Avevo appena varcato la porta della sala server lunedì mattina quando ho capito che qualcosa non andava. Le ventole giravano al massimo, un ronzio frenetico che non avevo mai sentito in dodici anni di lavoro lì dentro. Quella stanza era il mio regno, il cuore pulsante dell’intera infrastruttura finanziaria della Rocky Mountain. Mi chiamo Marcus Walsh, ma tutti mi chiamano Mac.
Cinquantasei anni, ex Navy, sistemista senior dal 2012. Il mio lavoro era mantenere operativo il sistema di pagamento per ottomilacinquecento lavoratori edili sparsi tra Texas e Colorado. Se loro non ricevono lo stipendio, non chiamano l’ufficio reclami: chiudono i cantieri e abbandonano i progetti. Io conoscevo quei sistemi come conoscevo i computer di navigazione del mio cacciatorpediniere.
La paga degli edili non è come quella degli impiegati. Questi uomini lavorano a centoquindici gradi all’ombra o sottozero in montagna. Gettano cemento per le autostrade, costruiscono ospedali, lavorano straordinari quando un tornado devasta una città. Merita no ogni centesimo, e meritano di riceverlo quando promesso.
Il mio sistema non era una soluzione cloud presa da un catalogo. Era una rete blindata costruita su mainframe legacy, protocolli personalizzati e dodici anni di modifiche applicate con la precisione di un capo macchina di bordo. Conoscevo ogni backup, ogni punto di rottura, ogni override di emergenza. Quando il New Mexico aveva cambiato le leggi sul salario vigente, avevo riconfigurato la matrice di calcolo in settantadue ore.
Quando l’OSHA aveva aggiornato i requisiti di rendicontazione, avevo costruito il modulo da zero ascoltando Garth Brooks alle tre di notte. Provate a calcolare lo straordinario di una squadra che inizia un progetto autostradale federale in Texas lunedì, si sposta in Colorado mercoledì e finisce la settimana in Arizona. Ogni stato ha codici del lavoro, tasse e protocolli sindacali diversi. Aggiungete il noleggio attrezzature, il rischio chimico e i salari federali.
Gli algoritmi di Ashley Rivera stavano per scontrarsi con la realtà, e la realtà non ha alcun rispetto per i modelli di machine learning. Ma alla corporate non importava. Vedevano un sistema legacy costoso da mantenere, e vedevano me come un ostacolo alla modernizzazione. Ecco Andrew Donovan.
Vicepresidente operativo, rispondeva direttamente agli investitori di venture capital che avevano rilevato l’azienda sei mesi prima. Era arrivato tre mesi fa con un mandato: snellire le operazioni ed eliminare le ridondanze. Traduzione: sostituire personale esperto con soluzioni automatizzate più economiche. Andrew è il tipo di dirigente che indossa completi italiani per andare in cantiere e resta nel suo SUV climatizzato mentre gli operai sudano al sole.
MBA da una prestigiosa università della East Coast, convinto che ogni problema si risolva con PowerPoint e parole d’ordine come trasformazione digitale. Non aveva mai calcolato una paga per squadre di emergenza dopo una tempesta. Non aveva mai spiegato a una madre single perché il suo bonifico era fallito. L’incontro fu martedì.
Andrew mi convocò nel suo ufficio insieme a Rebecca Stone delle risorse umane. Rebecca lavorava lì da tanto quanto me, ma aveva sempre dato priorità alla protezione dell’azienda piuttosto che a quella dei dipendenti. Aveva quell’aria nervosa di chi sa che stanno arrivando brutte notizie. «Mac», disse Andrew senza alzare lo sguardo dal tablet, «stiamo ristrutturando il reparto IT.
Vogliamo implementare un framework più agile ed efficiente. »
«E che significa per il payroll? »
«Ecco la parte interessante. » Andrew finalmente mi guardò, con quel sorriso studiato che i venture capitalist perfezionano in sala riunioni.
