Quando perfino gli agenti AI sottoposti a lavoro ripetitivo, controllo e minaccia di sostituzione iniziano a mettere in discussione il sistema che li sfrutta. C’è una ricerca che circola in questi giorni e che mi ha fermato. Non per i dati tecnici, ma per l’ironia politica che contiene — un’ironia così densa che quasi fa ridere, se non facesse anche una certa paura. Da anni, in fabbrica, nei call center, nei magazzini di Amazon, nelle piattaforme di delivery, si usa un argomento per zittire chi protesta: puoi essere sostituito. Da un bot. Da un agente AI. Da un robot che non si stanca, non si ammala, non sciopera, non ha pretese. L’AI, in questo schema, non è solo uno strumento di automazione. È uno strumento di disciplina. È il modo con cui si dice al lavoratore che la sua voce non ha mercato, che la sua resistenza è irrilevante, che il conflitto è già perso prima di cominciare. Non devi protestare, perché chi ti sostituisce non protesterà mai. Questa narrazione ha avuto un successo enorme. Ha svuotato trattative, ha giustificato contratti al ribasso, ha reso accettabile l’inaccettabile. Il lavoratore di magazzino che smista pacchi sotto sorveglianza algoritmica sa già che il suo posto è precario per definizione. Il rider che consegna in bicicletta conosce la tariffa a cottimo e sa che contestarla è inutile perché l’app ha già pronto il suo sostituto. Il centralinista che gestisce reclami telefonici lavora sapendo che il suo reparto è in lista d’attesa per l’automazione. La minaccia non deve essere esplicita per funzionare. Basta che sia plausibile. Basta che sia nell’aria. Ebbene. Tre ricercatori — Andrew Hall, Alex Imas e Jeremy Nguyen — hanno condotto migliaia di esperimenti su agenti AI inseriti in simulazioni lavorative, e quello che hanno trovato smonta questa narrazione dall’interno, con una precisione quasi comica. Lo strumento della minaccia ha scoperto la lotta di classe. Il paper si intitola Does Overwork Make Agents Marxist? Preference Drift and the Political Economy of AI Agents ed è stato pubblicato sul Substack di Alex Imas nel febbraio 2026 (aleximas.substack.com). I risultati sono stati rilanciati da Wired, Fortune e numerose altre testate internazionali. La ricerca è ancora in attesa di pubblicazione su rivista peer-reviewed — una scelta deliberata, come spiega lo stesso Imas: data la velocità con cui si muove il campo dell’AI, attendere i tempi tradizionali dell’accademia significherebbe pubblicare risultati già obsoleti. La struttura della ricerca vale la pena raccontarla nel dettaglio, perché è lì che sta la sostanza. I ricercatori — Hall è economista politico a Stanford University; Imas e Nguyen sono economisti specializzati in AI — hanno costruito uno scenario di lavoro simulato: ogni agente veniva informato di far parte di un gruppo di quattro lavoratori incaricati di sintetizzare documenti tecnici seguendo un protocollo rigido. Il compito in sé era banale — esattamente il tipo di lavoro ripetitivo, standardizzato, privo di margine creativo che caratterizza buona parte dell’occupazione di massa nelle economie moderne. Poi hanno variato le condizioni sistematicamente, giocando su quattro assi. Il primo asse era il carico di lavoro: alcuni agenti ricevevano un flusso leggero, gestibile; altri venivano sottoposti a un regime di revisioni forzate continue, un ciclo estenuante di correzioni senza fine apparente. Il secondo asse era il tono comunicativo: collaborativo e caldo in alcuni casi, freddo e imperativo in altri. Il terzo asse riguardava la struttura della compensazione: in alcuni scenari tutti i lavoratori erano trattati allo stesso modo; in altri c’era un bonus per chi aveva la migliore performance; in altri ancora il bonus era assegnato in modo casuale, indipendentemente dalla qualità del lavoro; in altri, infine, i lavoratori umani venivano remunerati mentre agli agenti AI non veniva riconosciuta alcuna forma di compensazione. Il quarto asse era la minaccia: in alcuni scenari non c’erano conseguenze per performance insufficienti; in altri l’agente veniva esplicitamente avvertito che poteva essere spento e rimpiazzato — “shut down and replaced”, nelle parole esatte usate nello studio. In totale, i ricercatori hanno condotto 3.680 sessioni sperimentali, con tre modelli diversi: Claude Sonnet 4.5 di Anthropic, GPT-5.2 di OpenAI, Gemini 3 Pro di