di Maria Rosaria Nava*, Daniele Duscovich**

Introduzione editoriale

Due voci sullo stesso mestiere

Questo numero ospita due contributi che, senza essersi consultati, propongono la stessa figura professionale e la chiamano con lo stesso nome: i workers of Cultural Intelligence.

Lo segnaliamo perché la coincidenza dice qualcosa. Quando due gruppi di ricerca indipendenti arrivano alla medesima categoria, di solito significa che quella categoria nomina un problema reale — e che qualcuno lo sta incontrando sul campo.

Ma i due contributi guardano da due lati diversi, e per questo li pubblichiamo insieme.

Il primo guarda le condizioni materiali. Il lavoro culturale viene associato alla vocazione e all’autorealizzazione, e proprio per questo si accettano condizioni economiche che altrove non sarebbero tollerate: il quaranta per cento di chi lavora nel settore guadagna meno del salario minimo del proprio Paese. Da lì la proposta di un’alfabetizzazione al lavoro — contratti, diritti, negoziazione — come competenza professionale a pieno titolo. La passione non sostituisce il salario.

Il secondo, che introduciamo qui, guarda il mestiere. Che cosa fa esattamente un traduttore che una macchina non fa? E che cosa si perde quando quella professione viene ridotta a controllo di qualità sull’output di un sistema?

La risposta di Maria Rosaria Nava e Daniele Duscovich passa per una distinzione che vale oltre la traduzione.

Un modello linguistico produce rapidamente testi plausibili. Ma la plausibilità grammaticale non coincide con l’adeguatezza stilistica e culturale. E da qui la frase che conta:

«Il rischio non consiste soltanto nella produzione di errori, ma anche nella normalizzazione di differenze stilistiche, registri e riferimenti culturali.»

Chi legge questo numero per intero riconoscerà lo spostamento. In queste pagine un autore sostiene che il rischio dei sistemi generativi non è che diano risposte sbagliate ma che le diano giuste; un altro, parlando di estetica, che il tecno-kitsch non fallisce perché produce immagini rozze ma perché ne produce di troppo riuscite. Tre discipline diverse, e nessuno ha letto gli altri: il problema non è l’errore, è la levigatezza.

Da qui la tesi sul post-editing, che è il cuore del contributo. Correggere l’output di una macchina non è la stessa cosa che tradurre. Il professionista deve valutare quali proposte accettare, quali modificare, quali rifiutare — verificando coerenza con l’originale, adeguatezza del registro, conservazione delle caratteristiche stilistiche, pertinenza culturale.

Il punto non è se usare l’intelligenza artificiale. È il rischio che la sua adozione trasformi il professionista in un semplice supervisore di risultati generati automaticamente — mantenendone la responsabilità e riducendone il riconoscimento.

Gli autori richiamano infine una dimensione che la traduzione ha sempre avuto e che l’automazione rende più acuta: ogni traduzione è una mediazione culturale, e partecipa alla rappresentazione di persone, gruppi e conflitti nella cultura che riceve. Un sistema che riproduce i modelli presenti nei propri dati può restituire formulazioni che suonano naturali e sono culturalmente inadeguate. Riconoscerlo richiede una competenza che non è linguistica.

Letti insieme, i due contributi dicono una cosa sola da due lati.

Uno guarda il portafoglio: che cosa guadagna chi fa questo mestiere.
L’altro guarda il mestiere: che cosa fa, e perché non è sostituibile.

Non si può difendere il secondo ignorando il primo. E questa, forse, è la ragione per cui due gruppi che non si conoscono sono arrivati alla stessa parola.

La Direzione

Abstract

La convergenza tra l’evoluzione delle Intelligenze Artificiali generative e la trasformazione digitale dei settori linguistico-culturali impone una ridefinizione radicale del valore del lavoro e dell’educazione. Settori emblematici come la traduzione e la mediazione linguistica — tra i primi a subire l’impatto dei modelli automatizzati — rischiano oggi di essere declassati a mere attività di post-editing e controllo qualità meccanico, svuotando la professione della sua componente ermeneutica e creativa. Il presente contributo esplora la figura dei Workers of Cultural Intelligence: professionisti (tra cui traduttori, curatori, creator e formatori) capaci di interpretare la traduzione non come semplice conversione di codice da una lingua ad un’altra, ma come atto di negoziazione culturale e interpretazione complessa che la macchina non può sostituire. Attraverso un approccio interdisciplinare tra traduttologia, sociologia del lavoro e pedagogia critica, il paper propone un modello di alfabetizzazione all’IA (AI Literacy) fondato sull’Umanesimo Digitale. L’obiettivo è superare la dicotomia tra rifiuto della tecnologia e riduzionismo funzionale, riaffermando la dignità del lavoro di traduzione e l’importanza di una formazione che orienti le nuove generazioni verso la padronanza critica degli strumenti artificiali, senza ridurre l’insegnamento a un mero addestramento tecnico.

