La notizia riportata da Reuters e Business Insider introduce un caso estremo delle strategie di addestramento dell’intelligenza artificiale all’interno delle grandi aziende tecnologiche. Meta Platforms ha avviato internamente un programma denominato Model Capability Initiative (MCI), basato sulla raccolta sistematica e continua dei dati di interazione uomo-computer dei propri dipendenti, con l’obiettivo esplicito di migliorare le capacità operative degli agenti AI.
Il funzionamento del sistema, per come descritto, è tecnicamente molto specifico e si colloca in una categoria diversa rispetto ai dataset tradizionali utilizzati per il training dei modelli. Il software installato sui dispositivi aziendali è in grado di registrare sequenze di input a livello granulare, includendo battute da tastiera, movimenti del mouse, clic e acquisizioni dello schermo. Questo tipo di raccolta dati non si limita a catturare il risultato finale di un’azione, ma documenta l’intero processo operativo, trasformando ogni interazione in una sequenza temporale utilizzabile per l’addestramento.
L’obiettivo dichiarato è permettere ai modelli di comprendere non solo cosa fanno gli utenti, ma come lo fanno. In termini tecnici, si tratta di passare da un apprendimento basato su output statici a un apprendimento basato su traiettorie comportamentali, in cui l’AI può osservare e replicare pattern complessi di utilizzo delle interfacce. Questo include operazioni quotidiane come la navigazione tra menu, l’uso di scorciatoie da tastiera o la gestione simultanea di più applicazioni, elementi che risultano difficili da apprendere attraverso dataset tradizionali.
Le dichiarazioni di Andrew Bosworth chiariscono la direzione strategica dell’iniziativa: la costruzione di agenti AI capaci di eseguire la maggior parte delle attività operative, lasciando agli esseri umani un ruolo di supervisione e coordinamento. In questo contesto, MCI rappresenta un’infrastruttura di raccolta dati funzionale alla creazione di modelli che non si limitano a generare contenuti, ma sono in grado di interagire direttamente con ambienti software complessi.
Questa strategia si inserisce nel più ampio programma di trasformazione interna denominato Agent Transformation Accelerator (ATA), che sostituisce il precedente “AI for Work”. Il cambio di denominazione non è puramente formale, ma riflette un passaggio da un approccio di supporto alle attività a un modello in cui l’AI diventa un attore operativo centrale nei processi aziendali. L’integrazione della raccolta dati MCI con lo sviluppo di agenti suggerisce un ciclo chiuso in cui osservazione, apprendimento ed esecuzione sono strettamente collegati.
Un elemento tecnico particolarmente rilevante è l’introduzione di metriche interne basate sull’utilizzo dei token, utilizzate per monitorare e incentivare l’adozione dell’AI all’interno dell’organizzazione. Questo fenomeno, definito “token-maxxing”, indica una spinta verso l’ottimizzazione dell’uso dei modelli AI nei flussi di lavoro quotidiani. In termini pratici, significa che i dipendenti non sono solo osservati come fonte di dati, ma sono anche parte attiva di un sistema che misura e guida l’interazione con l’intelligenza artificiale.
Ancora, Meta ha istituito una divisione dedicata all’“IA applicata”, con un focus specifico sul miglioramento delle capacità di coding dei modelli e sullo sviluppo di agenti. Questo suggerisce che i dati raccolti tramite MCI sono destinati a essere utilizzati non solo per migliorare l’interazione con interfacce generiche, ma anche per addestrare sistemi in grado di svolgere attività tecniche complesse come sviluppo software, testing e deployment.
Le implicazioni organizzative sono altrettanto significative, visto che sta emergendo una nuova figura professionale, definita “AI Builder”, che integra competenze tradizionalmente separate. Questo riflette un cambiamento strutturale nel modo in cui il lavoro viene organizzato, con una progressiva dissoluzione dei ruoli rigidi a favore di profili più flessibili e orientati alla collaborazione con sistemi AI.
Tuttavia, il punto più controverso dell’iniziativa riguarda la dimensione della privacy e del controllo. La raccolta continua e obbligatoria dei dati, senza possibilità di opt-out sui dispositivi aziendali, introduce un livello di monitoraggio estremamente elevato. Le reazioni interne riportate indicano un disagio diffuso, legato non solo alla quantità di dati raccolti, ma anche alla natura pervasiva del sistema, che registra ogni interazione senza distinzione tra attività rilevanti e non.
Meta ha dichiarato che i dati non vengono utilizzati per la valutazione delle performance e che sono state implementate misure di sicurezza per proteggere le informazioni sensibili. Tuttavia, dal punto di vista tecnico e normativo, la distinzione tra utilizzo per training e utilizzo per valutazione può risultare difficile da garantire in modo assoluto, soprattutto in presenza di dataset così dettagliati.
Il contesto normativo rappresenta un ulteriore elemento critico. Negli Stati Uniti, dove la regolamentazione federale in materia di monitoraggio dei dipendenti è limitata, un’iniziativa di questo tipo può essere implementata con minori vincoli. In Europa, invece, il quadro è molto più restrittivo: normative come il Regolamento generale sulla protezione dei dati pongono limiti stringenti sulla raccolta e sul trattamento dei dati personali, soprattutto in ambito lavorativo. La natura continua e non disattivabile del monitoraggio descritto potrebbe entrare in conflitto con principi fondamentali come proporzionalità, minimizzazione dei dati e consenso informato.