara, una laurea o una certificazione. Fare spazio al nuovo vuol dire lasciar morire il vecchio e questo è il punto dove tutti si paralizzano, perché ogni formato che muore porta con sé anche i suoi contratti, le sue regole, i suoi stipendi.

Oggi stiamo usando l’AI per ottimizzare, cioè per tenere le vecchie forme e accelerarle. Al contrario, inventare forme nuove vuol dire ammettere le vecchie non servono più.

Pensa alle lezioni. Se il costo di seguire una persona è crollato, l’aula non serve più a trasmettere nozioni, ma a fare le cose che da soli non si possono fare. Possiamo gestire trenta percorsi diversi per studiare e usare il tempo insieme per discutere, costruire, sbagliare. Non si tratta di migliorare la lezione, ma di capire che la lezione non è più la risposta a niente.

La versione brutta di questa storia esiste già ed è facile da riconoscere: è un fossile, con un motore attaccato sopra. È lo stesso modulo compilato da una macchina, la stessa riunione riassunta automaticamente, lo stesso corso con un tutor artificiale che ti riallinea quando esci dal binario. Funziona, si misura, e non chiede a nessuno di cambiare idea: per questo vince quasi sempre. Poi, quando si consolida, diventa il modo normale di fare le cose, e dura per decenni.

La versione bella costa poco di più. Non chiede più energia, e quasi mai più soldi. Ha bisogno solo di un po’ più di tempo per inventare, esplorare, tentare strade diverse. E di persone che nel farlo si divertano, perché divertirsi e giocare è diventato il metodo. Se i tuoi discorsi sull’AI sono tutti ottimizzazione ed efficienza e non c’è spazio per l’immaginazione e la creatività, allora ti stai perdendo l’occasione di usare questo momento storico unico per rendere il mondo un po’ più bello di come l’hai trovato.

Io credo che come esseri umani siamo chiamati ad arricchire il mondo, a metterlo in discussione, a risognarlo. Risognarlo, non migliorarlo del quindici per cento.

Per cinquecento anni abbiamo saputo dare a tutti la stessa cosa, e su quella capacità abbiamo costruito le scuole, gli ospedali, le biblioteche, il diritto. È stata la nostra invenzione più generosa, ma ha finito il suo tempo.

Quello che viene dopo non ha ancora un nome. Nessuno sa che forma prenderà una scuola quando nessuna lezione dovrà essere uguale per due bambini, che cosa diventerà la medicina quando la storia di una singola persona peserà più della media di ventimila, che musica scriverà qualcuno che può sentirla suonata la sera stessa.

Nessuno lo sa, e non esiste niente di più bello da fare in questo momento che scoprirlo.

Possiamo ancora decidere che cosa chiedere a questa cosa.

Chiediamole tutto.

Exo viene dal greco e significa “fuori”, come in esoscheletro; self è il sé. Un exoself è uno strato di te che vive oltre il tuo corpo. Il termine viene dalla fantascienza. Kevin Kelly lo definisce come il secondo sé così vicino che lo chiameremo “nostro”: qualcosa tra il nostro sé e un altro sé, né noi né fuori di noi, una categoria nuova.

L’exoself è l’espressione più recente di un movimento che da sempre accompagna gli esseri umani. La macchina si avvicina al corpo: dalle stanze piene di apparecchi, alle scrivanie, ai portatili sulle gambe, agli smartphone in tasca. Il passo che manca è indossare qualcosa sulla pelle o in testa: fra qualche anno non ci sembrerà strano, come non ci sembra strano portare gli occhiali tutto il giorno. È la stessa direzione che Doug Engelbart chiamava già negli anni Sessanta augmentation: potenziare l’intelligenza umana invece di costruirne una artificiale nelle macchine.

L’exoself sarà sempre acceso e ci conoscerà, scrive Kelly, meglio di quanto ci conosciamo noi. Ci darà sapere, giudizio e velocità, ma ci renderà dipendenti: quando sarà spento ci sentiremo amputati.

Quattro archetipi di Exoself

Kelly non sa ancora che rapporto avremo con questo nostro secondo sé, ma immagina quattro tipi di relazioni possibili:

Gemello
pensa come te, finisce le tue frasi, prevede le tue reazioni. È un tuo pari.

Tutore
Veglia su di te tanto che ti fidi del suo giudizio più che del tuo. Avete un rapporto quasi da genitore-figlio.

Consulente
È più professionale e distante, come un terapeuta o un assistente che hai ingaggiato. Ti conosce in tutto, ma il vostro rapporto ha un confine chiaro.

Amico
È la versione migliore di te, il tuo role-model, che ti spinge verso chi potresti essere.

Kelly mette anche dei paletti su cosa l’exoself non dovrebbe diventare: un padrone, un animale da compagnia, un idolo. L’exoself deve essere noi, esteso; trattarlo da estraneo creerebbe un rapporto di subordinazione con un oggetto che consideremmo un nostro possesso.

Il secondo sé chiederà un tipo di rapporto che non abbiamo mai avuto e i suoi benefici enormi arriveranno insieme a problemi enormi. Ogni malanno che colpisce il sé che nasce con noi colpirà anche l’exoself, più altri che non abbiamo ancora visto. Se portarlo con noi diventerà la norma, comincerà a cambiare la nostra identità: per qualcuno il dialogo interno sarà sempre acceso.

Kelly dice esplicitamente: usare bene l’exoself sarà una delle cose più importanti da imparare. Io aggiungo: sarà un lavoro vero.

Uno strumento conviviale

Power to the People era lo slogan della controcultura americana degli anni Settanta: la tecnologia doveva mettere capacità nelle mani delle persone invece che in quelle delle istituzioni. È lo spirito del Whole Earth Catalog di Stewart Brand e dell’Homebrew Computer Club dove passava il tempo il giovane Steve Jobs, ed è anche la ragione per cui la macchina che è nata da quella cultura si chiama personal computer. Jobs la vendeva come “a bicycle for the mind”, una bicicletta per la mente: uno strumento che moltiplica quello che sai fare, con te che resti a farlo.

Nel 1973, in Tools for Conviviality, Ivan Illich separa gli strumenti in due famiglie: quelli conviviali, che la persona padroneggia e che allargano la sua autonomia, e quelli industriali, che padroneggiano la persona e la rendono dipendente. Quanto più padroneggi lo strumento, tanto più il mondo prende la tua forma; quanto più è lo strumento a padroneggiare te, tanto più sei tu a prendere la sua forma.

L’exoself sta esattamente sul confine di Illich. Può essere lo strumento conviviale che la controcultura sognava, che comandi tu e che allarga quello che sei. Oppure può diventare l’opposto: qualcosa che agisce al posto tuo finché non riesci più a farne a meno, e che a forza di scegliere per te comincia a darti la sua forma.

Liberazione

Da quale lato del confine cadrà l’exoself? Molto dipende dal vuoto che si aprirà quando gli agenti ti toglieranno il lavoro che fai oggi per il mondo. Mentre l’exoself impara chi sei, gli agenti lavorano: Motion riorganizza il calendario, Duckbill sbriga le pratiche, Lindy smista la posta.

Qualche settimana fa ho scritto che passeremo dalla knowledge economy alla self-knowledge economy: se la conoscenza del mondo è quasi gratis e accessibile a tutti, diventa sempre più prezioso sapere chi sei e dove vuoi andare, imparare a governare la tua intenzione per agire nel mondo. Kelly arriva a una conclusione simile. Il concetto di sé, ricorda, è un’invenzione recente e alcuni filosofi lo ritengono addirittura un’illusione. Ma se il sé è una costruzione, un secondo sé che ti cresce accanto lo può essere altrettanto. Ecco perché l’exoself è il prodotto che conta: lavora sul terreno diventato scarso, cioè su di te.

Un fatto economico

Scegliere chi vuoi diventare è sempre stata una faccenda privata, che si rimanda per una vita. Con un secondo sé sempre acceso che agisce mille volte al giorno smette di esserlo. La direzione che dichiari è l’istruzione che l’exoself esegue di continuo: su quella decide che cosa proporti e da che cosa tenerti lontano. Chi scrive quella direzione decide chi diventi.

Se la direzione gliela dai tu, ti mostra quanto sei distante da dove hai detto di voler arrivare e ti tiene sulla rotta. Se non gliela dai, la deduce dal tuo passato e ti ci riporta: diventi la media di chi sei già stato, resa più efficiente.

Quale sarà la tua relazione con l’exoself dipende da come lo pagherai. Un tempo liberato senza una direzione non resta libero: prima o poi qualcuno lo riempie, e a riempirlo è chi lo paga. È già successo con i social, la cui economia vive della tua attenzione, con l’algoritmo progettato per trattenerti e confermare ciò che sei già. Un exoself pagato allo stesso modo sarebbe lo strumento non conviviale di Illich: quello che, mentre ti serve, ti spinge a prendere la sua forma. Uno pagato per il contesto che gli dai ha l’interesse opposto: farti conoscere meglio, e lasciarti la direzione.

Che cosa vogliamo che gli esseri umani siano? Per rispondere dovrai imparare a usare il tuo secondo te, scegliendo la tua direzione prima che la scelga la macchina, e pagando in modo che a decidere resti sempre tu. È il lavoro più importante che hai oggi… anche se in fondo, forse, lo è sempre stato.

Questo pezzo è stato pensato e scritto con Claude.

Davanti all’AI la scelta che sembra più prudente, cioè difendere il tuo mestiere, è quella che ti farà fuori.

Un mestiere è un nome che racchiude le tante cose che sai fare. L’AI le sta separando una a una per affidarle a un agente. Lo fa con il tuo lavoro e insieme anche con quello degli altri.

La costituzione dei pirati

Nel 1720, sulla nave del pirata Bartholomew Roberts, ogni uomo aveva diritto di voto. La ciurma sceglieva il capitano, ed era sempre la ciurma che poteva cacciarlo se si comportava da tiranno. Il bottino si divideva quasi alla pari: due parti al capitano, una a un marinaio. E chi perdeva un braccio in battaglia riceveva ottocento pezzi da otto dalla cassa comune, con cifre minori per le ferite minori: un indennizzo per gli infortuni sul lavoro, più di un secolo prima che il lavoro regolare lo prevedesse.

I pirati avevano una loro costituzione che nasceva non soltanto da un ideale, ma dalla necessità di far lavorare bene insieme i membri dell’equipaggio. I pirati venivano dalle navi mercantili e da guerra, dove il capitano a bordo comandava senza contrappesi: poteva affamare l’equipaggio, punirlo a piacere o trattenere la paga. Ne uscivano uomini che lavoravano il meno possibile e disertavano alla prima occasione.

Sulla nave pirata il punto di partenza era rovesciato. La barca se l’erano presa, non rispondevano a nessun proprietario a terra e le regole se le scrivevano da soli, proprio per correggere ciò da cui erano scappati.

La costituzione serviva a collaborare meglio. Una ciurma che vota, che può cacciare il suo capo e che porta a casa una parte quasi uguale del bottino si batte più forte di un equipaggio che si limita a obbedire agli ordini, e infatti i pirati erano i combattenti più efficaci.

