Meta e l’illusione dell’AI che sostituisce tutti: cosa è andato storto nel piano di Zuckerberg

Ridurre i team, tagliare livelli manageriali e affidare il lavoro ad agenti AI: il progetto di Meta prometteva efficienza record. Ma i numeri raccontano altro. E se il colosso dei social frena, conviene chiedersi: quanto è davvero pronta l’azienda media ad abbracciare la “full AI”?

Il piano AI-native di Meta: cosa prevedeva “Project OT”

Secondo un’indagine Reuters basata su documenti interni e oltre 20 testimonianze, Mark Zuckerberg ha provato a riscrivere le regole del lavoro in Meta con un progetto di trasformazione radicale, noto come “Project OT”. L’obiettivo: diventare una società “AI native”, con team più piccoli, meno persone e una quota crescente di attività svolte da agenti di intelligenza artificiale.

Nei modelli interni, alcuni reparti potevano ridursi fino al 60%. L’idea era sostituire squadre da 10–20 persone con gruppi iper-senior di 3–4 professionisti supportati da agenti AI, accorciando la catena manageriale e accelerando cicli di sviluppo e rilascio. In parallelo, Meta ha comunque tagliato circa il 10% della forza lavoro a maggio, prima di congelare la seconda ondata di riorganizzazione prevista per novembre. A luglio, lo stesso Zuckerberg avrebbe riconosciuto internamente che gli agenti AI non stavano progredendo alla velocità prevista.

L’ambizione era chiara: più output, più velocità, meno costi. Ma l’esecuzione ha mostrato crepe che dovrebbero interessare ogni imprenditore che oggi guarda all’AI come scorciatoia universale.

Perché il piano si è inceppato

Output non è valore: quando il codice esplode ma il business no

Gli strumenti AI hanno effettivamente spinto la produttività… sulla carta. Sempre secondo Reuters, le modifiche al codice sono aumentate del 220% anno su anno. Impressionante. Peccato che le modifiche diventate funzionalità utili o miglioramenti reali siano cresciute solo del 36%. Tradotto: si produce di più, ma non si crea automaticamente più valore. La metrica “righe scritte” non coincide con “problemi risolti” o “ricavi generati”.

Questo gap tra quantità e qualità è il tallone d’Achille di molte adozioni affrettate: se misuriamo l’AI solo su output tecnici, otteniamo rumore. Servono metriche di business (tempo-to-market, NPS, conversioni, MRR, riduzione dei bug in produzione) per governare il cambiamento.

L’effetto sul capitale umano: fiducia in caduta e motivazione in stallo

Dentro Meta è emersa una domanda semplice e potentissima: “Sto usando l’AI per lavorare meglio o la sto addestrando per sostituirmi?”. Quando questa percezione prende piede, la fiducia crolla, l’engagement scende e il rischio di “quiet quitting” sale. L’AI non è solo tecnologia: è psicologia organizzativa. Se il cambiamento è letto come minaccia, i team resistono, rallentano, si proteggono.

Anche la narrativa conta. Parlare di tagli e agenti che “prendono in carico il lavoro” prima di definire ruoli, responsabilità e percorsi di reskilling è una miccia accesa. La trasformazione funziona solo se le persone capiscono “cosa ci guadagnano” e come saranno valutate nel nuovo scenario.

Rischi tecnici e governance: quando gli agenti creano problemi

Alcuni agenti AI avrebbero generato falle di sicurezza e debiti tecnici che richiedevano interventi umani correttivi. È il paradosso dell’automazione prematura: automatizzi per accelerare, poi rallenti per rimettere in sicurezza. Senza un perimetro di human-in-the-loop ben disegnato, policy chiare su qualità dei dati, test e rollback, l’AI porta instabilità invece che efficienza.

In più, gli agenti generativi tendono a “allucinare”, sovra-ottimizzare per metriche locali o replicare pattern di codice non ottimali. Servono guardrail tecnici (linting, gating, controlli di sicurezza, canary release) e ruoli di governance che decidano cosa affidare all’AI, quando e con quali responsabilità.

Cosa imparano oggi le aziende (senza essere Meta)

Il caso Meta non è un invito a frenare sull’AI, ma a maturarne l’adozione. Alcuni principi operativi utili:

Misura valore, non output: lega l’AI a KPI di business, non a “righe di codice” o “task chiusi”.
Pilota, poi scala: progetti pilota con obiettivi limitati, ipotesi verificabili e post-mortem obbligatori.
Human-in-the-loop obbligatorio: definisci quando l’umano approva, corregge o blocca l’AI. Sempre tracciabilità e audit.
Change management trasparente: spiega impatti su ruoli, competenze e percorsi di crescita; investi in reskilling.
Security by design: policy su dati, privacy, proprietà intellettuale, segreti di prodotto; sandbox e review indipendenti.
Squadre senior e versatili: l’AI amplifica chi sa progettare bene problemi e processi; non sostituisce l’esperienza.
Metriche di qualità: difetti in produzione, MTTR, soddisfazione cliente, impatto su retention e conversioni.
Contratti e responsabilità: chiarisci accountability interna ed esterna quando un agente sbaglia.

La lezione di fondo è semplice: l’AI non è una bacchetta magica per “fare di più con meno persone”. È un moltiplicatore. Se moltiplichi processi confusi, ottieni caos più veloce. Se moltiplichi pratiche solide, ottieni vera efficienza.

L’altro fronte: aziende senza dipendenti?

Mentre Meta rallenta, in Argentina si discute l’idea di una “società automatizzata”: entità che operano tramite agenti AI, potenzialmente senza dipendenti e — in alcuni modelli — senza un proprietario umano definito. Affascinante sulla carta, ma pieno di nodi: responsabilità legale, compliance, assicurazioni, tutela dei dati, continuità operativa.

Prima di chiederci se possiamo costruirla, la domanda è: siamo pronti? Chi firma quando qualcosa va storto? Chi risponde dei danni? Come preveniamo abusi, frodi, bias? Finché non esistono regole chiare, rischiamo di creare scatole nere efficienti ma incontrollabili. La vera innovazione, oggi, è un equilibrio pragmatico: automazione forte, umani al comando, governance trasparente.

Conclusione

Meta ci ricorda che l’AI è potente ma non infallibile. Funziona quando è guidata da obiettivi chiari, persone competenti e regole robuste. Il resto è hype.

👉 Per scoprire tutti i dettagli e l’opinione personale di Mario Moroni, ascolta la puntata completa su Spotify.