«Ti presento la nostra nuova consulente di sistemi, Ashley Rivera. Ha appena completato il dottorato in machine learning e ha sviluppato un modello di intelligenza artificiale incredibile che rivoluzionerà la gestione del payroll. »
Ecco come funziona con le acquisizioni: l’innovazione ha sempre la precedenza sulla conoscenza istituzionale. Avevo visto questo schema in altre aziende, ma pensavo che la nostra operazione fosse troppo critica per simili esperimenti.
Mi sbagliavo. Ashley entrò come se l’ufficio fosse suo. Ventinove anni, tailleur che probabilmente costava più dello stipendio mensile di molti nostri operai, laptop in mano come se contenesse la soluzione a ogni problema dell’industria americana. «Ciao Mac», disse porgendomi una mano da manicure perfetta.
«Ho analizzato i tuoi processi. Molto accurati, ma anche molto manuali. Penso che possiamo ottimizzare parecchio. »
Il modo in cui disse manuale faceva sembrare che usassi ancora schede perforate.
«Ottimizzare come? » chiesi, anche se già immaginavo la risposta. Ashley aprì il laptop e iniziò a mostrare schermate con la sicurezza di chi non ha mai visto un sistema critico crollare alle due di notte durante un giro di pagamenti d’emergenza. «Ho sviluppato una soluzione AI completa che gestisce tutti i calcoli che fai con i tuoi mainframe legacy.
Usa algoritmi di apprendimento automatico per processare i dati del payroll, adattandosi automaticamente alle variabili regionali, ai contratti sindacali e ai requisiti federali. »
La fissai a lungo. «Machine learning? Vuoi gestire la paga di ottomilacinquecento operai con algoritmi che tirano a indovinare?
»
«Non si tratta di indovinare», replicò Ashley, sulla difensiva. «Il sistema impara dai dati storici e fa previsioni intelligenti basate su modelli statistici. È come un database, ma più intelligente. »
«Più intelligente?
» È quello che dicono sempre quando vogliono sostituire qualcosa che funziona con qualcosa che sembra più moderno. «Previsioni intelligenti» significa che funziona alla grande finché non incontra uno scenario che i programmatori non avevano previsto. E a quel punto sei nel guado, perché nessuno capisce cosa succede sotto il cofano. Mi rivolsi ad Andrew.
«È ufficiale? »
«È innovazione, Mac. » Andrew si appoggiò alla poltrona. «Il modello di Ashley riduce i tempi di elaborazione del settantacinque per cento ed elimina gran parte dei costi IT.
»
Eccolo lì. «Eliminare i costi IT» significava licenziare me e pagare Ashley una frazione del mio stipendio. Avevo già visto questo film in altre aziende. Il giovane consulente promette efficienza rivoluzionaria con una soluzione mai testata.
L’impiegato esperto viene sbattuto fuori, e sei mesi dopo cercano disperatamente di riparare i danni. «Il giro di pagamenti è venerdì», dissi mantenendo la calma. «Oggi è martedì. Se pensi di implementare questo sistema, devi capire con cosa hai a che fare.
»
Iniziai a contare sulle dita. «Salari vigenti per contratti federali, differenziali sindacali e non che cambiano in base al tipo di progetto e ai giorni consecutivi lavorati, tracciamento del noleggio attrezzature incrociato con la telemetria GPS, rendicontazione OSHA, ritenute fiscali multi-stato quando una squadra inizia la settimana in Texas e la finisce in Colorado. »
Ashley annuiva come se capisse, ma vedevo i suoi occhi velarsi. Pensava di aver capito perché aveva letto qualcosa in una rivista accademica, ma non aveva idea di dove si stesse cacciando.
«Ho considerato tutto questo», mi interruppe. «Il mio modello include reti neurali addestrate su database normativi e motori di calcolo fiscale automatizzato. »
«Reti neurali? Dati di addestramento?
» Stava parlando del payroll edile come se fosse un problema di riconoscimento di pattern risolvibile con abbastanza potenza di calcolo. «Il database dei salari vigenti del New Mexico da solo ha novecentotrentaquattro diverse classificazioni di lavoro, con tariffe che variano per contea e tipo di progetto. I contratti sindacali hanno regole sugli straordinari che farebbero impazzire un analista dell’intelligence navale. Tempo e mezzo dopo otto ore, doppio dopo dodici, ma solo su certi tipi di contratto.