Steve Jobs lo sapeva bene, tanto che nel 1983 decise di staccare la squadra del Macintosh dal resto di Apple per chiederle di costruire un computer diverso da tutto quello che l’azienda sapeva fare. A quella squadra disse:

e sul tetto dell’edificio fece issare una bandiera nera con la mela arcobaleno al posto della benda. Jobs aveva tolto un gruppo dalla nave grande e sicura per mandarlo a prendersi qualcosa di più grande di quello che Apple sapeva già fare, lasciando che fosse il gruppo stesso a scriversi le proprie regole.

Tre secoli dopo Roberts, e quarant’anni dopo quella bandiera, l’AI chiede a tutti di fare lo stesso gesto dei pirati: lasciare il porto sicuro e andare a prendersi le competenze chiuse in tutti gli altri mestieri.

Prendere il largo

Il porto è il tuo titolo professionale. Ti dà un nome e uno stipendio, e traccia una linea precisa tra quello che sai fare, e quello che invece è riservato ad altri mestieri.

Lasciare il porto significa spacchettare il tuo titolo nelle sue competenze e delegarle a degli agenti, un pezzo alla volta, prima che lo faccia qualcun altro. Lasciare è la parte difficile, ma è solo l’inizio.

Saccheggiare

Perché mentre si apre il tuo mestiere, si aprono anche tutti gli altri.

Le competenze che ieri stavano chiuse dentro un altro ruolo, o si compravano da un fornitore, non sono più difese dal titolo che le custodiva. Questo significa che puoi andare a prendertele. Il designer entra nel marketing e nella ricerca. Lo studio di tre persone consegna quello per cui prima serviva la grande società di consulenza. L’azienda si porta in casa un pezzo di un settore che non era il suo.

Prendersi le competenze di un altro mestiere serve a una cosa sola, la più importante: affrontare problemi più grandi. Chi saccheggia allarga la scala, l’ambizione e la portata dei problemi che riesce a risolvere.

E lì, secondo me, sta lo scopo vero del lavoro: provare a risolvere problemi sempre più grandi e a rispondere a domande sempre più complesse.

Il codice dei pirati

Le competenze che oggi puoi prenderti stanno negli ordini professionali, nelle licenze, nei contratti dei fornitori, nelle regole che stabiliscono chi può fare una certa cosa e chi no. Quando le liberi ti restano in mano due cose: il valore che producono, e il potere di decidere come si usano. Puoi tenerti tutte e due e diventare il nuovo padrone da cui i pirati erano scappati, oppure puoi dividerle, come faceva la ciurma di Roberts che spartiva il bottino e votava le decisioni.

Se sei un professionista, dividere vuol dire non diventare il nuovo ordine. Fai circolare le competenze che ti sei preso, insegnale e condividile invece di trasformarle nel tuo piccolo monopolio.

Se sei un’azienda, il bottino è il valore che il saccheggio produce e la ciurma sono le persone e i clienti che lo producono con te. Dividi il valore con chi ha remato, e la tua ciurma remerà più forte.

Le nuove regole del lavoro

Per chi lavora

Spacchetta il tuo titolo e affida a un agente le cose che sai già fare, a partire da quelle che ti annoiano. Usa il tempo che liberi per andare a prenderti le competenze chiuse in un altro mestiere, e con quelle prova a risolvere un problema più grande.

Per le organizzazioni

Guardate cosa comprate da fuori e in quali mercati vicini non vi siete mai spinti: non sono più territori protetti. Portate in casa nuove competenze e usale per allargare i problemi che risolvete per i vostri clienti, o per servire nuovi clienti.

Non restate a difendere il vostro titolo professionale o il vostro settore mentre si svuota di significato. Prendete il largo, andate a saccheggiare le competenze che vi servono, e usatele per affrontare sfide più complesse e imprese più ambiziose. È tempo di nuove avventure. È tempo di pirati.

Pochi giorni fa un’azienda italiana, Bending Spoons, si è quotata al Nasdaq. Abbiamo colto l’occasione per coinvolgere un gruppo di SuperAgents in una due giorni di hackathon, durante la quale abbiamo preso i documenti dell’IPO per costruire un gemello agentico dell’organizzazione.

Nella demo vedi il mio Claude collegato al gemello, con me che lo interrogo e invoco un paio delle sue capability. Prima Claude va a caccia di acquisizioni: legge 2.563 società quotate americane, poi filtra e analizza quelle che rispettano i criteri dell’azienda. Alla fina analizza il mio CV secondo i criteri di assunzione di Bending Spoons.

Tutto parte dai dati. Nella demo sono dati statici, presi dal filing di Bending Spoons; in un’applicazione reale sono dati vivi, che arrivano dal tuo CRM, dal tuo ERP, dalla tua suite di marketing, dal prodotto e dal business, e si collegano all’intelligenza attraverso connettori.

Quasi tutte le aziende si fermano qui: raccolgono i dati in un unico posto e ci mettono sopra un qualche sistema di ricerca per interrogarli. Quello che manca per usare questi dati in modo intelligente è lo strato che chiamiamo ontologia.

L’ontologia: come funziona davvero un’organizzazione

Modellare un’azienda è un lavoro diverso dal riassumerla. L’ontologia è un set di istruzioni che vale sia per te, sia per la tua AI e che fa capire a entrambi come funziona davvero la tua azienda: quali sono i suoi oggetti, che proprietà ha ciascuno e come ognuno si lega agli altri. È l’idea dietro il lavoro di Palantir.

Nel video c’è un oggetto che si chiama target: un’azienda che Bending Spoons potrebbe comprare, con le sue proprietà. Quando una target supera la due diligence diventa un deal, e il deal ha proprietà diverse. Quando un deal si chiude diventa un business della piattaforma, con altre proprietà.

Con queste istruzioni l’AI legge i dati in ingresso sa quali oggetti e quali proprietà aggiornare, permettendo a te e all’AI di leggere strategicamente l’organizzazione e di visualizzarne e “comprenderne” il funzionamento.

Le capability e l’azienda eseguibile

Ma è possibile fare ancora di più creando sopra l’ontologia il layer delle capability, cioè quello che l’organizzazione sa fare. Tra le capability di Bending Spoons ci sono trovare una target, qualificarla, valutarla, acquisirla, trasformarla e finanziarla, e poi ovviamente assumere i migliori talenti. Nel nostro modello ognuna di queste capability è diventata una capacità che l’AI può eseguire. Puoi avere agenti autonomi, con un loro scheduling, che ogni settimana cercano nuove target, aggiornano quelle esistenti con i segnali del mercato, leggono un blocco di CV e restituiscono un primo screening. Il layer delle capability è quello che rende l’azienda non solo leggibile, ma eseguibile: in parte, capace di funzionare da sola.

L’AI non cambia niente in autonomia: propone una modifica e una persona decide se promuoverla e applicarla. E un sistema di feedback loop registra ogni approvazione e migliora continuamente le capability, rendendo l’intero sistema più intelligente ed efficace nel tempo.

Che fine fanno le persone?

Siamo abituati a pensare che le persone, soprattutto manager e leader, stiano al centro dell’organizzazione: sono i router che spostano l’informazione tra i nodi. In un’azienda costruita come un’intelligenza quel lavoro lo fa il modello. È il passaggio «from hierarchy to intelligence» che Dorsey e Botha hanno raccontato descrivendo la trasformazione di Block: il coordinamento passa dal sistema, e le persone si spostano dal centro ai confini dell’organizzazione.

Al confine fanno due cose:

1. catturano i segnali che la macchina non intercetta, nutrendola di informazioni rilevanti;

2. operano come i veri e unici agenti dell’organizzazione, che con intento e responsabilità prendono l’informazione che arriva dall’intelligenza e decidono come agire nel mondo.

Il modello è pubblicato open source su Github. Clonalo, collegalo a Claude e prova a interrogare Bending Spoons e ad attivare le sue capability.

Questo è il tipo di lavoro che facciamo in Play New. Se vuoi vedere la tua organizzazione funzionare così, scrivimi!

C’è una domanda che mi fanno in quasi ogni conversazione sull’AI: se la macchina imparerà a fare tutto, a noi che cosa resterà? Il presupposto da cui nasce è sbagliato: trattiamo il lavoro come un mercato a dimensione fissa, pensando che ogni parte che prende la macchina è una parte che perdiamo noi. Ma il lavoro non è immutabile, e l’AI non serve a fare le stesse cose con meno persone: serve a rendere affrontabile ciò che prima non lo era.

Il motore e la fabbrica

È già successo, con l’elettricità. Quando entrò nelle fabbriche, per una trentina d’anni non cambiò quasi nulla. Gli imprenditori fecero la cosa ovvia: tolsero il grande motore a vapore che stava al centro della fabbrica e lo sostituirono con un grande motore elettrico, lasciando tutto il resto com’era, con le macchine in fila attorno a un unico albero di trasmissione. Eppure la produttività non si mosse: avevano cambiato la fonte di energia, non la fabbrica.

Un giorno alcuni di loro pensarono di dare un motore a ogni macchina, riorganizzando la fabbrica attorno al flusso del lavoro, non più attorno all’albero centrale. Da quel ridisegno venne buona parte della crescita industriale dei decenni successivi. Il valore non era nell’elettricità, ma nell’aver ripensato la fabbrica attorno a ciò che l’elettricità rendeva possibile.

Con l’AI siamo allo stesso bivio. Usarla per fare più in fretta il lavoro di ieri è come mettere il motore nuovo nella fabbrica vecchia.

Nel 1956 Malcom McLean inventò il container: attorno a quella scatola furono ridisegnate le navi, le gru, i camion e i porti. Il costo di caricare una tonnellata crollò da qualche dollaro a pochi centesimi. Anche qui il valore non era in un nuovo strumento, ma nell’aver ricomposto l’intera catena attorno a ciò che il nuovo strumento rendeva possibile.

Le capacità tornano a te

Elettricità e container sono trasformazioni grandi e lente, di fabbriche e di porti. La stessa ricomposizione, oggi, arriva alla scala più piccola che ci sia: tu, una persona sola. Il sistema che si ridisegna, stavolta, è l’insieme delle capacità che hai a disposizione: ciò che prima dovevi comprare da un professionista adesso puoi produrlo tu. Per rifare una stanza avevi bisogno di un architetto; oggi raccogli le tue reference, costruisci un progetto con l’AI e ti rivolgi direttamente all’artigiano. Per un contratto ti serviva un avvocato; oggi ne ottieni una prima versione affidabile in poco tempo. Per una strategia pagavi una società di consulenza; oggi puoi impostarla in autonomia.

Attenzione, questo è possibile solo a una condizione, cioè che tu non ti fermi alla prima risposta dell’AI. La prima risposta di un modello è la media di ciò che già esiste e chi si accontenta ottiene la media. Il livello buono arriva quando sei tu a portare contesto, esempi, correzioni che la macchina da sola non fa. L’AI non premia chi la interroga come un oracolo, ma chi la usa con intenzione.

Così la paura si capovolge. Se una capacità che prima compravi ora ce l’hai in casa, il problema che puoi affrontare diventa più grande, non più piccolo. La singola stanza diventa la ristrutturazione dell’intera casa, che con i costi di prima non avresti mai commissionato. Il singolo contratto diventa un impianto giuridico coerente, prima sostenibile solo da chi aveva un ufficio legale. Non ti viene tolto lavoro: si allarga il campo di ciò che puoi tentare di risolvere.

