Perché Meta ha congelato Project OT, il piano per sostituire parte del lavoro con agenti IA

Project OT era il tentativo di Meta di rendere la propria forza lavoro più “AI native”: agenti di intelligenza artificiale avrebbero svolto una quota crescente delle attività quotidiane, mentre gruppi più ristretti di dipendenti ne avrebbero supervisionato l’operato. La pianificazione interna aveva esaminato tagli fino al 60% per alcuni team, articolati in due ondate. Meta ha però fatto marcia indietro sulla versione più radicale e immediata del piano. 117

La ragione più concreta non sembra ideologica, ma operativa. Il modello previsto richiedeva agenti abbastanza affidabili da consentire a un numero minore di persone di controllare in sicurezza attività complesse. Secondo le ricostruzioni disponibili, tecnologia, risultati operativi e consenso interno non hanno superato questa verifica. 117

Che cosa prevedeva Project OT

Project OT, abbreviazione di Organization Transformation, immaginava che l’IA assumesse una parte sostanziale del lavoro fino ad allora svolto da migliaia di dipendenti. L’organizzazione umana residua sarebbe stata più piccola e concentrata: team “ad alta densità di talenti” incaricati di supervisionare lavoratori virtuali.

Meta ha confermato a Reuters di aver valutato scenari con riduzioni fino al 60% in alcuni team e due cicli di licenziamenti; ha precisato che il piano comprendeva anche riassegnazioni e non avrebbe riguardato tutte le squadre. 117

È una distinzione importante: quel 60% descriveva scenari valutati per singoli team, non un obiettivo confermato per l’intera azienda.

Perché il piano ha perso slancio

Gli agenti non avevano ancora provato di essere affidabili in produzione

Per giustificare un ridimensionamento dell’organico, non bastava che gli agenti fossero utili come assistenti. Dovevano lavorare con prevedibilità sufficiente da assumere compiti rilevanti senza generare ulteriore revisione, correzione e rischio per i team umani rimasti.

Reuters ha riportato preoccupazioni interne sulle prestazioni degli agenti e su azioni potenzialmente dirompenti. Un’altra ricostruzione basata sulla medesima inchiesta riferisce che gli agenti erano in grado di compiere azioni «su larga scala e dirompenti». 18

Per un’azienda che gestisce piattaforme usate da miliardi di persone, il vincolo è evidente: un guadagno di produttività non basta se viene annullato da esecuzioni inaffidabili o da un carico operativo maggiore per chi deve controllare, correggere e gestire gli errori.

La resistenza del personale ha complicato l’attuazione

Una trasformazione presentata come sostituzione di una parte consistente del lavoro umano con l’IA alimenta inevitabilmente timori su posti di lavoro, responsabilità e carichi di lavoro. Le ricostruzioni su Project OT descrivono una forte resistenza interna; Reuters ha riferito che la proposta non è mai partita nella sua forma più ampia. 117

La resistenza non era separata dal problema tecnico. Se ai dipendenti viene chiesto di affidare all’IA attività con conseguenze reali, la fiducia dipende da prove che i sistemi migliorino i risultati, non soltanto da ambiziosi modelli di riduzione dell’organico.

I vertici hanno riconosciuto problemi di tempi e comunicazione

In base a quanto riferito dalla giornalista Reuters Katie Paul in una discussione su Reddit, Mark Zuckerberg ha detto di aver sbagliato i tempi, mentre il CTO Andrew Bosworth ha dichiarato che Meta aveva fatto un lavoro «atroce» nello spiegare internamente la visione. 7

Le dichiarazioni suggeriscono che il fallimento di Project OT non riguardasse solo la possibilità che l’IA aumenti un giorno la produttività. Riguardava anche l’avvio di una trasformazione del lavoro ad alto rischio prima che prove, modello operativo e comunicazione interna fossero abbastanza solidi.

Perché il “tokenmaxxing” era una misura debole dell’adozione dell’IA

Il tokenmaxxing trasformava il consumo di IA in un segnale visibile di partecipazione. In Meta, una classifica interna chiamata Claudeonomics ordinava i dipendenti in base all’uso di token — le unità di testo elaborate dai modelli linguistici — e assegnava titoli come “Token Legend”.

La classifica, però, era un progetto collaterale creato da un dipendente, non il sistema universale di valutazione delle prestazioni di Meta; in seguito è stata rimossa su decisione del suo creatore. Meta ha affermato di disporre separatamente di una dashboard AI Insights, che monitorava l’uso dell’IA in modo più ampio del semplice conteggio dei token. 3

Il problema della metrica è semplice: i token misurano il consumo di un modello, non il valore prodotto. Un numero elevato di token non dimostra che un team abbia realizzato un prodotto migliore, risolto prima un incidente, ridotto il lavoro da rifare o reso più sicuro un processo.

Un criterio più robusto per valutare l’adozione dell’IA dovrebbe concentrarsi sui risultati:

• qualità del lavoro prodotto;
• velocità dall’idea al risultato effettivamente rilasciato;
• complessità e ampiezza dei compiti completati;
• affidabilità del flusso di lavoro assistito dall’IA e carico di revisione che comporta.

Sono indicatori più difficili da raccogliere rispetto ai semplici totali di utilizzo, ma rispondono meglio alla domanda che conta per dirigenti e dipendenti: l’IA ha davvero reso l’organizzazione più efficace?

Meta ha abbandonato il ridisegno della forza lavoro guidato dall’IA?

Non secondo le evidenze disponibili. Meta ha rallentato e ridotto la portata di Project OT, ma i suoi vertici non hanno rinunciato all’obiettivo di rendere l’azienda più “AI native”. Zuckerberg ha detto che lo sviluppo dell’IA agentica stava procedendo più lentamente di quanto sperasse, pur prevedendo benefici più significativi dagli investimenti nell’IA entro tre-sei mesi. 17

Quella previsione va letta come una stima, non come prova che gli agenti saranno presto pronti a sostituire interi team. La prossima verifica sarà capire se l’IA riuscirà a produrre miglioramenti duraturi in termini di output e affidabilità in condizioni operative reali — e se tali miglioramenti ridurranno, anziché spostare, il lavoro umano necessario per supervisionare, correggere e recuperare dagli errori dei sistemi automatizzati.

La lezione più ampia

Project OT mostra la distanza tra adottare strumenti di IA e riorganizzare un’azienda attorno all’IA. Gli agenti possono essere utili senza costituire sostituti affidabili di una larga parte della forza lavoro. Prima di legare le decisioni sul personale all’automazione, i dirigenti hanno bisogno di prove di risultati coerenti, protezioni robuste e un modello operativo che i dipendenti possano comprendere e ritenere affidabile. 117