Il distretto non ha un ufficio IT

Tra febbraio e marzo 2026, due analisi molto diverse hanno descritto la stessa minaccia. La prima è «The Wrong Apocalypse» di Andrea Pignataro, fondatore e CEO di Ion Group, pubblicato in risposta al crollo di oltre duemila miliardi di dollari di capitalizzazione nel settore del software enterprise, avvenuto tra gennaio e febbraio 2026. La seconda è «L’atmosfera e l’algoritmo. Intelligenza artificiale, filiere corte e distretti industriali: una lettura dal territorio», un Quaderno di ricerca di Confartigianato Imprese Territorio fortemente voluto dal direttore Mauro Colombo che sposta il discorso sulle imprese manifatturiere.

Il saggio di Pignataro è intellettualmente rigoroso: «Ogni impresa, usando lo strumento, contribuisce incrementalmente alla comprensione da parte della piattaforma dei giochi linguistici del settore. La piattaforma impara in sezione trasversale e longitudinalmente». Quello che manca nel suo argomento – e che Colombo trova nelle filiere manifatturiere – è la dimensione collettiva del sapere produttivo.

LA FALLACIA DELLA SOSTITUZIONE E IL SUO LIMITE

Il contributo più originale del saggio di Pignataro è ciò che chiama «the substitution fallacy»: l’errore di confondere la capacità di svolgere un compito cognitivo con la capacità di sostituire il sistema che coordina quel compito all’interno di un’organizzazione. Un’intelligenza artificiale può redigere un contratto meglio di un associato junior di primo anno ma non può (non ancora, non in tempi brevi) replicare la struttura istituzionale dello studio legale: la gerarchia di revisione, la relazione fiduciaria con il cliente, il registro comunicativo atteso dai partner, il giudizio tacito su quando un rischio va segnalato e quando va gestito in silenzio. Il software enterprise è un’infrastruttura di coordinamento, non è uno strumento cognitivo. E le infrastrutture di coordinamento non si sostituiscono come si cambia un fornitore di cloud storage.

Pignataro porta questa idea fino alle sue implicazioni filosofiche, convocando Ludwig Wittgenstein e la sua teoria dei «giochi linguistici». Il linguaggio è una pratica sociale. Le organizzazioni, in questa lettura, non usano semplicemente Salesforce o SAP: parlano Salesforce, parlano SAP. I loro processi, le loro metriche, la loro grammatica interna per descrivere i clienti, i fornitori, i progetti e tutto questo è costituito dal software, non semplicemente mediato da esso. Sostituire quel software è come chiedere a una comunità di adottare una nuova lingua. Si può fare, ma richiede molto tempo.

L’argomento regge per il software enterprise delle grandi organizzazioni ma mostra la corda non appena si scende di scala. Per le piccole e medie imprese (e in Italia le Pmi sono l’ossatura del sistema produttivo) la relazione con il software gestionale è molto meno densa di istituzionalizzazione. Un’officina che usa un gestionale per la contabilità e un marketplace per trovare commesse non «parla» nessun software nel senso wittgensteiniano. Usa strumenti. E gli strumenti si cambiano.

È proprio qui che il problema si sposta di piano: la domanda non è se l'officina possa abbandonare un marketplace, può farlo domani mattina. La domanda è se in quell’abbandono recuperi qualcosa. Spoiler: non lo recupera. Ogni lavorazione accettata, ogni tolleranza dichiarata, ogni sequenza di sub-fornitura mediata dalla piattaforma ha già contribuito a costruire un modello del distretto che la piattaforma continua a possedere indipendentemente da chi ci lavora ancora. La fragilità non è della singola impresa, che resta libera di scegliere i propri strumenti, è del sistema di relazioni che la circonda, che viene letto e codificato in modo aggregato, senza che nessuna impresa singola possa impedirlo o invertirlo.