Ma che succede se sei tu il professionista, quello dall’altra parte del tavolo? Se una parte di ciò che fai oggi si trasferisce al cliente come sua capacità, per un po’ reggi alzando la qualità: la tua esperienza vale ancora sui casi difficili, quelli che il cliente non porta fino in fondo da solo. Ma è soltanto una tregua. Prima o poi ti toccherà rimodularti, come le fabbriche e come i porti: non fare meglio il lavoro di prima, ma ridisegnare ciò che offri attorno a ciò che adesso è possibile.

Vai dove il test non è ancora scritto

Tutto ciò di cui sappiamo già scrivere un test, cioè definire con precisione che cosa significa “fatto bene” e verificarlo, la macchina prima o poi imparerà a farlo.

Il valore quindi si sposterà altrove, verso i problemi per cui un test ancora non lo sappiamo scrivere: la situazione mai vista, la decisione che dipende dalla fiducia tra persone, il caso in cui “giusto” cambia col contesto. Lì non serve un umano che faccia la guardia a un territorio; serve qualcuno che riformuli il problema finché un test diventa scrivibile, che prenda qualcosa di confuso e inizi a dargli una forma.

È per questo motivo che produrre vale sempre meno e verificare vale sempre di più. Quando generare una risposta costa quasi zero, l’unica cosa preziosa resta riconoscere se quella risposta vale qualcosa, e prima ancora aver posto la domanda giusta.

“Non ci resterà nulla” è un’affermazione vera solo per chi non cambia la domanda. Chi smette di chiedersi cosa ci resta e inizi a esplorare quali nuovi problemi può affrontare scopre che il campo non è mai stato così largo, e che le possibilità non sono mai state così numerose.

Appropriati delle competenze che prima compravi da altri e pensa ai problemi che puoi affrontare adesso e prima no. Se riesci a nominarne almeno uno, hai già iniziato a ripensare la tua fabbrica.

La settimana scorsa ho scritto che il valore della conoscenza si sta spostando. Per cinquant’anni, o forse più, quello che importava era ciò che sapevi del mondo: una lingua, un mercato, una materia. Oggi una macchina ti restituisce in pochi secondi quello che prima richiedeva anni di studio, e quel sapere vale sempre meno proprio perché è alla portata di chiunque. Che cosa resta scarso? La conoscenza di te stesso.

Conoscersi è tre cose:

1. Definire l’ontologia della propria conoscenza, la mappa degli oggetti della tua vita e delle relazioni che li collegano.

2. Curarla e renderla esplicita, perché finché resta nella tua testa la macchina non può lavorarci.

3. Farla crescere.

È di questo terzo passaggio che voglio scrivere oggi. La conoscenza di sé non si espande guardandosi dentro più a lungo: si espande portando a termine progetti.

Jack Dorsey, che sta riorganizzando Block, dice che resteranno solo due lavori: l’Individual Contributor (IC) e il Directly Responsible Individual (DRI), più una funzione trasversale, il Player-Coach, che affianca e fa crescere le persone con cui lavora. L’Individual Contributor è lo specialista profondo che decide nel suo campo: ha quello che Dorsey chiama giudizio. Il DRI gestisce un problema dall’inizio alla fine e ne risponde: ha l’accountability, la responsabilità.

Giudizio è una parola difficile da rendere azionabile. Christian Catalini, economista al MIT, ha detto che giudizio e cura sono alibi che ci raccontiamo per non vedere quanto sono capaci questi modelli. Lo stesso potrebbe valere per l’accountability: un genitore, un professore, un capo possono dirti mille volte che devi sviluppare il giudizio e prenderti la responsabilità delle cose, senza mai riuscire a spiegarti come fare. Dorsey ha individuato bene i due lavori che restano, ma finché restano due nomi li leggiamo con la stessa domanda di prima: cosa inizio a fare da oggi?

Il giudizio non è un dono che hai o non hai, ma il residuo che si accumula dopo che hai portato a termine molti progetti, ognuno un po’ più difficile del precedente. Così un giorno, davanti a un problema che non avevi mai visto, sai magicamente dove guardare. Quel sapere dove guardare nessuno te l’ha insegnato: l’hai accumulato tu, un progetto dopo l’altro. È quello che Catalini chiama measurability gap: man mano che produrre diventa gratis, l’unica cosa che resta costosa è verificare se quello che è stato prodotto vale qualcosa. Riconoscere il punto in cui qualcosa funziona o no è il giudizio applicato al lavoro. Non si trova nel tuo curriculum, ma nei progetti che hai fatto e che hai portato a termine.

Se il giudizio è il sedimento dei progetti che hai portato a termine, una delle convinzioni più radicate sul lavoro è falsa. Crediamo che l’esperienza si misuri in tempo: anni di anzianità, numero di aziende, scatti di carriera. Ma il tempo da solo non accumula niente. Chi ha passato quindici anni nello stesso ruolo facendo le stesse cose non ha quindici anni di esperienza, ha un anno vissuto quindici volte. Chi in tre anni ha portato a termine dodici progetti diversi, ognuno con una posta più alta del precedente, ha attraversato dodici volte l’arco che va dal non sapere al sapere, e quei passaggi hanno lasciato ogni volta qualcosa che prima non c’era. L’esperienza non si misura in anni, ma in progetti portati a termine, e le aziende tipicamente non sono spazi che consentono di mettersi alla prova con progetti diversi.

Finché entrare in un campo nuovo richiedeva anni di studio, il sapere del dominio era una barriera che proteggeva chi l’aveva acquisita a caro prezzo. Quella barriera è caduta, perché il sapere di base di qualsiasi settore te lo dà la macchina in tempo reale. Quando il dominio smette di essere un costo smette anche di essere quello che ti distingue, e a distinguerti resta una cosa sola: entrare in un territorio sconosciuto per risolvere un problema, in fretta. È qui che i due lavori di Dorsey si separano, e non tra due specializzazioni, ma tra due modi di accumulare esperienza.

L’Individual Contributor accumula profondità. Porta con sé un metodo, un modo di affrontare i problemi che funziona indipendentemente dal campo in cui lo applica, e si misura sulla velocità con cui passa da principiante a competente in un dominio nuovo. Chi ha portato a termine trenta progetti entra nel trentunesimo molto più in fretta di chi ne ha fatti tre, perché il metodo è la parte trasferibile dell’esperienza.

Il DRI, invece, accumula ampiezza. Possiede il progetto nella sua interezza, dall’intenzione iniziale all’artefatto che esiste nel mondo, e si misura sull’esito complessivo del progetto. Non ha solo costruito il prodotto: ha deciso che valeva la pena costruirlo, ha capito perché e come poteva stare nel mercato, l’ha portato fino alle persone che lo useranno. Uno va a fondo in un punto, l’altro tiene insieme il percorso.

Che la scarsità si sia spostata sull’esito e sulla verifica di un progetto, non sulla capacità di produrre, è già nei numeri. Qualche settimana fa Uber ha messo un tetto alla spesa dei dipendenti in strumenti di AI, millecinquecento dollari al mese ciascuno, dopo aver bruciato in quattro mesi il budget di un anno. Il suo direttore operativo ha detto in pubblico di non vedere il valore prodotto da quella spesa. Si fabbrica a valanga, ma quasi nulla arriva a destinazione, spesso perché manca chi possiede una visione olistica, sistematica e strategica del progetto.

Due istituzioni stanno preparando le persone al contrario di quello che serve. La scuola riempie la testa di nozioni, cioè di sapere del mondo, proprio mentre il sapere del mondo diventa la cosa più abbondante: misura quanto ricordi, non quanti progetti hai portato a termine, e non allena strategia e responsabilità sui progetti. E in azienda succede lo stesso. Per decenni l’organizzazione ha funzionato per sostituzione: se ne andava una persona, si liberava un titolo, se ne assumeva un’altra per lo stesso titolo. Finché il lavoro dentro ogni ruolo resta stabile, il meccanismo regge. Oggi le aziende cominciano a bloccarsi, perché non sanno più se i ruoli di prima servano ancora, e prima di aprire una nuova posizione cominciano a chiedersi se quella posizione avrà ancora senso tra 2, 3, 5 anni. Chi paga il prezzo più alto è chi si presenta nel modo classico, come aspirante a un titolo. Un neolaureato che dice “so fare questa cosa, datemi il posto che le corrisponde” offre esattamente la merce che ha smesso di essere scarsa e di avere valore. Dovrebbe dire sono un “agente del cambiamento”: so entrare in fretta nel tuo campo, lo capisco a fondo in poco tempo e posso vedere e risolvere i tuoi problemi.

Sto costruendo un videogioco con mio figlio Riccardo, che ha dieci anni. Mentre lo creiamo, Riccardo scopre cose su di sé e lascia una forma di sedimento che un giorno chiameremo il suo giudizio. Un bambino di dieci anni sta affrontando un progetto per intero; un laureato di ventitré, troppo spesso, si presenta ancora come aspirante a un titolo.

Conoscere se stessi non è un esercizio da fare restando immobili a riflettere. È accumulare esperienza portando a termine progetti.

Restano due lavori, e sono due modi di stare al mondo prima ancora che due ruoli da scrivere sul tuo prossimo biglietto da visita. Quale dei due puoi diventare dipende solo da quanti progetti inizierai a fare domani.

Questa settimana è uscito Fable 5, il nuovo modello di Claude, prima che riuscissi ad abituarmi a Opus 4.8. Ormai l’80% del mio lavoro passa dai modelli di frontiera. E più ci sto dentro, più una cosa mi è evidente: il lavoro che ho fatto per tutta la vita non ha più motivo di essere fatto. Parlo del mio lavoro e non mi permetto di generalizzare, anche se temo che questa riflessione valga per buona parte del knowledge work. La soglia che abbiamo raggiunto permette già oggi a una macchina di capire un problema, poi impostare, delegare, eseguire, verificare e consegnare una soluzione.

In un prossimo futuro le macchine faranno la quasi totalità del lavoro cognitivo che facciamo noi oggi. Sia chiaro, non è una cosa che accadrà così velocemente: i modelli corrono, ma le trasformazioni sono sempre culturali e sociali prima che tecnologiche, e una società cambia molto più lentamente della tecnologia.

Resta comunque costante nella mia testa una domanda: che lavoro faremo?

Un paio di settimane fa l’ho chiesto a Simone Cicero. Mi ha risposto che torneremo a economie relazionali e conviviali, di prossimità e di comunità, fondate sulle esperienze e sulle relazioni. Torneremo a coltivare la terra e a coltivare i legami, una prospettiva che per me è bellissima e preferibile. C’è però un’altra cosa da coltivare, ed è quella di cui voglio scrivere: la nostra intelligenza, il nostro giardino mentale.

Inventare e contestualizzare

Veniamo dall’economia della conoscenza, e dalla content economy che ne è stata l’apoteosi: dopo YouTube e i social media chiunque ha potuto divulgare informazioni su qualsiasi tema, e il sapere del mondo è diventato contenuto.

