Uno studio di Harvard e MIT su oltre 4.000 lavoratori statunitensi misura quanta conoscenza utile al lavoro resta fuori dai sistemi aziendali e costruisce un modello per capire che cosa accade quando quella conoscenza viene usata per addestrare l’AI. Il punto non è soltanto quali attività possano essere automatizzate, ma chi controlla l’esperienza accumulata dalle persone e come cambia il loro potere contrattuale.Per capire come l’intelligenza artificiale può cambiare il lavoro non basta chiedersi quali attività un modello sia tecnicamente in grado di svolgere. Prima viene un’altra domanda: di quali informazioni ha bisogno l’AI per svolgere davvero quel lavoro dentro una specifica organizzazione?Una parte della risposta è nei manuali, nelle procedure, nei database, nei software e nei documenti aziendali. Ma una parte importante resta nelle persone: nella conoscenza dei clienti e dei colleghi, nella capacità di gestire le eccezioni, nei criteri usati per decidere quando una regola non basta, nell’esperienza accumulata facendo quel mestiere.È questo il punto di partenza di Labor as Capital: AI and the Ownership of Expertise https://www.hbs.edu/faculty/Pages/item.aspx?num=68816, di Zoë Cullen (Harvard), Danielle Li (MIT) e Shengwu Li (Harvard). La versione del paper esaminata qui è datata 23 luglio 2026, la prima versione risale al 12 agosto 2025. Si tratta di un working paper, quindi di una ricerca ancora suscettibile di revisioni.La tesi centrale è semplice da formulare. Tradizionalmente, una parte dell’expertise rimane incorporata nel lavoratore: l’impresa ne beneficia finché quella persona lavora per l’organizzazione, ma non possiede integralmente ciò che sa. Oggi, invece, molte attività lasciano tracce digitali, documenti, codice, conversazioni, registrazioni, log, output, che possono essere utilizzate per addestrare sistemi AI. In questo passaggio, scrivono gli autori, la conoscenza può trasformarsi da lavoro che l’impresa affitta a capitale che l’impresa può riutilizzare.Indice degli argomenti