Intelligenza Artificiale e lavoro: perché l'IA manderà in pensione i programmatori

Dall'esecuzione alla regia: perché il saper scrivere script non basterà più a garantire una carriera nel comparto tecnologico

Affidare la creazione di un programma software complesso a un'Intelligenza Artificiale equivale ad assegnare il lavoro a un'azienda situata dall'altra parte del mondo, composta da 50 progettisti e programmatori di altissimo livello.

Per far sì che il progetto vada a buon fine, ci sono regole ferree da rispettare: bisogna imparare a comunicare usando la loro stessa lingua e, soprattutto, prima di “pagare” per il lavoro eseguito occorre verificare scrupolosamente che tutto sia stato fatto a regola d'arte. Ma qui sorge il problema: un singolo programmatore umano non può fisicamente stare dietro alla mole di lavoro prodotta da un'intera azienda virtuale, composta peraltro da entità che spesso si dimostrano più veloci e abili di lui.

Come si esce da questo stallo? La risposta risiede in un cambio di paradigma totale nel modo di realizzare il software, definito con il termine Human-in-the-Loop.

Il limite delle macchine e il primo vaglio

I modelli linguistici di grandi dimensioni, noti come LLM, nascondono un difetto strutturale: non sono in grado di imparare dalle proprie sessioni e faticano ad auto-valutarsi. Afflitte da una sorta di “cecità da autore”, le intelligenze artificiali tendono a ignorare le proprie falle, rendendo inefficace l'autocorrezione.

Per arginare questo problema, il nuovo metodo di sviluppo prevede una prima fase fortemente iterativa che si basa sul dubbio sistematico. L'operatore fornisce le istruzioni di base ma non accetta mai la prima stesura; al contrario, costringe la macchina a ricontrollare il proprio lavoro ripetutamente. Soltanto quando l'algoritmo si dichiara totalmente sicuro del risultato l'uomo subentra con la sua analisi, segnalando le anomalie e alimentando un ciclo che termina al raggiungimento di un livello di soddisfazione condiviso.

Il “tecnico di fiducia” è un algoritmo: così l'uomo arbitra la sfida tra IA

L'innovazione più dirompente di questo approccio consiste nell'introduzione di un secondo modello di intelligenza artificiale di pari livello, incaricato esclusivamente di fare le pulci al primo. Esattamente come un committente accorto ingaggerebbe un professionista esterno per supervisionare il lavoro di un'impresa edile, l'operatore umano sottopone il codice generato dal primo sistema al vaglio del secondo. Quest'ultimo, analizzando accuratamente l'output, individua rapidamente errori e inefficienze.

Si innesca così un rimpallo di correzioni in cui l'uomo valuta i suggerimenti del revisore e li sottopone nuovamente allo sviluppatore originale, chiudendo il ciclo solo quando tutte le parti concordano sulla bontà del risultato.

Per far sì che il sistema funzioni, esistono tuttavia due regole:

• L'isolamento tra IA: le due intelligenze artificiali devono ignorare la reciproca esistenza, comunicando esclusivamente attraverso il supervisore umano.
• La diversità degli strumenti: per ottenere una valutazione oggettiva occorre che i modelli non appartengano allo stesso produttore (ad esempio, utilizzando Google Gemini come sviluppatore e Anthropic Claude come revisore).

Le conseguenze sul mercato del lavoro

Questo schema operativo ha raggiunto livelli di efficienza tali da essere ormai lo standard utilizzato per la creazione delle intelligenze artificiali stesse, che scrivono e controllano autonomamente la stragrande maggioranza del proprio codice. In un simile contesto, gran parte delle istruzioni di comando vengono elaborate direttamente dai software all'interno del ciclo di revisione, vanificando la convinzione che basti imparare le tecniche di prompt engineering per garantirsi un futuro nel settore.

La rivoluzione in atto porterà alla progressiva scomparsa dei programmatori e dei progettisti intesi in senso tradizionale. Le nuove figure professionali non si occuperanno più della stesura fisica del codice, ma dovranno possedere doti analitiche superiori per orchestrare ecosistemi complessi e validare le soluzioni proposte dalle macchine.

Solo evolvendo le proprie competenze in questa direzione sarà possibile governare un sistema Human-in-the-Loop, evitando che questo nuovo modello si trasformi, al contrario, in un inesorabile “Human-in-the-Trap” per i lavoratori meno qualificati.