Nell’economia della conoscenza il lavoro è duplice: da una parte generare sapere nuovo; dall’altra contestualizzarlo, cioè adattarlo alla persona, all’organizzazione, al sistema che lo ricevono. Generare e contestualizzare.

Per la prima volta esiste uno strumento che fa bene la prima (non a caso si chiama AI generativa) e anche la seconda metà del lavoro della conoscenza: un modello AI può adattare il sapere generale sul tuo contesto in tempo reale, a costo quasi zero.

Quando un bene si comprime a costo marginale zero, il valore migra verso il complemento scarso. E qual è il complemento scarso di una conoscenza del mondo quasi gratis?

Dal mondo a te stesso

Se tutti hanno accesso alla stessa conoscenza del mondo, il contesto è ciò che la trasforma in un vantaggio che è solo tuo. E il rendimento è composto: ogni pezzo di conoscenza di te che aggiungi moltiplica il valore di ogni interazione futura, perché il modello smette di ripartire da zero. Più il contesto è profondo e strutturato, più valore ti viene restituito, a parità di domanda e a parità di macchina.

Per questo il bene scarso si sposta dentro, dal mondo esterno a te stesso. Nella knowledge economy il bene scambiato era la conoscenza del mondo: libri, corsi, dati, formazione. Nell’economia che si apre il bene scarso è la conoscenza di sé: cosa desidero, cosa voglio, chi sono, come scelgo, cosa voglio diventare. Il prodotto del futuro ti restituisce a te stesso.

E cambia anche il modo di finanziare la nuova economia. La content economy si finanziava con l’attenzione: il modello di business era catturarla e rivenderla e e per riuscirci l’algoritmo doveva confermarti, lusingarti, tenerti incollato a chi sei. L’economia generativa si finanzia con il contesto, cioè con la conoscenza di sé: il valore che ricevi è proporzionale a quanto di te metti dentro i modelli. Una tecnologia che vive della tua attenzione ha interesse a distrarti; una tecnologia che vive del tuo contesto ha interesse a farti conoscere meglio.

Intenzionalità

Conoscersi, però, è solo metà del lavoro. Se il modello si configura su chi sei, decidere chi sei diventa fondamentale. Il contesto che dai alla macchina è la direzione che le dai: un contesto che descrive solo chi sei stato produce uno strumento che conserva ciò che sei; un contesto che dichiara chi vuoi diventare produce uno strumento che ti aiuta ad arrivarci.

Questa è la parte che chiamo intenzionalità: conoscere te stesso significa scegliere chi vuoi diventare e sceglierlo ogni giorno. Per la conoscenza del mondo abbiamo costruito un’infrastruttura millenaria: scuole, università, biblioteche e ora i modelli stessi. Per la conoscenza di sé non esiste una scuola: nessuno ti insegna a capire cosa vuoi, a distinguere quello che desideri veramente da quello che ti hanno insegnato a desiderare, a dichiarare una direzione e a rinegoziarla nel tempo. Eppure scommetto che è quello di cui ci sarà più bisogno.

Il giardino

Leone XIV, nella sua prima enciclica dedicata proprio all’intelligenza artificiale, ha detto che l’AI non si costruisce, si coltiva. Io penso che quello che dobbiamo coltivare non sia l’AI, ma il nostro giardino mentale. Il giardino è una rappresentazione viva del proprio mondo, da curare ed espandere ogni giorno. Il terreno migliora negli anni e a differenza di capacità, di una certificazione o di un’esperienza sul CV è unicamente tuo. Nella self-knowledge economy il vantaggio si misura con la capacità di curare, espandere, migliorare continuamente e rappresentare il tuo giardino mentale.

Gli strumenti per coltivare il contesto esistono già, ma quasi tutti appartengono a una categoria superata. Il second brain di cui molti parlano è un archivio personale dove tutto entra e viene organizzato. È uno strumento di conservazione che ha perfettamente senso per la knowledge economy: se il bene scarso è la conoscenza del mondo, accumularla, ritrovarla, connetterla e contestualizzarla è il lavoro. Ma se il bene scarso diventa la conoscenza di te, un archivio risolve il problema sbagliato. Non ti serve un second brain, hai bisogno di un first eye: uno strumento che dai tuoi comportamenti estrae informazioni, le organizza secondo un modello che tu hai definito, le confronta con la tua direzione e ti mostra quanto sei lontano da diventare ciò che vuoi. Il second brain custodisce la tua memoria, mentre il first eye ti aiuta a capire dove posare lo sguardo per scoprire e diventare chi vuoi essere.

Che lavoro faremo

Il knowledge work è stato il lavoro degli ultimi cinquant’anni. Il self-knowledge work è il lavoro dei prossimi cinquanta. Conteranno la qualità con cui ci osserviamo, la chiarezza con cui scegliamo una direzione, la nostra capacità di rappresentare ed esternare chi siamo e chi vogliamo diventare.

Se quasi tutto il lavoro cognitivo lo farà una macchina, ci resta il lavoro che nessuna macchina può fare al posto nostro: conoscerci ed espanderci. Costruiremo, dentro di noi, il contesto profondo che rende prezioso tutto ciò che incontra: le persone, le idee, perfino le risposte perfette di un modello che sa tutto del mondo, ma niente di noi.

Settimana scorsa ho fatto domanda di lavoro nella mia stessa azienda.

Ho lanciato un comando nel terminale e ho lasciato che uno strumento leggesse un mese dei miei log di lavoro con Claude Code: 45 sessioni, 24 prodotti, 2.701 istruzioni. Ne è uscito un profilo che diceva cose di me che io stesso non avrei saputo immaginare. Che lavoro in modalità co-thinking l’83% del tempo, e passo a istruzioni lunghe e strutturate quando lavoro su aspetti legali o di sicurezza. Che apro in media due sessioni per prodotto, mentre altre persone tornano sullo stesso prodotto decine di volte. E ho registrato un picco di 11.399 chiamate a strumenti in un solo giorno.

Lo strumento che ho usato per generare il mio profilo si chiama Apply New. Lo abbiamo costruito in Play New ed è open source. Legge i log delle tue sessioni con Claude Code, li anonimizza, misura i comportamenti e produce un profilo professionale. Tutto gira sul tuo computer, per privacy assoluta. L’invio è una decisione separata, e puoi anche non prenderla mai: il profilo resta tuo. Prima che una candidatura, è un modo di conoscersi: ti dice come lavori, per aiutarti a decidere se e come migliorare.

In fondo a questo articolo c’è un prompt che fa una versione ridotta della stessa cosa sulle tue chat, con qualunque assistente AI. Ma prima voglio spiegarti perché e come l’abbiamo costruito, e cosa dice sul lavoro che faremo in futuro.

Doppia compressione

Il CV comprime una persona in parole chiave, perché un software di screening possa confrontarle con una job description che a sua volta comprime i bisogni di un team in una lista di requisiti. Due compressioni, una sopra l’altra, progettate per un’epoca in cui l’azienda sapeva che ruolo cercava e il candidato sapeva tradurre il proprio lavoro in una successione di titoli, esperienze e certificati di studio.

Nessuna delle due premesse regge più. Quello che fa un senior engineer a giugno 2026 non somiglia a quello che faceva a giugno 2024. Il lavoro vive nei log degli agenti molto più che in un CV. E il valore di una persona sta in come pensa con il modello, una cosa che il CV non può vedere: la parola “Python” su due curriculum identici può nascondere decine di anni di distanza tra i due candidati.

Apply New

Mentre lavori con Claude Code, ogni sessione lascia una registrazione: che cosa hai chiesto, che cosa ha fatto la macchina, le tue correzioni e le tue verifiche. Sono i log. Nessuno li ha mai pensati come una candidatura, eppure sono perfetti per creare un profilo professionale perché sono la cronaca di come lavori scritta mentre lavori, senza che tu stia cercando di fare bella figura.

Apply New li trasforma in un profilo:

1. Legge
   Lanci un comando e lo strumento legge i log, sul tuo computer. Niente viene comunicato all’esterno, tutto resta privato.

2. Pulisce
   Prima di qualsiasi analisi toglie nomi e dati personali: clienti, contatti, progetti.

3. Misura
   Conta i comportamenti: quante sessioni, su quanti progetti, quanto deleghi e quanto verifichi, quando dai istruzioni precise e quando ragioni con il modello.

4. Racconta
   Scrive il profilo in due formati: uno per le persone, uno per un agente. È una descrizione di come lavori, in parole e numeri.

5. Passa la palla a te
   Lo leggi, lo rivedi e decidi se inviarlo. Oppure no: il profilo resta tuo, ed è utile anche se non lo mandi a nessuno.

Scegli tu

Il quinto passo è quello a cui teniamo di più.

Avremmo potuto prendere tutto: tutti i progetti, tutti i log e costruire un profilo molto più ampio e dettagliato. Abbiamo scelto il contrario. Scegli tu i progetti che ti rappresentano, fino a un massimo di cinque e alleghi gli artefatti che vuoi mostrare, se vuoi farlo. Rivedi tu le parole e la narrativa, prima che esca qualsiasi cosa dal tuo computer.

Le ragioni sono due. La prima è l’intenzionalità: decidere cosa mostrare di sé è parte del candidarsi, e nessuno strumento deve togliertela. La seconda è la leggibilità: un profilo costruito su tutto lo leggerebbe solo un’altra macchina, ed è esattamente quello che non vogliamo. Deve poterlo leggere un essere umano, in pochi minuti, per arrivare al colloquio con domande migliori.

Niente classifiche

La generazione precedente di tecnologia HR aveva fatto una scommessa, di poter misurare le persone con un numero attraverso cose come il fit score, test di personalità, modelli predittivi addestrati sulle assunzioni passate. Nel 2018 Reuters rivelò che Amazon aveva smantellato il proprio motore di recruiting AI: addestrato su dieci anni di curriculum a maggioranza maschile, aveva imparato a penalizzare i CV che contenevano la parola “women’s”. Gli strumenti che promettevano di misurare le persone meglio degli umani avevano riprodotto gli errori del passato, più in fretta e su scala più ampia.

Per questo Apply New descrive e si rifiuta di dare voti. Niente classifica dei candidati, nessun punteggio: una lista di profili che una persona legge, uno alla volta, per decidere con chi vale la pena parlare. Una pagella chiude la conversazione con un verdetto, mentre un profilo la apre.

Un racconto di te

Il profilo rappresenta su un asse quanto dirigi il modello (istruzioni lunghe e precise, criteri di accettazione) e quanto co-pensi con il modello (turni brevi, domande aperte, il modello usato per capire il problema e non solo per eseguirlo). Chi lavora bene con la macchina fa entrambe le cose, in momenti diversi, e la maturità sta nel sapere quando passare dall’una all’altra.

Il mio numero mi ha sorpreso: 83% co-thinking. Mi raccontavo come uno che dirige il lavoro degli agenti, ma i miei stessi log mi hanno smentito. È il genere di smentita a cui un’autocertificazione non si espone mai, ed è il motivo per cui il profilo è utile prima di tutto a te: ti dice come lavori davvero, e da lì decidi se e cosa cambiare.

