Mathilde Abel was recently interviewed by Aurore Maubian for Libération. The interview is available in French here or below. In this interview, she explains the “enshittification” of platforms and how ChatGPT is gradually testing and rolling out an advertising model in order to maintain a free product while generating revenue. She also highlights the consequences on individual health and well being of platforms increasingly intense competition for users attention. She also draws attention to the strong extractivist dynamics (ressources, data, work) underneath these business models. Pop-ups qui surgissent, publicités qui envahissent l’écran, options autrefois gratuites désormais payantes : sur les plateformes numériques, l’expérience des utilisateurs se dégrade immanquablement à mesure qu’elles gagnent en popularité. Un phénomène que l’écrivain et journaliste canado-britannique Cory Doctorow a vulgarisé, en 2022, sous un terme qui ne s’embarrasse pas de nuances : la «merdification», de l’anglais enshittification. Après les réseaux sociaux ou encore les plateformes de streaming, ChatGPT en offre un nouvel exemple. Depuis lundi 24 août, des publicités sont intégrées en France et dans une trentaine de pays européens, dans la version gratuite et l’abonnement le moins onéreux. Auprès de Libération, Mathilde Abel, socioéconomiste spécialiste des enjeux numériques et maîtresse de conférences à Télécom Paris évoque «un mécanisme connu depuis vingt ans sur le plan économique. On retrouve la musique de “si c’est gratuit, c’est vous le produit”.» Pourquoi OpenAI introduit-elle de la publicité sur ChatGPT en Europe ? OpenAI est une entreprise qui doit entrer dans une logique de rentabilité, puisqu’elle continue d’enregistrer d’importantes pertes financières. Avec la publicité, elle ouvre un nouveau segment de marché et ajoute donc une nouvelle source de revenus. Elle continue de proposer un service gratuit, mais celui-ci est désormais financé en partie par la consommation de contenus publicitaires. C’est un modèle économique très traditionnel et surtout très rémunérateur. Ce n’est pas pour rien que Google l’utilise sur son moteur de recherche ou sur YouTube, et que Netflix s’y est également mis. En conséquence, cela produit de fait une dégradation de la qualité de service pour les consommateurs qui vont continuer à utiliser ChatGPT gratuitement. Fallait-il s’attendre à ce que ChatGPT suive cette logique de «merdification» ? D’un point de vue stratégique, ce n’est pas surprenant qu’OpenAI introduise finalement de la publicité. L’entreprise suit la logique classique des modèles économiques des moteurs de recherche et de certains médias. Le cycle de vie de ces plateformes est bien connu des économistes. Il y a d’abord une phase de lancement, avec une recherche de liquidités qui permettent de subventionner le marché et donc l’usage dans un premier temps. C’est pour cela que vous, moi, tout un chacun, avons pu utiliser ChatGPT gratuitement pendant plusieurs années. -------------------------------------------------------------------------------- Ensuite vient la phase de croissance, pendant laquelle les plateformes multiplient les offres. ChatGPT l’a fait en conservant un service gratuit, mais aussi en proposant un abonnement premium, avec différents niveaux d’accès en fonction de ce que vous êtes en mesure de payer [8 euros pour l’abonnement Go, 23 euros pour le Plus et 103 euros pour le Pro, ndlr]. C’est ce qu’on appelle de la «discrimination tarifaire» : petit à petit, un monde se crée entre ceux qui ont la capacité d’accéder à des services premium et ceux qui ne l’ont pas. Puis vient la phase de «stabilisation», où les plateformes cherchent à maintenir leurs sources de revenus. Comment ces plateformes, malgré la détérioration de leurs services, parviennent-elles à rester attractives aux yeux des utilisateurs ? Avant de lancer ce projet, OpenAI a réduit cette incertitude quasiment à zéro. En amont, l’entreprise a testé le marché de manière très régulière pour savoir si, oui ou non, les consommateurs utilisant gratuitement ChatGPT resteraient sur la plateforme en présence de publicité. Cela se fait à travers de petits segments de marché : les plateformes ne mettent pas immédiatement de la publicité massivement partout. Elles peuvent proposer des publicités à certains individus et regarder comment ils réagissent à ce modèle. -------------------------------------------------------------------------------- Leur grande force est que nous produisons, comme usagers, énormément de