Intelligenza artificiale e rischi occupazionali: l'analisi di Quintarelli

Quintarelli analizza i rischi dell’IA sul lavoro: tra risposte plausibili, AI washing e limiti delle decisioni automatiche sui reati.

Intelligenza artificiale e rischi occupazionali: l'analisi di Quintarelli
Lorenzo Pascucci 
Rimani aggiornato con WebMasterPoint
Fonte preferita Google X Instagram

Quintarelli analizza i rischi dell’intelligenza artificiale: dalle risposte plausibili ma false all’impatto sul lavoro, fino ai pericoli di affidare alle macchine la previsione dei reati.

Stefano Quintarelli, informatico veronese e pioniere dell’introduzione commerciale di Internet in Italia, ha presentato a Pordenonelegge il libro La bolla dell’intelligenza artificiale, pubblicato da Bollati Boringhieri. Nel suo intervento del 18 settembre 2026 ha ridimensionato gli scenari apocalittici e spostato l’attenzione sui rischi concreti: affidare decisioni a sistemi probabilistici e attribuire all’intelligenza artificiale responsabilità che restano umane.

Il punto, per Quintarelli, non è immaginare una macchina che “vuole” eliminare l’umanità. Qualunque tecnologia può produrre danni; la questione è capire chi decide gli obiettivi, quali limiti vengono fissati e chi esercita i controlli. La stessa prudenza serve quando si parla di lavoro. L’IA può rimpiazzare alcune mansioni, ma da questo non deriva automaticamente una perdita complessiva di occupazione.

Quando una risposta plausibile non è una verità

Un modello linguistico produce testo scegliendo, sulla base dell’addestramento ricevuto, le sequenze più probabili. Non sta necessariamente consultando una banca dati aggiornata e non controlla in autonomia la correttezza di ciò che scrive.

Alla domanda “Quali sono le cause di un calo delle vendite?”, per esempio, un chatbot può costruire una spiegazione ordinata e convincente, chiamando in causa i prezzi, la concorrenza o i cambiamenti nei consumi. La formulazione può essere impeccabile. Resta però un’ipotesi generata dal modello, non una diagnosi sostenuta da documenti.

Qui sta il paradosso indicato da Quintarelli: l’IA può apparire autorevole proprio quando non conosce i fatti. Errori, informazioni inventate e ricostruzioni prive di fondamento rischiano di non essere individuati, anche perché la conversazione avviene in privato. Il problema diventa più serio quando il sistema viene impiegato per il lavoro, lo studio, la salute, il credito o l’orientamento politico. La fluidità del linguaggio può essere scambiata per affidabilità.

Per verificare una risposta occorre distinguere tre momenti: la domanda sottoposta al modello, la probabilità con cui il sistema costruisce l’output e le prove esterne necessarie a valutarlo. Un risultato può essere utile per accelerare una ricerca o indicare strade alternative. Non prende, però, il posto del giudizio umano e del controllo sui dati.

IA e lavoro: sostituzione, crescita e “AI washing”

Quintarelli invita a diffidare delle previsioni assolute. La sua tesi è netta: ogni tecnologia elimina alcuni posti e ne crea altri. Storicamente il saldo è stato spesso positivo, anche se questo non offre garanzie per il futuro dell’IA. Molto dipende dal tipo di attività coinvolta. Una mansione può essere automatizzata soltanto in parte, mentre cresce il bisogno di supervisione, verifica, progettazione o assistenza.

La radiologia è l’esempio richiamato dall’informatico. L’IA ha semplificato alcuni processi in un settore che sembrava destinato a subire forti perdite occupazionali. L’aumento delle richieste di esami e servizi ha invece accompagnato una crescita dell’impiego. Il caso basta a mostrare che il rapporto tra automazione e lavoro non segue una linea unica.

Resta poi il fenomeno dell’AI washing, cioè l’uso dell’IA come etichetta per presentare ristrutturazioni dovute anche a crisi economiche o a decisioni manageriali. Attribuire i licenziamenti alla tecnologia può far apparire inevitabile una scelta che non lo è. Per questo episodio, le fonti disponibili non offrono una stima quantitativa aggiornata e verificabile dei posti persi o creati in Italia.

Predire i reati: il limite delle decisioni automatiche

Durante l’incontro si è parlato anche dei modelli predittivi impiegati per individuare le persone considerate più esposte al rischio di commettere reati. L’algoritmo lavora su correlazioni statistiche. Una probabilità riferita a un gruppo, però, non dimostra la colpevolezza del singolo individuo.

Se quella probabilità viene trasformata in controlli più frequenti, il sistema può riprodurre pregiudizi e richiamare, secondo Quintarelli, la fisiognomica di Cesare Lombroso. Non è un problema limitato all’ambito penale: riguarda anche sicurezza, giustizia, servizi pubblici, credito, salute, istruzione e selezione professionale.

Una previsione non è una decisione legittima. Perché l’uso di un sistema sia sottoposto a controllo servono responsabilità riconoscibili, regole, verifiche e la possibilità di contestare il risultato.

La valutazione dell’IA dipende quindi dal contesto e dall’impiego concreto. Trattare un chatbot o un sistema predittivo come una fonte autonoma di verità significa rimuovere i limiti del modello e ignorare gli interessi e le responsabilità di chi lo progetta e lo utilizza. La tecnologia può aiutare a scegliere. Non ha, da sola, l’autorità per stabilire che cosa sia vero, giusto o accettabile.