Orari di lavoro
Lunedi - Venerdi: 7.30 - 19.30
Sabato: 8 - 16
Z Side · Reality Glitch
A cura di Zoom Out Lab
Il primo maggio 2026, Praveen Neppalli Naga, chief technology officer di Uber, ha annunciato pubblicamente che l’azienda vuole trasformare la propria rete globale di autisti in una piattaforma di raccolta dati per i veicoli a guida autonoma. In pratica, Uber autisti sensori guida autonoma: i milioni di persone che ogni giorno portano i passeggeri da un posto all’altro potrebbero presto montare kit di sensori sulle proprie auto per raccogliere i dati stradali che serviranno ad addestrare i sistemi AI capaci di guidare senza di loro. La notizia è diventata globale in pochi giorni. La parte più interessante, però, non è nell’annuncio. È in quello che succede già adesso, in silenzio, a bordo di ogni corsa Uber.
Naga ha fatto la sua rivelazione durante un’intervista a StrictlyVC, l’evento di TechCrunch a San Francisco, descrivendo il piano come un’evoluzione naturale di AV Labs, il programma avviato da Uber a fine gennaio 2026 per supportare le aziende che sviluppano veicoli autonomi. Per ora, AV Labs opera con una piccola flotta dedicata di veicoli attrezzati con sensori, separata dalla rete degli autisti ordinari. L’ambizione, però, è molto più grande: equipaggiare le auto di una parte dei milioni di autisti attivi sulla piattaforma globale, trasformandoli in una rete distribuita di raccolta dati in tempo reale capace di una scala che nessun singolo sviluppatore di veicoli autonomi potrebbe replicare da solo.
“È la direzione in cui vogliamo andare,” ha detto Naga, aggiungendo che il vero collo di bottiglia per lo sviluppo dei veicoli autonomi oggi non è più la tecnologia, ma la disponibilità di dati reali di alta qualità: cantieri stradali, veicoli in doppia fila, pedoni che attraversano fuori dalle strisce, tutto il caos dell’ambiente urbano che le simulazioni non riescono a replicare con fedeltà sufficiente.
Il dato che manca e la rete che già esiste
Per capire perché Uber sia nella posizione ideale per questo piano, vale soffermarsi sul problema che sta cercando di risolvere. Le aziende che sviluppano sistemi di guida autonoma, da Waymo a Tesla, da Wayve alle decine di startup specializzate, hanno bisogno di enormi quantità di dati stradali reali per addestrare i propri modelli. Simulazioni e tracciati controllati non bastano: l’AI impara a gestire l’imprevisto solo vedendo l’imprevisto accadere davvero, migliaia e migliaia di volte, in condizioni meteorologiche diverse, in città diverse, con stili di guida diversi.
Raccogliere questi dati con flotte proprietarie è costoso, lento e geograficamente limitato. Uber, invece, ha già una rete di milioni di autisti attivi in centinaia di città in tutto il mondo, che percorrono ogni giorno percorsi reali in condizioni reali. Come spiega la ricostruzione di TechBuzz sul progetto, anche solo una parte di quella rete equipaggiata con sensori creerebbe uno dei più grandi ecosistemi di dati stradali in tempo reale mai costruiti. Uber ha già firmato partnership con circa 25 aziende di veicoli autonomi, tra cui Wayve, e sta costruendo un “AV cloud”, un archivio strutturato e consultabile di dati sensoriali etichettati che i partner possono interrogare per addestrare i propri sistemi.
Il CTO ha dichiarato che l’obiettivo dell’azienda non è monetizzare direttamente i dati, ma “democratizzarli” mettendoli a disposizione di tutto il settore. È una posizione che suona generosa, ma che ha una logica di business precisa: anche quando i robotaxi sostituiranno gli autisti umani, Uber avrà già costruito l’infrastruttura dati su cui quei sistemi si appoggiano, garantendosi un ruolo centrale nell’ecosistema della mobilità autonoma a prescindere da chi guiderà fisicamente le auto.
Il shadow mode: l’AI che impara guardando, senza che nessuno lo sappia
C’è un aspetto di questo piano che ha ricevuto molta meno attenzione rispetto all’annuncio principale, ma che racconta qualcosa di più immediato e concreto su quello che sta già accadendo.