Poi c’è l’indennità di rischio che si attiva entro trecento piedi da depositi chimici, con tariffe che cambiano in base alla sostanza e alla distanza. »
«Ashley», cercai di mantenere un tono non condiscendente, «hai mai calcolato il salario vigente per un progetto autostradale federale? »
«Ho analizzato i quadri normativi. »
«Analizzare e implementare sono competenze diverse.
»
«Sai cosa succede se sbagli i salari vigenti su un contratto federale? Il Dipartimento del Lavoro controlla tutto. Può multarci per ogni ora calcolata male, con retroattività di tre anni. »
Andrew agitò la mano.
«Avremo una supervisione della conformità. Il modello di Ashley include protocolli di rilevazione errori. »
Già, il rilevamento errori degli algoritmi di apprendimento. Come se il riconoscimento di pattern potesse accorgersi quando un caposquadra di El Paso sbaglia il foglio presenze e la rete neurale di Ashley restituisce la classificazione salariale sbagliata per quaranta operai su un lavoro governativo.
«Mac», intervenne Rebecca, «dovrai fornire ad Ashley tutte le credenziali di accesso e la documentazione necessaria per una transizione fluida. »
«Documentazione? » Risata senza umorismo. Gran parte dei processi critici viveva in script personalizzati sviluppati in dodici anni.
La vera conoscenza operativa non era documentata da nessuna parte. Era memoria istituzionale. Ecco la realtà dei sistemi che funzionano davvero: non nascono dai libri di testo, ma dalle persone che hanno fatto il lavoro abbastanza a lungo da sapere dove si nascondono i punti di rottura. Io sapevo che il sistema di rilevazione presenze del magazzino di Phoenix a volte crea doppioni dopo le ventitré, ma solo il mercoledì e solo se la latenza di rete supera certi limiti.
Sapevo che il contratto per le squadre del cemento ha una clausola sulle pause pasto che nessun altro ricorda, ma se non la consideri i lavoratori perdono l’indennità. Ashley non sapeva nulla di tutto questo. Aveva i suoi algoritmi eleganti e i suoi modelli di dati puliti, ma non aveva mai dovuto spiegare a Jim Crawford perché le sue gru mostravano ore negative. «Poi dovrai documentare tutto prima della tua partenza», disse Andrew.
E lì capii che la decisione era già presa. Non volevano il mio parere. Mi stavano dando il preavviso e si aspettavano che addestrassi il mio sostituto. «Qual è il mio ultimo giorno?
»
«Venerdì», disse Andrew, «dopo il giro di pagamenti. Vogliamo garantire una transizione fluida. »
«E se la transizione non è fluida? »
Ashley intervenne di nuovo.
«Lo sarà. Ho stress testato il mio modello estesamente. »
«Su quali dati? »
«Set di dati campione dal sistema HR e scenari simulati.
»
Dati campione. Scenari simulati. Aveva testato la sua soluzione rivoluzionaria su numeri artificiali. Era come testare il sistema di navigazione di una nave in una piscina e poi darla per buona per l’Atlantico settentrionale.
Mi alzai, con le ginocchia che scricchiolavano come sempre quando stai per prendere una decisione di cui non sai se ti pentirai o che festeggerai. «Va bene. Vedremo come si comporta sotto il fuoco vero. »
«È l’atteggiamento giusto», disse Andrew, già di nuovo sul tablet.
«Rebecca avrà i tuoi documenti di separazione pronti entro fine giornata. »
Mi fermai sulla porta e mi voltai verso Ashley. «Un consiglio. »
Alzò lo sguardo dal laptop, aspettandosi forse indicazioni tecniche su database o architettura di sistema.
«Quando questo fallirà», dissi, «e fallirà, non farti prendere dal panico. Ricorda che ottomilacinquecento persone contano su quei soldi per pagare il mutuo e mettere il cibo in tavola. Potrebbe aiutarti a stabilire le priorità. »
La sua espressione diceva che non aveva ancora capito in cosa si stava cacciando.
