…per una critica eco-sociale dei dispositivi digitali?

Provo qui a ricostruire, in forma ancora provvisoria ma più ordinata, il percorso di riflessione che ho sviluppato negli ultimi anni intorno ai dispositivi digitali, alla cosiddetta intelligenza artificiale e al loro rapporto con conoscenza, scuola, lavoro e democrazia culturale. L’obiettivo non è chiudere il discorso in una tesi definitiva, ma chiarire alcuni concetti guida, sottrarli al lessico dominante e renderli disponibili a un uso critico.

1. Decolonizzare il lessico

Il primo passaggio riguarda il linguaggio. Ritengo necessario decolonizzare il lessico con cui parliamo di tecnologia, perché molte espressioni oggi correnti derivano direttamente dal pensiero neoliberale e tendono a naturalizzare processi di sfruttamento, estrazione di valore e costruzione del profitto. Termini apparentemente neutri producono in realtà cornici concettuali funzionali al mercato.

Tra questi termini vi è anzitutto “intelligenza artificiale”. La discussione astratta sul fatto che essa sia o non sia davvero “intelligenza” mi sembra, in larga parte, poco produttiva. È più utile chiedersi quali dispositivi concreti siano in gioco, quali logiche li governino, quali rapporti sociali incorporino e quali effetti producano.

Non è casuale che l’espressione “intelligenza artificiale” sia legata storicamente a John McCarthy e alla conferenza di Dartmouth del 1956: fin dall’origine, essa non designa soltanto un ambito tecnico, ma produce anche un immaginario. Per questo va maneggiata criticamente, evitando di assumere come naturale una formula che porta con sé una precisa genealogia culturale e scientifica.

Da questo punto di vista trovo particolarmente convincente la nozione di intelligenza prestazionale proposta da Nello Cristianini. Essa consente di comprendere il passaggio decisivo da una presunta intelligenza artificiale fondata su logiche deduttive a dispositivi statistici e induttivi, basati sull’apprendimento automatico. Le macchine non “comprendono” nel senso umano del termine: elaborano grandi quantità di dati, costruiscono correlazioni, individuano modelli e generano risultati plausibili.

Questo passaggio è fondamentale perché permette di spostare l’attenzione dal mito dell’intelligenza alla materialità dei processi: addestramento, raccolta di dati, estrazione di valore, profilazione, lavoro nascosto, infrastrutture energetiche, potenza di calcolo, monopolio o oligopolio delle piattaforme. In altre parole, occorre guardare alla logistica capitalistica della conoscenza su base digitale.

2. Conoscenza, proprietà e patrimonio comune

La questione dei dispositivi digitali non può essere separata dal rapporto storico tra conoscenza e proprietà. La tradizione liberale e poi neoliberale ha costruito l’idea di una proprietà intellettuale individuale, da cui derivano diritto d’autore, brevetti, royalties e rendite fondate sulla presunta esclusività della produzione conoscitiva.

Questa rappresentazione dimentica, o rimuove consapevolmente, che ogni produzione di conoscenza è il risultato di processi collettivi, storicamente determinati e socialmente situati. Nessun sapere nasce dal nulla: ogni autore lavora dentro un patrimonio comune, fatto di linguaggi, istituzioni, tradizioni, conflitti, mediazioni e condivisioni.

Per questo è necessario distinguere tra conoscenza come capitale e conoscenza come patrimonio. La prima è mercificata, recintata, valorizzata economicamente; la seconda è invece accessibile, condivisibile, trasformabile, disponibile all’uso comune. In questa prospettiva diventa centrale il riferimento ai dispositivi conviviali, al software libero e open source, alle licenze Creative Commons e a tutte le pratiche che contrastano la privatizzazione della conoscenza.

In questo quadro va mantenuta anche una critica esplicita alla nozione di capitale semantico, soprattutto quando essa rischia di tradurre il linguaggio, la memoria culturale e la produzione collettiva di significato dentro categorie economiche compatibili con la valorizzazione proprietaria. Il problema non è soltanto terminologico: se il patrimonio simbolico comune viene pensato come capitale, diventa più facile immaginarne la gestione secondo logiche di accumulazione, investimento e rendita.

