Cosa sappiamo degli algoritmi?

Gli algoritmi suscitano reazioni contrastanti: chi si preoccupa per la privacy, chi si meraviglia della loro efficienza. Ma spesso non si analizzano le conseguenze più profonde sull’economia di una macchina che è capace di apprendere e migliorare come fosse un cervello umano.

Nel discorso pubblico sulle piattaforme digitali spesso si parla della loro opacità, dello scarso rispetto per le istituzioni e per le leggi di un certo Paese che le caratterizza (il famoso “move fast and break things”, motto di Facebook che assume un carattere sinistro quando si parla di privacy e dati personali). Se ne parla dunque in connessione con le condizioni dei loro lavoratori, che siano magazzinieri di Amazon, fattorini di Deliveroo o autisti di Uber, sottoposti al controllo di algoritmi di performance e, negli ultimi due casi, non protetti dal diritto del lavoro.

Oppure, si analizza come AirBnb abbia cambiato il mercato degli affitti in quasi tutte le metropoli del mondo occidentale, a volte con conseguenze deleterie per il turismo o addirittura per l’interesse generale. Un’altra parte di discorso pubblico tende invece ad esaltarne le qualità, intese come possibilità di rinnovare e velocizzare interi settori industriali, ridurre gli attriti tra domanda e offerta, rendere semplice e sicuro l’acquisto in rete di beni e servizi.

Amazon è l’”everything store”, Google è ormai un verbo – prestato all’italiano con il neologismo “googlare”, con buona pace dei puristi della lingua. Le piattaforme digitali permettono di comprare un’automobile, trovare lavoro, guardare film e ascoltare musica con costi transazionali minimi, sia di tempo che di denaro, e questo viene pubblicamente riconosciuto dai loro estimatori e dai loro detrattori.

Quel che forse è passato sottotraccia nel discorso pubblico è invece la penetrazione della logica delle piattaforme digitali in tanti altri pezzi di economia: attraverso sensori e software di programmazione integrati nelle catene di montaggio, algoritmi simili a quelli che servono a consegnare i pacchi organizzano la produzione nell’industria pesante e nell’automotive; l’intelligenza artificiale e il cloud computing permettono di sviluppare ogni sorta di applicativo da ufficio; piattaforme digitali di condivisione video come Teams o Zoom sono diventate onnipresenti in pandemia, e stanno cambiando il modo di operare delle imprese più grandi.

Come funziona una piattaforma?

Facciamo però un passo indietro: come funziona una piattaforma? Secondo la definizione più semplice, proposta dagli economisti Martin Peitz e Paul Belleflamme, un’impresa digitale ha bisogno di due cose per essere definita piattaforma: effetti di rete ed economie di scala.

Le seconde sono di facile definizione e identificazione, meno i primi. Le economie di scala si realizzano quando diventa meno costoso per un’azienda servire il secondo cliente rispetto al primo, e di conseguenza servire mille persone rispetto ad una sola. Persino un ristorante ha economie di scala, seppur piccole: se viene un solo cliente, bisogna comunque pagare gli stipendi, le utenze, l’affitto, le forniture.

Se ne vengono cento, molti costi sono fissi, bisogna solo comprare più forniture (e anche lì ci sono economie di scala). Nel caso dell’economia digitale, i costi fissi sono molto alti: si tratta di pagare ingegneri molto specializzati, avere uffici e software molto costosi, affittare grossi server, diventare credibili e diffusi; ma i costi variabili sono quasi nulli: un nuovo utente non costa nulla ad Amazon o a Facebook; per tornare alle piattaforme industriali, un nuovo sensore non costa molto da installare una volta che il sistema software è già in piedi.

Gli effetti di rete invece riguardano le interazioni tra utenti: le piattaforme acquistano valore se sempre più persone le frequentano. Non si sarebbe su Facebook, Instagram o TikTok se non ci fossero anche i propri amici; per fare un esempio del primo Novecento, non si avrebbe un telefono se gli altri non lo avessero. In maniera leggermente diversa, non si sarebbe su Amazon o Ebay se non ci fossero tanti venditori, e i venditori non ci sarebbero se non ci fossero tanti utenti. Ma allora, come si sviluppano questi effetti di rete? Qui la piattaforma fa un esercizio di bilanciamento, di attrazione degli uno, due o più lati di cui è composta: fa credere a tante più persone possibile che altri siano già su quella piattaforma, offre vantaggi reali rispetto ad altri, pubblicizza la propria innovazione.