IL SAPERE NELL’ARIA: QUELLO CHE NESSUNO POSSIEDE

Alfred Marshall, in «Principles of Economics» del 1890, descrisse qualcosa che aveva osservato nei distretti industriali britannici di Sheffield e del Lancashire: una forma di conoscenza produttiva che non risiedeva in nessuna impresa particolare, ma circolava liberamente nell’ambiente locale. «The mysteries of the trade become no mysteries; but are as it were in the air», scrisse. I segreti del mestiere non sono più segreti: sono come nell’aria. Li assorbi vivendo lì, lavorando lì, frequentando gli stessi pub e le stesse fiere campionarie.

Quello che Colombo e Confartigianato hanno individuato nel loro Quaderno di ricerca è che questa «atmosfera industriale» è esattamente ciò che le

piattaforme digitali stanno imparando a codificare. Nei distretti industriali italiani il valore sta nella rete: il tornitore conosce il progettista, il progettista conosce il committente, il committente sa dove trovare il trattamento termico giusto. Dalla conversazione tra tutti e tre nasce un’idea che non sarebbe nata altrove. Questa fertilità relazionale è il vantaggio competitivo del distretto. Non è brevettabile, non è iscritta in nessun bilancio, non compare in nessuna due diligence. Ma genera valore reale e misurabile.

Il Quaderno articola questa «atmosfera» in tre strati cognitivi. Il primo è la conoscenza tecnica specializzata, già in larga misura codificabile (che le piattaforme stanno acquisendo sistematicamente). Il secondo, la conoscenza relazionale – chi sa fare cosa, con quale affidabilità, in quale combinazione di fornitori – sta diventando estraibile transazione dopo transazione. È la mappa tacita della rete: ogni ordine, ogni specifica, ogni lavorazione accettata o rifiutata è materiale di addestramento. Il terzo, la conoscenza generativa, è la capacità di innovare attraverso la ricombinazione non pianificata di competenze. L’idea nasce dalla conversazione tra il tornitore e il progettista, dalla visita del committente che porta un problema nuovo, dipende dalla fiducia interpersonale e dalla compresenza fisica. L’IA non può replicare questo processo sociale ma quando questa densità relazionale si assottiglia, è la conoscenza generativa – la più preziosa – a cedere per prima.

Quando un marketplace digitale comincia a mediare le transazioni all’interno di un distretto, non sta semplicemente abbassando i costi di transazione (funzione nobile e utile). Sta leggendo la struttura del distretto: sta costruendo una mappa delle relazioni di fiducia, delle specializzazioni complementari, delle gerarchie tacite di sub-fornitura. Quella mappa, aggregata su centinaia o migliaia di imprese nello stesso settore, è qualcosa di straordinariamente prezioso. Nessuna singola officina la possiede ma la piattaforma, nel tempo, sì.

Il danno che questo genera è di natura diversa da quello descritto da Pignataro per i servizi professionali, dove è la singola impresa che cede la propria conoscenza. Nel caso del distretto manifatturiero, il danno è a un bene collettivo che nessuno ha costituito formalmente come tale, e che nessuno ha quindi il mandato di proteggere. È un bene pubblico locale, nel senso tecnico dell’economia.

C’è poi una dimensione che le analisi macroeconomiche tendono a trascurare: la funzione di ridondanza. Storicamente, le filiere corte funzionavano anche perché le imprese meno capaci svolgevano un ruolo nell’ecosistema – assorbivano i picchi di domanda, fungevano da entry point per nuovi imprenditori, mantenevano un tessuto produttivo denso che alimentava l’atmosfera. La ridondanza funzionale è un meccanismo di resilienza, se le imprese marginali vengono espulse dalla competizione con l’IA, la filiera diventa più fragile. Perde densità. E con la densità, perde “l’atmosfera stessa” che le permetteva di generare innovazione incrementale.