3. Dispositivi appropriati e dispositivi inappropriati

Riprendendo Ivan Illich, propongo di distinguere tra dispositivi digitali appropriati e dispositivi digitali inappropriati. Un dispositivo appropriato è progettato per aumentare la coesione sociale, la comprensione collettiva, l’autonomia delle persone e l’accessibilità al patrimonio culturale comune. Deve essere trasparente, aperto, controllabile, ecocompatibile per progettazione e orientato alla democrazia culturale.

Un dispositivo inappropriato, al contrario, è costruito per l’estrazione di valore e per il profitto. Si fonda sulla profilazione, sulla cattura dei dati, sulla dipendenza degli utenti, sulla recinzione della conoscenza e sull’opacità degli algoritmi. La sua logica è proprietaria, competitiva e predatoria.

Questa opposizione non è soltanto tecnica. È etica, politica, culturale ed ecologica. Da una parte vi è una concezione ecosociale della tecnologia; dall’altra una visione ecocida, fondata sull’idea che la natura sia una risorsa illimitata a disposizione dell’accumulazione economica e che la scienza o la tecnica possano sempre riparare i danni prodotti.

Qui si colloca anche la critica al capitalismo digitale contemporaneo, sempre più cannibale, aggressivo e feudale nei suoi assetti monopolistici o oligopolistici. Il suo funzionamento dipende da bolle speculative, hype, promesse di futuro e valorizzazioni finanziarie immediate. Il discorso sull’intelligenza artificiale, in molti casi, alimenta esattamente questo circuito.

In questa direzione sono particolarmente utili tre riferimenti critici: Kate Crawford, con Né intelligente né artificiale. Il lato oscuro dell’IA, che insiste sulla materialità estrattiva, ambientale e lavorativa dei sistemi di IA; Yarden Katz, con Artificial Whiteness. Politics and Ideology in Artificial Intelligence, che mostra le implicazioni ideologiche, razzializzanti e politiche inscritte nelle genealogie dell’intelligenza artificiale; e Dan McQuillan, con Resisting AI: An Anti-fascist Approach to Artificial Intelligence, che propone una lettura antifascista dei dispositivi algoritmici e delle loro forme di governo sociale.

4. Contro il determinismo del futuro

Il lessico dominante presenta il progresso tecnologico come inevitabile. Il futuro viene descritto come un destino già scritto, rispetto al quale non resta che adattarsi. In questa cornice le competenze digitali diventano strumenti di sopravvivenza individuale dentro un ecosistema competitivo: chi non si adegua viene collocato ai margini della piramide sociale.

Questa impostazione produce una pedagogia dell’adattamento. L’essere umano viene rappresentato come imprenditore di se stesso, responsabile individuale del proprio successo o della propria sconfitta. Le disuguaglianze sociali vengono così tradotte in deficit personali di competenza, flessibilità o aggiornamento.

Occorre invece costruire un pensiero radicalmente alternativo, capace di interpretare i dispositivi digitali non come destino, ma come campi di conflitto. La domanda non è come adattarsi al futuro, ma come comprendere e trasformare il presente.

5. Strumenti e dispositivi

Un altro nodo essenziale è la distinzione tra strumento e dispositivo. Parlare continuamente di “strumenti” produce una rassicurazione impropria: lo strumento sembra qualcosa che l’essere umano governa pienamente per ridurre la fatica e aumentare l’efficienza.

Un dispositivo, invece, non si limita a eseguire un compito. Costruisce un contesto, stabilisce regole, genera feedback, orienta comportamenti, scompone processi, produce forme di dipendenza e modifica il modo stesso in cui lavoriamo, apprendiamo e comunichiamo. Per questo l’espressione “dispositivo” è molto più adeguata quando parliamo di piattaforme digitali, ambienti di apprendimento, assistenti cognitivi e sistemi generativi.