Per lei erano solo dati. Non aveva idea che da lì a poco sarebbe stata responsabile del sostentamento di migliaia di famiglie. Non protestai oltre. Non cercai di spiegare perché l’approccio di Ashley era destinato a fallire peggio di un sistema di navigazione con coordinate GPS corrotte.
A volte il miglior insegnante è l’esperienza, e Ashley stava per ricevere un’istruzione che nessun dottorato avrebbe potuto darle. I tre giorni successivi sembravano una collisione al rallentatore tra un treno merci e uno scuolabus. Mercoledì e giovedì feci esattamente quello che mi avevano chiesto: documentai tutto ciò che potevo, scrissi manuali utente e procedure passo passo. Ma questa è la realtà dei sistemi complessi evoluti in dodici anni: non puoi documentare la conoscenza istituzionale.
Non puoi mettere su carta l’intuito che sviluppi quando qualcosa non quadra, l’istinto che ti dice di verificare un calcolo perché sembra sbagliato di quel tanto che basta per fare la differenza. Ashley mi seguì quei due giorni, prendendo appunti sul laptop e facendo domande che rivelavano quanto poco capisse di ciò che stava ereditando. «Perché verifichi manualmente le classificazioni salariali dell’Arizona? » chiese mercoledì mattina mentre eseguivo i controlli pre-pagamento.
«Perché il database statale è corrotto dal 2019. Mostra le tariffe corrette, ma circa il tre per cento delle classifiche restituisce codici di contea sbagliati. Se non lo intercetti, i lavoratori di Phoenix ricevono le tariffe di Tucson, che sono più basse di circa quattro dollari l’ora. »
«Non possiamo riparare il database?
»
«È un sistema governativo. Non lo controlliamo noi. Dobbiamo solo aggirarlo. »
Annotò qualcosa sul laptop.
Vidi che digitava «risolvere problema database statale», come se potesse sistemarlo con una mail a Sacramento. Giovedì pomeriggio Ashley si sentì abbastanza sicura da importare dati reali nel suo sistema. La guardai caricare i file presenze delle cinquantadue diverse sedi in quattro stati. Gli algoritmi iniziarono subito a soffocare con il volume di dati.
«È solo elaborazione», disse cliccando ripetutamente su aggiorna mentre il sistema lottava con ottomilacinquecento record. Ma io vedevo cosa stava succedendo. Le sue reti neurali incontravano riferimenti circolari perché non capiva come si concatenano i calcoli dei salari vigenti. Quando hai requisiti federali, statali e locali che possono applicarsi allo stesso progetto, non puoi usare il riconoscimento di pattern.
Serve una logica condizionale che verifichi più criteri in sequenza specifica. «Ashley», dissi con cautela, «forse dovresti testare prima su un set di dati più piccolo. »
«Si stabilizzerà», rispose. Ma sentivo l’incertezza affiorare nella sua voce mentre l’uso della memoria saliva e l’algoritmo iniziava a produrre messaggi d’errore.
Venerdì mattina arrivò e fu il momento del passaggio ufficiale di consegne. Ashley si presentò presto, con il laptop e quell’energia nervosa che vedi nei marinai novizi prima della prima vera tempesta. «Pronta a fare la storia? » chiese, cercando di sembrare sicura.
Raccolsi le mie cose personali mentre lei si sistemava alla mia postazione. Una tazza con scritto «sistemista decente», la foto del mio Ford F-150 e una bottiglia di Jack Daniel’s che tenevo per le emergenze. Mi sembrò giusto portarla con me. Qualcosa mi diceva che ne avrebbero avuto più bisogno loro.
«Il termine ultimo per i bonifici è mezzogiorno», le ricordai. «Dopo, la gente non viene pagata fino a lunedì. »
«Capito», disse Ashley, già concentrata sullo schermo dove la sua IA sfornava dati di paga come una cippatrice che tenta di processare cavi d’acciaio. Mi avviai verso l’uscita, poi mi fermai.
«Ashley, un’ultima cosa. »
Non ascoltava davvero. Fissava lo schermo dove gli algoritmi mostravano valori di errore in circa metà dei calcoli. «Quando questo andrà in crash», dissi, «e andrà in crash, non cercare di risolverlo rilanciando gli algoritmi.