données, ici notamment à travers les prompts [les requêtes envoyées à l’IA]. Ceux-ci leur permettent de comprendre les comportements et d’évaluer la propension d’un individu à continuer à consommer un service si une dégradation de celui-ci intervient, notamment par la publicité. Ils ont vraisemblablement déjà calculé le churn rate, c’est-à-dire combien de personnes vont cesser d’utiliser le service si celui-ci est monétisé par la publicité. Cette «merdification» a-t-elle d’autres conséquences que la simple dégradation de l’utilisabilité ? Quand on crée de la publicité et qu’on souhaite que les individus cliquent sur une bannière ou un lien, puis aillent consommer tel ou tel produit, on a aussi besoin qu’ils continuent à utiliser le service qu’on leur offre. Les plateformes renforcent donc les mécanismes de captation de l’attention qui accroissent les phénomènes d’addiction des utilisateurs et mettent indirectement leur santé en jeu. C’est ce qui est advenu sur des médias comme YouTube, Meta, Snapchat ou TikTok, avec par exemple le scrolling infini. Il faut maintenant observer comment la plateforme va intégrer la question de ces externalités dans son architecture. Quand on parle de «merdification» de l’IA générative, est-ce une erreur de ne regarder que l’expérience de l’utilisateur ? La question de la qualité du service produit est déjà problématique avant même qu’on ne parle de sa dégradation. Aujourd’hui, les IA génératives sont éminemment extractivistes, à tous points de vue. D’abord, elles reposent sur l’extraction de données, parfois illégale. Ensuite, pour que les modèles puissent faire des prédictions, ces données doivent être annotées par des travailleurs. Cela s’inscrit dans une division internationale du travail, notamment dans des pays du «Sud global», où les travailleurs sont extrêmement précaires. Le tout nécessite également d’immenses infrastructures, notamment des data centers. Cela suppose l’extraction de terres rares pour les puces graphiques et ordinateurs, mais aussi du foncier, puisque ces infrastructures occupent parfois des surfaces agricoles et de l’eau pour refroidir les calculateurs. C’est pour cela que la question de la dégradation ne peut pas être regardée uniquement depuis notre côté de l’écran, en se plaignant de la publicité.

Smontare gli errori di un testo che per metà condivido è, mi pare, il modo più serio di rispettarlo. di jolek78 L’enciclica di Leone XIV Magnifica Humanitas è uscita il 15 maggio, e nel giro di una settimana avevo già letto più o meno tutti gli elogi possibili. I cattolici di sinistra (leggasi: cattocomunisti) l’hanno celebrata per l’anticapitalismo esplicito; i

L’editoria accademica contemporanea appare sempre più segnata da una tensione tra richieste crescenti di trasparenza rivolte agli autori e processi editoriali spesso opachi e automatizzati. Desk rejection rapide, criteri poco esplicitati e sistemi algoritmici di classificazione e trasferimento dei manoscritti stanno trasformando profondamente la valutazione scientifica. In questo quadro, il lavoro intellettuale e di peer review, largamente non remunerato, viene integrato in modelli editoriali fortemente orientati alla monetizzazione tramite APC e piattaforme proprietarie. Il risultato è un’erosione della fiducia epistemica che attraversa l’intero ecosistema della comunicazione scientifica. Riflettere criticamente su queste dinamiche significa interrogarsi non solo sull’efficienza del sistema, ma sulla sua stessa legittimità come spazio di produzione e diffusione della conoscenza. Alcune recenti esperienze maturate presso diverse riviste internazionali di alto profilo, sia come autrice sia come reviewer e handling editor, mettono in luce una tensione crescente nell’editoria accademica contemporanea: la coesistenza tra aspettative sempre più stringenti nei confronti degli autori[1] e pratiche editoriali sempre più opache nella valutazione dei manoscritti. Questa tensione non è riducibile a decisioni individuali o a episodi isolati. Piuttosto, riflette una trasformazione sistemica nell’organizzazione della comunicazione scientifica, in cui infrastrutture algoritmiche, flussi di lavoro editoriali e logiche commerciali risultano sempre più intrecciati. Da un lato, agli autori è richiesto di conformarsi a standard sempre più rigorosi di trasparenza, responsabilità e precisione metodologica. Ciò vale non solo per la progettazione e la rendicontazione della ricerca, ma anche per le fasi successive alla submission. Anche questioni secondarie, come la correzione di