I lavoratori possono possedere l’IA che li sta sostituendo? Action Model testa un modello radicale di proprietà dell’automazione

Le aziende di AI stanno gareggiando per automatizzare tutto, dalla scrittura di codice, alla generazione di immagini, alla pianificazione di annunci pubblicitari, fino al riassunto delle riunioni e molto altro. Ma, man mano che questi sistemi migliorano, il loro impatto sul lavoro umano diventa sempre più difficile da ignorare. Alcuni esperti avvertono ora che l’AI generativa potrebbe innescare una massiccia ondata di perdita di posti di lavoro che arriverà più rapidamente e sarà più profonda di quanto la maggior parte delle economie sia preparata ad affrontare.

Piuttosto che resistere al futuro, una piattaforma crypto native punta su un approccio diverso. Se l’automazione è inevitabile, allora anche la proprietà dovrebbe esserlo.

Action Model ha lanciato oggi un’estensione Chrome ad inviti che permette agli utenti di addestrare un sistema AI condividendo le reali attività di navigazione, come clic, percorsi di navigazione, digitazione e flussi di operazioni. La piattaforma la chiama Large Action Model (LAM), capace di imparare ad eseguire lavori digitali e non solo a generare contenuti. In cambio, i contributori ricevono punti che potrebbero essere convertiti in token di governance LAM, pensati per rappresentare i diritti di partecipazione nell’evoluzione del sistema.

“Se l’AI sostituirà il lavoro digitale, allora i lavoratori dovrebbero possedere le macchine che fanno questa sostituzione,” afferma Sina Yamani, fondatore di Action Model.

Addestrare l’AI che svolge il lavoro 

A differenza dei modelli chatbot che generano contenuti, i LAM sono progettati per operare direttamente sui software. L’idea è semplice: se un essere umano può svolgere un’attività digitale con mouse e tastiera, allora anche un agente AI addestrato dovrebbe poterlo fare.

“Negli ultimi anni abbiamo visto i chatbot. Ora è il tempo dell’automazione,” afferma Yamani. “Circa un miliardo di persone sono impiegate per usare un computer. Se a un’azienda viene proposta una soluzione che svolge lo stesso lavoro, in modo continuativo e a una frazione dei costi, la userà.”

L’estensione di Action Model raccoglie dati comportamentali approvati dall’utente per addestrare l’AI. Attività come l’elaborazione dei pagamenti dipendenti, la gestione delle voci su CRM o l’esecuzione di operazioni di base possono essere registrate una sola volta e poi ripetute dal modello. I contributori possono pubblicare queste automazioni in un marketplace pubblico, dove l’utilizzo può essere monitorato e premiato secondo il modello di incentivazione della piattaforma.

La crescita dei sistemi AI agentici è ampiamente documentata nel settore, con modelli che si spostano sempre di più dalla generazione di contenuti all’esecuzione autonoma di compiti. Questi sistemi, come spiegato in questa guida, raccolgono e utilizzano dati reali degli utenti, imparando a muoversi autonomamente negli ambienti digitali.

La piattaforma ha già attratto oltre 40.000 utenti grazie a liste d’attesa, sistemi di referral e community partner. L’accesso rimane solo su invito, per mantenere alta la qualità dei contributori e premiare i primi partecipanti.

In cosa è diverso questo rispetto agli attuali strumenti di automazione?

La maggior parte degli strumenti di automazione esistenti si basa su API o integrazioni rigide. Ma gran parte del lavoro digitale reale si svolge su sistemi legacy, dashboard interni e strumenti che non sono mai stati pensati per l’automazione.

“Zapier automatizza i software. Noi automatizziamo il lavoro,” dice Yamani. “Solo circa il 2% di Internet è accessibile tramite API. L’altro 98% richiede ancora l’interazione umana.”

Con Action Model, gli utenti non devono scrivere codice né occuparsi di integrazioni. Basta registrare come portano a termine un compito. L’AI impara da questi flussi reali degli utenti e diventa capace di ripeterli in autonomia.

Questo rende Action Model abbastanza flessibile da recepire casi limite e flussi di lavoro non documentati, che i sistemi tradizionali non possono coprire.

