Lavoratori IA sottopagati: il sistema di Clickworker sfrutta gli addestratori

Dietro la rivoluzione dell’intelligenza artificiale si cela un esercito di lavoratori invisibili: sfruttamento, compensi bassissimi e catene globali di crowdworking svelano le criticità e le contraddizioni di un sistema in rapida espansione.

L’intelligenza artificiale è ormai presente in quasi ogni ambito della società. La parte meno visibile del suo funzionamento, però, riguarda le persone che rendono possibili la precisione degli algoritmi e le prestazioni dei modelli: legioni di micro-lavoratori, impiegati spesso in modo discontinuo e sottopagato. Etichettano dati, trascrivono registrazioni, controllano risultati. Senza il loro intervento, chatbot e sistemi linguistici sofisticati non potrebbero essere addestrati con la stessa efficacia.

Le promesse di progresso associate all’IA poggiano anche su una rete di piattaforme che raccoglie e distribuisce attività minime. Per ciascun compito il compenso può ridursi a pochi centesimi; il modello resta sostenibile proprio perché il lavoro viene frammentato, affidato a una platea internazionale e sostituito rapidamente quando qualcuno abbandona. Dare voce a chi alimenta questa economia invisibile porta quindi a interrogarsi sullo sfruttamento sistemico, sulla trasparenza delle piattaforme e sulla responsabilità dei grandi gruppi digitali che utilizzano ogni giorno questa forza lavoro.

Dietro l’ascesa dell’intelligenza artificiale: il ruolo dei micro-lavoratori

Migliaia di persone, in particolare nei paesi dove i salari sono più bassi, svolgono mansioni indispensabili per preparare i dati destinati ai sistemi di IA. Tra queste rientrano l’etichettatura dei contenuti, la trascrizione di audio e la correzione delle risposte prodotte dai chatbot. In Kenya, India e Filippine, per esempio, studenti, genitori e persone senza occupazione si collegano a piattaforme internazionali di crowdworking per ottenere un’entrata aggiuntiva. Il guadagno, però, raramente arriva al livello di un salario dignitoso.

Il meccanismo si regge su una lunga catena di outsourcing. Chi commissiona il lavoro può trasferire una parte delle responsabilità a imprese subappaltanti, mentre queste ultime cercano fornitori capaci di offrire il servizio a costi sempre più bassi. Gli incarichi ricorrenti comprendono:

• la validazione delle risposte generate dai sistemi di IA;
• l’annotazione di immagini, testi, suoni e video;
• la classificazione e il labeling dei dati utilizzati per addestrare i modelli.

I marketplace digitali trasformano attività complesse in migliaia di microtask semplici e ripetitivi. Il lavoratore ne riceve uno alla volta, spesso senza conoscere il committente finale e senza avere un rapporto stabile con la piattaforma. Le aziende riducono così i costi e possono aumentare rapidamente la quantità di dati trattati. Per le persone coinvolte, la stessa organizzazione produce precarietà, isolamento e scarsa visibilità sociale, con effetti che ricadono anche sulle comunità da cui provengono.

Crowdwork e outsourcing: come operano Clickworker e le piattaforme simili

La digitalizzazione ha favorito la diffusione di piattaforme globali come Clickworker. Dopo l’acquisizione da parte di LXT, la società ha rafforzato la propria posizione fino a diventare uno dei principali fornitori mondiali di dati per l’addestramento dell’intelligenza artificiale. Il suo modello consiste nell’affidare a una moltitudine di utenti attività brevi: raccolta di immagini, tagging semantico, controllo manuale delle risposte dei chatbot e altri incarichi dello stesso tipo.

Il funzionamento segue una sequenza riconoscibile:

• i clienti, di norma grandi imprese tecnologiche o società che sviluppano sistemi di IA, pubblicano progetti per i quali servono quantità molto elevate di dati prodotti o verificati da esseri umani;
• la piattaforma suddivide il progetto in migliaia di micro-task, disponibili da computer o tramite applicazione;
• i micro-lavoratori ricevono il pagamento con cadenza settimanale o mensile, spesso attraverso strumenti digitali;
• l’accesso è rivolto a utenti di molti paesi, una condizione resa possibile dal lavoro a distanza e dalla diffusione delle tecnologie online.