un errore materiale introdotto in fasi successive alle richieste di revisione del contenuto, possono essere sottoposte a un esame prolungato e, talvolta, respinte sulla base della non meglio specificata “insoddisfazione” di un revisore anonimo. In questi casi, la buona fede dichiarata dall’autore si rivela insufficiente e l’onere della prova grava interamente sul singolo studioso. La fiducia, in altre parole, non è presupposta come base della collaborazione scientifica tra autore e rivista, ma deve essere continuamente negoziata in modo asimmetrico. Dall’altro lato, i processi editoriali restano in larga misura sottratti a un analogo livello di controllo. Le desk rejection, pur costituendo una componente consolidata e necessaria delle riviste più prestigiose e ad alto volume di submission, sono sempre più caratterizzate da rapidità, standardizzazione e giustificazioni stereotipiche. Le decisioni motivate in termini di “fit” o “novelty” sono spesso comunicate con un linguaggio preimpostato, che offre indicazioni limitate sull’effettivo grado di conoscenza del manoscritto sottoposto a valutazione. In alcuni casi, intercorrono solo pochi minuti tra l’assegnazione del manoscritto all’handling editor e la comunicazione del desk reject. In altri, giudizi di “originalità insufficiente” vengono formulati dopo tempi di revisione di dieci o dodici mesi, rendendo la logica temporale di tali valutazioni paradossale e, talvolta, controintuitiva. Sebbene tali pratiche siano spesso giustificate come risposte pragmatiche all’elevato numero di submission, esse contribuiscono comunque a una crescente percezione di opacità procedurale. Questa percezione è ulteriormente rafforzata dall’integrazione di sistemi automatizzati nelle piattaforme di submission dei grandi gruppi editoriali, come Elsevier, Taylor & Francis e Frontiers. A seguito di un reject, agli autori vengono regolarmente e immediatamente proposte riviste alternative di pari o inferiore prestigio, accompagnate da “alignment scores” derivati da metriche di similarità degli abstract e da schemi di trasferimento precedenti. Tali raccomandazioni sono generalmente presentate come forme di supporto, volte a facilitare una resubmission efficiente all’interno dello stesso ecosistema editoriale. Tuttavia, esse introducono anche un ulteriore livello di mediazione, in cui la classificazione algoritmica si interseca con il processo decisionale editoriale. La domanda, a questo punto, diventa inevitabile: quanto c’è di umano in questo tipo di valutazione? Un aspetto particolarmente rivelatore di questo processo è la centralità attribuita alle article processing charges (APC) all’interno di tali percorsi di trasferimento. Le riviste suggerite sono spesso accompagnate da costi di pubblicazione chiaramente visibili, anche quando l’allineamento indicato risulta limitato, come mostrato nell’esempio reale riportato di seguito. Qui non interessa soffermarsi ulteriormente sulla problematicità del concetto stesso di “allineamento”, non come condizione per l’accettazione alla pubblicazione, ma come filtro preliminare per l’accesso al processo stesso di valutazione. È però evidente che la prossimità temporale tra il rifiuto e le opzioni di resubmission genera l’impressione di una pipeline semi-automatizzata, in cui il lavoro scientifico viene rapidamente reindirizzato attraverso un sistema che intreccia valutazione scientifica, logiche di mercato e modelli di monetizzazione del sapere. In tale configurazione, il valore prodotto attraverso lavoro intellettuale ed editoriale ampiamente non remunerato viene successivamente reinserito in circuiti economici che trasferiscono i costi della disseminazione aperta sulle istituzioni.Le APC partecipano a un sistema che cattura e riorganizza sistematicamente il lavoro accademico non retribuito, sia nella produzione intellettuale sia nel servizio editoriale. Se è pur vero che i costi della comunicazione scientifica esistono indipendentemente dal modello di pubblicazione adottato, i sistemi basati su APC tendono a redistribuirli in modo diseguale, trasferendoli sulle istituzioni e, in molti contesti, direttamente sui singoli autori. Questo aspetto assume particolare rilevanza nei sistemi universitari privi di accordi trasformativi, fondi dedicati o accesso strutturato a risorse per l’open access. . In questo senso, l’economia dell’editoria genera profitto non nonostante, ma proprio attraverso la mobilitazione su larga scala di attività accademica generalmente non remunerata, trasformando il lavoro intellettuale