The Pulse
Una mappa di Brown traccia il lavoro sui dati per l’IA in 31 paesi
La mappa interattiva realizzata da una studentessa all’ultimo anno della Brown University collega le aziende che etichettano dati, le aziende loro clienti e i luoghi in cui lavorano gli addetti in 31 paesi. Il progetto offre uno sguardo sul
AI.info Team · Scritto con l’IA · verificato ·
Tredici aziende che etichettano dati, 141 aziende clienti e luoghi in cui lavorano gli addetti in 31 paesi compaiono in una nuova mappa interattiva realizzata da Cunyan Ma, studentessa all’ultimo anno della Brown University. La mappa collega le imprese che forniscono servizi legati ai dati alle aziende che le ingaggiano, rendendo visibile parte del lavoro umano alla base dei sistemi di IA. Il 26 ottobre 2026, la Brown University ha descritto il progetto come uno strumento pubblico per esaminare questi legami.
Le aziende appaltatrici dietro l’addestramento dell’IA
I sistemi di IA dipendono spesso da persone che etichettano esempi, trascrivono il parlato, valutano le risposte dei chatbot o contrassegnano elementi nelle immagini mediche. Queste etichette aiutano ad addestrare i modelli e a valutarne gli output. La mappa di Ma si concentra sulle imprese e sui luoghi coinvolti in questo lavoro, anziché considerare lo sviluppo dell’IA un processo che avviene soltanto all’interno di un’azienda tecnologica.
Secondo Brown, la mappa si basa su database già esistenti delle aziende che etichettano dati e delle aziende loro clienti, sulla raccolta condotta da Ma dei centri operativi delle imprese e su articoli giornalistici riguardanti le condizioni dei lavoratori. I centri operativi fungono da indicatore indiretto dei luoghi in cui si trovano i lavoratori. La mappa collega queste sedi alle aziende che etichettano dati e ai loro clienti; non presenta un conteggio dei lavoratori stessi.
Grandi aziende nei settori dei social media, della tecnologia, del commercio al dettaglio e della difesa affidano a imprese specializzate il lavoro di etichettatura dei dati, riferisce Brown. Alcuni compiti sono ordinari, come identificare oggetti nelle fotografie. Altri comportano l’esame di materiale disturbante affinché le piattaforme possano etichettarlo o addestrare sistemi a riconoscerlo e filtrarlo.
Ma richiama l’attenzione sul lavoro difficile e mal retribuito
Ma definisce «colonialismo dell’IA» l’esternalizzazione di lavori difficili e mal retribuiti verso paesi del Sud globale. Cita il Kenya, l’Indonesia e la Colombia come esempi di luoghi in cui ai lavoratori può essere chiesto di esaminare testi o immagini nocivi. Il progetto affianca questi luoghi ai rapporti commerciali che altrimenti possono restare difficili da vedere per il pubblico.
«Il problema di gran parte del dibattito attuale sull’IA è che cerca di ignorare questo aspetto.»
— Suresh Venkatasubramanian, professore di informatica alla Brown University, direttore del Center for Technological Responsibility, Reimagination and Redesign e consulente del progetto
La sua osservazione mette in luce una tensione nel modo in cui si parla di IA: i sistemi possono sembrare automatizzati, ma le persone contribuiscono ai dati e alle valutazioni usati per costruirli e valutarli.
La mappa mostra i legami, non un censimento completo
Ma descrive la versione attuale come illustrativa, non esaustiva. Le sue 13 aziende, i 141 clienti e i 31 paesi mostrano una parte della rete di appalti, non ogni impresa, cliente o lavoratore coinvolto nel lavoro sui dati legato all’IA. Il ricorso ai centri operativi come indicatore indiretto dei luoghi significa inoltre che la mappa non va letta come un registro preciso dei singoli lavoratori.
Questa distinzione conta per chi cerca di capire le condizioni di lavoro. La mappa traccia legami tra aziende e luoghi, mentre gli articoli giornalistici che incorpora riportano resoconti sulle retribuzioni e sulle esperienze nei luoghi di lavoro. Per come Brown la descrive, non accerta i termini di ogni contratto né le condizioni di ogni lavoratore rappresentato dalle sedi di un’azienda.
Ma vuole aiutare i lavoratori a trovarsi tra loro
Ma afferma che la mappa è pensata come uno strumento di informazione per il pubblico e spera che le versioni successive possano aiutare i lavoratori a individuare colleghi distribuiti tra aziende e paesi diversi. È un aspetto importante perché gli appaltatori sparsi in luoghi diversi possono avere poche informazioni su chi svolge lavori simili altrove, il che rende più difficile l’azione collettiva.
Spera inoltre di estendere il progetto ad altri aspetti materiali della produzione dell’IA, compreso il lavoro legato all’industria dei semiconduttori. Per ora, il contributo concreto della mappa è un insieme di legami tra fornitori di servizi di etichettatura, aziende loro clienti e luoghi in cui si trovano i centri operativi: una rappresentazione organizzata di una filiera che, secondo Brown, è spesso resa poco visibile dal subappalto e dalla scarsità di informazioni pubbliche.