I distretti industriali italiani hanno governato il loro sapere collettivo per decenni attraverso le associazioni di categoria, i consorzi, le fiere di settore, le scuole professionali. Quello che manca, oggi, è un’istituzione capace di governare il commons digitale del distretto: il flusso di dati che scorre attraverso le piattaforme e che, aggregato, costituisce la nuova «atmosfera» industriale.

LA FILIERA CORTA (NON È UNA MISURA DI DISTANZA)

Una filiera è «corta» – nel senso in cui il termine conta davvero – quando tra i suoi nodi ci sono poche mediazioni, molta informazione diretta, relazioni che si ripetono nel tempo e che per questo accumulano fiducia. Si misura nella durata media delle relazioni commerciali, nella quota di accordi informali che reggono senza bisogno di contratti ridefiniti a ogni ordine, nel numero di fornitori con cui si ha un rapporto diretto e non intermediato.

La distanza fisica è irrilevante, o quasi. Un grande committente che compra da subfornitori locali attraverso piattaforme di aste al ribasso sta operando in una filiera lunghissima, in senso relazionale. Sono tutti nello stesso distretto, a pochi chilometri l’uno dall’altro, eppure non c’è relazione: c’è una transazione anonima mediata da un algoritmo di prezzo. Viceversa, un’impresa che lavora con un fornitore straniero da vent’anni, che conosce i processi dell’altro come i propri, che si telefona quando c’è un problema prima ancora di aprire un ticket – quella è una filiera corta. Il confine è relazionale, non geografico.

Questa distinzione cambia tutto il modo di valutare l’impatto dell’IA. Un’impresa con relazioni dense e di lungo periodo è meno vulnerabile all’estrazione cognitiva di una che opera nello stesso capannone accanto ma con relazioni superficiali e intercambiabili. Le piattaforme di estrazione imparano più facilmente dai flussi transazionali anonimi che dalle relazioni dense: quelle ultime contengono un residuo di conoscenza tacita che resiste alla codificazione, almeno per ora. Il paradosso è che le stesse relazioni che le piattaforme stanno erodendo – rendendole sempre più transazionali, sempre più mediate – sono quelle che, finché esistono, proteggono ancora le imprese dall’estrazione cognitiva più profonda.

IL 77 PER CENTO CHE NON HA SCELTO

I dati del Quaderno di Confartigianato offrono una fotografia che contraddice in modo importante la narrativa dominante sull’adozione dell’intelligenza artificiale nelle Pmi. Il 77% delle piccole e medie imprese manifatturiere considera l’AI troppo complessa. Solo il 10% riesce ad andare oltre la fase sperimentale. Questi numeri vengono tipicamente letti come un ritardo da colmare, un gap da affrontare con formazione e incentivi.

Ma c’è un’altra lettura, più allarmante. Quelle stesse imprese che non adottano l’intelligenza artificiale in modo attivo la stanno già alimentando in modo passivo. Ogni volta che una piccola impresa usa un gestionale in cloud, un marketplace per trovare clienti, una piattaforma di e-procurement per rispondere a gare di sub-fornitura, un software di fatturazione elettronica collegato a servizi di analisi – sta immettendo dati in sistemi che imparano. Non necessariamente il suo dato specifico, nella sua specificità riconoscibile. Ma il pattern aggregato: quanto tempo impiega un’officina come la sua a consegnare quel tipo di pezzo, in quel distretto, a quella qualità, a quel prezzo.

Il paradosso descritto da Pignataro assume qui una forma ancora più radicale. Nelle sue analisi, il dilemma del prigioniero presuppone almeno una scelta consapevole: l’impresa sa di adottare l’AI e calcola il rischio. Per la gran parte delle Pmi manifatturiere italiane non c’è nemmeno questo momento di scelta. Basta usare un software che impara. La distinzione tra adottare l’IA e subirla è, per la maggior parte delle Pmi manifatturiere, già collassata.