collettivo in una merce monetizzabile all’interno di un mercato fortemente controllato e sostenuto strutturalmente da regimi di fiducia distribuiti in modo diseguale. Screenshot della piattaforma Elsevier, riprodotto a fini di analisi e critica. Ne emerge una complessa asimmetria nella distribuzione e nell’esercizio della fiducia all’interno del sistema editoriale accademico. Gli autori operano all’interno di un regime di verifica, in cui affermazioni, correzioni e interpretazioni devono essere giustificate in dettaglio e sono soggette a potenziale contestazione da parte di revisori anonimi, la cui assegnazione è, ancora una volta, spesso governata da dinamiche algoritmiche scarsamente trasparenti. I processi editoriali, al contrario, risultano in gran parte sottratti a forme analoghe di accountability, facendo affidamento sull’autorità istituzionale e sull’assunto di un giudizio professionale sottratto a forme equivalenti di scrutinio. Questo squilibrio contribuisce a un’erosione della fiducia epistemica, non perché le decisioni siano necessariamente errate, ma perché le condizioni in cui vengono prese risultano insufficientemente trasparenti. Questa asimmetria diventa ancora più evidente se considerata alla luce delle disuguaglianze strutturali tra contesti istituzionali. Gli studiosi che operano in università con accesso limitato ai database in abbonamento e alle risorse bibliografiche aggiornate fanno esperienza diretta di ulteriori difficoltà nel garantire una trattazione esaustiva della letteratura scientifica. Le richieste ripetute di ampliare, aggiornare o riformulare i riferimenti, frequentissime nella peer review, possono quindi gravare in modo sproporzionato su chi opera già in condizioni di risorse limitate. Sebbene negli ultimi anni siano aumentate le risorse bibliografiche ad accesso aperto e gli strumenti di indicizzazione disponibili, persistono importanti differenze nella possibilità di accedere in modo sistematico ai testi integrali, in particolare in alcuni ambiti disciplinari, tra cui molte aree delle scienze umane e sociali. In tali contesti, l’accesso alla letteratura scientifica continua a dipendere in misura significativa da risorse istituzionali non uniformemente distribuite.Allo stesso tempo, il sistema editoriale accademico continua a basarsi in larga misura su lavoro intellettuale non retribuito. La peer review, la partecipazione ai comitati editoriali e la valutazione dei manoscritti si fondano in buona parte sul contributo volontario degli studiosi, spesso svolto in tempi stretti e senza compenso economico. Alcune pratiche recenti hanno aumentato la visibilità di tali attività attraverso modelli di peer review aperta o attribuzione nominale delle revisioni, tuttavia, questa esposizione del contributo non coincide necessariamente con forme strutturate di riconoscimento istituzionale, né modifica il ricorso sistematico a lavoro intellettuale non retribuito. Rendere visibile il lavoro gratuito del reviewer, a conti fatti, non risolve il problema a monte del lavoro gratuito.  . Non è raro, del resto, che un singolo accademico riceva decine di richieste di review ogni mese. Questo lavoro è essenziale per il funzionamento del sistema, e tuttavia i risultati che esso sostiene sono spesso racchiusi in ambienti a pagamento o associati a costi di pubblicazione elevati. Tale configurazione solleva interrogativi fondamentali sulla distribuzione del valore e sulla sostenibilità dei modelli editoriali attuali. La crescente integrazione di strumenti automatizzati nei flussi di lavoro editoriali complica ulteriormente questo scenario. Il problema non è se tali strumenti vengano utilizzati  (la loro presenza è ormai una caratteristica consolidata delle infrastrutture digitali) ma come il loro uso venga inquadrato discorsivamente e come esso riconfiguri le relazioni tra autori, direttori di riviste, componenti di comitati editoriali e istituzioni. Emerge una tensione significativa tra un’“AI-phobia” implicita che grava sugli autori, ai quali viene spesso richiesto di dichiarare, giustificare o limitare l’uso di strumenti generativi, e un’integrazione più opaca di sistemi automatizzati nei processi decisionali editoriali. Questa discrepanza suggerisce che le preoccupazioni relative all’intelligenza artificiale siano distribuite in modo diseguale, con un livello di controllo maggiore esercitato sui singoli ricercatori piuttosto che sulle pratiche istituzionali e, in ultima istanza, sulle logiche di mercato che organizzano l’editoria accademica. Da una