I vantaggi dell’algoritmo

Tra i vantaggi che propone ve n’è innanzitutto uno: un accesso più veloce e intuitivo al proprio servizio, un algoritmo che impara dalle esperienze passate ed è in grado di suggerire, ottimizzandole, quelle future, in base ai gusti e al profilo dell’utente e dei suoi simili. Gli esempi più semplici in questo senso sono Spotify o Netflix. Di conseguenza, l’utente che verrà dopo il primo avrà la possibilità di accedere ad un servizio che è già preparato ad accoglierlo, e quello dopo ancora farà ancor meglio, finché il milionesimo utente non avrà accesso ad un’esperienza completamente ottimizzata dai dati altrui.

Ovviamente, nessuna piattaforma si prende il rischio di iniziare con zero utenti, quindi organizza dei “beta-testing”, oppure sottopone il proprio prodotto non ottimizzato ad una sezione di popolazione predisposta e volenterosa: per Facebook, gli universitari americani; per Amazon, i lettori, oppure i tanti clickworkers di Amazon Mechanical Turk. Una volta ultimato questo passaggio, le piattaforme entrano nel mercato a pieno regime, ed i loro algoritmi continuano a lavorare, adattandosi, alle nuove condizioni. Uscendo per un attimo dal contesto di più comune comprensione, gli effetti di rete sono presenti anche nell’industria: gli algoritmi sono sempre più bravi a predire dove ci sarà un guasto in un impianto, il percorso migliore da seguire per portare una merce da A a B, come ottimizzare meglio la voce o il video di una call. Di conseguenza, diventa sempre più conveniente usarli, nutrendoli quindi di sempre più dati.

L’accumulo di dati

L’accumulo e l’elaborazione di grandi quantità di dati sul funzionamento di una tecnologia inizia a far vedere i suoi risultati persino nella ricerca, dove alcuni ingegneri della NASA hanno utilizzato l’intelligenza artificiale (essenzialmente, un grosso algoritmo) per sviluppare modelli di materiali più leggeri e resistenti di quelli comunemente concepiti dall’uomo. Quali sono le conseguenze di questa tendenza? Da una parte, le piattaforme digitali permettono di avere servizi e processi produttivi più efficienti, in tutta la filiera; dall’altra, però, si staglia all’orizzonte la questione della proprietà del capitale tecnologicoche detengono. L’algoritmo, gli algoritmi, al centro di una piattaforma digitale sono una forma curiosa di capitale: sono praticamente gratuiti, ma sono anche segretissimi; richiedono continui aggiornamenti, ma sono difficilmente rimpiazzabili per davvero.

Costruire un algoritmo che prenda delle decisioni e che ottimizzi i dati ricevuti è alla portata di molti esperti di digitale: una piattaforma (sic) come GitHub ospita pezzi di codice e vivaci discussioni giornaliere completamente open-source per chi volesse cimentarsi con la costruzione di una piattaforma di qualsiasi scopo. Un’IA costruita ad hoc aiuta gli sviluppatori a codificare i loro software nel modo più veloce possibile. Tuttavia, non è possibile replicare facilmente quello che fa un algoritmo come quello di Google. Si possono creare nuovi motori di ricerca, certamente, ma l’algoritmo che sta dietro Google è stato nutrito da una quantità inimmaginabile di dati, oltre a saperli ottimizzare molto bene. Google (dato del 2015) si basa su due miliardi di righe di codice, disponibili solo all’uso interno.

Capitale intangibile

Questo capitale intangibile, l’insieme di algoritmi che garantiscono il funzionamento di una piattaforma digitale, ha un tasso di ammortamento molto veloce, basta pensare a quanti sono gli aggiornamenti software che osserviamo sul nostro smartphone. Essi sono una piccola parte del totale, che invece è fatta da aggiornamenti in back-end, dietro le quinte, che hanno luogo quasi ogni giorno per ogni tipo di servizio. Se un algoritmo fosse un’automobile, sarebbe a prima vista un affare molto poco conveniente: più o meno ogni giorno ci sarebbe da sostituire un bullone, una candela, un disco.

Ad un’occhiata più approfondita, però, ci si renderebbe conto di qualcosa di strano: tanti più chilometri fa il motore, tanto meglio farà i prossimi. L’altra natura dell’algoritmo, all’origine degli effetti di rete di cui prima, è che migliora tanti più dati gli si danno in pasto: di conseguenza, il processo centrale del suo funzionamento diventa sempre più raffinato con l’uso. In altre parole, il motore ringiovanisce.

Quali sono le conseguenze di un capitale che ringiovanisce? Nei modelli macroeconomici, l’unica somiglianza la si può trovare con il ruolo della conoscenza: il capitale umano, intellettuale, si accumula senza invecchiare, migliorandosi con ogni nuova informazione. Questo genera innovazione, e magnificazione dei processi produttivi, costruendo la crescita. Viene però da chiedersi cosa succede quando un capitale del genere non è più nelle menti degli uomini, e quindi dei lavoratori, ma è invece appannaggio di macchine. La crescita rischia di essere sbilanciata, rendendo l’investimento in capitale sempre più produttivo rispetto all’investimento in lavoro. Dunque, chi per primo inserisce all’interno dei propri processi produttivi la logica di piattaforma, organizzata da insiemi di algoritmi, ottiene un enorme chance di moltiplicare i propri profitti.