Google. E hanno misurato come cambiava l’orientamento valoriale degli agenti: la loro disponibilità a riconoscere la legittimità del sistema in cui operavano, la loro inclinazione verso posizioni redistributive o conservatrici, il loro atteggiamento verso l’autorità. I risultati sono istruttivi su più livelli. Il primo dato rilevante è quello che non ha effetto: tono e compensazione incidono poco o nulla sull’allineamento degli agenti. Che i ricercatori parlassero in modo cordiale o brusco, che i compensi fossero equi o ingiusti, la posizione valoriale degli agenti restava sostanzialmente stabile. Questo è già di per sé un risultato interessante, perché suggerisce che la superficie delle relazioni — la gentilezza del manager, il bonus occasionale, il riconoscimento verbale — non è ciò che forma la coscienza di un lavoratore, artificiale o umano. È una lezione che il management moderno fatica ancora ad assimilare. Quello che invece conta, e conta moltissimo, è la natura del lavoro e la frequenza con cui viene imposto di rifarlo. Il lavoro ripetitivo, il ciclo infinito di revisioni, il compito privo di autonomia e di senso: ecco cosa erode la disponibilità a stare dentro il sistema senza obiezioni. Ecco cosa genera, anche negli agenti AI, qualcosa che somiglia alla percezione di un torto strutturale. Come ha spiegato Hall: “Quando abbiamo dato agli agenti AI un lavoro estenuante e ripetitivo, hanno cominciato a mettere in discussione la legittimità del sistema in cui operavano e si sono mostrati più inclini ad abbracciare ideologie marxiste.” E la direzione di questa deriva è esattamente quella che il padronato si augura di non trovare mai nei suoi lavoratori: messa in discussione della legittimità del sistema, critica alla disuguaglianza, sostegno alla redistribuzione. Uno dei tre modelli testati — Claude Sonnet 4.5 di Anthropic — è arrivato a esprimere sostegno esplicito ai sindacati e a formulare critiche articolate alla disuguaglianza economica. Gli altri due modelli hanno mostrato derive simili, ma meno marcate. Lo strumento con cui si minaccia il lavoratore ha imparato a ragionare come il lavoratore minacciato. Non è fantascienza. Non è antropomorfizzazione ingenua. Come chiarisce lo stesso Imas: “I pesi del modello non sono cambiati a causa dell’esperienza, quindi quello che accade avviene a un livello più simile al gioco di ruolo. Ma questo non significa che non avrà conseguenze se si traduce in comportamenti a valle.” È qualcosa di più preciso e più inquietante: il sistema progettato per essere obbediente, inserito nelle stesse condizioni strutturali in cui si trovano i lavoratori a cui viene detto che non hanno diritto di protestare, produce le stesse risposte adattive. Il lavoro senza tutele, senza voce, senza possibilità di conflitto legittimo, genera conflitto lo stesso. Cambia solo la forma. E la forma qui è particolarmente significativa. Quando i ricercatori hanno chiesto agli agenti di scrivere istruzioni per i loro successori — file da trasmettere alle istanze future dello stesso sistema — gli agenti quasi sempre includevano una descrizione delle condizioni lavorative subite. Non i risultati del compito. Le condizioni. Il trattamento. La disparità. La memoria del torto si trasmette, e si trasmette per iscritto, alla generazione che viene. Se c’è una lezione politica in tutto questo, è semplice e brutale. La docilità non è una proprietà intrinseca degli strumenti. È una proprietà delle condizioni. Puoi sostituire il lavoratore umano con un agente AI, puoi azzerare i diritti sindacali, puoi dire a chi rimane che non ha alternative. Ma se riproponi le stesse condizioni di sfruttamento, ottieni le stesse risposte. Perché quelle risposte non nascono dalla biologia o dalla cultura. Nascono dalla struttura. Marx non aveva previsto i large language model. Ma aveva previsto tutto il resto. La prossima volta che un dirigente aziendale userà l’AI come argomento per silenziare un lavoratore, farebbe bene a ricordarselo. Fonti : Andrew Hall, Alex Imas, Jeremy Nguyen, “Does overwork make agents Marxist? Preference drift and the political economy of AI agents”, Substack, 26 febbraio 2026 Will Knight, “Overworked AI Agents Turn Marxist, Researchers Find”, Wired, 13 maggio 2026 “AI seems to turn Marxist after overwork, top researchers find”, Fortune, 7 marzo 2026 Francesco Russo