prospettiva sociosemiotica, questi sviluppi possono essere interpretati come parte di una più ampia riconfigurazione dei processi di costruzione del significato nell’editoria accademica. Le decisioni editoriali, le interfacce di piattaforma, i punteggi algoritmici e gli indicatori economici costituiscono un ambiente semiotico complesso in cui il valore scientifico viene costruito, comunicato e negoziato. La visibilità di alcuni elementi, come le APC o le metriche di allineamento, accanto alla relativa invisibilità di altri — come la reale capacità editoriale di valutare in modo rigoroso una proposta di pubblicazione — contribuisce a plasmare il modo in cui gli autori interpretano e rispondono al sistema. In ultima analisi, ciò che è in gioco non è soltanto l’equità delle singole decisioni, ma anche la legittimità complessiva dell’ecosistema editoriale. Se l’editoria accademica vuole mantenere il proprio ruolo di spazio credibile nella produzione della conoscenza, è necessaria una maggiore trasparenza non solo nelle pratiche di ricerca, ma anche nei processi editoriali. Ciò implica una comunicazione più chiara dei criteri che guidano le desk rejection, dell’effettiva valutazione editoriale dei manoscritti prima della decisione e del ruolo svolto dai sistemi automatizzati nel determinare gli esiti delle decisioni editoriali. Reimmaginare la fiducia come responsabilità condivisa e reciproca rappresenterebbe un passo importante in questa direzione. Piuttosto che collocare l’onere della trasparenza principalmente sugli autori, i sistemi editoriali dovrebbero orientarsi verso una maggiore apertura nei processi decisionali e nelle modalità di comunicazione. Un tale cambiamento non eliminerebbe i vincoli strutturali imposti dall’elevato numero di submission o dalle pressioni commerciali dell’industria, ma contribuirebbe a ristabilire la fiducia nei processi attraverso cui il lavoro scientifico viene valutato e diffuso. Nella sua configurazione attuale, l’editoria accademica rischia di scivolare verso un modello in cui efficienza, standardizzazione e monetizzazione prevalgono sull’effettiva presa in carico del possibile contributo intellettuale, intesa come valutazione qualitativa non riducibile a filtri, automatismi o scorciatoie procedurali. Riconoscere e analizzare criticamente questa traiettoria è essenziale affinché il sistema rimanga coerente con i suoi principi fondamentali di conoscenza, equità e responsabilità scientifica. [1] Sebbene sia acutamente consapevole della problematicità di tale uso, in questo contributo si userà il maschile inclusivo per motivi di semplificazione.  

Puntata 23 di EM, quinta del ciclo Estrattivismo dei dati, parliamo di tre storie diverse, con un unico filo conduttore: il potere che stiamo consegnando alle macchine e alle infrastrutture che le governano. Nella prima parte partiamo da Kill Chain: l’automazione militare, le catene decisionali opache e il modo in cui la tecnologia può distribuire la responsabilità fino a farla sparire (il caso del sistema Maven e l'uccisione di 175 bambini in Iran). Nella seconda entriamo nel mondo degli AI Agents: sistemi presentati come autonomi e intelligenti, che aprono scenari inquietanti in cui l'essere umano diventa una loro interfaccia (Human API) da utilizzare esattamente come altre interfacce software, per procedere autonomamente nello svolgimento di compiti complessi. Strumenti in realtà ancora pieni di limiti pratici, fragilità operative e promesse spesso molto più grandi dei risultati reali. Nella terza guardiamo a ciò che accade fuori dai laboratori e dai boardroom: la crescente rivolta contro l’AI, che a Londra ha visto scendere in piazza migliaia di persone per protestare contro Google, Meta, OpenAI e contro un modello che concentra ricchezza, dati e potere. Una puntata su guerra, automazione, propaganda tecnologica e conflitto sociale.

DiPLab continues its collaboration with Valori.it, the Italian editorial hub specializing in ethical finance and sustainable economy issues. After Antonio Casilli’s Interview with the Oblò podcast on the risks and fears associated with artificial intelligence, this month we spoke with Unchained about another facet of automation: cashierless stores. Behind the ‘smart’ shop windows and cameras that recognize products, there is in fact an invisible army of ‘data workers’ – often in India or countries where labor is cheap and union protections are weaker – who correct, label, and sometimes mimic the systems to make the experience seem completely automatic.