Le attività cambiano parecchio. Si va dalla registrazione di video in lingue minoritarie alla scrittura di brevi testi commerciali, fino alla valutazione delle prestazioni degli assistenti virtuali. Clickworker non è l’unico operatore: Appen, MTurk e Telus International seguono impostazioni organizzative differenti, ma rispondono alla stessa esigenza. Mettere a disposizione dati ordinati, annotati e abbastanza affidabili da essere utilizzati nello sviluppo di sistemi di apprendimento automatico.

La catena di approvvigionamento dei dati fra Big Tech e aziende intermediarie

La raccolta dei dati per l’IA non si esaurisce nel rapporto fra un lavoratore e una piattaforma. Il percorso comprende una catena di fornitura complessa, nella quale alcuni dei maggiori gruppi tecnologici, tra cui Amazon, Google, Microsoft, Meta e Nvidia, affidano la raccolta e l’annotazione a società intermediarie. A queste si aggiungono imprese specializzate in micro-servizi digitali, incaricate di collegare chi ordina il lavoro con chi lo esegue.

Questa intermediazione permette alle Big Tech di esternalizzare le singole mansioni, ma anche una parte delle responsabilità sociali legate al rapporto di lavoro. Questioni come il livello dei compensi, la sicurezza e la forma dei contratti finiscono così sul tavolo degli intermediari. Alcune ricerche indicano che una sola piattaforma può lavorare con decine di società, ognuna delle quali attinge a comunità collocate in aree geografiche diverse e sottoposte a tutele molto diseguali.

• Il processo parte dal committente finale, che ha bisogno di dataset ampi e attendibili.
• L’incarico passa a una o più aziende specializzate nei servizi legati ai dati.
• Da questo livello si sviluppa una rete di fornitori secondari e piattaforme di crowdworking.
• Alla base si trovano le persone che svolgono le micro-mansioni, spesso ignare dell’identità del cliente finale.

Più la filiera si allunga, più diventa difficile capire chi guadagni, chi prenda le decisioni e chi debba rispondere delle condizioni di lavoro. La scarsa trasparenza ostacola anche le verifiche indipendenti.

Condizioni di lavoro e compensi: la realtà dei lavoratori dell’IA globale

Per chi lavora nella gig economy dell’IA, il reddito è incerto e le condizioni restano lontane dagli standard indicati a livello internazionale. Le ricerche condotte da centri indipendenti descrivono una situazione ricorrente:

• molte piattaforme non prevedono una retribuzione minima; le tariffe possono scendere sotto i 2 dollari all’ora;
• i pagamenti arrivano in ritardo e contestare un rifiuto o il blocco di un’attività è difficile;
• in mancanza di contratti formali, non vengono riconosciute coperture assicurative, ferie o periodi di malattia;
• gli incarichi possono essere sospesi senza preavviso, con conseguenze immediate sulla stabilità del reddito.

La selezione dei candidati viene spesso affidata ad algoritmi che premiano velocità e precisione. Chi ha già esperienza ottiene più facilmente accesso ai compiti, mentre gli altri rischiano di restare confinati alle attività meno pagate. La presunta meritocrazia della piattaforma può quindi rendere più pesante l’insicurezza, soprattutto per chi sta ancora imparando.

Sindacalizzazione, rappresentanza collettiva e strumenti di tutela sono deboli o assenti. Il singolo lavoratore si trova a negoziare da solo con sistemi automatici e regole fissate altrove. Per studenti universitari e madri single, che ricorrono a questo lavoro come soluzione temporanea, l’opportunità può diventare una fonte di dipendenza economica.

Nei paesi del Sud globale il problema assume dimensioni ancora più dure. La scarsità di alternative occupazionali e le differenze nel costo della vita aumentano il peso di quei pochi centesimi guadagnati online. Le piattaforme dichiarano in alcuni casi di seguire principi etici, ma le garanzie effettive su sicurezza, privacy e riconoscimento contrattuale del lavoro digitale restano limitate.