E poi c’è quello che racconta a chi assume. Io lavoro contemporaneamente a 24 prodotti con una media di due sessioni l’uno: gestisco un portafoglio di idee e progetti. Un altro candidato concentra 80 sessioni su 9 prodotti: costruisce i progetti nel tempo e li mantiene. Un’azienda che cerca continuità dovrebbe scegliere lui; una che cerca sperimentazione o esplorazione su più fronti dovrebbe scegliere me. Il CV ci avrebbe presentati allo stesso modo, e il colloquio sarebbe partito da zero.

Una macchina che dubita di sé

La parte narrativa del profilo la scrive un modello linguistico, e i modelli linguistici abbelliscono. Con Apply New la macchina si controlla da sola: ogni affermazione verificabile nella prosa viene cercata nei numeri misurati, e se non c’è riscontro viene segnalata prima dell’invio. Sotto il 60% di affermazioni supportate da riscontro nei log l’invio si blocca. Il mio profilo ha chiuso al 96%, e quel numero è visibile a chi legge.

Sulla privacy la regola è una: contare i comportamenti, mai nominare persone, progetti, aziende, informazioni private. Lo strumento è costruito intorno alla norma: consenso esplicito, un umano che legge e decide, alternativa garantita a chi preferisce non usarlo.

C’è un’ultima cosa che il profilo non contiene, ed è forse il punto più importante: i campi su cui nascono i pregiudizi. Titolo di studio, anni di esperienza, età, sesso, foto: rimossi tutti, by design. Nemmeno il cognome arriva a chi legge, resta solo come lavori.

Provalo sulle tue chat

Apply New per ora legge solo i log di Claude Code. Il principio però non dipende dallo strumento: qualsiasi storia di conversazioni con un assistente AI è una forma di comportamento rivelato.

Il prompt qui sotto costruisce la versione ridotta del profilo a partire dalle tue chat con Claude, ChatGPT, Gemini o il tuo assistente AI preferito.

Le chat non registrano dove il lavoro va a finire. Niente commit, niente test fatti girare, niente deploy… È uno schizzo a matita, mentre la versione sui log è una fotografia. Ma per cominciare basta e avanza.

Al prossimo colloquio che faremo in Play New, il profilo del candidato sarà sul tavolo. Il colloquio inizierà da metà strada.

Cerchiamo SuperAgents

Quel colloquio possiamo farlo davvero, adesso. Stiamo cercando SuperAgents per collaborare con Play New: freelance nella zona di Milano, o disponibili a raggiungerci per le giornate di lavoro insieme.

Funziona così:

1. Ti candidi con Apply New: il profilo costruito dai tuoi log è la candidatura, niente CV.

2. Selezioniamo fino a 10 persone per due giorni di formazione con noi, il 2 e 3 luglio, dalle 10 alle 18. Chi partecipa riceve 200 euro di crediti API Anthropic e l’accesso illimitato gratuito alla community SuperAgents.

3. Chi passa la formazione può collaborare con noi, sui progetti di Play New o su quelli dei nostri clienti.

Il tuo profilo cosa dirà di te?
Scoprilo!

Il prompt

Se non usi Claude Code ma vuoi creare un tuo profilo agentico incolla questo testo in una conversazione nuova con il tuo assistente AI (Claude, ChatGPT, Gemini o altro). Se l’assistente può cercare nelle tue conversazioni passate, lascialo fare. Se non può, incollagli tu le 10-15 conversazioni che meglio rappresentano il tuo lavoro:

Costruisci il profilo professionale di chi ti scrive, usando come unica fonte le sue conversazioni con te.
Il profilo deve poter essere condiviso senza esporre nessuno. Quindi:

Niente nomi propri: né aziende, né clienti, né persone, né prodotti. Se nelle conversazioni compare "il rebranding di [nome azienda]", nel profilo diventa "il rebranding di un'azienda di logistica". Conta e descrivi, senza nominare.
Scrivi solo quello che hai letto. Se per una sezione il materiale non basta, dillo: "qui non ho abbastanza materiale". Meglio un buco dichiarato che una frase inventata.
Niente complimenti. Il profilo descrive come la persona lavora, senza dire quanto è brava. Ogni aggettivo di troppo si paga in credibilità.
Nessuno stile di lavoro è migliore di un altro. Chi dà istruzioni dettagliate e chi ragiona ad alta voce con il modello sono due modi di lavorare: il tuo compito è dire quale hai davanti, e quando la persona passa dall'uno all'altro. Niente classifiche.


Procedi così:

Guarda cosa hai a disposizione: quante conversazioni, di che periodo, quanto lunghe. Lo scriverai in testa al profilo, così chi legge sa su cosa poggia.
Raggruppa le conversazioni in 3–5 ambiti di lavoro o di interesse, con la quota approssimativa di ciascuno. Separa il lavoro dagli interessi personali, se la differenza si vede.
Osserva come la persona usa il modello. Dà istruzioni lunghe e precise o fa domande aperte? Su quali temi l'una e su quali l'altra? Torna più volte sugli stessi argomenti o tocca molti temi una volta sola? E quando il modello sbaglia, come reagisce?
Se le conversazioni coprono più mesi, guarda cosa è cambiato: temi nuovi, parole nuove, richieste diverse. Segnala un cambiamento solo se hai esempi da periodi diversi.
Prima di consegnare, rileggi ogni affermazione e chiediti: da quale conversazione viene? Quelle che restano senza risposta, tagliale. Dichiara quante ne hai tagliate.


Il profilo finale parla alla persona, con questi titoli in seconda persona:

Cosa ho potuto osservare — periodo, numero di conversazioni, cosa il materiale non permette di vedere
Su cosa lavori — i 3–5 ambiti, con le quote
Come ragioni — come scomponi i problemi, cosa chiedi di verificare, come reagisci agli errori del modello
Come usi il modello — istruzioni dettagliate o ragionamento ad alta voce, e su quali temi cambi modo
Come distribuisci l'attenzione — pochi temi in profondità o molti temi in larghezza
Cosa è cambiato nel tempo — solo se supportato da esempi
Cosa questo profilo non può dire di te — sezione obbligatoria. Un profilo che tace i suoi limiti vale poco.


Dopo la consegna, chiedi alla persona dove non si riconosce, e parlatene un punto alla volta. Il profilo è suo: lo può correggere, condividere o tenere per sé.
Infine ricordale che questo profilo non serve solo a candidarsi: è un modo di conoscersi. Suggerisci tu un punto da cui potrebbe partire per migliorarsi o per espandersi, a partire da quello che hai letto.

Per iniziare: chiedi se puoi cercare nelle conversazioni passate o se preferisce incollarti quelle rappresentative.

L’intervista dura quarantacinque minuti. Sotto il video trovate i nodi principali, ancorati al minutaggio per approfondire.

Le due curve

Da dicembre 2025 in poi i modelli hanno fatto un salto di capacità incredibile. Ore di lavoro umano collassano in minuti di chiamate ai tool. Un medico, un legale, un programmatore si rendono conto che gran parte di quello che era il loro lavoro può essere delegato alla macchina.

Se il costo di far produrre qualcosa alla macchina sta crollando, il costo di capire se quello che il modello produce è vero resta invariato. Verificare un referto medico, validare un parere legale, leggere il codice generato richiede ancora tempo umano. Gli output sono plausibili, hanno un vocabolario evoluto che fa sembrare le cose stabili, ma sotto la superficie di eloquenza ci sono problemi reali.

Christian chiama questa distanza tra costo di produzione e costo di verifica measurability gap. Tutti noi ci troveremo a dover scegliere tra velocità a scapito della verifica, o verifica a scapito della velocità. Secondo Christian, la seconda scelta sarà più vantaggiosa e redditizia nel medio-lungo periodo.

Cope

A metà conversazione Simone porta sul tavolo il post di Jack Dorsey From Hierarchy to Intelligence. Dorsey propone di decomporre l’organizzazione in capability modulari, con due ruoli umani che resistono all’agentificazione: l’Individual Contributor (IC) con taste e il Directly Responsible Individual (DRI) con accountability. La domanda di Simone per Christian è diretta: ti ci ritrovi?

Taste, judgment, curation, dice Christian, sono tutte parole di cope, ovvero alibi che ci raccontiamo per non vedere quanto sono capaci questi modelli.

Chi ha buon gusto e chi ha cattivo gusto? Dipende dall’ambito culturale, dall’epoca, dall’osservatore. Sono categorie imprecise per definizione. L’unica strada per ragionare con rigore è cambiare la domanda. Smettere di chiedersi cosa è umano e iniziare a chiedersi cosa è misurabile.

Misurazione e automazione

Tutto quello che è misurabile sarà automatizzato. La macchina, se ha i dati giusti, replica il comportamento.

Il caso della guida autonoma è la prova più lampante. Per anni ci è sembrato un problema irrisolvibile: troppo umano, troppo legato a contesti imprevedibili come le strade italiane, dove i pedoni attraversano dove vogliono e i segnali servono al massimo come suggerimento. Christian si ricorda le conversazioni in famiglia dove gli dicevano che in Italia il self driving non avrebbe mai funzionato. Oggi Waymo e Tesla guidano in qualsiasi ambiente (in Italia ancora no, ma il pattern regge: una volta appreso in un contesto, si propaga rapidamente). I dati assicurativi americani sulla guida autonoma mostrano meno incidenti rispetto alla guida umana. Una volta accumulati abbastanza chilometri di esperienza, il pattern viene sempre replicato.

Lo stesso, secondo Christian, succederà a qualsiasi professione il cui output può essere etichettato e classificato.

Cosa non si automatizza

Resta fuori dall’automazione tutto quello che è strutturalmente non misurabile. Secondo Christian parliamo di due ambiti.

Il primo è quello che Frank Knight, economista degli anni Venti, ha chiamato uncertainty in contrapposizione a risk. Nel rischio sai quali sono le probabilità degli esiti possibili, e la macchina replica lo scenario senza problemi. Nell’incertezza non sai nemmeno quali probabilità assegnare, perché l’ambiente cambia troppo rapidamente. Gli shock dei mercati finanziari e quelli geopolitici sono casi di Knightian uncertainty. La neocorteccia umana, dice Christian, si è evoluta per ambienti di questo tipo: riformulare i vincoli quando il vecchio modello del mondo smette di funzionare, e costruire al volo una visione che regga.

Il secondo ambito riguarda tutte le realtà oggettivamente non misurabili: arte, filosofia, religione, qualunque cosa il cui valore dipende dal consenso sociale che si forma intorno a quella cosa. Qui i modelli sono utili, ma da soli non bastano. Il prodotto richiede una community che si riconosca in quel prodotto, e la community richiede relazione umana. Eppure, anche qui Christian invita a non lasciare spazio alle illusioni: il costo del contatto umano è 10, 100 volte superiore a una conversazione con un LLM, e le persone stanno già usando i modelli per cose molto personali dove pochi mesi fa avremmo giurato di voler un umano dall’altra parte.

L’AI Sandwich

Da queste premesse Christian costruisce un’architettura del lavoro a tre livelli, che chiama AI Sandwich.

Sopra c’è il director, cioè il ruolo che decide cosa va perseguito e cosa abbandonato. Christian lo ispira esplicitamente al regista di Hollywood o all’imprenditore. Un director prende molte decisioni diverse, ma la più importante è decidere la direzione e capire se il progetto si sta muovendo dove deve.