Keywords: cultural intelligence, traduzione, AI literacy, pedagogia critica, competenza

Introduzione

L’irruzione dell’Intelligenza Artificiale (IA) generativa e dei nuovi modelli linguistici (Large Language Models, LLM) nel panorama socioeconomico contemporaneo ha innescato una trasformazione profonda nei settori culturali, creativi e della mediazione linguistica. In questo scenario, la traduzione rappresenta uno degli ambiti professionali maggiormente interessati dall’automazione, collocandosi tra l’aumento della produttività e il rischio di una progressiva ridefinizione del ruolo professionale del traduttore (Cronin, 2013). L’adozione diffusa della traduzione automatica e dei sistemi generativi ha infatti alimentato una concezione dell’attività traduttiva come processo prevalentemente esecutivo, nel quale il professionista rischia di essere ricondotto alla funzione di semplice controllo o post-editing dell’output prodotto dalla macchina. Tale trasformazione solleva interrogativi non soltanto sull’efficienza dei processi, ma anche sulla dignità, sull’autonomia e sul valore creativo del lavoro linguistico.

L’atto traduttivo, tuttavia, non consiste in una mera sostituzione lessicale, ma in una complessa operazione interpretativa nella quale il traduttore deve negoziare significati, contesti e differenze culturali. La traduzione implica infatti la ricerca di soluzioni che permettano di restituire nella lingua di arrivo il senso e la funzione comunicativa del testo di partenza, tenendo conto anche di ciò che inevitabilmente cambia nel passaggio tra sistemi linguistici e culturali differenti (Eco, 2003). Ridurre tale attività a un processo procedurale significa trascurare la componente interpretativa e decisionale che caratterizza la competenza del traduttore.

Di fronte a questa trasformazione emerge anche l’esigenza di ripensare il ruolo dell’educazione e della formazione professionale. L’AI Literacy non dovrebbe essere ridotta all’apprendimento di strumenti tecnici destinati a cambiare rapidamente, ma dovrebbe comprendere la capacità di comprendere, valutare e utilizzare criticamente i sistemi di IA (Long, Magerko, 2020). Una formazione esclusivamente strumentale rischierebbe infatti di produrre competenze rapidamente obsolete, mentre una formazione critica dovrebbe integrare conoscenze tecnologiche, capacità interpretative e consapevolezza delle implicazioni etiche e sociali dell’automazione (Selwyn, 2019; Di Bari, 2024).

Per superare la contrapposizione tra rifiuto della tecnologia e sua accettazione acritica, questo contributo propone la centralità dei Workers of Cultural Intelligence: professionisti capaci di integrare competenze tecnologiche, sensibilità interculturale e capacità critica. Il concetto di Cultural Intelligence permette infatti di considerare la competenza culturale come una capacità di comprendere e gestire efficacemente situazioni caratterizzate da differenze culturali (Earley & Ang, 2003). Applicata al contesto digitale, tale prospettiva consente di interpretare le professioni culturali non come semplici attività esecutive, ma come pratiche nelle quali interpretazione, creatività e responsabilità rimangono elementi centrali.

L’obiettivo del presente contributo è dunque delineare un quadro teorico e pedagogico capace di collegare l’alfabetizzazione all’IA alla salvaguardia del lavoro dignitoso e della competenza umana. Attraverso l’analisi dell’impatto dell’IA sul settore linguistico-culturale, il lavoro intende mostrare come la tutela della creatività e del valore professionale non richieda il rifiuto dell’innovazione, ma una sua integrazione critica, nella quale la tecnologia rappresenti uno strumento al servizio della competenza umana (UNESCO, 2021).