Il paradosso della responsabilità: Big Tech, intermediari e logiche di profitto

L’allungamento della catena degli appalti consente alle grandi aziende tecnologiche di mantenere un controllo concreto sui flussi di dati senza rispondere direttamente delle condizioni di chi li produce. La delega, in realtà, è parziale: le società committenti fissano standard, procedure e requisiti di qualità. Gli intermediari devono rispettarli comprimendo nello stesso momento tempi e costi.

Il margine di manovra è ristretto. Alcuni fornitori sono in parte controllati o finanziati dagli stessi committenti, come è avvenuto con investimenti e fusioni tra Big Tech e imprese attive nell’annotazione dei dati. La separazione dei contratti, però, mantiene distante il cliente finale e frammenta diritti e responsabilità, fino a rendere anonime le persone che svolgono il lavoro.

Nelle principali piattaforme, un singolo cliente può rappresentare fino al 50% del fatturato. Una concentrazione simile rafforza la dipendenza dei fornitori e ne riduce il potere negoziale. All’ultimo gradino restano i lavoratori, la componente più esposta di un sistema gerarchico costruito per aumentare l’efficienza produttiva e proteggere i margini di profitto.

Concorrenza nel settore: Clickworker, MTurk, Appen, Telus, LXT e alternative

Il mercato dei servizi di crowdworking per l’IA è affollato e presenta modelli diversi. Accanto a Clickworker e LXT operano Amazon Mechanical Turk, conosciuta come MTurk, Appen, Telus International, Prolific e Lionbridge SmartCrowd. Cambiano i clienti, la selezione degli utenti e la natura degli incarichi. Le principali caratteristiche sono riassunte nella tabella:

Le differenze di posizionamento non cambiano la direzione generale del settore: ampliare la varietà dei dataset e rendere le operazioni facilmente scalabili. Sul piano del lavoro, invece, rimangono livelli salariali simili e una diffusa assenza di garanzie contrattuali.

Processi di raccolta dati e annotazione nei servizi di crowdworking

I processi di raccolta e annotazione sono stati ottimizzati e in parte automatizzati. L’interpretazione dei materiali più complessi continua però a richiedere l’intervento umano. Il ciclo abituale comprende:

• la raccolta dei dati grezzi forniti dal committente, sotto forma di testo, audio, immagini o video;
• la distribuzione dei micro-compiti sulle piattaforme internazionali;
• l’annotazione semantica manuale realizzata dai worker;
• una validazione a campione effettuata da gruppi specializzati;
• la restituzione dei dati annotati, poi impiegati per addestrare i modelli.

Le reti neurali più sofisticate non hanno eliminato questo passaggio. Un controllo umano accurato serve a individuare errori, ridurre bias sistematici e mantenere una qualità sufficiente nei dataset. Alcune piattaforme stanno introducendo feedback interattivi e strumenti che aiutano a correggere gli sbagli, ma resta complesso gestire incarichi molto diversi rispettando gli standard e le scadenze imposti dai clienti.

Esplosione globale del microwork: geografie e diversità della forza lavoro

Il microwork coinvolge ormai centinaia di nazionalità. Le piattaforme dichiarano di disporre di reti globali composte da milioni di collaboratori attivi, ma la distribuzione del lavoro riflette le differenze economiche tra i paesi.

• Nei territori ad alto reddito, i microtask costituiscono più spesso un’entrata supplementare.
• Nei paesi a basso reddito possono essere l’unica possibilità lavorativa concreta e contribuire al mantenimento di intere famiglie.
• Donne, giovani e studenti sono presenti in proporzione elevata tra i crowdworker.

Internet mobile, procedure di accesso poco selettive e strumenti digitali sempre più diffusi hanno permesso a persone con lingue, età e livelli di istruzione differenti di entrare nel settore. L’accesso, però, non è uguale per tutti. Un computer datato o una connessione lenta possono impedire di accettare determinati incarichi, creando nuove forme di disuguaglianza digitale.