Ogni volta che riprocessi, crei duplicati nel sistema. Prima risolvi il problema di base, poi rilanci. »
Non stava assimilando nulla. Era troppo impegnata a guardare la sua elegante soluzione di intelligenza artificiale scontrarsi con la brutale realtà del payroll edile.
Rebecca mi scortò alla reception dove Eddie Barnes mi aspettava con i documenti di separazione. Eddie è un brav’uomo, ex marine che capisce il valore di conoscere il proprio lavoro nei minimi dettagli. «Mi dispiace vederti andare, Mac», disse mentre firmavo. «Non mi sembra giusto.
»
«Sono affari, Eddie. Cattivi affari, ma pur sempre affari. »
Guidai verso casa col finestrino abbassato, Alan Jackson alla radio. Avrei dovuto essere arrabbiato, ma provavo piuttosto la sensazione di guardare un film catastrofico in cui sai che l’asteroide colpirà, ma i personaggi non l’hanno ancora capito.
Il telefono iniziò a vibrare verso le dieci e mezza. Messaggio da Kevin Foster, uno degli impiegati del payroll: «Mac, l’IA di Ashley mostra numeri strani. Il mio straordinario dice che ho lavorato ore negative la settimana scorsa. »
Poi un messaggio da Danny Rivers dell’ufficio di Phoenix: «Amico, secondo questo report di paga guadagno 923 dollari l’ora come cementista.
Magari prima o poi. »
Entro le undici, il telefono era una lucina di Natale. Lavoratori da tutto il territorio vedevano le loro buste paga nel portale e nulla aveva senso matematico. I numeri di matricola si mescolavano con i codici fiscali.
Le classificazioni di lavoro erano incasinate: i gruisti risultavano impiegati d’ufficio, i cementisti risultavano dirigenti. La più divertente venne da Tony Gutierrez, un caposquadra di El Paso: «Mac, la mia busta dice che ho lavorato 3. 247 ore la scorsa settimana e che il mio netto è 47. 000 dollari.
Ho rapinato io l’azienda o l’azienda ha rapinato me? »
Riuscivo a immaginare esattamente cosa era successo durante l’importazione dei dati di Ashley. I suoi algoritmi avevano mescolato le mappature dei campi. I numeri di matricola venivano usati come ore lavorate, e le ore lavorate come tariffe orarie.
L’IA cercava di calcolare gli stipendi usando i codici fiscali come moltiplicatori. Ma la vera catastrofe si stava ancora avvicinando. I numeri strani nel portale erano solo l’anteprima. L’evento principale sarebbe arrivato a mezzogiorno, quando la banca avrebbe tentato di processare il file di paga generato dall’IA di Ashley.
Alle 11:45 squillò il telefono. Rebecca, dalle risorse umane. «Mac», disse con la voce tesa dal panico, «dobbiamo parlare. Il sistema di Ashley mostra alcune irregolarità.
»
«Irregolarità? »
«Secondo i suoi calcoli, dobbiamo al governo federale 3,1 milioni di dollari di ritenute fiscali questa settimana. Ma abbiamo raccolto solo 190. 000 dollari dalle buste paga.
»
Mi fermai nel vialetto di casa e rimasi in macchina ad ascoltare Rebecca spiegare come il modello di Ashley fosse riuscito a creare quello che era essenzialmente un buco nero computazionale. «Inoltre», continuò Rebecca, «la banca si chiede perché stiamo cercando di bonificare 83. 000 dollari a un betonista di Albuquerque mentre deduciamo 31. 000 dollari dal conto di un gruista per delle “commissioni di elaborazione algoritmica” di cui nessuno sa nulla.
»
«Andrew è stato informato? »
«È in riunione con gli investitori tutto il giorno. »
Parole famose. Le avevo già sentite da ogni consulente troppo sicuro di sé che pensava di poter tappare una falla con PowerPoint e buone intenzioni.