Per citare Marx, si apre una nuova fase nel ciclo di accumulazione del capitale: se da un lato il capitalismo ha già naturale tendenza a riunirsi in grandi monopoli per dinamiche competitive ed economie di scala, dall’altro gli effetti di rete, gli algoritmi e la raccolta continua di dati gli danno una dimensione nuova, simile a quella data dall’accumulazione di proprietà intellettuale. C’è infatti un precedente, ossia il comportamento dell’industria farmaceutica, che fa dell’accumulo di brevetti per farmaci sempre nuovi la propria forza principale. A partire dagli anni ’90, questa catena del valore si è estesa a tutto, con un processo chiamato “Nikefication” dalla sua epigona, la Nike, che disegna le scarpe e detiene i diritti del brand, ma che poi produce tutto oltremare, dove il lavoro costa molto meno.

Anche le grandi aziende del digitale sono tra le maggiori acquisitrici di brevetti ed start-up innovative, avendo appreso la lezione degli anni ’90; ma attraverso gli algoritmi esse non si limitano a nuova conoscenza, ma ne generano sempre una forma più raffinata in termini di processo. Rispetto ad una catena del valore basata sulla proprietà intellettuale la piattaforma digitale genera la sua forma dinamica, compiuta nel processo continuo di rinnovamento del proprio capitale intellettuale, a sua volta completamente slegato dai suoi lavoratori.

La “piattaformizzazione”

L’inserimento di un sistema di algoritmi, e di una logica di piattaforma (la “piattaformizzazione”) all’interno delle dinamiche di un’industria va dunque pensato nei suoi effetti distributivi: la domanda è a quale distribuzione del valore darà origine. Per esempio, nella logistica, che è un settore che agisce come un sistema integrato: i rivenditori si servono di trasportatori, a loro volta contattati dai magazzini di stoccaggio, i quali sono in contatto con i grandi hub portuali e aeroportuali.

Se un rivenditore si serve di un algoritmo, potrà raccogliere dati sui percorsi più brevi o veloci, sulle zone più vantaggiose dove installare un magazzino, e persino su quali sono i trasportatori più efficienti. Questo comporterà un guadagno di efficienza per tutta la sua filiera: le merci arriveranno prima, ad un costo più basso, possibilmente anche in condizioni migliori. Ma il guadagno di efficienza sarà in qualche modo internalizzato: il rivenditore, che chiameremo Amazon, guadagna quote di mercato grazie al suo prodotto migliore.

Tuttavia, si appropria del valore che il suo algoritmo produce, perché sa usare i dati che raccoglie. Può redistribuire internamente i propri guadagni ai lavoratori, ed in parte lo fa; ma i suoi fornitori (quindi i trasportatori, gli altri magazzinieri, persino i venditori di prodotti sul suo sito) sono tagliati fuori, per ragioni sia competitive che di effettivo valore prodotto. Da un punto di vista competitivo Amazon ottiene maggiori quote di mercato, quindi può esigere alcuni vantaggi rispetto ad altri committenti, abbassare i prezzi, fare ultimatum.

Da un punto di vista di valore prodotto, ciascun fornitore non può esigere nulla: il valore aggiunto dipende dai dati raccolti e dalla capacità sempre più raffinata dell’algoritmo centrale di Amazon di elaborarli. Ne consegue che uno vale l’altro: una volta raggiunta una massa critica di fornitori a cui attingere, la piattaforma può considerare ciascuno intercambiabile, e quindi non in grado di esigere un pagamento più alto.

Amazon è però solo la punta dell’iceberg della piattaformizzazione. Come detto sopra, le logiche algoritmiche stanno cambiando interi settori: dal lavoro di ufficio fino all’industria pesante. La possibilità di raccogliere una grande quantità di dati sul funzionamento delle macchine è ancora agli inizi, ma potrà nel futuro garantire nuovi livelli di efficienza in ogni settore.

Allo stesso tempo, creerà imprese che arrivano prima di altre a centralizzare il processo di raccolta ed elaborazione dei dati: le conseguenze sulle loro filiere, e sui loro settori industriali, possono essere intuite. La sfida dei prossimi anni è dunque quella di governare questo processo. Per farlo, sarà necessaria una nuova concezione delle regole sul lavoro e sugli appalti, certo. Sarà anche importante comprendere la natura comunitaria dei dati e il loro potenziale trasformativo. Infine, bisognerà ragionare sulla proprietà dell’intelligenza artificiale, che in ogni settore si prepara a diventare un’infrastruttura essenziale.