E la privacy?

Tutto l’addestramento è su base volontaria, e l’utente controlla quali dati condividere. Siti sensibili come email, sanità o banche sono bloccati di default. Gli utenti possono sospendere l’addestramento, bloccare specifici domini o cancellare completamente i loro contributi.

“Il principio di base è semplice. Non abbiamo bisogno dei tuoi dati. Abbiamo solo bisogno dei pattern,” afferma Yamani. “I dati di addestramento vengono elaborati localmente e anonimizzati prima di contribuire al modello.”

I dati cancellati vengono eliminati in modo permanente e non possono essere recuperati nemmeno dall’azienda. I contributi vengono aggregati con quelli di altri utenti, utilizzando la k-anonimizzazione per impedire la re-identificazione delle singole persone. Un pannello di controllo consente ai contributori di visualizzare e gestire in qualsiasi momento la loro cronologia di addestramento e i premi ricevuti.

“Mentre le Big Tech raccolgono questo tipo di dati senza un vero consenso, noi siamo trasparenti, permettiamo il controllo all’utente e ricompensiamo le persone che effettivamente addestrano l’AI,” afferma Yamani.

Quindi i bot possono sfruttare il sistema?

Per evitare i problemi che hanno minato le precedenti piattaforme di ricompensa crypto, Action Model utilizza l’analisi comportamentale per verificare che gli input degli utenti siano autentici. Il sistema cerca struttura, tempistica, variazioni e segnali di decisione: elementi che i bot o le click farm non possono facilmente imitare.

“Cliccare senza pensare è praticamente inutile,” spiega Yamani. “I flussi di lavoro reali comprendono intenzioni, pause, correzioni, ripetizioni e decisioni. Non puoi fingere tutto questo su larga scala.”

Altri progetti che hanno premiato engagement sociali o post sono stati recentemente banditi dalle principali piattaforme dopo che avevano generato grandi volumi di spam da AI, reply bot e interazioni false. In risposta, l’accesso alle API è stato rimosso e gli ecosistemi di token sono crollati sotto il peso di attività di bassa qualità.

ActionFi, il motore di ricompensa della piattaforma, è progettato per evitare completamente questa trappola. Non premia tweet o clic, ma solo flussi di lavoro verificati che riflettano vero lavoro digitale strutturato.

“Non paghiamo per il rumore. Paghiamo per i percorsi utili,” conclude Yamani.

Chi possiede davvero il sistema?

Oggi, Action Model controlla l’estensione, la logica di addestramento e i sistemi di ricompensa. Tuttavia, il progetto si è impegnato a trasferire nel tempo la proprietà agli holder di token LAM. Una struttura DAO permetterà in futuro ai contributori di gestire le decisioni sulla piattaforma, i meccanismi di incentivazione ed il deploy dei modelli.

“I primi sistemi hanno bisogno di coordinamento. Ciò che conta è se sono centralizzati per design,” afferma Yamani.

Se implementato come descritto, la proprietà darebbe agli holder di token influenza sulle scelte infrastrutturali legate ai dati che hanno aiutato a generare.

Se l’IA è inevitabile, anche la proprietà può esserlo?

La prossima generazione di AI non si basa solo sul linguaggio, ma anche sul lavoro. Dal lavoro d’ufficio alle operazioni, tantissime attività dietro lo schermo sono ormai alla portata degli agenti intelligenti.

“Avrai sentito che milioni di lavori svolti davanti a uno schermo saranno automatizzati. Non si tratta di un evento lontano decenni: sta già accadendo ora,” afferma Yamani. “Se i tuoi dati aiutano ad addestrare l’AI, allora dovresti possedere ciò che viene costruito.”

Resta da vedere se Action Model riuscirà a scalare, mantenersi trasparente e costruire un’economia sostenibile. Continueremo a monitorare la situazione nei prossimi mesi. Tuttavia, la sua scommessa è molto chiara: la sfida decisiva dell’AI non riguarda solo ciò che può fare, ma per chi lavora. 

Man mano che l’AI trasforma il mondo del lavoro, il futuro apparterrà alle piattaforme o alle persone?