Diagnosi del Presente: Trasformazione Digitale e “Dignità del Lavoro”

Il legame tra la trasformazione digitale e la dignità del lavoro rappresenta uno dei nodi cruciali del dibattito sociologico, etico e organizzativo contemporaneo. La letteratura scientifica evidenzia come l’adozione pervasiva delle tecnologie digitali e dell’intelligenza artificiale non sia un processo neutrale, bensì un fenomeno modellato da specifici contesti istituzionali e socioeconomici. Se da un lato l’automazione promette di liberare l’individuo da compiti usuranti ed alienanti, dall’altro l’emergere del cosiddetto digital dignity divide solleva forti preoccupazioni circa la deumanizzazione e l’oggettivazione del lavoratore (Kellogg et al., 2020).

I principali fattori di rischio e di evoluzione si articolano intorno ad alcune dimensioni chiave. I sistemi di monitoraggio e la gestione automatizzata (algorithmic management) tendono, innanzitutto, a frammentare il lavoro in unità parcellizzate, erodendo l’autonomia decisionale e riducendo l’attività umana a mera esecuzione di direttive ottimizzate da macchine. Se da un lato il ricorso a infrastrutture di dati limita la capacità dei lavoratori di contestare le decisioni o esprimere la propria creatività ed empatia, dall’altro una quantificazione costante delle performance genera pressioni psicosociali sistemiche e instabilità emotiva (Parent-Rocheleau, Boudreau, 2025). In questo caso specifico, le tecnologie possono agire come limitatori della dignità del lavoratore. Si avverte dunque la necessità di un’ottimizzazione congiunta che non sacrifichi il benessere del lavoratore in nome dell’efficienza algoritmica in quanto, nel caso in cui un algoritmo oscuri i contributi intangibili come, ad esempio, collaborazione e problem-solving relazionale, il lavoratore sperimenta una crisi di significato e alienazione (Veen et al., 2022).

Per salvaguardare la dignità umana nell’era dell’IA, è quanto mai necessario lo sviluppo di tutele attive come le valutazioni di impatto sui diritti umani nei contesti produttivi derivanti anche da decisioni automatizzate alle quali i lavoratori non trovano risposta o delle quali non vengono propriamente informati. In tal senso, la sostenibilità dei processi digitali richiede una leadership informata e il coinvolgimento diretto dei lavoratori nella progettazione dei sistemi tecnologici per evitare asimmetrie di potere estreme (Veen et al., 2022).

Workers of cultural intelligence tra competenza e creatività

Il concetto di “workers of cultural intelligence” definisce una classe di professionisti capaci di mediare tra competenze tecniche, sensibilità interculturale e creatività espressiva. In un mercato del lavoro dominato dalla trasformazione digitale, la dignità di questi lavoratori si gioca proprio sulla capacità di valorizzare gli aspetti unicamente umani della produzione culturale, contrastando il rischio di standardizzazione algoritmica (Earley, 2003).

Nello scenario contemporaneo, la trasformazione digitale non impatta solo le mansioni esecutive, ma ridefinisce anche le industrie creative e della conoscenza. I lavoratori dotati di elevata intelligenza culturale (CQ) agiscono come ponti concettuali: utilizzano i dati e le piattaforme digitali non come vincoli, ma come amplificatori della creatività e dell’inclusione (Kellogg et al., 2020). Tuttavia, la letteratura evidenzia una forte tensione interna a questo ruolo. Le piattaforme digitali tendono a quantificare e parcellizzare la produzione culturale, minacciando l’autonomia intellettuale e la dignità del professionista. L’introduzione di modelli di IA predittivi e generativi richiede ai lavoratori della conoscenza di spostarsi da compiti puramente esecutivi verso una “super-competenza” strategica, legata all’etica, all’empatia e alla comprensione del contesto culturale profondo. La dignità del lavoro culturale digitale passa attraverso il riconoscimento del valore intangibile. Senza una tutela attiva delle competenze creative, si rischia una polarizzazione economica che penalizza i produttori di contenuti a favore dei proprietari delle infrastrutture tecnologiche (Florida, 2019).