C’è un meccanismo specifico che il Quaderno chiama «chiusura dei gap»: le lacune dei modelli AI vengono colmate ad ogni ciclo di addestramento. Molte Pmi sopravvivono oggi perché occupano nicchie che l’IA non sa ancora servire – personalizzazione estrema, lotti piccoli, problemi tecnici che richiedono improvvisazione e giudizio contestuale. Ma se questi gap si chiudono rapidamente, le nicchie si restringono. L’impresa che oggi ha un vantaggio perché l’IA non riesce ancora a fare una certa cosa, scoprirà (tra sei mesi o un anno) che l’IA ha imparato. Rifugiarsi nelle nicchie della complessità funziona come guadagno di tempo, non come soluzione strutturale.

Questo sposta il problema su un piano che va oltre la singola impresa. Non si tratta di convincere le Pmi a fare scelte più illuminate – quella è la sfida del 10% che sta già sperimentando. Si tratta di gestire l’esposizione dell’80% che non ha ancora capito di essere esposta. Ed è una funzione che richiede una risposta istituzionale, non una serie di decisioni individuali.

LA SOLUZIONE DI PIGNATARO E IL PROBLEMA CHE NON RISOLVE

La risposta che Pignataro propone è elegante e, nel contesto in cui lui opera, probabilmente praticabile: investire in modelli di intelligenza artificiale open source, addestrati sui propri dati, distribuiti sulla propria infrastruttura, sotto la propria governance. In questo modo la conoscenza rimane un asset proprietario, non fluisce verso le piattaforme esterne, non arricchisce il modello del concorrente sistemico. «Il sapere istituzionale come asset proprietario», scrive Pignataro.

La logica è inattaccabile, «questo percorso richiede investimento tecnico, data governance e un orientamento strategico che la maggior parte delle imprese non possiede attualmente». La maggior parte delle imprese – nelle filiere manifatturiere italiane, il 90% e oltre – non hanno un ufficio IT, non hanno un data governance framework, non hanno un CTO che sappia scegliere tra LLaMA e Mistral, né una struttura legale capace di negoziare i termini d’uso di un modello open source.

Dire a un’officina con dodici dipendenti di adottare un modello open source in-house è come dire a un agricoltore medievale che la risposta alla siccità è costruire un sistema di irrigazione. In linea di principio, corretto. In pratica, impossibile senza un’infrastruttura collettiva – i consorzi di bonifica, le comunità di acqua – che nessun singolo agricoltore poteva costruire da solo.

Il parallelo non è casuale. La risposta storica ai problemi di coordinamento nell’agricoltura italiana è stata la cooperazione: consorzi agrari, cooperative di trasformazione, consorzi di tutela delle denominazioni. Quelle istituzioni intermedie – né mercato né Stato – hanno permesso a migliaia di piccole aziende agricole di accedere collettivamente a risorse che individualmente erano inaccessibili. La domanda che il saggio di Pignataro non pone, e che Colombo lascia aperta, è: esiste o può esistere un equivalente per la gestione del sapere digitale nelle filiere manifatturiere?

I consorzi di distretto esistono, le associazioni di categoria esistono, ma la loro capacità di operare come infrastruttura tecnologica condivisa è quasi ovunque assente. Il PNRR ha stanziato risorse significative per la digitalizzazione delle Pmi – il Piano Transizione 4.0, i Centri di Competenza, gli EDIH (European Digital Innovation Hubs) – ma la gran parte di questi strumenti è calibrata sull’adozione individuale di tecnologia (e non sulla costruzione di governance collettiva del dato). Si finanziano acquisti di macchinari connessi, abbonamenti a software, consulenze sulla trasformazione digitale. Non si finanziano i consorzi di dati, i modelli condivisi di distretto, le piattaforme cooperative che tratterebbero il sapere della filiera come un bene comune da preservare.

L’ATTRITO REGOLATORIO: FRENO O LABIRINTO?