La scelta delle parole non è secondaria: parlare di dispositivi significa rendere visibili le dimensioni sociali, politiche, cognitive e materiali che il termine “strumento” tende a occultare.

6. Intelligenza artificiale e scuola

Nel campo dell’istruzione, la domanda “come posso usare l’intelligenza artificiale nella didattica?” è spesso prematura e ingenua. Prima di immaginare un uso con studenti e studentesse, occorre che gli adulti sperimentino in prima persona che cosa questi dispositivi possono e non possono fare dentro il proprio lavoro intellettuale e professionale.

Non si tratta di imparare meccanicamente un linguaggio tecnico o di impadronirsi di ricette operative. Occorre invece sviluppare un linguaggio emancipante, capace di sottrarsi alla subordinazione tecnologica. In questo senso sono più utili parole come interazione, iterazione, supervisione, accessibilità, trasformazione e responsabilità.

Il rapporto con un assistente cognitivo digitale è infatti un processo interattivo e iterativo. L’essere umano formula un obiettivo, osserva un risultato, lo valuta, lo corregge, lo riformula e lo integra nelle proprie conoscenze. La competenza decisiva non consiste nel conoscere il funzionamento interno della scatola nera, ma nel possedere sufficiente padronanza del campo in cui si opera per orientare, giudicare e trasformare gli esiti prodotti.

7. Supervisione e responsabilità autoriale

La supervisione è uno dei punti centrali. Usare un dispositivo generativo non significa delegare il pensiero, ma assumersi la responsabilità di governare un processo. Il prodotto generato deve essere valutato, selezionato, trasformato e collocato dentro un insieme di conoscenze attive.

In questa prospettiva l’essere umano resta autore, mentre il dispositivo può essere dichiarato come assistente. Ciò implica una responsabilità culturale: bisogna sapere che cosa è stato affidato alla macchina, che cosa è stato modificato, quali criteri sono stati usati per accettare o respingere i risultati.

L’uso dei dispositivi digitali può quindi aumentare, e non diminuire, il bisogno di competenze valutative. Non basta produrre più rapidamente testi, immagini, schemi o video: occorre saperne giudicare l’efficacia, la coerenza, la pertinenza, l’accessibilità e le implicazioni culturali.

8. Accessibilità, comprensibilità e multimodalità

Uno degli usi più interessanti dei dispositivi generativi riguarda l’aumento dell’accessibilità. Molti materiali di conoscenza sono ancora organizzati secondo forme testuali dense, specialistiche o inutilmente opache. I dispositivi digitali possono aiutare a trasformare un testo, renderlo più comprensibile, produrre schemi, sintesi, mappe, versioni semplificate, traduzioni o rappresentazioni multimodali.

Questo non deve essere inteso come un lavoro meccanico di banalizzazione. Al contrario, il compito democratico consiste nel mantenere lo spessore concettuale riducendo il carico cognitivo inutile. Le persone hanno diritto alla comprensione: rendere più accessibile un testo non significa impoverirlo, ma permettere a più soggetti di entrarvi in relazione.

Qui il rapporto con lo Universal Design for Learning è particolarmente fertile. Rappresentazioni diverse, modalità espressive differenti e forme plurali di coinvolgimento possono rendere l’apprendimento più significativo e più equo. In questo senso la multimodalità assistita può diventare uno spazio di emancipazione, purché non sia catturata dalla logica estrattiva delle piattaforme.

9. Provare, ridimensionare, comprendere

Una conseguenza pratica è semplice: bisogna provare. Provare non per aderire acriticamente all’innovazione, ma per ridimensionare l’aura magica dei dispositivi, decostruirne il funzionamento sociale e comprenderne le possibilità. La paura e lo snobismo non aiutano: occorre esplorare, giocare, sbagliare, valutare.

La difficoltà non sta tanto nell’uso tecnico dei dispositivi, spesso più semplice di quanto venga raccontato da chi vende corsi, competenze e formule proprietarie. La difficoltà sta nell’avere obiettivi chiari, curiosità autentica e capacità di giudizio. Un dispositivo generativo può aiutare solo chi sa in quale direzione vuole andare.