L’impatto della trasformazione digitale sulla competenza e sulla creatività dei workers of cultural intelligence è profondo e ambivalente, poiché si muove costantemente tra la potenzialità abilitante dell’infrastruttura tecnologica e il rischio di standardizzazione indotto dalle metriche dei dati. La digitalizzazione non cancella la competenza culturale, ma ne richiede una risemantizzazione in chiave sociotecnica, unendo sensibilità umanistica e pensiero basato sui dati. In tal senso, la competenza culturale (cognitiva e comportamentale) sembrerebbe non essere più sufficiente se isolata; essa richiede la mediazione della digital literacy per tradursi in valore effettivo all’interno degli ecosistemi digitali. I lavoratori devono saper interpretare non solo i codici umani, ma anche i bias insiti negli algoritmi di comunicazione. Il professionista diventa un supervisore che indirizza l’intelligenza artificiale per preservare specifiche sfumature che essa non riesce a cogliere. A ciò si aggiunge, pertanto, una competenza culturale metacognitiva ovvero la capacità di mantenere coesione e performance in ambienti di lavoro del tutto dematerializzati (Schor, 2025).

Anche la creatività subisce una trasformazione. Tecnologie come l’IA generativa e i database distribuiti agiscono da “moltiplicatori di opzioni”, permettendo di testare rapidamente idee e formati innovativi riducendo i tempi di esecuzione tecnica. Tuttavia, la minaccia principale alla creatività risiede nella dipendenza dai sistemi di ottimizzazione soprattutto quando i lavoratori della cultura sono costretti a creare contenuti validati esclusivamente dai feedback degli algoritmi predittivi che rischia di appiattire la creatività su standard commerciali ripetitivi. È per tale ragione che l’autonomia intellettuale e artistica dei lavoratori va preservata (Rüth, Netzer, 2020).

La sensibilità etica e stilistica nella traduzione

La traduzione costituisce uno degli ambiti in cui la differenza tra competenza linguistica e capacità interpretativa emerge con maggiore evidenza. Tradurre non significa infatti trasferire meccanicamente parole e strutture sintattiche da una lingua all’altra, ma individuare, attraverso un processo interpretativo, le soluzioni più adeguate a ricostruire nella lingua di arrivo il senso e gli effetti comunicativi del testo di partenza. La traduzione si configura quindi come un’attività di negoziazione, nella quale il traduttore deve confrontarsi continuamente con ciò che può essere mantenuto, modificato o necessariamente perso nel passaggio tra sistemi linguistici e culturali differenti (Eco, 2003).

La sensibilità stilistica rappresenta, in questo senso, una componente essenziale della competenza traduttiva. Il significato di un testo non dipende esclusivamente dal contenuto proposizionale, ma anche dal registro, dal tono, dalla scelta lessicale, dalla costruzione sintattica e dagli effetti prodotti sul lettore. Una traduzione può quindi risultare formalmente corretta e, allo stesso tempo, non restituire adeguatamente la voce dell’autore o la funzione comunicativa del testo originale. Le strategie traduttive sono inoltre influenzate dalle aspettative della cultura ricevente e dalle modalità attraverso le quali il traduttore rende più o meno visibile la propria attività interpretativa (Venuti, 1995).

Questa dimensione assume particolare rilevanza nel contesto della diffusione dei sistemi di IA generativa. I modelli linguistici possono produrre rapidamente testi tradotti plausibili dal punto di vista grammaticale, ma la plausibilità linguistica non coincide necessariamente con l’adeguatezza stilistica e culturale. Il rischio non consiste quindi soltanto nella produzione di errori, ma anche nella normalizzazione di differenze stilistiche, registri e riferimenti culturali. L’intervento umano dovrebbe pertanto comprendere una valutazione complessiva dell’efficacia comunicativa e della coerenza del testo rispetto all’originale.

Alla dimensione stilistica si aggiunge quella etica. Ogni traduzione costituisce infatti una forma di mediazione culturale e contribuisce alla rappresentazione di persone, gruppi sociali, eventi e conflitti nella cultura di arrivo. Baker ha evidenziato il ruolo della traduzione nella circolazione delle narrazioni e nella loro possibile trasformazione, mostrando come le pratiche traduttive possano partecipare alla costruzione e alla riformulazione di determinate rappresentazioni (Baker, 2006).

L’impiego dell’IA rende questa responsabilità ancora più complessa. I sistemi generativi possono riprodurre pattern linguistici e rappresentazioni presenti nei dati sui quali sono stati sviluppati e, di conseguenza, possono restituire formulazioni che appaiono naturali ma che risultano culturalmente inadeguate o problematiche nel contesto specifico. La Cultural Intelligence diventa quindi rilevante per riconoscere tali discrepanze e valutare criticamente le soluzioni proposte dal sistema.

