Jensen Huang, il CEO di Nvidia, ha dichiarato a gennaio che stiamo entrando nell’era dell’AI fisica, quella in cui i sistemi di intelligenza artificiale escono dai computer e si incarnano in robot capaci di muoversi nel mondo reale. È una visione affascinante. Quello che rimane spesso fuori dall’inquadratura, però, è il lavoro umano massiccio e poco visibile che rende possibile ogni passo di questi robot.
MIT Technology Review ha dedicato un’analisi approfondita a questo tema, mettendo in luce una dinamica che ricorda molto da vicino quella già vista con i sistemi AI basati su testo e immagini: per addestrare un robot umanoide a svolgere compiti fisici, servono enormi quantità di dati di movimento, e quei dati vengono raccolti da persone in carne e ossa che indossano tute di cattura del movimento, eseguono compiti ripetitivi in ambienti controllati e registrano ogni gesto. Questo lavoro è spesso esternalizzato, sottopagato e raramente menzionato nelle presentazioni dei prodotti finali.
Il parallelo con i lavoratori che etichettano immagini per addestrare i modelli di visione artificiale è diretto. Anche in quel caso, per anni il contributo umano è stato oscurato dalla narrazione dell’AI come tecnologia autonoma e autosufficiente. La realtà è che ogni sistema AI, inclusi i robot fisici, dipende da una catena di lavoro umano che raramente appare nei comunicati stampa.
Per le aziende italiane che operano nella manifattura, nella logistica o nella grande distribuzione, i robot umanoidi sono ancora una prospettiva lontana in termini di adozione pratica. Ma la questione sollevata da MIT Technology Review ha una rilevanza immediata su un piano diverso: quando valutate qualsiasi sistema AI, è utile chiedersi da dove vengono i dati che lo hanno addestrato e chi ha fatto il lavoro di raccolta e classificazione. Questa trasparenza è sempre più richiesta anche dalla normativa europea sull’AI Act.
Un’azienda di logistica che sta valutando sistemi automatizzati di smistamento, ad esempio, dovrebbe chiedere al fornitore non solo le specifiche tecniche del sistema, ma anche come sono stati raccolti i dati di addestramento e se esistono garanzie sulla qualità e l’eticità di quel processo. Allo stesso modo, un produttore di componenti meccanici che esplora l’automazione del controllo qualità dovrebbe considerare che i sistemi di visione artificiale che usa sono stati addestrati da qualcuno, da qualche parte, con dati che hanno una storia.
La narrazione del robot autonomo e infallibile è sempre parziale. Dietro c’è sempre un processo, e quel processo ha costi, persone e implicazioni che vale la pena conoscere prima di firmare un contratto.
Perche conta. La prossima volta che un fornitore di automazione o AI vi presenta un sistema come “completamente autonomo” o “addestrato su milioni di esempi”, chiedete esplicitamente come sono stati raccolti quei dati, chi li ha prodotti e se il processo è documentato. Non è una domanda tecnica: è una domanda di trasparenza che protegge la vostra azienda da rischi reputazionali e di conformità normativa. L’analisi completa è su MIT Technology Review: https://www.technologyreview.com/2026/02/23/1133508/the-human-work-behind-humanoid-robots-is-being-hidden/