La mano sa più del modello
Tesla ha pagato persone per camminare in tuta da motion capture. Ai robot mancano dati su come lavorano le mani esperte, perché nessuno l’ha mai scritto.

Tesla ha pagato delle persone per camminare. L’offerta di lavoro, pubblicata a Palo Alto nell’agosto 2024, cercava un «operatore di raccolta dati». Si trattava di indossare una tuta per il motion capture e un visore di realtà virtuale e di camminare per più di sette ore al giorno, portando fino a 30 libbre di attrezzatura, circa 14 chili. La paga andava da 25,25 a 48 dollari l’ora. I candidati dovevano avere più o meno l’altezza del robot per cui camminavano.
Tesla progetta da sé il robot, i motori e i chip. Quello che non poteva fabbricare era una persona che cammina. Le cronache sui robot umanoidi si soffermano sull’hardware e sulle dimensioni dei modelli, ma l’industria è più a corto di dati, e soprattutto dell’abilità di chi lavora, che nessuno ha mai messo per iscritto.
La conoscenza tacita non ha archivio
I modelli linguistici hanno avuto vita facile. Le persone avevano scritto tutto e poi l’avevano messo online. Ken Goldberg, esperto di robotica a Berkeley, calcola che a una persona servirebbero circa 100.000 anni per leggere o guardare i dati con cui si addestrano i grandi modelli di oggi. Quando ne ha scritto su Science Robotics nell’agosto 2025, il più grande dataset robotico di cui si avesse notizia era dell’ordine di un anno.
I soldi non colmeranno il divario. Internet è l’archivio di ciò che le persone sapevano dire. Nessuno ha scritto come una cuoca tiene il coltello o come un orologiaio mette in sede una ruota, perché nessuno poteva farlo. Chiedetelo alla cuoca e ve lo farà vedere. Ci vogliono anni.
Michael Polanyi, chimico fisico diventato filosofo, chiamò tacito questo tipo di conoscenza. Nel saggio «La conoscenza inespressa», pubblicato nel 1966, partiva da quello che definiva il fatto che «possiamo sapere più di quanto sappiamo dire». Il suo esempio era il volto umano, che una persona sa riconoscere tra un milione senza saper dire come. Nel 2014 l’economista David Autor ha chiamato la conseguenza paradosso di Polanyi: a una macchina non si possono consegnare le regole di un compito le cui regole nessuno sa enunciare. Ha indicato anche una via d’uscita, cioè costruire macchine che imparano da esempi umani.

I limiti del dire li conosco dall’interno, perché un tempo il manuale d’uso era il mio mestiere. Un manuale è il tentativo più serio che l’industria fa di mettere in parole ciò che una mano deve fare, e il massimo che riesce a dire è quale pulsante premere.
Una macchina da caffè a capsule prende l’altra strada. Elimina l’abilità, e una capsula e un pulsante prendono il posto del barista. Un robot in una cucina o in un’officina non ha questa scappatoia. Deve acquisire l’abilità, e un’abilità che non si può dire si può solo mostrare.
Ciò che i simulatori non sentono
Le scorciatoie sul tavolo sono due. Un simulatore produce esercizio più in fretta di qualsiasi officina e ha insegnato ai robot a correre e a fare salti mortali all’indietro. Secondo il conto di Goldberg, YouTube contiene circa 35.000 anni di video. Con l’uno e con l’altro un’azienda potrebbe inventare un milione di cucine, prendere il resto da quello che internet ha già filmato e non pagare mai un cuoco.
Nessuna delle due arriva alla mano. Goldberg, che non è certo un nemico del suo campo, definisce la simulazione «notoriamente inaffidabile» per la manipolazione robotica. Ricostruire con precisione dai video il movimento delle mani e degli oggetti è, parole sue, «una grande sfida per la visione artificiale, che non si pensa di poter risolvere in un futuro prevedibile».
L’abilità vive nel contatto, nella pressione delle dita e nel cedere di una cipolla sotto la lama. Un simulatore deve indovinare quelle forze, e una telecamera dall’altra parte della stanza non le ha mai viste. Il video di un cuoco dimostra solo che la cipolla è stata tritata.

Guardate per che cosa pagano davvero le aziende. Tesla ha dato ai suoi camminatori una tuta, e nessuno ha chiesto loro di spiegare come camminano. Molte aziende, nota Goldberg, stanno mettendo insieme flotte di robot e di persone per raccogliere dati in teleoperazione: una persona guida la macchina in un compito come piegare un asciugamano, ancora e ancora. Un’industria che può comprare qualsiasi quantità di potenza di calcolo assume camminatori e piegatori di asciugamani.
Il passato del lavoro
Il cuoco e l’operaio meccanico di solito finiscono nella casella del passato del lavoro, come le persone che l’automazione ha nel mirino. Ogni robot che farà un lavoro utile con le mani lo farà perché uno di loro l’ha fatto prima e qualcuno ha pensato di registrare come. Quella registrazione va fatta al banco e ai fornelli, dalle persone che ci lavorano, e Archaí Physics, un’azienda che ho contribuito a fondare, sta costruendo gli strumenti per farla.
La registrazione cambia anche ciò che si considera raro. I chip si possono ordinare e i modelli copiare. Un orologiaio con decenni di banco alle spalle è più difficile da trovare, e il disegno di un movimento, che specifica ogni componente, non dice nulla della pressione che mette in sede una ruota.
Rea Stark è designer industriale e fondatore di imprese a Zurigo. Ha progettato per Sony e Nespresso, ha cofondato Piëch Automotive e Archaí Physics, e studia come le macchine percepiscono e maneggiano il mondo fisico. Profilo di Rea Stark
Le immagini di questo saggio sono generate con l’IA.