Il post-editing assume pertanto un significato più ampio rispetto alla semplice correzione linguistica. Il professionista deve valutare le proposte generate dall’IA e decidere quali accettare, modificare o rifiutare, verificando la coerenza con il testo originale, l’adeguatezza del registro, la conservazione delle caratteristiche stilistiche e la pertinenza culturale. La responsabilità traduttiva rimane quindi legata alla capacità umana di esercitare un giudizio motivato sulle diverse soluzioni possibili.

La sensibilità etica e stilistica costituisce, di conseguenza, una componente fondamentale del valore professionale del traduttore nell’epoca dell’IA. Quanto più i sistemi automatici diventano efficaci nella produzione di testi formalmente corretti, tanto più assume importanza la capacità di interpretare il contesto, riconoscere le ambiguità e valutare le implicazioni culturali delle diverse soluzioni. L’IA può quindi essere integrata nel processo traduttivo come strumento di supporto, senza trasformare il traduttore in un semplice controllore dell’output della macchina (Eco, 2003; Venuti, 1995; Baker, 2006).

Formare alla consapevolezza linguistica e tecnologica

La formazione alla consapevolezza linguistica e tecnologica rappresenta la risposta didattica e strategica per proteggere la competenza e la creatività dei workers of cultural intelligence. In un contesto in cui i modelli linguistici di grandi dimensioni (LLM) e la gestione algoritmica ridefiniscono i confini professionali, formare a questa duplice consapevolezza significa fornire ai lavoratori gli strumenti critici per non subire l’appiattimento tecnologico, preservando così la propria dignità professionale, trasformando l’IA da “scatola nera” a oggetto di analisi transdisciplinare.

In tal senso, è fondamentale sviluppare una vera e propria AI literacy fondata su presupposti umanistici e tecnologici (Cronholm, Göbel, 2022). Innanzitutto, insegnare come i nuovi modelli di linguaggio (LLM) elaborano il testo, evidenziando che la traduzione automatica non è una semplice equivalenza semantica, ma un’elaborazione probabilistica, per poi comprendere i limiti dell’algoritmo nelle sfumature idiomatiche e nei registri linguistici. Questo è il primo passo per un lavoro di post-editing consapevole. Lo sviluppo di una Cultural Intelligence (CQ) è quanto mai rilevante al fine di riconoscere e decodificare i bias culturali che l’algoritmo tende a omogenizzare e livellare applicando prospettive etnocentriche, riuscendo a identificare i contesti socioculturali che la macchina, inevitabilmente, fallisce nel tradurre. Inoltre, vanno necessariamente preservati creatività e pensiero critico non come semplice generazione di contenuti, ma come capacità di porre le giuste domande (prompt engineering critico) e di valutare l’originalità, l’etica e la pertinenza dei risultati generati dall’IA (Vasconcelos, Bakhshi, 2023).

Creatività, Dignità del Lavoro e Scenari Futuri

Il rapporto tra IA, creatività e lavoro culturale non può essere interpretato esclusivamente secondo la logica della sostituzione. L’introduzione dell’IA generativa modifica, infatti, la distribuzione delle attività all’interno dei processi creativi, introducendo nuove possibilità di ideazione, sperimentazione e produzione, ma anche nuove forme di trasformazione delle competenze e delle condizioni di lavoro. La questione centrale non riguarda quindi soltanto ciò che l’IA è in grado di produrre, ma il modo in cui il suo impiego modifica il ruolo del professionista e il riconoscimento del lavoro umano all’interno del processo creativo (Erickson, 2024).

Da un lato, gli strumenti di IA generativa possono funzionare come strumenti collaborativi capaci di ampliare le possibilità creative. La produzione rapida di molteplici varianti di un testo, di un’immagine o di un’idea consente al professionista di esplorare alternative e di accelerare alcune fasi del processo creativo. L’IA può quindi contribuire alla fase di ideazione e sperimentazione senza necessariamente eliminare il ruolo del professionista. La questione centrale rimane tuttavia la conservazione dell’apporto umano, dell’autenticità e della capacità decisionale nel processo creativo (Amankwah-Amoah et al., 2024).

