Intelligenza artificiale, capitale e lotta di classe nell’età digitale

di Ascanio Bernardeschi

Abstract.

L’Intelligenza Artificiale (AI) viene spesso presentata come tecnologia neutrale e progressiva. In realtà, come ogni forza produttiva sviluppata all’interno dei rapporti capitalistici, essa assume una funzione storicamente determinata: intensifica lo sfruttamento, rafforza la sorveglianza, accelera la centralizzazione del capitale e riproduce le disuguaglianze di classe. Questo contributo analizza l’AI alla luce della strumentazione marxista, mostrando come la retorica della “rivoluzione digitale” mascheri rapporti di dominio e processi di espropriazione. Lungi dal cadere nel luddismo o nel fatalismo, si sostiene la necessità di una battaglia politica per sottrarre l’AI alla logica del profitto e orientarla verso fini collettivi, democratici e socialisti.

1. Introduzione
Secondo uno studio statunitense, due anni dopo la sua comparsa l’IA era già utilizzata da circa il 40% degli americani[1], mentre l’adozione di Internet nello stesso arco di tempo era stata pari alla metà. Questa diffusione rapidissima segnala una profonda e accelerata integrazione dell’IA nel tessuto sociale.

Tale integrazione, tuttavia, è tutt’altro che neutrale. L’IA, in quanto tecnologia a uso generale sviluppata dentro e per i rapporti capitalistici di produzione, costituisca un nuovo e potente terreno di conflitto di classe. Essa intensifica tendenze storiche di espulsione e controllo del lavoro, pur aprendo contraddizioni inedite e potenziali spazi di emancipazione.

Superando tanto le letture tecno‑utopiche quanto quelle puramente pessimistiche, proponiamo un’analisi marxista che esamina le basi materiali dell’IA, il suo ruolo nella valorizzazione e nella sorveglianza, e la competizione geopolitica tra modelli proprietari e alternative open‑source, come il caso cinese di DeepSeek. La tesi centrale è che la contesa politica sul design, la proprietà e l’uso dell’IA rappresenti una frontiera decisiva della lotta di classe contemporanea.

2. Che cos’è l’Intelligenza Artificiale? Demistificare tecnologia e ideologia

L’IA indica la capacità di una macchina di simulare abilità e prestazioni umane. Ciò avviene tramite software altamente sofisticati costruiti su enormi quantità di dati raccolti nel tempo sul web o in archivi proprietari (i cosiddetti big data), sfruttando grande potenza computazionale e specifici metodi analitici per fornire risposte o analisi. Nonostante il nome, si tratta di software che seguono rigidamente le istruzioni ricevute.

Come per le tecnologie precedenti, molti ritengono erroneamente che l’IA sia neutrale e indipendente dai rapporti sociali, e che serva unicamente a rendere tutto calcolabile per ridurre costi, disciplinare il lavoro e aumentare i profitti. L’uso stesso del termine “intelligenza” finisce per attribuire a questo sotware e ai suoi risutati loro un’aura di superiorità, che rischia di metterli al riparo da una valutazione critica umana, determinando una forma di auto‑svalutazione dell’umano, funzionale alla subordinazione del lavoro vivo al lavoro morto. Questa presunta superiorità contribuisce inoltre a naturalizzare decisioni politiche e aziendali presentate come “tecniche”.

Esistono vari tipi di IA, ma quelle liberamente accessibil sono per lo più generative: capaci di produrre testi, immagini, video e rispondere a domande. In pratica, l’IA si basa sull’esperienza incorporata nei dati disponibili, elaborandola tramite logiche simboliche, booleane, fuzzy o probabilistiche.

L’addestramento richiede processi assai laboriosi. L’hardware necessario è costoso e sofisticato, basato su GPU e TPU per l’elaborazione parallela. I costi sono elevatissimi, aggravati da consumi energetici e idrici notevoli, soprattutto per il raffreddamento.

Poiché opera su base probabilistica, l’IA riflette il “senso comune” incorporato nei dati. Può eseguire qualsiasi istruzione, ma manca della capacità critica: può aiutare a risolvere problemi, ma non a porli. Elabora simboli, ma non accede al significato profondo del mondo.

