Najiredi Sriranyachandra ha 25 anni e ogni mattina si lega uno smartphone alla fronte. Non è un’influencer: registra, in prima persona, i gesti della sua vita quotidiana—lavare i piatti, tagliare verdure, stendere i panni—per alimentare grandi dataset di “egocentric data” usati nell’addestramento di robot umanoidi e sistemi di visione. Per ogni ora di video guadagna circa 250 rupie, all’incirca 2,30 euro: poco secondo i nostri parametri, ma per lei un’entrata che si integra senza stravolgere la giornata. È l’immagine nitida di un’economia dei dati che trasforma comportamenti ordinari in materia prima per l’intelligenza artificiale.
La pratica ha radici tecniche solide. Il campo della “egocentric vision”—riprese POV che catturano mani, oggetti, ambiente e micro-azioni—è esploso grazie a progetti come Ego4D, iniziativa globale coordinata da università e centri di ricerca con il sostegno industriale, che ha standardizzato benchmark per riconoscere attività, prevedere intenzioni e abilitare assistenza contestuale. Questi dataset accorciano la distanza tra percezione e azione: mostrano ai modelli come si muove una persona in cucina, come manipola utensili, come coordina sguardo e mano. Il passo successivo è tradurre queste rappresentazioni su robot in grado di eseguire compiti domestici e logistici.
Cosa potrebbe accadere nel prossimo futuro? Tre traiettorie si stanno allineando. Primo, una convergenza tra grandi modelli multimodali (testo, immagine, video) e controllo motorio: i sistemi di foundation model iniziano a mappare descrizioni in linguaggio naturale su policy di movimento, velocizzando l’apprendimento di compiti a partire da dimostrazioni umane. Secondo, la standardizzazione delle pipeline di raccolta egocentrica: protocolli di consenso, annotazione e anonimizzazione più rigorosi diventeranno requisito per operare a scala. Terzo, un mercato del “comportamento compensato”: piattaforme che retribuiscono la cattura di routine quotidiane con tariffe variabili per complessità, qualità e diversità culturale, per ridurre bias e migliorare la generalizzazione.
L’impatto sull’AI è duplice. Sul piano tecnico, i dataset POV migliorano robustezza e trasferimento dal simulato al reale, riducendo il “reality gap” che oggi limita robotica e agenti embodied. Sul piano socioeconomico, fanno emergere il valore del comportamento umano come nuovo asset—più prezioso del petrolio, si dice—perché consente all’AI di apprendere non solo cosa è un’azione, ma come e perché viene eseguita in contesti variabili. Questo sposta l’attenzione su governance dei dati, diritti, equità nella remunerazione e trasparenza.
Non basta, però, constatare il progresso. È necessario chiedersi cosa riceviamo in cambio. Le riprese POV catturano ambienti domestici, volti, abitudini, nuove vulnerabilità: l’informazione riguarda persone, famiglie, spazi privati. La privacy, in assenza di regole, rischia di diventare un costo sociale invisibile. Qui le fonti ufficiali tracciano confini chiari. Il Regolamento europeo sull’AI (AI Act), approvato con voto finale pubblicato dal Parlamento europeo il 13 marzo 2024 e adottato formalmente il 21 maggio 2024, impone requisiti di trasparenza, gestione del rischio, documentazione dei dataset, e tutele rafforzate per sistemi ad alto rischio; i modelli generali devono dichiarare l’uso di dati con protezioni per diritti fondamentali. Il GDPR (Regolamento UE 2016/679) continua a valere: consenso esplicito, minimizzazione, finalità specifiche, diritti di accesso e cancellazione. L’OCSE, con le Principi sull’AI adottati nel 2019 e aggiornati negli strumenti di policy consultabili sul sito ufficiale, chiede accountability e tracciabilità.
Nei prossimi mesi vedremo nascere audit indipendenti dei dataset egocentrici, cartellini di qualità dei dati e meccanismi di opt-in granulari. Le aziende dovranno dimostrare la liceità della raccolta, la proporzionalità rispetto allo scopo e la sicurezza. Parallelamente, emergerà una “contrattualistica del gesto”: compensi differenziati per attività rischiose o sensibili, clausole su uso secondario, divieti di reidentificazione. Il lavoro di Najiredi apre un tema più ampio: milioni di persone contribuiscono ogni giorno all’AI, chi scrivendo prompt e feedback, chi offrendo immagini e video. Se la tecnologia è inarrestabile, ciò che possiamo controllare è il patto tra cittadini e piattaforme: consapevolezza, compenso equo, diritti garantiti e possibilità reale di dire no.
In definitiva, gli egocentric data sono una leva potente per l’AI embodied, ma il loro uso legittimo passa da regole, verifiche e dignità del lavoro. È il momento di riconoscere che la risorsa più preziosa non è l’algoritmo, ma la trama dei nostri comportamenti, e di costruire un’economia dei dati che restituisca valore a chi li genera.