Nel cuore dell'economia dell'intelligenza artificiale si sta consolidando un fenomeno tanto inatteso quanto strutturalmente rilevante: professionisti altamente qualificati — medici, avvocati, banchieri d'investimento, giornalisti — stanno diventando trainer di modelli AI, affiancando la propria attività principale con contratti di collaborazione per i principali laboratori di ricerca del settore. Questo trend, che si inserisce nel più ampio dibattito sul futuro del lavoro nell'era degli LLM (Large Language Models), solleva interrogativi profondi sia sul piano economico sia su quello etico e normativo, in particolare riguardo alla classificazione dei lavoratori e ai confini tra autonomia professionale e dipendenza di fatto da piattaforme tecnologiche.
Al centro di questo ecosistema emerge Mercor, una piattaforma di gig work specializzata nell'intermediazione tra professionisti white-collar e i principali AI lab globali, tra cui OpenAI, Anthropic e Meta. Secondo quanto riportato da Bloomberg, la piattaforma eroga ogni giorno oltre due milioni di dollari in compensi ai propri contractor, un dato che testimonia la scala e la profondità della domanda di expertise umana nel processo di addestramento dei modelli.
Il razionale tecnico dietro questa dinamica è preciso: per rendere i modelli di deep learning economicamente utili, non è sufficiente addestrarli su dati provenienti dal web. Servono professionisti che simulino e documentino il modo in cui il lavoro cognitivo viene effettivamente eseguito nella realtà. Come ha spiegato Sundeep Peechu, managing partner di Felicis Ventures — la società di venture capital che ha guidato i più recenti round di finanziamento di Mercor — la prima era dei dati è stata quella dell'internet aperto, ma affinché l'AI diventi davvero uno strumento produttivo nell'economia reale, i modelli devono essere esposti a rappresentazioni autentiche dei processi lavorativi umani. In questo contesto, il fine-tuning basato su dati di dominio esperto diventa un asset strategico irriproducibile.
Tuttavia, il modello operativo di Mercor non è privo di criticità. Alcuni contractor hanno denunciato un livello di sorveglianza che definiscono intrusivo, con meccanismi di controllo che andrebbero ben oltre quanto compatibile con la natura autonoma del lavoro freelance. La tensione giuridica è chiara: il lavoro a contratto indipendente implica per definizione che il committente non possa dettare orari né modalità esecutive, eppure risultano aperti procedimenti legali che contestano a Mercor l'esercizio di forme di controllo tipiche del rapporto di lavoro subordinato. La questione della misclassification dei lavoratori — ovvero la pratica di inquadrare come lavoratori autonomi soggetti che di fatto operano alle dipendenze — è già al centro del dibattito normativo europeo, soprattutto alla luce della Direttiva sul lavoro tramite piattaforme digitali.
A guidare questa piattaforma sono tre fondatori della Bay Area di appena 22 anni: il CEO Brendan Foody, il CTO Adarsh Hiremath e il presidente del consiglio di amministrazione Surya Midha. Tutti e tre sono Thiel Fellows, selezionati dal programma dell'investitore miliardario Peter Thiel che eroga grant da 200.000 dollari a giovani che scelgono di abbandonare o non intraprendere percorsi universitari tradizionali. Secondo le stime di Forbes, ciascuno dei tre detiene una quota azionaria di circa il 22%, posizionandoli tra i più giovani miliardari self-made a livello globale. "È assolutamente incredibile," ha dichiarato Foody a Forbes. "Ha qualcosa di surreale. Va ben oltre qualsiasi cosa avremmo potuto immaginare due anni fa."
Il paradosso biografico è evidente: i fondatori di una piattaforma che mobilita l'expertise professionale di medici e avvocati non hanno mai avuto un impiego tradizionale nel mondo corporate. Questa circostanza alimenta letture divergenti: c'è chi vede in Mercor un modello innovativo che democratizza l'accesso ai mercati dell'AI per i lavoratori della conoscenza, e chi invece denuncia uno schema che sfrutta la retorica dell'empowerment per precarizzare profili professionali storicamente tutelati.
Sul piano più strategico, la domanda che il settore si pone è se i professionisti che partecipano all'addestramento dei modelli stiano effettivamente rafforzando la propria posizione nel mercato del lavoro AI-augmented, o se stiano inconsapevolmente accelerando la propria futura sostituibilità, trasferendo il proprio know-how cognitivo a sistemi che potrebbero progressivamente erodere la domanda per le stesse competenze. La risposta dipende fortemente dalla velocità con cui i modelli raggiungeranno livelli di performance paragonabili a quelli degli esperti umani in domini ad alta specializzazione, un orizzonte ancora lontano per molti settori ma già tangibile in altri. Le prossime tornate di finanziamento e i risultati dei procedimenti legali in corso forniranno indicatori preziosi sulla sostenibilità del modello — sia economica che sociale.