Nel mezzo del sandwich ci sono gli agents, con i modelli che eseguono task specializzati, dal product al marketing, dall’engineering al finance. Il director coordina uno swarm di agenti, invece di un team di persone.

Sotto, e per Christian è il livello più interessante, c’è la verification, dove esperti di dominio decidono se l’output è sicuro, attendibile, rilasciabile. Sono i professionisti iper-specializzati che oggi chiamiamo senior: medici con vent’anni di reparto, ingegneri con abbastanza esperienza da riconoscere al volo un sistema mal progettato. Nel paper Christian va oltre e identifica un terzo ruolo che è una variante del verifier: il liability underwriter, chi è in grado di assumersi formalmente la responsabilità dell’output e assicurarne le conseguenze.

La maledizione del codificatore

Ogni volta che usate il modello, lasciate una label: ogni correzione, ogni rifinitura, ogni “no, fai così” è un dato di training per la prossima generazione di modelli.

Christian lo chiama codifier’s curse. Le aziende AI stanno assumendo esperti di dominio per fare training dei modelli, e nella prossima iterazione quei modelli faranno il lavoro che oggi pagano.

La finestra di valore per i professionisti esperti come verifiers si apre adesso, ma si chiude nel momento stesso in cui viene svolta. Mentre lavoriamo per allenare la macchina, stiamo anche creando le condizioni per renderci sostituibili.

Anche la creatività è ricombinazione

Il mantra che si ripete da mesi nelle redazioni e nelle agenzie è che la creatività sopravviverà. In realtà la maggior parte delle iniziative creative, così come molte innovazioni scientifiche sono ricombinazioni di concetti tra settori diversi: una scoperta in biologia applicata al computer science, un breakthrough che capita per serendipity a qualcuno che ha una doppia formazione. Molte intuizioni creative sono punti su una mappa di coordinate. I modelli stanno imparando a esplorare quella mappa con una velocità che gli umani non potranno mai replicare. Quello che rende unico un artista è essere stato esposto a influenze rare, posizionarsi su coordinate sensoriali che gli altri non hanno mai esplorato. Alcuni di questi artisti, dice Christian, hanno avuto vite difficili che li hanno trasformati: i loro weights sono diversi dalla media.

I modelli riescono a ricreare gran parte di questa diversità, e democratizzano la produzione creativa. Un ragazzino può oggi produrre un trailer di qualità Hollywood in poche ore davanti a un computer. Una notizia positiva, ma anche un fatto economico: gran parte di quello che chiamavamo creatività era ricombinazione, e i modelli ricombinano meglio di noi a parità di tempo. Netflix sa esattamente in che minuto lo spettatore ha fermato il telefilm, e quel dato disegna già le sceneggiature successive.

Significato e politica

Verso la fine Simone del podcast introduce una riflessione che porta il pezzo fuori dall’economia. Some Simple Economics of AGI è un titolo che chiede una controparte: dove sono i Simple Politics of AGI?

Christian è d’accordo e ha un’opinione precisa su molti aspetti politici, incluso l’UBI. Il reddito universale di base, dice, è un’idea terribile per ragioni antropologiche prima che economiche. Le persone hanno bisogno di significato, e una delle ragioni per cui il lavoro è stimolante è perché può aiutarci a creare significato. Un mondo in cui ognuno riceve un assegno mentre i modelli fanno il resto è un mondo infelice. Le alternative esistono, dice Christian: in una società dove il lavoro pesa meno potremmo dedicare tempo a cose che oggi trascuriamo. Quello che serve sono istituzioni nuove: training pubblico, percorsi di reskilling per chi è già nel mercato del lavoro, e soprattutto un nuovo contratto sociale.

La transizione sarà turbolenta in ogni caso. Si fronteggiano da una parte chi vuole distruggere i data center senza vedere che la stessa tecnologia può alzare il livello dei servizi pubblici a un grado che oggi sembra impensabile, e dall’altra chi accelera senza preoccuparsi delle conseguenze sociali. La conclusione di Christian, ripetuta più volte nell’intervista, è che non c’è altra opzione che accogliere la tecnologia: nascondersi sotto una roccia non può funzionare.

Smettetela di chiedere ai bambini cosa vogliono fare da grandi.

Lo dico da padre di due figli, e da esploratore di come cambia il lavoro: è la domanda peggiore che possiamo fare, anche se la facciamo con tono gentile e con le migliori intenzioni.

“Cosa vuoi fare da grande” dice al bambino che la sua vera vita comincerà dopo, quando sarà grande. Ma “grande” è un traguardo che si sposta: a sei anni viene immaginato come dodici, a dodici come venti, a venti come trenta. Te ne accorgi solo da adulto, quando arrivi a un’età in cui credi di esserci arrivato finalmente, ma scopri che la parola “grande” è stata usata, anno dopo anno, per dirti che il tuo presente da bambino non contava abbastanza.

Nel frattempo quella domanda ti ha imposto una scelta. Ti ha insegnato che esista una professione adulta che ti aspetta da qualche parte, una sola, da trovare presto e da difendere per la vita. E ha svalutato quello stavi facendo, o che volevi fare da bambino.

Quella domanda, ripetuta centinaia di volte nei primi quindici anni di vita, è il software che ti hanno installato in testa prima che potessi opporti, e che continuerai a installare nella testa dei tuoi figli finché non scegli di agire diversamente.

La scuola del come

La parola scuola, in greco antico, era skholē, e significava tempo libero: il tempo dei cittadini liberi, sottratto al lavoro, dedicato al pensiero. Adesso la scuola fa il lavoro contrario, cioè prepara al lavoro.

Funziona così. Il bambino entra alla scuola materna a tre anni e ne esce a venticinque, se va all’università o fa un master, dopo aver imparato a scrivere, leggere e contare, a riconoscere i secoli e i fiumi, a tradurre dal latino o risolvere equazioni, dopo aver scelto l’indirizzo della secondaria a undici e deciso a quattordici se diventerà liceale, tecnico o professionale, momento in cui il sistema gli ricorda che esistono carriere alte e carriere basse e che il prestigio è una variabile del percorso. A diciannove c’è l’università, a ventidue il master, tra i ventitré e i ventisei il tirocinio. Da lì il nostro giovane adulto entrerà nel mondo del lavoro, perché avrà finalmente imparato le basi di come farlo. In azienda continuerà ad affinare il come del lavoro, ad aggiornarlo, certificarlo, metterlo sul CV.

Quando un adulto si abbassa ad altezza di bambino e gli chiede “cosa vuoi fare da grande” lo sta orientando verso un menù scritto da altri: astronauta, dottore, avvocato, ingegnere, calciatore, veterinario, YouTuber... E il bambino capisce in fretta: la sua risposta deve appartenere a quel menù.

Fino a quando…

Esprimi un desiderio

Alberto Romero scrive che l’AI è la cosa più simile a una lampada di Aladino.

La lampada inverte il rapporto tra cosa e come. Il genio non si interessa al tuo piano di esecuzione, ai tuoi master, alle tue esperienze pregresse: ti chiede cosa vuoi, e poi se ne occupa lui. Di fronte al genio della lampada il tuo lavoro cambia: non è faticoso né importante sapere come il genio realizzerà i tuoi desideri, ma è importante e difficile scegliere cosa vuoi.

L’AI è la lampada di Aladino. Il valore di esecuzione, la maggior parte di ciò che le scuole hanno insegnato a generazioni di studenti, è delegato a un sistema che costa come un abbonamento mensile a Netflix.

La voce del CV che descriveva il tuo come ha cominciato a essere replicabile. Non tra dieci anni… Adesso, mentre stai leggendo questa frase, mentre i tuoi figli scelgono le scuole superiori, mentre il capo HR della tua azienda finisce di assumere colleghi usando criteri già obsoleti.

Sei diventato bravo nella cosa sbagliata, dice Romero. E tuo figlio sta studiando la stessa cosa sbagliata, dentro un sistema scolastico che continua a produrre specialisti del come per un’economia che del come ha ogni mese meno bisogno. La domanda che ti hanno fatto a sei anni, e che tu adesso fai a lui credendo di interessarti al suo futuro, è stata progettata per un mondo che si è già dissolto.

Il filtro interiore

Se il come diventa accessibile, l’unica cosa che conta è cosa scegli di farci: cosa ti piace, cosa non sopporti, cosa ti sembra inutile o brillante, cosa vorresti che esistesse nel mondo e ancora non c’è.

Si chiama gusto, in mancanza di una parola italiana migliore. Suona quasi superficiale, evoca al massimo l’arredamento di una casa o la scelta di un vino, e forse per questo l’abbiamo lasciato fuori dalla scuola.

È quello che Rick Rubin descrive nel suo libro L’atto creativo. Rubin non sa suonare uno strumento, non legge la musica, in studio non tocca la console di registrazione. Eppure ha prodotto Run-DMC, Johnny Cash, Adele, Metallica, i Red Hot Chili Peppers e una parte importante della musica americana degli ultimi quarant’anni. La sua risposta a chi gli chiede cosa faccia in studio è una sola: so che cosa mi piace e che cosa no, e su questo sono molto deciso.

Rubin si occupa del cosa, mentre il resto del mondo si occupa del come. Tutti noi stiamo arrivando al cosa solo adesso, e ci arriviamo spaesati, perché il cosa funziona diversamente da tutto quello che abbiamo imparato finora. La domanda sul cosa non si rilascia, non si certifica, non si compra: si forma nel tempo, dentro la propria necessità, contro la propria pigrizia, e non c’è scuola che possa formularla al posto nostro.

Il gusto non si scarica. Non basta esporsi agli stimoli per svilupparlo. Puoi leggere mille libri, guardare diecimila film, visitare cento città ed essere ancora un turista di te stesso. Hai bisogno di un filtro che si forma facendo, si calibra quando si scontra con il mondo, si verifica nella conseguenza delle tue scelte e dei tuoi errori.

E lo strumento migliore per dargli forma si chiama progetto, cioè la cosa che inizi, porti avanti, fai vedere a qualcuno, lasci entrare nel mondo. Hobby e passioni restano spesso private, mentre il progetto arriva agli altri, e dal feedback degli altri arricchisci la tua capacità di filtrare gli stimoli intorno a te.

La domanda “cosa vuoi fare” non te la fai una volta sola. Dovresti fartela ogni settimana, ogni mese, per ogni progetto.

Le nuove regole del lavoro

Per i genitori

La domanda da fare ai vostri figli non è cosa vogliono fare da grandi, ma che cosa vogliono fare oggi, questa settimana, dentro il progetto o il gioco che hanno appena cominciato. Quello che va stimolato in loro è la capacità di porsi e riporsi la domanda. Una professione scelta a quattordici anni serve a poco, in un mondo in cui le professioni si trasformano più velocemente di quanto le scuole riescano a tenere il passo. Date ai vostri figli tutti gli strumenti, lo spazio per sbagliare, un feedback per migliorare. Il resto lasciatelo a loro.

