Per attrarre talento nell’intelligenza artificiale alcune aziende non badano a spese, ma Rilla ha alzato l’asticella in modo difficile da ignorare. La startup, che sviluppa software di coaching per team di vendita basato su AI, spende circa 1,7 milioni di dollari all’anno in contributi per l’affitto dei dipendenti, con un vincolo preciso: devono abitare a non più di dieci minuti di bicicletta dall’ufficio di New York. La contropartita è una settimana lavorativa di 72 ore.

L’accordo, riportato da Fortune, non è un semplice benefit tra i tanti della Silicon Valley. È il segnale di un mercato del lavoro AI dove la domanda di competenze specialistiche è talmente feroce da spingere un’azienda a farsi carico di una voce di costo che normalmente resta a carico dei lavoratori, pur di azzerare i tempi di spostamento e massimizzare la presenza in sede.

Un indicatore di stress strutturale

Dietro la cifra c’è molto più di un vezzo da startup ben finanziata. L’intelligenza artificiale sta vivendo una fase di accelerazione che mette sotto pressione i team di sviluppo. Rilasciare funzionalità prima dei concorrenti, addestrare modelli su dati aggiornati, iterare rapidamente su feedback dei clienti: tutto richiede cicli di lavoro compressi. La settimana da 72 ore non è un incidente: è una scelta deliberata per comprimere i tempi di sviluppo, tipica di un settore in cui il time-to-market è tutto.

Ma questa scelta ha implicazioni di secondo ordine che vanno oltre le mura di Rilla. Il modello “pagati l’affitto e stai vicino” sposta l’equilibrio a favore delle realtà con capitale sufficiente per coprire costi fissi elevati, concentrando ulteriormente il talento nelle città già iper-costose come New York o San Francisco. I professionisti migliori finiscono attratti da pacchetti economici che includono la residenza, rendendo più difficile per aziende più piccole o dislocate reperire le stesse competenze.

Per chi sviluppa AI in ottica on-premise o in contesti distanti dagli hub tecnicici, la dinamica è preoccupante. Se i migliori ingegneri e data scientist si addensano in pochi chilometri quadrati a Manhattan, le imprese che vogliono fare deployment locale di Large Language Models, magari in Europa o in regioni meno centrali, troveranno un mercato del lavoro ancora più ristretto e costoso. E questo senza contare il turnover: lavorare 72 ore a settimana per periodi prolungati è insostenibile per molti, e il rischio di burnout potrebbe vanificare l’investimento iniziale in incentivi abitativi, creando un ciclo di assunzioni e dimissioni che distrugge conoscenza interna.

Chi vince e chi perde

A guadagnarci, nel breve termine, sono le startup che possono permettersi il lusso di comprare tempo e prossimità. Possono iterare più velocemente, testare ipotesi e portare prodotti sul mercato in tempi record. Ma i perdenti sono i modelli di lavoro distribuito che molti speravano diventassero la norma dopo la pandemia. Quella di Rilla è una scommessa sulla co-localizzazione fisica come acceleratore di produttività, e se altre aziende AI seguiranno l’esempio assisteremo a un ulteriore surriscaldamento dei prezzi immobiliari e salariali nei poli tech.

Dal punto di vista strutturale, questa storia segnala che l’AI si sta allontanando da qualsiasi narrazione di democratizzazione del lavoro. Le risorse necessarie per competere — capitale, accesso a hardware, ma anche capacità di attrarre talento disposto a turni massacranti — si stanno concentrando in poche mani. È un campanello d’allarme per chi immagina un ecosistema AI diffuso, fatto di deployment on-premise, edge computing e sviluppo locale: senza politiche di incentivazione del talento fuori dagli hub, il divario rischia di allargarsi, non di ridursi.