Una delle tesi più originali di «The Wrong Apocalypse» riguarda la frammentazione normativa dell’UE – ventisette regimi normativi, molteplici tradizioni giuridiche, rigide protezioni del lavoro, barriere linguistiche – che viene solitamente citata come uno svantaggio competitivo nell’era dell’AI. Pignataro rovescia questa lettura: quella frammentazione è attrito, e l’attrito in una cascata è la differenza tra una transizione gestita e una rottura strutturale. Il GDPR e l’AI Act limitano l’apprendimento aggregato che guida l’accumulo di conoscenze trasversali. Le protezioni del lavoro rallentano la traduzione delle perdite di fatturato in perdita di posti. La resistenza culturale alla ristrutturazione rapida rallenta la propagazione della crisi da un settore all’altro.

Rocco Panetta, su Il Sole 24 Ore del 17 marzo 2026, ha salutato questa posizione come «un piacevole risveglio» di un imprenditore che riconosce il valore delle regole invece di additarle come ostacolo alla competitività. Ma vale la pena esaminare con più precisione dove l’attrito regolatorio europeo effettivamente morde e dove invece lascia passare il flusso che più conta. Quel meccanismo di estrazione cognitiva, però, non è coperto dalla normativa vigente. Il GDPR protegge i dati personali. Non protegge il know-how operativo aggregato di un distretto. Il sapere nell’aria di Marshall non compare in nessuna normativa vigente come bene da proteggere. Quella conoscenza – la struttura dei prezzi, i tempi di consegna, le combinazioni di materiali, le specificità delle lavorazioni – non è segreto industriale nel senso della Direttiva Trade Secrets (2016/943/UE), perché non è mai stata tenuta segreta: è semplicemente emersa dall’interazione con la piattaforma. Il diritto non sa ancora nominarla come bene da proteggere.

L’AI Act, entrato in vigore nel 2024, introduce obblighi di trasparenza e requisiti di conformità per i sistemi AI ad alto rischio, ma la soglia di «alto rischio» è calibrata su applicazioni con impatti diretti sulla vita delle persone – selezione del personale, merito creditizio, servizi essenziali. Un sistema che impara la struttura dei costi di sub-fornitura in un distretto meccanico non rientra in quella categoria. Il rischio non è per le persone fisiche, è per un patrimonio collettivo produttivo che rimane giuridicamente invisibile.

C'è poi un secondo problema: l'attrito non distingue tra adozione offensiva e risposta difensiva. Se le regole europee rallentano la velocità con cui le piattaforme esterne apprendono dai dati delle Pmi, rallentano anche la capacità delle Pmi stesse – o dei loro consorzi – di costruire modelli condivisi che trattengano il valore localmente. Il GDPR complica i progetti di data sharing anche quando tutti i partecipanti sono piccole imprese italiane che vogliono costruire un modello di distretto proprio. L’AI Act richiede conformità che molte Pmi non possono permettersi. Il labirinto regolatorio non si orienta in base alle intenzioni di chi lo percorre.

LA CASCATA E LE SUE VELOCITÀ

La cascata di Pignataro – quattro fasi dalla disintermediazione dei servizi di routine al collasso sociale delle città dipendenti dall’economia della conoscenza – ha velocità diverse per settori diversi. Nei servizi professionali la minaccia è futura: le barriere istituzionali sono ancora alte. L’ordine degli avvocati esiste. Il sigillo del notaio ha valore legale. La responsabilità professionale è personale. Per le filiere manifatturiere, invece, alcune fasi sono già avvenute: il potere contrattuale delle Pmi si sta già erodendo attraverso i marketplace, i margini si assottigliano ora, non in un futuro ipotetico.