3. Limiti logici e confini epistemologici

L’IA eccelle nel calcolo, nell’analisi e nella previsione, ma ciò non equivale a pensare. Come osservava Heidegger, l’intelligenza non coincide con la mera capacità di calcolo. Anche le forme più avanzate di IA non pensano: simulano il pensiero.

In termini di logica e flessibilità, le piattaforme attuali sono meno intelligenti di uno studente “secchione”. Di fronte a puzzle moderatamente complessi, producono risposte prive di senso. Applicano regole note in modo corretto, quindi eccellono nella ricerca di informazioni e nella soluzione di problemi matematici anche molto complessi, ma sono prive di quel “buon senso” che permetterebbe scorciatoie brillanti e di quella genialità che permette di risolvere puzzle ed enigmi di modesta difficoltà.

Un altro limite insuperabile è che “ragionano” su dati e istruzioni, non sulla realtà. Come ha ricordato Giorgio Parisi al Parlamento italiano[2], l’IA “comprende attraverso parole e strutture sintattico‑semantiche, ma non come oggetti e relazioni esistano nel mondo reale”: un richiamo severo alla sua esclusione dall’ontologia.

4. Economia politica dell’IA: concentrazione, costi e impatto ambientale

L’elevata intensità di capitale dell’IA accelera la concentrazione e centralizzazione del capitale. Le startup vengono assorbite dai giganti tecnologici o perdono i migliori ingegneri attratti dai salari più alti offerti dalla grandi imprese. Le scelte strategiche dipendono dai finanziamenti, trasformando il “libero mercato” in un settore monopolistico dominato da poche corporation con enorme potere economico e politico.

Sette delle dieci maggiori aziende mondiali per capitalizzazione appartengono al settore digitale. Tuttavia, l’impatto dell’IA sulla crescita del PIL potrebbe essere modesto: alcune stime parlano di un +7% in dieci anni[3], altre di appena l’1‑1,5%[4].

I data center affrontano costi energetici crescenti. L’Agenzia Internazionale dell’Energia prevede che entro il 2026 consumeranno nel loro complesso quanto il Giappone[5]. SemiAnalysis stima che l’IA assorbirà il 4‑5% dell’energia globale entro il 2030[6]. Le emissioni aumentano, compromettendo gli obiettivi climatici. Google e Microsoft, che avevano promesso emissioni zero entro il 2030[7], le hanno invece aumentate di oltre il 20%, con i data center IA responsabili di un incremento del 50%[8].

L’impatto ambientale, soprattutto su acqua ed energia, è sistematicamente sottostimato. Tra il 2021 e il 2022, Google, Microsoft e Meta hanno aumentato del 20% il consumo idrico dei data center[9]. Uno studio dell’Università della California mostra che Big Tech consuma il 40% di acqua in più rispetto a quanto dichiarato[10].

La finanziarizzazione è evidente: le azioni statunitensi rappresentano il 61% del valore di mercato globale, pur producendo solo il 25% del PIL mondiale[11]. Nel 2024, le valutazioni di Nvidia, Microsoft e Intel superavano il PIL italiano.

Fuori da USA e Cina, la maggior parte dei Paesi, Europa inclusa, non dispone dei fondi necessari per sviluppare un settore IA competitivo. In dieci anni, l’UE ha investito circa 20 miliardi di dollari, contro i 300 miliardi degli Stati Uniti[12]. Mario Draghi ha definito il divario “probabilmente insormontabile”.

L’uso crescente dell’AI come interfaccia informativa diretta riduce il traffico verso i siti originari, minacciando il modello pubblicitario che ha finora li aveva sostenuti in larga parte[13].

5. Geopolitica dell’IA: rivalità USA‑Cina e vantaggio open‑source

Gli Stati Uniti difendono la propria supremazia anche tramite protezionismo tecnologico, mentre la Cina promuove un modello di IA basato su apertura e cooperazione internazionale “win‑win”.

La Cina è leader mondiale per brevetti, pubblicazioni scientifiche e applicazioni pratiche, sostenuta da enormi economie di scala. Gli USA restano dominanti nella progettazione di chip specializzati e hanno cercato di bloccare l’accesso cinese ai chip più avanzati.