Per il professionista

La domanda “che cosa vuoi fare” vale anche per te, e a quarantacinque anni è scomoda e importante quanto lo è a sei. Pensaci ogni settimana e lascia perdere le pianificazioni di carriera a quindici anni di distanza. Scommetti su un progetto, poi su un altro, poi su un altro ancora. La tua identità professionale oggi è la sequenza dei progetti a cui hai partecipato, o dei quali sei stato responsabile. La posizione conquistata e difesa appartiene a un altro tempo, quello in cui le persone restavano nella stessa azienda venticinque anni e ricevevano un orologio d’oro quando andavano in pensione.

Per gli imprenditori

State ancora assumendo le persone valutando i loro anni di esperienza, i titoli, le certificazioni, le competenze? Cambiate il filtro: guardate i loro progetti. Chiedete che cosa hanno costruito e con chi. Il CV come lo conosciamo è una mappa del passato, costruita per filtrare persone in un mercato che le selezionava sulla capacità di eseguire. Quel mercato non esiste già più.

Quando chiedi al sistema AI con cui stai lavorando una decisione importante, e quel sistema sa chi sei e che cosa vuoi, la risposta che ricevi ha una qualità superiore. Quello che ottieni è consulenza: un servizio che fino a ieri si pagava e oggi è quasi gratuito.

Nell’era dei contenuti eravamo noi a dover adattare ciò che consumavamo al nostro contesto. Articoli, libri, tutorial, video erano prodotti per un pubblico astratto, e il lavoro di traduzione lo faceva ognuno per sé. Quel lavoro, che a molti costava più dell’informazione stessa, era ciò che rende la consulenza personalizzata un bene di lusso. Oggi, nell’era dell’intelligenza, il lavoro lo fa il sistema, in tempo reale, e lo fa tanto meglio quanto più conosce di te. Il valore migra dalle istruzioni alla loro personalizzazione.

Il prezzo del contesto

Questo nuovo valore esiste a una sola condizione: il sistema deve conoscerti, e tu devi essere disposto a cedergli quello che gli serve per conoscerti. Cedere contesto significa cedere le informazioni più importanti su di te, la materia interna della tua vita. È il materiale che il sistema usa per personalizzare, e che diventa il suo asset.

Il prezzo monetario di questa nuova consulenza tende a zero. Il prezzo in contesto è alto, e quasi mai viene dichiarato esplicitamente. Il modello di scambio è inedito: paghi un servizio con informazione su di te, in continuo, e il fornitore accumula quel pagamento come asset proprio, che cresce di valore a ogni interazione. È un rapporto cliente-fornitore che non aveva equivalenti nella società industriale, dove il pagamento si esauriva nella transazione e l’asimmetria informativa restava limitata.

La fiducia è il moltiplicatore

Il valore reale che il sistema può portarti dipende dalla quantità di contesto che gli affidi. La quantità di contesto che gli affidi dipende dalla fiducia che hai nel modo in cui quel contesto sarà trattato. La fiducia funziona da moltiplicatore: senza fiducia il modello resta superficiale, con fiducia raggiunge la sua piena capacità di servizio.

Questo è il rovesciamento che la maggior parte del dibattito sull’AI ancora non vede. La fiducia smette di essere argine difensivo contro l’estrazione abusiva: diventa la condizione che abilita il valore. Un sistema di cui non ti fidi vale poco, perché non riceve il contesto che lo farebbe valere molto. Un sistema di cui ti fidi accede al contesto profondo, e in cambio ti restituisce un servizio che storicamente era riservato a chi poteva permettersi rapporti personalizzati a costo elevato.

Chi costruisce sistemi di cui ci si può fidare abilita un livello di servizio che gli altri non possono offrire. Chi non li costruisce fa estrazione, e sul medio termine crea le condizioni per il proprio fallimento di mercato. La fiducia è asset che si costruisce in anni di pratica coerente e si distrugge in giorni di mala gestione. Quando l’asimmetria del rapporto diventa visibile, la fiducia si ritira, e con essa il valore che il modello poteva generare.

La risorsa scarsa

L’intelligenza, in senso operativo, sta diventando una commodity. Costa poco, è ovunque, ogni mese di più. Quello su cui l’intelligenza opera, in qualsiasi applicazione di valore, è il contesto specifico di chi la usa, e la qualità del servizio che produce cresce in proporzione alla profondità del contesto disponibile. Per questo il contesto, ricevuto in cambio di servizio, è diventato la materia prima del mercato.

In questa configurazione la fiducia diventa la risorsa scarsa. Scarsa perché difficile da costruire e facile da distruggere. Scarsa perché il mercato la pagherà a multipli crescenti quanto più cresce il valore che il modello può generare a partire dal contesto che riceve. Più diventiamo dipendenti dalla qualità del servizio personalizzato che l’AI può darci, più la fiducia in chi gestisce il sistema diventa l’asset strategico che decide chi accede al contesto profondo.

Le aziende che oggi stanno costruendo interfacce con la proprietà di catturare contesto stanno definendo le condizioni di accesso al mercato dei prossimi dieci anni. La pubblicità non può replicare quello che la fiducia tecnicamente garantita rende possibile, perché la fiducia di cui parliamo non è una promessa, ma un’infrastruttura tecnologica verificabile.

La domanda che orienterà molte decisioni private e professionali nei prossimi anni riguarda a chi cedere il proprio contesto, con quali garanzie verificabili, e con quale possibilità di smettere quando si vuole. Cedere contesto è ormai parte del modello, e rinunciarci significa rinunciare al valore che il sistema può portare. L’intelligenza è gratis; la fiducia costa sempre di più.

“Dobbiamo fare in modo che i clienti costruiscano davvero insieme a noi, e che ci vedano come un insieme di capability da utilizzare per realizzare i loro desideri in modo rapido, semplice, di valore.”

In una frase, Jack Dorsey ha ridefinito tre cose insieme: cos’è un prodotto, cos’è un’organizzazione, e che ruolo hanno i clienti/utenti.

Per duemila anni un prodotto è stato un oggetto finito: una sedia, una macchina, un servizio bancario, un’app. L’organizzazione lo progetta, lo costruisce, lo consegna e il cliente lo usa. Tra le due parti corre una linea che ha definito l’economia industriale, dal Settecento a oggi.

Il prodotto contemporaneo cambia natura: diventa la composizione momentanea di capability che un’organizzazione presenta a un utente specifico, in risposta a un desiderio specifico, in un momento specifico. Lo stesso prodotto, di fronte a un desiderio diverso, presenta una composizione diversa delle stesse capability. Non si tratta di personalizzazione: il prodotto esiste come potenziale dentro l’organizzazione e prende forma quando viene richiesto. Prima della richiesta, non c’è.

L’organizzazione è l’insieme delle sue capability

Se il prodotto è una composizione di capability, lo è anche l’organizzazione che gli sta dietro. Le persone che lavorano nell’organizzazione smettono di essere assegnate a un prodotto e diventano custodi di capability. Il loro lavoro non è eseguire un piano top-down, ma tenere viva una capability che sarà richiesta dagli utenti/clienti, in risposta a desideri che possono non essere ancora articolati dall’organizzazione.

L’organizzazione che si pensa così non pianifica più la propria roadmap come atto di volontà del management: la scopre, capability dopo capability, attraverso le richieste che arrivano dall’esterno. La sua visione si verifica e si arricchisce nel momento in cui incontra i desideri dei suoi utenti/clienti.

L’utente è dentro la rete produttiva

Quando un utente apre un’interfaccia conversazionale e descrive in linguaggio naturale quello che vuole, fa due cose:

1. chiama una composizione di capability esistenti, e la usa

2. se il suo desiderio non trova nessuna composizione disponibile, indica all’organizzazione le capability che potrebbe sviluppare

Questa seconda attività cambia la natura del rapporto tra organizzazione e utente. Ogni desiderio non soddisfatto articolato in interfaccia è una richiesta di una nuova capability all’organizzazione. È l’utente a dire cosa serve, a definire la roadmap: non con sondaggi, form o recensioni, ma con delle conversazioni che avvengono nel momento esatto in cui il desiderio prende forma.

L’utente che svolge questa funzione smette di essere un cliente. Diventa un nodo della rete produttiva dell’organizzazione, alla pari di chi lavora nel team interno. La distinzione tra dentro e fuori, tra chi produce e chi consuma, si dissolve. E questo è possibile per un fatto tecnico: l’AI e la sua interfaccia conversazionale sono il punto dove consegna e ricezione di informazioni avvengono nello stesso istante, sullo stesso layer, attraverso lo stesso canale.

La distribuzione del valore

Il valore generato dagli utenti contributori non torna indietro automaticamente. Senza un meccanismo esplicito, resta dove arriva per primo, cioè all’organizzazione.

Le forme di redistribuzione del valore che conosciamo hanno già mostrato i loro limiti. La platform economy ha catturato privatamente il valore generato da miliardi di utenti, redistribuendone una frazione a una élite. La creator economy ha aperto canali monetari a chi produce contenuti, ma sempre dentro logiche di intermediazione e algoritmo che decidono chi vede cosa. L’open source ha costruito infrastrutture critiche del software contemporaneo affidandosi alla contribuzione volontaria, con problemi noti di manutenzione. La blockchain ha tentato di codificare nei protocolli stessi la proprietà distribuita: in alcuni casi ha funzionato, in molti altri ha generato speculazione.

La mia posizione è che la redistribuzione non deve essere necessariamente monetaria. Probabilmente nei prossimi anni il denaro sarà solo una delle forme con cui circola valore tra organizzazioni e contributori. Riconoscimento esplicito, accesso privilegiato, partecipazione, proprietà parziale via quote o token, restituzione in servizi: sono forme legittime, e nessuna è ovvia per un’organizzazione costruita nel modello industriale del Novecento.

Ma il meccanismo di redistribuzione deve esserci, e deve essere esplicito. Senza un meccanismo dichiarato e verificabile, l’organizzazione resta estrattiva, anche se il suo linguaggio si veste di cooperativismo, di valore condiviso, di purpose. La verifica passa da tre domande, e queste tre domande sono il lascito operativo di questo pezzo:

1. Chi decide cosa fare con il valore generato dalla rete? (Governance)

2. Chi vede i flussi di valore in entrata e in uscita? (Trasparenza)

3. Chi possiede gli asset costruiti collettivamente, dai dataset ai modelli ai marchi? (Proprietà)

Se le risposte a queste tre domande non includono i contributori, l’organizzazione è estrattiva, indipendentemente da come si descrive.

Le organizzazioni che capiranno questa cosa per prime tratteranno il loro modello di redistribuzione come un asset strategico. Per le altre, arriverà il momento in cui i contributori smetteranno di contribuire, oppure inizieranno a chiedere il conto.

Una buona parte del valore che muove il mondo non viene catturato dal PIL, ma non per questo non è valore.

Wikipedia è scritta da contributori volontari e il suo sapere resta a disposizione di tutti. La conoscenza scientifica avanza grazie alle peer review di ricercatori non pagati e diventa patrimonio comune. Il software open source è l’infrastruttura su cui poggia gran parte dell’economia digitale, e nessuno lo possiede.

Cucinare, lavare, tenere insieme una famiglia, crescere un figlio. Stare accanto a un genitore che nemmeno sa più chi sei. Le donne hanno tenuto in piedi il Novecento facendo queste cose senza essere pagate, e una parte enorme del lavoro di cura continua a funzionare nello stesso modo. Senza questo lavoro invisibile non ci sarebbe niente di quello che chiamiamo società.