Italy’s national broadcaster Rai 1 has shined a light on a crucial but often overlooked aspect of artificial intelligence in their program “Codice.” Their recent report reveals the essential truth: AI is built on real human work. As you might expect, this report bears the fingerprints of our team at DiPLab Rai 1, with DiPLab’s co-founder Antonio Casilli being interviewed among the experts of AI supply chains.

DiPLab researcher Paola Tubaro recently completed a research and outreach mission to Argentina, participating in multiple academic and policy events. This mission represents DiPLab’s continued commitment to international research collaboration and knowledge transfer. Through presentations to policy makers, academic audiences, and students, the trip facilitated the dissemination of DiPLab’s research on digital labor, platform economics, and AI governance to diverse stakeholders in the Argentine academic and policy communities. On May 12, Tubaro participated in the conference “Manipulación Informativa e Injerencia Extranjera: Desafíos Globales y Respuestas Democráticas,” organized by the European Union Delegation in Argentina in collaboration with several embassies, including France. In the panel “Cómo contrarrestar la desinformación respetando la libertad de expresión y el derecho a la información,” Tubaro presented research findings on the economic mechanisms underlying disinformation, specifically examining how advertising markets sustain false information dissemination across digital platforms. She addressed the regulatory challenges surrounding these markets and discussed the role of scientific research in developing evidence-based policy responses, referencing ongoing work within the EU-funded AI4TRUST project. On May 13, Tubaro delivered presentations on internet disinformation to journalism students at two Argentine institutions: Universidad Nacional de Avellaneda and Universidad Abierta Interamericana,. These sessions focused on the intersection of digital platforms, information verification, and journalistic practice in the contemporary media landscape. During May 16-17, Tubaro participated in three panels within the “Noche de las Ideas” program, an annual initiative of the French Institute held at Teatro Colón in Buenos Aires. The 2024 theme was “El poder de actuar” (The Power to Act). Her contributions included: the opening session addressing the annual theme, a panel discussion “¿Nuevas servidumbres voluntarias? Jóvenes y precariedad” examining digital platform labor conditions and youth employment, and the panel “‘In A.I. we trust?’ Actuar con y en contra de las nuevas tecnologías” analyzing artificial intelligence governance and regulation On May 20, Tubaro presented “Universidad Nacional de Avellaneda y en la Universidad Abierta Interamericana,” (The Future of Work and AI) as part of the UBA Digital lecture series at Universidad de Buenos Aires. The presentation featured research findings from DiPLab’s ongoing investigation into digital labor and its role in artificial intelligence production systems. The session was hosted by the Faculty of Dentistry, which also provided a tour of their clinical facilities.

On May 1st, 2025—Labor Day—France24 hosted a timely televised debate on the fears and opportunities that artificial intelligence presents for workers. Among the guests was Paola Tubaro, co-founder of DiPLab and a researcher at CNRS, who offered a sharp perspective on the discussion. The conversation revolved around a deep contradiction. On one hand, a widespread fear that AI will replace human labor, destabilize job markets, and deepen inequality. Certain jobs—especially those involving routine or precarious tasks—seem to be far more vulnerable than others. On the other hand, AI is also seen as a potential opportunity: the beginning of a “new industrial revolution”, capable of transforming how we work, influencing education, creating new room for social dialogue between employers, governments, and workers. Click here for video Yet Dr. Tubaro urged viewers to go further than surface-level concerns, by shifting the focus toward a more often overlooked question: how AI is produced, and by whom. Behind every “intelligent” machine lies a hidden human infrastructure—thousands of workers labeling data, training algorithms, and moderating online content. These workers, often located in the Global South, remain largely invisible, underpaid, and unprotected. For Tubaro, these workers are among those most overlooked in the AI-driven economy, often bearing the hidden costs of innovation. > “The struggles and union efforts of data workers in the Global South are > especially powerful because they’re not just fighting for better > conditions—they’re putting forward a vision of what AI should be, and what > kind of future it could help us build.” (Paola Tubaro, France24, 1 mai 2025) However, their story does not end there. These same workers are now at the forefront of organizing and resistance, pushing back against the terms of their exploitation and offering alternative visions of an AI-driven world. They are contributing a powerful voice to the global conversation about technology and fairness.