La risposta cinese include importazioni clandestine, chip Huawei avanzati, litografie alternative e software che aggirano la dipendenza dalle GPU. DeepSeek è emblematico: un’IA innovativa che riduce costi, tempi ed energia grazie a tecniche come Mixture of Experts e tokenizzazione ottimizzata.

Significativo è che DeepSeek sia open‑source: il codice è pubblico, modificabile e distribuibile. L’economista marxista Michael Roberts lo definisce “un colpo ai segreti proprietari chiusi nelle ‘scatole nere’ di OpenAI e Google”, aggiungendo che “gli investimenti pianificati dello Stato cinese superano di gran lunga la dipendenza da oligarchi privati”[14].

L’open‑source accelera i progressi grazie al contributo della comunità, permette specializzazioni settoriali e ottimizzazioni hardware. Secondo il Boston Consulting Group, ogni dollaro investito da DeepSeek genera otto dollari di innovazione indiretta. Alcuni governi (UE, Canada) valutano l’AI open source come infrastruttura pubblica.

Il lancio di DeepSeek, con prestazioni comparabili a costi drasticamente inferiori, ha provocato all’epoca un crollo del 17% del titolo Nvidia [15] e ha messo sotto pressione l’intero comparto dei semiconduttori.

Tuttavia, l’open‑source non è di per sé socialista: può essere cooptato. Ma, se sostenuto da investimenti pubblici pianificati, può diventare un “bene digitale comune” strategico, soprattutto per il Sud globale.

6. IA, lavoro e valore: un’analisi marxista
Marx ha mostrato come lo sviluppo tecnologico porti al dominio del lavoro morto (macchine) sul lavoro vivo. Con l’IA, che cristallizza conoscenza umana alienata in software, questo dominio si estende al lavoro cognitivo.

La competizione capitalistica spinge all’innovazione per ridurre i costi, soprattutto del lavoro. Le innovazioni che risparmiano lavoro producono:

– Riduzione del lavoro necessario alla riproduzione umana. Potenzialmente liberatoria, ma nel capitalismo genera disoccupazione e sfruttamento intensificato, ricatto occupazionale.

– Dequalificazione del lavoro.

– Aumento della composizione organica del capitale con conseguente tendenza alla caduta del saggio di profitto.

– Distorsioni dovute alla priorità del profitto: deumanizzazione del lavoro, sorveglianza capillare, “ottimizzazione” – quindi intesificazione – dei ritmi di lavoro, consumismo, disastro ecologico, maggiori opportunuità di delocalizzazioni grazie alla sincronizzazzione globale delle cetene del valore.

– Concentrazione e centralizzazione del capitale Fenomeni oggi pienamente visibili.

– Espropriazione del lavoro. Le macchine incorporano competenze e saperi, riducendo i lavoratori a appendici. Con l’IA, anche il lavoro cognitivo viene codificato e automatizzato.

L’IA si nutre di un “surplus cognitivo” collettivo: l’insieme storico della conoscenza umana. Nel capitalismo, questo surplus viene espropriato, privatizzato e reificato in algoritmi. Il lavoratore cognitivo subisce una doppia alienazione: dal proprio lavoro immediato e dal proprio potenziale storico‑collettivo.

Le teorie del “capitalismo cognitivo”[16] hanno ora un argomento in più. Tuttavia esse confondono valore e valore d’uso: le infornazioni “sottratte agli utenti di Internet” nel corso del loro navigare in rete sono valoro d’uso, non contengono lavoro e quindi valore. Il valore deriva solo dal lavoro necessario a raccoglierle, classificarle e trasformarle in merci.

7. IA come strumento di potere di classe: sorveglianza, controllo e guerra

La tecnologia non è neutrale. Serve ad aumentare produttività e comprimere salari tramite dequalificazione, sostituzione del lavoro, ricatto occupazionale e razionalizzazione dello sfruttamento.

Il fordismo usava il cronometro; l’IA calcola flussi ottimali, elimina “sprechi”, monitora prestazioni individuali, ottimizza turni, percorsi, call center, supply chain.

La sorveglianza si estende a movimenti, pause, comportamenti.

L’automazione colpisce lavoro manuale e cognitivo, ampliando la disoccupazione tecnologica. L’IA, richiedendo enormi capitali, serve gli interessi dominanti: sorvegliare, reprimere, finanzializzare, fare guerra.