Anche la possibilità di creare piccole applicazioni tramite linguaggio naturale rientra in questo quadro. Non è più sempre necessario conoscere il codice per immaginare e realizzare strumenti operativi limitati, progettati per bisogni specifici. Ma anche in questo caso l’essere umano deve restare governatore del processo: concepisce l’oggetto, ne valuta l’efficacia, ne modifica il funzionamento e se ne assume la responsabilità.

10. Ricerca approfondita e ampliamento del canone

Un campo poco discusso, ma molto promettente, è quello della ricerca approfondita. A differenza dei tradizionali motori di ricerca, alcuni dispositivi possono produrre report corredati da fonti utilizzate e da fonti consultate ma non impiegate. Anche qui, tuttavia, il punto decisivo resta la supervisione.

Possiamo supervisionare pienamente soltanto ciò che conosciamo. Quando entriamo in campi meno noti, possiamo piuttosto valutare la plausibilità, la varietà delle fonti, la coerenza dell’argomentazione e l’effetto trasformativo sulla nostra comprensione. In questo senso il report non è un risultato finale, ma un oggetto informativo con cui misurarsi criticamente.

Questi dispositivi possono inoltre facilitare l’accesso a tradizioni concettuali marginalizzate dal canone occidentale dominante: epistemologie del Sud, pluriverso, pensiero decoloniale, critica della bianchezza, decolonizzazione della scuola e del linguaggio. Anche se i grandi corpora riflettono gerarchie culturali e di mercato, essi contengono talvolta materiali oppositivi e contrastivi che possono essere rintracciati, interrogati e approfonditi.

Un esempio significativo è il concetto di epistemicidio. Una ricerca approfondita può aiutare a ricostruirne la genealogia, a collegarlo alle epistemologie del Sud e alla critica dei processi coloniali, e a seguirne gli usi in ambito educativo, politico e culturale. Il valore del dispositivo, in questo caso, non consiste nel fornire una definizione immediata e autosufficiente, ma nel rendere visibile una costellazione di autori, contesti, conflitti e pratiche che permettono di comprendere come alcune forme di sapere siano state storicamente svalutate, cancellate o rese invisibili.

La supervisione resta però decisiva: il ricercatore deve interrogare le fonti, verificare le assenze, distinguere tra usi rigorosi e appropriazioni superficiali del termine, e chiedersi quali prospettive restino ancora escluse. In questo senso la ricerca approfondita non sostituisce il lavoro critico, ma può ampliarne il campo, soprattutto quando viene orientata verso concetti marginalizzati dal canone dominante.

11. Conclusione provvisoria

Il punto centrale, dunque, non è prevedere il futuro, ma comprendere il presente. I dispositivi digitali, soprattutto quelli estrattivi, sono già pervasivi. Non esistono solo le chat generative più note: esiste uno strato sempre più diffuso di dispositivi intelligenti incorporati in ambienti di scrittura, comunicazione, ricerca, lavoro e apprendimento.

Occorre chiamarli dispositivi, riconoscerne la capacità di condizionamento e decostruirne le logiche. Allo stesso tempo è necessario distinguere tra usi predatori e usi conviviali, tra appropriazione privata della conoscenza collettiva e costruzione di patrimonio comune, tra adattamento individuale e trasformazione eco-sociale.

La cosiddetta intelligenza artificiale va quindi ridimensionata sul piano mitologico, ma non sottovalutata sul piano politico. Essa è una delle infrastrutture attraverso cui il linguaggio naturale, la conoscenza collettiva e l’attività cognitiva vengono ricondotti dentro il perimetro degli asset economici e della rendita privata. Per questo il compito che abbiamo davanti non è soltanto professionale o didattico: è culturale e politico.

Versione del testo per coloro che dicono che uso un lessico complicato. E la cui matrice concettuale sono le minkiate sensazionaliste dei media di massa e degli intellettuali organici al mercato.