C’è poi un aspetto specificamente italiano su cui è bene soffermarsi. La struttura delle filiere di subfornitura nei principali distretti – meccanica di precisione (Brescia, Bergamo, Varese), automazione (Bologna, Modena), occhialeria (Belluno), tessile-abbigliamento (Prato, Biella) – è caratterizzata da livelli altissimi di specializzazione e da reti di fiducia costruite in decenni. Quella specializzazione è un vantaggio competitivo reale. Ma è anche vulnerabile in modo specifico: le piattaforme non devono sostituire l’officina specializzata per danneggiarla, devono solo imparare abbastanza da redirigere le lavorazioni standard verso fornitori più economici, lasciando all’officina specializzata solo i lavori che nessun altro sa fare, a margini via via più compressi. Non è sostituzione. È marginalizzazione progressiva. Ed è più difficile da contrastare perché non ha un momento visibile di discontinuità.

Il Quaderno individua tre scenari possibili per i distretti manifatturieri: dissoluzione, ibridazione asimmetrica e potenziamento deliberato. Il primo è lo scenario in cui le piattaforme di estrazione diventano abbastanza fluenti da disintermediare i legami di filiera, le imprese marginali vengono espulse e la densità relazionale crolla insieme all’atmosfera che generava innovazione. Il terzo è lo scenario in cui i distretti costruiscono infrastrutture cognitive condivise, conservano la sovranità sui propri dati e usano l’IA come amplificatore del sapere collettivo piuttosto che come strumento della sua estrazione.

Il secondo scenario – ibridazione asimmetrica – è il più probabile nel medio termine ed è anche il meno rassicurante proprio perché non ha l’aspetto di una crisi: la filiera sopravvive, ma si restringe e si polarizza. Meno imprese, più produttive. Distanza crescente tra le imprese leader e le follower. Le marginali vengono espulse lentamente, senza un momento visibile di rottura. È questo che rende l’ibridazione asimmetrica più insidiosa della dissoluzione: produce lo stesso esito – la perdita di densità e di atmosfera descritta nelle sezioni precedenti – a velocità più lenta, senza che nessuno possa indicare il punto in cui la traiettoria è diventata irreversibile. La scelta tra questi scenari non è tecnica. È politica.

IL CASO DEL VARESOTTO

Il territorio da cui parte l’analisi di Colombo presenta una complicazione specifica che rende la dinamica descritta ancora più urgente. Nel distretto varesino, oltre novantamila lavoratori attraversano ogni giorno la frontiera svizzera per differenziali salariali che raggiungono il 50-70%. Il distretto subisce già una desertificazione produttiva per questa competizione asimmetrica sui costi del lavoro: le imprese locali faticano a trattenere tecnici qualificati, i salari svizzeri esercitano una pressione costante sulle retribuzioni, l’attrattività delle professioni manifatturiere declina.

L’IA accelera questa dinamica lungo una traiettoria specifica. Se le competenze tecniche del primo strato cognitivo – la conoscenza specializzata codificabile – vengono progressivamente acquisite dalle piattaforme, il vantaggio competitivo dell’impresa locale si riduce ulteriormente, e il drenaggio di competenze si aggrava. La filiera corta perde nodi. I legami che la tenevano insieme si rarefanno. Il meccanismo di apprendimento collettivo attraverso il quale si tramanda e si rinnova il sapere di distretto si interrompe. Il Varesotto è in questo senso un osservatorio privilegiato: mostra in anticipo ciò che accadrà in altri distretti dove le pressioni sono meno acute ma la struttura del rischio è identica.

IL SOGGETTO CHE MANCA

La domanda che rimane aperta è politica nel senso classico del termine: chi ha il mandato, le risorse e la legittimità per costruire una risposta

collettiva a questo problema? Pignataro indica l’open source in-house come soluzione, ma non identifica nessun soggetto collettivo capace di implementarla su scala.

Le associazioni di categoria hanno la capillarità e la credibilità presso le Pmi manifatturiere, ma storicamente non hanno le competenze tecnologiche per operare come infrastruttura di data governance. I Centri per il Trasferimento Tecnologico (CTT) e gli EDIH hanno le competenze ma non la radicazione nelle filiere. Le Regioni hanno le risorse – o le avevano, con il PNRR – ma i tempi della pubblica amministrazione sono incompatibili con i tempi del mercato digitale.