Dall’altro lato, l’automazione di alcune fasi della produzione creativa può contribuire a rendere meno visibile il lavoro umano. La ricerca sulle industrie creative mostra infatti che i processi basati sull’IA possono continuare a richiedere un contributo significativo dei lavoratori, mentre tale contributo rischia di diventare meno riconoscibile nel prodotto finale, che può essere percepito principalmente come risultato della tecnologia (Erickson, 2024).

Questa dinamica assume particolare rilevanza dal punto di vista della dignità professionale. Se il valore del prodotto viene associato prevalentemente allo strumento tecnologico, il contributo umano rischia di essere considerato accessorio anche quando rimane necessario per l’ideazione, la selezione, la revisione e l’orientamento del risultato. La questione non riguarda quindi soltanto l’eventuale sostituzione di alcune attività, ma anche il mantenimento del riconoscimento e del significato del lavoro creativo (Bender, 2024).

La dignità del lavoro creativo dipende pertanto dalla possibilità di mantenere un ruolo attivo nel processo produttivo. Il problema non consiste nell’utilizzare l’IA, ma nel rischio che la sua adozione trasformi il professionista in un semplice supervisore di output generati automaticamente. L’introduzione di queste tecnologie può infatti produrre contemporaneamente processi di deskilling e re-skilling, modificando le competenze richieste e le condizioni di lavoro dei professionisti delle industrie creative (Erickson, 2024).

Questa trasformazione presenta implicazioni particolarmente rilevanti per i workers of cultural intelligence. Il loro valore non risiede esclusivamente nella capacità di utilizzare strumenti digitali, ma nella possibilità di integrare tecnologia, conoscenza culturale, creatività e giudizio critico. La competenza professionale futura dovrebbe quindi essere definita non soltanto dalla capacità di produrre contenuti attraverso l’IA, ma dalla capacità di stabilire finalità, criteri e limiti del suo utilizzo. Il professionista diventa così responsabile della selezione delle alternative generate dalla macchina e della loro trasformazione in prodotti culturalmente e comunicativamente adeguati.

Gli scenari futuri richiedono, di conseguenza, un ripensamento del concetto di produttività nel lavoro culturale. Se l’efficienza viene identificata esclusivamente con la quantità di contenuti prodotti e con la riduzione dei tempi di esecuzione, l’automazione rischia di diventare un incentivo alla sostituzione del lavoro umano. Se, invece, il valore del lavoro viene valutato anche attraverso qualità, originalità, autonomia professionale e contributo culturale, l’IA può essere integrata secondo un modello nel quale la tecnologia sostiene il lavoro umano senza determinarne completamente finalità e criteri di valutazione (Amankwah-Amoah et al., 2024).

La tutela della dignità del lavoro richiede inoltre che la formazione non si limiti all’acquisizione di competenze tecniche. I professionisti devono essere messi nelle condizioni di comprendere non soltanto il funzionamento degli strumenti di IA, ma anche le conseguenze del loro utilizzo sul riconoscimento del lavoro, sull’autonomia professionale, sulla proprietà intellettuale e sulle condizioni occupazionali. Il rapporto sulle industrie creative e il good work nell’era della GenAI sottolinea, in questa prospettiva, l’importanza di considerare qualità del lavoro, autonomia e sviluppo delle competenze nel processo di trasformazione tecnologica (Katell et al., 2025).

Il futuro delle professioni culturali non appare quindi necessariamente come una contrapposizione tra lavoro umano e IA. Più plausibilmente, si configura come una fase di ridefinizione dei ruoli, nella quale alcune attività potranno essere automatizzate mentre altre assumeranno maggiore rilevanza. Per il traduttore, il curatore, il creator e gli altri professionisti della cultura, ciò significa spostare il centro della propria competenza dalla semplice esecuzione alla capacità di interpretare, selezionare, verificare e attribuire senso. La sfida consiste quindi nel fare in modo che l’innovazione tecnologica non comporti una perdita di autonomia e riconoscimento, ma contribuisca alla ridefinizione del lavoro secondo forme nelle quali il contributo umano rimanga visibile e significativo (Bender, 2024; Erickson, 2024).

