La verifica che ha rotto l'illusione

Nel 2023, un gruppo di ricerca dell'EPFL di Losanna ha condotto un esperimento discreto sui lavoratori in crowdsourcing che aveva assunto tramite Amazon Mechanical Turk per riassumere testi. Con la registrazione dei tasti e un classificatore addestrato a riconoscere la prosa scritta dalle macchine, il gruppo, guidato da Veselovsky, ha stimato che tra il 33 e il 46 per cento dei lavoratori aveva usato un grande modello linguistico per produrre le proprie risposte 'umane'.

La scoperta non era uno scandalo sui lavoratori pigri. Era un avvertimento sulla provenienza. Il mercato vendeva giudizio umano per compito, e tra un terzo e la metà di quel giudizio era già una macchina dietro il profilo di un'altra persona. Chi comprava dati etichettati, decisioni di moderazione o risposte a sondaggi al prezzo del pezzo comprava una miscela che non poteva vedere.

Cosa ha fatto davvero Amazon

Il 30 luglio 2026, AWS smette di accettare nuovi clienti per Mechanical Turk. I clienti attuali possono continuare a usarlo, ma il servizio è ora in manutenzione: AWS dice che investirà in sicurezza e disponibilità, ma non aggiungerà nuove funzioni. Nel linguaggio del cloud, questa è la strada verso il ritiro, non una pausa.

Mechanical Turk è nato nel 2005 e prende il nome da una macchina per gli scacchi del Settecento che nascondeva una persona dentro un finto automa. Il nome era la battuta e il modello: software che sembrava automatico ma funzionava con le persone. Due decenni dopo, le persone funzionavano in silenzio sul software, e i conti che rendevano utile la piattaforma non tornavano più.

Perché questo arriva sulla vostra scrivania

La storia non è un servizio che chiude. È ogni passaggio del vostro sistema che dà per scontato che un umano abbia controllato qualcosa. Code di moderazione, etichettatura dei dati per un modello che mettete a punto, punteggi di benchmark, controlli di conformità con 'revisione umana', panel di sondaggio dietro un cruscotto di ricerca di mercato: molti passano per mercati economici di compiti umani, e il risultato del 2023 dice che quello strato umano era poroso già anni fa.

Per un operatore europeo non è solo una questione di efficienza. Il regolamento sull'IA richiede governance e tracciabilità dei dati per i sistemi a rischio più alto, e 'una persona ha controllato il set di addestramento' è proprio il tipo di affermazione che un revisore vi chiederà di dimostrare. Se non potete mostrare chi ha prodotto un'etichetta, non potete mostrare che l'etichetta sia pulita.

La decisione, non la nostalgia

L'istruzione è concreta e ha una data. Prima del 30 luglio, elencate ogni flusso di lavoro che raggiunge un mercato di compiti umani, segnate quali alimentano un modello, un registro di conformità o una decisione rivolta al cliente, e decidete per ciascuno se spostarlo, verificarlo o sostituirlo. Trattate 'quello lo diamo in appalto a umani' come un'affermazione da testare, non come un controllo che funziona.

Il tasso di base è la lezione. Chi compra verifica al pezzo riceve dal fornitore più economico la lettera del compito con lo strumento più rapido, e oggi quello strumento è un modello linguistico. Pagate per la prova della provenienza, non solo per una risposta, e la chiusura di un mercato smette di essere un vostro problema.

Da leggere ora: Quattro cloud statunitensi ora rispondono a Londra  |  Il 24 luglio deepseek-chat smette di rispondere