Criticità e rischi: compensi da fame, disparità geografiche, tutela minima

Il crowdwork viene talvolta descritto come una soluzione vantaggiosa per committenti e lavoratori. La realtà presenta limiti strutturali. Il compenso dei singoli task varia, ma nella maggior parte dei casi non supera pochi euro all’ora. A questo si aggiungono:

• guadagni differenti in base alla posizione geografica del lavoratore;
• assenza di standard minimi per orari, riposi e copertura sanitaria;
• problemi di riservatezza dei dati personali e poca chiarezza sui materiali raccolti;
• dipendenza economica da una piattaforma o dall’alternanza tra periodi di picco e fasi di bassa attività.

Manca un quadro regolatorio condiviso. Nei contratti compaiono clausole vessatorie e formule che rendono difficile presentare ricorso in caso di controversia. Molti lavoratori, soprattutto nei mercati emergenti, riferiscono di frodi, problemi nei pagamenti e sospensioni arbitrarie degli account. Quando l’accesso alla piattaforma viene revocato, spesso viene meno anche l’unica fonte di reddito disponibile.

Esigenza di trasparenza e codici etici nelle piattaforme crowdsourced

Le richieste di codici di condotta e trasparenza sono sempre più insistenti. Solo una parte degli operatori rende pubbliche regole etiche dettagliate o destina risorse al controllo effettivo delle condizioni della propria forza lavoro. Gli osservatori indipendenti chiedono soprattutto:

• una rendicontazione pubblica dei dati sui compensi e dei criteri con cui vengono selezionati i lavoratori;
• procedure di reclamo indipendenti e strumenti reali per risolvere le controversie;
• garanzie contro la discriminazione geografica, insieme a opportunità di formazione;
• il riconoscimento dei diritti sindacali e della rappresentanza collettiva.

In assenza di obblighi stringenti, le piattaforme continuano a fare affidamento su principi di autoregolamentazione spesso privi di efficacia vincolante. Le istituzioni europee e vari organismi internazionali di tutela avanzano proposte e standard, mentre il settore resta diviso in molte realtà difficili da sottoporre a regole comuni.

Prospettive future: automazione, minor domanda e strategie dei lavoratori

L’evoluzione dei sistemi di IA porta verso una riduzione della domanda di micro-lavoro umano. La supervisione dei risultati, la correzione degli errori e l’annotazione di materiali complessi rimangono però difficili da automatizzare completamente. La richiesta non scompare. Si restringe, e cambia natura.

Le piattaforme introducono strumenti automatici per razionalizzare i processi. Questo riduce le opportunità disponibili per i lavoratori meno qualificati, mentre aumenta il peso delle competenze necessarie per accedere ai task più complessi. Una parte dei micro-lavoratori reagisce specializzandosi in attività a maggiore valore aggiunto; altri combinano più piattaforme e fonti di reddito per compensare la discontinuità degli incarichi.

L’instabilità resta elevata. Senza norme capaci di riequilibrare il rapporto di forza tra committenti, intermediari e worker, la forza lavoro digitale rischia di essere spinta ancora più ai margini. La nascita di piattaforme definite etiche e i tentativi di auto-organizzazione dei lavoratori indicano una possibile alternativa, ma il sistema continua a essere strutturalmente sbilanciato.

Rendere più equa l’intelligenza artificiale richiede interventi verificabili lungo tutta la filiera dei dati, non soltanto dichiarazioni etiche. I committenti dovrebbero rendere pubblici gli intermediari coinvolti, i criteri di remunerazione e le procedure usate per contestare rifiuti o blocchi degli account.

• garantire compensi calcolati sul tempo effettivo necessario per completare i task;
• assicurare contratti chiari, pagamenti puntuali e una procedura indipendente di ricorso;
• riconoscere diritti di rappresentanza e protezioni minime, comprese malattia e sicurezza sul lavoro;
• valutare fornitori e piattaforme anche in base alle condizioni offerte ai micro-lavoratori, non solo a costi e velocità.

La trasparenza della catena di approvvigionamento è quindi una condizione per distribuire meglio il valore prodotto dall’IA. Senza responsabilità condivise tra Big Tech, intermediari e piattaforme, l’automazione rischia di aumentare la produttività mantenendo invisibili proprio le persone da cui dipende.