Ia e produttività, quale capitalismo stiamo creando?

Nell’articolo pubblicato di recente su queste colonne (“Più produttività con l’Ia? Perché i precedenti non inducono all’ottimismo”), Innocenzo Cipolletta invita a una prudenza salutare. La storia economica, ricorda, è ricca di grandi innovazioni tecnologiche che non hanno prodotto automaticamente aumenti duraturi della produttività aggregata. L’entusiasmo per l’intelligenza artificiale rischia dunque di replicare un errore già visto: scambiare il potenziale tecnologico per un risultato macroeconomico garantito. La letteratura economica – dal paradosso di Solow fino alle analisi più recenti – mostra chiaramente che tra innovazione e produttività si frappongono tempi lunghi, costi di adattamento e profonde riorganizzazioni delle imprese e delle istituzioni. Spesso ciò che cresce non è tanto l’output misurato, quanto la varietà e la qualità dei beni e dei servizi. Su questo punto Cipolletta ha ragione: non esiste alcun automatismo tra progresso tecnologico e crescita della produttività. L’intelligenza artificiale non farà per forza crescere l’economia Non fermarsi ai precedenti Proprio perché questa diagnosi è corretta, però, vale la pena spingersi oltre. Il rischio oggi non è tanto l’ottimismo ingenuo, quanto l’errore speculare: fermarsi ai precedenti senza cogliere ciò che rende l’intelligenza artificiale diversa dalle tecnologie del passato. Il primo elemento riguarda dove va la produttività. Anche quando l’innovazione funziona, non si distribuisce in modo uniforme. Da almeno vent’anni sappiamo che la produttività cresce in una minoranza di imprese – le cosiddette frontier firms – mentre ristagna nel resto dell’economia. Il digitale prima, e l’Ia oggi, accentuano questa dispersione. Il problema, dunque, non è solo se la produttività cresce, ma chi la cattura. Un aumento medio modesto può nascondere guadagni concentrati, con effetti di polarizzazione su salari, potere di mercato e dinamiche competitive. Il secondo punto è che l’intelligenza artificiale non è solo una tecnologia: è un’infrastruttura. A differenza di altre general purpose technologies del passato, l’Ia nasce già concentrata. Pochi grandi attori controllano dati, capacità di calcolo, modelli e piattaforme. Questo riduce quella fase di sperimentazione diffusa che aveva caratterizzato, ad esempio, l’elettrificazione o la meccanizzazione. Il confronto storico, richiamato giustamente da Cipolletta, va quindi aggiornato: non tutte le Gpt sono uguali, soprattutto dal punto di vista della struttura del potere economico che generano. C’è poi un terzo elemento, spesso sottovalutato: la distinzione tra produttività e benessere. L’Ia può aumentare l’efficienza cognitiva, ridurre i costi di coordinamento e migliorare la qualità di molti servizi senza tradursi automaticamente in salari più alti o in una crescita visibile del Pil. Non perché non si crei valore, ma perché quel valore può essere appropriato o redistribuito in forme che sfuggono ai canali tradizionali. Ancora una volta, il nodo non è tecnologico, ma istituzionale. Niente “kill bot” al Pentagono. Anthropic respinge l’ultimatum di Hegseth per «questioni di coscienza» Costi e benefici A questo si aggiunge un ulteriore fattore. L’intelligenza artificiale accentua la separazione tra chi sviluppa l’innovazione e chi sostiene i costi dell’adattamento. L’adozione efficace dell’Ia richiede investimenti complementari ingenti – in formazione, riorganizzazione dei processi, governance dei dati – che ricadono in larga parte sulle imprese utilizzatrici e sui lavoratori. I benefici, invece, tendono a concentrarsi sugli sviluppatori e sui proprietari delle piattaforme. Questo squilibrio riduce gli incentivi alla diffusione profonda dell’Ia nel tessuto produttivo, soprattutto tra le imprese medie e piccole, e contribuisce a spiegare perché la produttività aggregata possa restare deludente anche in presenza di progressi tecnologici rapidi. Infine, c’è una questione di policy. Se il messaggio che passa è solo “non c’è da essere ottimisti”, il rischio è l’attendismo: lasciare che l’Ia segua il suo corso, confidando che il mercato selezioni spontaneamente gli esiti migliori. Ma la lezione dei precedenti storici è un’altra: le grandi tecnologie producono crescita diffusa solo quando sono accompagnate da scelte politiche, regolatorie e industriali deliberate. In loro assenza, il rischio non è una stagnazione neutra, ma una crescita squilibrata, concentrata e socialmente fragile. In questo senso, l’intelligenza artificiale non pone solo una domanda sulla produttività futura, ma sul tipo di capitalismo che stiamo costruendo. Il vero rischio non è aspettarsi troppo dall’IA. È aspettarsi troppo poco dalle istituzioni.