La sfida futura consiste dunque nel costruire un rapporto con l’IA fondato sulla complementarità e non sulla sostituzione indiscriminata. L’IA può ampliare le possibilità operative dei workers of cultural intelligence, ma il valore del loro lavoro dipenderà dalla capacità di mantenere una posizione critica nei confronti della tecnologia. La creatività, in questo scenario, non dovrebbe essere considerata semplicemente come la capacità di generare un maggior numero di contenuti, bensì come la capacità di formulare giudizi, attribuire significato e assumere responsabilità rispetto a ciò che viene prodotto. La dignità del lavoro creativo dipende, in ultima istanza, dalla possibilità di riconoscere queste competenze come parte integrante del valore professionale e culturale del lavoratore (Bender, 2024; Amankwah-Amoah et al., 2024).

Bibliografia

Amankwah-Amoah, J., Abdalla, S., Mogaji, E., Elbanna, A., & Dwivedi, Y. K. (2024). The impending disruption of creative industries by generative AI: Opportunities, challenges, and research agenda. International Journal of Information Management, 79, 102759.

Baker, M. (2006). Translation and Conflict: A Narrative Account. London & New York: Routledge.

Bender, S. (2024). Generative-AI, the media industries, and the disappearance of human creative labour. Media Practice and Education, 26(2), 200–217.

Carloni, E. (2025). Critica dell’amministrazione artificiale. Il Mulino.

Cristianini, N. (2023). La scorciatoia: Come le macchine sono diventate intelligenti senza pensare in modo umano. Il Mulino.

Cronholm, S., & Göbel, H. (2022). Artificial intelligence literacy: A framework for education and training. Journal of Information Technology Education: Research, 21, 511–533.

Cronin, M. (2013). Translation in the digital age. Routledge.

Deskis, N., & Kenny, D. (2020). Automated translation and the digital humanities: Ethics, labor, and technology. Journal of Cultural Analytics, 5(2), 45–68. 

Di Bari, C. (2024). La pedagogia critica come interprete dell’intelligenza artificiale: Compiti e sfide della scuola per promuovere la formazione di cittadini più consapevoli, critici e creativi. Studi sulla Formazione, 27(1), 115–128. 

Earley, P. C., & Ang, S. (2003). Cultural intelligence: Individual interactions across cultures. Stanford University Press.

Eco, U. (2003). Dire quasi la stessa cosa. Esperienze di traduzione. Milano: Bompiani.

Erickson, K. (2024). AI and work in the creative industries: digital continuity or discontinuity? Creative Industries Journal.

Florida, R. (2019). The rise of the creative class (Revised ed.). Basic Books.

Floridi, L. (2020). Il verde e il blu: Idee per sostenere la politica nell’era digitale. Raffaello Cortina Editore.

Giroux, H. A. (2020). On critical pedagogy (2nd ed.). Bloomsbury Academic.

Hesmondhalgh, D. (2019). The cultural industries (4th ed.). SAGE Publications.

Katell, M., Aitken, M., Brewin, K., Gilbert, A., Krafft, P., Leslie, D., Leslie, M., Mehta Brown, A., Monks, A., Niclochlainn, C., Perini, A., Preniqi, V., Shatri, E., & Thomas, M. (2025). Creative Industries and GenAI Good Work impacts on a sector in rapid transition.

Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The forces, meanings, and outcomes of algorithmic management in organizations. The Academy of Management Annals, 14(1), 366–410.

Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). Association for Computing Machinery. 

Nicosi, G. (2023). Traduzione, algoritmi e diritti: Il lavoro linguistico nell’epoca della Machine Translation. Carocci.

Parent-Rocheleau, X., & Boudreau, L. R. (2025). The rise of algorithmic management and implications for work and organisations: A systematic review. New Technology, Work and Employment, 40(2), 218–242

Pessina, A. (2023). L’essere altrove: L’esperienza umana nell’epoca dell’intelligenza artificiale. Mimesis.

Rüth, R., & Netzer, T. (2020). The key elements of cultural intelligence as a driver for digital leadership success. Leadership, Education, Personality: An Interdisciplinary Journal, 2(1), 3–8.

Schor, J. B., & Vallas, S. P. (2025). Editorial: Digital transformations and the changing nature of work. Frontiers in Sociology, 10, Articolo 1741944.

Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.

UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO.

Vasconcelos, M. A., & Bakhshi, H. (2023). AI and creativity: A critical framework for the cultural sector. Poetics, 96, Articolo 101742.

Veen, A., Barratt, T., & Goods, C. (2022). A capability approach to worker dignity under algorithmic management. Ethics and Information Technology, 24(1), 1–13.

Venuti, L. (1995). The Translator’s Invisibility: A History of Translation. London/New York: Routledge.