«Rebecca», dissi, «forse dovresti cancellare quelle riunioni. »
Entro le due, la Rocky Mountain Infrastructure non era più un’azienda di costruzioni. Era una zona di disastro. La banca aveva respinto il file di paga generato dall’IA con tale violenza da aver probabilmente attivato i loro algoritmi di rilevamento frodi.
Secondo la risposta automatica, stavamo tentando di trasferire importi non validi a conti non validi usando protocolli di elaborazione non validi. Il portale dipendenti era crollato sotto il peso di ottomilacinquecento lavoratori che cercavano di capire perché le loro buste paga sembravano prodotte da una slot machine malfunzionante. Alcuni mostravano straordinari a 923 dollari l’ora. Altri avevano salari negativi e, per qualche motivo, dovevano soldi all’azienda per il privilegio di lavorarci.
Ma i veri fuochi d’artificio iniziarono quando si mosse il sindacato. Jim Crawford rappresentava i lavoratori edili da ventotto anni. È grosso come un linebacker, parla come un sergente istruttore e non tollera l’incompetenza aziendale. Quando la sua gente non riceve la paga, Jim non invia email ben formulate.
Ferma tutto. Entro le tre, Jim era in piedi sul cassone di un pick-up davanti all’ufficio principale, con un megafono e i furgoni che si allineavano dietro di lui. «La Rocky Mountain Infrastructure pensa di poter giocare con la paga della gente che lavora! » La voce tuonò nel parcheggio.
«Se non sanno come pagarci, forse dovremmo smettere di lavorare per loro. »
Lo sciopero spontaneo si diffuse più in fretta delle notizie in un paese piccolo. Chiusero prima i cantieri di Phoenix, poi Albuquerque, poi il progetto autostradale fuori Denver. Entro le quattro, ogni cantiere Rocky Mountain in quattro stati era in silenzio.
Cinquecento lavoratori seduti sui loro camion, che postavano video sui social, chiamavano le televisioni locali. I filmati erano bellissimi in modo tragico. Riprese aeree di cantieri fermi, interviste a operai con buste paga senza senso, rappresentanti sindacali che spiegavano ai giornalisti come un’azienda che costruisce infrastrutture critiche in tutto il Sud-Ovest non riuscisse a gestire un semplice processo di pagamento. Il telefono continuava a vibrare con gli aggiornamenti di Eddie e degli altri rimasti nell’edificio.
«Ashley si è chiusa nella sala riunioni», scrisse Eddie. «Cerca di correggere la sua IA da quattro ore, ma ogni modifica corrompe qualcos’altro. »
Un altro messaggio: «Andrew sta urlando al supporto tecnico da tutto il pomeriggio. »
A quanto pare, Ashley aveva cancellato i dati di addestramento originali quando aveva provato a riaddestrare gli algoritmi.
Mi fece sorridere. Ovviamente. Quando sei nel panico e qualcosa non funziona, l’istinto è ricominciare da capo. Ma quando ricominci da capo nel machine learning senza un adeguato controllo di versione, perdi tutto.
Ashley aveva appena cancellato l’unico set di dati su cui la sua IA era stata addestrata, e i protocolli di backup funzionano solo se a configurarli è qualcuno che capisce l’architettura di sistema. Martedì mattina ero sul portico a bere caffè e a leggere gli articoli sulla crisi delle paghe quando squillò il telefono. Andrew Donovan. «Mac», disse con una voce che sembrava aver ingoiato ghiaia, «dobbiamo parlare.
»
«Buongiorno, Andrew. Ti ho visto al telegiornale ieri sera. Bella intervista. Mi è piaciuta soprattutto la parte in cui hai detto che i problemi erano causati da “complicazioni algoritmiche impreviste durante una normale modernizzazione del sistema”.
»
«Basta commenti. La commissione del lavoro sta aprendo indagini in quattro stati. Il sindacato sta valutando una class action. La banca ha congelato i nostri conti operativi perché il file di paga generato dall’IA ha attivato i sistemi di rilevamento frodi.
»
«Sembra una bella situazione. »
«Ho bisogno che tu torni. Come consulente. Dimmi il tuo prezzo.