È noto l’uso massiccio dell’IA nei conflitti in Gaza e Ucraina, con il supporto tecnologico di Microsoft, Amazon, Google, Starlink—e presumibilmente anche della Russia.

8. Potenziali emancipativi: open‑source, Sud globale e visioni post‑capitaliste

DeepSeek è rivoluzionario per i Paesi in via di sviluppo: alte prestazioni, costi bassissimi, open‑source.

In agricoltura, sanità, istruzione, microfinanza e servizi pubblici permette salti tecnologici, soluzioni su misura e sovranità digitale.

Riduce la dipendenza da fornitori stranieri e crea competenze locali. Secondo Meta e Linux Foundation, l’open‑source potrebbe generare 3,8 trilioni di dollari di produttività nelle economie APEC entro il 2038[17].

Piero Arlacchi ha evidenziato il sistema cinese Qiushi AI, progettato per la pianificazione economica, sostenendo che se l’IA può superare gli imprenditori umani e ridurre sprechi e crisi, la proprietà privata dei profitti diventa sempre meno giustificabile[18].

Nel capitalismo, l’IA aumenta alienazione e subordinazione. In una società comunista, dovrebbe liberare dall’alienazione del lavoro.

9. Conclusione: non luddismo, ma lotta di classe su una nuova frontiera

L’IA rappresenta un salto qualitativo rispetto alle tecnologie ICT, ma dal punto di vista del lavoro salariato intensifica la sostituzione del lavoro umano con macchine.

La resistenza, come nelle migliori esperienze del passato, non deve opporsi alla tecnologia, ma alla sua appropriazione capitalistica, reindirizzandola verso il benessere collettivo.

Occorrono tecnologie orientate ai bisogni umani, non all’accumulazione. L’IA open‑source è una risorsa strategica. Alan Freeman sostiene che l’IA sia particolarmente adatta a contesti socialisti e contraddittoria rispetto al capitalismo[19].

Se l’umanità può riprodursi con sempre meno lavoro, dobbiamo rivendicare la riduzione dell’orario e, in prospettiva, l’abolizione del lavoro salariato – obiettivo raggiungibile solo attraverso trasformazioni radicali che mettano al centro i bisogni reali, anziché il profitto e la corporativizzazione della vita.

Attualmente, la classe lavoratrice fatica a organizzarsi a causa della frammentazione settoriale. Tuttavia, identificare avversari di classe comuni e contrastarne le strategie può contribuire, almeno in parte, a colmare questa distanza. Occorrono piattaforme politiche unitarie capaci di affrontare questioni trasversali e promuovere una rinnovata coscienza di classe. Le rivendicazioni devono includere:

– Progettazione trasparente dell’IA (codice ispezionabile, dati di addestramento dichiarati)
– Organizzazione culturale dal basso per contrastare la passività tecnologica.

L’AI Act dell’Unione Europea rappresenta un esempio della strategia delle classi dominanti: regolamentare l’IA, incentivare sistemi “conformi”, finanziare l’innovazione e, con ogni probabilità, militarizzare l’IA sotto la retorica della trasparenza e dell’etica.

Per contrastare il potenziale ingannevole dell’IA, dobbiamo agire in modo indipendente e impiegarla come strumento di cambiamento. L’IA open‑source offre possibilità immense – a condizione che i movimenti dei lavoratori guidino gli sviluppatori e partecipino attivamente alla definizione e all’uso dell’IA.

Questa è una nuova frontiera della lotta di classe.

Note:

[1] A. Bick, A. Blandin, and D.J. Deming, The Rapid Adoption of Generative AI, Federal Reserve Bank of St. Louis, Vanderbilt University, and Harvard Kennedy School, 2024.

[2] Questa è stata la prima di quattro conferenze pubbliche sull’Intelligenza Artificiale e il Parlamento, tenuta il 10 giugno 2025.

[3] Goldman Sachs, Generative AI Could Raise Global GDP by 7%, Aprile 2023, https://www.goldmansachs.com/insights/articles/generative-ai-could-raise-global-gdp-by-7-percent.html.

