Cosa abbiamo portato a Ginevra: AI Agents e il futuro del lavoro

Il mese scorso ero al Palazzo delle Nazioni Unite a Ginevra, per il Summit annuale di AIFOD — AI for Developing Countries Forum. Ho presieduto un tavolo dell’Independent Review Board dal titolo “AI Agents and the Future of Work”, insieme a tre co-chair: Pavlo Yalovol (VP Innovation, Intetics), Shikhin Agarwal (Founder e CEO, StatsLateral) e Georg Zangl (COO, MudoZangl). La sala era piena. Non è un dettaglio da poco: significa che il tema, come organizziamo il lavoro tra persone e agenti autonomi, è già entrato nelle priorità reali di chi decide, non solo nelle slide dei vendor.

Volevo raccontare qui, con calma, cosa abbiamo messo sul tavolo e perché.

Il problema che volevamo affrontare

Il vocabolario che tutti usiamo oggi — generative AI, AI Agent, Agentic AI — descrive una cosa sola: quanto un sistema sa fare da solo. È un asse legittimo, e le aziende che lo vendono hanno tutto il diritto di essere valutate su questo. Ma non risponde a una esigenza diversa, che per un’organizzazione conta altrettanto: quelle azioni, per quanto autonome, sono lavoro solo quando qualcuno ne risponde.

Per il tavolo IRB abbiamo proposto di chiamare questa seconda dimensione accountability: non quanto un sistema sa fare, ma sotto quali condizioni le sue azioni contano come lavoro di cui un’organizzazione può rispondere. L’idea di fondo è semplice, e credo importante: l’automazione non è lavoro. Per chiamare qualcosa lavoro, deve esistere qualcuno che si prende la responsabilità dei risultati. Un sistema può eseguire in modo eccellente e restare pura automazione, se nessuno risponde dell’esito, se nulla può essere verificato, se non esiste un perimetro entro cui è tenuto ad agire.

Un Work Operating System è la categoria di soluzione che copre integralmente entrambe le dimensioni insieme — capacità e accountability — per ogni dipendente digitale, come proprietà del sistema stesso, e non come un assetto costruito su misura a mano attorno a un singolo agente. Non è un punto migliore sulla scala della capacità. È ciò che porta ogni pezzo di lavoro “AI-enabled” al punto in cui dovrebbe stare su entrambi gli assi insieme.

Il confronto: otto piattaforme, quattro categorie

Non volevamo restare nella teoria. Con l’IRB abbiamo selezionato otto piattaforme rappresentative di quattro categorie che oggi si dichiarano capaci di “fare lavoro”: piattaforme ecosistema (Microsoft Copilot, Google Gemini Enterprise), agenti integrati negli ERP (SAP Joule, Oracle AI Agent Studio), infrastrutture cloud AI (Amazon Bedrock/AgentCore, Anthropic Claude Platform) e piattaforme di dipendenti digitali (Kore.ai, Dorg.pro).

Per tenere il confronto onesto, abbiamo chiesto ad Anthropic di raccogliere solo informazioni pubbliche — sito ufficiale e documentazione rilasciata da ciascun vendor — e abbiamo fatto verificare in modo indipendente i punteggi da ChatGPT, applicando a tutti lo stesso set di otto criteri: sovranità, resilienza, mitigazione ambientale e sociale incorporata, anti lock-in, auto-configurazione delle competenze, disaccoppiamento tra governance e competenza, comportamento regolabile, costo di adozione a scala.

Il risultato non è stato “chi vince”. Come abbiamo scritto nelle conclusioni condivise con l’IRB: nessuna delle otto piattaforme è la risposta sbagliata. Ognuna supera a modo proprio la soglia minima che separa la semplice automazione dal lavoro vero. La scelta tra loro è una questione di adattamento all’organizzazione, non di qualità assoluta. Detto questo, non nascondo che vedere Dorg.pro posizionarsi bene su quasi tutti i criteri — in particolare su mitigazione incorporata e costo di adozione a scala — è stata una conferma preziosa di scelte architetturali che portiamo avanti da tempo, non una sorpresa che ci siamo inventati per l’occasione.

Il punto che ha acceso davvero la discussione

Il dato che ha fatto reagire più persone in sala non riguardava le prestazioni, ma la libertà di andarsene. Due delle piattaforme enterprise più adottate ottengono il punteggio più basso possibile sull’indipendenza dal fornitore. E uno dei grandi vendor ERP descrive nel proprio materiale di marketing i propri agenti come “built in, not bolted on” — un modo elegante per dire che cambiare fornitore significa perdere non solo il software, ma anni di regole e flussi di lavoro accumulati.

Solo tre delle otto piattaforme che abbiamo esaminato garantiscono contrattualmente la portabilità delle configurazioni accumulate, non solo dei dati grezzi. Da qui la domanda che ho girato al tavolo, e che riporto qui perché credo meriti di restare aperta anche fuori da quella stanza: dovremmo permettere a enti pubblici e istituzionali di firmare contratti su agenti AI che non prevedono alcuna via di uscita?

La bozza di standard che abbiamo discusso è semplice da enunciare e difficile da ignorare: l’acquisto pubblico di piattaforme AI-agent dovrebbe richiedere la garanzia contrattuale che l’organizzazione possa estrarre dati, configurazioni e flussi di lavoro accumulati — non i dati soltanto — in un formato utilizzabile, entro un tempo definito, senza costi aggiuntivi.

Perché per noi questo non è un tema astratto

Lo dico da presidente di una fondazione che su questo principio ha costruito la propria missione, quindi mi assumo la parte di parzialità che questo comporta: la sovranità è la libertà di scegliere e la libertà di andarsene. Se manca la seconda, la prima è solo una parola nel contratto. È il motivo per cui, quando progettiamo un dipendente digitale, il criterio di portabilità non è un modulo da aggiungere dopo: fa parte dell’architettura fin dall’inizio.

Non è una posizione che pretendo tutti condividano allo stesso modo — per un’attività con un’unica esigenza puntuale, la sovranità sull’inferenza conta relativamente poco. Ma per una banca, un ospedale, un’amministrazione pubblica, o semplicemente per un’organizzazione che intende costruire un rapporto di lungo periodo con la propria tecnologia, è la domanda giusta da porsi prima di firmare, non dopo.

Cosa portiamo a casa

Il materiale completo del tavolo — framework, tabella di confronto e raccomandazioni condivise con l’IRB — è disponibile su richiesta, insieme alle domande che abbiamo lasciato aperte al Board: quali criteri manca ancora includere per valutare un Work Operating System pensato per un’economia emergente, e se il “futuro del lavoro” sia oggi materia di discussione o già materia di decisione.

Un grazie sincero a Pavlo Yalovol, Shikhin Agarwal e Georg Zangl per aver condiviso il tavolo con rigore e prospettive nuove e complementari alla mia, e a tutti i delegati che hanno trasformato un’ora di sessione in una vera discussione, non in una sequenza di slide.

Flavio Bordignon — Presidente, Dorg Society Foundation