Intelligenza artificiale, la produttività crescerà più lentamente

L’intelligenza artificiale si sta sviluppando rapidamente, ma la sua ricaduta sull’economia procederà con tempi più lunghi. Le imprese devono ancora trasformare le capacità dei nuovi modelli in processi affidabili e produttivi.

L’adozione non basta

Nel 2026 circa metà degli adulti occupati utilizzava l’AI almeno occasionalmente, secondo alcune ricerche. Tra i dipendenti di aziende che avevano già introdotto questi strumenti, però, soltanto circa uno su dieci si dichiarava pienamente d’accordo sul fatto che la tecnologia avesse cambiato il proprio modo di lavorare.

Il divario dipende dalla complessità dell’integrazione. Un’impresa deve scegliere le attività in cui l’automazione può produrre vantaggi concreti, collegare l’AI ai sistemi già in uso e ridisegnare le procedure interne. Servono inoltre formazione, controlli sui risultati, protezione dei dati, misure contro gli attacchi informatici e regole precise sulle responsabilità in caso di errore.

L’investimento richiesto può superare il risparmio ottenibile sul costo del lavoro. Per questo, in numerosi casi, l’impiego degli strumenti digitali come supporto ai dipendenti potrebbe risultare più conveniente di un’automazione estesa a tutte le attività.

Produttività dopo gli investimenti

Le precedenti tecnologie di uso generale mostrano che i benefici non si manifestano subito. Prima dei risultati misurabili arrivano spesso spese per infrastrutture, competenze e riorganizzazione, oltre alla necessità di modificare il funzionamento quotidiano delle aziende.

Negli Stati Uniti, per esempio, la quota di lavoratori agricoli passò dal 41% del 1920 a circa il 5% del 1970. Il cambiamento non fu prodotto dal solo trattore: meccanizzazione, sementi più efficienti, strumenti per la raccolta, logistica e nuovi metodi produttivi si svilupparono nell’arco di decenni.

Un percorso analogo ha riguardato le tecnologie digitali. Gli economisti lo descrivono con la curva a J della produttività: nella fase iniziale le imprese sostengono costi elevati per acquistare strumenti e creare competenze immateriali, mentre i miglioramenti economici emergono soltanto in seguito. Anche l’AI dovrà quindi superare ostacoli organizzativi prima di incidere pienamente sui dati della produttività.

I limiti materiali dell’AI

Sebbene sia basata su programmi informatici, l’intelligenza artificiale richiede una rete fisica molto estesa. La crescita dei servizi dipende da centri dati, semiconduttori avanzati, energia elettrica e materie prime strategiche. I costi per costruire i centri dati sono aumentati, il rame è disponibile in quantità limitate e la produzione dei microchip più avanzati resta concentrata in poche aree geografiche.

Anche le istituzioni e i rapporti tra le parti possono incidere sulla velocità di diffusione. I dipendenti potrebbero contestare l’automazione se i vantaggi venissero attribuiti soprattutto agli azionisti e ai dirigenti. Autorità pubbliche e tribunali, inoltre, potrebbero limitare alcuni impieghi della tecnologia.

Un altro elemento riguarda la concorrenza tra i fornitori. Prezzi più bassi e modelli meno costosi possono favorire l’utilizzo dell’AI, mentre un mercato concentrato e servizi più cari rischiano di rallentarne l’espansione nell’economia.

Cosa osservano gli investitori

Per chi investe, la quantità di denaro destinata all’AI non dimostra da sola che arriveranno profitti duraturi. Occorre capire quali aziende riescano a collegare la tecnologia alle attività operative, con aumenti della produttività verificabili nel tempo.

Gli investimenti coinvolgono tutta la filiera: capacità di calcolo, semiconduttori, produzione elettrica, grandi fornitori di servizi informatici e imprese specializzate. Tuttavia, la spesa elevata per impianti e apparecchiature non garantisce automaticamente la creazione di valore, così come l’annuncio di un piano sull’AI non certifica una trasformazione già compiuta.

La valutazione deve comprendere anche il governo societario, la trasparenza, la tenuta delle infrastrutture e la conservazione delle competenze dei lavoratori. Per i fornitori, la carenza di componenti, la competizione geopolitica e il costo del capitale potrebbero sostenere gli investimenti nel breve periodo, ma allo stesso tempo frenare l’adozione complessiva se i rendimenti restassero incerti.

I risultati più solidi dovrebbero arrivare dalle imprese capaci di trasformare le possibilità tecniche in servizi redditizi e utilizzati su larga scala. La questione, quindi, non riguarda soltanto la velocità con cui migliorano i modelli, ma il modo in cui le aziende gestiscono innovazione, responsabilità e valore nel lungo periodo.