[4]“If AI is implemented solely to replace workers and boost corporate profits, its contribution to economic growth will be modest — perhaps barely 1%.” (D. Acemoglu, 2023).

[5] International Energy Agency (IEA) Report, Electricity 2024, https://www.iea.org/reports/electricity-2024.

[6] SemiAnalysis, AI’s Energy Crisis Is Closer Than You Think, 2024, https://semianalysis.com/p/ais-energy-crisis-is-closer-than.

[7] Google, A More Sustainable Future Through Information and Innovation, https://sustainability.google/; Microsoft, Accelerate Progress with Microsoft’s Sustainability Solutions, https://www.microsoft.com/it-it/sustainability.

[8] Google, 2023 Environmental Report (pp. 25–26); Microsoft, 2024 Sustainability Report (p. 12).

[9] The Guardian, Big Tech Water Consumption Surges Due to AI, February 22, 2024, https://www.theguardian.com/environment/2024/feb/22/big-tech-water-consumption-surges-ai-google-microsoft-meta.

[10] Bloomberg, Data Centers Guzzle More Water Than Reported, August 10, 2023, https://www.bloomberg.com/news/articles/2023-08-10/data-centers-are-guzzling-more-water-than-they-say.

[11] Investing in International Markets: The Case for Global Diversification, https://www.linkedin.com/pulse/investing-international-markets-case-global-jon-wingent-cfp—ykdae.

[12] I programmi Horizon 2020 e Horizon Europe hanno stanziato un budget totale di 80 miliardi di euro (2014-2027), con una quota dedicata alla microelettronica e all’intelligenza artificiale. Il Programma Europa Digitale (2021-2027) ha stanziato 7,5 miliardi di euro per supercomputer, intelligenza artificiale e sicurezza informatica. L’European Chips Act (2023) prevede 43 miliardi di euro entro il 2030 (anche se solo 3,3 miliardi di euro provengono da finanziamenti diretti dell’UE; il resto proviene da Stati membri e fonti private). Fonti: EU Digital Strategy, European Chips Act, Horizon Europe.

[13] Analisi su AI generativa e crisi del modello pubblicitario, 2024.

[14] Michael Roberts, AI going DeepSeek, published on January 28, 2025 on his blog “The Next Recession”.

[15] MarketWatch/Bloomberg, Nvidia Shares Drop 17%, 2024.

[16] Vedi per esempio, Andrea Fumagalli, Bioeconomia e capitalismo cognitivo, Carocci, 2011.

[17] Meta & Linux Foundation, The Value of Open Source AI for APEC Economies, cit. in Nurin Sofia, “APEC economies turn to open source AI for sustainable growth”, Tech Edition, 28 October 2025.

[18] P. Arlacchi, Un sistema per dirigere l’economia. Intelligenza artificiale di Stato: Così la Cina supera il capitalismo, Il Fatto Quotidiano, 2025-06-11, p. 16.

[19] Alan Freeman, DeepSeek and Open Source. New Technology, New Property Form, New Social System, forthcoming.

Bibliografia

Acemoglu, D. (2023). AI, Productivity and the Future of Work. Harvard Kennedy School.

Arlacchi, P. (2024). Il Fatto Quotidiano, 11 giugno.

Boston Consulting Group (2024). Open-Source AI and Innovation Multipliers.

European Commission (2023). AI Investment Report.

Goldman Sachs (2023). Generative AI and Productivity Growth.

Google (2023). Environmental Sustainability Report.

IEA (2024). Data Centres and Energy Outlook.

MarketWatch/Bloomberg (2024). Nvidia Shares Drop 17%.

McKinsey Global Institute (2023). The Economic Potential of Generative AI.

Microsoft (2023). Environmental Impact Report.

Parisi, G. (2024). Audizione alla Camera dei Deputati.

Roberts, M. (2024). AI, Open Source and the Crisis of Capitalism.

SemiAnalysis (2024). AI Energy Projections.

The Guardian (2023). Big Tech’s Hidden Water Footprint.

University of California (2024). Water Usage in AI Data Centers.

World Federation of Exchanges (2024). Global Market Capitalization Report.

Analisi su AI e modello pubblicitario (2024). AI Overviews and the Crisis of the Ad‑Supported Web.