Gli effetti dell’intelligenza artificiale sul lavoro sono l’argomento preferito di quei podcaster che intervistano i profeti dell’apocalisse. Esiste un parterre di ospiti, sempre gli stessi, spesso fuoriusciti dalle big tech (Google, Microsoft) che si sono reinventati come stregoni, “doomster” o santoni: vogliono metterci in guardia sui rischi dell’AI, e la loro specialità è fare previsioni allarmistiche a lungo termine. Il discorso oscilla fra distopia – disoccupazione, povertà, governo delle macchine – e utopia – reddito universale, macchine che lavorano al posto nostro, libero accesso alle risorse. Questa discussione polarizzata, perlopiù priva di dati, si ritrova anche nei media tradizionali. E’ una rivoluzione tecnologica di cui non vediamo ancora gli effetti, in realtà nessuno sa niente per certo. “E’ importante che la ricerca crei dei dati attraverso esperimenti, per dare sostanza a questo dibattito, per andare oltre il chiacchiericcio”, dice Emilio Calvano, professore alla Luiss di Roma e fellow dell’Istituto Einaudi. Si occupa di industrial organization e concorrenza in ambito tecnologico. E’ autore di una ricerca che già nel 2020 dimostrava che le intelligenze artificiali di aziende concorrenti imparano a colludere, accordandosi sui prezzi per massimizzare i profitti a discapito dei consumatori. “C’è poca letteratura scientifica ancora, ma c’è grande bisogno di quantificare, anche le cose di cui abbiamo una percezione intuitiva corretta”.
Calvano mi dà le coordinate secondo lui essenziali per capire gli effetti di questa innovazione tecnologica sul lavoro che è solo all’inizio – pochissime imprese l’hanno integrata nei processi produttivi per ora, non solo in Europa ma anche negli Stati Uniti. Le precedenti rivoluzioni industriali hanno portato l’automazione. “L’uomo diceva alla macchina: se ci sono queste condizioni, allora agisci in questo modo”. Con l’intelligenza artificiale invece si dà alle macchine un obiettivo, un cosa non un come. Questo è il machine learning: “La conoscenza è l’output, non l’input. Questo espone un’area molto più vasta di mansioni che prima si pensava fosse impossibile delegare alle macchine e a questi strumenti”. Cosa vuol dire esporre? “Nell’economia del lavoro si è iniziato a considerare il lavoro, cioè le occupazioni, come un insieme di mansioni. L’idea è che all’interno di queste occupazioni avverrà l’automazione completa di alcune mansioni”. Ma in altre gli umani lavoreranno con l’uso delle AI. “Le occupazioni si ristruttureranno in modo da consentire ai lavoratori di dedicare più tempo alle mansioni in cui hanno un vantaggio comparato rispetto alle macchine”.
Le mansioni sostituibili dalle macchine sono quelle “esposte”. Calvano fa un esempio concreto. “Una macchina a cui si mostrano tante radiografie può identificare dei pattern invisibili all’occhio umano. Il radiologo identifica sulla base della sua conoscenza e la macchina evidenzia elementi che supportano il processo diagnostico, l’insieme genera un output superiore”. Aumenta la produttività e quindi aumenta il salario (del medico)”. Si può aumentare l’offerta. “In questo scenario una visita specialistica costa meno, a parità di costi la sanità si può offrire a più persone”. Vediamo per un attimo l’utopia delle cure mediche per tutti, addio liste di attesa. “E’ un modo di pensare al problema da manuale di economia. Aumenta la produttività, vuol dire che aumenta lo stipendio, aumenta l’accesso alla professione (perché salari più alti attirano più medici), questo abbatte i costi, si genera più domanda per questi servizi e così via”. Siamo lontani dallo scenario apocalittico in cui le macchine prendono il nostro posto e noi scompariamo. Sul collegamento tra maggiore produttività uguale maggiori salari: “A un operaio dici di scavare una buca con una pala, a un altro di scavare una buca con uno scavatore. Il primo ci mette due giorni il secondo ci mette un’ora. A parità di ore lavorate, chi ha il salario più alto fra questi due?”. In altre parole, la maggiore produttività fa aumentare i salari, se non c’è una fila infinita di lavoratori. Resta il dubbio che i billionaires escano da questo processo con un potere negoziale infinito sui salari, finendo così per appropriarsi della maggior parte di questi guadagni di produttività.
Sappiamo che alcuni lavori scompariranno e basta – forse perché abbiamo ascoltato troppi podcast apocalittici. Si chiama effetto di spiazzamento o sostituzione. “Ci sono lavori più esposti, ma non è la prima volta che un’innovazione tecnologica ristruttura un po’ il mondo del lavoro”. Il punto è capire in che direzione va la ristrutturazione. Alla conferenza Nber a Stanford è stato presentato un lavoro che dimostra che il 75,2 per cento dei ruoli a rischio della forza lavoro americana è occupato da donne. Il dato riflette la loro concentrazione in mansioni d’ufficio. Quindi l’AI penalizzerà il tasso di impiego femminile e il gap salariale. La notizia positiva è che la maggior parte delle lavoratrici a rischio ha “capacità di adattamento superiori alla media”. Ma dover cambiare ambito di lavoro è un tema non da poco, le lavoratrici hanno in media carriere più volatili, più interrotte (magari anche dalle maternità) e stipendi più bassi.
Ci sarà un grande boom economico, come dopo tutte le innovazioni, crescita e abbondanza di nuovi impieghi? Non proprio. Secondo Daron Acemoglu, premio Nobel per l’economia nel 2024, l’impatto dell’AI sulla crescita e sulla produttività nei prossimi dieci anni sarà piuttosto limitato. Calvano mostra un grafico degli effetti della produttività su un call center dopo l’adozione dell’AI (misurato per numero di problemi risolti): migliora del 15 per cento, con effetto più accentuato sui lavoratori meno esperti. Non proprio uno scenario in cui andiamo tutti in spiaggia col reddito universale (lo scenario utopico dei santoni da podcast). Ma è davvero presto per dirlo. Per l’implementazione di queste tecnologie, bisogna aspettare. Nasceranno aziende nuove create attorno all’AI che permetteranno di adottarla. Secondo Calvano, il ritardo dell’Europa su questo fronte non è così marcato: lo sviluppo delle applicazioni – ovvero la parte della filiera che usa i modelli (ChatGPT, DeepSeek) e li impacchetta per creare degli strumenti che sono adatti a dei particolari scopi – è ancora a livello inziale, la partita è aperta.
Conclude con un pensiero sul lavoro. Secondo lui è sbagliato pensare solo in termini di soppressione di vecchie occupazioni e creazione di nuove, sarà fondamentale la complementarietà: “Insegno in università, non penso che i miei studenti rimarranno senza lavoro. Penso che il mondo sarà diviso fra quelli che sanno usare queste macchine e quelli che non le sanno usare. Per svolgere al meglio qualsiasi lavoro dovrai sapere usare questi strumenti”.
Emilio Calvano è un economista, docente all’Università Luiss Guido Carli e fellow dell’Istituto Einaudi.