Il volontario alla mensa la domenica mattina, la vicina che porta la spesa al pensionato del piano di sotto, l’amica al telefono alle tre di notte, il fratello maggiore che fa i compiti al piccolo. In italiano li chiamiamo gesti di gentilezza, ma sono veri lavori su cui si reggono le nostre comunità.

Tutto questo valore che il PIL non vede torna sempre alla rete che lo ha prodotto. Resta nelle famiglie, nei quartieri, nei saperi condivisi, nelle infrastrutture comuni.

Ma esiste anche un altro valore che il PIL non vede, quello che non torna ai lavoratori che lo producono.

Il moderatore che anima una community per anni, e poi la scopre venduta a OpenAI. L’illustratrice i cui quadri hanno addestrato un modello che oggi compete con lei. Lo sceneggiatore che trova le sue battute in un dataset, senza averlo permesso. L’utente che corregge un chatbot mille volte, per renderlo mille volte più rapido e capace di lui. Il paziente che alimenta un modello sanitario di un’azienda privata. Sono tutti lavoratori: producono valore, ma qualcun altro lo cattura.

Per un secolo e mezzo abbiamo chiamato lavoro quello dentro un contratto. Quel tipo di lavoro esiste ancora e mai come oggi ha bisogno di essere difeso. Ma il valore prodotto fuori dal contratto è enorme e continua ad aumentare. Dove andrà a finire?

La mia risposta possibile è una sola: redistribuzione. Redistribuire vuol dire riconoscere che il valore prodotto da una rete deve tornare, in qualche forma, alla rete che lo ha prodotto. Per i commons e le reti di solidarietà o di cura la redistribuzione avviene in modo naturale, ed è bellissimo. Per le interfacce, i dataset, le community e le piattaforme, invece, la redistribuzione deve diventare il modello economico esplicito. Non è una concessione che le organizzazioni ci faranno per generosità. È una richiesta che cominceremo a fare, e poi a pretendere. Sta già accadendo con gli sceneggiatori, con gli artisti, con gli autori. Accadrà ovunque qualcuno contribuisce a qualcosa che qualcun altro tiene per sé.

Basta comportarci da utenti o consumatori. Pensiamoci co-produttori, co-creatori, collaboratori. E iniziamo a chiedere il conto.

Il lunedì c’è una riunione delle tribe. Due volte all’anno c’è un offsite in un agriturismo. Sul muro dell’ingresso ci sono i valori, ben impaginati, con il font corretto. In Slack esiste un canale #random dove i manager postano la foto del cane.

Le chiamano community, ma sono solo aziende le cui “culture” sono diventate trucchi con cui prendersi una parte di identità che dovrebbe restare tua.

C’è vita oltre all’azienda

Pensa a come scegli di stare nelle community fuori dal lavoro. La tua famiglia, il gruppo degli amici, la squadra di calcetto, il club del libro, il volontariato, il quartiere dove abiti. Non hai mai firmato un contratto con nessuno di questi gruppi. Partecipi con intensità diverse, in momenti diversi della tua vita. Puoi essere il centro del gruppo dei tuoi amici per tre anni e poi diventare quello che vede gli altri ogni due mesi, senza che questo distrugga il vostro legame. Nessuno ti chiede di scegliere tra la famiglia e la squadra di calcetto. Sono mondi paralleli, e ognuno contribuisce a farti diventare la persona che sei.

La mia ipotesi è che il lavoro debba diventare così. Che un individuo possa partecipare a più organizzazioni con gradi di adesione differenti, esattamente come fa fuori dal lavoro, e che questo lo renda una persona più ricca e un professionista più utile. Per se stesso, e per le organizzazioni a cui contribuisce.

L’identità come ricerca

Le aziende non sono community per due motivi. Il primo è che non hanno un’identità; il secondo è che trattano l’adesione come un interruttore, on o off, dentro o fuori.

Quando un’azienda scrive i suoi valori o pubblica il manifesto della sua cultura non sta definendo un’identità. L’identità di una community non è una lista di parole o aggettivi. È l’ampiezza del problema che sta cercando di risolvere, la portata del percorso di esplorazione che ha deciso di intraprendere, la lunghezza dell’infinite game che vuole giocare.

Più il problema è grande, più il percorso è lungo, più la ricerca è onesta, più la community attira persone che vogliono portare un pezzo a quella ricerca. Wikipedia vuole rendere accessibile la conoscenza umana, Linux vuole costruire un sistema operativo aperto e di qualità: sono ricerche talmente grandi da non essere completabili da una singola entità, e talmente chiare da permettere a chiunque di capire come contribuire.

Una ricerca vera si riconosce da tre cose:

1. Si vede nel bilancio, perché l’organizzazione deve investirci soldi e non solo parole

2. Si vede nelle connessioni che costruisce e nella profondità culturale di quello che produce

3. Si vede dal suo percorso evolutivo continuo

Se una di queste tre cose manca, la ricerca è cosmetica. E la cultura aziendale è quasi sempre cosmetica: non nasce da un desiderio di esplorare e risolvere un problema, ma da una necessità pratica di mercato, che ha a che fare con pressioni specifiche: talent acquisition, talent retention e posizionamento verso il mercato e gli investitori.

Gradi di membership

Ti racconto come stiamo costruendo Cosmico-come-Community, perché è il modo più semplice di spiegare concretamente quello che intendo.

Immagina Cosmico come una serie di cerchi concentrici.

Nel cerchio più largo ci sono le persone che ci ascoltano: ci seguono sui social, leggono quello che scriviamo e pensano che Cosmico sia un esperimento sociale o una piccola media company sul lavoro. Il loro contributo è la loro attenzione.

Un passo più dentro ci sei tu, con gli iscritti alla newsletter Work After e alla piattaforma online, che avete scelto di ricevere quello che produciamo e rispondete, commentate, condividete e partecipate ai nostri eventi.

Ancora più dentro ci sono le persone che si sono dichiarate desiderose di collaborare con noi, e che ci hanno dato informazioni su di loro per essere coinvolte in progetti con i clienti.

Tra di loro esistono già ulteriori gradi. I mentor sono professionisti più avanti nel percorso che hanno scelto di dare gratuitamente una parte del loro tempo ad altri della community. I coordinatori locali stanno attivando community di Cosmico nelle loro città e organizzano gli eventi sul territorio.

Poi c’è il team esteso, con i collaboratori che partecipano ai progetti dei clienti. E il core team, con i fondatori e le persone che ogni giorno tengono insieme la struttura di Cosmico.

E ci sono anche gli advisor, gli investitori, i professionisti e i creator di Flatmates e di Creative Harbour. Anche i clienti fanno parte della community, perché scelgono di aderire con diversi gradi di coinvolgimento, dalla collaborazione alla partecipazione alle nostre iniziative di formazione ed eventi.

È una rappresentazione a cerchi. Al centro c’è chi definisce il percorso di ricerca e intorno, attratti magneticamente da questa ricerca, ci sono persone con gradi diversi di partecipazione, ognuno con ruoli, permessi e tipi di contributo riconoscibili.

Nessuno di questi cerchi funziona come un’assunzione tradizionale. Nessuno è obbligato a stare, l’accesso è libero, i permessi crescono con il contributo.

Gig economy? No grazie

Quindi stai travestendo la precarizzazione da liberazione? Stai dicendo alle aziende che non devono più assumere persone, e ai lavoratori che devono accettare di essere collaboratori part-time di dieci entità diverse?

No.

La gig economy frammenta e scarica il rischio sul lavoratore. Ti paga a prestazione, ti nega le tutele, ti chiede disponibilità totale in cambio di zero stabilità. La community con gradi di membership fa l’opposto: accoglie intensità di partecipazione diverse senza chiedere devozione, e riconosce che ogni grado ha un contributo e un valore.

Le organizzazioni del Novecento hanno costruito la loro identità sull’idea che il dipendente ideale fosse quello che si identificava al 100% con l’azienda. Quella pretesa oggi non regge più, e non per colpa dei lavoratori. Non regge perché le organizzazioni hanno bisogno di recettori di segnali che interpretino il mondo e restituiscano all’organizzazione informazioni che da sola non riesce a cogliere, e di cui avrà sempre più bisogno. Le persone con uno sguardo ampio sono più utili delle persone con uno sguardo devoto. E lo sguardo ampio si costruisce attraversando più entità, non sposandone in una sola.

L’azienda che pretende devozione si auto-limita, ripete se stessa, non si contamina. L’individuo che dà devozione a una sola entità si impoverisce, perde i contesti che lo aiuterebbero a vedere meglio anche l’entità principale a cui appartiene. Wikipedia, Linux, la scienza moderna funzionano perché chi contribuisce ha altri pezzi di vita, altre competenze, altri contesti. Se tutti i contributori di Wikipedia facessero solo Wikipedia, Wikipedia sarebbe molto peggiore di com’è.

Le nuove regole del lavoro

Per te

Attraversa più community
Non una sola azienda, non un solo ambiente, non un solo gruppo di colleghi. Ogni appartenenza ti dà uno sguardo in più, e lo sguardo in più è quello che ti rende utile.

Scegli l’intensità con cui partecipi
Non tutte le community richiedono lo stesso livello di coinvolgimento, e la tua energia non è infinita. Identifica dove vuoi stare al centro e dove in periferia.

Verifica l’identità, prima di aderire
Quando stai per unirti a un’organizzazione chiediti qual è il problema che vuole risolvere, quanto è onesta la sua ricerca e quanto è capace di evolvere costantemente. Guarda dove investe i soldi, che cosa pensa, con chi dialoga. Se la cultura sta solo impaginata bene sul sito, passa oltre.

Per le organizzazioni

Definite la vostra ricerca
Non i valori, non la mission, non il tone of voice. La ricerca: qual è il problema grande che state cercando di capire e affrontare, quanto è lungo il cammino, quanto sarete onesti nel mostrare dove siete arrivati e dove state incontrando difficoltà. Questa è l’unica identità che attrae un contributo profondo e utile.

Date un nome ai gradi di membership
Smettete di trattare il mondo in due categorie, dipendenti e non-dipendenti, dentro o fuori dall’azienda. Mappate i gradi reali di contributo già presenti nella vostra organizzazione: follower, utenti, clienti, partner, advisor, alumni, collaboratori occasionali, team interno. Date un nome a ogni grado, riconoscete i diritti e i modi di contribuire che corrispondono a ciascuno.

Investite nella ricerca
Se la vostra identità è la ricerca, deve esserci una voce di spesa che la sostiene: tempo delle persone, partnership, pubblicazioni, eventi, sperimentazioni. Se non c’è, la ricerca non è vera.

Rinunciate alla devozione
Accettate che le persone del vostro team facciano anche altro, contribuiscano ad altre community, abbiano una vita professionale che non inizia e finisce dentro di voi. Pretendere monopolio sull’identità professionale delle persone è il modo più rapido per perdere quelle che vi servono davvero.

Fate entrare clienti e utenti nella community
Non come target di marketing, come partecipanti. Organizzate momenti di incontro, formazione, confronto. Rendete il loro contributo visibile. Chi compra e usa i vostri prodotti è già parte della vostra organizzazione, anche se non l’avete ancora riconosciuto.