Tra le funzionalità di AV Labs descritte dal CTO c’è il “shadow mode”: una modalità in cui i sistemi AI delle aziende partner simulano le decisioni di guida durante le corse reali degli autisti Uber, senza controllare fisicamente il veicolo. In pratica, mentre un autista percorre il suo tragitto normale con un passeggero a bordo, un sistema di intelligenza artificiale osserva ogni situazione stradale, elabora le stesse informazioni che elaborerebbe per guidare autonomamente, prende le stesse decisioni che prenderebbe, e le registra per confrontarle con quello che l’autista umano fa realmente. Poi impara dalla differenza.
È una forma di addestramento estremamente efficace, come spiega The Hans India nell’analisi del progetto, perché espone il sistema AI a situazioni reali con una frequenza e una varietà impossibili da raggiungere con flotte dedicate. Per l’autista, la corsa è identica a qualsiasi altra. Per il sistema AI a bordo, è una lezione.
Il paradosso che nessuno ha ancora nominato esplicitamente
Uber autisti sensori guida autonoma è una storia che ha una struttura molto precisa, e vale la pena nominarla con chiarezza. Gli autisti di Uber sono lavoratori indipendenti che usano la propria auto e il proprio tempo per guadagnarsi da vivere sulla piattaforma. La piattaforma intende usare la loro presenza, i loro spostamenti e le loro auto per raccogliere i dati che serviranno ad addestrare i sistemi capaci di sostituirli. E lo farà, almeno nella fase del shadow mode, senza che quei lavoratori abbiano una piena comprensione di cosa stanno contribuendo a costruire.
Non è una novità assoluta come meccanismo: è la stessa dinamica che abbiamo già analizzato con i programmatori junior che addestrano i sistemi che progressivamente li escludono dal mercato del lavoro, e con i contenuti prodotti dagli utenti delle piattaforme usati per addestrare i modelli AI senza che la maggior parte di loro ne fosse pienamente consapevole. La differenza è che qui il meccanismo è esplicito nella dichiarazione del CTO, anche se non nei termini con cui viene comunicato agli autisti.
La questione del consenso è concreta, ed è quella che regolatori in diversi stati americani stanno cercando di affrontare, insieme alla domanda su cosa significhi trasparenza verso lavoratori che sono formalmente autonomi ma che operano in modo sostanzialmente dipendente dalla piattaforma. Lo stesso Naga ha riconosciuto che esistono complessità normative da risolvere prima di espandere il programma, senza però entrare nel dettaglio di cosa verrà comunicato agli autisti o di come verranno eventualmente compensati per il valore aggiunto che i loro dati porteranno al sistema.
La strategia di Uber: costruire il fossato prima dell’automazione
Vista dall’esterno, la strategia Uber guida autonoma autisti ha una logica industriale chiara. L’azienda sa che il suo modello di business attuale, ovvero milioni di autisti umani che trasportano passeggeri, ha un orizzonte temporale limitato. La guida autonoma arriverà, anche se i tempi rimangono incerti. La domanda per Uber non è se sopravvivrà alla transizione, ma come fare in modo di rimanere centrale nel nuovo ecosistema invece di essere scalzata dai produttori di veicoli autonomi o dalle piattaforme che li gestiranno.
Diventare la principale infrastruttura dati del settore è una risposta strategica solida a questa domanda. Anche quando il 90% degli autisti Uber sarà sostituito da robotaxi, se quei robotaxi si appoggiano all’AV cloud di Uber per i loro sistemi di navigazione, se le aziende che li producono hanno bisogno dei dati raccolti dalla rete Uber per addestrare i propri modelli, allora Uber rimane indispensabile in modo diverso da come lo è oggi. Il fossato cambia forma, ma rimane.
È una strategia che assomiglia molto a quella che ha permesso ad Amazon di sopravvivere e prosperare oltre il commercio elettronico costruendo AWS: trasformare un’infrastruttura interna in un servizio che altri pagano per usare. La differenza è che l’infrastruttura di Uber è fatta di persone, e quella transizione avviene mentre quelle stesse persone continuano a svolgere il lavoro che quella transizione renderà superfluo.
Come ha già mostrato l’analisi dei licenziamenti tech giustificati con l’AI, la velocità con cui le aziende pianificano il futuro supera sistematicamente la velocità con cui comunicano quella pianificazione a chi di quel futuro dovrà sopportare le conseguenze. Uber autisti sensori guida autonoma è, in fondo, la stessa storia raccontata da un’angolazione leggermente diversa: non una promessa di sostituzione futura, ma un processo di sostituzione già attivo, costruito mattone per mattone, corsa dopo corsa, dato dopo dato.
