L’intelligenza artificiale sta attraversando una fase in cui non si limita più ad automatizzare singole attività o processi, ma punta a catturare e replicare direttamente le modalità operative degli individui. Un esempio emblematico di questa trasformazione è rappresentato da un progetto open source emerso in Cina, che introduce il concetto di “colleague skill”, ovvero la possibilità di estrarre, strutturare e riutilizzare le competenze di un lavoratore sotto forma di moduli AI. Questo approccio segna un passaggio significativo: dalla digitalizzazione del lavoro alla sua vera e propria modellizzazione.
Il sistema si basa sull’analisi di grandi quantità di dati operativi generati nel contesto lavorativo, tra cui chat, email, documentazione tecnica e revisioni di codice. Attraverso questi input, l’AI ricostruisce non solo le competenze tecniche di un individuo, ma anche il suo stile decisionale, le modalità comunicative e i comportamenti relazionali. Il risultato è un “profilo operativo” trasformato in un asset digitale, utilizzabile come componente modulare all’interno di agenti intelligenti .
Questo processo può essere interpretato come una forma avanzata di knowledge distillation, applicata non a modelli preesistenti ma direttamente al comportamento umano. Le competenze vengono scomposte in due dimensioni principali: da un lato le capacità tecniche, come standard di codice, pratiche di sicurezza e procedure operative; dall’altro gli aspetti più qualitativi, come il modo di prendere decisioni o di interagire con altri membri del team . Questa doppia struttura consente di superare il limite tradizionale dei sistemi AI, che spesso si concentrano su output funzionali senza catturare il contesto umano in cui tali output vengono generati.
Uno degli elementi più innovativi è la portabilità di queste competenze. Una volta convertite in “skill file”, possono essere archiviate, condivise e integrate in diversi sistemi. Questo introduce una nuova logica di modularizzazione del lavoro, in cui le capacità individuali diventano componenti riutilizzabili. In pratica, un’organizzazione può richiamare un determinato “skill” per eseguire attività specifiche, senza necessariamente coinvolgere la persona che ha originariamente sviluppato quella competenza.
Questo modello si inserisce nel più ampio sviluppo degli agenti AI autonomi, capaci di eseguire task complessi attraverso l’integrazione di moduli specializzati. I “colleague skill” rappresentano una forma di addestramento mirato, in cui l’agente non apprende da dataset generici, ma da esempi concreti di comportamento professionale. Il risultato è un sistema potenzialmente più allineato alle pratiche reali e alle esigenze operative delle aziende.
Le implicazioni per il mercato del lavoro sono rilevanti. La possibilità di estrarre e replicare competenze introduce una nuova dimensione nella relazione tra lavoratore e organizzazione. In alcuni contesti, le aziende hanno iniziato a richiedere ai dipendenti di formalizzare le proprie conoscenze sotto forma di “skill AI”, integrando questi output nei sistemi aziendali e utilizzandoli come metriche di performance . Questo passaggio trasforma il sapere individuale in un asset aziendale strutturato, riducendo la dipendenza dalla presenza fisica del lavoratore.
Allo stesso tempo, emergono dinamiche di resistenza e adattamento. La diffusione di strumenti definiti “anti-distillation” evidenzia una risposta diretta dei lavoratori, che cercano di proteggere il proprio valore competitivo. Questi sistemi generano versioni incomplete o depotenziate delle competenze, preservando gli elementi più critici e difficilmente replicabili . Si tratta di una forma di negoziazione tecnologica, in cui il controllo sul proprio know-how diventa un tema centrale.
Il fenomeno può essere letto come un’evoluzione della codifica del lavoro. Se in passato la standardizzazione riguardava procedure e processi, oggi si estende alle modalità cognitive e decisionali. L’AI non si limita a eseguire istruzioni, ma tenta di replicare il “come” e il “perché” delle azioni umane. Questo comporta una ridefinizione del concetto stesso di competenza, che passa da esperienza individuale a oggetto computazionale.
Un altro aspetto critico riguarda i limiti di questa tecnologia. Gli stessi sviluppatori sottolineano che i modelli generati non rappresentano una replica completa dell’individuo. Elementi come il giudizio etico, l’intuizione o le decisioni in contesti ambigui restano difficilmente codificabili . Questo indica che, nonostante i progressi, esiste ancora una distanza significativa tra la simulazione delle competenze e la loro reale espressione.
Il contesto socioeconomico in cui si sviluppa questo fenomeno amplifica ulteriormente le sue implicazioni. In Cina, dove l’adozione di strumenti AI è già diffusa su larga scala, con una percentuale significativa della forza lavoro che utilizza tali tecnologie su base settimanale, il tema della sostituzione occupazionale assume una rilevanza particolare . La possibilità che un’azienda continui a operare utilizzando le “skill” di un dipendente anche dopo la sua uscita introduce nuove forme di precarietà e ridefinisce il rapporto tra lavoro e valore.
Il modello dei “colleague skill” può essere interpretato come un passo verso la creazione di ecosistemi di competenze digitali. Le organizzazioni non gestiscono più solo persone e processi, ma anche librerie di capacità operative, aggiornabili e combinabili. Questo apre la strada a nuove forme di automazione avanzata, in cui l’intelligenza artificiale diventa un’estensione diretta del capitale umano.