I «consorzi di dati» – cooperative di imprese che mettono in comune i propri dati per addestrare modelli condivisi, mantenendo la governance collettiva e impedendo che il valore fluisca verso le piattaforme esterne – sono una forma organizzativa applicabile ai distretti industriali. In Germania, alcuni consorzi dell’industria manifatturiera hanno sperimentato architetture di questo tipo nell’ambito del progetto Gaia-X, la cloud europea.

In Italia, i consorzi del Parmigiano Reggiano e del Prosciutto di Parma mostrano che il modello è culturalmente accessibile: il salto mancante è dall’agroalimentare – dove il sapere è codificabile in disciplinari di produzione e le DOP offrono uno strumento giuridico collaudato – alla manifattura avanzata, dove il sapere è molto più granulare, più dinamico, più difficile da catturare in una specifica. Il PNRR aveva – e in parte ha ancora, nelle allocazioni non spese – le risorse per finanziare esattamente questo tipo di infrastruttura.

La scadenza del 2026 per l’utilizzo delle risorse rende urgente la riflessione: non si tratta di aggiungere un ulteriore sportello di sussidio all’acquisto di macchinari, ma di costruire un’istituzione capace di operare nella dimensione del dato come i consorzi di bonifica hanno operato nella dimensione dell’acqua.

L’ERRORE DEL “PLAYER PIANO”

Pignataro chiude il suo saggio citando il romanzo distopico «Player Piano» (titolo italiano: Piano meccanico) di Kurt Vonnegut, pubblicato nel 1952, da cui Dario Amodei aveva tratto il titolo di una sezione del suo saggio «The Adolescence of Technology». Nel romanzo di Vonnegut, le macchine non sono più intelligenti degli uomini. Le macchine non sono il problema. Il vuoto che creano sì. Perché le strutture sociali costruite attorno al lavoro umano – le identità, le comunità, il senso dello scopo – collassano quando il lavoro scompare.

Pignataro usa questa immagine per criticare il framing prevalente nella narrativa sull’AI, della sostituzione rapida e diretta del software enterprise da parte degli agenti AI. Ma c’è un’apocalisse più silenziosa che il romanzo di Vonnegut descrive meglio di qualsiasi modello economico: la perdita di significato del lavoro, il disfacimento delle comunità che attorno al lavoro si erano costruite. E quella perdita non avviene con un crollo di borsa visibile e misurabile. Avviene in modo diffuso, graduale, difficile da attribuire a una causa singola.

Nei distretti industriali italiani, quella perdita ha già un nome: la chiusura dell’officina del padre, il figlio che non vuole fare il tornitore, la scuola professionale che chiude per mancanza di iscritti, il centro città del paese manifatturiero che si spopola. Queste tendenze hanno molte cause, e l’intelligenza artificiale non ne è ancora la principale. Ma se il processo descritto da Colombo accelera – se le piattaforme imparano abbastanza da erodere la posizione contrattuale delle filiere specializzate – quelle tendenze si intensificheranno (e lo faranno in modo difficile da vedere finché non sarà troppo tardi).

La cascata descritta da Pignataro è una traiettoria possibile, e le traiettorie si possono alterare. Ma per farlo serve un soggetto capace di agire, e per le filiere manifatturiere italiane, quel soggetto non esiste ancora. Costruire quel soggetto richiede meno innovazione di quanto si pensi – il modello istituzionale è già nella tradizione italiana della cooperazione e del distretto – e più urgenza di quanto il dibattito pubblico lasci intendere. Il tornitore di Gallarate non ha un ufficio IT ma potrebbe avere un consorzio, e il consorzio potrebbe avere una strategia. La finestra è aperta (ma non resterà aperta a lungo).

Paola Mattavelli