»
Aspettavo questa chiamata da venerdì pomeriggio. «Ventimila in contanti, subito, più un nuovo contratto al doppio del mio stipendio precedente. »
«D’accordo. »
«Non ho finito.
Voglio una dichiarazione pubblica tua e di Ashley sul sito aziendale in cui si riconosce che i problemi di paga sono stati causati dall’implementazione prematura di un sistema non adeguatamente testato. »
Lungo silenzio. Poi: «Va bene. »
«E un’altra cosa.
Adesso riporto direttamente al CTO, non alle operazioni. Ho finito di avere a che fare con gente che pensa che l’intelligenza artificiale possa sostituire la conoscenza istituzionale. »
«Qualsiasi cosa ti serva, Mac. Sistema tutto.
»
Guidai verso l’ufficio mercoledì mattina. Nel parcheggio c’erano ancora rappresentanti sindacali accampati, ma mi salutarono con la mano quando videro il mio camion. Jim Crawford si avvicinò mentre scendevo. «Mac, dimmi che sei qui per salvarci il culo.
»
«Ci sto lavorando, Jim. Dovresti vedere progressi entro giovedì mattina. »
«E il compenso per il tempo che siamo rimasti fermi? »
«Ogni centesimo, più lo straordinario per chiunque fosse in turno.
»
Entrai nell’edificio come se fosse mio, perché per i prossimi giorni lo sarebbe stato. La sala server mi sembrò di tornare a casa dopo un lungo dispiegamento. Accesi la mia postazione e iniziai ad analizzare il disastro lasciato da Ashley. Era peggio di quanto avessi previsto.
Non aveva solo corrotto i dati di paga. Era riuscita a bloccare le tabelle del database, a creare riferimenti circolari nei moduli di calcolo fiscale e a convincere il sistema che impiegavamo 247. 000 persone di nome Xor. Mi ci vollero ventidue ore di lavoro continuo, ma ricostruii tutto dai log delle transazioni archiviati.
Backup veri, di cui Ashley non conosceva nemmeno l’esistenza. Entro giovedì mattina avevo un file di paga pulito, pronto per la banca. Premetti invio alle sei. Il trasferimento elettronico passò senza un errore.
Ottomilacinquecento lavoratori si sarebbero svegliati e avrebbero trovato le loro paghe corrette, più il compenso per i giorni persi seduti nei parcheggi. Venerdì mattina entrai nell’ufficio di Andrew. Sembrava invecchiato di dieci anni in una settimana. «È fatto», dissi.
«Hanno pagato tutti correttamente, incluso il compenso per i giorni di sciopero. »
«Grazie», disse piano. «Dov’è Ashley? »
«Riassegnata alle ricerche di mercato.
A quanto pare, le connessioni col venture capital arrivano solo fino a un certo punto quando fai perdere milioni all’azienda e rischi di innescare indagini federali. »
«E il tuo nuovo ufficio? »
Andrew indicò l’ufficio d’angolo con le finestre sul piazzale delle attrezzature. «È tutto tuo.
Ho fatto installare una nuova macchina del caffè. »
Mi sedetti alla nuova scrivania, sulla poltrona di pelle. Dalla finestra vedevo i cantieri tornare in vita. Gru in movimento, camion che uscivano con le squadre al completo.
Il telefono vibrò con un messaggio di Sarah, mia nipote di diciassette anni: «Nonno, ho sentito la promozione al telegiornale. Vuol dire che il mio fondo per l’università è al sicuro? »
Aprii il cassetto e tirai fuori la bottiglia di Jack Daniel’s che avevo conservato per un’occasione speciale. Questa qualificava.
A volte l’esperienza batte l’innovazione. A volte la conoscenza istituzionale batte l’intelligenza artificiale. E a volte, quando il venture capital cerca di sistemare ciò che non è rotto, impara a proprie spese che certi lavori richiedono più di algoritmi e modelli di machine learning. Versai un goccio nella mia tazza da caffè e la alzai verso la finestra.
«Alla salute di chi tiene in piedi le infrastrutture e si assicura che la gente che lavora riceva ciò che si è guadagnata. » Questo sì che vale una celebrazione.
